Eingeladener Vortrag - talkIT "Unternehmerisches Wissensmanagement - Schlüsselkompetenz des IT-Mitarbeiters", Innsbruck, 21. Februar 2011

1. CONTINUOUS SOCIAL LEARNING IN KNOWLEDGE NETWORKS Verstehen, einbinden, verändern: Wissensreifungs-prozesse gestalten Dr. Andreas Schmidt FZI ForschungszentrumInformatik, Karlsruhe Innsbruck, 21. Februar 2011 http://mature-ip.eu

2. Outline Ausgangspunkt Wissensreifungsmodell Verstehen, einbinden, verändern Beispiel: People Tagging - Kollaboratives Kompetenzmanagement Fazit MATURE - Continuous Social Learning in Knowledge Networks

3. Viele Unternehmenssysteme werden als schwerfällig wahrgenommen Dokumentmanagement, Datenbanken, Geschäftsprozesse, Ontologien, Lernmanagement, … Oft überformalisiert, fehlende Akzeptanz MATURE - Continuous Social Learning in Knowledge Networks Mehr Agilität

4. Probleme Vorgegebene Strukturen/Modelle sind fest und nicht (einfach) änderbar Metadatenstrukturen, Prozessunterstützung, Taxonomien/Ontologien Die Modelle sind nicht angemessen Ihre Formalität entspricht nicht der Verständnistiefe der Realität Sie orientieren sich nicht an dem (sich verändernden) Nutzungsverhalten MATURE - Continuous Social Learning in Knowledge Networks

5. Modellierung als Lernprozess Hierzu muss man allerdings die Modellierung als Lernprozess verstehen: Von vagen Ideen zu allgemein akzeptierten, wohlverstandenen Konzepten Von einfachen Aufgaben zu verbindlichen strukturierten Abläufen Und die Lernprozesse laufen nicht während der Design-Phase, sondern zur Laufzeit ab MATURE - Continuous Social Learning in Knowledge Networks

6. Wissens- reifungs-modell MATURE - Continuous Social Learning in Knowledge Networks

7. Wissensreifungsmodell Schmidt et al. (2008): Conceptual Foundations for a Knowledge & Learning Architecture: Supporting Content, Process, and Ontology Maturing, International Conference on Knowledge Management (I-KNOW), 2008 MATURE - Continuous Social Learning in Knowledge Networks

8. Themen Wie lässt sich Wissensreifung beobachten, messen und steuern? Kriterien, Indikatoren, Aktivitäten, Guidance-Modelle Was sind Barrieren im Wissensreifungsprozess auf der Ebene des Individuums, der Kooperation und der Organisation? Analyserahmen, Möglichkeiten zur Überwindung Wie lässt sich Wissensreifung durch soziotechnische Lösungen fördern? Design-Prozess, „Maturing Services“ MATURE - Continuous Social Learning in Knowledge Networks

9. Wie unterstützt man Wissensreifung?

10. Unterstützung von Wissensreifung Problemkontext verstehen Motivationslage Breite Partizipation Gardening statt Kontrolle Iterativ und messend Veränderungen ermöglichen MATURE - Continuous Social Learning in Knowledge Networks Verstehen Einbinden Verändern

11. Verstehen Kontext durch direkte Beobachtung und Dialog verstehen lernen Wissensreifungsprozessmodell als Analyserahmen Für reale Nutzer in ihrer Vielfalt entwickeln Nicht für einen idealtypischen Nutzer Nicht für einen Durchschnittsnutzer Unmittelbaren Nutzen für alle Beteiligten suchen Grundbedürfnisse (Kompetenz-, Autonomieerleben und soziale Eingebundenheit – Deci & Ryan) MATURE - Continuous Social Learning in Knowledge Networks

12. Verstehen: Analyse motivationaler Faktoren MATURE - Continuous Social Learning in Knowledge Networks Verstehen Kunzmann et al. (2009): Integrating Motivational Aspects into the Design of Informal Learning Support in Organizations In: 9th International Conference on Knowledge Management and Knowledge Technologies, September 2-4, 2009, Graz, Austria, 2009, pp. 259-267

