Die Bedeutung von Enterprise Social Networks für das organisationale Wissensmanagement

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

1 Einleitung
1.1 Thematische Einführung
1.2 Ziel der Arbeit
1.3 Aufbau der A rbeit

2 Wissensmanagement
2.1 Wissen
2.1.1 Der Wissensbegriff
2.1.2 Wissensarten
2.1.3 Wissensträger
2.2 Notwendigkeit und Bedeutung von Wissensmanagement
2.3 Modelle des Wissensmanagements
2.3.1 Bausteine des Wissensmanagements
2.3.2 Wissensspirale

3 Enterprise Social Networks
3.1 Einordnung und Abgrenzung
3.1.1 Web 2.0, Enterprise 2.0 und Social Software
3.1.2 Social Software-Anwendungen
3.1.3 Social Software im Wissensmanagement
3.2 Grundlagen und Merkmale von Enterprise Social Networks
3.2.1 Definition
3.2.2 Funktionen
3.2.3 Nutzungsverhalten, Potenziale und Kritik
3.3 Praxisbeispiel: Yammer

4 Methodisches Vorgehen
4.1 Integration qualitativer und quantitativer Methoden in den Forschungsansatz
4.1.1 Grundlagen der Triangulation
4.1.2 Triangulation im Rahmen dieser Arbeit
4.2 Qualitativer Ansatz: Leitfadengestütztes Experteninterview
4.2.1 Elemente des leitfadengestützten Experteninterviews
4.2.2 Konkretisierung und Durchführung
4.2.3 Auswertungsmethodik
4.3 Quantitativer Ansatz: Online-Umfrage
4.3.1 Ziele und Forschungsmethode
4.3.2 Operationalisierung, Erhebung, Auswertungstechnik

5 Evaluation von Enterprise Social Networks
5.1 Auswertung der leitfadengestützten Experteninterviews
5.1.1 Bewertung von Enterprise Social Networks am Wissensmanagementmodell von Probst, Raub und Romhardt
5.1.2 Bewertung von Enterprise Social Networks am Wissensmanagementmodell von Nonaka und Takeuchi
5.1.3 Zwischenfazit
5.2 Auswertung der Online-Umfrage
5.2.1 Demographie
5.2.2 Allgemeines Nutzungsverhalten und Einstellung zu Enterprise Social Networks
5.2.3 Nutzungsverhalten im Rahmen der Wissensmanagementmodelle
5.3 Ergebnis und kritische Reflexion

6 Zusammenfassung und Ausblick

Literaturverzeichnis

Anhang

Abbildungsverzeichnis

Abbildung 1: Aufbau der Arbeit

Abbildung 2: Zusammenhänge zwischen Zeichen, Daten, Informationen und Wissen

Abbildung 3: Die organisatorische Wissensbasis

Abbildung 4: Bausteine des Wissensmanagements

Abbildung 5: Die Wissensspirale auf epistemologischer Ebene

Abbildung 6: Die Wissensspirale in einer Organisation

Abbildung 7: Veränderungsprozess vom Enterprise 1.0 zum Enterprise

Abbildung 8: Zusammenhänge und Unterschiede im Zeitverlauf von Social Software und Web

Abbildung 9: Das Social Software-Dreieck mit einer Auswahl von Anwendungstypen

Abbildung 10: Soziales Netzwerk

Abbildung 11: Prozess zur Nutzung von Social Networks

Abbildung 12: Nutzer-Startseite von Yammer

Abbildung 13: Gruppeninteraktion in Yammer

Abbildung 14: Datenmanagement in Yammer

Abbildung 15: Methodisches Vorgehen der Arbeit

Abbildung 16: Ablaufmodell des leitfadengestützten Experteninterviews

Abbildung 17: Ausgewählte Methoden des Wissensmanagements

Abbildung 18: Ausgewählte Instrumente zur Unterstützung der Wissensspirale

Abbildung 19: Auswertungsprozess für leitfadengestützte Experteninterviews

Abbildung 20: Ablaufmodell der Online-Umfrage

Abbildung 21: Auszug aus dem Online-Fragebogen

Abbildung 22: Unterstützungsgrad von Enterprise Social Networks für die Wissensbausteine

Abbildung 23: Unterstützungsgrad von Enterprise Social Networks für die Phasen der Wissensspirale

Abbildung 24: Branchenverteilung der Umfrageteilnehmer

Abbildung 25: Nutzungshäufigkeit von Enterprise Social Networks

Abbildung 26: Einstellung der Umfrageteilnehmer zu Enterprise Social Networks

Abbildung 27: Treffen von Kontakten im „realen Leben“

Abbildung 28: Häufigkeit von Tätigkeiten im Enterprise Social Network

Abbildung 29: Häufigkeit der Ausübung wissensmanagementrelevanter Tätigkeiten im Enterprise Social Network

Abbildung 30: Einstellung zu wissensmanagementrelevanten Gestaltungsparametern von Enterprise Social Networks

Tabellenverzeichnis

Tabelle 1: Kombination der Wissensarten explizit/implizit und individuell/kollektiv

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

1.1 Thematische Einführung

Wissen wird vor dem Hintergrund der Globalisierung für eine stetig zunehmende Zahl an Unternehmen zum entscheidenden Wettbewerbsfaktor. Denjenigen Unternehmen, den es gelingt, ihre Wissensressourcen effektiv und effizient zu nutzen, schaffen es in immer kürzeren Zyklen neue Innovationen zu generieren, die individuellen Kundenwün- sche zu befriedigen und damit sich gegen die Konkurrenz durchzusetzen (North, 2011). Damit dies realisiert werden kann, bedarf es eines gezielten und strukturierten Mana- gements von Wissen (Minonne, 2010). Probst, Raub und Romhardt (2012) sehen das Wissensmanagement als die zentrale Herausforderung für alle Unternehmen, die „… in der Wissensgesellschaft überleben und ihre Wettbewerbsposition ausbauen wollen“ (S.

1). Wissen zu managen, stellt sich allerdings als ein diffiziles Unterfangen dar. Denn Wissen besitzt eine komplexe Gestalt (Roumois, 2007), was auch daher begründet ist, dass in der Forschung bisher kaum geklärt ist, aus welchen Bestandteilen Wissen konkret besteht (Schreyögg & Geiger, 2003).

In den letzten Jahrzehnten wurde Wissensmanagement besonders damit assoziiert, Wissen zu explizieren, d. h., dass das Wissen der Menschen in Datenbanken oder an- deren Speichermedien abzulegen ist (Hofmann, 2010). Durch das Aufkommen des Web 2.0 und der damit verbundenen Social Software hat sich jedoch ein fundamentaler Wandel im Management von Wissen vollzogen (von Krogh, 2012). Es geht nun mehr darum, Wissen „... in den Fluss zu bringen, damit möglichst viele daran partizipieren können“ (Dievernich & Wolf, 2013, S. 10). Social Software umfasst Anwendungen wie z.

