Innovationsbezogene Kompetenzentwicklung in „Open Innovation“-Netzwerken der IT-Branche

Sabrina Ziebarth, Nils Malzahn, Prof. Dr. H. Ulrich Hoppe, Universität Duisburg-Essen

{ziebarth, malzahn, hoppe}@collide.info

1. Einleitung Unternehmensportale werden häufig genutzt, um Wissen unternehmensweit zu verbreiten, zu verteilen und zu verstetigen. Im Rahmen von Innovationsprozessen können sie dazu dienen, Phasen kooperativer Ideengenerierung zu initiieren oder zu unterstützen. In innovationsgetriebenen, KMU-geprägten Branchen ist es sinnvoll, solche Prozesse und Informationsflüsse auf ein Branchenportal zu übertragen, zumindest sofern es sich um vorwettbewerbliche Fragestellungen handelt. Hierdurch kann eine kritische Masse an Innovationstreibern für „Open Innovation“ [1] geschaffen werden. Proaktive und potentialorientierte Kompetenzentwicklung stellt im Rahmen einer Branche, die durch technische Innovationen geprägt ist, eine wichtige Voraussetzung für die erfolgreiche Findung und Umsetzung Innovationsstrategien dar (vgl. [2]). Die digitale Wirtschaft ist aufgrund der Geschwindigkeit der technologischen Entwicklungen durch Partizipation in Foren geprägt. Dies begründet eine offene Wissenskultur im Sinne von DeLong und Fehey [3], welche eine günstige Voraussetzung für den Wissensaustausch ist. Zudem unterstützt das Zugehörigkeitsgefühl der Branchenmitglieder die Betrachtung des Branchenwissens als Beitrag zum Gemeinwohl der Branche (i.S. von [4]) sowie die Bereitschaft (vorwettbewerbliches) Wissen zu teilen. Im Kontext der Web2.0-Entwicklungen hat sich gezeigt, dass die Mitglieder einer Community durch aktive Teilnahme Einfluss auf die Lernprozesse innerhalb der Community nehmen können, in dem sie an der Wissenserhebung und -konstruktion in Blogs, Wikis und Tags teilnehmen (vgl. [5]). Daher wird im Projekt KoPIWA der Ansatz einer Web2.0-Akademie (siehe Abbildung 1) verfolgt. Innerhalb der Community werden relevante Lernbedarfe z.B. bezogen auf Technologietrends oder neue Rechtsnormen innerhalb der vorhandenen Beiträge zu Blogs, Wikis und Foren identifiziert. Diese Beiträge stellen gleichzeitig das Rohmaterial für Lernmaterialien dar, die gemeinsam mit Weiterbildungsanbietern der Branche erstellt werden können. So wird eine Sammlung von branchenweit weitgehend akzeptierten Lern- und Wissensobjekten aufgebaut, welche aktuelle Entwicklungen der Branche aufgreifend, die Fähigkeit zur Innovation und dem Umgang mit dynamischen Entwicklungen der teilnehmenden Unternehmen erhöht. Aus Management- oder Unternehmensentwicklungssicht stellt dieser Ansatz also ein Konzept zum Wissensaufbau in sehr dynamischen Wissensbereichen sowie zum Herstellen eines gemeinsamen Verständnisses (s. [6]) dar, welches wiederum die Grundlage für nachhaltige Innovationen ist (vgl. [7]). Obwohl dieser Prozess als selbstorganisierend verstanden wird, zeigt die Erfahrung(vgl. [8]), dass Steuerungsgruppen hilfreich sind, die die Diskussions- und Entscheidungsprozesse moderieren und inzentiveren. Dazu stehen ihnen Steuerungs- und Anreiz-Mechanismen zur Verfügung um beispielsweise die Benutzerbeteiligung zu stimulieren oder die Erstellung von Inhalten zu bestimmten Themen zu fördern.

Abbildung 1: KoPIWA-Portal: Akademie-Seite

Im Projekt KoPIWA (http://www.kopiwa.de) wurde in Zusammenarbeit mit dem Bundesverband Digitale Wirtschaft (BVDW) ein Portal geschaffen, in dem sich die Mitglieder des Verbands einerseits austauschen und andererseits fortbilden können. Die Plattform ist dabei sowohl als Arbeits-, als auch als Lernplattform konzipiert. Sie stellt neben Anreizsystemen zur Teilnahme an „Open Innovation“-Prozessen vor allem Werkzeuge für Wissensmanagement und Kompetenzentwicklung zur Verfügung. Im Folgenden werden die Mechanismen zur Unterstützung von Lernprozessen (Abschnitt 2) sowie zur Unterstützung von Kompetenz-Management und -Entwicklung (Abschnitt 3) im Detail beschrieben.

