Clyde W. Holsapple (Hg.), Handbook on Knowledge Management, Themenübersicht (BW)

Clyde W. Holsapple (ed.), Handbook on Knowledge Management 1: Knowledge Matters. Berlin - New York etc.: Springer 2003

Kurze Inhaltsangaben über aus meiner Sicht wesentliche der insges. 65 Artikel im oben genannten Sammelband (KM = Knowledge Management, F&E = Forschung und Entwicklung; IT = Information Technology)

Part I: Foundations of KM

• The Rise of the Knowledge Organization: Heute dezentrale, vernetzte Strukturen mit einer klaren Vision und kundenorientierten Zielen, umgesetzt durch empanagement, das seine Entscheidungskompetenz und Autorität verteidigt, aber die Verantwortung (Anm: das unternehmerische Risiko) behält. Lernende Organisation (continuous learning on the job, "double loop learning" = learn to learn, knowledge sharing). Prognose 2020: Artificial Intelligence in abgegrenzten Problemfeldern. Internet wird chaotisch, daher private Netze. Unternehmen als intelligente adaptive Systeme, am "edge of chaos". Organisationen werden porös; Workers als Intelligent Agents; Virtual Communities; Intelligent complex interactive systems.
• Knowledge Managers: Who are they and What Do They Do? 90% sind Akademiker bzw. 60% graduiert. Meist hoch angesiedelte Stabsstelle, oft im IT- Budget enthalten, mit Change Mgmt Aufgaben (Einfuehren eines Intranet, von knowledge repositories und data warehousing, interne Vernetzung fördern, Groupware und knowledge-based products & services samt Entscheidungshilfe-Tools einfuehren, Regeln erstellen). Kaum selbst mit konkreter Informationsbeschaffung beschäftigt.
• Knowledge Economy: früher wurden die F&E Abteilungen durch Umlagen aus den Profitcenters (Vertriebsabteilungen) finanziert (Steuersytem; die Forscher waren frei in der Wahl ihrer Forschungsprojekte, Gefahr der Zersplitterung von Ressourcen), dann durch gezielte F&E Aufträge (was die Verbreitung von know-how behinderte). Zeitweise wurde die F&E Abteilung als Zentrum gesehen, die Profitcenters hatten deren Output zu verkaufen. Heute steht Feldorientierung im Vordergrund (was braucht der Nutzer wirklich? Suche nach "killer applications"). Nach dem US-Modell hat der Staat die Aufgabe, "Discovery" zu foerdern durch Bildungszugang, einfache Firmengründung, Innovationsförderung, Fehlertoleranz, Eigentumsschutz (samt Intellectual Property Rights). Nach dem europäischen Modell protegiert der Staat nationale monopolartige Champions. Gezielte Forschungsschwerpunkte sollte der Staat nur vorgeben, wenn er selbst Leitkunde ist und ein klares Einsatzziel hat (das war bei Militärprojekten so). Heute haben die westl. Industrieländer eher das inputorientierte Problem von zu wenig Forschernachwuchs (nach dem Babyboom). Ausserdem ist der Eigentumsschutz verbesserungswürdig und könnte der Forschungsprozess etwas mehr liberalisiert werden. Derzeit produziert das akademische System noch am Markt vorbei, naemlich zu sehr Kopien der Lehrenden (Professoren) statt Forscher und Ingenieure. Förderung an die Studenten (statt an die Professoren) zahlen und diesen ueberlassen, fuer welches Thema, das am Arbeitsmarkt gefragt ist, sie sich ausbilden (sa was gab's in den USA schon in der Zwischenkriegszeit). Damit würden die Studenten auch mehr Forschungspraktika in der Wirtschaft absolvieren. Und/Oder mehr Mitsprache der Wirtschaft bei Foerderungsvergabe.
• KM Ontology:(Ontologie als formales System der Wissensrepräsentation, im Gegensatz zu Empirie). Managament Episoden sind bedarfs- oder chancengetriggert und enden mit Erfüllung oder Abbruch. Dazwischen liegt Knowledge Manipulation. Komponenten der Knowledge Manipulation: acquiring (identifying, capturing, organizing, tranferring), selecting (detto), internalizing (assessing, targeting, structuring, delivering), using (generating durch monitoring, evaluating, producing und transferringder Knowledge; externalizing durch targeting, producing, transferring des Outputs)

