Wissensmanagement im Allgemeinen - D I S S E R T A T I O N

2.4 Wissensmanagement

2.4.1 Wissensmanagement im Allgemeinen

Wissensmanagement (engl. knowledge management) beschreibt die Geschäftspro-zesse in einer Organisation, welche dem Schaffen, Speichern, Übertragen und An-wenden von Wissen dienen. Abbildung 24 zeigt die fünf wertsteigernden Schritte der

„Knowledge Management Value Chain“. In jeder Stufe werden die Daten und Informa-tionen durch zusätzlichen Mehrwert angereichert, bis diese in nutzbares Wissen

um-Die approbierte gedruckte Originalversion dieser Dissertation ist an der TU Wien Bibliothek verfügbar. The approved original version of this doctoral thesis is available in print at TU Wien Bibliothek.Die approbierte gedruckte Originalversion dieser Dissertation ist an der TU Wien Bibliothek verfügbar. The approved original version of this doctoral thesis is available in print at TU Wien Bibliothek.

gewandelt wurden. Knowledge Management stellt somit einen wesentlichen Erfolgs-faktor für Unternehmen dar. Wissen, das in Organisationen nicht geteilt und angewen-det wird, leistet keinen Beitrag zur Steigerung des Unternehmenswerts. Das aktive Betreiben von Wissensmanagement erhöht die Fähigkeit eines Unternehmens von der Umwelt zu lernen und Wissen in dessen Geschäftsprozesse zu integrieren. (vgl. Lau-don und LauLau-don 2012)

Abbildung 24: Knowledge Management Value Chain (Laudon und Laudon 2012)

Nachfolgend wird eine kurze Erläuterung des Begriffs „Wissen“ anhand von zwei exemplarischen Darstellungsformen vorgenommen.

Abbildung 25: Wissensarten im Allgemeinen. Eigene Darstellung in Anlehnung an (Jashapara 2011)

Wissen kann grundsätzlich in zwei Kategorien eingeteilt werden. (1) Implizites Wissen, welches in den Gedanken von Angestellten verankert ist sowie (2) explizites Wissen, welches in dokumentiertem Zustand vorliegt (vgl. Laudon und Laudon 2012). Explizites Wissen wird wiederum in (1) „strukturiertes“ sowie in (2) „semistrukturiertes“ oder (3)

Knowledge Business Value Chain

Die approbierte gedruckte Originalversion dieser Dissertation ist an der TU Wien Bibliothek verfügbar. The approved original version of this doctoral thesis is available in print at TU Wien Bibliothek.Die approbierte gedruckte Originalversion dieser Dissertation ist an der TU Wien Bibliothek verfügbar. The approved original version of this doctoral thesis is available in print at TU Wien Bibliothek.

„unstrukturiertes“ Wissen unterteilt (vgl. Jashapara 2011; Laudon und Laudon 2012).

Eine Übersicht hinsichtlich der Taxonomie von Wissen zeigt Abbildung 25.

Eine weitere Betrachtungsweise ist die Differenzierung von Wissen in eine „individuelle Eigenschaft“ und eine „kollektive Eigenschaft“ eines Unternehmens (vgl. Laudon und Laudon 2012). Eine Klassifizierung, die dies zum Ausdruck bringt, ist die Taxonomie nach BLACKLER. Er unterteilt den Begriff „Wissen“ wie folgt (vgl. Blackler 2016):

• Embodied: Dieses Wissen ist maßnahmenorientiert und lediglich teilweise ex-plizit. Es ist eine Art von Know-how, welches durch einen Experten dargestellt wird.

• Embedded: Dieses Wissen existiert innerhalb von Systemen und Abläufen.

Dies entspricht den organisatorischen Kompetenzen und Mechanismen, wel-che eine Organisation nutzt, um reibungslose Abläufe zwiswel-chen einzelnen Per-sonen und Organisationsbereichen sicherzustellen.

• Embrained: Dieses Wissen basiert auf den kognitiven und konzeptionellen Fä-higkeiten, mit denen Regeln und Kausalzusammenhänge entwickelt werden.

• Encultured: Dieses Wissen umfasst das gemeinsame Verständnis und kultu-relle Bedeutungen von allen Personen innerhalb einer Organisation.