B. Wikis oder Weblogs (Richter, Riemer & vom Brocke, 2011). Sie „… unterstützen als Teil eines soziotechnischen Systems menschliche Kommunikation, Interaktion und Zusammenarbeit. Dabei nutzen die Akteure die Potenziale und Beiträge eines Netzwerks von Teilnehmern“ (Back & Heidecke, 2009, S. 4). Es wird offensichtlich, dass bei Social Software nicht nur informationstechnische Faktoren berücksichtigt werden, sondern auch das menschliche Individuum mit seinen sozialen Bedürfnissen (Günther, 2010). Eine besondere Bedeutung von den verschiedenen Social Software-Anwendungen nehmen dabei in den letzten Jahren die sogenannten Enterprise Social Networks ein. Sie werden bereits von Unternehmen wie z. B. BASF, Allianz, Continental oder die Deutsche Telekom eingesetzt (Degenhardt, 2013).

1.2 Ziel der Arbeit

Social Networks wie bspw. Facebook, Google+ oder Xing ermöglichen es einem Nutzer ein eigenes Profil zu erstellen, mit anderen Mitgliedern in Verbindung zu treten und sich untereinander auszutauschen (Boyd & Ellison, 2008). Sie halten vermehrt Einzug in das Leben des Menschen. So beziffert der Bundesverband BITKOM in einer repräsentati- ven Studie, dass drei Viertel aller Internetnutzer in Deutschland auch Mitglied in einem Social Network sind, wobei gut 70 Prozent der Mitglieder dieses sogar täglich nutzen (BITKOM, 2013a). Es ist offensichtlich, dass somit eine große Menge an Daten, Infor- mationen und Wissen zwischen den Mitgliedern erzeugt, geteilt und gespeichert wird. Dieser gesellschaftliche Trend und die dahinter steckende Dynamik werden zunehmend auf das Arbeitsleben übertragen. Die Analysten von Gartner prognostizieren, dass 50 Prozent aller größeren Unternehmen Enterprise Social Networks im Jahr 2016 besitzen und diese intensiv nutzen werden (Gartner, 2013). Enterprise Social Networks sind In- tranet-Social-Network-Plattformen, d. h., sie sind beschränkt auf das Intranet einer Or- ganisation und somit ausschließlich für dessen Mitglieder zugänglich (Richter et al., 2011). Das Ziel der Einführung von Enterprise Social Networks für Unternehmen ist es, die Effizienz, Produktivität und Kreativität ihrer Belegschaft zu fördern (Degenhardt, 2013).

Die Forschung hinsichtlich Social Software und deren verschiedenen Anwendungstypen hat in den letzten Jahren zugenommen, auch vor dem Hintergrund des Wissensmana- gements (vgl. u. a. Back, Gronau & Tochtermann, 2009; Ehms, 2010; Steindor, 2010). Allerdings ist festzustellen, dass insbesondere die Analyse von Enterprise Social Net- works unter Aspekten des Wissensmanagements dabei nicht im Vordergrund steht. Diesbezüglich kann eine Forschungslücke identifiziert werden. Aus diesem Grund soll im Rahmen der Masterarbeit eine umfassende Untersuchung von Enterprise Social Networks unter einem Bewertungsrahmen des Wissensmanagements erfolgen. Die Masterarbeit soll schließlich zu der folgenden Forschungsfrage eine Antwort liefern:

Wie ist der Einsatz von Enterprise Social Networks unter Modellen des organisationalen Wissensmanagements zu bewerten?

Zur Beantwortung der Forschungsfrage wird die empirische Methode der Triangulation angewandt. Mit Hilfe dieser Methode, bei der sowohl ein qualitativer als auch ein quanti- tativer Ansatz herangezogen wird, sollen im Detail die folgenden weiteren Fragen be- antwortet werden: Inwiefern unterstützen Enterprise Social Networks die einzelnen Wis- sensmanagementbausteine bzw. -aufgaben nach Probst et al. (2012)? Welche Rolle spielen Enterprise Social Networks innerhalb der Wissensspirale nach Nonaka und Takeuchi (2012)? Gibt es besondere Erfolgsfaktoren und Einflüsse in der Verwendung von Enterprise Social Networks? Des Weiteren liegt ein besonderer Fokus auf der Ge- genüberstellung des qualitativen Ansatzes in Form von leitfadengestützten Expertenin- terviews und des quantitativen Ansatzes in Form einer Online-Befragung bzgl. Nutzern von solchen unternehmensinternen Social Networks. Können die von den Experten identifizierten Potenziale von Enterprise Social Networks für das Wissensmanagement durch das Nutzerverhalten bestätigt werden? In Bezug auf diese Unterfrage ist es das Ziel, Differenzen zwischen den theoretischen Vorstellungen und der Praxis aufzuzeigen.

1.3 Aufbau der Arbeit

Die vorliegende Arbeit besteht in ihrem Aufbau aus sechs Kapiteln. Abbildung 1 zeigt die Zusammenhänge zwischen den Kapiteln und stellt damit die Vorgehensweise zur Beantwortung der Forschungsfrage dar.

Abbildung 1: Aufbau der Arbeit

Abbildung in dieser Leseprobe nicht enthalten

Nach der Einleitung wird in Kapitel 2 das Wissensmanagement als Untersuchungsrah-

men vorgestellt. Hierbei wird zunächst auf das Phänomen Wissen näher eingegangen. Dabei wird eine für diese Arbeit relevante Definition des Wissensbegriffs dargelegt so- wie eine Auswahl an Wissensarten und deren Zusammenhänge beschrieben. Schließ- lich werden noch verschiedene Typen von Wissensträgern erläutert. In Abschnitt 2.2 wird näher auf die Bedeutung und Notwendigkeit des Wissensmanagements eingegan- gen. Zum Abschluss von Kapitel 2 werden die Wissensmanagementmodelle von Probst et al. (2012) sowie von Nonaka und Takeuchi (2012) als Bewertungsgrundlage für Enterprise Social Networks und deren Nutzen für das Wissensmanagement im Detail betrachtet.

Kapitel 3 dient der Beschreibung von Enterprise Social Networks als Untersuchungsge- genstand. Zu Beginn wird eine Einordung sowie Abgrenzung von Enterprise Social Networks bzgl. der Phänomene des Web 2.0, Enterprise 2.0 und der Social Software vorgenommen. Hierbei wird auch kurz auf eine Auswahl anderer Social Software- Anwendungen eingegangen und beschrieben, für welchen Zweck diese bereits im or- ganisationalen Wissensmanagement eingesetzt werden. Im zweiten Abschnitt von Kapi- tel 3 werden Enterprise Social Networks definiert, ihre wesentlichen Funktionen darge- legt und bisherige Erfahrungen sowie Forschungsergebnisse aufgezeigt. Zuletzt wird in Abschnitt 3.3 Yammer als ein Praxisbeispiel für ein Enterprise Social Network vorge- stellt, um für ein besseres Verständnis für diese Art von informationstechnischen An- wendungssystem zu sorgen. Hiermit schließt auch die Beschreibung der theoretischen Grundlagen dieser Arbeit ab.

