Wissensmanagement im Finanzdienstleistungsbereich

Benz, Andreas

Wissensmanagement im Finanzdienstleistungsbereich

Ist Case-Based Reasoning eine geeignete Problemlösungsmethode für die Entscheidungsunterstützung in der Anlageberatung bei Finanzdienstleistungsunternehmen?

von Andreas Benz (Autor:in)

BWL - Unternehmensführung, Management, Organisation

Zusammenfassung

Inhaltsangabe:Abstract:
Also banks have to explain with the topic of knowledge management, because they are exposed to changes with regard to the market, to customers and to competitors. Particularly in the investment advice knowledge management is of essential importance, because on the one hand explicit product knowledge and on the other hand implicit knowledge (unwritten experience knowledge) is needed to make an investment recommendation. Particularly the investment advisors see themselves confronted with a multiplicity of time-critical decision problems under uncertainty and high complexity. The investment advisor lives besides on the re-use of experiences from earlier consulting discussions. With case-based reasoning systems it is possible to cope a large part of the problem field complexity and the system is able to learn for new decision problems. The processing of the problem field of vague knowledge can be counteracted in combination with the fuzzy set theory. So the combination of case-based reasoning systems with the fuzzy set theory is a suitable problem solution method for the decision support in the investment advice. During the realization of a such system, always it is to give attention to the three dimensions human resource management, organization and information and communication technology.

Zusammenfassung:
Wissensmanagement ist eine Thematik mit der sich auch Finanzdienstleister auseinandersetzen müssen, da sie Veränderungen gegenüber dem Markt, dem Kunden und den Wettbewerbern ausgesetzt sind. Besonders in der Anlageberatung ist Wissensmanagement von essentieller Bedeutung, da einerseits explizites Produktwissen und andererseits implizites Wissen (undokumentiertes Erfahrungswissen) für die Erstellung von Produktempfehlungen benötigt wird. Besonders sehen sich die Anlageberater mit einer Vielzahl an zeitkritischen Entscheidungsproblemen unter Unsicherheit und hoher Komplexität konfrontiert. Die Anlageberatung lebt zudem von der Wiederverwendung von Erfahrungen aus früheren Beratungsgesprächen. Mittels CBR-Systemen ist es möglich, ein großer Teil des Problemfeldes Komplexität zu bewältigen und das System ist fähig für neue Entscheidungsprobleme zu lernen. Dem Problemfeld der Verarbeitung von vagem Wissen kann in Kombination mit der Fuzzy-Theorie entgegengewirkt werden. Die Kombination von CBR-Systemen mit der Fuzzy-Theorie ist somit eine geeignete Problemlösungsmethode für die Entscheidungsunterstützung in der […]

Leseprobe

Inhaltsverzeichnis

ID 7032

Benz, Andreas: Wissensmanagement im Finanzdienstleistungsbereich: Ist Case-Based

Reasoning eine geeignete Problemlösungsmethode für die Entscheidungsunterstützung

in der Anlageberatung bei Finanzdienstleistungsunternehmen

Hamburg: Diplomica GmbH, 2003

Zugl.: Fachhochschule Südwestfalen, Fachhochschule, MA-Thesis / Master, 2003

Dieses Werk ist urheberrechtlich geschützt. Die dadurch begründeten Rechte,

insbesondere die der Übersetzung, des Nachdrucks, des Vortrags, der Entnahme von

Abbildungen und Tabellen, der Funksendung, der Mikroverfilmung oder der

Vervielfältigung auf anderen Wegen und der Speicherung in Datenverarbeitungsanlagen,

bleiben, auch bei nur auszugsweiser Verwertung, vorbehalten. Eine Vervielfältigung

dieses Werkes oder von Teilen dieses Werkes ist auch im Einzelfall nur in den Grenzen

der gesetzlichen Bestimmungen des Urheberrechtsgesetzes der Bundesrepublik

Deutschland in der jeweils geltenden Fassung zulässig. Sie ist grundsätzlich

vergütungspflichtig. Zuwiderhandlungen unterliegen den Strafbestimmungen des

Urheberrechtes.

Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in

diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme,

dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei

zu betrachten wären und daher von jedermann benutzt werden dürften.

Die Informationen in diesem Werk wurden mit Sorgfalt erarbeitet. Dennoch können

Fehler nicht vollständig ausgeschlossen werden, und die Diplomarbeiten Agentur, die

Autoren oder Übersetzer übernehmen keine juristische Verantwortung oder irgendeine

Haftung für evtl. verbliebene fehlerhafte Angaben und deren Folgen.

Diplomica GmbH

http://www.diplom.de, Hamburg 2003

Printed in Germany

KURZZUSAMMENFASSUNG

Wissensmanagement ist eine Thematik mit der sich auch Finanzdienstleister auseinander-

setzen müssen, da sie Veränderungen gegenüber dem Markt, dem Kunden und den Wett-

bewerbern ausgesetzt sind. Besonders in der Anlageberatung ist Wissensmanagement von

essentieller Bedeutung, da einerseits explizites Produktwissen und andererseits implizites

Wissen (undokumentiertes Erfahrungswissen) für die Erstellung von Produktempfehlungen

benötigt wird. Besonders sehen sich die Anlageberater mit einer Vielzahl an zeitkritischen

Entscheidungsproblemen unter Unsicherheit und hoher Komplexität konfrontiert. Die Anla-

geberatung lebt zudem von der Wiederverwendung von Erfahrungen aus früheren Bera-

tungsgesprächen. Mittels CBR-Systemen ist es möglich, ein großer Teil des Problemfeldes

Komplexität zu bewältigen und das System ist fähig für neue Entscheidungsprobleme zu

lernen. Dem Problemfeld der Verarbeitung von vagem Wissen kann in Kombination mit der

Fuzzy-Theorie entgegengewirkt werden. Die Kombination von CBR-Systemen mit der Fuz-

zy-Theorie ist somit eine geeignete Problemlösungsmethode für die Entscheidungsunter-

stützung in der Anlageberatung. Bei der Umsetzung eines solchen Systems ist jedoch im-

mer den drei Dimensionen Human Resource Management, Organisation und Informations-

und Kommunikationstechnologie Beachtung zu schenken.

ABSTRACT

Also banks have to explain with the topic of knowledge management, because they are

exposed tp changes with regard to the market, to customers and to competitors. Particu-

larly in the investment advice knowledge management is of essential importance, because

on the one hand explicit product knowledge and on the other hand implicit knowledge

(unwritten experience knowledge) is needed to make an investment recommendation.

Particularly the investment advisors see themselves confronted with a multiplicity of time-

critical decision problems under uncertainty and high complexity. The investment advisor

lives besides on the re-use of experiences from earlier consulting discussions. With case-

based reasoning systems it is possible to cope a large part of the problem field complexity

and the system is able to learn for new decision problems. The processing of the prolem

field of vague knowledge can be counteracted in combination with the fuzzy set theory. So

the combination of case-based reasoning systems with the fuzzy set theory is a suitable

problem solution method for the decision support in the investment advice. During the

realization of a such system, always it is to give attention to the three dimensions human

resource management, organization and information and communication technology.