2. Open Learning Loop Der zyklische Prozess zur kollaborativen Identifikation und Deckung von Lernbedarfen ist in dem sog. „Open Learning Loop“ veranschaulicht (s. Abbildung 2). Er basiert auf der Idee selbstorganisierender, kybernetischer Feedback-Schleifen.

Abbildung 2: Der „Open Learning Loop“

Der „Open Learning Loop“ besteht aus sechs unterscheidbaren Phasen. Der initiale Bedarf sich mit einem neuen Thema auseinanderzusetzen kann durch ein internes oder externes Ereignis ausgelöst werden und führt zu einem Startpunkt („Identifikation von Trends“). An diesem Punkt werden spezifische Methoden der Trenderkennung angewendet (siehe auch Abschnitt 2.1). Da die Web2.0-Akademie stark mit ihrer Stakeholder-Community verknüpft ist, haben die an der Web2.0-Akedemie beteiligten Parteien ein hohes Interesse daran, geeignete Ideen, Wissen, Kontext-Informationen und Lösungsansätze bezüglich der identifizierten Trends innerhalb der Community auszutauschen („Community Diskurs“) und anschließend in (Weiter-) Bildungs-Curricula („Curriculum-Aufbau“) einfließen zu lassen. Aufbauend auf den Artefakten die durch Beiträge im Community-Diskurs geschaffen wurden, werden im nächsten Schritt Lernobjekte geschaffen (vgl. [9]). Ausgewählte „Lernobjekte“ werden in Rich Media „Learning Nuggets“ überführt und für Lerner und Firmen bereitgestellt, die diese dann einsetzen, diskutieren und bewerten („Lernen und Diskutieren“). Dies ist eine entscheidende Phase, da die Koordinatoren des Open Learning Loops entscheiden müssen, welche Themen weiterentwickelt und stimuliert werden sollen und welche ausreichend bearbeitet wurden („Erweiterung durch die Community“). Die „Open Learning Loop“ ist ein komplexer sozialer Prozess, so dass Incentive-Systeme (siehe auch Abschnitt 2.2) hilfreich sind, um eine intensive Beteiligung von Stakeholdern und Benutzern zu stimulieren. Im Folgenden werden Mechanismen und Technologien zur Unterstützung der einzelnen Phasen des „Open Learning Loops“ vorgestellt.

2.1 Trenderkennung In der Anfangsphase des „Open Learning Loops“ werden – besonders beim ersten Durchlauf des Zyklus – Informationen über neu aufkommende Trends als Startpunkt für die nachfolgenden Phasen benötigt. Die KoPIWA-Plattform bietet drei Ansätze zur Trend-erkennung: Umfragen, Beitragsanalyse und Social Navigation. Umfragen sind besonders zur Initiierung des Zyklus geeignet und wurden dazu auch im KoPIWA-Projekt eingesetzt, da sie keine Daten innerhalb der Plattform benötigen und damit Anlaufprobleme vermieden werden. Außerdem besteht die Möglichkeit, dass sich die Teilnehmer der Befragung an den nachfolgenden Ergebnis-Diskussionen beteiligen und so erste Beiträge auf der Plattform schaffen. Sobald eine angemessene Menge an Interaktionsdaten (z. B. Blogeinträge, Diskussionsbeiträge Dokumente, Kurse, etc.) auf der Plattform entstanden ist, können

Verfahren des Datamining und der Sozialen Netzwerk Analyse angewendet werden um Trends anhand der Beziehung zwischen Personen und Artefakten bzw. Themen zu identifizieren. Die Ergebnisse können entweder in Form von Trend-Listen oder als navigierbare Personen-Themen-Netzwerke dargestellt werden. Die zweite Visualisierung kann genutzt werden, um

anhand von „Trusted Authorities“ (vgl. [10]) Trends zu identifizieren. Ergänzend zu den vorgestellten Ansätzen wird ein einfaches Tool bereitgestellt werden, welches auf Basis der Plattform-Aktivitäten aktuelle Themen („Hot Topics“) anzeigt.