Den Beginn der empirischen Forschung in dieser Arbeit bildet Kapitel 4. Hierbei wird am Anfang näher auf das methodische Vorgehen der Triangulation eingegangen. Es wer- den diesbezüglich die Grundlagen dieser Methodik sowie deren Anwendung in dieser Arbeit aufgezeigt. Abschnitt 4.2 dient der Erläuterung des qualitativen Forschungsan- satzes, und zwar des leitfadengestützten Experteninterviews. In Abschnitt 4.3 wird die Online-Umfrage als zweiter methodischer Zugang im Rahmen der Triangulation genau- er betrachtet.

Kapitel 5 dient der Ergebnisdarstellung der empirischen Forschung. Dabei werden zuerst die Auswertungsergebnisse der leitfadengestützten Experteninterviews aufgezeigt, und danach die Ergebnisse der Online-Umfrage in Bezug auf die Interviews erläutert. Abschnitt 5.3 zeigt zuletzt das Gesamtergebnis dieser Arbeit auf.

Am Ende der Arbeit werden in Kapitel 6 die wesentlichen Erkenntnisse nochmal zu- sammengefasst und ein Ausblick für weiteren Forschungsbedarf gegeben.

2 Wissensmanagement

Kapitel 2 dient der theoretischen Aufbereitung der Disziplin des Wissensmanagements. Als Grundlage für die schwerpunktmäßige Betrachtung der Wissensmanagementmodelle wird der Begriff des Wissens genauer beleuchtet. Im Anschluss daran wird näher auf die Bedeutung und Notwendigkeit des Wissensmanagements eingegangen. Im letzten Abschnitt werden schließlich die Wissensmanagementmodelle nach Probst et al. (2012) sowie nach Nonaka und Takeuchi (2012) genauer vorgestellt.

2.1 Wissen

In diesem Abschnitt wird die Grundlage für das Wissensmanagement und dessen Mo- delle geschaffen. Hierbei rückt der Wissensbegriff in den Fokus der Betrachtung. Des Weiteren werden die verschiedenen Arten sowie Träger von Wissen genauer beleuch- tet.

2.1.1 Der Wissensbegriff

Dem Begriff Wissen eine eindeutige Definition und Bedeutung zuzuordnen ist ein schwieriges Unterfangen, obwohl dieser Begriff täglich in der Umgangssprache als auch in der Wissenschaft verwendet wird (Amelingmeyer, 2004). Begründet ist diese Proble- matik insbesondere durch den Einfluss verschiedener Wissenschaftsdisziplinen wie z. B. die Philosophie, die Soziologie, die Psychologie oder die Informatik, die den Wis- sensbegriff jeweils anders und nach ihren wissenschaftlichen Schwerpunkten konkreti- sieren (Al-Laham, 2003). Zusätzlich zum Einfluss verschiedener wissenschaftlicher Um- felder spielt auch die spezifische Fragestellung des Autors eines wissenschaftlichen Beitrags eine entscheidende Rolle darin (Amelingmeyer, 2004), dass es bisher in der Wissenschaft im Allgemeinen keine präzise und konsensfähige Definition hinsichtlich des Wissensbegriffs gibt (Katenkamp, 2011; Mandl & Reinmann-Rothmeier, 2000; Rat- zek, 2013; Romhardt, 1998; Roumois, 2007; Schütt, 2012; Werner, 2004). Des Weite- ren ist festzustellen, dass auch innerhalb der Literatur zum Wissensmanagement keine Einigkeit darüber besteht, was Wissen ist und durch welche Merkmale sich dieses aus- zeichnet. Dieser Sachverhalt ist umso bemerkenswerter, wenn man bedenkt, dass man sich im Gegenteil dazu auf Unternehmens- und Gesellschaftsebene darüber einig ist, welche große Bedeutung Wissen besitzt (Schreyögg & Geiger, 2003).

In Bezug auf die Vielfältigkeit der Definitionsversuche von Wissen nehmen einige Auto- ren bestimmte Kategorisierungen vor. So unterscheiden Schreyögg und Geiger (2003) zwischen einer informationstechnischen und einer kompilativ pragmatischen Betrach- tung des Wissensbegriffs. Demnach wird bei der informationstechnischen Betrachtung Wissen von Zeichen, Daten und Informationen abgegrenzt und dadurch konkretisiert. Bei der kompilativ pragmatischen Sichtweise dagegen liegt das Hauptaugenmerk auf die praktische Ausübung von Handlungen, wonach u. a. Fähigkeiten, Fertigkeiten, Emo- tionen und Normen als Wissensmerkmale notwendig sind, um die Handlung erfolgreich gestalten zu können. Die Strömungen des Rationalismus und des Empirismus dagegen begreifen das Wesen des Wissens wiederum als etwas anderes. Nach dem Verständ- nis des Rationalismus kann Wissen deduktiv durch logisches Denken (z. B. Mathema- tik) erfasst werden, wohingegen der Empirismus aussagt, dass Wissen nur induktiv er- schlossen werden kann, und zwar rein über die Eindrücke der menschlichen Sinne (Nonaka & Takeuchi, 2012; Vossenkuhl, 2000). Roumois (2007) nimmt im Gegensatz zum Rationalismus und Empirismus eine wissenschaftstheoretische Perspektive ein und meint, dass Wissen nur dann vorliegt, wenn es den Kriterien der Wahrheit, Er- klärbarkeit, Verstehbarkeit, Begründbarkeit und der intersubjektiven Nachvollziehbarkeit standhält. Das Kriterium der Wahrheit widerspricht aber dem Wissensverständnis des radikalen Konstruktivismus. So meint die Perspektive des radikalen Konstruktivismus, dass „… Wissen weniger mit objektiver Wahrheit als vielmehr mit dem Prozeß mensch- licher Realitätskonstruktion zu tun hat“ (Mandl & Reinmann-Rothmeier, 2000, S. 6). Be- zogen auf den Wissensbegriff bedeutet dies, dass das Gehirn des Menschen die Wis- sensinhalte „nur“ konstruiert. Inwiefern diese Konstruktion mit der tatsächlichen Realität übereinstimmt, bleibt offen (Weissenberger-Eibl, 2006). Hinsichtlich dieser unterschied- lichen Perspektiven und Kategorisierungsversuche, wie Wissen in seinen Grundsätzen zu verstehen ist und woher sein Ursprung kommt, wird deutlich, dass es keinen Kon- sens über einen Wissensbegriff in der Wissenschaft gibt. Für den weiteren Verlauf der Arbeit bedarf es allerdings einer Arbeitsdefinition des Begriffs Wissen. Vor dem Hinter- grund des Untersuchungsgegenstands von Enterprise Social Networks als Teil der In- formations- und Kommunikationstechnologie sowie der zunehmenden Etablierung in- nerhalb der Wissensmanagementliteratur (Katenkamp, 2011) wird im Rahmen dieser Arbeit die informationstechnische Betrachtung des Wissensbegriffs als sinnvoll erachtet.