III

INHALTSVERZEICHNIS

ABSTRACT ... II

ABKÜRZUNGSVERZEICHNIS

... VI

ABBILDUNGSVERZEICHNIS

...VII

TABELLENVERZEICHNIS

... IX

Einleitung... 1

1.1 Motivation und Zielsetzung ... 1

1.2 Aufbau der Arbeit... 2

Wissensmanagement und Entscheidungsunterstützung im

Finanzdienstleistungsbereich ... 4

2.1 Wissensmanagement und Handlungsbedarf für Finanzdienstleister ... 4

2.2 Gegenstand des Wissensmanagements ... 6

2.3 Modelle des Wissensmanagements ...14

2.3.1

Einleitung ...14

2.3.2

Ganzheitliche Modelle des Wissensmanagements ...15

2.3.3

Modelle mit Teilaspekten des Wissensmanagements ...20

2.3.4

Beurteilung...35

2.4 Dimensionen des Wissensmanagements ...37

2.5 Entscheidungsunterstützung in der Anlageberatung ...42

Ansätze der Wissensverarbeitung ... 49

3.1 Prozess der Wissensverarbeitung...49

3.2 Case-based reasoning...51

3.2.1

Der Prozess des case-based reasoning...51

3.2.2

Wissensrepräsentation ...57

3.2.3

Retrievalstrategien...60

3.2.4

Adaptionsstrategien ...63

3.2.5

Fazit ...65

3.3 Regelbasierte Wissensverarbeitung...67

3.4 Wissensverarbeitung durch Objekte / Frames...70

3.4.1

Semantische Netze ...70

3.4.2

Frames ...72

3.5 Logikbasierte Wissensverarbeitung ...74

3.5.1

Aussagenlogik ...74

3.5.2

Prädikatenlogik ...76

3.6 Constraintbasierte Wissensverarbeitung ...77

3.7 Wissensverarbeitung von unscharfem Wissen...78

3.7.1

Unvollständiges Wissen ...78

3.7.2

Unsicheres Wissen ...80

3.7.3

Vages Wissen...81

Explorative Befragung... 87

4.1 Ausgangslage ...87

4.2 Definition des Problems und des Forschungsziels ...89

4.3 Konzeption des Forschungsplans ...90

4.3.1

Explorative Studie bei deutschsprachigen

Finanzdienstleistungsunternehmen ...91

4.3.2

Expertenbefragung ...96

4.4 Erhebung der Daten ...98

4.5 Auswertung der Daten ...99

4.6 Darstellung der Ergebnisse ...99

4.6.1

Einleitung ...99

4.6.2

Einsatz von wissensbasierten Systemen... 100

4.6.3

Konstruktive Aspekte von wissensbasierten Systemen ... 106

4.6.4

Nutzeffekte... 108

4.6.5

Fallbasiertes Schließen ... 112

Fazit ... 114

ANHANG A

... 124

ANHANG B

... 135

QUELLENVERZEICHNIS

... 139

ABKÜRZUNGSVERZEICHNIS

ATMS

assumption based TMS

bzw. beziehungsweise

CBR Case-Based

Reasoning

CSCW

Computer supported cooperative work

d.h. das

heißt

EKP

Effective knowledge processes

EUS Entscheidungsunterstützung

GE Geldeinheit

HRM

Human Resource Management

IKT

Informations- und Kommunikationstechnologie

IT Informationstechnologie

JTMS

Justification based TMS

KI Künstliche

Intelligenz

KM Knowledge-Management

MA Mitarbeiter

MRT

Management des Ressources Technologiques

OMS

Organisational Memory Systeme

TMS

Truth Maintenance Systeme

WM Wissensmanagement

z.B.: zum

Beispiel

VII

ABBILDUNGSVERZEICHNIS

Abbildung 1: Überblick über den Aufbau der Arbeit...3

Abbildung 2: Beziehung zwischen Daten, Information und Wissen ...6

Abbildung 3: Perspektiven des Wissens... 11

Abbildung 4: Bausteine des Wissensmanagements ... 16

Abbildung 5: Das Wissensmarkt-Konzept ... 19

Abbildung 6: Organisationales Lernen als integratives Wissensmanagement . 21

Abbildung 7: Lebenszyklusmodell des Managements der Ressource Wissen... 24

Abbildung 8: Vier Akte zum Aufbau eines Wissensmanagements ... 25

Abbildung 9: Management technologischer Ressourcen ... 28

Abbildung 10: Komponenten einer organisationalen Wissensbasis ... 30

Abbildung 11: Formen der Wissensumwandlung... 31

Abbildung 12: Die Wissensspirale... 33

Abbildung 13: knowledge management cycle... 35

Abbildung 14: Dimensionen eines ganzheitlichen Wissensmanagements ... 38

Abbildung 15: Barrieren des Wissensmanagements ... 40

Abbildung 16: Kundenorientierte Organisationsstruktur... 43

Abbildung 17: knowledge Map eines Anlageberaters ... 44

Abbildung 18: Ganzheitliches Wissensmanagement ... 47

Abbildung 19: Knowledge Engineering ... 50

Abbildung 20: Vorgehensweise beim fallbasierten Schließen ... 53

Abbildung 21: Der CBR-Zyklus ... 55

Abbildung 22: Das MAC/FAC-Modell des ähnlichkeitsbasierten Retrievals ... 61

Abbildung 23: A task-method decomposition of CBR... 65

Abbildung 24: Beispiel Bankomatbehebung - Parameter und Werte ... 68

Abbildung 25: Vereinfachtes regelbasiertes Beispiel... 69

Abbildung 26: Beispiel eines semantischen Netzwerks ... 71

Abbildung 27: Struktur eines Frames... 72

Abbildung 28: Semantisches Netz und Frames... 74

Abbildung 29: Fuzzy-Zugehörigkeitsfunktionen für "Einkommen"... 82

Abbildung 30: Grobstruktur eines wissensbasierten Fuzzy-Systems ... 84

VIII

Abbildung 31: Einsatz von wirtschaftlichen Expertensystem-Anwendungen ... 87

Abbildung 32: Der Forschungsprozess ... 88

Abbildung 33: Konzeption des Forschungsplans ... 90

Abbildung 34: Einsatzstand von wissensbasierten Systemen bei

deutschsprachigen Banken ... 100

Abbildung 35: Anwendungsgebiete... 102

Abbildung 36: Einsatzfelder nach Aufgabentyp... 103

Abbildung 37: Praktischer Einsatz von konstruktiven Aspekten... 108

Abbildung 38: Nutzeffekte von wissensbasierten Systemen ... 110

Abbildung 39: Nutzeffekte von wissensbasierten Systemen

(Expertenbefragung) ... 111

Abbildung 40: Bekanntheitsgrad von CBR-Systemen in der Praxis ... 112

TABELLENVERZEICHNIS

Tabelle 1: Unterscheidung zwischen implizitem und explizitem Wissen ...9

Tabelle 2: Modelle mit Teilaspekten des Wissensmanagements ... 20

Tabelle 3: Beurteilung ausgewählter Modelle des Wissensmanagements ... 36