2.2 Fame Mirror Um die Motivation zur aktiven Partizipation zu erhöhen wird ein sog. „Mirror“-Konzept (vgl. [11]) zur Darstellung des erworbenen Ruhms eingesetzt. Der sog. „Fame Mirror“ (siehe. [12] u. Abbildung 1) erlaubt es Community-Mitglieder auszuzeichnen, welche zu den Inhalten der Plattform in besonderer Art und Weise beigetragen haben, beispielsweise durch die Erstellung hochqualitativer Inhalte, hilfreicher Kommentare in Diskussionen oder durch die Herstellung von Beziehungen zwischen Inhalten. Sie erhalten dafür Ruhmespunkte, welche sich im portalweiten Vergleich durch höhere Ränge wiederspiegeln. Diese motivieren einerseits, da sie das soziale Ansehen erhöhen. Andererseits ermöglichen sie Akademie-Mitglieder zu identifizieren, die geeignet sind hoch-qualitative Kurse zu gestalten oder die Experten in neuen Gebieten sind. Dies schafft neben den ideellen Mehrwerten für die betroffenen Personen ggf. auch monetäre.

2.3 Community Diskussionen und Lernobjekt-Entstehung Die Community-Diskussionen finden in bekannten Internet-Werkzeugen wie Diskussionsforen oder Blogs statt. Diese unterscheiden sich in der Akademie von denen anderer Internetportale dadurch, dass Diskussionen durch Dokumente und Beziehungen zu anderen Ressourcen sowohl innerhalb als auch außerhalb der Plattform angereichert werden. Dies geschieht beispielsweise um ein Argument weiter zu erläutern, weiterführende Informationen zur Verfügung zu stellen oder die Glaubwürdigkeit eines Arguments zu erhöhen. So entstehen als Nebenprodukt der Diskussionen „Wissensobjekte“, die die Basis für neue „Learning Nuggets“ darstellen können.

2.4 Informations-Hub Besonders in der Phase der Erstellung von Inhalten ist das „Ernten“ von Informationen, welche in der Diskussionsphase „gesät“ wurden, sowie solchen, die durch das automatische Crawlen externer Webseiten gefunden wurden, von Interesse. Die Grundidee dabei ist verknüpfte Informationen über Themen bereitzustellen, die in der Akademie diskutiert werden (z.B. Trend-Themen, Kurs-Inhalte). Diese können dazu genutzt werden um neue Lerninhalte zu erstellen, unmittelbar als Lernobjekte eingesetzt werden oder als Einstieg in die Informationsbeschaffung zu einem neuen Thema dienen. Das Crawlen externer Informations-quellen erfolgt mit Hilfe der Schlagwortsuche großer Suchmaschinen wie Google. Die Schlagworte dazu werden aus Tags zu und charakteristischen Worten in den vorhandenen Inhalte generiert. Es existieren zwar auch komplexere Ansätze für fokussiertes Crawlen (z.B. [13]), jedoch werden diese ohnehin in der genutzten Suchmaschinen eingesetzt, so dass einfache Anfragen ausreichen.

2.5 Kollaboratives Erstellen von „Rich Media Learning Nuggets“ Der Schritt von der Unterstützung von Diskussionen in Web2.0-Umgebungen hin zu der Erstellung von Rich Media „Learning Nuggets“ in einer dedizierten Autoren-Umgebung (mit Unterstützungsfunktionen für Designer und Entwickler) ist sehr wichtig. Um die hohe Qualität der der resultierenden Learning Nuggets sicherzustellen wird das webbasierte, kollaborative Autorensystem „Create“ des Unternehmens reflact AG1 eingesetzt.

2.6 Reflektionsunterstützung Um die Reflektion der Lerner zu fördern werden die Learning Nuggets in Foren und andere

1 http://www.reflact.com/

Web2.0-Werkzeuge integriert. Die Selektion der verbundenen Inhalte erfolgt durch die den Inhalten und Kurse zugewiesenen Tags. Die Tags werden zwischen der Learning Management Infrastruktur „reflact-train“2 und der Akademie-Seite, welche die Web2.0-Inhalte bereitstellt, geteilt.

2.7 Aktivitäts-Management Während der Gesamtprozess des „Open Learning Loop“ die gesamte Community mit einschließt, ist es für die Koordinationsgruppe wichtig ein Koordinationsinstrument zu haben (vgl. [14]) in dem wichtige Prozessindikatoren (z. B. Lebendigkeit der Diskussion, Rücklauf von Umfragen, Status der Learning Nuggets) zusammengefasst werden, so dass die Gruppe Überblick über den Zustand des Gesamtprozess erhält und gegebenenfalls notwendige Interventionen diskutieren kann.

