Wissensarbeiter

Ich verstehe mich als Wissensarbeiter.

Meine Arbeit besteht in den für Wissensarbeit typischen Tätigkeiten, das Schaffen, Verbreiten und/oder Anwenden von Wissen in Form bleibender Erkenntnisse; bspw. als Sachverständiger in Form von Gutachten oder gutachterlichen Stellungnahmen, oder durch Veröffentlichungen und im Rahmen von Unternehmensberatungen.

Wissensarbeit

Wissensarbeit wird als Lösung problembezogener komplexer Fragestellungen mit einer wertschöpfenden Komponente verstanden. Deshalb bin ich als Wissensarbeiter nicht nur Kopfarbeiter. Wissensarbeit ist hochgradig sowohl personen- als auch kommunikationsorientiert. Charakteristisch für Wissensarbeit ist auch, dass die Arbeit komplex, wenig determiniert und folglich schwer in vorgegebenen Abläufen standardisierbar ist.

Wissensarbeit schafft ständig neues Wissen und baut auf Erfahrungen Anderer auf. Dabei agiere ich, ebenfalls für Wissensarbeiter typisch, stark autonom und bin wenig direkt anleitbar.

Wissen versus Meinung

Es ist mir wichtig hervorzuheben, dass es bei der Wissensarbeit nicht um Meinung geht; weder um meine noch die von Dritten! Selbst dann nicht, wenn es die richtige Meinung, also die wahre Meinung sein sollte. Es geht um evidenzbasiertes Wissen. Bereits Sokrates diskutierte mit Menon über Wissen und Meinung. Meinungen sind schön und gut, bleiben aber nicht lange, so dass sie gemäß Sokrates nicht viel wert sind.

Davon abzugrenzen ist Bullshitten. Der Bullshitter verbreitet eine Meinung, von welcher es ihm egal ist, ob sie stimmt oder nicht. Ihm geht es weder um die wahre Meinung noch um evidenzbasiertes Wissen.

Wissensbildung und Erkenntnisse

Wissensbildung wird bereits seit Sokrates als begründendes Denken verstanden, aus welcher sich bleibende Erkenntnis bildet. Deshalb ist Wissen wertvoller als Meinung, selbst dann, wenn die Meinung richtig ist. Insofern kommt der ERFORSCHUNG, verstanden als Erkenntnisgewinn, eine besondere Bedeutung zu. Das Erforschen und der Erkenntnisgewinn ist zwar kostenintensiv, führt aber final zu mehr Wohlstand:

FORSCHUNG ist die „Umwandlung von Geld in Wissen“.
Die „Umwandlung dieses Wissens in Geld“ ist wiederum INNOVATION.
INNOVATION führt dazu, dass meine Kunden Preissetzer und nicht Preisnehmer werden.
In der Folge führe ich meine Kunden über evidenzbasiertes Wissen zu wirtschaftlichem Erfolg und Wohlstand.

Typische Aufgaben

Typisch für Wissensarbeiter ist die Suche nach neuartigen Lösungen für bekannte Probleme und das Behandeln bislang unbekannter Fragestellungen. Häufig ist ein zu lösendes Problem als solches noch gar nicht erkannt oder definiert. Gerade in kreativen und explorativen Bereichen wird der Problemraum erst durch die Wissensarbeit erschlossen.

Genau das hat mich seit meinen jungen Jahren beruflich angetrieben. Nicht grundlos meldete die damalige NIXDORF-COMPUPTER AG für eine meiner (damals noch als Betriebsschlosser) entwickelten Idee bereits im Alter von 22 Jahren das erste Patent an. Im Laufe der Jahre wurden es 10 Patentrechte mit einem erheblichen monetären Wert.

Problemlösungskompetenz

Ich verfüge über die für Wissensarbeit erforderliche überdurchschnittlich hohe Problemlösungskompetenz, darüber hinaus auch über die Fähigkeit, mit Komplexitäten umzugehen. Gemäß dem Grundsatz „Struktur bricht Komplexität“ durchdringe ich statische und dynamische Komplexitäten zunächst methodisch-kognitiv und breche sie sodann für die jeweiligen Stakeholder verständlich herunter.

Dabei kommt mir meine Asperger-Veranlagung, wodurch ich ständig Strukturen und Entitäten suche, zu Hilfe. Auch aufgrund meiner interdisziplinären Ausbildung und langjährigen interdisziplinären beruflichen Erfahrung bin ich in der Lage Herausforderungen komplexer zu sehen als sie augenscheinlich sind. Dieses, in Verbindung mit speziellen Methoden, finde ich auch außergewöhnliche Lösungsansätze. Für das Lösen von Standardaufgaben bieten sich tendenziell andere Dienstleister an.