Tabelle 4: Anreizsysteme... 39

Tabelle 5: Werkzeuge für das Wissensmanagement... 41

Tabelle 6: Basistypen ... 58

Tabelle 7: Beispiel einer Wissensrepräsentation ... 59

Tabelle 8: Beispiel für eine Fallrepräsentation ... 59

Tabelle 9: Wahrheitstafel für logische Operatoren (Junktoren) ... 75

Tabelle 10: Unterscheidung Fallbeispiele und Regeln ... 86

Tabelle 11: Selektionsbedingungen für Adressmaterial... 92

Tabelle 12: Adressmenge für explorative Befragung ... 92

Tabelle 13: Verwendete Datenquelle für Experteninterviews ... 97

Tabelle 14: Fragen für Expertenbefragung... 98

Tabelle 15: Rücklauf der Studie ... 99

Tabelle 16: Aufgaben, welche mit wissensbasierten Systemen unterstützt

werden ... 101

Tabelle 17: konstruktive Aspekte von wissensbasierten Systemen ... 107

Tabelle 18: Nutzeffekte ... 109

Tabelle 19: Systematisierung finanzwirtschaftlicher und bankbetrieblicher

Einzelaufgaben ... 115

Tabelle 20: KI-relevante Problemstellungen in finanzwirtschaftlichen

Aufgabenbereichen... 117

Tabelle 21: Problemfelder der Anlageberatung... 118

Tabelle 22: Eignung von ausgewählten KI-Methoden für die Bewältigung

finanzwirtschaftlicher Problembereiche ... 120

Tabelle 23: CBR und Fuzzy-Theorie als wissensbasiertes System in der

Anlageberatung ... 121

1 Einleitung

1.1 Motivation und Zielsetzung

Ein Anlageberater für Privatkunden benötigt einerseits explizites

Produktwissen und andererseits besitzt er ein Großteil an implizi-

tem Wissen (undokumentiertes Erfahrungswissen), welches für

Produktempfehlungen benötigt wird. Die Anlageberatung lebt

von der Wiederverwendung von Erfahrungen aus früheren Bera-

tungsgesprächen. Das größte Potential für eine Bank liegt darin,

wenn diese Erfahrungen der Anlageberater explizit gemacht und

gesammelt werden und an die anderen Berater der Bank weiter-

gegeben werden können. Unter dem Einsatz eines wissensbasier-

ten Systems wäre es möglich, das undokumentierte Erfahrungs-

wissen der Mitarbeiter zu speichern und die zu bearbeitenden

Problemstellungen in der Kundenberatung somit zu standardisie-

ren.

Für die vorliegende Arbeit wurde die These aufgestellt, dass ca-

se-based reasoning (CBR) eine geeignete Problemlösungsmetho-

de für die Entscheidungsunterstützung (EUS) in der Anlagebera-

tung bei Finanzdienstleistungsunternehmen ist. Das Lernen von

den Erfahrungen von anderen Mitarbeitern ist ein bedeutender

Faktor. Es soll geprüft werden, ob es mit Hilfe von CBR-

Systemen möglich ist, das implizite Wissen (undokumentiertes

Erfahrungswissen) von erfahrenen Anlageberatern zu speichern

und für ,,weniger erfahrene" Anlageberater zugänglich zu ma-

chen. Zudem soll geprüft werden, ob die Unsicherheit und die

Komplexität der Entscheidungsfindung mit Hilfe von CBR unter-

stützt werden kann.

Ziel der Arbeit ist die Verifikation bzw. Falsifikation der aufge-

stellten Hypothese. Dabei soll die vorhandene Literatur analysiert

werden, Expertenmeinungen eingeholt und eigene Schlüsse ge-

zogen werden.

1.2 Aufbau der Arbeit

Nach dieser Einleitung soll im ersten Teil der Arbeit auf die

Grundlagen des Wissensmanagements (WM) eingegangen wer-

den. Dabei ist der Begriff Wissensmanagement zu definieren und

eine klare Trennung der Begriffe explizites und implizites Wissen

herbeizuführen. Zudem sollen auf die verschiedenen Modelle und

Dimensionen des Wissensmanagements eingegangen werden.

Im dritten Kapitel werden die Ansätze der Wissensverarbeitung

diskutiert. Besonders sollen die Theorien des fallbasierten Schlie-

ßens (case-based reasoning) erarbeitet werden. Das fallbasierte

Schließen ist dabei zu anderen Ansätzen der Wissensverarbei-

tung abzugrenzen. Die Theorien sind in einer explorativen Studie

und mit Hilfe von Expertenmeinungen zu verifizieren. Der Ablauf

der Studie und dessen Ergebnisse sind in Kapitel vier dargelegt.

Zum Schluss ist in Kapitel fünf das Fazit aufzuzeigen. Die aufge-

stellte These, dass CBR eine geeignete Problemlösungsmethode

für die Entscheidungsunterstützung in der Anlageberatung bei

Finanzdienstleistungsunternehmen ist, soll in diesem Abschnitt

mit Hilfe der Theorie und der Studie verifiziert bzw. falsifiziert

werden. Der Aufbau der Arbeit wird in folgender Abbildung dar-

gestellt.

1. Einleitung

- Motivation und Zielsetzung

- Aufbau der Arbeit

2. Wissensmanagement und Entscheidungsunterstützung im

Finanzdienstleistungsbereich

- Wissensmanagement und Handlungsbedarf für Finanzdienstleister

- Gegenstand des Wissensmanagements

- Modelle des Wissensmanagements

- Dimensionen des Wissensmanagements

- Entscheidungsunterstützung in der Anlageberatung

3. Ansätze der Wissensverarbeitung

- case-based reasoning

- regelbasierte Wissensverarbeitung

- Wissensverarbeitung durch Objekte / Frames

- logikbasierte Wissensverarbeitung

- constraintbasierte Wissensverarbeitung

- Wissensverarbeitung von unscharfem Wissem

4. explorative Befragung

- Einsatz von wissensbasierten Systemen bei

deutschprachigen Finanzdienstleistungsunternehmen

- Expertenbefragung

5. Fazit

Abbildung 1: Überblick über den Aufbau der Arbeit

2 Wissensmanagement

und

Entscheidungsunterstützung im

Finanzdienstleistungsbereich

2.1 Wissensmanagement und Handlungsbedarf für

Finanzdienstleister

Auch Banken setzen sich mit der Thematik Wissensmanagement

vermehrt auseinander, denn sie sind Veränderungen gegenüber

dem Markt, dem Kunden und dem Wettbewerber ausgesetzt.

