Beispiele für das (Weiter-)Entwickeln von Wissen und zur Entscheidungsfindung (Dossier 3)

Last modified by TobiasSteinherr on 2018/02/08 13:44

Inhaltsverzeichnis

Zusammenfassung


Unter das Dossier zur (Weiter-)Entwicklung von Wissen und zur Entscheidungsfindung fallen Anwendungsbeispiele wie Prognosemärkte und Big-Data-Analysen in unterschiedlicher Komplexität (descriptive, diagnostic, predictive, prescriptive Analytics). Die Beispiele ermöglichen die Herstellung korrelativer oder kausaler Zusammenhänge, die Ableitung von Handlungsempfehlungen und die Optimierung von Prozessen.

In der Praxis stellt sich heraus, dass typische Anwendungen von Verfahren zur Entwicklung von Wissen und Entscheidungsfindung häufig auch weiteren Zwecken dienen: Wissen soll eben nicht bloß analysiert, sondern häufig zugleich gesammelt und bereitgestellt (vgl. Dossier 1) oder geordnet bzw. bewertet werden (vgl. Dossier 2). Die prototypisch ausgewählten Beispiele im vorliegenden Dossier können deshalb teilweise mehreren Zwecken zugeordnet werden; gleichwohl liegt ihr Fokus auf der Wissensentwicklung und Entscheidungsfindung.

Schematischer Aufbau der Beispiele


Zunächst sind die Beispiele nach einheitlichem Schema dargestellt. Ein rascher Überblick veranschaulicht in Form einer grafischen Darstellung die Zuordnung zum Dossier, die vier im Folgenden erläuterten Dimensionen (Interaktion, Dauer, Komplexität, Durchdringungstiefe auf der Wissensschöpfungskette), das genutzte Verfahren, den Innovationsbereich (z. B. Unternehmen oder Öffentliche Hand), Land und – soweit bekannt – Ort der Anwendung sowie die Sprache der Quelle veranschaulicht. Dem folgen die Kurzbeschreibung des Beispiels und eine Erläuterung, wie die Charakterisierung anhand der genannten Dimensionen vorgenommen wurde.

Zunächst wurde die Komplexität des Verfahrens hinsichtlich seiner Implementierung und Pflege (z. B. Ressourcenaufwand) auf den Stufen niedrig – mittel – hoch bewertet. Bezüglich der Dauer wurde zwischen abgeschlossenen und sich laufend weiterentwickelnden Anwendungen unterschieden. So ist eine Online-Datenerhebung für ein einzelnes Forschungsprojekt typischerweise als abgeschlossen zu bewerten, während sich ein Wiki oder ein Blog laufend entwickeln. Die Interaktion zwischen Akteuren und Rezipienten orientiert sich an vier Stufen: 

  1. Keine Interaktion, Nutzer bekommen Informationen und Bewertungen bereitgestellt, ohne Frage- und Kommentarfunktion  
  2. Einfache Reaktion, Möglichkeit, die bereit gestellten Informationen durch die Nutzer zu kommentieren und nachzufragen  
  3. Gestaltende Rückkopplung, Nutzer können bereit gestellte Informationen und Vorschläge selbst verändern, ergänzen, überarbeiten und umfassend bewerten  
  4. Vollständige Rückkopplung, Informationen und Vorschläge entstehen erst in dem Austausch und der Interaktion zwischen verschiedenen Nutzern, welche diese zugleich umfassend bewerten. 

Schließlich interessiert, wie tief die Wissensschöpfungskette mittels der Anwendung durchdrungen wird: Löst sie nur einzelne Aufgaben oder ist ein kompletter Prozess von der Wissenssammlung über die Ordnung und Bewertung bis zur Entscheidungsfindung abgedeckt?

Ausgewählte Beispiele


In der derzeitigen Fassung enthält jedes Dossier einige Beispiele aus einem Pool von insgesamt rund 180 recherchierten Beispielen; bis zum Abschluss des Forschungsprojektes kann diese Auswahl noch verändert und erweitert werden. Die Auswahl der Beispiele erfolgte nicht zuletzt aufgrund ihrer Eignung für den Transfer in den weiteren Leistungsbeispielen. Dabei sollten jedoch nicht nur „Leuchtturm“-Beispiele dargestellt werden, stattdessen wurde eine möglichst große Bandbreite angestrebt und auch der Versuch unternommen, kritische Entwicklungen und mögliche Hürden aufzuzeigen. Hier die Auswahl im Überblick:

  1. Der Bürgermeister der Stadt Cali in Kolumbien nutzte epidemiologische Ansätze, um mittels Big Data Analysen gegen die Ursachen von Gewaltverbrechen vorzugehen.
  2. UL gibt mit der Plattform PurView Einzelhändlern die Möglichkeit sich über Produkte direkt beim Hersteller zu erkundigen.
  3. Volkswagen verwendet das Verfahren der Prognosemärkte, um unter Einbeziehung von Mitarbeitern Ideen zur Umsatzsteigerung zu entwickeln.
  4. Anhand von ortsgebundenen Twitterposts wurde ein Verfahren zur Erfassung von Migrationsströmen entwickelt.
  5. Adidas nutzte in Kooperation mit der Universität Bamberg einen Prognosemarkt zur Vorhersage von Marktanteilen, Preis, Innovationen und Motivationen.
  6. Die Stadt Monheim ruft ein Portal zur Befragung der Bürger zum Haushalt ins Leben.
  7. DHL entwickelt ein Programm zur Risikoanalyse von Handelsketten, um diese sicherer und effizienter zu machen.
  8. IKEA stellt Schauräume auf Facebook, auf denen sich Nutzer auf Möbeln markieren können, um diese zu gewinnen.
  9. Die Sparkasse errichtet in Zusammenarbeit mit Brandwatch eine Abteilung zum gezielten Monitoring von Sozialen Medien.
  10. Jeff Kirschner startet mit dem Teilen eines Bildes und dem Hashtag „#Litterati“ eine Aktion zum Entsorgen von herumliegenden Müll.
  11. Die Prognosys Bewertungs GmbH richtete zusammen mit dem General-Anzeiger Bonn zur Landtagswahl in Nordrhein-Westfahlen eine Wahlbörse ein.
  12. Das CityScienceLab der HafenCity Universität Hamburg beschäftigt sich mit den Herausforderungen für die Städte der Zukunft.

Tabellarischer Überblick


Im Dossier 3 „Entwicklung von Wissen zur Entscheidungsfindung"  gibt es Überschneidungen mit den Dossiers 1 „Sammeln und Bereitstellung von Wissen und Informationen“ sowie 2 „Ordnen und Bewerten von Wissen“.

Überwiegend sind die ausgewählten Beispiele in der Komplexität als „mittel“ einzustufen und es handelt sich meist um abgeschlossene aber auch sich entwickelnde Anwendungen. Innerhalb des dritten Dossiers ist eine gestaltende Rückkopplung am häufigsten anzufinden. Dies bedeutet, dass bereitgestellte informationen und Vorschläge von Nutzern verändert, ergänzt, überarbeitet und umfassend bewertet werden können. Die Wissensschöpfung ist zu etwa gleichen Anteilen als punktuell, bzw. als Prozess angegeben.

Bezug zu folgenden Leistungsbausteinen


Anschließend wird ein knapper Ausblick auf die Übertragbarkeit der Beispiele zur Lösung von Herausforderungen in der Kommunalen Selbstverwaltung, der Stadtforschung und im Wissenstransfer gegeben. Mögliche Transferfälle werden genannt, die als Ausgangsbasis für die folgenden Leistungsbausteine des Forschungsprojekts dienen sollen und erste Ideen für die Relevanz und Nutzbarkeit der Verfahren liefern.

Der letzte Abschnitt des Dossiers listet die Quellen auf.

100404-15080_03_Dossier3_html_ba91f9a9318f8a3d.png

Tabellarischer Überblick über die Charakteristika der ausgewählten Beispiele

 

Tags:
Created by TobiasSteinherr on 2018/02/08 13:43