Wissensmanagement Reloaded - Ein Ordnungsrahmen für den systemischen Umgang mit Wissen im Enterprise 2.0

Inhalt

Abkürzungen

Abbildungen

Tabellen

1 Einleitung
1.1 Problemstellung
1.2 Zielsetzung
1.3 Aufbau der Arbeit

2 Theorie des Wissensmanagements
2.1 Überblick zum Wissensmanagement
2.1.1 Probleme in Theorie und Praxis
2.1.2 Wissensbegriff und Abgrenzung
2.1.3 Wissensprozesse
2.2 Das SECI-Modell
2.2.1 Konzeptionelle Probleme
2.2.2 Kritische Würdigung
2.3 Systemisches Wissensmanagement mit IDEA
2.3.1 IDEA-Ordnungsrahmen
2.3.1.1 Interaktion
2.3.1.2 Dokumentation
2.3.1.3 Evolution
2.3.1.4 Adoption
2.3.2 Anwendung des IDEA-Ordnungsrahmens

3 Enterprise
3.1 Vom Web 2.0 zum Enterprise
3.2 Enterprise 2.0 als Organisationsparadigma
3.3 Social Software und Groupware
3.3.1 Anwendungsklassen
3.3.1.1 Wiki
3.3.1.2 Weblog
3.3.1.3 Social Networking-Dienste
3.3.1.4 Microblog
3.3.1.5 Social Tagging
3.3.1.6 Social Bookmarking
3.4 Systematisierung

4 Wissensmanagement im Enterprise
4.1 Erfolgsfaktoren
4.1.1 Interaktion
4.1.1.1 Identitäts- und Reputationsmanagement
4.1.1.2 Beziehungs- und Kollaborationsmanagement
4.1.1.3 Kultivierung von Communities
4.1.1.4 Robuste Wissensnetzwerke
4.1.2 Dokumentation
4.1.2.1 Webbasierte Wissensarbeit
4.1.2.2 Flexible Wiki-Anwendungsmodi
4.1.2.3 Motivation der Wissensarbeiter
4.1.3 Evolution
4.1.3.1 Perpetual Beta-Wissenskultur
4.1.3.2 Kreativität im Netzwerk
4.1.3.3 Kollektive Objektivierung
4.1.4 Adoption
4.1.4.1 Navigationskonzepte
4.1.4.2 Ganzheitliche Awareness
4.1.4.3 Kontextualisierung
4.2 Herausforderungen
4.2.1 Information Overload und Orientierungslosigkeit
4.2.2 Organisationale Destabilisierung
4.3 Neue Aufgaben des Wissensmanagements

5 Fallstudie: T-Systems MMS
5.1 Vorstellung des Unternehmens
5.2 Das TeamWeb
5.3 Zielsetzung und Vorgehen
5.4 Ergebnisse der Umfrage
5.5 Handlungsempfehlungen

6 Zusammenfassung und Ausblick
6.1 Ergebnisse der Arbeit
6.2 Kritische Betrachtung
6.3 Ausblick und weiterer Forschungsbedarf

Literatur

Glossar

Anhang

Abkürzungen

Abbildung in dieser Leseprobe nicht enthalten

Abbildungen

Abbildung 1.1: Framework zum WM im Enterprise 2.0 (Geißler et al., 2009)

Abbildung 1.2: Aufbau der Arbeit

Abbildung 2.1: Entwicklungslinien im WM (in Anlehnung an Roehl, 2000, S. 90)

Abbildung 2.2: Der Nürnberger Trichter (Wikipedia, 2007)

Abbildung 2.3: Das SECI-Modell (Nonaka, 1994, S. 19)

Abbildung 2.4: Ontologische Dimension des SECI-Modells (Nonaka, 1995, S. 73)

Abbildung 2.5: Epistemologie im SECI-Modell und Konstruktivismus

Abbildung 2.6: Wissen als Kontinuum (Schütt, 2009)

Abbildung 2.7: Betrachtungsebenen im systemischen WM

Abbildung 3.1: Hype Cycle 2009 (in Anlehnung an Gartner, 2010)

Abbildung 4.1: Verhalten und seine Bedingungen (Rosenstiel, 2003, S. 48)

Abbildung 5.1: Das TeamWeb

Abbildung 5.2: Q4 - Verankerung des TeamWebs in der Arbeit

Abbildung 5.3: Q7 - Ursachen mangelnder Interaktion im TeamWeb

Abbildung 5.4: Q11 - Wiki-Anwendungsmodi im TeamWeb

Abbildung 5.5: Q21 - Ursachen für fehlende Seitenbearbeitungen im TeamWeb

Abbildung 5.6: Q24 - Nutzungshäufigkeiten von TeamWeb-Funktionalitäten

Tabellen

Tabelle 2.1: Gegenüberstellung der Wissensprozesse

Tabelle 2.2: Unterschiede im Verständnis des impliziten Wissens

Tabelle 2.3: IDEA-Momente

Tabelle 2.4: Anwendungsbeispiele des IDEA-Ordnungsrahmens

Tabelle 3.1: Dekonstruktion des Enterprise 2.0-Konzepts

Tabelle 4.1: Kommunikationsstrukturen (in Anlehnung an Hellriegel & Slocum,
1976, S. 169)

Tabelle 4.2: Traditionelle und webbasierte Wissensarbeit

Tabelle 4.3: Wiki-Anwendungsmodi

Tabelle 4.4: Meta-Daten für die Interpretationsunterstützung

Tabelle 4.5: Erfolgsfaktoren und Herausforderungen für WM im Enterprise

Tabelle 5.1: Routine- und Projektarbeit (in Anlehnung an Hartlieb, 2000, S. 136)

Tabelle 5.2: TeamWeb aus SLATES-Perspektive

Tabelle 5.3: Identifizierte Probleme und Handlungsempfehlungen

1 Einleitung

„Das Internet? Gibt‘s diesen Blödsinn immer noch?“

- Homer Simpson

(Zeichentrickserie ‚Die Simpsons‘)

Von den militärischen Anfängen als ARPANET bis zum heute als ‚Web 2.0‘ bezeichneten Phänomen hat das Internet enorme Entwicklungssprünge durchlaufen (vgl. Abbate, 2000). Dabei ist das einst von statischen HTML-Seiten geprägte WWW der 1990er Jahre zu einem Web mit Plattformcharakter übergegangen, in dem (alle) Nutzer Inhalte erstellen, bearbeiten und verteilen können. Die bisher hauptsächlich passiven Konsumenten haben damit die Rolle des sogenannten ‚Prosumer‘ (dt.: Prosumenten, vgl. Reichert, 2008, S. 68) eingenommen.