Die Definition des Wissensbegriffs aus der Perspektive der Informationstechnik (IT) ba- siert auf der Differenzierung zwischen den Begriffen Zeichen, Daten, Informationen und Wissen. Im Alltag ist allerdings auffällig, dass diese Begriffe, insbesondere Information und Wissen, nur unscharf voneinander getrennt werden (Nonaka & Takeuchi, 2012;

Rehäuser & Krcmar, 1996; Werner, 2004). Die Zusammenhänge zwischen den Begrif- fen im Sinne der Semiotik sind evtl. die Ursache dafür (Al-Laham, 2003; Davenport & Prusak, 2000). So befinden sich nämlich innerhalb der Begriffshierarchie die Zeichen auf der untersten Ebene. Mit Zeichen sind z. B. Buchstaben, Ziffern oder Sonderzei- chen gemeint, wobei alle bekannten Zeichen innerhalb eines sogenannten Zeichenvor- rats zur Verfügung stehen. Alle Zeichen sind dabei alleinstehend und ohne jeglichen Zusammenhang zu betrachten (Rehäuser & Krcmar, 1996). Erst durch das Hinzufügen von Syntaxregeln werden Zeichen zu Daten umgewandelt (Lehner, 2008; Romhardt, 1998). Das bedeutet, dass durch eine bestimmte Kombination Zeichenverbände entste- hen. So werden z. B. einzelne Buchstaben zu Wörtern (Roumois, 2007). Daten sind somit als diskret und objektiv zu charakterisieren, die nichts über ihre eigene Relevanz oder Irrelevanz aussagen (Davenport & Prusak, 2000). Erst durch das Hinzufügen eines konkreten Kontextes erhalten Daten eine Bedeutung. Im Sinne der Semiotik spricht man hierbei auch von der Semantik (Roumois, 2007). Rehäuser und Krcmar (1996) spezifizieren dies und meinen, dass aus Daten Informationen werden, „… wenn sie in einen Problembezug eingeordnet und für die Erreichung eines Ziels verwendet werden. Informationen sind somit Kenntnisse über Sachverhalte, die ein Handelnder benötigt, um eine Entscheidung darüber zu fällen, wie er ein Ziel am günstigsten erreichen kann“ (S. 5). Beispiele für Informationen sind E-Mails oder Artikel (Davenport & Prusak, 2000). Wissen kann schließlich als „zweckorientierte Vernetzung“ (Rehäuser & Krcmar, 1996, S. 5) von Informationen bezeichnet werden. Voraussetzung dieser Vernetzung ist aber ein bereits bestehendes Wissen darüber, inwiefern die Informationen im Zusammenhang zueinander stehen und wie die Informationen mit dem vorhandenen Wissen vernetzt werden können (Rehäuser & Krcmar, 1996; Roumois, 2007). Das Aufnehmen und Verknüpfen von Informationen untereinander und dem Vernetzen zum vorhandenen Wissen wird von Roumois (2007) als das Lernen verstanden.

Ein Beispiel zeigt die Unterschiede und Zusammenhänge zwischen den Begriffen Zei- chen, Daten, Informationen und Wissen nochmals genauer auf: Aus dem Zeichenvorrat können z. B. die Zahlen „1“, „5“ und „0“ sowie das Sonderzeichen „,“ entnommen wer- den. Mit Hilfe der Syntax ergibt sich die Zahl „1,50“, welches somit ein Datum ergibt. Dieses Datum beschreibt in diesem Beispiel das Austauschverhältnis zwischen Euro und Dollar und bildet bspw. für eine Bank die Entscheidungsgrundlage dafür, Wertpa- piere gewinnbringend zu verkaufen. Damit ist das Datum in einen Kontext gestellt und bildet eine Information. Die Information des Austauschverhältnisses von „$ 1 = 1,50 €“ verknüpft mit dem aus der Vergangenheit angeeignetem Wissen einer Bank, genauerm gesagt eines Devisenhändlers, über bestimmte Marktmechanismen des Devisenmark- tes ergibt schließlich neues Wissen. Mit diesem Wissen kann die Bank letztlich ihr Ziel, d. h. einen möglichst hohen Gewinn beim Verkauf von Wertpapieren einzufahren, mit höherer Wahrscheinlichkeit erreichen als ohne dieses Wissen (Rehäuser & Krcmar, 1996). Abbildung 2 zeigt nochmal die Beziehungen zwischen den Ebenen der Begriffs- hierarchie.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Zusammenhänge zwischen Zeichen, Daten, Informationen und Wissen Quelle: Vgl. Rehäuser & Krcmar, Wissensmanagement im Unternehmen, 1996, S. 7.

Das Erklärungskonzept des Wissensbegriffs auf Basis einer Begriffshierarchie verwenden ebenso Probst et al. (2012) und definieren Wissen wie folgt:

Wissen bezeichnet die Gesamtheit der Kenntnisse und Fähigkeiten, die Individu- en zur Lösung von Problemen einsetzen. Dies umfasst sowohl theoretische Er- kenntnisse als auch praktische Alltagsregeln und Handlungsanweisungen. Wis- sen stützt sich auf Daten und Informationen, ist im Gegensatz zu diesen jedoch immer an Personen gebunden. Es wird von Individuen konstruiert und repräsen- tiert deren Erwartungen über Ursache-Wirkungs-Zusammenhänge. (S. 23) Das Element der Personengebundenheit von Wissen, wie es Probst et al. beschreiben, ist in der Literatur umstritten. Es gibt Autoren, die diesen Aspekt unterstützen. So sind North und Güldenberg (2008) der Meinung, dass Wissen stets von den individuellen Erfahrungen einer Person abhängig und deswegen an diese gebunden ist. Auf Grund- lage dessen konstatieren sie weiter, dass es auch keine Wissensdatenbanken im Sinne des Wortes geben kann, sondern wenn nur Informationsdatenbanken, die Teile des Wissens speichern können. Schütt (2012) geht gar einen Schritt weiter und stellt fest, dass nicht nur Wissen personengebunden ist, sondern auch Informationen. Denn erst durch Wissen können Daten eine Bedeutung zugeschrieben bekommen und somit zu Informationen werden. Infolgedessen können auch nur Daten zwischen Individuen aus- getauscht werden. Manch anderer Wissenschaftler sieht die Personengebundenheit von Wissen wiederum als zu eng eingegrenzt. So ist Al-Laham (2003) der Ansicht, dass die Betrachtung von Wissen als eine rein kognitive Leistung des Menschen, indem In- formationen vernetzt werden, zu kurz greift. Wissen ist mehr als nur ein anthropozentri- sches Wesen. Die Ausführungen von Wildemann (2003) unterstützen diese Sichtweise. Er sieht Wissen u. a. in technischen Produktlösungen, Wertschöpfungsprozessen, Handbüchern oder Berichten verkörpert. Insgesamt wird bei dieser Diskussion deutlich, dass hinsichtlich der Charakteristik, ob Wissen nur in Personen oder auch in materiellen Verkörperungen existieren kann, in der Literatur keine Einigkeit besteht. Dieses Wis- sensmerkmal unterstreicht die bereits oben erwähnte allgemeine Uneinigkeit darüber, wie Wissen zu definieren ist. Innerhalb dieser Arbeit soll unter Wissen folgendes ver- standen werden: Zum einen ist Wissen die Fähigkeit und Kenntnis Problemstellungen zu lösen, zum anderen befindet sich Wissen u. a. in Produkten, Prozessen oder Schrift- stücken.