Part II: Knowledge: A Key Organizational Resource

• Organizational Culture as a Knowledge Resource: wie macht man Subkulturen konsistent mit KM? Und zwar über die einzelnen Unternehmenseinheiten, aber auch Phasen von KM (Knowledge creation, storage, transfer, application) Tools loesen nur 20% des Problems, der Rest ist People. In Individualkulturen gibt es kaum Anreize (Zielvorgaben, Vorbilder) fuer Wissensteilung, in Misstrauenskulturen gar keine. 4 entscheidende Wissens-Ressourcen: organizatoinal purpose, stratega, infrastructure, culture (organizational values, norms, unwritten rules, procedures). Kultur besteht unabhängig vom einzelnen Wissensarbeiter
• Does Accounting Account for Knowledge? Vorgeschlagene Knowledge accounting Approaches: TVC (Total Value Creation), AFTF (Accounting for the Future), Balanced Scorecard, Skandia Navigator, Intangible asset Monitor, Value Chain Score-Board (Anm: Alles Modelle für Zielvereinbarungen, ohne dass das Wort "Bilanz" vorkommt...)

Part III: Knowledge Processors and Processing

• Organizational Knowledge Acquisition: An Hand des Quadtranten-Modells wird dargestellt, wie tacit knowledge coded knowlege wird, wie aus passive knowledge active knowledge (skill) wird, und aus beiden schließlich Know How ("Modus 2" nach Nowotny-Gibbons). Der Mensch handelt nicht regelbasiert, sondern erfahrungsbasiert (nach Wittgenstein), folgt keiner rationalen Methode (Feyerabend). Sind Entscheidungen ein Gut? Experience (Erfahrung) kann niemals science sein, ist der Gegensatz zu knowledge. Experts (Erfahrene) sind undogmatisch und offen fuer neue Erfahrungen (Gadamer 1972). Wie kann Verhalten geregelt werden (sein, scheinen) ohne sich Regeln unterzuordnen? (Bourdieu 1990) > Durch Akkulturation (Bourdieu nach Searle; habitus + (Um)Feld + symbolisches Kapital). Wie kann man einen Habitus managen? > Concept Maps, repertory grids, semantic networks (samt zuehoerigen Tools, auch als Groupware).
• Sensemaking Processes and KM: Sensemaking ist nach Weick ein kontinuierlicher (Management-) Prozess der sozialen Konstruktion des Ich (der Organisation) und der Umwelt, wobei der Hauptaufwand darin liegt, die Situation zu verstehen (im Unterschied zum Decision Making, das von verstandener Situation ausgeht). Das zugehörige (kybernetische) Modell geht von aequivoker Umwelt aus, die in tacit (grossteils unbewussten) Regelkreisen konstruiert wird, um dann in die Regelkreise der Entscheidungsprozesse ueberzugehen, wobei die Situation nicht nur durch die Entscheidung verändert wird und überhaupt erst rückwirkend verstanden wird (und zwar eher als Narrative "first - then -then", und nicht als causal map "if - then -"). High-Performer haben einen ganzheitlichen Blick, erfinden kaum, sondern adaptieren an (Kunden-) Anforderungen (damit entsteht inkrementell Neues) und bringen nicht nur ihre Ergebnisse sondern auch ihre Reflexionen ins Unternehmen ein. Knowledge Management Systeme sollen also nicht nur "best practice speichern", sondern auch den Weg dorthin (um den Sense Making Processzu foerdern), zB Lernprozesse und globale Vernetzung samt Incentives.

Part IV: Influences on Knowledge Processing

• Why KM systems Fail: Enablers and Constraints of KM in Human Enterprises: KM Systeme liefern Hilfen fuer Entscheidungen unter Unsicherheit, ergänzen andere Enscheidungshilfen bzw. -methoden (nicht nur die Dinge richtig zu tun, sondern die richtigen Dinge zu tun). Risikobegrenzung. Nach 9/11 ist man klüger (insbes. hinsichtlich Glauben an techn. und menschl. Vorhersagbarkeit und an "das Gute".

Band 2 (bezeichnet mit "Knowledge Directions", dzt. vergriffen) beschäftigt sich mit KM Technolgoien, Tools, konkreten Einsatzfällen sowie Empfehlungen für den Einsatz in Unternehmen (samt Bildungssystem!).

--Hofbauerr 22:41, 29. Nov 2006 (CET)

---

Diese Seite entstand im Kontext von: Besser Wissen (Vorlesung Hrachovec, 2006/07), Abschnitt Besuch bei der alten Dame