1. CONTINUOUS SOCIAL LEARNING IN KNOWLEDGE NETWORKS Wissensreifung – neue Perspektiven für den Umgang mit Informationen Andreas Schmidt Scientific Coordinator http://mature-ip.eu

2. Outline Ausgangspunkt Wissensreifungsmodell Beispiele: Semantic MediaWiki – wiki-basiertes Datenmanagement People Tagging - Kollaboratives Kompetenzmanagement Fazit

3. Problem Vielfalt an unterschiedlichen Informationssystemen Datenbanken, Wikis, Dokumentenmanagementsysteme, Expertendatenbanken, BPM, Learning-Management-Systeme, … => Was ist angemessen? Wie sollten Übergänge aussehen? Mehr Agilität gefordert Viele Unternehmenssysteme werden als schwerfällig wahrgenommen Nicht nur Informationen, sondern auch ihre Struktur muss anpassbar sein Schemata, Vokabulare, Prozessmodelle, … => Wo braucht man mehr Flexibilität? Wie kann man diese Flexibilität zugänglich machen? MATURE - Continuous Social Learning in Knowledge Networks

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

5. 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

6. Unterschiedliche Arten von Wissen contentmaturing processmaturing ontologymaturing (incl. competencies) 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

7. Wissensreifungsmodell Entwickelt auf der Basis von Fallstudien von Unternehmenssituationen Ursprünglich Zusammenbringen von E-Learning und Wissensmanagement Im Rahmen des Projektes MATURE Empirische Studien (ethnographische Studien, Interviews mit 139 Unternehmen in Europa) Partizipative Prototypenentwicklung und deren Evaluation („Design-basedresearch“) Ganzheitliche Sicht: Mensch, Organisation und Technik MATURE - Continuous Social Learning in Knowledge Networks

8. MATURE - Continuous Social Learning in Knowledge Networks Technische Unterstützung

9. Lernprozesse in der Informationsmodellierung Web 2.0: Inhalte können von einer großen Gruppe beigetragen werden und bewertet werden Schritt weiter: Informationsmanagement 2.0 Strukturen und Vokabulare können ausgehandelt werden statt starrer Schemata und starrer kontrollierter Vokabulare Prozessmodelle werden bottom-up aus dem kollaborativen Task Management entwickelt (SAP) Grundprinzipien Nutzung sozialer Aushandlungsprozesse Gardening statt Kontrolle

10. Gardening MATURE - Continuous Social Learning in Knowledge Networks Reseeding Reseeding Reseeding Evolutionary growth seeding Evolutionary growth Evolutionary growth

11. Semantic MediaWiki MATURE - Continuous Social Learning in Knowledge Networks

14. MATURE - Continuous Social Learning in Knowledge Networks KollaborativesKompetenzmanagement

15. 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

17. MATURE - Continuous Social Learning in Knowledge Networks

18. MATURE - Continuous Social Learning in Knowledge Networks

19. Neue Sicht auf Kompetenzkataloge Ontologieentwicklung als Lernprozess Andreas Schmidt: MATURE - Den Wissensreifungsprozess in Unternehmen verbessern

20. Fazit

21. Zusammenfassung und Ausblick Informationsmanagement-Infrastrukturen müssen bewusst den Reifungsprozess berücksichtigen Angemessene Repräsentationsformen (keine Über- oder Unterformalisierung) Modelle müssen kontrolliert änderbar werden Überdenken von Berechtigungskonzepten „Gardening“ als Prinzip Stichwort: Enterprise 2.0 Mehr Partizipation Soziale Aushandlungsprozesse bewusst einsetzen Kulturbewusste Gestaltung