Besonders durch die rapiden Entwicklungen der Informations-

technologie wird das überwinden von räumlichen Distanzen und

somit die Globalisierung der Märkte ermöglicht. Geographi-

sche Distanzen spielen auch im Bankenbereich keine Rolle

mehr.

Der Finanzmarkt ist durch starken Wettbewerb, globali-

sierte und deregulierte Märkte mit hohem Innovationsdruck ge-

kennzeichnet. Es werden hohe Anforderungen an das Know-how

und die Fähigkeiten der Mitarbeiter im Finanzdienstleistungsbe-

reich gestellt. Die Entscheidungsträger sind in diesem Bereich

mit vielen zeitkritischen Entscheidungen unter Unsicherheit und

mit hoher Komplexität konfrontiert.

Das Kundenverhalten hat sich in den letzten Jahren sehr stark

geändert. Die Nähe zur Bank ist aufgrund von modernen Techno-

logien (z.B.: Internetbanking) nicht mehr so von Bedeutung.

Vgl. (Wilmes 2001), S. 91

Vgl. (Weinhardt et al. 1996), S. 8 ff.

Vgl. (Wilmes 2001), S. 91

Zudem spüren die Banken im Analgebereich auch einen Genera-

tionenwechsel. Die Jugendlichen wachsen mit der Kommunikati-

onstechnologie und dem Internet auf und haben eine andere Ein-

stellung zum Geld. Online-Broker im Internet werden vermehrt

von Jugendlichen genutzt und wurden zu bedeutenden Konkur-

renten für klassische Finanzdienstleistungsunternehmen.

Die Wettbewerbssituation ist auch bei den Banken intensiver

geworden. Wissen intern und extern zu akquirieren, zu generie-

ren, zu verteilen und effizient zu nutzen ist für eine gute Wett-

bewerbssituation notwendig. Es ist notwendig, dass die Mitarbei-

ter zu kompetenten Beratern entwickelt werden.

Dies ist insbesondere auch in der Anlageberatung von essentiel-

ler Bedeutung, da Kundenorientierung ein wesentlicher Faktor in

der Anlageberatung darstellt. Die Anlageberater müssen sich den

Kundenbedürfnissen ausrichten, damit die Banken wettbewerbs-

fähig bleiben. Der Service der Anlageberater wird zum

erfolgskritischen Wettbewerbsfaktor.

Die Beratungsqualität wird

somit zu einem sehr wichtigen Differenzierungsmerkmal, welches

nur in geringem Umfang durch Preisvorteile kompensierbar ist.

Vgl. (Wilmes 2001), S. 92

Vgl. (Droege & Comp. 1997), S. 14

Vgl. (Huther et al. 2001), S. 199

2.2 Gegenstand des Wissensmanagements

Seit Mitte der 80er Jahre kam der Begriff des Wissensmanage-

ments auf und heute ist es ein Schlagwort in aller Munde.

Das

Wissensmanagement besteht aus den beiden Teilbegriffen ,,Wis-

sen" und ,,Management". Beide Teilbegriffe werden in der Praxis

laufend verwendet, doch gerade der Begriff ,,Wissen" wird unter-

schiedlich interpretiert. Insbesondere wird in der Praxis oft der

Begriff ,,Information" synonym zum Begriff ,,Wissen" gesetzt.

Folgende Abbildung soll die Begriffe ,,Daten", ,,Information" und

,,Wissen" verdeutlichen.

Wissen

Information

Daten

Entschei-

dungs-

wissen

Gestaltungs-

wissen

Fakten-

wissen

Verstehen

Interpretieren

z.B.: 17,00

z.B.: Aktienkurs

1 Titel Wolford = 17,00 Euro

z.B.: Marktmechansimen

des Aktienmarktes

Abbildung 2: Beziehung zwischen Daten, Information und Wis-

sen

Quelle: Vgl. (Buch et al. 2001) S. 192

Vgl. (Lehner 2000), S. 225

Unter Daten wird eine Zeichenkette wie beispielsweise 17,00

verstanden. Durch die Interpretation dieser Zeichenkette ent-

steht Information. Somit wird interpretiert, dass ein Titel einer

speziellen Aktie zu einem Kurs von 17,00 Euro erworben werden

kann. Informationen sind immer für alle Mitarbeiter in gleicher

Weise zugänglich (z.B.: alle Anlageberater haben Zugriff auf die

nötigen Informationen innerhalb einer Bank beispielsweise mit

Hilfe eines Dokumentenmanagementsystems). Nur wenn der Zu-

sammenhang verstanden wird, entsteht Wissen. Wissen ent-

steht somit durch die Vernetzung von Informationen. Sobald die

Zusammenhänge am Aktienmarkt bewusst bzw. verstanden wor-

den sind, kann mit der Vernetzung von Informationen Wissen

entstehen, und somit durch den Anlageberater eine Entscheidung

getroffen werden. Wissen ist für die Entscheidungsunterstützung

besonders wichtig.

Albrecht definiert den Begriff Wissen treffend als das ,,Ergebnis

der Verarbeitung von Informationen durch das Bewusstsein".

Das Wissen und somit die Interpretation dieser Informationen ist

immer an gewisse Personen bzw. an den jeweiligen Anlagebera-

ter gebunden. Da das Wissen an die einzelnen Personen gebun-

den ist, ist das Management dieses Produktionsfaktors sehr wich-

tig, da durch die Fluktuation dieser Anlageberater große Lücken

in einem Unternehmen entstehen.

(Albrecht 1993), S. 228

Wissen kann in explizites und implizites Wissen unterteilt wer-

den. Unter explizitem Wissen versteht man Wissen, welches in

verbal kommunizierbarer Form vorliegt. Explizites Wissen lässt

sich in Form von Fakten bzw. Regeln beschreiben oder als Erfah-

rungen dokumentieren.

Explizites Wissen ist somit artikulierbar

und bezeichnet das in Schriftform festgehaltene Wissen und das-

jenige Wissen, welches von Personen umgehend kommuniziert

werden kann.

Im Gegensatz dazu versteht man unter implizitem Wissen je-

nes Wissen, welches nicht in Worte gefasst werden kann bzw.

von der Qualität des Wissens auch nicht in Worte gefasst werden

kann. Das implizite Wissen wird als Erfahrungsschatz verstan-

den.

Oft handelt es sich in den Unternehmen dabei um prakti-

sches Wissen, welches nicht artikulierbar ist.

Folgende Tabelle zeigt die Unterschiede zwischen implizitem und

explizitem Wissen.