First Principle Thinking

Das Denken der ersten Prinzipien ist eine Kreativitätsmethode die insbesondere in einem dynamischen Umfeld sinnvoll ist. Sie erfordert es frühere Annahmen und Hindernisse aufzubrechen, um eine völlig innovative Lösung zu schaffen.
Algorithmische Logik

Zunächst werden die erfolgsbestimmenden Variablen und Parameter sowie deren tatsächliche und mögliche Relation identifiziert. Dadurch entsteht ein mathematisches oder lediglich ein qualitatives Modell. Daraus leitet sich ein tiefes Verständnis für die eigentliche Fragestellung ab. Die Parameter können dann als KPI im Managementsystem implementiert werden.
Effectuation-Management

In einem dynamischen Umfeld und einer nicht vorhersehbaren Zukunft versagen klassische Methoden wie Planung und die Entwicklung von Visionen. Es bleibt nur die Anpassung, als reaktives Vorgehen, oder Effectuation als aktive Gestaltungsmethode. Im Kern geht es beim Effectuation-Management um den Umgang mit der Zukunft, insbesondere um neue Ideen zu schaffen.
Backcasting

Diese Strategie-Methode ist eine wesentliche Grundlage für die Gestaltung der Zukunft. Dabei wird von einem bestimmten Ziel aus rückwärts geschaut, um die erforderlichen Änderungen und Maßnahmen zu ermitteln, die auf dem Weg zu diesem Ziel erforderlich sind.

Value-Engineering (VE)

Dabei handelt es sich um eine strukturierte Denkmethode für die Entwicklung und Planung von Projekten, Produkten, Aufgaben und Services. Im Zentrum dieser Methode stehen die Weiterentwicklung und Verbesserung von physischen oder digitalen Produkten, basierend auf der vorangehenden Value Analysis (Wertanalyse). Grundlage ist DIN-EN 12974. Value wird nicht als Wert verstanden, sondern als das Verhältnis von Nutzen zu Aufwand. Wird dieses Verhältnis optimiert, entsteht ein Added-Value.
Value-Management (VM)

Ein Managementstil der besonders geeignet ist Menschen zu mobilisieren, Fähigkeiten zu entwickeln sowie Synergie und Innovation zu fördern, jeweils mit dem Ziel, die Gesamtleistung einer Organisation zu optimieren.
Projektmanagement

Dabei handelt es sich um eine strukturierte Denkmethode für die Entwicklung und Planung von Projekten, Produkten, Aufgaben und Services. Im Zentrum dieser Methode stehen die Weiterentwicklung und Verbesserung von Produkten, basierend auf der vorangehenden Value Analysis (Wertanalyse). Als Grundlage dient DIN 69901 oder PRINCE 2.

Resilienztheoretische Ansätze

Misserfolge sind nicht das Gegenteil von Erfolg, sondern sie sind ein zwingender Bestandteil des Erfolges. Das erklärt auch, dass Daten die nicht zum Erfolg geführt haben durchaus einen höheren monetären Wert haben können, als diejenigen Daten, die zum Erfolg führten. Der Wissenszuwachs aus diesen Daten ist schlichtweg höher.

Während bei der statischen Resilienz ein Fehler eine Störung darstellt, ist bei der dynamischen Resilienz der Fehler systemimmanent. Deshalb bin ich ein Verfechter der dynamischen Resilienz. Hier bildet sich mit jedem Fehler zusätzliches Wissen entlang der Wissenstreppe und wird Teil eines qualifizierten Wissensmanagements.

ZEICHEN, die in Verbindung mit Syntax zu Daten werden
DATEN, die in Verbindung mit ihrer Bedeutung zu Informationen heranreifen
INFORMATIONEN, die durch ihre Vernetzung zu Wissen werden
WISSEN, welches in Verbindung mit Anwendungskompetenz zu Können wird

KÖNNEN, das in Verbindung mit Wollen zum Handeln wird
HANDELN, das in Verbindung mit ´das Richtige tun´ zu Kompetenz heranreift
KOMPETENZ wird in Verbindung mit Einzigartigkeit zum Wettbewerbsvorteil

welcher sodann monetarisiert werden kann und zu geldwerten Vorteilen führt. Jede Stufe stellt eine Wertzuwachs von Daten und Informationen dar.

Wissensdiagramm

Wissen kann in Wissensdiagrammen, auch semantisches Netzwerk bezeichnet, grafisch dargestellt werden. Ein Wissensgraph ist ein Netzwerk aus realen Entitäten – also Objekten, Ereignissen, Situationen oder Konzepten – und veranschaulicht die Beziehungen zwischen ihnen.

Sämtliche große Sprachmodelle (Large Language Model / LLM), über welche Künstliche Intelligenz menschliche Sprache versteht und erzeugt, bauen auf solchen Wissensdiagrammen auf. LLM greifen also weniger auf Daten als solches zurück, sondern verknüpfen Wissen auf der 4. Stufe der Wissenstreppe. LLM halluzinieren, weil sie nicht wissen, ob das Wiedergegebene richtig ist. Sie beherrschen nicht die Wissensstufen „Können“, „richtig Handeln“ und „Kompetenz“. Diese Stufen obliegen nach wie vor den Wissensarbeitern.