13. Einbinden: Breite Partizipation suchen Web 2.0: Inhalte können von einer großen Gruppe beigetragen werden und bewertet werden Man muss noch weiter gehen Strukturen und Vokabulare können ausgehandelt werden statt starrer Schemata und starrer kontrollierter Vokabulare Prozessmodelle werden bottom-up aus dem kollaborativen Task Management entwickelt Grundprinzipien Niedrige Barrieren für breite Partizipation Nutzung sozialer Aushandlungsprozesse Gardening statt Kontrolle MATURE - Continuous Social Learning in Knowledge Networks Einbinden

14. Gardening MATURE - Continuous Social Learning in Knowledge Networks Einbinden Reseeding Reseeding Reseeding Evolutionary growth seeding Evolutionary growth Evolutionary growth Schmidt et al. (2008): Conceptual Foundations for a Knowledge & Learning Architecture: Supporting Content, Process, and Ontology Maturing, International Conference on Knowledge Management (I-KNOW), 2008

15. Verändern Neue IT-Werkzeuge verändern Schaffen Transparenz … … oder schränken die Autonomie ein … … oder vergrößern sie Auswirkungen z.B. auf Team- und Unternehmenskultur Werkzeuge sollen nicht zuviel vorschreiben, weil sich auch die Art der Nutzung durch Reifungsprozesse verändern kann MATURE - Continuous Social Learning in Knowledge Networks

16. Iterativer Prozess Verändern Ravenscroft, Schmidt, Cook, Bradley (2011): Designing socio-technical systems for informal learning and knowledge maturing in the ‘Web 2.0 workplace’ Journal of Computer Assisted Learning, 2011 (forthcoming)

17. MATURE - Continuous Social Learning in Knowledge Networks Simone Braun, Christine Kunzmann, Andreas Schmidt: People Tagging & Ontology Maturing: Towards Collaborative Competence Management In: From CSCW to Web2.0: European Developments in Collaborative Design, Springer, 2010 Ein Beispiel: KollaborativesKompetenzmanagement

18. Kompetenzkataloge Kompetenzkataloge sind die Grundlage für existierende Kompetenzmanagementansätze Kontrollierte Vokabulare mit semantischen Beziehungen (Ontologien) Beschreiben Ist- und Sollkompetenzen von Mitarbeitern Problem Weiterentwicklung dieser Kataloge durch Expertengruppe schwerfällig Idee: Partizipative Weiterentwicklung MATURE - Continuous Social Learning in Knowledge Networks

20. Neue Sicht auf Kompetenzkataloge MATURE - Continuous Social Learning in Knowledge Networks

21. MATURE - Continuous Social Learning in Knowledge Networks

22. MATURE - Continuous Social Learning in Knowledge Networks

23. Stellschrauben für kulturbewusste Gestaltung Die Umsetzung von People Tagging in einer konkreten Umgebung muss die Unternehmenskultur berücksichtigen Mögliche Stellschrauben Wer darf taggen? Wer darf getaggt werden? Kontrolle über verwendete Tags/Vokabular Sichtbarkeit von Tagging-Informationen Semantik von Tagging Suchstrategien MATURE - Continuous Social Learning in Knowledge Networks

24. Fazit

25. Zusammenfassung und Ausblick Erfolgreiche Unterstützung von Wissensreifungsprozessen erfordert Verstehen des Problem- und Nutzungskontextes: Nutzen schaffen Einbinden:Partizaption suchen, soziale Aushandlungsprozesse bewusst einsetzen Verändern: keine starren Werkzeuge, Auswirkungen auf Kultur berücksichtigen Hierzu brauchen wir allerdings breit angelegte, interdisziplinäre Kompetenzen MATURE - Continuous Social Learning in Knowledge Networks

26. Kontakt Dr. Andreas SchmidtScientific Coordinator MATURE IPFZI Forschungszentrum Informatik, Karlsruheandreas.schmidt@fzi.dehttp://andreas.schmidt.name http://mature-ip.eu MATURE - Continuous Social Learning in Knowledge Networks