Vgl. (Schreyögg et al. 1997), S. 71

Implizites Wissen

Explizites Wissen

Eigenschaften

schwer sprachlich artiku-

lierbar, schwer formali-

sierbar, schwer kommu-

nizierbar, schwer teilbar

formal artikulierbar (Fak-

ten, Sätze, Texte, Re-

geln, mathematische

Ausdrücke, technische

Daten)

Wissensart Erfahrungswissen,

prak-

tisches Wissen, still-

schweigendes Wissen,

Fertigkeiten

Verstandeswissen, theo-

retisches Wissen

Wissensverteilung Weitergabe schwer mög-

lich

Weitergabe problemlos

möglich

Wissensträger

In den Köpfen von Per-

sonen gespeichert.

In Medien gespeichert,

mittels elektronischer

Datenverarbeitung ver-

arbeitbar

Explizierung

Aufwändiger Prozess der

Externalisierung

Dokumentation in Zah-

len, Texten und Bildern

Aneignung

durch gemeinsame Pra-

xis

durch gemeinsames Ler-

nen

Tabelle 1: Unterscheidung zwischen implizitem und explizitem

Wissen

In der vorliegenden Arbeit ist unter explizitem Wissen sämtliches

Wissen zu verstehen, welches in entsprechender Form (z.B.: Ge-

spräch, Ton, Bild, Text, ... ) dokumentierbar ist. Am Beispiel ei-

nes Anlageberaters in einer Bank wären dies Produktbeschrei-

bungen bzw. Analystenempfehlungen über spezielle Fonds, Akti-

en usw.

Implizites Wissen ist im Gegensatz dazu sämtliches Wissen, wel-

ches sich nicht dokumentieren lässt. Das implizite Wissen wird

als undokumentiertes Erfahrungswissen bezeichnet, welches ein

Anlageberater in einer Bank mit langjähriger Kundenberaterer-

fahrung besitzt. Sobald sich implizites Wissen in Form von Tex-

ten, Fakten bzw. Regeln dokumentieren lässt, wird es in explizi-

tes Wissen gewandelt und als explizites Wissen gespeichert.

Implizites Wissen kann in den Unternehmen auch als praktisches

Wissen bezeichnet werden. Explizites Wissen wäre somit das

theoretische Wissen, welches in dokumentierter Form vorliegt.

Hat beispielsweise ein Anlageberater ein Kundenberatungsge-

spräch, so kann er seine Erfahrungen (implizites Wissen) prak-

tisch bei diesem Kunden anwenden. Hat er dabei verschiedene

Berechnungen durchzuführen oder braucht weitere Hilfsmittel, so

kann er auf das theoretische Wissen welches in dokumentierter

Form vorliegt zurückgreifen.

Zudem kann Wissen in privates und kollektives Wissen unter-

schieden werden. Privates Wissen (Individuelles Wissen) liegt

vor, wenn es sich nur bei einzelnen Individuen im Zugriff befin-

det (z.B. ein einzelner Anlageberater). Kollektives Wissen (Or-

ganisatorisches Wissen) ist für mehrere Benutzer zur gleichen

Zeit verfügbar.

Zuerst könnte festgestellt werden, dass implizi-

tes Wissen privates Wissen ist, da es in Form von Erfahrungen

vorliegt. Explizites Wissen ist meist auf verschiedenen Datenträ-

gern gespeichert und somit für alle abrufbar. Es könnte sich so-

mit um kollektives Wissen handeln. Es ist aber auch möglich,

dass implizites Wissen in mehreren Köpfen (z.B.: ein Team von

Anlageberatern) verfügbar ist und somit zum kollektiven Wissen

zählt. Explizites Wissen kann durch Verschlüsselung nur für ein

Vgl. (Rehäuser et al. 1996), S. 7

Individuum verfügbar sein. Es handelt sich somit um privates

Wissen.

Die folgende Abbildung zeigt diese verschiedenen Per-

spektiven von implizitem/explizitem und privatem/kollektivem

Wissen. Die Pfeile in der Grafik zeigen die Zielsetzung einer Wis-

sensbasis. Es sollte eine explizite, transparente Wissensbasis mit

einer hohen Verfügbarkeit geschaffen werden.

Individuelles Wissen Organisatorisches Wissen

Implizites Wis-

sen

· Expertenwissen

· Erfahrungen, Intu-

ition

· Wissen über Märk-

te, Unternehmen

und Technologien

· Ergebnisse von Mee-

tings, Workshops oder

Brainstorming

· Meta-Wissen: Wissen

über den Umgang mit

Wissen

Explizites Wis-

sen

· Fachzeitschriften

· Fachbücher

· Online-Patent-

Datenbanken

· CD-ROMs

· Lizenzen

· Vielschichtiges Wissen,

verschiedene Quellen

· formalisiert/strukturiert

· hohe Verfügbarkeit und

Transparenz

Abbildung 3: Perspektiven des Wissens

Quelle: (Gentsch 1999), S. 36

Vgl. (Rehäuser et al. 1996), S. 7

Vgl. (Gentsch 1999), S. 36

Zu den Managementaufgaben zählen vor allem: Planung, Or-

ganisation, Führung und Steuerung.

Da das Wissen in einem

Unternehmen ein sehr wertvoller Produktionsfaktor ist, muss

diese Ressource gemanagt werden. Deshalb ist Wissensmana-

gement eine neue und sehr wichtige Herausforderung in den Un-

ternehmen und somit auch in den Banken geworden.

Bei der Definition des Begriffes Wissensmanagement gibt es in

der Literatur eine Vielzahl an Definitionen von denen einige we-

sentliche aufgezeigt werden sollen.

,,Wissensmanagement als zielgerichtete Gestaltung organisatio-

naler Lernprozesse basiert darauf, erfolgsrelevantes Wissen zu

identifizieren, zu erzeugen bzw. zu entwickeln, in Verhalten um-

zusetzen, wobei dieses Wissen der Organisation durch geeignete

Diffusions- und Integrations- bzw. Modifikationsprozesse verfüg-

bar und damit nutzbar gemacht wird, woraus sich schließlich die

intendierten Verhaltensalternativen des gesamten Unternehmens

am Markt und die entsprechenden Wettbewerbsvorteile erge-

ben."

,,Wissensorientierte Unternehmensführung beinhaltet daher das

Gestalten, Lenken und Entwickeln der organisationalen Wissens-

basis zur Erreichung der Unternehmensziele. Diese Aufgabe bzw.

dieser Prozeß wird auch als Wissensmanagement bezeichnet."

Vgl. (Hellriegel et al. 1999), S. 8

(Reinhardt et al. 1997), S. 147

(North 1999), S. 145

,,KM is to maximize the enterprise's knowledge-related effective-

ness and returns from its knowledge assets and to renew them

constantly. KM is to understand, focus on, and manage system-

atic, explicit and deliberate knowledge buidling, renewal, and ap-

plication that is, manage effective knowledge processes

(EKP)."

