Wissen, Lernen, Weiterbildung

Schwerpunkte: Wissen als Produktionsfaktor, Transfer und Diffusion, KMDL, Schutz intellektuellen Kapitals, Lernen und Weiterbildung durch neue Technologien, Grundlagenforschung, Augmented Reality, Künstliche Intelligenz im Bereich Transfer und Wissen in Organisationen, Lernfabrik

Wissen als vierter Produktionsfaktor und seine Bedeutung für den Unternehmensalltag

Neben den drei klassischen Faktoren Arbeit, Boden und Kapital, gewinnt Wissen als vierter Produktionsfaktor immer mehr an Bedeutung im Zuge der Digitalisierung. Im Gegensatz zu den anderen Ressourcen ist Wissen der einzige Faktor, der sich vermehrt wenn er geteilt wird und der deswegen nicht nur geschützt, sondern auch aktiv gemanagt werden muss. Wissensmanagement verspricht Methoden und Techniken zur Gestaltung der Entwicklung, Verteilung und Nutzung von Wissen. Im Mittelpunkt unserer Forschung stehen daher der Transfer und die Aufnahme von Wissen, wie auch die beeinflussenden Faktoren und die dadurch verursachten, individuellen organisationalen Veränderungen.

Die Erweiterung herkömmlicher Modellierungssprachen um den Faktor Wissen - KMDL®

Die Knowledge Modeling and Description Language (KMDL) wurde von Prof. Dr.-Ing. Norbert Gronau und Mitarbeitern entwickelt, um Wissenskonversionen entlang von Geschäftsprozessen darstellen zu können. Sie modelliert Informations- und Wissensflüsse, die zwischen einem Unternehmen und seinen internen und externen Geschäftspartnern stattfinden und bietet z.B. die Basis zur Prävention von Produktpiraterie. Als semiformale, graphenbasierte Modellierungssprache wird die KMDL® in der Forschung und Praxis eingesetzt und kann durch ihre Beschreibung von Wissensumwandlungen im betrieblichen Umfeld bedeutende Verbesserungspotentiale für das herrschende Wissensmanagement identifizieren. Mehr Informationen finden Sie unter kmdl.de

Der Schutz intellektuellen Kapitals: ein Softwarewerkzeug zur Verminderung von Produktpiraterie

In Form von Marken- und Produktpiraterie werden deutsche Unternehmen immer häufiger zum Ziel wettbewerbsschädigender und zumeist wirtschaftskrimineller Machenschaften. Der technologische Fortschritt und die verstärkte Vernetzung zwischen Zulieferern, Kunden und Servicepartnern begünstigt das Angriffspotential einer fatalen Abschöpfung von Unternehmens-Know-How. Um das Risiko der Informations- und Wissensweitergabe hinsichtlich möglicher Produktpiraterie einzuschätzen und eine bewusste Steuerung der Wissensabflüsse vorzunehmen, wurde an unserem Lehrstuhl ein Softwarewerkzeug zur Identifikation von kritischen Informations- und Wissensflüssen entwickelt. Der Knowledge Firewall Designer (KFD) führt Anwender im Unternehmen in mehreren Schritten durch einen Analyseprozess und identifiziert mit Hilfe von KMDL® handlungsrelevante Schnittstellen zur Einführung von Schutzmaßnahmen.

Die neue Bedeutung von Lernen und Weiterbildung durch digitale Technologien

Digitale Technologien und das Internet beeinflussen alle Bereiche des Lebens und stellen neue Anforderungen an die Bildung und Weiterbildung. Die entsprechende Kompetenzvermittlung beginnt bereits während der Schulausbildung und wird innerhalb der Aus- und Weiterbildung fortgesetzt. Es stellt sich die Frage, welche Kompetenzen in einer digitalen Welt notwendig und relevant sind und wie diese erlangt werden können. Unsere Forschungsgruppe beschäftigt sich hierbei insbesondere mit den Fragestellungen, welche gesellschaftlichen Veränderungen mit der Digitalisierung der Bildung und Weiterbildung verbunden sind, welche Rolle digital unterstützte Lehr- und Lernkonzepte spielen und auf welche Art und Weise wichtige Akteure (Schulen, Unternehmen) mit den Themen Bildung und Weiterbildung umgehen und wie neue Lehr-/ Lernfarmen etabliert werden können.

Experimentelle Grundlagenforschung - Wie wir lernen und vergessen

Viele Arbeitsroutinen werden von der digitalen Transformation erfasst. Mitarbeiter müssen neue Verfahren und Vorgänge lernen und gleichzeitig alte Routinen vergessen. Willentliches, gesteuertes Vergessen wird damit zum funktionalen Gegenstück der Datensammlung und des Lernens. In unserer Forschung untersuchen wir dabei empirisch die kognitiven und sozialen Vorgänge. Unter dem Ziel der Schaffung einer transformationsfreundlichen Arbeitsumgebung werden in Laborexperimenten die realen Arbeitsprozesse nachempfunden und die Wirkung neuer Technologien auf die beteiligten Personen und Teams beobachtet.

Augmented Reality: Komplexitätsreduktion im Aufgabenbereich

Die Digitalisierung führt zwangsläufig zu einer Zunahme der Komplexität an Handlungsmöglichkeiten. Die Industrie muss daher Produkte entwerfen, die es den Anwendern ermöglicht, sich so einfach wie möglich in dieser neuen Welt zu bewegen. Digitale Techniken können dabei helfen, komplexe Aufgaben wie beispielsweise eine Maschinenbedienung ungebunden von langwierigen Schulungen oder Suchen nach Informationen flexibel zu bewältigen. Augmented Reality bietet eine Möglichkeit, die Zweidimensionalität eines Handbuches zu überwinden, sodass der Nutzer den Anwendungsprozess räumlich visualisiert vorfindet und die realen Komponenten mit den digitalen Entsprechungen direkt zueinander ins Verhältnis setzen kann. Unsere Forschung sucht nach AR-Lösungen, die durch visualisierte Produktionsanleitungen die Komplexität des Aufgabenbereichs reduzieren. Unter anderem ist bereits ein Prototyp zur Begleitung von Montagevorgängen entstanden, der den Nutzer in jedem Schritt des Aufbaus begleitet. Messungen zeigen, dass Fehler im Aufbau durch AR verringert werden und sich teilweise erhebliche Zeitvorteile erreichen lassen.

Künstliche Intelligenz im Bereich Transfer und Diffusion von Wissen in Organisationen

Organisationen zeichnen sich in der Regel durch ein hohen Grad an Verteilung, einer Vielzahl von Teilnehmern bzw. Systemen und der Möglichkeit zur direkten Interaktion zwischen allen Teilnehmern aus. Das Gesamtsystem des Unternehmens kann in seiner Struktur mit biologisch effizienten Einheiten wie etwa einem Bienenschwarm, einer Ameisenkolonie oder dem menschlichen Gehirn verglichen werden. Künstliche Neuronale Netze, Schwarmintelligenzen oder Ameisenalgorithmen sind eine Unterkategorie des Maschinellen Lernens und beinhalten den Versuch, die biologische effiziente Einheit und ihre Arbeitsweise nachzubilden. In unserer Forschung untersuchen wir hierbei Fragestellungen, wie Organisationen Wissen aufnehmen und vergessen und setzen das Zusammenspiel einer biologisch effizienten Struktur gleich mit dem eines Unternehmens um Organisationsformen zu finden, in denen einzelne Akteure zum Zweck eines größeren Unternehmensziel zusammenarbeiten.

Unsere Lernfabrik des Forschungs- und Anwendungszentrums Industrie 4.0

Die Lernfabrik im Forschungs- und Anwendungszentrum Industrie 4.0 setzt auf eine mitarbeiterorientierte Annäherung an das Konzept Industrie 4.0. Die Teilnehmenden werden in Weiterbildungsprojeken dazu ermutigt, das eigene Arbeitsumfeld sowie mögliche Veränderungen mithilfe gewonnener praktischer Erfahrungen zu reflektieren. Dabei stehen insbesondere die Anwendung und das Erleben von praxisnahen Szenarien im Vordergrund.