Implementierung einer Wissensdatenbank für IT-Projekte

Projektdokumentation plus Wissensmanagement 2.X


Bachelorarbeit, 2012
104 Seiten, Note: 2,0

Leseprobe

Inhaltsverzeichnis

1. Einleitung
1.1 Ausgangslage
1.2 Problemstellung
1.3 Zielsetzung
1.4 Forschungsfrage
1.5 Aufbau der Arbeit

2. Wissen
2.1 Wissensbegriffe
2.1.1 Daten
2.1.2 Informationen
2.1.3 Nachrichten
2.1.4 Wissen
2.2 Wissensarten
2.2.1 Implizites und explizites Wissen
2.2.2 Individuelles und kollektive Wissen
2.2.3 Internes und externes Wissen
2.2.4 Zusammenfassende Betrachtungen
2.3 Generierung von Wissen
2.3.1 Wissenspyramide
2.3.2 Wissenstreppe

3. Wissensdatenbank
3.1 Definition Wissensdatenbanken
3.2 Wissensdatenbanken im Wissensmanagement
3.3 Dokumentenorientierte Wissensdatenbank
3.3.1 Dokumentenmanagementsystem
3.3.2 Content Management Systeme
3.3.3 Workflowmanagementsysteme
3.4 Datenbank
3.4.1 Bestandteile
3.4.2 Datenmodell eines Datenbanksystems
3.4.3 Relationales Datenmodell

4. IT - Projekt
4.1 Projektdefinition und Projektmerkmale allgemein
4.2 Definition IT - Projekt
4.3 Betrachtungsobjekte des Projektmanagements
4.4 Wissenstypen im Projekt
4.5 Phasen und Dokumentation eines IT-Projektes
4.5.1 Projektphasen und Dokumente
4.5.2 Projektdokumentation
4.5.3 Projektdokumente für den Wissenstransfer

5. Wissenstransfer
5.1 Wissenstransfer im Projekt
5.2 Wissenstransferzyklus
5.3 Ziele des Wissenstransfers im Projekt
5.4 Dokumentenablage in einem Dateisystem
5.4.1 Dokumentation von IT-Projekten
5.4.2 Nutzung für den Wissenstransfer
5.5 Wissensdatenbank in IT-Projekten
5.5.1 Aufgabe
5.5.2 Implementierung und Nutzung einer Wissensdatenbank
5.5.3 Benutzerrollen und Inhalte in einer Wissensdatenbank
5.5.4 Vorteile des Einsatzes einer Wissensdatenbank

6. Schluss
6.1 Ziel der Arbeit - Handlungsempfehlung
6.2 Beantwortung der Forschungsfrage
6.3 Zusammenfassung und Ausblick

Literaturverzeichnis

Abbildungsverzeichnis

1. Einleitung

1.1 Ausgangslage

„Wissen bestimmt zunehmend den Unternehmenswert. Wissen als Wettbewerbsfaktor hat schlagartig den Sprung in die Schlagzeilen der Wirtschaftspresse geschafft. Wissensmanagement-Arbeitsgruppen werden gegründet, Vorstandsvorsitzende beschäftigen sich damit und Workshops werden angeboten.“[1] So und in ähnlichen Formulierungen wird die Bedeutung und der Fortschritt des Wissens und seinem Management, dem „Wissensmanagement“, hervorgehoben.

Die wachsende Bedeutung von Wissen als Wettbewerbsfaktor und damit als Wettbewerbsvorteil kann durch drei Faktoren begründet werden:[2]

- Heutzutage werden auf den globalen und lokalen Märkten anstelle von arbeits- und kapitalintensiven zunehmend wissensintensive Produkte bzw. Dienstleistungen nachgefragt. In einer globalisierten Welt führt dies zu einer immer stärker werdenden Vorherrschaft der "Wissensnationen" gegenüber den etablierten Industrienationen. Arbeiten mit hohem körperlichen Einsatz wandern ohnehin immer stärker in Schwellen- und Entwicklungsländer.
- Die laufende Globalisierung und der damit einhergehende Strukturwandel werden von den weiterhin rasch fortschreitenden Entwicklungen in der Informationstechnologie sowie den Innovationen in der Kommunikationstechnologie seit den neunziger – Jahren des letzten Jahrhunderts angetrieben.
- Aufgrund der Fortschritte in der Informations- und Kommunikationstechnologie können heutzutage auch riesige Datenmengen gespeichert und ausgetauscht sowie auch räumlich unabhängig "global" und interaktiv bearbeitet werden. Das führte dazu das Informationen jederzeit in einem ausreichenden Detaillierungsgrad für autorisierte Benutzer zur Verfügung steht. Das wiederum führte letztlich zu schnellen Marktveränderungen und höheren Innovations­geschwindigkeiten. Letztlich ist eine Wissensgesellschaft entstanden, in der Wissen über Innovations- und Wettbewerbsfähigkeit entscheidet.