"Knowledge management is the process of capturing a com-

pany's collective expertise wherever it resides in databases, on

paper, or in people's heads and distributing it to wherever it

can help produce the biggest payoff."

"Knowledge Management involves the identification and analysis

of available and required knowledge, and the subsequent plan-

ning and control of actions to develop knowledge assets so as to

fulfil organisations objectives."

Die Definitionen zeigen deutlich, dass es überall um den Begriff

Wissen geht, welcher in entsprechender Form in Unternehmen

vorhanden ist. Bei einer kritischen Betrachtung von verschiede-

nen Definitionen ist bemerkenswert, dass es sich beim Wissens-

management um einen Prozess handelt, der sich meistens an

den Bausteinen des Wissensmanagements nach Probst et al

orientiert. Es kommt aus den Definitionen deutlich hervor, dass

das Wissen identifiziert, erworben, entwickelt, verteilt, genutzt

und bewahrt werden muss, um die Unternehmensziele zu errei-

chen.

(Wiig 1997), S. 2

(Hibbard 1997)

(Macintosh 1996)

siehe dazu Kapitel 2.3.2

Werden diese Definitionen auf die Anlageberatung der Bank an-

gewendet, so hat das Management dafür zu sorgen, dass das

notwendige Wissen zum richtigen Zeitpunkt in der nötigen Men-

ge und Qualität am richtigen Ort verfügbar ist. Zudem muss da-

für gesorgt werden, dass die langjährigen Erfahrungen der Anla-

geberater gespeichert werden um somit einem Wissensverlust

durch Fluktuation der Wissensträger entgegenzuwirken. Um das

Wissensmanagement in der Praxis umzusetzen, wurden ver-

schiedene Konzepte bzw. Modelle des Wissensmanagements

entwickelt, welche im folgenden Abschnitt erläutert werden sol-

len.

2.3 Modelle des Wissensmanagements

2.3.1 Einleitung

Neben den zahlreichen Definitionen von Wissensmanagement

wurden auch zahlreiche Modelle des Wissensmanagements ent-

wickelt. Modelle haben das Ziel, Anhaltspunkte zu geben, damit

man sich den Begriff Wissensmanagement besser vorstellen

kann. Durch die Modelle soll die Komplexität verringert werden

und Orientierung für die Überbrückung von der Theorie bis zur

operativen Einführung geschaffen werden.

In diesem Abschnitt soll ein Überblick über die Modelle des Wis-

sensmanagements dargelegt werden, welche in der Praxis be-

reits getestet und auch angewendet wurden.

Bei der Betrach-

tung der Modelle wurde festgestellt, dass einzelne Modelle unter-

schiedliche Sichtweisen auf das Wissensmanagement zeigen. Die

verschiedenen Modelle wurden in folgende Cluster eingeteilt:

Vgl. (Hilse 2000), S. 72

Mit der Auswahl der Modelle wird kein Anspruch auf Vollständigkeit erho-

ben. Weitergehende Modelle sind in (Hilse 2000), S. 72 ff.; (Lehner 2000), S.

261 ff. zahlreich aufgeführt.

· Ganzheitliche Modelle des Wissensmanagements

· Modelle mit Teilaspekten des Wissensmanagements

2.3.2 Ganzheitliche Modelle des Wissensmanagements

Es gibt ganzheitliche Modelle des Wissensmanagements, welche

ein Modell als Gesamtkonzeption der Ressource Wissen im Un-

ternehmen unter betriebswirtschaftlichen Gesichtspunkten se-

hen. In diesem Cluster der ganzheitlichen Modelle werden fol-

gende Modelle näher beschrieben:

· Bausteine des Wissensmanagements nach Probst et al.

(1997)

· Wissensmarkt-Konzept nach North (1999)

Bausteine des Wissensmanagements

Hier handelt es sich um eines der bekanntesten Modelle des Wis-

sensmanagements, welches sich einem klassischen Manage-

mentprozess anlehnt, der sich in drei Teile gliedert:

1. Wissensziele definieren

2. Prozess um Wissensbasis transparent zu machen

3. Ergebnis bewerten

Folgende Abbildung verdeutlicht diesen Kreislauf des Wissens-

managements nach Probst et al.

Vgl. (North 1999), S. 153

Wissens-

identifikation

Wissensziele

Wissens-

bewahrung

Wissens-

erwerb

Wissens-

nutzung

Wissensent-

wicklung

Wissens-

(ver)teilung

Wissens-

bewertung

Feedback

Abbildung 4: Bausteine des Wissensmanagements

Quelle: (Probst et al. 1997a), S. 56

Die Bildung von Wissenszielen definiert richtungsweisende Ak-

tivitäten des Wissensmanagements. Es wird festgelegt, auf wel-

chen Ebenen welche Fähigkeiten aufgebaut werden sollen. Nor-

mative Wissensziele beziehen sich auf eine geeignete und wis-

sensbewusste Unternehmenskultur. Strategische Wissensziele

definieren das Kernwissen und den zukünftigen Kompetenzbedarf

von Unternehmen. Operative Wissensziele dienen der operativen

Umsetzung des Wissensmanagements und somit in der Konkreti-

sierung der normativen und strategischen Ziele.

Vgl. (North 1999), S. 153

Die Wissensidentifikation dient dazu, interne und externe

Transparenz zu schaffen. Diese Transparenz ist notwendig, um

einen Überblick über interne und externe Daten, Informationen

und Fähigkeiten zu bekommen. Dies kann mittels Wissensland-

karten

unterstützt werden. Beim Wissenserwerb werden ex-

terne Fähigkeiten eingekauft. Dies erfolgt beispielsweise durch

Rekrutierung von Spezialisten, Kooperationen mit innovativen

Firmen usw. Die Wissensentwicklung ist das Gegenteil vom

Wissenserwerb, denn bei diesem Baustein geht es darum, neues

Wissen, Fähigkeiten, neue Produkte, bessere Ideen und effizien-

tere Prozesse im Unternehmen aufzubauen. Der Baustein der

Wissensverteilung beschäftigt sich mit der Frage, wie das Wis-

sen an den richtigen Ort gebracht wird. Dabei ist zu klären, wel-

che Mitarbeiter welches Wissen in welchem Umfang benötigen,

und wie der Prozess der Wissensverteilung erfolgen kann. Erfah-

rungen müssen verteilt werden, damit sie von der gesamten Or-

ganisation genutzt werden können. Bei der Wissensnutzung

muss sichergestellt werden, dass die organisationale Wissensba-

sis auch genutzt wird. Zum Schluss muss noch die Frage geklärt

werden, wie sich das Unternehmen von Wissensverlusten schüt-

zen kann. Dies ist Aufgabe der Wissensbewahrung. Durch Re-

organisationen, Entlassungen, Pensionierungen und fehlende Ak-

tualisierung des Wissens kann Wissen aus dem Unternehmen

verloren gehen. Dazu ist es notwendig, dass das Wissen bzw. die

Erfahrungen der Mitarbeiter in einer Wissensbasis aufbewahrt

werden.