Die Tragweite dieses Bedeutungswandels lässt sich exemplarisch in Zahlen verdeutlichen: Die deutsche Online-Enzyklopädie Wikipedia hat im Dezember 2009 die 1 Mio. Artikel-Grenze überschritten (vgl. Wikipedia, 2009), auf der Videoplattform YouTube werden täglich 1 Milliarde Videos abgerufen (vgl. Heise, 2010) und das soziale Netzwerk Facebook führt derzeit über 400 Millionen Nutzer (vgl. Facebookmarketing, 2010). Diese und zahlreiche andere Plattformen ermöglichen dem Menschen u.a. Unterhaltung, eigenständige Weiterbildung, Shopping, Teilnahme an gesellschaftlichen Diskursen und sogar neue Formen der Partnersuche. Das Internet durchdringt damit immer mehr Lebensbereiche des Menschen – und wird gleichermaßen selber zum digitalen Lebensraum für den Menschen.

Gleichzeitig trägt das Internet als globale Infrastruktur zur radikalen Dynamisierung der Wirtschaft bei. Unternehmen müssen sich veränderten Wertschöpfungskonfigurationen anpassen, um ihre Wettbewerbsfähigkeit zu erhalten. Des Weiteren besteht die Notwendigkeit einer Neuausrichtung der Kommunikations- und Marketingstrategien von klassischen, unidirektionalen Formen zu einem offenen Dialog mit den Zielgruppen des Unternehmens. Damit einhergehend sind auch Veränderungen in der unternehmensinternen Organisation zu verzeichnen. Viele Unternehmen versuchen derzeit, neuartige Internet-Technologien wie Wikis und Weblogs im unternehmensinternen Einsatz zu adaptieren. Hierfür wurde der Begriff ‚Enterprise 2.0‘ (dt.: Unternehmen 2.0) geprägt.

1.1 Problemstellung

In der aktuellen Diskussion wird dem Thema ‚Enterprise 2.0‘ Potential zugeschrieben, zahlreiche Aspekte des Unternehmens radikal zu verändern. Eine besondere Aufmerksamkeit erlangt das Thema ‚Enterprise 2.0‘ auch in der Forschung und Praxis des Wissensmanagements (vgl. KnowTech, 2009).

Wissensmanagement befasst sich mit der Problemstellung, wie der Umgang mit Wissen im Unternehmen optimiert werden kann. Nach Probst, Raub & Romhardt (1999, S. 46f) bildet Wissensmanagement ein integriertes Interventionskonzept, das der Gestaltung der ‚organisationalen Wissensbasis‘ dient. Dabei handelt es sich jedoch um kein neues Thema. In zahlreichen Beiträgen wurde bereits festgestellt, dass Wissensmanagement als hochkomplexes Thema ganzheitlich behandelt werden muss (vgl. Willke, 1997). Nur eine systemische Betrachtungsweise, die sowohl organisationale Abläufe und Strukturen, die Unternehmenskultur und eingesetzte Technologien gleichermaßen berücksichtigt – das Unternehmen somit als Gesamtsystem begreift – scheint erfolgversprechend.

In der bisherigen Literatur zu Enterprise 2.0 wird Wissensmanagement jedoch meist nur schlagwortartig als potentieller Einsatzzweck für Technologien im Umfeld von Enterprise 2.0 angeführt. Um diese neuen Technologien zielgerichtet zur Förderung eines systemischen Wissensmanagements zu nutzen, ist eine vertiefte Erforschung der Konvergenz von Wissensmanagement und Enterprise 2.0, welche auch soziale und organisationale Auswirkungen einbezieht, notwendig. Diese steht in der Forschung bisher noch aus.

1.2 Zielsetzung

Der Forschungsbeitrag dieser Arbeit besteht in der Vertiefung und Systematisierung des Konvergenzbereiches zwischen Enterprise 2.0 und Wissensmanagement. Das konkrete Forschungsziel ist die Erarbeitung eines Ordnungsrahmens für den systemischen Umgang mit Wissen im Enterprise 2.0. Dieser Ordnungsrahmen soll:

- Einsatzpotentiale und Handlungsfelder des Enterprise 2.0-Konzepts für Wissensmanagement systematisch aufzeigen,
- Verständnis über die Zusammenhänge zwischen den Gestaltungsdimensionen Mensch, Organisation und Technologie im speziellen Fall des Enterprise 2.0 vermitteln, sowie
- grundlegende Kriterien für eine systematische Bewertung von Wissensmanagement-Ansätzen schaffen.

Ausgangspunkt für die Erarbeitung des Ordnungsrahmens ist ein von Geißler, Kalb & Schoop (2009) vorgestelltes ‚Framework‘, welches das aus dem Wissensmanagement bekannte SECI-Modell (vgl. Nonaka, 1991, 1994, 1995) mit dem Enterprise 2.0-Charakte-risierungsansatz SLATES (vgl. McAfee, 2006) verbindet (Abbildung 1.1: Framework zum WM im Enterprise 2.0 (Geißler et al., 2009), S. 3). Diese Elemente des Modells sollen im Verlauf der Arbeit vorgestellt und ihre Eignung als Modellbestandteile dabei kritisch überprüft werden.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1.1: Framework zum WM im Enterprise 2.0 (Geißler et al., 2009)

Für die Erarbeitung des Ordnungsrahmens sollen im Verlauf der Arbeit folgende Forschungsfragen beantwortet werden:

F1: Eignet sich das SECI-Modell als Wissensmanagement-Modell?
F2: Welche Dimensionen umfasst der Begriff Enterprise 2.0?
F3: Welche Erfolgsfaktoren für Wissensmanagement im Enterprise 2.0 lassen sich identifizieren?

Abschließend wird die Eignung eines realen Enterprise 2.0-Ansatzes für Wissensmanagement unter Verwendung des erarbeiteten Ordnungsrahmens im Rahmen einer Fallstudie bewertet. Dieser Einblick in die Praxis soll ergänzend zu den theoretisch erarbeiteten Aspekten zu einem umfassenden Verständnis der Potentiale und Grenzen des Enterprise 2.0-Konzepts für Wissensmanagement beitragen.

1.3 Aufbau der Arbeit

In Kapitel 2 (Theorie des Wissensmanagements, S. 6-27) wird zunächst ein knapper Überblick über das Forschungsgebiet Wissensmanagement und dessen Grundbegriffe gegeben. Im Anschluss wird das SECI-Modell vorgestellt. Hierbei ist vor allem eine kritische Würdigung des Modells bedeutsam. Aufbauend auf der Kritik am SECI-Modell wird der IDEA-Ordnungsrahmen für systemisches Wissensmanagement entwickelt, welcher ein wichtiges Kernstück der Arbeit darstellt und die weitere Struktur der Arbeit vorgibt.