• Encoded: Dieses Wissen ist in Büchern, Arbeitsanweisungen und Informations-systemen festgehalten.

Die Kategorien „embodied“ und „embrained“ können als individuelles Wissen bezeich-net werden. Die Kategorien „embedded“ und „encultered“ als kollektives Wissen. Eine entsprechende Taxonomie kann der Abbildung 26 entnommen werden (vgl. Jashapara 2011). Weitere Wissensklassifizierungen bieten bei Interesse die Aufstellungen von MAIER und JETTER et al. (vgl. Jetter et al. 2006; Maier 2007).

Abbildung 26: Wissensarten nach BLACKLER (eigene Darstellung)

Um neues Wissen zugänglich machen zu können, wird ein Wissensmanagementsys-tem (engl. Knowledge Management SysWissensmanagementsys-tem) benötigt. WissensmanagementsysWissensmanagementsys-teme

Wissensarten

Embodied Embrained Embedded Encultured Encoded

Individuell Kollektiv

sammeln relevantes Wissen und Erfahrungen eines Unternehmens und stellen dieses für Prozessoptimierungen und Managemententscheidungen zu Verfügung (vgl. Lau-don und LauLau-don 2012). Hierzu sei zudem auf den Abschnitt „ Wissensmanagement-systeme“ verwiesen. Es können grundsätzlich drei Wissensmanagementsystem-Ty-pen unterschieden werden (vgl. Laudon und Laudon 2012). Eine entsprechende Über-sicht bietet die Abbildung 27.

Enterprise-Wide Knowledge Management Systems (dt. unternehmensweite Wis-sensmanagementsysteme) sind allgemeine firmenweite Anstrengungen digitale In-halte und Wissen zu sammeln, zu speichern, zu verteilen und anzuwenden. Unter Knowledge Work Systems sind spezialisierte Systeme für Ingenieure, Wissenschaft-ler und andere Arbeitskräfte zu verstehen, welche mit der Entdeckung und Entwicklung von neuem Wissen innerhalb eines Unternehmens beauftragt sind. Darüber hinaus bieten die Bereiche „Künstliche Intelligenz“ und „Datenbanktechnologie“ eine Vielzahl an intelligenten Techniken für das Erfassen von individuellem und kollektivem Wis-sen in Organisationen, um deren WisWis-sensbasis zu erweitern. (vgl. Laudon und Laudon 2012)

Abbildung 27: Arten von Wissensmanagementsystemen (Laudon und Laudon 2012) Types of Knowledge

Management Systems

Enterprise-Wide Knowledge Management

Systems

Knowledge Work Systems Intelligent Techniques

Explanation:

Einen erweiterten Wissensmanagementansatz präsentiert ANSARI mit der Definition des Begriffs „Knowledge Management 4.0 (KM 4.0)“. ANSARI betrachtet das Wissens-management im Kontext von Smart Factories sowohl aus einer human-orientierten als auch einer technologie-orientierten Perspektive. Vor dem Hintergrund von Mensch-Maschine Interaktionen wird die Mensch-Maschine (dieser Begriff inkludiert physische und nicht-physische Erscheinungsformen wie z. B. Algorithmen) nicht nur als Arbeitskraft, sondern als Wissensakteur (Knowledge Actor 4.0) betrachtet. Das Konzept des KM 4.0 zielt auf die Optimierung der Wertschöpfung sowie die einfache Weiterentwicklung und den Schutz der kollektiven Mensch-Maschine-Intelligenz ab. ANSARI betont in seiner Arbeit u. a. die Notwendigkeit der verstärkten Implementierung von adaptiven und wissensbasierten Assistenzsystemen für die Verwaltung des kollektiven Wissens in produzierenden Unternehmen. (vgl. Ansari 2019)

Aufbauend auf den vorherigen Erläuterungen und der Relevanz von intelligenten Tech-niken für die Entwicklung von Assistenzsystemen sowie der Zielsetzung dieser Arbeit, wird nachfolgend vertiefend auf „intelligente Techniken“ im Kontext von künstlicher In-telligenz eingegangen.

2.4.2 Wissensmanagement unterstützt durch Methoden der Künstlichen Intelligenz

Im Dokument D I S S E R T A T I O N (Seite 62-66)