3. Unterstützung des individualisierten Kompetenz-Managements Der „Open Learning Loop“ unterstützt die zeitnahe Bereitstellung von Lernangeboten für Branchen und darin organisierte Unternehmen. Er deckt damit zunächst organisationale Bedürfnisse. Es ist aber ebenso wichtig Individuen gezielt anzusprechen und ihre Kompetenz weiterzuentwickeln. Die berufliche (Neu-)Orientierung, die Planung von beruflicher Weiterentwicklung oder anderer Lernvorhaben sowie die Vorbereitung des (Wieder-)Eintritts ins Erwerbsleben stellen nur einige Situationen dar, in denen sich die Frage nach den eigenen Kompetenzen und deren Einsatzmöglichkeiten im Berufsleben stellt. Bei der Suche nach geeigneten Stellen oder Weiterbildungszielen muss häufig die genaue Bezeichnung des eigenen bzw. angestrebten Berufs/der Stelle bekannt sein. Dies wird besonders im Bereich der Digitalen Wirtschaft durch einen Mangel an standardisierten Berufs- und Stellenprofilen erschwert. Unternehmen neigen dazu, neue oder firmenspezifische Berufsbezeichnungen, Positionen und Funktionen für ihre Ausschreibungen zu nutzen, so dass es zu einer Stellenbezeichnung häufig verschiedene Aufgaben- und Tätigkeitsbeschreibungen gibt und umgekehrt. Der Mangel an standardisierten Profilen ist u. a. deren Kurzlebigkeit in der sehr dynamischen Digitalen Wirtschaft geschuldet. Bis sich Verbände und Bildungsträger auf Berufsprofile geeinigt haben, sind diese oft schon obsolet. Dies trägt dazu bei, dass Unternehmen ihre Stellen nicht passgenau besetzen können, was wiederum dazu führt, dass die Stellen breiter ausgeschrieben werden, um aus einer größeren Bewerbermenge auswählen zu können. Das verstärkt jedoch gleichzeitig unternehmensseitig den Eindruck, dass die Bewerber nicht für die Stelle qualifiziert sind und bewerberseitig zu einer scheinbaren Überforderung, so dass sich Personen mit dem ursprünglich benötigten Profil gar nicht bewerben. Zudem wird von Arbeitnehmern in der Digitalen Wirtschaft zunehmend erwartet, dass sie sich eigenständig an die dynamischen Kompetenzanforderungen der Digitalen Wirtschaft anpassen. Eine adäquate, innovationsfördernde Anpassung verlangt von den Angestellten der Digitalen Wirtschaft ein erhebliches Maß an Orientierungswissen. Einerseits müssen sie ebenfalls (Mikro-)Trends erfassen und andererseits sollte die Entwicklung auf dem individuellen Vorwissen bzw. den individuell vorhandenen Kompetenzen aufbauen.

3.1 Der Kompetenzbegriff Während die internationale Debatte über Kompetenzentwicklung vor allem durch eine enge Verbindung mit Wissensmanagement geprägt ist, wird in Deutschland viel Wert auf eine breite und differenzierte Unterscheidung verschiedener Kategorien von Kompetenzen gelegt (vgl. [15] und [16]). So werden neben fachlichen Kompetenzen, soziale, methodische und persönliche Kompetenzen unterschieden. In dieser Diskussion werden Kompetenzen als Voraussetzungen zur Selbstdisposition charakterisiert. Hiermit verbunden ist die Fähigkeit zur

2 https://www.reflact-train.com/letstrain/

„Selbstaktualisierung“, d.h. sich selbst und aus eigenständigem Antrieb neue Kompetenzen anzueignen. Häufig wird in diesem Zusammenhang der Anspruch erhoben, Kompetenzen müssten vollständig operationalisiert und messbar sein (vgl. [17]). Dies ist jedoch in der Praxis sehr aufwändig und letztlich nur eingeschränkt möglich. Stattdessen können nicht objektivierte Selbstzuschreibungen genutzt werden (s. [18]), welche sich innerhalb der Recruiting- und Trainingsprozesse selbst regulieren. So werden Bewerber, die sich selbst Kompetenzen in einem Maße zuschreiben, die sie nicht besitzen, entweder in der Phase der Unterlagensichtung oder spätestens beim Einstellungsgespräch aussortiert werden. In Kompetenzentwicklungsprozessen reguliert sich die Zuschreibung durch den Erfolg und Misserfolg im Lernprozess. Aus diesem Grund unterstellen wir den Nutzern der im Folgenden beschriebenen Werkzeuge, dass sie die von ihnen angegebenen Kompetenzen auch tatsächlich besitzen. Genauso wie wir unterstellen, dass die in Stellenausschreibungen angegebenen Kompetenzen auch tatsächlich jene sind, die der Ersteller der Ausschreibung benötigt. Letztlich ist ohne direkte Interaktion von Angesicht zu Angesicht auch keine andere Einschätzung möglich. Aus den oben angeführten Gründen reicht das aber auch für den Alltag und die hier vorgestellten Werkzeuge.