In Kapitel 3 (Enterprise 2.0, S. 28-36) wird anschließend eine Einführung zum Thema Enterprise 2.0 gegeben. Konkret wird die Entstehung des Begriffs, wichtige Technologie-Klassen und Systematisierungsansätze für Enterprise 2.0 vorgestellt.

Eine Betrachtung der Konvergenz beider Themen findet in Kapitel 4 (Wissensmanagement im Enterprise 2.0, S. 37-55) statt. Aufbauend auf dem zuvor entwickelten IDEA-Ordnungs-rahmen werden Erfolgsfaktoren des Wissensmanagements im Enterprise 2.0 vorgestellt. Neben Vorteilen für Wissensmanagement sollen aber auch negative Aspekte und ein verändertes Rollenverständnis des Wissensmanagements im Enterprise 2.0 erörtert werden.

Anschließend wird der entwickelte Ordnungsrahmen am Beispiel der T-Systems Multimedia Solutions GmbH praktisch erprobt. Hierfür wird die Eignung der internen Social Software-Plattform ‚TeamWeb‘ für Wissensmanagement unter Zuhilfenahme des IDEA-Ordnungs-rahmens bewertet. Vorgehen und Ergebnisse der Fallstudie sowie abgeleitete Handlungsempfehlungen sind in Kapitel 5 (Fallstudie: T-Systems MMS, S. 56-69) dokumentiert.

Abschließend werden die Ergebnisse der Arbeit in Kapitel 6 (Zusammenfassung und Ausblick, S. 70-73) zusammengefasst, einer kritischen Würdigung unterzogen und weiterführender Forschungsbedarf aufgezeigt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1.2: Aufbau der Arbeit

2 Theorie des Wissensmanagements

Um die Auswirkungen des Enterprise 2.0-Konzepts auf organisationales Wissensmanagement zu systematisieren, muss zunächst ein einheitliches Grundverständnis für Wissensmanagement erarbeitet werden. Daher wird in diesem Kapitel ein allgemeiner Überblick über das Forschungsgebiet Wissensmanagement geschaffen. Darauf aufbauend wird der IDEA-Ordnungsrahmen entwickelt, welcher im weiteren Verlauf zur Systematisierung des Konvergenzbereiches des Enterprise 2.0-Konzepts und Wissensmanagement dient.

2.1 Überblick zum Wissensmanagement

Seit über 20 Jahren zieht das Thema Wissen in der Organisationstheorie und -praxis wachsende Aufmerksamkeit auf sich. Einhergehend mit der verstärkten Zuwendung zu eher kompetenz- und ressourcenorientierten Organisationstheorien wird Wissen als Mittelpunkt aller organisationalen Funktionsabläufe neu wahrgenommen. Die gestiegene Bedeutung von Wissen lässt sich dabei auf verschiedene wirtschaftliche, gesellschaftliche und technologische Triebkräfte zurückführen (North, 2005, S. 12):

- Struktureller Wandel durch Tertiarisierung:
Unternehmen verkaufen zunehmend ‚Informationen‘, ‚Wissen‘ oder ‚intelligente‘ Produkte und Dienstleistungen.
- Globalisierung der Wirtschaft:
Der internationale Wettbewerb steigt, Industrienationen werden zu ‚Wissensnationen‘. Es findet eine Verlagerung der physischen Produktion in Entwicklungs- und Schwellenländer statt.
- Informations- und Kommunikationstechnologien:

Durch die rasanten Entwicklungen in der Informations- und Kommunikationstechnologie werden immer schnellere und preiswertere Transaktionen möglich, woraus schnellere Marktveränderungen resultieren.

Aufgrund dieser Erscheinungen sprechen einige Autoren von einer postkapitalistischen ‚Wissensgesellschaft‘ (vgl. Willke, 1997, S. 6) bzw. vom Übergang zum ‚fünften Kondratieff-Zyklus‘ (vgl. North, 2005, S. 14), in dem Wissen Vorrang gegenüber den traditionellen Produktionsfaktoren Arbeit, Boden und Kapital einnimmt. In Organisationen besteht daher der Wunsch, den Umgang mit dieser ‚Ressource‘ zu optimieren – Wissen zu managen.

Das in der Theorie und Praxis unter ‚Wissensmanagement‘ eingegangene Schlagwort bündelt dabei umfangreiche Wunschvorstellungen der Manager: „Keine Ungewissheit mehr, sondern rationale Kalküle, keine wiederholten Fehler, keine Unvollkommenheiten, kein Provinzialismus.“ (Schneider, 2005, S. 24). Neben dieser positiv-normativen Komponente steckt im Begriff ‚Wissensmanagement‘ jedoch implizit auch die negative Behauptung, dass der bisherige Umgang mit Wissen nicht optimal ist, und dass dies zu ändern gilt (Baecker, 2002, S. 100). Damit beinhaltet der Begriff ‚Wissensmanagement‘ eine normative Zielvorstellung, manifestiert aber gleichzeitig auch Forschungs- und Handlungsbedarf. Konkret soll Wissensmanagement folgende Funktionen in der Praxis erfüllen (vgl. Schneider, 2001):

- Wissen in Organisationen koordinieren, die Mitglieder übereinander und über ihr Tun informieren und Überblick über die Verteilung von Kompetenzen schaffen,
- Problemlösungen verallgemeinern, Fähigkeiten weitergeben und so das ‚richtige‘ Wissen für die Unternehmensprozesse allen Organisationsmitgliedern überall zugänglich machen (vgl. auch Amelingmeyer, 2004), sowie
- Innovation fördern, weil die Fähigkeit eines Unternehmens Innovationspotential auszunutzen entscheidend dessen wirtschaftlichen Erfolg bestimmt.