In der Wissensbewertung werden die gesetzten normativen,

strategischen und operativen Wissensziele auf deren Erreichbar-

keit gemessen.

Vgl. (Probst et al. 1997), S. 135

Vgl. (Probst et al. 1997a), S. 52 ff.

Das Wissensmarkt-Konzept

Das Modell nach North basiert auf der Annahme, dass das Wis-

sen ,,als knappe Ressource nur unter Betrachtung von marktori-

entierten Mechanismen innerhalb von Unternehmen und unter-

nehmensübergreifend wettbewerbwirksam entwickelt und ge-

nutzt werden kann."

Das Modell beinhaltet die Gestaltung der

Rahmenbedingungen, baut Marktmechanismen auf und definiert

die Medien und Träger des operativen Wissensmanagements.

Bei der Gestaltung der Rahmenbedingungen müssen das Unter-

nehmensleitbild, Führungsgrundsätze und Anreizsysteme die

Werte des Unternehmens wiederspiegeln. Wichtig ist dabei, dass

die Unternehmenswerte vom Management der Firma über alle

Führungskräfte bis hin zu allen Mitarbeitern gelebt werden. Da-

mit die Werte des Unternehmens täglich gelebt werden können,

wird das erwünschte Führungskräfteverhalten beschrieben und

das Ist-Verhalten an der Soll-Vorstellung gemessen. Im Beurtei-

lungs- und Vergütungssystem soll der Gesamterfolg des Unter-

nehmens honoriert werden (z.B.: Vergütung mit Hilfe von Akti-

enoptionen auf das Unternehmen). Bei der Definition der Spiel-

regeln wird ein Wissensmarkt geschaffen (Zusammenwirken von

Wissensnachfragern und Wissensanbietern) und anspruchsvolle

Ziele gesetzt (z.B.: 25 % des Umsatzes muss von Produkten

stammen, die jünger als 5 Jahre sind). Aufgrund dieser ehrgeizi-

gen Unternehmensziele werden mitunter neue Lösungen entwi-

ckelt und Innovationen ausgelöst. Als Prinzipien für die Schaf-

fung des Wissensmarktes können drei verschiedene Spielregeln

entwickelt werden. Das Interessen-Cluster-Prinzip dient dazu,

gemeinsame Interessen zu finden. Beim Leuchtturm-Prinzip wird

(North 1999), S. 160

Vgl. (North 1999), S. 160

Wissenstransparenz sowie Best Practices geschaffen. Das Push-

and Pull-Prinzip ermöglicht es, das Wissen nutzerspezifisch ver-

fügbar zu machen. Zur operativen Umsetzung des Wissensmark-

tes werden Träger (Personen, Netzwerke, Prozesse, Organisati-

onseinheiten) sowie Medien, welche Informationen speichern und

transportieren definiert.

Folgende Abbildung zeigt diese drei

Schritte nochmals in übersichtlicher Form.

Rahmenbedingungen

gestalten und steuern

Spielregeln des Wis-

sensmarktes anwenden

Prozesse, Strukturen des

operativen Wissens-

managements gestalten

und steuern

,,Unternehmensleitbild, Füh-

rungsgrundsätze und Anreiz-

systeme"

1.1 Verankerung des Wissens-

managements im Unter-

nehmensleitbild

1.2 Erwünschtes Führungskräf-

teverhalten beschreiben,

Ist-Verhalten daran mes-

sen, Auswahl und Förde-

rung gemäß erwünschtem

Verhalten

1.3 Im Beurteilungs- und Ver-

gütungssystem Kooperation

und Gesamterfolg des Un-

ternehmens honorieren

,,Marktwert für Wissen"

2.1 Wissensmarkt

schaf-

fen: anspruchsvolle

Ziele setzen und Er-

füllung messen

2.2 Marktausgleichme-

chanismen wirksam

werden lassen

· Interessen-

cluster-Prinzip

· Leuchtturm-

Prinzip

· Push- und Pull-

Prinzip

,,Träger und Medien"

3.1 Konzeption von Wis-

sensintegrationspro-

zessen

3.2 Umsetzen der Prozes-

se durch

· Akteure des Wis-

sensmanagements

· Medien und Orga-

nisationsstrukturen

(insbesondere

Netzwerke)

· Informationstech-

nische Infrastruk-

tur

Abbildung 5: Das Wissensmarkt-Konzept

Quelle: (North 1999), S. 223

Vgl. (North 1999), S. 223 ff.

2.3.3 Modelle mit Teilaspekten des Wissensmanagements

Die Mehrheit der dargestellten Konzepte konzentrieren sich auf

einzelne ausgewählte Teilaspekte des Wissensmanagements und

der Prozess des Wissensmanagements wird nicht ganzheitlich

betrachtet. Folgende Modelle sollen näher beschrieben werden

und es soll gezeigt werden, dass einzelne Teilaspekte des Wis-

sensmanagements nicht bzw. zu wenig berücksichtigt werden.

Modell

Fehlender Teilaspekt des WM /

Konzentration auf Teilaspekte

Modelleigner

Modell des integra-

tiven Wissensma-

nagements

wenig Hilfestellung für operatives

Wissensmanagement

Reinhardt &

Pawlowsky

(1997)

Lebenszyklusmodell

des Managements

der Ressource Wis-

sen

technokratisches Wissensmanage-

ment (IT steht im Vordergrund)

Rehäuser &

Krcmar (1996)

Vier Akte zum Wis-

sensmanagement

Zusammenhang zwischen Unter-

nehmenszielen und Wissenszielen

kaum dargestellt

Schüppel (1996)

Management nicht-

finanzieller Res-

sourcen

strategisches Management steht im

Vordergrund

Morin (1985)

Systemisches Wis-

sensmanagement

Modell zur Schaffung einer

organisationalen Wissensbasis

Willke (1998)

Die Spirale des Wis-

sens

Modell der Wissensgenerierung

Nonaka & Ta-

keuchi (1995)

The knowledge

management cycle

- Modell des organisationalen Ler-

nens

Van der Spek &

Spijkvert (1999)

Tabelle 2: Modelle mit Teilaspekten des Wissensmanagements

Modell des integrativen Wissensmanagements

Mit diesem Modell von Reinhardt und Pawlowski sollen die kon-

zeptionellen Voraussetzungen für ein integratives Wissensmana-

gement gesetzt werden. Das Modell des integrativen Wissens-

managements beschreibt in vier Phasen den Kreislauf vom orga-

nisationalen Lernen. Dieser Kreislauf soll folgende Abbildung ver-

deutlichen.

