Das Datenvolumen in der Welt nimmt exponentiell zu. Waren 1987 rund drei Milliarden Gigabyte Daten in fast ausschließlich analoger Form, waren es 2007 schon über 300 Milliarden Gigabyte Daten ausgenommen in digitaler Form vorhanden. Der rasende Zuwachs der digitalen Daten wurde durch den Kostenverfall in der Speichermedienindustrie ermöglicht, was wiederum zu Trends wie Big Data führte, die ebenfalls neue Möglichkeiten und Herausforderungen für das Informations- und Wissensmanagement mit sich brachten.
Ziel dieser Hausarbeit ist, die Ansätze des Open Science auf einen Framework in ein Enterprice zu übertragen und dessen Chancen und Risiken im Kontext des Informations-und Wissensmanagements zu erarbeiten. Dazu werden in den ersten Kapiteln die grundlegenden Begriffe beschrieben und diese in der Situation und Problemstellung in einem Großkonzern beschrieben. Durch die Darstellung der strategischen Ziele des Informations- und Wissensmanagements wird es ermöglicht relevante Ansätze des Open Science Enterprise Framework darzulegen und die Chancen und Risiken der möglichen Realisierungen zusammenzufassen. Der Abgleich zwischen Theorie und Praxiseinsatz gestattet, Optimierungspotenziale aufzuzeigen und diese in den Organisation einzuführen.
Inhaltsverzeichnis
1 EINLEITUNG
1.1 MOTIVATION
1.2 ZIELSETZUNG DER ARBEIT UND FORSCHUNGSFRAGEN
2 THEORETISCHE GRUNDLAGEN
2.1 OPEN SCIENCE
2.2 ENTERPRISE 2.0
2.3 FRAMEWORK
3 SITUATION UND PROBLEMSTELLUNG
3.1 MANAGMENT VON KOMPLEXITÄT IN PROJEKTEN
3.2 DIE WISSENSTREPPE
3.3 OPEN SCIENCE ENTERPRISE HERAUSFORDERUNGEN
4 STRATEGISCHE ZIELE UND DIMENSIONEN DES WANDELS
4.1 ERFOLGSFAKTOREN IM BUSINESS TRANSFORMATION MANAGEMENT
4.2 DIMENSIONEN DES WANDELS VON OPEN SCIENCE
5 OPEN SCIENCE ENTERPRISE FRAMEWORK ANSÄTZE
5.1 DIE SPIRALE DES WISSENS IN RAUM UND ZEIT
5.2 ROLLEN IN DER ENTERPRISE INFRASTRUKTUR FÜR WISSENSMANAGEMENT
5.3 OPEN SINCE ENTERPRISE FRAMEWORK 4.0
6 TECHNOLOGISCHE UND PERSONENBEZOGENE PRAXISBEISPIELE
7 CHANCEN UND RISIKEN
8 FAZIT UND AUSBLICK
Zielsetzung & Themen
Die Arbeit untersucht, wie Ansätze aus der Open Science in ein unternehmensinternes Framework integriert werden können, um die Effizienz des Informations- und Wissensmanagements in Großkonzernen zu steigern und einen komparativen Konkurrenzvorteil zu erzielen.
- Analyse der Chancen und Risiken von Enterprise 2.0 Ansätzen.
- Anwendung des "Open Science Enterprise Framework 4.0" für Big Data und Business Intelligence.
- Management von Komplexität in Projekten durch Wissensmanagement.
- Bedeutung der strategischen Transformation und der Rolle des Menschen.
- Praktische Implementierung von Tools zur Wissensvernetzung.
Auszug aus dem Buch
3.1 Managment von Komplexität in Projekten
Nach der DIN 69901 ist Projektmanagement als die Ganzheit von Führungsaufgaben, -organisationen, -techniken und -mittel für die Durchführung von Projekten definiert. Durch die vorherrschend sozio-technischen Systeme ist Projektmanagement eine der wichtigsten Funktionen um den wirtschaftlichen Erfolg eines Projektes zu garantieren. Die Enterprise Framework Ansätze und die zugehörige Web- und Softwareapplikation stehen in Interaktion mit den agilen Informations- und Wissensmanagementsystemen. In den vielseitigen Methoden der Informations- und Wissensmanagementsysteme wird immer das Ziel angestrebt die Projektoutputs wie beispielweise Funktionsmenge, Verfügbarkeit und Durchsatz zu maximieren. Chaotische Projektsituationen sollen vermieden werden, indem aus den Best Practice Beispielen und Fehlern anderer Arbeitsgruppen gelernt werden kann, die unter anderem in den Wissensdatenbanken publiziert worden sind. In den Enterprise Ansätzen wird dies allgemeinsprachlich als Lessons Learned bezeichnet.