„In wirtschaftlich hoch entwickelten Gesellschaften, vor allem in Europa, Nordamerika, Japan und Australien, hat sich Wissen zu einem bedeutenden Produktionsfaktor entwickelt, vielleicht sogar schon zu dem bedeutendsten.”[3] Als Folge davon muss der Umgang mit Wissen überdacht und Konzepte und Strategien zum Umgang mit Wissen müssen entwickelt werden. Der Begriff „Wissenstransfer” wurde erst verhältnismäßig spät eingeführt. Erste Artikel zum Thema erschienen in den 90er Jahren des vorigen Jahrhunderts (z.B. Nonaka 1991).[4]

Als eine der Folgen des geänderten Wettbewerbsumfelds lässt sich in den Unternehmen eine Veränderung der Organisationsstrukturen feststellen welche insbesondere in der Verringerung der Hierarchieebenen im Unternehmen sichtbar wird.[5] Darüber hinaus kommt es auch, abhängig von der Branche, zu einer Etablierung von Projektorganisation im Unternehmen. Führend in dieser Entwicklung sind Unternehmen der Informations- und Kommunikationstechnologie denn gerade in diesen Branchen zwingen die immer kürzer werdender Entwicklungszyklen zu den genannten organisatorischen Anpassungen. Aufgrund der zunehmenden Projektorganisation in den Unternehmen wird die Implementierung eines projektorientierten Wissenstransfers somit zum strategischen Erfolgsfaktor.

1.2 Problemstellung

Ein Problem in IT – Projekten im Besonderen so wie in Projekten generell besteht darin dass aufgrund des Zeitdruckes in Hinblick auf die Fertigstellung häufig auf den Wissenstransfer im Projekt wenig Rücksicht genommen wird. Im Vordergrund steht die Implementierung eines Systems welches den funktionalen Anforderungen des Kunden in Hinblick auf Qualität, Zeit und Preis entspricht. Der Wissenstransfer des im Zuge des Implementierungsprozesses generierten applikationsspezifischen Wissens wird daher häufig zugunsten der vorhin genannten Zielen vernachlässigt, dies umso mehr je weniger stark der Projekteigner darauf drängt. Der mangelhafte Wissenstransfer hat insbesondere folgende Ursachen:

- Einerseits durch die mangelhafte oder überhaupt fehlende Erstellung von Projektdokumenten
- Andererseits durch ein Ablegen der Dokumente in Form einer klassischen Dateiablage in Verzeichnissen wodurch das Auffinden von jeweiligen problem­lösungsrelevanten Dokumenten erschwert oder unmöglich gemacht wird

Dies hat erhebliche Auswirkungen auf die Weiterentwicklung und Wartbarkeit des fertiggestellten Systems und ist ein Systemrisiko da das systemspezifische Wissen individuell verteilt in den Köpfen der implementierenden Projektmitglieder zentriert ist. Üblicherweise wird die Wartung und Weiterentwicklung eines Systems nach dessen Produktivsetzung von anderen unternehmensexternen- oder internen Personen durchgeführt. Diese Personen müssen dann die systemspezifischen Besonderheiten erst wieder aus dem System ermitteln was dementsprechende Ressourcen verbraucht.

Andererseits führt ein mangelnder organisationaler Wissenstransfer während der laufenden Projekte auch dazu dass die Problemlösungskompetenz der einzelnen Projektmitglieder bei folgenden Projekten suboptimal ist da sie nicht auf die dokumentierten Erfahrungen aus anderen Projekten zugreifen können.

Eine Lösung ist dabei das Anlegen bzw. die Nutzung einer Wissensdatenbank um den notwendigen Wissenstransfer in strukturierter Form möglichst zeitnah durchführen zu können.

1.3 Zielsetzung

Das Ziel dieser Arbeit ist die Ableitung einer Handlungsempfehlung zur Implementierung einer Wissensdatenbank bei Unternehmen in denen viele IT-Projekte abgewickelt werden.

1.4 Forschungsfrage

Die Forschungsfrage lautet: Wie kann in einem Unternehmen in dem laufend IT-Projekte durchführt werden neben der verpflichtenden Projektdokumentation in einem Dateisystem auch eine Wissensdatenbank für den Wissenstransfer optimal betrieben und genützt werden?

1.5 Aufbau der Arbeit

Wissen steht als Erfolgsfaktor für die Durchführung von Projekten somit im Mittelpunkt und muss durch das Management des Wissenstransfers optimal unterstützt werden. Um in diese Thematik einsteigen zu können, wird in Kapitel 2 ausführlich geklärt, was Wissen überhaupt ist.

In Kapitel 3 werden die Bestandteile einer Wissensdatenbank beschrieben. Dabei wird sich zeigen wie uneinheitlich der Begriff „Wissensdatenbank“ definiert ist.

Im Anschluss daran wird in Kapitel 4 auf die Merkmale und Phasen eines IT-Projektes eingegangen. Dabei wird insbesondere auf die Inhalte der dabei typischerweise erstellten Dokumente eingegangen welche dabei eine Möglichkeit zum Wissenstransfer bieten. Auch die Wissenstypen im Prozess des Wissenstransfers in IT – Projekten werden dargestellt. Der Autor nimmt dabei eine Einteilung der typischerweise zu erstellenden Dokumente nach der Norm nach denen diese Dokumente erstellt werden müssen und solche die nur dann erstellt werden müssen wenn sie zwischen dem Projektauftraggeber und –auftragnehmer vereinbart wurden. Da diese Dokumente daher ohnehin schon zu erstellen sind, werden diese auch analysiert ob sie für einen Wissenstransfer im Projekt oder aus dem Projekt geeignet erscheinen.

