Knowledge Management im Zeitalter der digitalen Transformation

Digitale Transformation und kognitives Computing sind eine Kombination von Daten und Algorithmen / Damit werden die Fähigkeiten der Menschen erweitert und die Art und Weise, wie wir die Realität erfassen, teilen und Wissen wiederverwenden verändert
(PresseBox) (Köln, ) Neue Daten bringen neue Möglichkeiten zum Knowledge Management

Digitale Transformation und kognitives Computing sind eine Kombination von Daten und Algorithmen, um diese zu analysieren. Damit werden die Fähigkeiten der Menschen erweitert und die Art und Weise, wie wir die Realität erfassen, teilen und Wissen wiederverwenden verändert.

Wie Digital-Transformation das Gesicht von Knowledge Management verändern wird

Die drei Bereiche mit transformativen kurzfristigen Implikationen für Knowledge Management sind: Suche, Fachwissen und vorausschauende Wissenslieferung. Bevor Entscheidungen über die digitale Transformation im Unternehmen getroffen werden sind einige Begriffe zu klären.

Die Kosten der Suche

Die Kosten zur Suche der nach Informationen ist vor allem bei Wissensarbeitern und in der Administration ein bedeutsamer Kostenfaktor. Das Problem ist es, die wichtigen Unternehmensinformationen zu lokalisieren. Wissensarbeiter müssen in der Lage sein, ihre Informationen mit andren zu teilen und sie zu verwenden, unabhängig von wem und welchem Format sie kommen. Viele Ideen müssen neue erfunden und neu eingeführt werden, weil die ursprüngliche Arbeit nicht gefunden werden kann oder nicht bekannt sind.

Die Entwicklung der Suche

Ein wichtiger Aspekt der digitalen Transformation ist die Suche. Nach der Untersuchung der APQC-Umfrage „Workspace of the Future 2016“, ist die Suche der häufigste Weg für einen Mitarbeiter, sich Informationen zu beschaffen. Fast alle (94%) suchen mehr als einmal pro Woche Informationen.

Die Mitarbeiter wollen bestimmte Änderungen, um ihren Zugang zu Unternehmens-informationen zu verbessern. Diese Verbesserungen konzentrieren sich auf die Erfüllung des Wunsches von Wissen und Lernen - gerade genug, just in time, speziell für ihn. Insbesondere äußerten sie den Wunsch nach:
 
  • mehr kuratierte Ergebnisse - Suchanfragen, die eine kleine Sammlung von hochrelevanten hochwertigen Inhalten zurückgeben (anstelle von Hunderten oder Tausenden von potenziellen Hits);
  • mehr personalisierte Ergebnisse - Suchanfragen, die maßgeschneiderte Inhalte basierend auf der Rolle des Benutzers, dessen Erfahrungsstand, vergangene Suchgewohnheiten berücksichtigen und
  • antizipatorische Ergebnisse - Systeme, die proaktiv Inhalte liefern, wann und wo es benötigt wird, ohne dass der Benutzer suchen muss. Ideal wäre es, wenn das System wüsste, was wir gesucht haben und auf der Grundlage vergangener Verhaltensweisen bestimmen könnte, was wir wahrscheinlich jetzt brauchen?
Dabei stehen zwei Möglichkeiten zur Verbesserung der Suche im Vorderrund:
 
  1. Anstatt Schlüsselwörter in ein Suchfeld einzugeben, verwenden die Benutzer die Sprachinteraktion, um Fragen direkt an das System zu stellen und dann synthetisierte Antworten in natürlicher Sprache zu erhalten. Solche Systeme könnten auch kontextbezogene Informationen über die Arbeit des Benutzers, Projekte und vergangenes Verhalten nutzen, um hochrelevante Informationen im Idealformat zu liefern.
  2. Nutzung aller Daten, die Unternehmen über ihre Geschäfte und Mitarbeiter haben, um die Suchergebnisse für jeden Benutzer und jede Situation zu optimieren. Durch die Kombination von traditionell zugänglichen Daten aus HR und der Unternehmens-Taxonomie mit neueren Quellen, wie den Inhalten eines Mitarbeiters (einschließlich Video), der Aktivität in Gemeinden und sozialen Netzwerken und dem Surfen / Laden von Geschichte kann das System ein reichhaltiges Kontextbild ableiten, dass den Mitarbeiter mit den wichtigsten Ressourcen verlinkt.
Die nächste Generation der Expertise Location

Nach wie vor ist das Problem der Kenntnis des Ortes für Fachwissen ein großes Problem. Obwohl inzwischen gute Systeme existieren, behindern die begrenzten Daten, die oft nicht die aktuellsten Interessen und Aktivitäten der Mitarbeiter widerspiegeln. Allerdings ist die Notwendigkeit für eine verbesserte Expertise Lokation akuter als je zuvor. So gaben 78% der Befragten an, dass sie produktiver wären, wenn sie robustere Werkzeuge für die Suche und Verbindung mit Experten hätten. Für die Suche nach dem richtigen „Know How- Standort“ ist nur ein besonderer Fall der Suche nach hochwertigen Inhalten. Deshalb können die gleichen Werkzeuge und Systeme, welche für die Content-Suche gebraucht werden, verwendet werden.

Wie bei jeder Adressierung von Know-how Abfragen beinhaltet diese das Verständnis, was jeder Benutzer wirklich sucht. Zum Beispiel ist er oder sie neu in dem Thema und glücklich, mit Kollegen verbunden zu sein, die etwas erfahrener sind? Oder sucht er oder sie einen validierten Fachmann auf dem Feld? Je nach Kontext der Suche kann ein Benutzer einen lokalen Kontakt, den regionalen oder externe Experten, einen Kollegen suchen, der sich häufig mit Fragen zu diesem Thema beschäftigt, externe Experten und Verbände. Wenn das System die Absicht der Kompetenzsuche bestimmen kann, wird es in der Lage sein, den Benutzer mit den richtigen Kontakten und Ressourcen nahtlos zu verbinden.

Kontakt

INeKO - Benchmarking Center Europe
Gottfried-Hagen-Str. 60-62
D-51105 Köln
Prof. Dr. Matthias Schmieder
Geschäftsführer

Bilder

Social Media