Wissen als Wirtschaftsgut

Das Hauptkapital von Wissensarbeitern ist ist Methodenkompetenz und Wissen. Deshalb ist ein hohes Maß an Ausbildung, und zwar eine breit gefächte Ausbildung, Fachwissen und Erfahrung erforderlich, was sich aus meiner Vita ergibt. Nur ein kleiner Teil ist theoretisches Wissen. Ein weitaus höherer Anteil besteht in der praktischen Erfahrung.

Der überwiegende Teil des Wissens resultiert jedoch aus Fehlern; die eigenen Fehler, aber auch die Fehler anderer. Ich habe eine überdurchschnittlich hohe Fähigkeit Fehler zu erkennen; und aus diesen Fehlern zu lernen. Ich werde nicht alt genug und ich bin nicht reich genug um alle Fehler selbst machen zu können.

aufgegliedert, um sie sodann zu bewerten.

Die Wissensbilanz zeigt die Zusammenhänge zwischen den organisationalen Zielen, den Geschäftsprozessen, dem intellektuellen Kapital sowie dem Geschäftserfolg einer Organisation auf und beschreibt diese Elemente mittels Indikatoren. Sie ermöglicht es immaterielle Wirtschaftsgüter bzw. Vermögenswerte, die sich in einer nationalen oder internationalen Handelsbilanz nicht abbilden lassen, bspw. der Wert der Kundenbeziehungen und Lieferantenbeziehungen, abzubilden. Die Bilanzierung von Wissen ist insbesondere bei der wissensbasierten Unternehmensführung, welche den 4. Reifegrad der Wissenstreppe darstellt, interessant.

Die Wissensbilanz ist ein standardisiertes Berichtsinstrument aller öffentlichen Universitäten in Österreich. Sie stellen eine Grundlage für die Erstellung der Leistungsvereinbarungen zwischen dem Bundesministerium für Bildung, Wissenschaft und Forschung (bmbwf) und den Universitäten dar und ermöglichen das Monitoring derselben.

Voraussetzungen

Um Wissensarbeit produktiv einzusetzen, sind drei Voraussetzungen erforderlich:

Erstens Menschen, die ihr Wissen einbringen.
Zweitens ein hoher Digitalisierungsgrad, durch welche die Wissensarbeit unterstützt wird.
Drittens neue und neuartige Orte, welche die produktive Wissensarbeit nicht nur ermöglichen, sondern fördern.

Das gilt nicht nur für den Wissensarbeiter als Individuum, sondern auch für Unternehmen, deren Geschäftszweck Wissensarbeit ist. Da Wissen auf Daten basieren, nimmt im Datenzeitalter die Anzahl solcher Unternehmen stark steigend zu.

Den Geist den Ortes nutzen

Als Digital-Nomade genieße ich die Freiheit für meine Tätigkeit einen geeigneten Arbeitsort zu suchen. Dieses um den Genius Loci, den Geist des Ortes, für die wissensbasierte Problemlösung zu nutzen. Auch dadurch entstehen andere Erkenntnisse, als bei einer Wissensarbeit in einem statischen Büro mit einem statischen Schreibtisch.

Einsatz von Künstlicher Intelligenz

Wissen stellt eine zentrale Rolle im Entwurf von KI-Systemen dar. Deshalb ist Künstliche Intelligenz sowohl Hilfsmittel für Wissensarbeit, aber auch das Produkt von Wissensarbeit.

Neue digitale bzw. datenbasierte Technologien bieten Wissensarbeitern ganz neue Möglichkeiten. Sie leisten in allen Wertschöpfungsstufen Unterstützung, insbesondere darin das Wissen zu erweitern, neue Erkenntnisse zu gewinnen, aber auch Wissen mit den richtigen Personen zu teilen und die eigene so wie fremde Produktivität signifikant zu erhöhen. Deshalb setze ich bei meiner Wissensarbeit im besonderen Maße auf datenbasierte Technologien wie Künstliche Intelligenz.

Knowledge-Added Value

Wissensarbeiter verdienen nicht nur Ihren Lebensunterhalt mit wertschöpfenden Denken. Da sich Wissen vermehrt wenn es geteilt wird, tragen Wissensarbeiter zu einem Mehrwert in einer Vielzahl von Lebensbereichen, insbesondere von Unternehmen bei.

Der Begriff des Wissensarbeiters ist übrigens nicht neu, sondern wurde erstmalig im Jahr 1959 vom Managementexperten Peter Drucker beschrieben. Seitdem hat sich das Verständnis über den Wissensarbeiter jedoch deutlich verändert.