Danach wird in Kapitel 5 auf die Möglichkeit des Wissenstransfers unter Verwendung eines Dateisystems für die Projektdokumentation eines Unternehmens untersucht und im Vergleich dazu die Vor- und Nachteile erläutert die sich für den Wissenstransfer aus der Implementierung und Nutzung einer Wissensdatenbank für das projektabwickelnde Unternehmen ergeben.

Abschließend wird in Kapitel 6 das Ziel dieser Arbeit beantwortet indem eine Handlungsempfehlung abgegeben wird. Nach der Beantwortung der Forschungsfrage erfolgt noch eine Zusammenfassung und ein Ausblick.

2. Wissen

Um dem inneren Aufbau von Wissen näher zu kommen, ist es entscheidend, fundamental zwischen Daten, Informationen und Wissen zu unterscheiden, was in Kapitel 2.1 durchgeführt wird. Diese begrifflichen Unterschiede haben eine entscheidende praktische Bedeutung. Häufig übergeht die betriebliche Praxis die Klärung von begrifflichen Feinheiten mit negativen finanziellen Auswirkungen, wenn dann nämlich teure IT-Lösungen eingekauft werden, die nur Datenfriedhöfe produzieren.[6]

Jede theoretische und praktische Annäherung an das Thema Wissensmanagement oder Wissensdatenbank setzt sich daher mit dem Begriff „Wissen” auseinander oder versucht eine Definition des Begriffs „Wissen”. Dabei lassen sich ganz klar zwei zentrale Themen ausmachen.

- Einerseits wird, durch eine Differenzierung zwischen den Konzepten „Daten”, „Information” und „Wissen”, ein schrittweiser Prozess der Generierung von Wissen impliziert, indem zwischen den Konzepten durch „qualitative Zusätze” wie Bedeutung und Kontext usw. Wissen sozusagen evolutionär entsteht. Eine gängige und anschauliche Darstellung erfolgt in dabei in Form der Wissenspyramide, welche in Kapitel 2.3.1 beschrieben wird. Am stärksten ausdifferenziert findet sich das Konzept der aufeinander aufbauenden Begriffe in der Wissenstreppe von Klaus North welche im Kapitel 2.3.2 Wissenstreppe behandelt wird.
- Andererseits wird durch die Definitionen verschiedener Wissensarten, oder verschiedener Dimensionen des Wissensbegriffs, auf deren Einfluss, auf die Generierung von Wissen geschlossen. Dieses Konzept wird in Kapitel 2.2 Wissensarten erörtert.

2.1 Wissensbegriffe

Umgangssprachlich werden die Begriffe Information, Daten, Nachrichten und Wissen häufig synonym verwendet. Es gibt jedoch Unterschiede: Information ist ein abstrakter Begriff, der das Wissen über ein Ereignis oder einen Tatbestand bezeichnet, während Daten und Nachricht die äußere Form, die Darstellung der Information ausmachen.[7]

„Wissen hat hinsichtlich seiner inneren Form einen dreistufigen Aufbau mit folgenden Komponenten:

- Daten: Sind der Rohstoff für das Wissen
- Informationen: Sind systemspezifisch aufbereitete Daten und damit Zwischenprodukte des Wissens
- Wissen: Ist die Veredelung von Information durch Praxis, weshalb Wissen die Praxis voraussetzt.“[8]

2.1.1 Daten

Daten sind beobachtete Unterschiede. Jedes Datum benötigt ein Beobachtungsinstrument mit dem Unterschiede registriert werden können. Die Kurse an den Wertpapierbörsen werden durch unterschiedliche Beobachtungsinstrumente in Datencharts für die Verbreitungsmedien, einschließlich des Internet, konvertiert. Erst ein Hörrohr verschafft dem Arzt Zugang zu den inneren Daten eines Patienten und ein Röntgenapparat erzeugt für den Beobachter Daten, die vorher nicht existent waren. Daten müssen in einer bestimmten Form codiert sein, damit sie im ersten Schritt existent werden und dann auch gelesen werden können. Für den Menschen geistig erkennbar bestehen nur drei mögliche Codierungsformen: Zahlen, Sprache oder Texte und Bilder. Sämtliche Informationen aus der Umwelt und insbesondere aus der Kommunikation mit Menschen die nicht in diese Codierungsformen gebracht werden können, sind als Datum nicht existent. Dies bedeutet beispielsweise, dass Informationen die in der nichtverbalen Kommunikation entstehen verloren gehen es sei denn sie können als Daten in Form von Zahlen, Sprache/Text oder Bilder gefasst werden.[9]

Die kleinsten Informationseinheiten sind Zeichen. Ein Zeichen ist ein Element aus einer zur Darstellung von Information vereinbarten endlichen Menge von verschiedenen Elementen, dem Zeichenvorrat. Beispiele für Zeichen sind Buchstaben, Ziffern, Farbpunkte von Bildern oder akustische Signale. Aus informationstechnischer Sicht handelt es sich bei einem Zeichen um die kleinste bei der Programmausführung zugreifbaren Einheit, dem Datenelementen.[10]