Identifikation

Messen /

Überwachen

Generierung

Integration

Modifikation

Aktion

Diffusion

Abbildung 6: Organisationales Lernen als integratives Wis-

sensmanagement

Quelle: (Reinhardt et al. 1997), S. 148

Die Phase 1 beinhaltet die Identifikation und Generierung von

relevantem organisationalen Wissen. Dabei wird das Unterneh-

mensumfeld und die Nutzung der gewonnenen Informationen

analysiert. Zudem wird neues Wissen innerhalb der Organisation

generiert. Dies erfolgt durch Kombination von verteiltem indivi-

duellem Wissen, was eine Kernkompetenz im Hinblick auf die

Entwicklung von Lösungen für Kundenbedürfnisse darstellt. In

der Phase 2 erfolgt die Diffusion organisationalen Wissens. Da-

mit Wissen in der Organisation zugänglich gemacht werden kann

muss ein Austausch dieses Wissens erfolgen. Deshalb wird in

dieser Phase untersucht, welche Kommunikationskanäle inner-

halb der Organisation existieren und wie diese Kommunikations-

kanäle genutzt werden. Außerdem wird analysiert, welche Kom-

munikationsformen den Austausch innerhalb der Organisation

prägen und welche Kommunikationsbarrieren vorhanden sind.

Die Modifikations- bzw. Integrationsphase (Phase 3) beschäftigt

sich mit der Frage, ,,wie viel Abweichungen von den eigenen

Handlungstheorien bzw. Widerspruch ein Wissenssystem ,,ertra-

gen" kann, ohne sich verändern zu müssen".

Informationen

bzw. Wissenselemente können ignoriert werden (Wissenssystem

wird nicht verändert), integriert werden (als neue Prinzipien in

die Handlungstheorie der Organisation aufgenommen) oder sie

geben Anlass zur Modifikation des gesamten Wissenssystems. In

Phase 4 entscheidet sich, ob bzw. welche Verhaltenskonsequen-

zen die Wissenssysteme aus dem neuen Wissen ziehen. In dieser

Aktionsphase muss geklärt werden, wie das Wissen in Verhalten

umgesetzt werden kann, wie Einsichten und Erkenntnisse hand-

lungswirksam werden, welche Blockaden möglicherweise existie-

ren, so dass Ideen und Erneuerungen nicht in Verhalten umge-

setzt werden kann, ob beispielsweise das betriebliche Anreizsys-

tem die Umsetzung der Neuerungen blockiert und inwieweit die

Möglichkeit besteht, neuere Verhaltensweisen zu erproben.

Aufgrund der Komplexität dieses Modells soll ein Beispiel von R.

Reinhardt und P. Pawlowsky wiedergegeben werden.

Vgl. (Reinhardt et al. 1997), S. 149 ff.

(Reinhardt et al. 1997), S. 150

Vgl. (Reinhardt et al. 1997), S. 149 ff.

,,1. Ein Mitglied der Geschäftsleitung identifiziert aufgrund von Marktdaten einen

Handlungsbedarf, um die eigene Wettbewerbssituation zu sichern.

2. In mehreren Meetings mit seinen Kollegen

3. wird ein Konsens über einzuleitende Massnahmen erzielt.

4. Im Mittelpunkt dieser Massnahme steht die Einbeziehung aller Mitarbeiter in der

Gesamtorganisation,

5. um deren spezifisches Know-how systematisch nutzen und zumindest für die

Geschäftsleitung neues Wissen generieren zu können.

6. Auf der Basis der Daten einer unternehmensweit durchgeführten Mitarbeiterbefra-

gung erarbeiten alle Gruppen jeweils gemeinsame Vorstellungen für notwendige

Verbesserungen,

7. setzen diese, soweit sie in ihrem Verantwortungsbereich liegen, selbst um

8. und machen Vorschläge für bereichsübergreifende Verbesserungsprozesse, die an

die Geschäftsleitung weitergeleitet werden,

9. die auf der Basis einer gemeinsamen Perspektive über unterschiedliche Verbesse-

rungsprojekte beschliesst,

10. die wiederum von den betroffenen Abteilungen bzw. Bereichen umgesetzt werden,

11. was nachhaltig von einer Modifikation der organisationalen Wissensbasis und

12. zu einer Verbesserung der Wahrnehmungsfähigkeit der Organisation führt."

Lebenszyklusmodell des Wissensmanagements

Dieses Modell ist vor allem ein technokratisches Modell zur Ver-

arbeitung von explizitem Wissen und wurde deshalb den Model-

len der Informations- und Kommunikationstechnologie zugeord-

net. Das Lebenszyklusmodell organisiert das Management der

Ressource Wissen in einem typischen Lebenszyklus, welcher sich

in fünf Phasen unterteilt. Hinter diesen fünf Managementphasen

stehen mehrere Prozesse. Die Inhalte werden in einer prozessua-

len, technikgetriebenen Sichtweise aufgezeigt, um deren Zu-

sammenhänge und deren einsetzbaren Werkzeuge im Prozessab-

lauf darstellen zu können. Folgende Abbildung zeigt das Lebens-

zyklusmodell des Wissensmanagements.

(Reinhardt et al. 1997), S. 152

(North 1999), S. 157

Abbildung 7: Lebenszyklusmodell des Managements der Res-

source Wissen

Quelle: Vgl. (Rehäuser et al. 1996), S. 20

Der Lebenszyklus beginnt mit der Phase des Managements der

Wissens- und Informationsquellen. Dies beinhaltet das Er-

kennen und Erheben von Wissen, welches noch nicht in die Wis-

sensträger und Informationsressourcen eingegangen ist. Das

Management der Wissensträger und Informationsressour-

cen dient zur Darstellung und Speicherung des aufgespürten

Wissens. Spätestens mit der Wissensrepräsentation sind

Zugriffsmöglichkeiten (physischer und intellektueller Zugang) zu

definieren. Zudem ist für die Pflege des Wissens und die In-

standhaltung der elektronischen Wissensträger zu sorgen. In der

Phase des Managements des Wissensangebotes ist das Wis-

sen bereitzustellen, welches für die Lösung auftretender wis-

sensorientierter Probleme notwendig ist. Es wird ein Wissensan-

gebot erzeugt, welches an potentielle Wissensbenutzer weiterge-

geben wird. Bei der Weitergabe werden die Wissenselemente

und Informationen aufbereitet und erhalten durch analysieren,

umordnen, reproduzieren, reduzieren und verdichten eine Wert-

Details

Seiten
Erscheinungsform: Originalausgabe
Jahr: 2003
ISBN (eBook): 9783832470326
ISBN (Paperback): 9783838670324
DOI: 10.3239/9783832470326
Dateigröße: 1.1 MB
Sprache: Deutsch
Institution / Hochschule: Hochschule Liechtenstein – Wirtschaftswissenschaften
Erscheinungsdatum: 2003 (Juli)
Note: 1,8
Schlagworte: expertensystem erfahrungsmanagement

Autor

Andreas Benz (Autor:in)