3.1 Kompetenzentwicklungsorientierte Werkzeuge der Web2.0-Akademie Im Rahmen des KoPIWA-Projekts sind fünf kompetenzentwicklungsorientierte Werkzeuge entstanden:

1. ein Stellenausschreibungsassistent, 2. ein Selbstprofilierungswerkzeug, 3. ein Matchmaking-Werkzeug, 4. ein Werkzeug zur Erkennung von Kompetenztrends und 5. ein Karriereplanungswerkzeug.

Allen Werkzeugen liegt ein Modell der Kompetenzlandschaft der Digitalen Wirtschaft in Form einer semi-automatisch generierten Ontologie (siehe [19]) zu Grunde. Eine Ontologie ist eine Repräsentation von Begriffen – in diesem Fall Kompetenzen – und ihren Beziehungen untereinander. Neben einer hierarchischen Anordnung von Kompetenzen in den Kategorien fachliche, soziale, methodische und persönliche Kompetenzen unterscheidet die von uns erstellte Ontologie auch Fertigkeiten (Oberflächenkompetenzen) wie z. B. PHP-Programmieren und generische Kompetenzen (Tiefenkompetenzen) wie Datenbank-Design. Wie eingangs beschrieben werden in der Ontologie auch Synonyme repräsentiert, um verschiedene Bezeichnungen für dieselbe Kompetenz vereinheitlichen zu können. Aufbauend auf Daten, die aus großen deutschen Stellenbörsen gewonnen werden konnten und dieser Ontologie kann der Stellenausschreibungsassistent (siehe Abbildung 3) Vorschläge zur Verbesserung einer Stellenausschreibung unterbreiten. Der Assistent markiert alle ihm bekannten Kompetenzen farbig. Die Farbe gibt an, in welche der vier großen Kategorien die erkannte Kompetenz gehört. Unbekannte oder falsch kategorisierte Kompetenzen können nachgetragen werden. So kann schnell erfasst werden, ob die Mischung zwischen fachlichen und anderen Kompetenzen ausgewogen ist. Ausgewogen bedeutet im Allgemeinen, dass der Anteil an fachlichen Kompetenzen deutlich höher ist als der sozialer, persönlicher und methodischer zusammen, da die fachlichen Kompetenzen Stellenprofile am besten charakterisieren (vgl. [19]). Ferner vergleicht der Assistent die eingegebene Stellenanzeige mit seinem Bestand und schlägt aufgrund der angegebenen Kompetenzen einen Bezeichner für die Stelle vor. Dieser muss selbstverständlich nicht vom Nutzer akzeptiert werden, jedoch hilft dieses Merkmal langfristig, Stellenprofilbezeichner in der Branche zu vereinheitlichen. Wird ein anderer Profilbezeichner ausgewählt, dann vergleicht der Assistent die erkannten Kompetenzen mit den Kompetenzprofilen anderer Stellenausschreibungen und unterbreitet Ergänzungs-

vorschläge, die ggf. übernommen werden können. Auf diese Art und Weise unterstützt der Assistent die Stellenausschreibungs-Ersteller bei ihrer Arbeit, indem er Hintergrundwissen aus der Ontologie und dem vorhandenen Stellenfundus ableitet.