Davenport und Prusak (2000) fassen ein Verständnis von Wissen zusammen, welches dieser Arbeit zugrunde gelegt werden soll:

Knowledge is a fluid mix of framed experience, values, contextual information, and expert insight that provides a framework for evaluating and incorporating new experiences and information. It originates and is applied in the minds of knowers. In organizations, it often becomes embedded not only in documents or repositories but also in organizational routines, processes, practices, and norms. (S. 5) Es zeigt sich, dass Wissen aus einem Mix verschiedener Elemente besteht. Es ist flüs-sig, aber auch strukturiert. Es ist intuitiv, aber keineswegs ordentlich und einfach. Es ist im Allgemeinen schwer in Worte zu fassen oder unter logischen Aspekten zu verstehen (Davenport & Prusak, 2000).

2.1.2 Wissensarten

Die Uneinigkeit bzgl. des allgemeinen Wissensbegriffs spiegelt sich auch in der Unter- scheidung hinsichtlich verschiedener Wissensarten wider. In der einschlägigen Literatur finden sich unterschiedliche Kategorisierungsversuche. Beispiele für Kriterien sind die Erkenntnisquelle, der Inhalt, die Qualität, die Struktur, der Ursprung oder die Funktion des Wissens (Werner, 2004). Eine in der Literatur bewährte Systematisierungsweise von Wissen stellt die Dichotomie dar. Hierbei werden Gegensatzpaare im Hinblick auf die verschiedenen Wissensarten gebildet, um die Grenzen zwischen den Ausprägun- gen des Wissens zu verdeutlichen. Beispiele hierfür sind explizites und implizites Wis- sen, deklaratives und prozessuales Wissen oder individuelles und kollektives Wissen. Die große Vielfalt der Gegensatzpaare rührt ebenso wie bei der Definition des Wis- sensbegriffs vom Einfluss der verschiedenen Wissenschaftsdisziplinen und den unter- schiedlichen Erkenntnisinteressen der Autoren her (Romhardt, 1998). Vor dem Hinter- grund der Fragestellung dieser Arbeit erscheint eine Eingrenzung der Betrachtung der Wissensarten angemessen. Demnach liegt der Fokus im Folgenden auf den Kriterien des Explikationsgrads (explizites und implizites Wissen) und dem Verbreitungsgrad (in- dividuelles und kollektives Wissen).

Explizites und implizites Wissen Das Wissen expliziter Art kann verbalisiert und in formaler, systematischer Sprache übermittelt werden. Das bedeutet, explizites Wissen kann u. a. in Textdokumenten, Wissensdatenbanken, Dokumentenanalysesystemen oder in multimedialen Anwendungen beschrieben, gespeichert, transportiert und bearbeitet werden. Damit ist explizites Wissen unabhängig von Ort, Zeit und vom einzelnen Individuum (Lehner, 2008; Nonaka & Takeuchi, 2012; North & Güldenberg, 2008; Wildemann, 2003).

Den Gegenpart des expliziten Wissens stellt das implizite Wissen dar. Das explizite Wissen wird aber im Vergleich zum impliziten Wissen nur als die Spitze des Eisbergs gesehen (Nonaka & Takeuchi, 2012). Es wird geschätzt, dass das implizite Wissen 80 Prozent des im Unternehmen vorhandenen Wissens ausmacht (Lehner, 2008). Die erstmalige Beschreibung der Dimension des impliziten Wissens geht auf Michael Po- lanyi zurück. Auf ihn ist auch die viel zitierte Aussage „… dass wir mehr wissen, als wir zu sagen wissen“ (Polanyi, 1985, S. 14) zurückzuführen. Diesbezüglich verweist Po- lanyi auf das Phänomen des impliziten Wissens (tacit knowledge). Implizites Wissen ist persönlich und nur schwer in Worte zu fassen. Es ist direkt mit der auszuführenden Tä- tigkeit (Kontextspezifität), den Erfahrungen und nicht zuletzt mit den Werten, Idealen und Emotionen des einzelnen Individuums verbunden (Lehner, 2008; Nonaka & Takeu- chi, 2012). Nonaka und Takeuchi (2012) unterteilen das implizite Wissen noch in zwei weitere Dimensionen. So gibt es ihrer Ansicht nach innerhalb des Wesens des implizi- ten Wissens auf der einen Seite eine technische Dimension, die individuelle und kaum artikulierbare Fertigkeiten umfasst. Hinsichtlich dessen kann auch von Know-How ge- sprochen werden. Ein Bespiel hierfür ist ein Handwerksmeister, der seine auf Basis jah- relanger Erfahrung angeeigneten Fertigkeiten weder wissenschaftlich noch technisch im Detail beschreiben kann. Auf der anderen Seite des impliziten Wissens gibt es noch eine kognitive Dimension. Sie umfasst mentale Modelle und Vorstellungen, wobei der Mensch diese wegen ihrer starken Verwurzelung als eine Selbstverständlichkeit an- sieht. Diese Komponenten der menschlichen Kognition bestimmen, wie der Mensch die Welt wahrnimmt, d. h., sich ein Bild von der Wirklichkeit macht. Oftmals wird implizites Wissen auch als „verborgenes Wissen“ (Lehner, 2008, S. 49) bezeichnet. Diese Aussa- ge suggeriert, dass implizites Wissens niemals anderen Menschen zugänglich gemacht werden kann. Dem ist aber nicht so, auch wenn es in der Literatur Vertreter gibt, die eben genau dieser Meinung sind (vgl. dazu Schreyögg & Geiger, 2003). Implizites Wis- sen kann artikuliert und damit externalisiert werden. Allerdings ist die Einschränkung dabei, dass die Überführung von impliziten in explizites Wissen nie vollständig erfolgen kann und damit dokumentiert und jedem Subjekt zugänglich gemacht werden kann (Ka- tenkamp, 2011). Es ist erkennbar, das explizites und implizites Wissen zwar als Gegen- satzpaare verstanden werden, aber nicht voneinander unabhängig sind. Sie verhalten sich komplementär zueinander (Nonaka & Takeuchi, 2012). Nonaka und Takeuchi (2012) führen diesen Sachverhalt weiter aus und sind der Ansicht, dass „… Wissen durch eine Interaktion zwischen beiden Bereichen geschaffen und erweitert wird“ (S. 78) (vgl. Unterabschnitt 2.3.2). Lehner (2008) ist ähnlicher Ansicht. Er stellt fest, dass die aus expliziten und impliziten Wissen bestehenden Wissensbestände einer Person nicht konstant sind, sondern im Zeitverlauf durch Entwicklungs- und Lernprozesse inei- nander übergehen und neue Strukturen bilden.

Individuelles und kollektives Wissen Individuelles bzw. persönliches Wissen zeichnet sich durch Gebundenheit und Zugäng- lichkeit bzgl. einer einzelnen Person aus. Diese Wissensart entspricht der individuellen Informationsverknüpfung, den Erfahrungen, Fertigkeiten und Vorstellungen des einzel- nen Menschen und bildet somit eine individuelle Wissensbasis (Völker, Sauer & Simon, 2007).