Es ist charakteristisch, dass die in den Daten vorkommenden Zeichen immer einer bestimmten Zeichenmenge angehören. Zahlen bestehen ausschließlich aus Ziffern, eventuell noch einem Dezimalpunkt und einem Vorzeichen. Texte wiederum bestehen nur aus Buchstaben und Satzzeichen, also dem, was umgangssprachliche das Alphabet genannt wird.[11] Ein Bild kann so gerastert werden, dass es danach aus diskreten Bildpunkten besteht. Bei Schwarz – Weiß – Zeichnungen ist jeder Bildpunkt entweder schwarz oder weiß und kann unmittelbar durch die Symbole 0 oder 1 codiert werden. Bei farbigen Zeichnungen lassen sich Farbe und deren Intensität durch Zahlen codieren. Sprache und Musik, also Schallereignisse, bestehen aus temporären Veränderungen des Schalldrucks. Hier werden die Zeit und der Schalldruck analogisiert oder gerastert und digitalisiert.[12]

Diese Überlegungen führen zu dem Schluss, dass es Daten an und für sich gar nicht gibt, sondern nur beobachtungsabhängige, als im Zuge der Beobachtung erzeugte oder konstruierte Daten. Bilder nehmen Zahlen und Texten eine überragende Stellung ein da sie besonders reichhaltige Möglichkeiten der Codierung bieten. Der Grund dafür dürfte darin liegen dass Menschen schon vor der Erfindung von Zahlen und Texten in Bildern gedacht und sich erinnert haben. Instrumente des Wissensmanagement nützen daher häufig die Möglichkeiten multimedialer Darstellung.[13]

Üblicherweise werden Organisationen und Personen mit irrelevanten und sinnlosen Daten überflutet. Für das Datenmanagement ist es daher von entscheidender Wichtigkeit Mechanismen und Routinen der Reduktion von Datenmengen und Datenkomplexität zu implementieren. Wir ertrinken in Ozeanen von Daten und verirren uns in endlosen Datenfriedhöfen.[14]

Andererseits können auch Personen, Projektorganisationen oder ganzen Organisationen wichtige Daten fehlen. Üblicherweise weist jede Organisation Felder auf, die für ihre Leistungsfähigkeit wichtig sind, zu für die sie aber keine Daten bereit hält da ihr die entsprechenden Beobachtungsinstrumente fehlen.[15]

2.1.2 Informationen

Aus Daten können Informationen entstehen wenn diese in einen ersten Kontext von Relevanzen eingebunden werden, die für eine Person oder Organisation gilt. Eine Information ist nach einer gängigen Definition „ein Unterschied der einen Unterschied macht“. Damit ist Information also ein „bedeutsamer Unterschied“, ein Unterschied der für jemanden eine Bedeutung hat. Bedeutsam ist ein Unterschied jedoch als Maßstab eines Kriteriums von Relevanz. Damit ergibt sich zwangsläufig dass jede Relevanz systemspezifisch ist und damit systemrelativ ist. Eine Information liegt daher nur dann vor, wenn das beobachtende System bestimmte Relevanzkriterien definiert hat mit deren Hilfe einem Datum eine bestimmte Relevanz zugeschrieben wird.[16]

Daten sind physisch auf einem Datenträger (z.B. Papier) verfügbar. Information ist der abstrakte Inhalt von Daten, der vom Empfänger durch Interpretation gewonnen wird.[17]

Willke beschreibt die Gewinnung von Informationen aus Daten sehr anschaulich: „Man kann sich die Arbeit der Herstellung von Informationen bildlich so vorstellen, dass ein Akteur sich ein Fischernetz bastelt, dessen Maschen und Muster aus Relevanzen und Gewichten, Prioritäten und Spezifizierungen gestrickt sind. Mit diesem Netz werden aus dem Ozean von Daten nur ganz spezifische herausgefiltert und selektiert, nämlich solche, die den Kriterien des Netzes entsprechen. In dieser Weise ermöglichen es Relevanzkriterien, die Komplexität von Daten zu reduzieren und nur diejenigen Daten zu Informationen aufzuarbeiten, die für eine bestimmte Person oder eine Organisation von Bedeutung sind.“[18]

Aus diesem Grund können Informationssysteme nur Daten speichern, aber niemals Informationen. Informationssysteme bieten aber die Möglichkeit, diese Daten so in einen Kontext zu stellen, dass Menschen sie leichter aufnehmen können. Erst durch den Prozess der Aufnahme entfaltet sich beim Aufnehmenden der Bedeutungsgehalt, es werden Informationen generiert.[19]

Daten sind damit potenzielle Träger von Information. Die Beschaffung und Aufbereitung von Information ist damit immer auch eine Beschaffung und Aufbereitung von Daten. Aus diesem Grund werden die Begriffe Datenverarbeitung und Informationsverarbeitung auch synonym verwendet.[20]

Der Unterschied zwischen Daten und Informationen tritt in der Praxis immer dann auf, wenn Berichte erstellt werden, mit denen letztendlich niemand etwas anfangen kann, oder wenn Daten erfasst und verwaltet werden, auf die niemand zugreift.[21]

Zusammenfassend lässt sich nochmals feststellen:

- Daten bezeichnen beobachtete Unterschiede
- Informationen bezeichnen relevante Unterschiede

Informationen bezeichnen für relevant gehaltene Unterschiede aus der Sicht eines jeweiligen Beobachters. Daher können auch verschiedene Systeme wie Personen, Projektteams, Abteilungen, Organisationen etc. aus denselben Daten völlig unterschiedliche Informationen generieren, je nachdem, welche Relevanzkriterien sie mit welcher Gewichtung berücksichtigen.[22]

So können Daten auch verschiedene Informationen enthalten, die durch verschiedene Interpretationsmöglichkeiten mehrerer Personen oder auch durch ein und derselben Person entstehen können. Beispielsweise kann aus dem Satz „Ich komme morgen“ keine eindeutige Information gewonnen werden, wenn dem Empfänger nicht das Datum des „heutigen“ Tages bekannt ist.[23]

„Daten werden zu Informationen, wenn sie einen Filter aus Relevanzen durchlaufen, nach Relevanzkriterien ausgesiebt und dadurch mit Bedeutung aufgeladen werden.“[24]

Zur Verdeutlichung des Zusammenspiels von Daten und Information kann auch die Semiotik (Lehre von den sprachlichen Zeichen, Sprachtheorie) herangezogen werden. Die Semiotik unterscheidet die folgenden drei Ebenen:[25]

- Pragmatik: Befasst sich mit dem Zweck und der Wirkung von Aussagen und somit deren Handlungs- und Verwendungsbezug (Wissen).
- Semantik: Befasst sich mit dem Bedeutungsgehalt von Zeichen und Zeichenmengen und daraus resultierenden Aussagen (Informationen)
- Syntaktik: Befasst sich mit den formalen Beziehungen zwischen den Zeichen (Daten)

In diesem Schema sind Daten der syntaktischen Ebene, Informationen der semantischen Ebene und Wissen der pragmatischen Ebene zuzuordnen.

Der Informationsaustausch geschieht ähnlich wie das ISO-Schichtenmodell bei der Übertragung von Informationen in Netzwerken. Der Sender erwartet beispielsweise, dass der Empfänger eine bestimmte Handlung ausführt (Ebene Pragmatik). Zunächst wird diese Handlung mit Bedeutung aufgeladen (Ebene Semantik), so dass er diese nun formalisieren kann (Ebene Syntax).[26] Hier werden Zeichen durch vorgegebene Ordnungssysteme (z.B. Code, Syntax) zu Daten. Komplexe Informationen können nicht durch ein Zeichen übertragen werden, sondern man benutzt hier mehrere Zeichen in einer sogenannten Zeichenfolge. Die Zeichenfolge folgt den Regeln einer Grammatik: mehrere Zeichen formen sich zu Worten, Worte formen sich zu Sätze. Diese linguistischen Einheiten (Zeichen, Worte, Sätze) sind Platzhalter für Dinge, auf die sich der Sender einer Nachricht bezieht.[27] Als nächstes wird diese Formalisierung an den Empfänger geschickt (maschinell oder auch nicht-maschinell). Beim Empfänger der Nachricht findet dabei eine Rekonstruktion in umgekehrter Reihenfolge statt. Der Empfänger empfängt die Botschaft in Form von Daten auf der Ebene Syntax durch Beobachtung entgegen, weist ihr eine bestimmte Bedeutung zu (Ebene Semantik) und führt darauf hin möglicherweise die ursprünglich gewünschte Handlung aus (Ebene Pragmatik). Der Grund für eine Kapselung auf der untersten Ebene, der Syntax-Ebene, ist der, dass nur die Syntax-Ebene materiell erfassbar ist, z.B. in Form von Bytes oder Schriftzeichen. Semantik und Pragmatik hingegen sind immateriell und können auf ihrer jeweiligen Ebene nicht übertragen werden. Die Konvertierung von der Ebene der Pragmatik auf die Syntax-Ebene beim Sender und von der Ebene der Syntax wieder zurück zur Ebene Pragmatik beim Empfänger ist daher zwingend notwendig und wird stets, wenn auch üblicherweise unbewusst, durchgeführt.[28]

Was für die Kategorie der Daten in Kapitel 2.1.1 gesagt wurde gilt auch für die Kategorie der Informationen: Personen und Organisationen beklagen üblicherweise ein „zu viel“ an relevanten Informationen. Deshalb müssen auch Informationen, so wie Daten, gefiltert und komprimiert werden mit dem Risiko, dass irrelevante oder nebensächliche Informationen selektiert werden und die wichtigen übersehen werden. Daraus ergibt sich dass die Auswahl von Informationen nach bestimmten Kriterien von entscheidender Bedeutung ist. Hierbei entscheidet sich, ob es in einem Unternehmen bei einer Informationssammlung bleibt oder ob es dem Unternehmen geling, ein Informationsmanagement zu einem Wissensmanagement auszubauen. Für die Praxis des Wissensmanagement ist der Teilbereich des Informationsmanagements also von entscheidender Bedeutung.[29]