Abbildung 3: Stellenausschreibungs-Assistent

Während der Stellenausschreibungsassistent vor allem Personalverantwortliche von Unternehmen adressiert, unterstützt das Selbstprofilierungswerkzeug (siehe Abbildung 4) vor allem Arbeitnehmer und Bewerber bei der Erfassung ihrer eigenen Kompetenzen und Interessen. Herkömmliche Profilierungswerkzeuge erfassen Kompetenzprofile häufig nur zweidimensional. Der Profil-Inhaber besitzt eine Kompetenz in einem zu definierendem Ausmaß. Ob ein Arbeitnehmer am Einsatz oder Erlernen einer Kompetenz interessiert ist, wird hingegen üblicherweise nicht erfasst. Das in KoPIWA entwickelte Selbstprofilierungs-werkzeug spannt diese Dimension zusätzlich auf, um Stellensuchenden die Möglichkeit zu geben, ihre Wünsche an eine neue Stelle zu artikulieren. Dies wirkt sich in einem nachgelagerten Matchmaking- Prozess zwischen Stellenangebot und Stellensuchendem durch die Reihenfolge der Vorschläge aus. In einem nachgeschalteten Karriereplanungsprozess werden die Interessen bei der Auswahl der nächsten zu erlernenden oder zu vertiefenden Kompetenz berücksichtigt. Wie im Ausschreibungsassistent werden die Kompetenzkategorien farblich unterschieden und Ergänzungsvorschläge unterbreitet. So wird auf fehlende oder verwandte Kompetenzen hingewiesen. Im Laufe des Projekts stellte sich heraus, dass viele Bewerber beispielsweise vergessen soziale Kompetenzen anzugeben, obwohl in vorangegangenen Interviews von denselben Personen behauptet wurde, dass sie diese als sehr wichtig für ihre Entscheidung ansähen. Das Matchmaking-Werkzeug führt je nach Arbeitsmodus einen Abgleich zwischen den Stellenprofilen und den Stellenausschreibungen durch, um Personal für eine Stelle zu finden oder um Stellenausschreibungen zu präsentieren, die zum eingegebenen Kompetenz- und Interessensprofil passen. Dabei handelt es sich um zwei Seiten derselben Münze. Solche Werkzeuge sind zwar schon häufiger am Markt zu finden, allerdings greift das in KoPIWA entwickelte Verfahren auf die Ontologie zurück, um das Matchmaking zu verfeinern, indem auch (eng) verwandte Kompetenzen berücksichtigt werden. Auf diese Art und Weise wird das

Problem der unterschiedlichen Bezeichner und nah beieinanderliegenden Berufsprofile im Hintergrund bearbeitet, ohne dass sich der Bewerber damit speziell auseinandersetzen muss.

Abbildung 4: Selbstprofilierungswerkzeug

In einer dynamischen Branche wie der Digitalen Wirtschaft gibt es neben einer Reihe von „Evergreens“ unter den Kompetenzen auch solche, die nur in Nischen oder gar nicht mehr benötigt werden. Um diese zu unterscheiden, können Stellenanzeigenanalysen herangezogen werde, wobei neben einer reinen Häufigkeitsanalyse auch berücksichtigt wird, wie stark der Anstieg bzw. der Abstieg in den Nennungen ist. Aufgrund der zugrundeliegenden Ontologie kann noch ein weiterer Aspekt für eine Trendbetrachtung herangezogen werden. Ist die Ontologie hinreichend gut strukturiert, so sollten alle bisher bekannten Beziehungen zwischen den Kompetenzen bekannt sein. Diese schlagen sich in der Regel durch ihre Austauschbarkeit oder durch ihr gemeinsames Auftreten in Stellenanzeigen nieder. Wenn namhafte Akteure der Branche oder zunehmend mehrere Akteure der Branche beginnen, von den bekannten Mustern abzuweichen und neue Kompetenzkonstellationen in ihren Stellenangeboten fordern, so kann dies auf einen Trend schließen lassen. So wachsen zum Beispiel „Mobile“ (Programmieren von Mobilgeräten) und „Marketing“ zu „Mobile Marketing“ zusammen. Aufbauend auf solchen Trendbetrachtungen wurde in KoPIWA ein Werkzeug entwickelt, welches bei der individuellen Karriereplanung hilft. Das Werkzeug basiert in der einfachsten Fassung auf den Komponenten Ontologie, Selbstprofilierung, Trends und Berufsprofilen. Dabei werden ausgehend von den Interessen und Kompetenzzuschreibungen aus dem Selbstprofilierungswerkzeug Vorschläge zum Erwerb einer neuen Kompetenz gemacht. Diese Vorschläge beziehen ggf. ein Wunschprofil des Nutzers ein, auf das er oder sie sich hinentwickeln möchte. Das Wunschprofil bildet den Rahmen der in Betracht kommenden Kompetenzen, indem zunächst kürzeste Entwicklungspfade vom aktuellen Selbstprofil zum Wunschprofil in der Ontologie gesucht werden. Kompetenzen, die auf den Pfaden (Entwicklungstraktorien) liegen, bilden die Grundmenge der zu bewertenden Kompetenzen. Aufgrund der aus den in der Ontologie hinterlegten Zusammenhängen zwischen Kompetenzen werden diese bewertet. Neben dem bereits erwähnten Trendaspekt werden Enabler-Kompetenzen, Insel-Kompetenzen, Generalistenkompetenzen und Experten-kompetenzen (siehe Abbildung 5, vgl. [20]) identifiziert und im Vorschlag ausgewiesen.