Die Forschung im Wissensmanagement ist gekennzeichnet durch eine hohe Interdisziplinarität. Roehl (2000, S. 88-143) untergliedert in eine ingenieurswissenschaftliche, wirtschafts-wissenschaftliche und soziologische Entwicklungslinie (Abbildung 2.1: Entwicklungslinien im WM (in Anlehnung an Roehl, 2000, S. 90), S. 8). Die ingenieurswissenschaftliche Entwicklungslinie ist eng verwoben mit der Entwicklung der Computertechnologie und greift daher vornehmlich auf das rechnergestützte Instrumentarium der Informations- und Kommunikationstechnologie zurück. Einige Beispiele sind Datenbanken, Groupware-Applikationen, Workflow-Management-Systeme oder Intranets. In der wirtschaftswissenschaftlichen Entwicklungslinie des Wissensmanagements steht die effizienzorientierte Bewirtschaftung von Wissen im Vordergrund. Wichtige Gebiete der wirtschaftswissenschaftlichen Linie sind das Organisationale Lernen, Informationsmanagement und das Human Resource Management. Im Gegensatz zu den bereits vorgestellten wird Wissensmanagement in der soziologischen Entwicklungslinie weniger als praktisches Steuerkonzept verstanden. Stattdessen beschäftigt sich die soziologische Entwicklungslinie mit theoretischen Herausforderungen auf stark abstrahierter Ebene, welche jedoch erhebliche praktische Implikationen aufweisen. Insbesondere die Wissenssoziologie und die neuere Systemtheorie spielen in dieser Linie eine bedeutende Rolle.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2.1: Entwicklungslinien im WM (in Anlehnung an Roehl, 2000, S. 90)

2.1.1 Probleme in Theorie und Praxis

Das Forschungsfeld Wissensmanagement hat mit einer Reihe von Schwierigkeiten und tiefgehenden Missverständnissen zu kämpfen. Insbesondere fällt die mangelnde Kumulativität der Debatte auf (Roehl, 2000, S. 143). Statt von einer interdisziplinär-synergetischen Betrachtung zu profitieren, liegt eine heterogene Landschaft an Modellen, Theorien und Instrumenten vor, welche in ihren Aussagen teilweise unvereinbar und konkurrierend zueinander stehen (vgl. Lehner, 2009, S. 39). Diese Probleme sind hauptsächlich auf:

(1) unklare Verständnisse des Wissensbegriffs und
(2) gegensätzliche interventionstheoretische Vorannahmen zurückzuführen.

(1) Es lassen sich im aktuellen Stand der Forschung zu Wissensmanagement exemplarisch zwei verschiedene Begriffsverständnisse unterscheiden (vgl. Schneider, 1996, S. 19). Insbesondere bei den technologisch-orientierten Ansätzen liegt ein reduktionistisch-objektiviertes Wissensverständnis vor. Darin wird Wissen nicht bzw. wenig vom Begriff der Information abgegrenzt. Beispielsweise unterscheiden Rehäuser & Krcmar (1996, S. 6) zwar die Begriffe Wissen und Information, indem sie Wissen als zweckorientierte Vernetzung von Informa-tion definieren. Dennoch bleibt damit die unmittelbare Beziehung zum Informationsbegriff erhalten. Dem gegenüber steht das (auch in dieser Arbeit vertretene) konstruktivistische Wissensverständnis, in dem Wissen als Ergebnis eines sozialen Konstruktionsprozesses betrachtet wird. Aus dieser Perspektive lässt sich Wissen nicht oder nur schwer objektivieren, da dieses untrennbar an die individuelle lebensweltliche Sicht gebunden ist. Diese Idealtypen von Wissensauffassungen sind theoretisch unvereinbar, werden aber von einigen Autoren dennoch implizit in einer vermischten Form verwendet.
(2) Beruhend auf der Gegensätzlichkeit der Wissensverständnisse herrscht auch Uneinigkeit bezüglich der Interventionsmöglichkeiten des Wissensmanagements. Grob kann die Forschung in mechanistische und systemisch-evolutionäre Interventionstheorien unterschieden werden (vgl. Malik, 2006, S. 49). Je nach Wissensverständnis und Managementauffassung ergeben sich unterschiedliche Interpretationen des Wissensmanagementbegriffs. Während in der mechanistischen Sicht direktes ‚Management von Wissen‘ möglich ist, ist Wissensmanagement aus der systemisch-evolutionären Sicht hingegen auf ein indirektes ‚Management für Wissen‘ beschränkt (Neumann, 2000, S. 242). Systemisch-evolutionäres Wissensmanagement hat damit zum Ziel, günstige organisationale Voraussetzungen zu schaffen, welche die Entwicklung von Wissen fördern.

Das Resultat dieser Verständnisunterschiede ist eine fehlende gemeinsame Sprache und Unklarheit über die Zielvorgaben von Wissensmanagement. Dies sind Belege dafür, dass Wissensmanagement in der Forschung bisher noch keine wissenschaftliche Reife erlangt hat (Romhardt, 2002, S. 22).

Die Unvollkommenheiten der Theorie sind auch in der Wissensmanagementpraxis wiederzufinden. Häufig ist ein einseitiger Fokus auf technische Ansätze wie (‚Wissens‘-) Datenbank-Lösungen zu beobachten, während Möglichkeiten der Einwirkung auf soziale Bedingungen (z.B. Förderung von ‚Communities of Practice‘ oder Entwicklung einer ‚Wissenskultur‘) unbeachtet bleiben (vgl. Schütt, 2003). Eine Ursache dafür ist, dass aus sozialorientierten Theorien nur schwer konkrete Handlungsempfehlungen abzuleiten sind und Resultate sich nur beschränkt messen lassen. Aufgrund dieses technologieorientierten Bias spricht Schneider (2001, S. 17) von der Praxis der ‚sozialtechnologischen Nachsorge‘, also der nachträglichen Anpassung der menschlichen Verhaltensweisen an die Technologie.

2.1.2 Wissensbegriff und Abgrenzung

Der Begriff ‚Wissen‘ steht im Mittelpunkt des Wissensmanagements. Daher ist es notwendig, die Charakteristika von Wissen ausführlicher zu beleuchten. Da im Alltagsverständnis Wissen lediglich unscharf definiert wird, ist es Aufgabe der Wissenschaft, ein klares Begriffsverständnis zu schaffen (vgl. Amshoff, 1993). Diese Aufgabe ist jedoch keineswegs trivial: Der Philosophie ist es in den letzten 2000 Jahren nicht gelungen, eine allgemein akzeptierte Definition des Begriffs ‚Wissen‘ hervorzubringen (Meyer, 2009, S. 2). Auch in dieser Arbeit können nicht alle Facetten des Wissensbegriffs diskutiert werden. Reinmann-Rothmeier (2001, S. 13) merkt an, dass es sogar kontraproduktiv sein kann, verstehen zu wollen, was Wissen ist, da man Wissen umso weniger versteht, je mehr man nach seinem Wesenskern sucht. Viele der bisherigen Ansätze des Wissensmanagements scheitern jedoch gerade aufgrund der Verwendung eines reduktionistisch-objektivierten Wissensbegriffs, welcher spezifische Charakteristika der Ressource Wissen ausblendet (Howaldt, Klatt & Kopp, 2004, S. 5).