Neben dem individuellem Wissen gibt es noch das kollektive Wissen¹ als eines der zentralen Ressourcen für den Erfolg eines Unternehmens (Romhardt, 1998). Beim kol- lektiven Wissen teilen sich mehrere Menschen einen Wissensbestand, d. h., Wissen nur einiger weniger Personen wird einer größeren Zahl an Personen durch bestimmte Maß- nahmen zugänglich gemacht (Rehäuser & Krcmar, 1996; Völker et al., 2007). Im Zeital- ter des Web 2.0 oder Enterprise 2.0 bedeutet dies eine zunehmende Veröffentlichung persönlichen Wissens (Reinmann & Mandl, 2009). Kollektives Wissen stellt allerdings „… mehr als die Summe des Wissens einer Anzahl von Individuen …“ (Probst et al., 2012, S. 22) dar. Erst kollektives Wissen ermöglicht es, dass ein Orchester harmonisch klingt, dass ein Schauspielensemble überzeugt oder dass eine Fußballmannschaft er- folgreich spielt (Pawlowsky, 1998). Es wird deutlich, dass für den Erfolg einer Organisa- tion insbesondere Elemente des kollektiven Wissens notwendig sind (Probst et al., 2012), denn eine einzelne Person besitzt nicht die Leistungsfähigkeit bzw. das Wissen dazu, was eine Organisation in ihrer Gesamtheit zu leisten imstande ist (Pawlowsky, 1998). Ausprägungen kollektiven Wissens sind z. B. Regelsysteme, Organisationsstruk- turen, Standardverfahren, Leitlinien, Kodifizierungen, Arbeitsprozessbeschreibungen, Routinen, Rezepturen, Vorschriften oder Traditionen (Lehner, 2008).

Im integrierten Zusammenhang von individuellem und kollektivem Wissen ergibt sich die organisatorische Wissensbasis, welche wie folgt zu definieren ist:

Die organisatorische Wissensbasis setzt sich aus individuellen und kollektiven Wissensbeständen zusammen, auf die eine Organisation zur Lösung ihrer Aufgaben zurückgreifen kann. Sie umfaßt darüber hinaus die Daten und Informationsbestände, auf welchen individuelles und organisationales [bzw. kollektives] Wissen aufbaut. (Romhardt, 1998, S. 68)

Mit dieser Definition wird deutlich, wie wichtig Nutzbarkeit bzw. Zugänglichkeit von Wis- sen für den Unternehmenserfolg sind. Zugleich wird die Notwendigkeit einer umfassen- den Daten- und Informationsintegration für das individuelle und kollektive Wissen betont (Romhardt, 1998). Abbildung 3 fasst nochmals die Zusammenhänge zwischen individu- ellem und kollektiven Wissen sowie der organisatorischen Wissensbasis zusammen. Das Individuum stellt dabei den zentralen Träger der organisatorischen Wissensbasis dar. Es überführt Zeichen in Daten, Informationen und schließlich in Wissen. Für die Ausbildung organisatorischer Fähigkeiten bedarf es aber zusätzlich kollektive Wis- senselemente (Probst et al., 2012).

Abbildung 3: Die organisatorische Wissensbasis

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Angelehnt an Probst, Raub & Romhardt, Wissen managen, 2012, S. 15; Werner, Einflussfaktoren des Wissenstransfers in wissensintensiven Dienstleistungsunternehmen, 2004, S. 24.

Die Wissensbasis stellt aber kein statisches Modell dar. Sie unterliegt regelmäßigen

Veränderungen in Umfang und Struktur. Dabei eröffnen sich für die Organisation neue Problemlösungs- und Handlungskompetenzen. Dieser Entwicklungsprozess wird als organisationales Lernen bezeichnet (Probst et al., 2012; Völker et al., 2007).

Zusammenhang zwischen den Wissensarten

Individuelles Wissen kann ebenso wie kollektives Wissen in expliziter und impliziter Form vorliegen. Demnach ist individuelles implizites Wissen für andere Organisations- 14

mitglieder kaum verfügbar, da implizites Wissen von seiner Art her nur schwer artiku- lierbar ist. Dieselbe Problematik stellt sich auch dem kollektiven impliziten Wissen (Werner, 2004). Tabelle 1 stellt die Wissensarten gegenüber und zeigt Beispiele der jeweiligen Kombinationen auf.

Tabelle 1: Kombination der Wissensarten explizit/implizit und individuell/kollektiv

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Angelehnt an Völker, Sauer & Simon, Wissensmanagement im Innovationsprozess, 2007, S. 63; Werner, Einflussfaktoren des Wissenstransfers in wissensintensiven Dienstleistungsunternehmen, 2004,S. 24.

In Betrachtung der Gegenüberstellung der Wissensarten zeigt sich, dass eine besonde- re Herausforderung für die Organisation bzw. das Wissensmanagement darin liegt, zum einen die Explikation von implizitem Wissen zu fördern und zum anderen individuelles Wissen der gesamten Organisation zur Verfügung zu stellen. Somit ist es möglich, dass das zum Großteil in der Organisation vorhandene Wissen explizit und transparent der organisatorischen Wissensbasis zugeführt wird (Völker et al., 2007; Werner, 2004). Diesen Sachverhalt haben sich insbesondere Nonaka und Takeuchi (2012) angenom- men (vgl. Unterabschnitt 2.3.2).

2.1.3 Wissensträger

In Unterabschnitt 2.1.1 wurde bereits aufgezeigt, dass die Annahme, Wissen obliegt nur dem Menschen, zu restriktiv ist. Informationen, die sinnvoll und kontextbezogen vom Menschen verbunden werden, können als Wissen in Form von z. B. Dokumenten, Pro- dukten, Prozessen oder audiovisuellen Medien expliziert werden. Wissensträger sind somit nicht nur Personen sondern auch physikalische Medien (Al-Laham, 2003). Im All- gemeinen sind Wissensträger demgemäß wie folgt zu definieren: „Unter dem Begriff

Wissensträger werden diejenigen körperlichen Trägermedien subsumiert, in denen sich Wissen manifestieren kann“ (Amelingmeyer, 2004, S. 53). Die Wissensträger weisen unterschiedliche Eigenschaften auf, weshalb eine Untergliederung in einzelne Gruppen sinnvoll ist. Die Literatur weist diesbezüglich verschiedene Perspektiven auf (Amelingmeyer. 2004). Die Untergliederung in personelle und nicht-personelle (materielle) Wissensträger ist dabei am häufigsten vorzufinden. Zunehmend wird noch die Gruppe der kollektiven Wissensträger mit in die Untergliederung aufgenommen (Soramäki, 2005). Im Rahmen dieser Arbeit wird entsprechend zwischen personellen, materiellen und kollektiven Wissensträgern unterschieden. Diese Gruppen speichern Wissen in unterschiedlicher Form und zeigen im Hinblick auf die verschiedenen Wissensarten eine jeweils besondere Eignung auf (Amelingmeyer, 2004).