2.1.3 Nachrichten

In einem IT-Projekt benötigen Mitarbeiter Informationen um ihre Aufgaben erfüllen zu können. Beispielsweise benötigt ein Mitarbeiter der für das Design eines neuen Zahlungsprozesses zuständig ist eine ganze Fülle von Informationen: Wie funktioniert der derzeitige Zahlungsprozess, mit welchen Banken werden Geschäftsbeziehungen unterhalten, welche Zahlungsformate werden verwendet und sollen künftig verwendet werden, wie oft werden Dateien ausgetauscht, wie hoch sind die derzeitigen direkten Zahlungszuordnungen, wie viele Zahlungen können gar nicht zugeordnet werden, etc. Wenn der Mitarbeiter versucht sich darüber Informationen zu beschaffen kann, dann bedeuten diese in einem ersten Schritt Nachrichten. Allerdings sind nur ein Teil dieser Nachrichten auch Informationen, nämlich dann, wenn der Empfänger der Nachricht diese auch für seine Aufgabenerfüllung benötigt. Alle Teile einer Nachricht, die keinen Bezug zur Aufgabe haben, werden als Redundanz bezeichnet. Ob also Information oder Redundanz vorliegen, hängt somit von den Aufgaben des jeweiligen Stelleninhabers ab. Nur aus der Sicht der Aufgabe kann auch beurteilt werden, welche Informationen der Mitarbeiter tatsächlich benötigt.[30]

In der Informationstheorie werden solche Nachrichten als Daten bezeichnet, wenn sie[31]

- Speicherbar sind: Zahlen, Texte, Sprache und Grafiken sind speicherbar. Nicht speicherbar sind beispielsweise non-verbale Signale wie Gestik, Mimik oder auch Gerüche und Geschmäcker.
- Reproduziert werden können: An dieser Stelle können dieselben Beispiele verwendet werden. Eine Reproduktion einer non-verbalen Nachricht ist normalerweise nicht möglich da sie personen-, situations- und stimmungsabhängig ist.
- Verarbeitet werden können: Verarbeiten lassen sich nur solche Nachrichten, die zuvor in digitaler Form gespeichert worden sind und in dieser Form verändert werden können. Das ist der Fall bei Zahlen, Texte und Grafiken, nicht jedoch bei Sprache. Sprache kann in digitaler und analoger Form gespeichert und reproduziert werden, nicht aber verdichtet, sortiert, addiert oder multipliziert.

Die folgende Grafik gibt eine Übersicht über die bisher behandelten Begriffe.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Nachrichten, Daten und Informationen[32]

2.1.4 Wissen

Willke führt bei Personen und Organisationen den Begriff „Wissen“ über den Begriff „Information“ hinaus: „Aus Informationen wird Wissen, wenn Informationen in einen zweiten Kontext von Relevanzen eingebunden werden. Dieser zweite Kontext besteht nicht, wie der erste, aus Relevanzkriterien, sondern aus bedeutsamen Erfahrungsmustern, die das System in einem speziell dafür erforderlichen Gedächtnis speichert und verfügbar hält. Wissen ist ohne Gedächtnis nicht möglich, aber nicht alles, was aus einem Gedächtnis hervorgeholt werden kann, ist Wissen.“[33]

Sowohl die Entstehung als auch der Transfer von Wissen setzen einen geeigneten Erfahrungskontext, eine sogenannte „community of practice“ voraus.[34] „Wissen bezeichnet die Gesamtheit der Kenntnisse und Fähigkeiten, die Individuen zur Lösung der Probleme einsetzt.“[35] Wissen stützt sich dabei auf Informationen und diese wiederum auf Daten. Wissen und Informationen sind jedoch immer an Personen gebunden, Daten jedoch nicht.[36]

Wissen ist demnach eine Steigerungsform von Information, da es sich um mit bereits vorhandenem Wissen versehene Informationen handelt. Wissen wird durch Transformation von Informationen in Form von Interpretation generiert.[37]

Neues Wissen bei Personen und Organisationen entsteht, wenn Informationen in einen Praxiszusammenhang gebracht werden und sich daraus entweder eine neue Praxis ergibt oder die bestehende Praxis verändert wird. Unter Wissen kann daher eine auf Erfahrung gegründete kommunikativ konstruierte und konfirmierte Praxis verstanden werden.[38]

2.2 Wissensarten

Der Wissenswürfel gibt die Zusammenhänge unterschiedlicher Arten von Wissen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2 Wissenswürfel[39]

2.2.1 Implizites und explizites Wissen

Eine für das Wissensmanagement wesentliche Unterteilung des Wissens in implizites und explizites Wissen wurde von Michael Polanyi eingeführt.[40] Implizites Wissen wird solches Wissen genannt, das nicht bewusst angeeignet wird. Beispielsweise kann ein sechsjähriges Kind Radfahren und dies weder dass es sich bewusst wird dass es diese Fertigkeit besitzt noch dass es jemanden erklären könnte, was es genau macht um sich mit und auf dem Rad fortbewegen zu können. Ein erfahrener Mechaniker kann Motorprobleme exakt diagnostizieren, ohne zu wissen, wie er zu seiner Diagnose gekommen ist. Erstaunlicherweise muss eine Person die ein bestimmtes Wissen hat nicht zwingender weise auch wissen, dass sie dieses Wissen auch hat, und sie muss auch nicht zwingend erklären können, wie sie es kann, was sie kann.[41]