Eine fruchtbare Arbeitsdefinition für Wissen als Ausgangspunkt bieten Davenport & Prusak (1998, S. 32). Diese verstehen Wissen als „fließende Mischung aus strukturierten Erfahrungen, Wertvorstellungen, Kontextinformationen und Fachkenntnissen, die in ihrer Gesamt-heit einen Strukturrahmen zur Beurteilung und Eingliederung neuer Erfahrungen und Informationen bietet“. Das zentrale Merkmal dieser Definition ist, dass Wissen nicht als ein vom Menschen losgelöstes, zeitkonstantes ‚Objekt‘ verstanden wird. Wissen wird stattdessen gleichgesetzt mit der Fähigkeit, neue Erfahrungen zu beurteilen und einzugliedern. Die bestehende Wissensstruktur fungiert somit als Anknüpfungspunkt für den Aufbau neuen Wissens.

Konzepte aus der Systemtheorie der Sozialwissenschaften eignen sich, diesen Wesenszug von Wissen zu modellieren und zu erklären. Die menschliche Kognition wird als autopoietisch-geschlossenes System betrachtet. Das ursprünglich von den chilenischen Wissenschaftlern Maturana & Varela (1987) entwickelte Konzept der Autopoiesis (griech.: auto ‚selbst‘, poein ‚machen, reproduzieren‘ / Selbsterzeugung) bezieht sich auf die Beobachtung, dass sich (lebende) Systeme (z.B. Zellen) „in ihrer Einheit, ihren Strukturen und Elementen kontinuierlich und in einem operativ geschlossenen Prozeß mit Hilfe der Elemente reproduzieren, aus denen sie bestehen“ (Willke, 1987, S. 6). Die Wahrnehmung der Umwelt des Systems erfolgt deshalb selektiv – nur jene Elemente, welche für das jeweilige System (systemrelativ) ‚Sinn ergeben‘ werden wahrgenommen. Wissen entspricht also nicht wie in der Vorstellung des ‚Nürnberger Trichters‘ (vgl. Abbildung 2.2: Der Nürnberger Trichter (Wikipedia, 2007),
S. 11) einem ‚Objekt‘, welches aus der Umwelt unverändert in den Kopf eines Subjektes gelangt. Wissen ist Ergebnis einer individuellen (Re-)Konstruktion, wobei immer die Veränderung des Subjektes selbst stattfindet.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2.2: Der Nürnberger Trichter (Wikipedia, 2007)

Für das Wissensmanagement ergeben sich aus diesem Wissensverständnis verschiedene Konsequenzen: (1) Wissen ist in der Gesamtheit eines Menschen verhaftet und kann daher nur bedingt weitergegeben werden. (2) Wissen ist nicht als herkömmliches (quantitatives) Produktionsgut zu verstehen, sondern als qualitative mentale Einstellung. Daraus kann abgeleitet werden: Wissen ist nicht immer wahr, Nicht-Wissen ist nicht unbedingt schlecht, viel Wissen ist nicht immer gut (vgl. Romhardt, 2002, S. 24).

Neben dem Begriff ‚Wissen‘ werden in der Literatur zu Wissensmanagement häufig die verwandten Begriffe ‚Daten‘ und ‚Information‘ verwendet. Kennzeichnend für diese Begriffe ist, dass sie analog zum Begriff ‚Wissen‘ in der Forschung nicht einheitlich definiert sind und je nach Disziplin unterschiedliche, inkommensurable Sichten auf diese Begriffe existieren. Da bereits umfassende Abhandlungen zu den unterschiedlichen Begriffsverständnissen in den einzelnen Disziplinen existieren (vgl. Krcmar, 1991, S. 168ff.; Mujan, 2006), soll an dieser Stelle nicht weiter hierauf eingegangen werden.

Im Kontext dieser Arbeit werden die Begriffe Daten, Information und Wissen wie folgt definiert und in Beziehung gesetzt:

- Daten (lat. data: ‚Gegebenes‘) werden als bestimmte Strukturmuster von Materie oder Energie verstanden, welche aus objektiver Sicht real vorliegen. Da ihre Existenz auf einer physischen Grundlage beruht, können viele Formen von Daten durch technische Hilfsmittel gespeichert, reproduziert und zwischen Systemen übertragen werden.
- Daten können für den Menschen wiederum eine ‚potentielle Information‘ darstellen. Unter ‚Information‘ (lat. informare: ‚eine Form geben‘) wird in dieser Arbeit der Prozess des ‚in Form‘-Bringens von Wissen, d.h. die Beeinflussung einer subjektiven Mentalstruktur, verstanden. Dieses Potential zur ‚Information‘ ist den Daten jedoch nicht allgemein innewohnend, sondern subjektrelativ: welchen Effekt die Wahrnehmung und Verarbeitung von Daten auf das Wissen hat, hängt demzufolge immer vom Subjekt ab.

2.1.3 Wissensprozesse

In Organisationen lassen sich grundsätzlich zwei Kategorien wissensbezogener Prozesse unterscheiden (vgl. Tabelle 2.1: Gegenüberstellung der Wissensprozesse, S. 13):

- die quantitative Multiplikation von bereits bestehendem Wissen
- die Innovation als permanente Prüfung und qualitative Erweiterung des bestehenden Wissens

Die Wissensmultiplikation hat das Ziel, vorhandenes Wissen besser zu verwerten. Dies beinhaltet zum Beispiel die Weitergabe von Erfahrungen (Lessons Learned) oder die Optimierung von Arbeitsprozessen mit Hilfe bewährter Lösungen (Best Practice-Lösungen). Dagegen umfasst die Wissensinnovation permanentes in Frage stellen bestehender Prozesse, Strukturen und Lösungen sowie die Generierung von neuen oder verbesserten Ansätzen (vgl. dazu den Begriff ‚Meta-Wissensmanagement‘, Schneider, 1996). Diesem Wissensprozess sind beispielsweise die Theorien zur ‚Lernenden Organisation‘ (vgl. Argyris & Schön, 1999; Senge, 2006) zuzuordnen.

Bis auf wenige Ausnahmen (vgl. Lehner, 2009, S. 66ff) wird in der Wissensmanagementtheorie nur einer dieser Wissensprozesse isoliert behandelt. In der organisationalen Praxis müssen jedoch Multiplikation und Innovation von Wissen integriert und im richtigen Verhältnis vorliegen (vgl. Krcmar, 2005, S. 493). Dieses Mischungsverhältnis hängt dabei maßgeblich von der Art der Leistungserbringung des Unternehmens ab. Während z.B. fortlaufendes Hinterfragen von bewährten Routinen im Atomkraftwerk oder Passamt riskant und destabilisierend wirkt, ist kontinuierliches und schnelles Lernen für Beratungsunternehmen überlebensnotwendig.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 2.1: Gegenüberstellung der Wissensprozesse

2.2 Das SECI-Modell

Das 1994 erstmalig vorgestellte SECI-Modell von Nonaka (1994) hat eine hohe Popularität erlangt. Es ist als Ausgangspunkt vieler Wissensmanagement-Ansätze verwendet worden und hat zu einer generellen Umorientierung im Wissensmanagement beigetragen. Auch bei dem von Geißler, Kalb & Schoop (2009) vorgestellten Framework zum Wissensmanagement im Enterprise 2.0 dient das SECI-Modell als Grundlage. An dieser Stelle soll daher kritisch überprüft werden, ob das SECI-Modell als Wissensmanagement-Modell geeignet ist.

Das SECI-Modell (auch bekannt als Wissensspirale) gehört zu den humanorientierten Modellen des Wissensmanagements. Es modelliert den Prozess der Wissensgenerierung. Dafür führt Nonaka eine epistemologische und eine ontologische Dimension sowie vier Arten der ‚Wissenskonversion‘ ein, welche im Zusammenspiel eine ‚Wissensspirale‘ ergeben (vgl. Abbildung 2.3: Das SECI-Modell (Nonaka, 1994, S. 19), S. 14).

Ein zentrales Element des SECI-Modells ist die epistemologische Unterscheidung zwischen ‚implizitem Wissen‘ (tacit knowledge) und ‚explizitem Wissen‘ (explicit knowledge). Das von Polanyi (1966) ursprünglich philosophisch intendierte Konzept des ‚tacit knowledge‘ wird dabei von Nonaka (1991) aufgegriffen und auf die organisationale Praxis angewandt. Mit explizitem Wissen sind nach Nonaka die Teile des Wissens gemeint, welche sich in Worten und Zahlen ausdrücken lassen. Durch eine sprachliche Kodierung soll explizites Wissen somit speicher- und übertragbar sein. Dagegen ist implizites Wissen nach Nonaka derjenige Teil des Wissens, welches sich schwer formalisieren und in Worte fassen lässt. Es ist tief verankert in den Handlungen und Überzeugungen eines Individuums. Nonaka untergliedert das implizite Wissen in kognitive und technische Bestandteile. Unter den kognitiven Bestandteilen des impliziten Wissens versteht Nonaka (1994, S. 16) die ‚mentalen Modelle‘ wie Schemata, Paradigmen und Überzeugungen, „die es dem Einzelnen ermöglichen, sich in der Welt zurecht zu finden und individuell Sinn zu konstruieren“. Die technischen Bestandteile des impliziten Wissens umfassen die spezifischen Fähig- und Fertigkeiten eines Individuums, die in konkreten Kontexten zur Anwendung gelangen können. Nonaka erklärt den Prozess der Wissensgenerierung, also der Schaffung neuer Ideen und Konzepte, als Ergebnis eines kontinuierlichen Wechselspiels zwischen implizitem und explizitem Wissen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2.3: Das SECI-Modell (Nonaka, 1994, S. 19)

Im SECI-Modell werden vier Prozesse (auch ‚Konversionen‘) unterschieden, bei denen jeweils implizites oder explizites Wissen übertragen oder umgeformt wird.

Unter Sozialisation (engl.: socialization) ist die Übertragung von implizitem Wissen durch Interaktionen zwischen Individuen gemeint. Hierbei ist zu bemerken, dass diese Übertragung auch ohne Einsatz von Sprache funktioniert. Das implizite Wissen behält somit beim Prozess der Übertragung seinen Charakter bei, es kommt zu keiner Bewusstwerdung oder Artikula-tion. Nonaka nennt als Beispiel stets die Meister-Lehrlings-Beziehung, bei der das Handwerk durch Beobachten, Imitation und Übung erlernt wird. Des Weiteren wird durch Sozialisation ein gemeinsamer ‚Kontext‘ durch gemeinsame Erfahrungen hergestellt, wodurch ausgetauschte Daten erst sinnhaft interpretiert werden können.

Durch Externalisierung (eng.: externalization) wird implizites Wissen expliziert und somit in Form von explizitem Wissen zugänglich gemacht. Dies geschieht insbesondere mit Hilfe von Metaphern und Analogien. Nonaka betont die besondere Bedeutung der Externalisierung als eigentlichen Schlüssel zur Schaffung von neuem Wissen, der in der Fachliteratur bisher vernachlässigt wurde (Nonaka 1994 S. 19).

Mit Hilfe der Kombination (engl.: combination) von verschiedenem explizitem Wissen kann neues explizites Wissen gewonnen werden. Dabei kommt es zu einer Rekonfiguration von bestehendem explizitem Wissen durch Sortierung, Addition, Rekategorisierung und Rekontextualisierung. Nonaka führt dabei als Beispiel das Prinzip moderner Computersysteme an.

Bei der Internalisierung (engl: internalization) vollzieht sich der Übergang von explizitem Wissen zu implizitem Wissen. Nonaka vergleicht diesen Prozess auch mit der klassischen Bedeutung von ‚Lernen‘. Durch Übung und Routinisierung wird explizites Wissen verkörperlicht und erweitert das individuelle implizite Wissen.

Nonaka beschreibt den Prozess der Wissensentstehung und Wissensübertragung in Organisationen als ‚spiralförmigen‘ Ablauf dieser einzelnen Teilprozesse. Somit sieht Nonaka die Aufgabe des Managements darin, diese Prozesse möglichst störungsfrei ablaufen zu lassen.

Ein weiterer Bestandteil des SECI-Modells ist die sogenannte ontologische Dimension, bei der die Art des ‚Wissensträgers‘ betrachtet wird (vgl. Abbildung 2.4: Ontologische Dimension des SECI-Modells (Nonaka, 1995, S. 73), S. 16). Durch den spiralförmigen Prozess der Wissensentstehung und -teilung kann individuelles Wissen auf Gruppen- und Unternehmensebene ‚gehoben‘ werden. Ebenso kann andersherum auch Wissen aus ontologisch ‚höher‘ liegenden Ebenen zum Individuum gelangen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2.4: Ontologische Dimension des SECI-Modells (Nonaka, 1995, S. 73)

2.2.1 Konzeptionelle Probleme

Das SECI-Modell ist jedoch auch auf erhebliche Kritik gestoßen und hat in der Wissenschaft und Praxis viel Verwirrung verursacht (vgl. Gourlay, 2006; Porschen, 2008, S. 58ff; Schreyögg & Geiger, 2003). Dieser Abschnitt konzentriert sich hauptsächlich auf die konzeptionellen Probleme der epistemologischen Unterscheidung in implizites Wissen und explizites Wissen.

1. Definitorische Unschärfe des impliziten Wissens und seine Folgen

Um die Ursachen für die häufige Verwirrung um das SECI-Modell zu verstehen, ist es sinnvoll, Polanyis ursprüngliche Definition von implizitem Wissen zu betrachten. Polanyi versteht implizites Wissen als „eine Art Residualkategorie: All die Anteile einer erfolgreichen Handlung, die sich nicht kausal-logisch erklären und rekonstruieren lassen, werden dem impliziten Wissen zugerechnet“ (Schreyögg & Geiger, 2003, S. 12). Er bezweckt damit eine vollständige Abdeckung des noch ‚unbekannten Raums‘ des menschlichen Denkens.

Mit dieser zugrunde gelegten Definition für implizites Wissen ergibt sich eine Bandbreite an möglichen Bedeutungen. Neuweg (2004) unterscheidet zwischen:

- unbewusster Verhaltenssteuerung und Intuition,
- implizitem Gedächtnis,
- implizitem Regelwissen,
- Nicht-Verbalisierbarkeit,
- Nicht-Formalisierbarkeit, und
- Erfahrungsgebundenheit.

Dies zeigt, dass Polanyis ursprüngliches Konzept des impliziten Wissens keine klar abgrenzbare, wohl definierte ‚Wissenskategorie‘ ist. Stattdessen umspannt sie eine Vielzahl von gänzlich verschiedenen kognitiven Aspekten, deren einziges gemeinsames Merkmal die fehlende sprachliche Artikulierbarkeit ist.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 2.2: Unterschiede im Verständnis des impliziten Wissens

Nonaka verwendet Polanyis Konzept in einer trivialisierenden Weise im SECI-Modell. Zwar unterscheidet er zwischen ‚technischen‘ und ‚kognitiven‘ Bestandteilen des impliziten Wissens, doch fehlt unter anderem die notwendige Unterscheidung bezüglich der Formalisierbarkeit dieser Bestandteile. Aus dieser undifferenzierten Verwendung des Begriffs resultieren folgende Probleme:

- Die begriffliche Mehrdeutigkeit verhindert eine klare Identifikation der ohnehin schon schwer fassbaren impliziten Bestandteile des Wissens.
- Das fehlende vertiefte Verständnis über das Wesen vom impliziten Wissen führt dazu, dass „häufig davon ausgegangen [wird], dass sich […] implizites Wissen grundsätzlich ohne Verlust seiner inhaltlichen Substanz in ein explizites – also objektivierbares – Wissen transformieren lasse“ (Porschen, 2008, S. 68). s Forderung nach ‚Externalisierung‘ kann aber nur bedingt nachgegangen werden, da nicht näher bestimmt ist, welche impliziten Bestandteile überhaupt formalisierbar/verbalisierbar sind.

In Tabelle 2.2 (Unterschiede im Verständnis des impliziten Wissens, S. 17) wird zusammenfassend das unterschiedliche Verständnis des impliziten Wissens bei Nonaka und Polanyi gegenübergestellt.

2. Explizites Wissen aus konstruktivistischer Sicht

Aus konstruktivistischer Sicht betrachtet erscheint auch die Verwendung des Begriffs ‚explizites Wissen‘ im SECI-Modell problematisch (vgl. Aulinger, Pfriem & Fischer, 2001).

Der Kerngedanke des Konstruktivismus ist, dass jegliche Formen von menschlichem Erleben und Lernen subjektiven Konstruktionsprozessen unterworfen sind. Der Konstruktivismus betont somit die „aktive Interpretation des erkennenden Subjekts, den Prozess der aktuellen Konstruktion von Bedeutung, indem jeder Akt des Erkennens eine Welt hervorbringt“ (Schulmeister, 2002, S. 31).

Im SECI-Modell wird angenommen, dass explizites Wissen im Gegensatz zum impliziten Wissen sprachlich explizierbar, und folglich auch problemlos speicher- und übertragbar ist (Nonaka, 1994). Damit werden von Nonaka implizit zwei verschiedene Denotationen im Begriff ‚explizites Wissen‘ subsumiert:

Bedeutung 1: explizites Wissen als potentiell explizierbarer Teil des im Subjekt haftenden Wissens

Bedeutung 2: explizites Wissen in bereits explizierter Form (Sätze, Produktpläne, Konzepte und Modelle (Nonaka, 1994)).

Dieses sogenannte ‚bereits explizierte Wissen‘ ist aber „in der Wahrnehmung andere[r] Personen zunächst nicht mehr als etwas, was sich auf einer Bandbreite zwischen Nichts (es wird nichts wahrgenommen), Rauschen, Signalen und Daten einordnen läßt“ (Aulinger, Pfriem & Fischer, 2001, S. 78). Damit wird Nonakas Verständnis des expliziten Wissens zum Widerspruch in sich. Wissen, welches nur durch einen subjektiven Konstruktionsprozess entstehen kann, kann außerhalb eines Subjektes nicht existieren. Aus konstruktivistischer Sicht müsste man folglich neben dem Begriff ‚explizites Wissen‘, welches den sprachlich formulierbaren Teil des Wissens aus der Sicht des Subjekts darstellt (Bedeutung 1), einen weiteren Begriff ‚Daten‘ einführen, welcher die bereits explizierte, und damit eine vom Subjekt losgelöste Repräsentation dieses subjektiven expliziten Wissens beinhaltet (Bedeutung 2). Diese ‚Daten‘ würden jedoch zu einer grundsätzlich anderen Kategorie als das subjektiv-konstruierte ‚Wissen‘ gehören (vgl. Abbildung 2.5: Epistemologie im SECI-Modell und Konstruktivismus, S. 19).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2.5: Epistemologie im SECI-Modell und Konstruktivismus

Der Kerngedanke des SECI-Modells liegt in der besonderen Beachtung des Menschen und der sozialen Wissensprozesse. Aus diesem Grund ist aus Sicht des Konstruktivismus die zweideutige Verwendung des Begriffs ‚explizites Wissen‘ besonders inkonsequent und verwirrend^[1]. Durch die Gleichsetzung von ‚Wissen‘ und ‚Daten‘ können zahlreiche Problemstellungen im Wissensmanagement nicht erfasst werden. Das wären zum Beispiel die individuell unterschiedliche Wahrnehmung und Interpretation von Daten.