Abbildung 5: Kompetenzbewertung nach Entwicklungsmöglichkeiten [20]

Diese Kategorisierung lässt einen Schluss über die Entwicklungsmöglichkeiten nach dem Erwerb einer Kompetenz zu. Dies ist insbesondere bei langfristigen Entwicklungsplänen hilfreich, um ggf. Auswirkungen aufgrund von Abweichungen durch kurz- und mittelfristige Entwicklungen abschätzen zu können. Diese einfachere Varianten der computergestützten Karriereplanung können sowohl individuell in „Was-wäre-wenn?“-Analysen eingesetzt werden als auch in Personalentwicklungsgesprächen. Die zweite Ausbaustufe des Werkezeugs berücksichtigt zusätzlich den sozialen Kontext des Nutzers. Da das soziale Umfeld bekanntermaßen einen wichtigen Orientierungsfaktor für die zukünftigen Entwicklungen darstellt, wird dieser in der fortgeschrittenen Variante für die individuelle Karriereplanung berücksichtigt. Wenn der Nutzer seine wichtigsten Beziehungen zu anderen Akteuren (Personen/Unternehmen) hinterlegt und deren Kompetenzinteressen bekannt sind, dann wird dies auch bei den Vorschlägen berücksichtigt. Dabei werden die konkreten Kompetenzprofile der anderen Akteure selbstverständlich nicht offen gelegt, sondern nur in das Vorschlagssystem miteinbezogen.

4. Fazit Die in diesem Papier vorgestellten Werkzeuge und Management-Leitlinien werden derzeit im „Bildungsnetzwerk der digitalen Wirtschaft“, welches vom Bundeverband der digitalen Wirtschaft (BVDW e.V.) initiiert wurde, genutzt, um die Diskussion um Berufsprofile und Personalentwicklung innerhalb der Branche zu beleben und seinen Mitglieds-Unternehmen Services im Bereich Kompetenzentwicklung und Personalmanagement anbieten zu können. Dieses Angebot wird von den Mitgliedern dankbar aufgenommen, da die dadurch ermöglichte Orientierung als hilfreich und wichtig empfunden wird. Die Rückmeldung der Branche zeigt, dass der antizipierte Bedarf vorhanden ist und auch die Bereitschaft (vorwettbewerbliches) Wissen innerhalb der Verbandsstrukturen zu teilen vorhanden ist. Dies geht sogar so weit, dass iniitiert durch Diskussionen auf der Plattform neue Geschäftsideen / Innovationen im Bereich der fokussierten Fachthemen halböffentlich, gemeinsam entwickelt und verfolgt (vgl. [21]) werden.

Quellen [1] Chesbrough, H.: Open Innovation: the new imperative for creating and profiting from

technology, Harvard Business School Press, 2003. [2] Staudt, E.; Kailer, N.; Kottmann, M.: Kompetenzentwicklung und Innovation, Münster,

New York, München, Berlin, 2002. [3] DeLong, D. and Fehey, L.: Diagnosing cultural barriers to knowledge management,

Academy of Management Executive, Vol. 14 No. 4, S.. 113-27. 2000.

Anzahl Kompetenzen, die Voraussetzung sind:

Anz

ahl d

er K

ompe

tenz

en fü

r di

e di

e ge

wäh

lte K

ompe

tenz

Vor

auss

ezun

g is

t

Niedrig Hoch

hoch

Enabler-Kompetenz Ist Bedingung für viele andere Kompetenzen, benötigt selbst jedoch wenig andere Kompetenzen (auch Vorwissen). Eröffnet neue Geschäftsbereiche

Generalistenkompetenz Benötigt viele verschiedene Kenntnisbereiche; kann sich in viele weitere Bereiche weiterentwickeln. Potentielle Projektleiterkompetenz

nied

rig

Inselkompetenz Ist Bedingung für wenig andere Kompetenzen und benötigt wenig Vorwissen. Kurzfristige, projektbezogene Qualifizierung

Qualifizierungskompetenz Braucht viele andere Kompetenzen als Voraussetzung; wird nicht von vielen anderen benötigt. Expertenkompetenz

[4] McLure, M. and Faraj, S.: It is what one does’: why people participate and help others in electronic communities of practice, The Journal of Strategic Information Systems, Vol. 9 No. 2-3, S. 55-173, 2000.