Implizites Wissen stellt jeweils das persönliche Wissen einer einzelnen Person dar welches auch sein Wertesystem und subjektiven Einsichten miteinschließt. Oft zeigt sich das implizite Wissen nur in habitualisierten (gewohnheitsmäßigen) Vorgehensweisen, die intuitiv und kontextsensitiv angewandt werden. Im Gegensatz zum expliziten Wissen ist es dem Wissensträger oft selbst nicht bewusst, dass er es besitzt. Das implizite Wissen kennt dabei zwei Dimensionen:

- Zum einen 'technische' Fertigkeiten, die mit dem Begriff "Know-How" in etwa beschrieben werden können.
- Zum anderen kognitive (also auf Erkenntnissen beruhende) Fertigkeiten, die unsere gegenwärtige Interpretation der realen Welt (was ist) und unsere Erwartungen an die Zukunft (was sein sollte) wiedergibt.

Aufgrund des subjektiven und intuitiven Charakters von impliziten Wissens kann eine systematischen und logischen Bearbeitung und Weitergabe von erworbenem Wissen nicht unmittelbar automatisiert werden. In jedem Fall ist Wissen an den Menschen gebunden und kann nicht auf Knopfdruck abgerufen werden. Dementsprechend schwierig ist sein Transfer, der nur mittels Interaktion und persönlicher Kommunikation gelingen kann.[42]

Der Erwerb von implizitem Wissen wird Sozialisation genannt und erfolgt durch den Schüler in einer gemeinsamen Handlungspraxis mit dem Meister bzw. Lehrer. Der Wissensaustausch beruht auf einer gemeinsamen Praxis, auf dem der gemeinsame Erfahrungskontext beruht. Der Schüler beobachtet, ahmt nach und übt unter den Augen des Meisters, ohne dass der viel reden muss.[43]

Explizites Wissen ist ein Wissen welches folgende Charakteristika beinhaltet:[44]

- es ist ausgesprochen, formuliert und dokumentiertes und
- der Wissende weiß das er das Wissen hat und
- der Wissende kann sich über sein Wissen mündlich oder schriftlich äußern

Die Überführung von implizitem Wissen in explizites Wissen wird mit Menschen durchgeführt die das jeweilige Wissen haben. Dabei kann es vorkommen dass Menschen nicht fähig sind sich über ihr Wissen zu äußern. Es kommt auch vor dass Lehrer oder Ausbildner ihr implizites Wissen zwar erfolgreich an eine Schulklasse weitergeben können aber nicht fähig oder nicht willens sind dieses Wissen zu explizieren. Allerdings ist es für das Wissensmanagement in Organisationen von entscheidender Wichtigkeit dass Menschen willens und fähig sind, ihr implizites Wissen zu explizieren und damit zu dokumentieren damit dieses Wissen auch für andere zugänglich ist.[45]

Explizites Wissen liegt in artikulierter Form vor und ist offen zugänglich. Entscheiden für den Wissenstransfer ist auch dass es mittels Informations- und Kommunikationstechnologie verarbeitet und verbreitet werden kann.[46] Die Explizierung von Wissen wird idealerweise in Form von digitalen Daten gespeichert und kann somit einer beliebig großen Zahl von Personen im Unternehmen zugängig gemacht werden.

2.2.2 Individuelles und kollektive Wissen

„Wissen kann in individueller Form vorliegen und ist dann grundsätzlich an Personen gebunden. In kollektiver Form ist Wissen in den Prozessen, Routinen, Praktiken und Normen von Organisationseinheiten oder Arbeitsgruppen zu finden.“[47]

„Die Gesamtheit des relevanten Wissensbestandes der einer Organisation auf individueller und kollektiver Ebene zur Verfügung steht, wird durch die organisationale Wissensbasis repräsentiert.“[48]

Die organisationale Wissensbasis kann auch Datenbestände besitzen, also eine Datenbasis haben.[49] Dieser Auffassung wird in der vorliegenden Arbeit gefolgt, da in Kapitel 2.3.1 Daten als die Grundlage von Informationen und Wissen erkannt werden.

2.2.3 Internes und externes Wissen

„Wissen kann intern in der Organisation vorhanden sein oder extern bei Beratern oder Kooperationspartnern des Unternehmens lokalisiert sein.“[50]

Häufig werden für die Planung und Durchführung von IT-Projekten sowie auch für die anschließende Wartung und Weiterentwicklung von ganzen Applikationen externe Berater herangezogen. Ist dies der Fall dann arbeiten die externen Berater mit den Fachabteilungen des beauftragenden Unternehmens zusammen wodurch es grundsätzlich zu einem Aufbau von externen und internen Wissen kommt.

2.2.4 Zusammenfassende Betrachtungen

Daraus ergeben sich folgende Zusammenhänge[51]:

- Ist das gleiche implizites Wissen bei mehreren Personen vorhanden, so spricht man von kollektivem Wissen
- Ist explizites Wissen weil es unter Verschluss gehalten wird nur für eine Person erreichbar so spricht man von individuellem Wissen
- Individuelles Lernen und Reflektieren der Organisationsmitglieder führen nicht notwendigerweise zum Lernen der Gesamtorganisation, sondern behindern es paradoxerweise sogar manchmal.