Personelle Wissensträger

Als personelle Wissensträger sind die Menschen in einer Organisation gemeint. Der Mensch verfügt als einziger über die kognitive Leistungsfähigkeit neues Wissen zu ge- nerieren. Er ist der erste, der für die Organisation neues Wissen speichert und zur Ver- fügung stellt (Güldenberg, 2003; Rehäuser & Krcmar, 1996). Der Mensch als Träger von Wissen findet sich innerhalb der Organisation in allen Bereichen, Hierarchieebenen und unterschiedlichen Funktionen wieder (Amelingmeyer, 2004). Die herausragende Rolle der personellen Wissensträger in der Organisation und insbesondere im Wis- sensmanagement wird in der Literatur hervorgehoben. So meint Amelingmeyer (2004), dass personelle Wissensträger „… potentiell die gesamte Spannweite des Wissens …“ (S. 55) verkörpern und Güldenberg (2003) ist der Ansicht, dass Menschen die „umfas- sendsten Wissensspeicher“ (S. 277) einer Organisation sind. Allerdings, so Güldenberg weiter, ist es dem Menschen nicht möglich, sein gesamtes Wissen zum Ausdruck zu bringen und somit anderen Personen zur Verfügung zu stellen. Hiermit wird wiederum auf das Phänomen des impliziten Wissens verwiesen (vgl. Unterabschnitt 2.1.2).

Materielle Wissensträger

Materielle Wissensträger dienen in erster Linie zur Speicherung von Wissensinhalten. Das Risiko des Wissensverlusts, z. B. das Vergessen beim Menschen, ist hoch. Materi- elle Wissensträger können nur explizites Wissen speichern und darstellen (Ameling- meyer, 2004; Güldenberg, 2003). Die Wissensübertragung von personelle Wissensträ- ger auf materielle Wissensträger kann verschiedene Gründe haben, so z. B. eine Do- kumentation und Speicherung von Prozessschritten, Vervielfältigung von Wissen (z. B. Veröffentlichungen) oder Gewährleistung von Funktionserfüllungen (z. B. Wissen in

Produkten). Eine Klassifizierung der materiellen Wissensträger kann wie folgt aussehen

(Amelingmeyer, 2004):

- Druckbasierte Wissensträger: Bücher, Fachzeitschriften, Notizzettel, etc.
- Audiovisuelle Wissensträger: Tonbänder, Fotos, Videobänder, etc.
- Computerbasierte Wissensträger: Disketten, CD-ROMs, Internet, etc.
- Produktbasierte Wissensträger: Fertigungsanlagen, Erzeugnisse, etc.

Kollektive Wissensträger

Ein kollektiver Wissensträger ist „… eine Einheit personeller und gegebenenfalls mate- rieller Wissensträger …, die in ihrer Gesamtheit über ein originäres kollektives Wissen verfügt, das über die Summe des Wissens der einzelnen Mitglieder hinausgeht“ (Ame- lingmeyer, 2004, S. 67). Diese Art von Wissensträger ist innerhalb verschiedener Berei- che eines Unternehmens aufzufinden, z. B. in Teams, Gruppen oder Abteilungen. Ne- ben diesen Beispielen von formellen kollektiven Wissensträgern, gibt es noch informelle kollektive Wissensträger. Beispiele hierfür sind Gruppen, die gemeinsam ihre Freizeit verbringen oder gemeinsam in der Ausbildung waren (North, 2011). Wie bereits in Un- terabschnitt 2.1.2 aufgezeigt, unterstützt kollektives Wissen dessen Träger bei einer besseren Zusammenarbeit. Es schafft innerhalb der Gruppe Abläufe und Koordinati- onsmöglichkeiten, um Aktionen effizienter und mit geringerem Abstimmungsaufwand zu gestalten. Die Träger des kollektiven Wissens sind sich dessen Bestehen aber meist kaum bewusst, wohl auch, weil es sich zum größten Teil um implizites Wissen handelt (Amelingmeyer, 2004).

2.2 Notwendigkeit und Bedeutung von Wissensmanagement

Nachdem in Abschnitt 2.1 der Begriff Wissen sowie die verschiedenen Arten und Träger von Wissen genauer betrachtet wurden, soll im Folgenden aufgezeigt werden, welche Bedeutung die Ressource Wissen für das Unternehmen hat und wieso es eines Managements von Wissen bedarf.

Die allgemeine Uneinigkeit in Literatur und Wissenschaft, wie Wissen zu definieren ist und welche Merkmale das Wesen Wissen kennzeichnen, ist bekannt (vgl. Unterab- schnitt 2.1.1). Über die Bedeutung und Wirkung von Wissen für Mensch, Organisation und Gesellschaft herrscht dagegen ein breiter Konsens. Wissen ist eine, wenn nicht sogar die Unternehmensressource, die die Basis für Wettbewerbsvorteile und den An- trieb für den gesellschaftlichen Wohlstand im 21. Jahrhundert bildet (Roumois, 2007; Schreyögg & Geiger, 2003). Neue Produkte werden zunehmend wissensintensiver und Schätzungen belegen, dass zur heutigen Zeit bereits 75 Prozent des von einem Unter- nehmen geschaffenen Mehrwertes auf spezielles Wissen zurückzuführen ist (Romhardt, 1998). Nonaka und Takeuchi (2012) ergänzen diese Einschätzung und behaupten, dass „… die Zukunft jenen gehört, die nicht mit den Händen, sondern mit dem Kopf ar- beiten“ (S. 22). Probst et al. (2012) unterstützen diese These und stellen fest, dass sich insbesondere wissensintensive Unternehmen in den letzten Jahren am Markt durchset- zen konnten. Weiterhin sind sie der Ansicht, dass Investitionen in die Ressource Wis- sen sich profitabler gestalten als z. B. Investitionen in materielle Anlagen. Es zeichnet sich zunehmend ein Wandel von der Industrie- zur Wissensgesellschaft ab. Die Globali- sierung und eine zunehmend dynamischere Umwelt fordern Unternehmen heraus. Sie müssen leitungsfähiger und schneller hinsichtlich der Entwicklung neuer Innovationen werden, um weiterhin wettbewerbsfähig zu sein. Zur Konsequenz bedeutet dies für Un- ternehmen, dass sie ihre Wissensressourcen aktivieren und den Produktionsfaktor Wis- sen effektiver sowie effizienter nutzen müssen (Minonne, 2010; North, 2011). Die Not- wendigkeit eines Wissensmanagements in Organisationen ist somit zwangsläufig (Ro- umois, 2007).

In der Literatur sind drei Ansätze zu differenzieren, die das Wissensmanagement mit unterschiedlichen Schwerpunkten charakterisieren. Der erste Ansatz ist humanorientier- ter Art. Hierbei steht das Individuum als Wissensträger im Fokus. Das Wissensma- nagement hat dabei die Aufgabe, eine Kultur und ein soziales Netzwerk mit Kontakten zu anderen Organisationsmitgliedern zu schaffen, um die Wissensteilung zu fördern. Dieser Ansatz vernachlässigt allerdings die personenunabhängigen Speicherungsmög- lichkeiten von Wissen. Der technologische Ansatz des Wissensmanagements hat da- gegen seinen Fokus auf die Sicherung der organisatorischen Wissensbasis mit Unter- stützung von Technologien wie z. B. Datenbanken oder Expertensystemen. Die infor- mationstechnischen Anwendungen sollen das Wissen der Organisationsmitglieder spei- chern und bedarfsgerecht aufbereiten. Bei diesem Wissensmanagementansatz wird kritisiert, dass die Organisationsmitglieder wenig gefördert werden, ihr Wissen offen zu teilen und ihre eigene Wissensbasis zu erweitern. Der dritte Ansatz hat zum Ziel, den humanorientierten und den technologieorientierten Ansatz zusammenzufügen. Hierbei hat das Wissensmanagement die Intention die kognitiven Fähigkeiten des Menschen im Umgang mit Wissen mit den Möglichkeiten der Informations- und Kommunikationstech- nologie zu verbinden (Lehner, 2008). Der Ansatz des integrativen Wissensmanage- ments wird im Rahmen dieser Arbeit als maßgebend angesehen und spiegelt sich in

den nachfolgenden Ausführungen wider.

