Das Thema ‚Kollektive Intelligenz‘ erreicht in letzter Zeit vermehrt eine gewisse Popularität. In dieser Studie werden die Entstehung und Relevanz kollektiver Intelligenz in Unternehmen untersucht. Gleichzeitig bietet sie einen Überblick über den Stand der empirischen Forschung. Die Analyse schafft Klarheit bezüglich der Definitionsvielfalt, differenziert verwandte Unterbegriffe kollektiver Intelligenz und arbeitet einflussreiche theoretische Grundlagen der System- und Selbstorganisationstheorie heraus. Notwendige und hinreichende Rahmenbedingungen, welche ein Unternehmen zur Förderung von kollektiver Intelligenz schaffen kann, werden aufgezeigt und das sogenannte ‘Genom-Konzept’ vorgestellt. Im Verlauf wird deutlich, dass die ausgewählten praxisorientierten Methoden für die Lösung bestimmter unternehmensspezifischer Fragestellungen praktikabel einsetzbar sind. Durch die Nutzung kollektiver Intelligenz kann sowohl ein Mehrwehrt für den einzelnen Mitarbeiter als auch für Abteilungen oder die gesamte Firma entstehen. Diese Studie liefert einen Beitrag zum Verständnis kollektiver Intelligenz und zur Weiterentwicklung eines vollständigen Konzeptes für den Unternehmenskontext.