3. Exkurs: Wissen und ‚wissen‘ als Kontinuum zwischen implizit und explizit

Um die bereits erläuterten Schwierigkeiten zu beheben, schlagen einige Autoren vor, von der kategorialen Trennung zwischen implizitem und explizitem Wissen als zwei dedizierte Zustände abzurücken (vgl. Boisot, 1998; Li & Gao, 2003; Schneider & Rooney, 2001; Schütt, 2003; Snowden, 2000). Damit distanzieren sie sich größtenteils von den theoretischen Grundlagen Polanyis. Stattdessen betrachten sie Wissen grundsätzlich als eine Mischung aus beiden Wissensarten. Somit wird der Begriff ‚Wissen‘ als ‚Kontinuum‘ verstanden, bei dem sich das implizite und explizite Wissen als Extrempunkte gegenüberstehen. Die ‚Pole‘ dieses Kontinuums, also implizites und explizites Wissen in Reinform, gelten nach Schütt (2003) als nicht existent.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2.6: Wissen als Kontinuum (Schütt, 2009)

Mit dieser modifizierten Modellvorstellung von Wissen lassen sich die Einbettung in der (größtenteils ‚impliziten‘) individuellen Mentalstruktur und die unterschiedlich gute sprachliche Kodierbarkeit von Wissen erklären. Abbildung 2.6 (Wissen als Kontinuum (Schütt, 2009), S. 20) zeigt, wie nach dieser Logik verschiedene Begriffe aus dem Umfeld des Wissensmanagements eingeordnet werden können.

2.2.2 Kritische Würdigung

Zusammenfassend lässt sich sagen, dass das SECI-Modell durch die Konzentration auf den sozialen und organisationalen Kontext ein revolutionäres Umdenken im Wissensmanagement bewirkt hat. Durch den Fokus auf den Menschen als Sitz und Quelle von jeglichem Wissen ermöglichte das SECI-Modell Anschlüsse zu Konzepten aus der Psychologie, Soziologie und Pädagogik. Damit einhergehend entstand auch eine reflektiertere Sichtweise auf den Wissensbegriff: aufbauend auf der Einführung des Konzepts des impliziten Wissens erfolgte eine Verschiebung von bisher positivistisch geprägten hin zu eher konstruktivistischen Wissensvorstellungen (vgl. Schreyögg & Geiger, 2003).

Die Aufgabe von Wissensmanagement besteht nicht mehr lediglich in der einmaligen Explikation und Speicherung von Wissen. Vielmehr muss es dafür sorgen, dass Wissen permanent neu im Individuum konstruiert wird. Des Weiteren hat das SECI-Modell darauf hingewiesen, dass Wissensmanagement organisationale Bedingungen herstellen kann, welche die kreative Wissensschaffung fördern.

Trotz seines großen Einflusses auf die Forschung eignet sich das SECI-Modell jedoch aus nachfolgenden Gründen nicht als allgemeines Wissensmanagement-Modell:

(1) Durch den engen Betrachtungsfokus auf die implizite Dimension von Wissen liefert das SECI-Modell eher eine Erläuterung des Wissensbegriffs anstatt konkret umsetzbare Managementempfehlungen.

(2) Im Zusammenhang mit dem Begriff des impliziten Wissens weist das SECI-Modell einige schwerwiegende konzeptionelle Probleme auf (vgl. Kapitel 2.2.1: Konzeptionelle Probleme, S. 16-20). konnte damit zur wichtigen Erkenntnis beitragen, dass die individuellen kognitiven Fähigkeiten (‚implizites Wissen‘) eng mit den Prozessen Wissensentstehung und -transfer verbunden sind, und daher im Wissensmanagement nicht vernachlässigt werden dürfen. Das SECI-Modell selber bleibt jedoch zu unkonkret, um diese Zusammenhänge adäquat zu erklären. (2004) stellen sogar in Frage, ob es sich beim impliziten Wissen überhaupt um Wissen handelt und bemängeln die einhergehende Verwässerung des Wissensbegriffs im Wissensmanagement.

2.3 Systemisches Wissensmanagement mit IDEA

Im letzten Abschnitt wurde das SECI-Modell vorgestellt und einer kritischen Würdigung unterzogen. Aufgrund der festgestellten Probleme soll das SECI-Modell im weiteren Verlauf dieser Arbeit jedoch nicht als Wissensmanagementmodell verwendet werden. Dennoch ist aufgrund der hohen Komplexität des Themas Wissensmanagement ein Modell als Ordnungsrahmen notwendig. Deshalb wird an dieser Stelle der vom Autor dieser Arbeit entwickelte IDEA-Ordnungsrahmen für systemisches Wissensmanagement vorgestellt.

Unter systemischem Wissensmanagement wird in dieser Arbeit die bewusste und kontinuierliche Gestaltung geeigneter Rahmenbedingungen für die Multiplikation und Innovation (vgl. Kapitel 2.1.3: Wissensprozesse, S. 12f) von Wissen verstanden. Zentral ist dabei eine systemische Betrachtung der Gesamtorganisation, bei der Einwirkungen auf die Handlungsfelder Mensch, Technologie und Organisation integriert stattfinden (vgl. zu dieser Unterscheidung Bullinger, Warschat, Wörner & Prieto, 1998).

2.3.1 IDEA-Ordnungsrahmen

In Arbeitsprozessen wird bestehendes Wissen benötigt, genutzt und weitergegeben (Wissensmultiplikation). Gleichzeitig werden neue Lösungen entwickelt und Erfahrungen gesammelt (Wissensinnovation). Systemisches Wissensmanagement muss daher auf die Optimierung wertschöpfender Arbeitsprozesse abzielen, damit der Umgang mit Wissen nicht zum Selbstzweck entartet. Entlang von Arbeitsprozessen lassen sich vier charakteristische Momente (lat. Momentum: ‚Grund, Einfluss‘) identifizieren (vgl. Tabelle 2.3: IDEA-Momente,
S. 23):

- Interaktion,
- Dokumentation,
- Evolution und
- Adoption.

Diese IDEA-Momente sind dabei ausdrücklich nicht als sequentiell ablaufende Teilprozesse (z.B. wie im SECI-Modell) zu verstehen oder mit den Wissensprozessen Multiplikation und Innovation zu verwechseln.

[...]

---

^[1] Weiterführend dazu auch Abhandlungen zum ‚Kategorienfehler‘ (Ryle, 2002)