Das Wissensmanagement besitzt innerhalb der Organisation eine Querschnittsfunktion, welches seitens der Unternehmensführung strategisch zu unterstützen ist (Rehäuser & Krcmar, 1996). Aus strategischer Perspektive umfasst das Wissensmanagement nach Ansicht von Katenkamp (2011) die Triade Unternehmenskultur, technologische Kompo- nenten und organisationale Prozesse zur Wissensumwandlung. Wildemann (2003) ist ähnlicher Ansicht und sieht das Wissensmanagement als ganzheitliches und übergrei- fendes Konzept in den Bereichen Human Ressourcen, Methoden, Organisation und Technologie vertreten. Die Basis dieser Felder bildet dabei die Unternehmenskultur. In Bezug auf die Ziele bzw. Aufgaben des Wissensmanagements finden sich in der Litera- tur meist ähnliche Nennungen. So meinen Picot und Scheuble (2000), dass ein Wis- sensmanagement darauf abzielt, „… die in einem Unternehmen vorhandene Wissens- ressourcen zielgerecht einzusetzen, bzw. die zur Erreichung der Unternehmensziele erforderlichen Wissenspotenziale aufzubauen oder zu erwerben“ (S. 29). Wildemann (2003), North (2011) und Minonne (2010) gehen mehr ins Detail und sehen die Tätigkei- ten des Wissensmanagements in der Wissensidentifikation, -generierung, -verteilung,

-speicherung und -nutzung. In Bezug auf diese Tätigkeiten ist das Wissensmanagement schließlich zu definieren als „… ein integriertes Interventionskonzept, das sich mit den Möglichkeiten zur Gestaltung, Lenkung und Entwicklung der organisatorischen Wissensbasis befaßt“ (Romhardt, 1998, S. 69). Das bedeutet für das Wissensmanagement, Konzepte, Methoden und Instrumente bereitzustellen, um Einfluss auf die organisatorische Wissensbasis nehmen zu können (Romhardt, 1998).

2.3 Modelle des Wissensmanagements

Abschnitt 2.2 hat gezeigt, welche strategischen und operativen Inhalte Wissensma- nagement umfasst und dass es Modelle bedarf, um die organisatorische Wissensbasis zu beeinflussen. Inwiefern diese Inhalte und Modelle im Detail aber auszugestalten sind, bleibt offen. Es gibt bisher in Wissenschaft und Praxis kein konkretes Leitkonzept eines Wissensmanagements, welches die wesentlichen Aufgaben und deren Zusam- menspiel anerkannt beschreibt. Letztlich muss jede Organisation zunächst ihre eigene Situation bewerten und demgemäß ihre Wissensmanagementaufgaben ausgestalten und umsetzen (Lehner, 2008). Für diese Arbeit mit dem Ziel einer Bewertung von Enterprise Social Networks bedeutet dieser Umstand, dass eine allgemeingültige Be-wertung im Rahmen des Wissensmanagements nicht möglich ist. Deswegen muss eine Auswahl an Modellen getroffen werden. Die Auswahl beschränkt sich schließlich auf die Modelle der „Wissensbausteine“ von Probst et al. (2012) und auf die „Wissensspirale“ von Nonaka und Takeuchi (2012). Sie bieten eine Unterstützung dazu, die Gesamtauf- gabe des Wissensmanagements zu strukturieren. Die ausgewählten Modelle genießen in Forschung und Praxis allgemeine Anerkennung und werden deswegen häufig zitiert (Lehner, 2008; Werner, 2004). Man kann von den „Klassikern“ der Wissensmanage- mentforschung sprechen.

2.3.1 Bausteine des Wissensmanagements

Das Modell der Wissensbausteine nach Probst et al. (2012) basiert auf einer For- schungsarbeit in Kooperation mit einer Vielzahl von Unternehmen und soll deswegen den praktischen Erfordernissen eines Wissensmanagements gerecht werden. Die Bau- steine des Wissensmanagements sollen Organisationen dabei unterstützen, Problem- felder zu identifizieren und notwendige Aktivitäten im Rahmen des Wissensmanage- ments zu strukturieren. Des Weiteren sollen dem Management innerhalb der jeweiligen Wissensbausteine Methoden an die Hand gegeben werden, um die organisatorische Wissensbasis gezielt beeinflussen und steuern zu können. Generell wirkt das Modell der Wissensbausteine im Sinne eines klassischen Managementkreislaufs (Zielsetzung, Umsetzung, Kontrolle) und bietet einen „… Leitfaden für Interventionen …, der auf meh- reren Ebenen [(Individuum, Gruppe, Organisation)] angewendet werden kann“ (Probst et al., 2012, S. 35).

Die Wissensbausteine Wissensidentifikation, -erwerb, -entwicklung, -(ver)teilung,-nutzung und -bewahrung bilden die Kernprozesse des Wissensmanagements. Zwi- schen diesen Prozessen liegen Interdependenzen vor, das bedeutet, dass ein Interve- nieren innerhalb eines der Kernprozesse folglich Auswirkungen auf die anderen Pro- zesse haben wird. Insgesamt sind die sechs genannten Bausteine auf einer operativen Ebene angesiedelt. Auf einer anderen Ebene, und zwar die strategische Ebene, befin- den sich zwei weitere Wissensbausteine. Der Baustein Wissensziele hebt die Notwen- digkeit einer strategischen Ausrichtung des Wissensmanagements hervor. Der zweite Baustein, die Wissensbewertung, schließt den Managementkreislauf und umfasst typi- sche Controlling-Tätigkeiten (Probst et al., 2012). Abbildung 4 fasst die Zusammenhän- ge zwischen den Wissensbausteinen nochmal zusammen. Im Folgenden werden nach Probst et al. (2012) die einzelnen Bausteine genauer betrachtet.

[...]

---

¹Hinsichtlich des Begriffs „kollektives Wissen“ gibt es unterschiedliche Ansichten in der Literatur, ob dieses sich vom „organisationalem Wissen“ unterscheidet (vgl. Wilkesmann, 2001) oder diesem gleichzusetzen ist (vgl. Zboralski, 2007). Im Rahmen dieser Arbeit soll kollektives Wissen dem organisationalem Wissen gleichbedeutend verstanden werden. Zu differenzieren ist allerdings das kollektive Wissen von der organisatorischen Wissensbasis.