Textprobe: Kapitel 3, Entstehungsbedingungen kollektiver Intelligenz: Damit KI im Unternehmen entstehen kann und bestimmte Methoden von KI genutzt werden können, bedarf es bestimmter Bedingungen. Zunächst wird ein Konzept von KI vorgestellt, welches sich mit notwendigen Bausteinen für ein methodisch durchdachtes und planvolles kollektives Intelligenzsystem beschäftigt. Anschließend werden allgemeingültige Bedingungen für KI erläutert, welche durch das Unternehmen geschaffen werden können. Insgesamt betrachtet sind die vorgestellten Bedingungen sowohl übergeordnete Voraussetzungen für die Entstehung von KI, als auch Teilvoraussetzungen für erfolgreiche Gruppenarbeit. Die Gruppe stellt folglich implizit das Fundament für KI dar, wobei KI selbst der Outcome der Kollektivleistung ist. 3.1, Das Genom-Konzept: Im Zuge des Aufbaus einer Theorie zu KI haben Malone et al. (2010) versucht, die Bausteine von KI zu identifizieren und zu klassifizieren. Dieses sogenannte ‘Genom-Konzept’ soll Managern helfen, die systematisch sinnvollste Herangehensweise an eine Problemstellung herauszufinden und somit ein maßgeschneidertes kollektives Intelligenzsystem zu schaffen. Die Autoren entwickelten das Konzept an insgesamt 249 Beispielen für KI, und obwohl internetbasierte Beispiele im Fokus lagen, betonen sie ausdrücklich, dass die Dimensionen des Konzepts wichtig sind ‘in designing any system for collective action, be it a traditional organization or a new kind of electronically connected group’ (Malone et al., 2010, S. 22). Dieses Bausteinkonzept veranschaulicht Fragen, die sich Führungskräfte vorab stellen sollten, und es verdeutlicht wichtige Stellschrauben von KI. Es hilft bei der Entscheidung, ob angesichts der jeweiligen Bedingungen Gruppenarbeit überhaupt ratsam ist und stellt jeweilige Vor- und Nachteile dar. Das Rahmenwerk des Konzepts besteht aus vier Leitfragen (vgl. Malone et al., 2010, S. 23): - What is being done? (Zielfrage), - Who is doing it? (Personalfrage), - Why are they doing it? (Motivationsfrage), - How is it being done? (Struktur- bzw. Prozessfrage). Im Zusammenhang mit diesen Grundfragen existieren 16 Gene, die das Design eines kollektiven Intelligenzsystems beeinflussen und den vier Fragen jeweils in bestimmten Kategorien zugeordnet sind (vgl. Malone et al., 2010, S. 24ff.). Eine Übersicht über die verschiedenen Entscheidungswege bietet Tab. 1 (S. 22). Am Anfang steht dabei die Frage, was die eigentliche Aufgabe, das Problem oder das Ziel ist. Diese kann im Unternehmenskontext minimalistischerweise mit ‘Erschaffen (Create)’ oder ‘Entscheiden (Decide)’ beantwortet werden. Meist geht es darum, eine neue Idee, ein neues Produkt oder eine neue Vision zu kreieren oder aber zwischen Alternativmöglichkeiten zu entscheiden. Danach sollte eine Antwort darauf gefunden werden, wer in den Lösungsprozess eingespannt wird, wobei die Möglichkeiten hier bei ‘Hierarchie/Management’ oder ‘Gruppe (Crowd)’ liegen. Im vorliegenden Kontext ist hauptsächlich die Möglichkeit der Gruppe interessant, weswegen der Weg, einzelne oder ein paar wenige Experten zu bemühen, hiermit nur erwähnt sei. Denn wenn Spezialisten bekannt sind und sichergestellt ist, dass diese mit hoher Wahrscheinlichkeit das beste Ergebnis liefern, so ist es meist überflüssig, sich über die Gruppenalternative Gedanken zu machen. Ist die Fragestellung jedoch so aufgebaut, dass sie von jedem, der sich zur Bearbeitung entschließt, gelöst werden kann, so sollte die Wahl auf das Gen ‘Gruppe’ fallen (vgl. Malone et al., 2010, S. 26). Dieser Weg ist v.a. zu empfehlen, wenn man das Potenzial der vielen erschließen will und nicht genau klar ist, wer letztlich die Lösung weiß. Des Weiteren muss geklärt werden, welchen Anreiz die Beitragenden erhalten sollen oder welche Art von Motivation hinter ihrem Handeln stecken könnte. Malone et al. (2010) kategorisieren diese Gründe in ‘Geld’, ‘Interesse (Love)’ und ‘Anerkennung (Glory)’, wohlwissend, dass diese nicht die gesamte Bandbreite menschlicher Motivationsmöglichkeiten abdecken. Der Baustein ‘Interesse’ kann dabei viele Formen annehmen, z.B. intrinsische Motivation durch die Sache selbst, soziale Gründe oder aber der Beitrag in Bezug auf das große Ganze. Beeindruckend ist, dass im Rahmen von KI vielen Menschen Interesse oder Anerkennung als Anreiz auszureichen scheinen, um einen Beitrag zu leisten (vgl. Wikipedia oder Amazon). Malone et al. (2010, S. 29) sind der Meinung, dass die Auswahl ungeeigneter Anreize der wichtigste Grund für einen Fehlschlag von KI ist. Als letzter Punkt steht schließlich die Entscheidung über die Methode der Aufgabenlösung an. Diesbezüglich kann wieder eine Unterscheidung in die Subkategorien ‘Erschaffen’ und ‘Entscheiden’ vorgenommen werden. Gilt es, etwas zu kreieren, so kann die Lösung zum einen aus der ‘Sammlung (Collection)’ der Einzelbeiträge aller stammen, welche unabhängig von allen anderen entstanden sind (vgl. Flickr oder YouTube). Zum anderen kann sie durch ‘Zusammenarbeit (Collaboration)’ aller gefunden werden, da eben gerade nicht mehrere Personen alleine am gleichen Problem arbeiten können (vgl. Linux). Soll im Gegensatz dazu über etwas entschieden werden, so kann dies entweder als ‘Gruppen-’ oder ‘Einzelentscheidung’ innerhalb der Gruppe erfolgen. Für erstere Kategorie stehen Instrumente wie ‘Wahl’, ‘Durchschnitt’, ‘Konsens’ oder ‘Prognosemärkte’ zu Verfügung, wobei eine Entscheidung generiert werden soll, die letztlich die Gruppenmeinung repräsentiert. Für letztere eignen sich ‘Märkte’ oder ‘Soziale Netzwerke’, bei denen die Einzelentscheidungen am Ende nicht übereinstimmen müssen (vgl. Malone et al., 2010, S. 30f.). Das Genom-Konzept kann als Landkarte gesehen werden, bei der sich Manager an jeder Weggabelung für eine der Alternativen entscheiden müssen. Malone et al. (2010, S. 31) erheben damit keinesfalls den Anspruch auf Vollständigkeit. Durchaus können in der Zukunft weitere Bausteine die vorliegende Grundstruktur ergänzen oder sich Bedingungen verschieben. Zum jetzigen Zeitpunkt stellt das Konzept für Verantwortungsträger jedoch einen Leitfaden dar, wie sie konstruktiv an das Phänomen von KI herangehen können. Durch systematisches Abfragen der Möglichkeiten wird der Zufälligkeit entgegen getreten, mit welcher in der Vergangenheit viele Beispiele von KI entstanden sind.

• Schwarmintelligenz

• Systemtheorie

• Aufstellungen

• Vorhersagemärkte

• Großgruppenmethoden

Maike S. Unger wurde 1982 in der Nähe von Landsberg am Lech geboren. Nach ihrer erfolgreichen Ausbildung zur Bankkauffrau in München entschied sie sich für das Studium der Wirtschaftspädagogik an der Universität Konstanz am Bodensee. Nach Auslandsaufenthalten in den U.S.A. und Kanada schloss die Autorin 2010 ihr Studium mit dem akademischen Grad des Diploms ab. Geprägt durch Einblicke in den Personalbereich großer Unternehmen während des Studiums widmete sich die Autorin dem Phänomen der kollektiven Intelligenz und dem praktischen Bezug dieser zur Personalarbeit.