[5] S. Downes. E-learning 2.0. eLearn, 2005(10):1, 2005. [6] Barsh, J., Capozzi, M. M., Davidson, J.: Leadership and Innovation, McKinsey Quarterly,

January 2008. [7] Morgan, G.: Images of Organization, Sage Publications, 2006. [8] Ardichvili, A., Page, V., Wentling T.: Motivation and barriers to participation in virtual

knowledge-sharing communities of practice. Journal of Knowledge Management, Vol. 7 No. 1, S.64 – 77, 2003

[9] Hoppe, H.U. Pinkwart, N., Oelinger, M., Zeini, S., Verdejo, Barros, B., Mayorga, J.L. Building Bridges within Learning Communities through Ontologies and Thematic Objects. In Proceedings of Computer Supported Collaborative Learning (CSCL), Taipei, Taiwan, 2005.

[10] Horx, M., Huber, J., Steinle, A. and Wenzel, E 2006. Wie Sie von Trends zu Business-Innovationen kommen - Ein Praxis-Guide, Campus.

[11] Koch, M.; Möslein, K.: Community Mirrors for Supporting Corporate Innovation and Motivation. Proceedings of the European Conference on Information Systems (ECIS), Göteborg, Sweden, 2006

[12] Groh, G., Brocco, M., Asikin, Y.A. Contribution Awareness and Fame in Open Innovation Networks. In Hafkebrink, J.; Hoppe, H.U.; Schlichter, J. (Hrsg.): Competence Management for Open Innovation – Tools and IT support to unlock the innovation potential beyond company boundaries, EUL Verlag, 2010

[13] Chakrabarti, S., van den Berg, M. and Dom B, 1999. Distributed Hypertext Resource Discovery Through Examples. In Proceedings of the 25th International Conference on Very Large Data Bases (VLDB '99), S. 375-386. Morgan Kaufmann Publishers Inc., San Francisco, CA, USA

[14] Willke, H. 1991. Systemtheorie, UTB Gustav Fischer, 3. Auflage. [15] DIN Deutsches Institut für Normung e. V.: PAS 1093 (Personalentwicklung unter

besonderer Berücksichtigung von Aus- und Weiterbildung — Kompetenzmodellierung in der Personalentwicklung), Beuth Verlag GmbH, 2009

[16] DIN-Arbeitsgruppe "Kompetenz für die Personalentwicklung": Anwendungsbeispiele zur PAS 1093, Beuth Verlag GmbH, 2009

[17] Erpenbeck, J.; von Rosenstiel, L.: Handbuch der Kompetenzmessung, Schäffer-Poeschel Verlag Stuttgart, 2003

[18] Hoppe, H.U., Malzahn, N, Mill, U. Zeini, S., Hafkesbrink, J. Negotiating Competences in Recruiting for Highly Dynamic Work Contexts. In Hafkebrink, J.; Hoppe, H.U.; Schlichter, J. (Hrsg.): Competence Management for Open Innovation – Tools and IT support to unlock the innovation potential beyond company boundaries, EUL Verlag, 2010

[19] Ziebarth, S.; Malzahn, N.; Hoppe, H.U. - Using Data Mining Techniques to Support the Creation of Competence Ontologies. Proceedings of the 14th International Conference on Artificial Intelligence in Education (AIED 2009) pp. 223-230, Brighton, England, 2009

[20] Günther, A.; Malzahn, N.; Urspruch, T.; Tünte, M.; Zeini, S.; Leis, M.: Vermittlung und Entwicklung von Kompetenzen. In: Jenseits von Virtualität (Hrsg.: Shire, K.; Borchert, M; Hoppe, H.U.), EUL Verlag, 2007

[21] Schmucker, M., Stark, A., Brocco, M., Groh, G., Zeini, S. MeCMS - A Case Study on Open (Source) Innovation. In Hafkebrink, J.; Hoppe, H.U.; Schlichter, J. (Hrsg.): Competence Management for Open Innovation – Tools and IT support to unlock the innovation potential beyond company boundaries, EUL Verlag, 2010