2002 publizierte Stacey ein Diagramm, in dem ersichtlich ist wo chaotische Projektsituationen vorkommen und welche Maßnahmen getroffen werden können, um diese zu vermeiden. Durch die Offenlegung von Lösungswegen im Wissensmanagement können Anforderungen und Technologien schneller für die breite Masse im Unternehmen verständlich gemacht werden. Komplexe und chaotische Projektsituation können somit in komplizierte und einfache Situationen überführt werden und der Projektoutput wird für das Unternehmen maximiert.
Zusammenfassung der Kapitel
1 EINLEITUNG: Die Arbeit motiviert die Notwendigkeit von Wissensmanagement angesichts exponentiell wachsender Datenmengen und definiert das Ziel, Open Science Ansätze in Unternehmens-Frameworks zu übertragen.
2 THEORETISCHE GRUNDLAGEN: Es werden die zentralen Begriffe Open Science, Enterprise 2.0 sowie das Konzept des Frameworks definiert und in den Kontext des Informations- und Wissensmanagements gestellt.
3 SITUATION UND PROBLEMSTELLUNG: Dieser Teil beleuchtet die Herausforderungen von Komplexität in Projekten, die Struktur der Wissensvermittlung (Wissenstreppe) und allgemeine Anforderungen an ein Open Science Enterprise Framework.
4 STRATEGISCHE ZIELE UND DIMENSIONEN DES WANDELS: Es wird analysiert, welche Erfolgsfaktoren für das Business Transformation Management entscheidend sind und wie sich der Wandel von Open Science in spezifische Dimensionen einteilen lässt.
5 OPEN SCIENCE ENTERPRISE FRAMEWORK ANSÄTZE: Hier wird das SECI-Modell zur Wissensgenerierung angewendet, Rollen in der Infrastruktur definiert und das integrierte Open Science Enterprise Framework 4.0 vorgestellt.
6 TECHNOLOGISCHE UND PERSONENBEZOGENE PRAXISBEISPIELE: Der Abschnitt gibt Einblicke in praktische Anwendungen wie Working Out Loud, Microsoft Office 365, IBM Connections und analytische Tools wie R-Studio.
7 CHANCEN UND RISIKEN: Diese Kapitel abwägt die Vorteile durch schnelleren Wissenszugriff gegen Risiken wie Technologiediebstahl ab und empfiehlt Gegenmaßnahmen.
8 FAZIT UND AUSBLICK: Die Arbeit resümiert, dass das Framework 4.0 ein wertvolles Modell für die Industrie 4.0 darstellt und gibt einen Ausblick auf die Rolle von Augmented Reality und Prescriptive Analytics.
Schlüsselwörter
Wissensmanagement, Open Science, Enterprise Framework, Digitalisierung, Big Data, Business Intelligence, Wissensmanagement, Transformation, Lessons Learned, SECI-Modell, Industrie 4.0, Kollaboration, Wettbewerbsvorteil, Predictive Analytics, Web 2.0
Häufig gestellte Fragen
Worum geht es in der Arbeit grundsätzlich?
Die Arbeit beschäftigt sich mit der Übertragung von Open-Science-Prinzipien auf unternehmensinterne Frameworks, um ein effizientes Informations- und Wissensmanagement zu etablieren.
Was sind die zentralen Themenfelder?
Die zentralen Felder sind das Wissensmanagement, die digitale Transformation (Business Transformation Management), Open Science Konzepte sowie der Einsatz von Big Data und Business Intelligence.
Was ist das primäre Ziel der Forschungsarbeit?
Das Ziel ist die Erarbeitung und Darlegung eines "Open Science Enterprise Frameworks 4.0", das Unternehmen dabei unterstützt, Chancen zu nutzen und Risiken in ihrem Informationsmanagement zu bewältigen.
Welche wissenschaftliche Methode wurde verwendet?
Es handelt sich um eine Literaturanalyse, die theoretische Grundlagen mit modernen Management-Methoden und Praxisbeispielen verknüpft, ergänzt durch eigene Modellentwicklungen.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in theoretische Fundierung, Situationsanalyse, strategische Dimensionen, konkrete Framework-Ansätze sowie technologische Praxisbeispiele.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Wissensmanagement, Open Science, Enterprise Framework, digitale Transformation, Big Data und Business Intelligence.
Was genau ist das "Open Science Enterprise Framework 4.0"?
Es ist ein integriertes Modell, das Daten aus verschiedenen Quellen (Big Data, operativen Systemen) mit Business-Intelligence-Komponenten verbindet, um sowohl menschliche Entscheidungsfindung als auch maschinelle Analysen zu unterstützen.
Warum ist das SECI-Modell für diese Arbeit relevant?
Das SECI-Modell dient als theoretisches Fundament, um zu erklären, wie implizites Wissen in explizites Wissen umgewandelt und effizient durch die Organisation transferiert werden kann.
- Quote paper
- Stephan Röß (Author), 2018, The Open Science Enterprise Framework. Eine Analyse der Chancen und Risiken unternehmensinterner Informations- und Wissensmanagementsysteme, Munich, GRIN Verlag, https://www.grin.com/document/416264