Die Entscheidende Herausforderung des Wissensmanagement ist die Transformation von implizitem Wissen in explizites Wissen. Erst wenn dieser Prozess erfolgreich ist steht das Wissen für die gesamte Organisation zur Verfügung und nicht nur einzelnen Personen oder Personengruppen. Dabei kann das Wissen intern in der Organisation vorhanden sein oder aber auch extern bei Beratern oder Kooperationspartnern der Organisation. Das von einer Organisation benötigte Wissen muss also nicht in der Organisation selbst vorhanden sein, dies wird vor allem beim Outsourcen von ganzen Unternehmensfunktionen deutlich sichtbar.[52]

[...]


[1] Gienke, H. / Kämpf, R. (2007) S. 23

[2] Vgl. Gienke, H. / Kämpf, R. (2007) S. 23 - 25

[3] Vgl. Eschenbach, S. / Geyer, B. (2004) S. 9

[4] Vgl. Nonaka, I. (1991)

[5] Vgl. Patzak, G. / Rattay, G. (1998) S. 454ff

[6] Vgl. Willke, H. (2007) S. 28

[7] Vgl. Anlauff, H. / Böttcher, A. / Ruckert, M. (2002) S. 9

[8] Willke, H. (2007) S. 28

[9] Vgl. Willke, H. (2007) S. 28f

[10] Vgl. Hansen, H. R. / Neumann, G. (2007) S. 460

[11] Vgl. Rechenberg, P. (2000) S. 24

[12] Vgl. Rechenberg, P. (2000) S. 28

[13] Vgl. Willke, H. (2007) S. 30

[14] Vgl. Willke, H. (2007) S. 30

[15] Vgl. Willke, H. (2007) S. 30

[16] Vgl. Willke, H. (2007) S. 31

[17] Vgl. Anlauff, H. / Böttcher, A. / Ruckert, M. (2002) S. 9

[18] Willke, H. (2007) S. 31

[19] Vgl. Riempp, G. (2009) S. 62f

[20] Vgl. Bea, F. X. / Friedl, B. / Schweitzer, M. (2005) S. 343

[21] Vgl. Schmidt, G. (2002) S. 80

[22] Vgl. Willke, H. (2007) S. 31f

[23] Vgl. Anlauff, H. / Böttcher, A. / Ruckert, M. (2002) S. 9

[24] Willke, H. (2007) S. 32

[25] Vgl. Bea F. X. / Friedl B. / Schweitzer M. (2005) S. 344

[26] Fuchs-Kittowski, K. (2000) S. 19f

[27] Vgl. Hansen, H. R. / Neumann, G. (2005a) S. 83f

[28] Fuchs-Kittowski, K. (2000) S. 19f

[29] Vgl. Willke, H. (2007) S. 32f

[30] Vgl. Schmidt, G. (2002) S. 78f

[31] Vgl. Schmidt, G. (2002) S. 79f

[32] Entnommen aus Schmidt, G. (2002) S. 80

[33] Willke, H. (2007) S. 33

[34] Vgl. Wenger, E. (1999) S. 1ff

[35] Probst, G. J. B. / Raub, S. / Romhardt, K. (1998) S. 46

[36] Vgl. Doutreval, A. (2002) S. 18

[37] Vgl. Soukop, C. (2000) S. 198

[38] Vgl. Willke, H. (2007) S. 33

[39] Entnommen aus Mittelmann, A. (1999) S. 1

[40] Vgl. Polanyi, M. (1958) S. 1ff

[41] Vgl. Willke, H. (2007) S. 35

[42] Vgl. Auer, T. (2009) S. 12ff

[43] Vgl. Willke, H. (2007) S. 37

[44] Vgl. Willke, H. (2007) S. 35f

[45] Vgl. Willke, H. (2007) S. 35f

[46] Vgl. Auer, T. (2009) S. 12f

[47] Mittelmann, A. (1999) S. 1ff

[48] Pautzke, G. (1989) S. 63

[49] Vgl. Probst, G. J. B. / Raub, S. / Romhardt, K. (1998) S. 46ff

[50] Mittelmann, A. (1999) S. 1ff

[51] Vgl. Zepke, G. (2005) S. 5

[52] Vgl. Zepke, G. (2005) S. 36

Ende der Leseprobe aus 104 Seiten

Details

Titel
Implementierung einer Wissensdatenbank für IT-Projekte
Untertitel
Projektdokumentation plus Wissensmanagement 2.X
Hochschule
Ferdinand Porsche FernFH  (Ferdinand Porsche FernFH Gesellschaft zur Erhaltung und Durchführung von Fachhochschul-Studiengängen)
Note
2,0
Autor
Jahr
2012
Seiten
104
Katalognummer
V207244
ISBN (eBook)
9783656345886
ISBN (Buch)
9783656346753
Dateigröße
1759 KB
Sprache
Deutsch
Schlagworte
Wissensdatenbank, Wissen, Wissenstransfer, Informationen, Daten, IT-Projekt, Dokumentenmanagement
Arbeit zitieren
Gernot Sailer (Autor), 2012, Implementierung einer Wissensdatenbank für IT-Projekte, München, GRIN Verlag, https://www.grin.com/document/207244

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Implementierung einer Wissensdatenbank für IT-Projekte


Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden