Archiv des Autors: Claus Brell

Über Claus Brell

Seit 2012 Professur für Wirtschaftsinformatik an der Hochschue Niederrhein. Seit 1981 treibt mich die Frage um: Was haben Physik, Heavy Metal und Spiele miteinander zu tun? Drei mögliche Antworten: {nichts | 42 | gleiche Hirnareale werden aktiviert}

Daten und Datenmodellierung (3)

Zurück zu Teil 2

Teil 3: Daten modellieren

Motivation für die Datenmodellierung

Im ersten Teil der Serie wurden Daten im Dateisystem vorgestellt. Insbesondere bei strukturierten Daten in RDBMS stellt sich aus betriebswirtschaftlich / fachlicher Sicht die Frage, wie die Konzeption einer Datenbank und ihr Bezug zu Objekten aus der realen Welt hergestellt werden kann. Der Start in die Entwicklung eines Betrieblichen Anwendungssystems umfasst neben der Analyse der Anforderungen (z. B. mit Use-Case-Diagrammen) und dem Design der Oberflächen (z.B. mit Mockups)  die Modellierung der Fakten in der realen Welt mit Hilfe eines Datenmodells. Ein Datenmodell visualisiert die Beziehungen zwischen den Objekten, beschreibt, durch welche Attribute die Objekte beschrieben werden und reduziert so die Komplexität. Während Anwendungsprogramme zuweilen schon nach wenigen Betriebsjahren erneuert werden, ändert sich die Struktur von Daten nur wenig und selten. Insbesondere bei den Stammdaten bei Banken und Versicherungen ist das zu beobachten. Da Datenmodelle so stabil und langlebig sind, verdienen sie besondere Aufmerksamkeit.

Bei einem bestehenden Anwendungssystem wird die Datenmodellierung zur Analyse  eingesetzt, um das (ggf. unzureichend dokumentierte) Anwendungssystem besser verstehen zu können.

Im Gegensatz zu dem im Ordnungsrahmen ARIS sonst üblichen Top-Down-Ansatz soll hier aus didaktischen Gründen eine anderer Ansatz verfolgt werden: Ausgehend von bestehenden Datenmengen und einfachen Datensammlungen wird zunächst das Relationenmodell erklärt und dann aus den Relationen das Entity-Relationship-Diagramm (ERD) abgeleitet. Das ERD visualisiert dann das sogenannte Entity-Relationship-Model ERM.

Relationenmodell und Entity-Relationship-Modell am Beispiel

Grundsätzliches zum Relationenmodell

Die Relation ist die Basis der von Edgar F. Codd entwickelten relationalen Algebra. Eine Relation besteht aus Attributen und Tupeln. Ein Attribut beschreibt den Typ eines möglichen Attributwertes und bezeichnet ihn mit einem Attributnamen. Ein Tupel stellt eine konkrete Kombination von Attributwerten dar (ein Datensatz). Das Relationenmodell beschreibt Daten also in Form von Tabellen. Dabei wird ein Tabellenname angegeben und die Bezeichnungen der Spalten der Datentabellen.  In der Übersicht in Tab.1 sind die Begriffe der Relationentheorie lebensweltlichen Begriffen gegenübergestellt:

Relationentheorie kann verdeutlichte werden durch
Relation Tabelle
Tupel Menge der Zellen in einer Zeile
Attribut Spaltenüberschrift

Tab. 1: Begriffe aus der Relationentheorie

Den Begriff Relation kann man über seine Eigenschaften definieren:

Eine Relation ist eine Tabelle  bestehend aus einem Kopf und einem Rumpf (vgl. Abb. 1) mit folgenden vier Eigenschaften:

  1. Es gibt keine zwei völlig identischen Tupel. (Das heißt: Zwei Zeilen in einer Tabelle unterscheiden sich in mindestens einem Wert.)
  2. Die Reihenfolge der Tupel ist unwichtig, sie sind nicht geordnet. (Es ändert erst einmal nichts, wenn die Reifenfolge der Zeilen geändert wird.)
  3. Die Reihenfolge der Attribute ist unwichtig, sie sind nicht geordnet. (Es ändert sich erst einmal nichts, wenn die Reihenfolge der Spalten geändert wird.)
  4. Alle Attribute sind atomar, d. h. dass in jeder Tabellenzelle nur ein Eintrag einer Sorte stehen darf. (Heißt: In ein Tabellenfeld gehört nur ein Wert.)

 

Abb. 1: Beispiel für eine einfache Relation am Beispiel Schrauben.

Relationen können untereinander in Beziehung stehen – so wie Objekte in der realen Welt auch. Im Relationenmodell wird das durch gleiche Spalten / Attribute ausgedrückt. Abb. 2 zeigt ein Beispiel, das die Relation Schraube nutzt und darstellt, welche Schrauben zu welchem Bauteil gehören. Dabei kann eine bestimmte Schraube zu mehreren verschiedenen Bauteilen gehören. Ein Bauteil kann auch mehrere Schrauben enthalten. Die eigentliche „Intelligenz“ des Relationenmodells liegt dabei in der Relation „zugeordnet“, die die beiden Relationen „schraube“ und „bauteil“ verknüpft.

Abb. 2: Beispiel eines Relationenmodells für die Beziehungen zwischen Schrauben und Bauteilen

Auf diese Art und Weise könen alle Objekte eines Unternehmens und die Beziehungen zwischen den Objekten beschrieben werden. Das Relationenmodell kann direkt in einem reladionalen Datenbankmanagementsystem umgesetzt werden.

Grundsätzliches zum Entity-Relationship-Modell

In der Beschreibungsebene Fachkonzept der Perspektive Daten im Ordnungsrahmen ARIS interessiert man sich noch nicht für die konkreten Ausprägungen der Datensätze und betrachtet nur modellhaft die Klassen der Objekte. Für die Visualisierung sind Entity-Relationship-Diagramme (ERD) geeignet, eine modellhafte Erfassung eines Realweltausschnittes heißt Entity-Relationship-Modell (ERM).

Für das Beispiel der Schrauben sähe ein ERD wie in Abb. 3 aus.

Abb. 3: Beispiel für ein einfaches Entity-Relationship-Modell am Beispiel Schrauben

Für die Beziehungen zwischen Schrauben und Bauteilen könnte ein ERD wie in Abb. 4 dienen. Hier sieht man eine einfache eins-zu-eins-Zuordnung von Entitätstypen und Relationentypen zu den Relationen. Das ist möglich, da Relationentypen des ERD auch als Tabellen bzw. als Relationen dargestellt werden können. Es gibt durchaus Situationen, in denen einen einfache eins-zu-eins-Zuordnung nicht sinnvoll ist.

Abb. 4: Beispiel für ein ERD für die Beziehung zwischen Schrauben und Bauteilen

Relationentypen sind neben den Entitätsytypen der zweite Knotentyp in ER-Modellen. Relationentypen bzeichnen, in welcher Beziehung Entitätstypen stehen. Relationentypen haben meist die Ids der beteiligten Entitätstypen als Attribute (in Abb. 4 der Übersichtlichkeit halber nicht eingezeichnet). Relationentypen können eigen Attribute haben.

Um festzulegen, mit wie vielen Entitäten des anderen Entitäststyps (hier bauteil) ein Entitästtyp des einen Entitätstyps (hier schraube) verbunden sein kann, sind die sogenannten Kardinalitäten in der ISO-min-max-Schreibweise angegeben. Eine andere Schreibweise, die oft verwendet wird, ist die Chen-Notation für Kardinalitäten. Die Angabe der Kardinalitäten zwingt zu einer intensiven Befassung mit den fachlichen Fragestellungen, z. B. ob ein Bauteil noch zum Etitätstyp Bauteil gehört, wenn er keine Schrauben benötigt. Wenn ja, wäre die Kardinalität (0,*), wenn nein (1,*). Ebenso kann die Menge der Verbindungen begrenzt sein. Sind z. B maximal 30 Schrauben pro Bauteil möglich, lautet die Kardinalität am Entitätstyp bauteil (0,30), sind beliebig viele möglich, (0,*) oder (0,n).

Eine einfache Liste

Eine einfache Liste aus Zahlen wie im ersten Teil der Serie „Daten aus einfachen Zahlen als txt-Dateien“ soll als Beispiel dienen (Abb. 5).

021514 6782453
021541 6254273
015772 62444902

Abb. 5: Beispiel Liste mit Telefonnummern in einet Textdatei mit Namen telefonnummern.txt

Für eine einfache Liste gibt es nur eine Spaltenbezeichnung, das könnte z.B. „telefonnr“ sein, da eine Liste eine Tabelle mit nur einer Spalte ist.

Die Relation könnte „telefonliste“ heißen. Die Relation hat nur ein Attribut „telefonnr“.

 

Eine einfache Tabelle

Wird noch erstellt.

Zwei Tabellen verknüpfen

Wird noch erstellt.

Weitere Möglichkeiten von ERM

Wird noch erstellt.

Quellen:

Videos auf youtube

ERM Entity Relationship Modellierung am Beispiel – Überblick: https://youtu.be/8NTAq8N_jQc

ERM Entity Relationship Modellierung am Beispiel 1 –  Grundbegriffe: https://youtu.be/d2tWsd_AbHo

ERM Entity Relationship Modellierung am Beispiel 2 – 1:1 Beziehung Tanzkurs: https://youtu.be/O9LbBo012wE

ERM Entity Relationship Modellierung am Beispiel 3 – 1:n Beziehung Schulklasse: https://youtu.be/FEuzVIyGb_M

ERM Entity Relationship Modellierung am Beispiel 4 – m:n Beziehung Kursverwaltung: https://youtu.be/BABMI69NSx0

ERM Entity Relationship Modellierung am Beispiel 5 – komplizierteres Modell der Kursverwaltung: https://youtu.be/Y-GIspXg3TE

 

Daten und Datenmodellierung (2)

Teil 2: Daten in Datenbanken / in Datenbankmanagementsystemen

andere Teile der Serie

Zurück zu Teil 1 Daten im Dateisystem

Weiter zum 3. Teil: Daten modellieren

Motivation für Datenbankmanagementsysteme

Im ersten Teil der Serie wurden Daten im Dateisystem vorgestellt. Wenn die Daten strukturiert sind, z.B. als CSV-formatierte Textdateien oder mit XML-Tags formatierte Textdateien, liegt im Prinzip schon eine Datenbank vor. Mit Programmen auf diese Daten zuzugreifen kann allerdings umständlich werden. Wenn man beispielsweise ausschließlich die Datensätze aus einer Datensammlung im CSV-Format lesen will, die den Namen „Kurt“ enthalten, müsste das Programm jede Zeile auf die Zeichenkette „Kurt“ überprüfen und, wenn sie vorhanden ist, die Zeil in die Ausgabe schreiben. Komplizierter wird es, wenn beispielsweise nicht die ganzen Zeilen, sondern nur die Telefonnummer für den Fall ausgegeben werden soll, dass der Name „Kurt“ oder „Karl“ ist und die Telefonnummer mit „0211“ anfängt. Noch unübersichtlicher wird es , wenn die Daten auf mehrere CSV-Dateien verteilt sind und es sollen Datensätze mit Bedingungen, die mehrere Dateien betreffen, gesucht werden. Um genau solche Aufgabenstellungen bequemer programmieren zu können, wurden Relationale Datenbankmanagementsysteme erfunden.

Relationales Datenbankmanagementsytem

Ein Relationales Datenbankmanagementsystem (im weiteren kurz RDBMS) erleichtert den Zugriff auf und die Verwaltung von Daten, die in tabellenartig strukturiert werden können. Das Datenbankmanagementsystem legt die Daten dabei auch wieder im Dateisystem ab, „versteckt“ sie aber vor dem Nutzer und den Anwendungsprogrammen, so dass der Zugriff auf die Daten nur mit Funktionen des RDBMS erfolgt. Ein RDBMS kann direkt vom Nutzer bedient werden, oder aber die Datenhaltung für ein Anwendungssystem erfolgt über sogenannte Schnittstellen des RDBMS. Die Funktionen, die das RDBMS bereitstellt, werden dann vom Programmierer in das Anwendungssystem eingebaut. Das „Spache“, mit der das RDBMS angesprochen werden kann, ist die Structered Query Language (SQL).

RDBMS sind für Betriebliche Anwendungssysteme sehr wichtig. RDBMS gibt es schon länger, z.B. IBM DB2 auf dem IBM 3090 Großrechner ist auf dem Markt seit 1983, das RDBMS des Unternehmens Oracle seit 1979. Aktuelle Entwicklungen für das Internet sind MySQL, oder RDBMS die nur für den „Einbau“ in Programmen gedacht sind wie z.B. SQLite, das auch für die Datenhaltung in Android- und iOS-Smartphones genutzt wird.

Daten manipulieren mit SQL

SQL ist eine Abfragesprache insbesondere für RDBMS, sie lässt sich wie vereinfachtes Englisch lesen. SQL ist standardisiert in der Gruppe der Normen ISO/IEC 9075. Mit SQL kann man Daten in die Datenbank einfügen („Create“), Daten aus der Datenbank lesen („Read“), Daten, die schon  da sind, verändern („Update“) und  Datensätze löschen („Delete“). Mit diesen grundsätzlichen Operationen lässt sich alles bewerkstelligen, was man für Betriebliche Anwendungen braucht. Daher sagt man, SQL kann „CRUD“, was sich aus den Anfangsbuchstaben von Create, Read, Update und Delete ergibt.

Einfache Beispiele sind:

select * form telefonliste;

(liest alle Datensätze aus der Tabelle telefonliste)

select telnummer from telefonliste where name='Kurt';

(liest nur Datensätze, in denen der Name gleich Kurt ist.)

 insert into telefonliste ( name, telnr ) values ( 'Maria', '02114 635289372' );

(fügt Datensatz mit name=Marie und telnummer= 02114 635289372 in die Tabelle telefonliste ein.

Mit SQL kann noch viel mehr machen, z.B. Tabellen erzeugen, Daten im-und exportieren.

No-SQL-Datenbankysysteme

No-SQL bedeutet „Not-only-SQL“ und bezeichnet Datenbankmanagementsysteme, die die Daten nicht in Tabellenform behandeln. Der Bedarf entstand dadurch, dass es mit den vielen (meist unstrukturiereten) Daten im Internet schwierig wurde, vernünftige Tabellenstrukturen zu entwerfen, Wenn man Tabellen entwirft, haben diese oft sehr viele Spalten und zudem sind die meisten Zellen in der Tabelle leer. Gängige RDBMS sind für solche Aufgabenstellungen nicht optimiert und können  Performance-Probleme zeigen.

Grundsätzlich lassen sich alle Problemstellungen, die mit No-SQL-Datenbanken lösbar sind, auch mit RDBMS lösen. No-SQL-Datenbanken werden insbesondere bei Problemstellungen, die mit dem Schlagwort Big-Data in Verbindung gebracht werden, eingesetzt.

Weiter zum 3. Teil: Daten modellieren

Quellen

Internet-Verweise

Eine Big-Data-Definition: https://wirtschaftslexikon.gabler.de/definition/big-data-54101

SQL lernen: http://www.sql-lernen.de/

No-SQL-Datenbanken im Vergleich: https://www.bigdata-insider.de/nosql-datenbanken-im-vergleich-a-666922/

Daten und Datenmodellierung (1)

Teil 1: Daten speichern im Dateisystem

Andere Teile der Serie:

Zum Teil 2: Daten in Datenbanken / Datenbankmanagementsystemen

 

Motivation.

Ein Computerprogramm ist die Umsetzung von Algorithmen in eine „maschinengerechte“ Sprache. Damit kann ein Computer Geschäftsprozesse unterstützen oder zum Spielen genutzt werden. In allen Fällen stellt ein Computerprogramm Funktionen bereit, die meist Daten einlesen, die Daten transformieren und dann die Daten wieder abspeichern. Im Falle von Betrieblichen Anwendungen ist zu beobachten, dass die Daten den „Kern“ der Digitalisierung darstellen und das eigentlich Wichtige sind. Während Programme alle paar Jahre erneuert und ausgetauscht werden, sind Datenbestände erstaunlich stabil. Daher ist es wichtig, ein (auch technisches)  Verständnis für das Speichern und Bewahren von Daten zu entwickeln. Zudem ist es sinnvoll, Modelle für die Strukturierung von Daten zu kennen.

Diese Artikelserie will einen besonders einfachen und kompakten Zugang zur Datenmodellierung ermöglichen.

Was sind (Computer-) Daten?

Daten sind zunächst eine archivierbare Form von Kenntnissen über Fakten in der wirklichen Welt. Das können Texte sein (Anleitungen, Kochrezepte …) oder Zahlen wie 22,3 oder 33.935. Insbesondere die Zahlen helfen erst weiter, wenn man weiß, dass es  heute um 11:00 22,3 Grad Celsius Außentemperatur sind und dass der Goldpreis am 12.10.2018 33.935 € pro kg beträgt. Mit diesen weiteren Merkmalen, die den nackten Zahlen eine Struktur geben, werden aus den Zahlen Informationen. Erst wenn diese Informationen mit den Erfahrungen von Menschen angereichert werden, lassen sich Entscheidungen treffen. Ist die Temperatur angenehm? Dann gehe ich ins Schwimmbad. Ist der Goldpreis hoch im Vergleich zu sonst? Dann verkaufe ich meine Goldvorräte. So werden aus Informationen Wissen – durch die Nutzung und Anreicherung mit Erfahrung.

Während die Erfahrungen von Menschen schwer in den Computer zu bekommen sind, gelingt dies mit Daten und Informationen gut. Dazu müssen die Daten zunächst in eine computergerechte Form gebracht werden, heißt, die Darstellung der Zahlen muss zur Technik im Computer passen. In einem Computer können nur physikalische Zustände (wie zum Beispiel ein kleines Magnetfeld auf einer Festplatte oder ein reflektierendes Aluminiumpünktchen auf einer CD) gespeichert werden. Die Daten (Buchstaben und Zahlen) sind daher immer in eine Reihenfolge von 0 und 1 umzucodieren. Um dies zu tun und Möglichkeiten bereitzustellen, wieder „menschenlesbar“ an die Daten zu kommen, werden ebenfalls Computerprogramme benötigt. Diese Computerprogramme heißen dann z.B. Dateimanager (wie der Windows Explorer auf dem PC oder der Finder auf dem Mac), Dateisystem (als Teil des Betriebssystems) oder Relationales Datenbankmanagementsystem (z.B. DB2 von IBM, Oracle oder MySQL).

Speicherung von Daten im Dateisystem.

Einfache Textdateien

Eine einfache Möglichkeit, Daten zu speichern, besteht darin, sie in sogenannten Dateien im Dateisystem abzulegen.  Dabei ist die Ablage in den Dateisystemen z.B für Windows und MacOS hierarchisch organisiert: Es können Ordner angelegt werden, es können darin wieder Ordner angelegt werden, die Daten werden dann darin gespeichert. Die Datei und die Ordner haben Namen, z.B. ist befindet sich die Textdatei „kochrezept.txt“ im Ordner „Kochrezepte“, der  wiederum im Ordner „meine Daten“ auf der Festplatte mit der Bezeichnung „C:“ angelegt ist. Unter Windows sieht dann der Zugang, der sogenannte „Pfad“ zu der Datei so aus: C:\meineDaten\Kochrezepte\kochrezept.txt.

Computerprogramme, mit denen bequem solche Dateien erzeugt, gelesen, verändert und gespeichert werden können, sind Notepad++ unter Windows oder Sublime Text auf dem Mac under MacOS.

Daten aus einfachen Zahlen als txt-Dateien

Auch Zahlen kann man in der gleich Form wie Texte im Dateisystem ablegen. So kann eine Liste von Telefonnummern z.B. unter dem Namen telefonnummern.txt gespeichert werden. Hat man mehrere Telefonnummern, so ist zu überlegen, wie das Ende der einen und der Anfang der nächsten Telefonnummer unterschieden werden kann. Das könnte mit einem Zeichen funktionieren, das nicht in einer Telefonnummer vorkommt, z.B. ein „;“. Der Übersichtlichkeit halber wird als Trennung für eine solche Liste meist ein Zeilenumbruch gewählt, und die Telefonnummern stehen ordentlich untereinander.

021514 6782453
021541 6254273
015772 62444902

Abb. 2: Beispiel Liste mit Telefonnummern

Daten aus Zahlen und Bezeichnungen als csv-Dateien

Hat man sehr viele Telefonnummern, wird es sinnvoll dazuzuschreiben, zu welcher Person die Telefonnummer gehört. Spätestens jetzt ist darüber nachzudenken, wie die Struktur der Daten aussehen soll, so dass aus den Daten Informationen werden. Bei einer manuellen Aufschreibung auf einem Blatt mit Rechenkästchen würde man vermutlich die Form einer Tabelle wählen. In eine Zeile schreibt man den Namen der Person und dahinter die Telefonnummer, in der nächsten Zeile die zweite Person mit der Telefonnummer und so weiter (vgl. Abb. 3). Dieses intuitive Vorgehen kann man bei der Speicherung im Dateisystem beibehalten. Dabei gibt man der Textdatei eine Struktur: Zunächst kommt der Name, dann ein Trennzeichen wie z.B. „;“, dann die Telefonnummer, zuletzt ein Zeilenumbruch (Abb. 4). Wichtig ist, dass die Daten zwischen den Trennzeichen „atomar“ sind, heißt, es wird nur eine Telefonnummer aufgeschrieben und nicht zwei.

Vorteilhaft ist es, eine solch strukturierte Textdatei mit der Endung csv abzuspeichern, also „telefonnummern.csv“. Öffnet man die Datei mit einer Tabellenkalkulation, z.B. Excel, so wird sie gleich als ordentliche Tabelle angezeigt. csv ist die Abkürzung für „Comma Separated Values“. Im englichen Sprachraum nimmt man als Trennzeichen ein Komma. Das kollidiert in Deutschland mit dem Dezimaltrenner, daher ist in Deutschland ein Semikolon üblich.

Derart strukturierte Dateien nennt man oft lax „CSV-Datei“. Der Aufbau von CSV-Dateien ist standardisiert im RFC 4180

Abb. 3: Daten tabellarisch manuell strukturieren

Kurt;0215187837
Emma;021387215
Karl;02431478372

Abb.4: Daten tabellarisch im CSV-Format

Daten mit komplexer Struktur in xml-Dateien

Wenn z.B. eine Person mehrere Telefonnummern hat, könnte man in der tabellarischen Struktur mehrere Spalten vorsehen. Ist die Anzahl der möglichen Telefonnummern allerdings zunächst nicht bekannt,  sind andere Strukturierungsformen sinnvoll. Eine Möglichkeit ist, mit mehreren CSV-Dateien zu arbeiten. Der Umgang mit mehreren Tabellen, die sich aufeinander beziehen wird allerdings schnell unübersichtlich. Genau für diesen Anwendungsfall wurden daher  Relationale Datenbankmanagementsysteme entwickelt. Eine weitere Möglichkeit, weiterhin einfache Dateien im Dateisystem zu nutzen, ist die Strukturierung mit XML. XML heißt „extensible markup language“ und soll hier nur am Beispiel in Abb. 3 erklärt werden. Das Grundprinzip ist, dass Daten mit sogenannten Tags in spitzen Klammern gekennzeichnet werden. Diese Tags lassen sich ineinander Schachteln, damit sind fast beliebig komplizierte Strukturierungen für Daten darstellbar. XML wird vom W3C standardisiert

<xml>
<kontakt>
<name>Karl</name>
<tel>02113 445532</tel>
<tel>015771 08154711</tel>
</kontakt>
<kontakt>
<name>Emma</name>
<tel>02113 885532</tel>
</kontakt>
</xml>

Abb. 3  xml-formatierte Telefonliste mit unterschiedlich vielen Telefonnummern

Daten mit komplexer Struktur – weitere Formate

Weitere Formate, um Daten zu strukturieren und in einfachen Textdateien abzulegen, sind z.B.

  • JSON
  • EDIFAKT

JSON (JavaScript Object Notation) ist ein  Datenaustauschformat, das für Menschen lesbar und für Computerprogramme einfach zu parsen (Analysieren von Datenstrukturen) ist. JSON ist eine Untermenge der Programmiersprache Javascript.

EDIFAKT (Electronic Data Interchange for Administration, Commerce and Transport) dient dazu, Geschäftsdaten strukturiert auszutauschen.

Zum Teil 2: Daten in Datenbanken / Datenbankmanagementsystemen

Quellen

Internet-Verweise

EDIFACT: https://www.edicenter.de/was-ist-edi-und-was-ist-edifact/

JSON, eine Erklärung: https://www.cloudcomputing-insider.de/was-ist-json-a-704909/

CSV RFC 4180: https://tools.ietf.org/html/rfc4180

XML beim W3C: https://www.w3.org/TR/REC-xml/

Das Gladbacher Crowd Solving Konzept

Crowd Solving oder Crowdsolving ( von englisch crowd für ‚(Menschen-)Menge‘, und solving für ‚Problemlösen‘ ) ist eine Problemlösungsmethode, die die Zusammenarbeit vieler Menschen, Gemeinschaften, Gruppen oder Ressourcen beinhaltet. Crowd Solving kann als Untermenge von Crowd Sourcing mit Fokus auf komplexe und intellektuell anspruchsvolle Problemstellungen, die einen beträchtlichen Aufwand erfordern, gesehen werden (Geiger, Rosemann & Field 2011). Für Fragestellungen in der Wirtschaftsinformatik wurde Crowd Solving am Forschungsinstitut GEMIT der Hochschule Niederrhein in Mönchengladbach zu einem generischen Ansatz zur Verkehrsoptimierung für logistikintensive Gebiete, dem Gladbacher Crowd Solving Konzept, weiterentwickelt.

Funktionsweise des Gladbacher Crowd Solving Konzeptes

Crowd Solving ist im Grundsatz ein einfacher Ansatz und wird in englischsprachigen Raum seit 2015 für viele Anwendungsfelder verwendet. Das Grundprinzip ist, dass eine Problemlösung dadurch gefunden wird, dass sich eine große Menge an Menschen daran beteiligt. Damit gibt es inhaltliche Überschneidungen z.B. zu Open Innovation. Crowd Solving im Gladbacher Crowd Solving Konzept beruht darauf, dass viele Akteure in einem logistikintensiven Gebiet ihre Vorhaben und kurzfristigen Planungen transparent machen und alle Akteure Zugang zu diesen Informationen erhalten. Weiterhin werden die Informationen mit weiteren relevanten Daten, die allgemein verfügbar aber nicht an einer Stelle gebündelt sind, angereichert. In einem spieltheorie|spieltheoretischen Ansatz kann nun jeder Akteur entscheiden, ob er sein Verhalten aufgrund der erhaltenen Informationen modifiziert und diese Verhaltensänderung wiederum bekannt macht. Dadurch, dass alle Akteure nun ihr Verhalten an den verfügbaren Informationen ausrichten, wird eine deutliche Reduktion von Verkehrsspitzen erwartet.

Grundsätzlich kann das Konzept über ein Plattformmodell implementiert werden. Dabei werden zunächst kontinuierlich Daten gesammelt und geeignet zusammengeführt. Datenquellen können Menschen sein, aber auch Sensoren und Maschinen (vgl. Abb. 1). Ebenso können weitere, auch unstrukturierte Daten einfließen. Für die Anreicherung mit unstrukturierten Daten (Wetterdaten, Facebook- und Twittermeldungen …) können Big-Data-Ansätze zum Einsatz kommen. Nach einer Aufbereitung entsprechend einem Data-Warehouse-Ansatz werden die Daten über eine Datendrehscheibe wieder an die Akteure verteilt. Damit ähnelt Crowd Solving im Gladbacher Crowd Solving Konzept einem Management-Informationssystem, Zielgruppe besteht hier allerdings aus allen am System beteiligten Menschen.

Abb. 1: Gladbachewr Crowd-Solving-Konzept

Technische Umsetzung des Gladbacher Crowd Solving Konzepts

Eine erste Umsetzung erfährt das Gladbacher Crowd Solving Konzept im EFRE geförderten Forschungsprojekt „logistiCS.NRW“ (Sonntag 2018; 3. Forschungsbericht der Hochschule Niederrhein 2018). Das Projekt hat zum primären Ziel, durch intelligenten Einsatz von Informations- und Kommunikationstechnik (IKT) zeitnah die Situation für den Verkehr in den Neuss-Düsseldorfer Häfen zu verbessern und dadurch als sekundäres Ziel eine Entspannung des Verkehrs im Umfeld des Hafens zu erreichen. Das Vorhaben zielt mit Blick auf wachsenden Güterumschlag auf eine Verkehrsverbesserung für die mittelbare Zukunft. Damit adressiert das Vorhaben zusätzlich zu Innovationen durch IKT für die Logistik auch soziale und ökologische Nachhaltigkeitsaspekte. Im Gegensatz zu technikgetriebenen und infrastrukturlastigen Lösungsansätzen in anderen Häfen setzt dieses Vorhaben auf schlanke, einfach umzusetzende und eher konzeptionelle Lösungen. Kern ist das sogenannte „Crowd Solving“, ein Konzept zur Zusammenführung, Aufbereitung und nachfolgenden Distribution logistikrelevanter Informationen an die Akteure im Hafen, sodass jeder einzelne Akteur seine Aktivitäten an der verbesserten Informationslage ausrichten kann und sich so die Verkehrssituation insgesamt entspannt. Die Informationszusammenführung und Informationsbewertung nutzen aktuelle, aber bewährte IKT-Ansätze aus verschiedenen Fachdisziplinen (Industrie 4.0, Process Mining, Data Warehouse und Extract-Transform-Load (ETL)-Prozesse, Big Data). Dabei sollen bereits erfolgreich eingesetzte organisatorische und informationstechnische Lösungen der Anrainer in ein schlüssiges Gesamtkonzept integriert werden.

Obgleich der konzeptionelle Ansatz des Konzeptes sehr einfach ist, ist erst jetzt mit der Verfügbarkeit von leistungsstarken mobilen Internet-Zugängen eine Implementierung zu geringen Kosten möglich. Kern der technischen Umsetzung sind Webservices, die Informationen sammeln und entgegennehmen und über ein Dashboard allen beteiligten Akteuren zur Verfügung stellen. Neben der Verfügbarkeit der Informationen über ein Dashboard wird beispielsweise auch SMS für Benachrichtigungen eingesetzt.

Empirische Befunde

In 2017 wurde in einer empirischen Untersuchung die Bereitschaft der Akteure untersucht, Informationen bereitzustellen bzw. Informationen zu nutzen. Erwartungsgemäß ist die Bereitschaft, Informationen zu nutzen, größer als die Bereitschaft, selber Informationen zu liefern (Kuron & Brell, 2018)

Förderung der aktiven Teilnahme durch Gamification

Um insbesondere die aktive Teilnahme und die Motivation (McClelland 1988)der Akteure am Gladbacher Crowd Solving Konzept zu erhöhen, werden Gamification-Ansätze  (Herger 2014; Brell, 2018) in des Konzept integriert.

Spiel-Design-Elemente (Schell 2016) sind direktes Feedback, Schaffung von Gemeinschaften, mittelbare realweltliche Vorteile.

Crowd Solving im Kontext der Digitalen Agenda

Im Fachgespräch zum Thema Digitalisierung und Entwicklungszusammenarbeit des Ausschusses Digitale Agenda]] des Deutscher Bundestag|Deutschen Bundestags am 9. November 2016 (Schwaab 2016) wurde Crowd Solving als Methode der Problemlösung und Budgetplanung für die Handlungsfelder der gezielten Stärkung von Menschenrechten und Teilhabe z.B. durch

  • Digitale Anwendungen für Transparenz gegen Korruption und Gewalt (Apps gegen Korruption, Apps gegen Gewalt an Frauen, Plattformen für Vertrieb und e-Commerce, die eine unmittelbare Interaktion zwischen Verkäufer (z.B. Bauer) und Käufer (z.B. Händler) in Entwicklungsländern ermöglichen) oder
  • Digitale Anwendungen für Bürgerbeteiligung und -dialog

gesehen.

Einzelnachweise

  1. Geiger D, Rosemann M, Fielt E (2011): Crowdsourcing information systems: a systems theory perspective. In: Proceedings of the 22nd Australasian Conference on Information Systems (ACIS 2011).
  2. Herger, Mario (2014): Enterprise Gamification – Engaging People by letting them have fun.
  3. Brell, Claus (2018): Wie Gamification den Methodenapparat der Wirtschaftsinformatik bereichert. In: Informatik Aktuell. Alkmene Verlagsgesellschaft. Frechen. https://www.informatik-aktuell.de/management-und-recht/projektmanagement/wie-gamification-den-methodenapparat-der-wirtschaftsinformatik-bereichert.html
  4. Kuron, Ralf; Brell, Claus (2018): Informationen verfügbar machen. In: Hafenzeitung 02/2018. Düsseldorf. S. 3. http://hafenzeitung.de/downloads/archiv/pdf/hafen-zeitung_2018_02.pdf .
  5. McClelland, David Clarence. (1988): Human motivation. Cambridge University Press
  6. Schell, Jesse (2016): Die Kunst des Game-Designs – Bessere Games konzipieren und entwickeln. 2. Auflage. Frechen, mitp
  7. Sonntag, Christian (2018): “Auf den Fahrer kommt es an.“ In: NIU – Das Magazin der Hochschule Niederrhein. Krefeld. S. 36-37. https://www.hs-niederrhein.de/niu/
  8. o.A.: “Knoten lösen – Verkehrskollaps vermeiden.“ In: Vizepräsident für Forschung und Transfer (2018): Forschungsbericht #3. Krefeld. S. 68-69. https://www.hs-niederrhein.de/fileadmin/dateien/presse/Forschungsbericht__3_web.pdf
  9. Schwaab, Jan (2018): Fragenkatalog für das Fachgespräch zum Thema „Digitalisierung und Entwicklungszusammenarbeit“ des Ausschusses Digitale Agenda am 9. November 2016. Ausschussdrucksache A-Drs. 18(24)113, Deuscher Bundestag. S. 5 https://www.bundestag.de/blob/479222/54193d4d5062ccbcd675288a7e712f73/stellungnahme-schwaab-data.pdf

 

Weblinks

  1. http://logistics.traffgoroad.com (logistiCS Projektseite, Hochschule Niederrhein, Traffgo Road GmbH)
  2. https://www.hs-niederrhein.de/news/news-detailseite/forschungsprojekt-will-verkehrsprobleme-mit-moderner-it-bekaempfen-17325/ (Forschungsprojekt will Verkehrsprobleme mit moderner IT bekämpfen, Pressemeldung der Hochschule Niederrhein vom 10.05.2017)
  3. https://www.beckershospitalreview.com/human-capital-and-risk/crowd-solving-the-employee-retention-crisis-keeping-nurses-on-the-job-and-keeping-them-happy.html (Johnson, Christina (2017) Crowd-solving the employee retention crisis: Keeping nurses on the job and keeping them happy.)
  4. https://solve.mit.edu/articles/crowdsolving-for-the-workforce-of-the-future (CrowdSolving for the Workforce of the Future, MIT, 2017)

 

Nachhaltig lernen mit Gamification

Was haben Aristoteles und Boris Becker gemeinsam? Falsche Antwort: Aristoteles war ein guter Tennisspieler. Bessere Antwort: Beide haben vergleichbare Ideen, wie man etwas nachhaltig lernt.

Studierende lernen für die Klausur – und haben drei Monate später alles wieder vergessen. Das beschrieb schon Aristoteles ( 384 – 322 v.Ch., Philosoph) im übertragenen Sinne mit: „Der Student treibt die Genauigkeit nicht weiter, als es der Prüfungsanforderung entspricht „.[1] Damit verhalten sich Studierende vordergründig erst einmal nach dem ökonomischen Prinzip sprich klug.

Ein Patentrezept gegen das „Lernen für einen kurzen Moment“ hat schon Boris Becker gefunden. Becker ist sicherlich kein Bildungsforscher, aber jemand, der intuitiv ahnte, dass man gut Tennisspielen nicht durch das Lesen von Tennisbüchern lernt, sondern dadurch, dass man auf den Platz geht und immer wieder gegen den Ball schlägt. Immer wieder und immer wieder.

Bestätigt werden Aristoteles und Becker durch die Expertiseforschung, die herausgefunden hat, dass man dann etwas dann gut kann und vermutlich Experte ist, wenn man sich mit einem Thema etwa zehntausend Stunden beschäftigt hat. In die gleiche Kerbe schägt Anderson mit seinem Time-on-Task-Konzept, das besagt, dass der Lernerfolg mit der Zeit, die ein Lernender aktiv mit dem Lerngegenstand verbringt, korreliert. Dem steht der Workload eines Moduls in der Lehre mit 150 Stunden entgegen und das Bestreben vieler Studierenden, diesen Wert noch zu unterbieten.

Nun heißt nachhaltiges Lernen nicht nur reproduzierendes Auswendig-Pauken, sonderen auch Reflektion, Anwenden-Können und Transfer auf nicht Gelerntes. Dazu reicht es nicht, kurz vor der Klausur die Unterlagen des Dozenten zu lesen, sondern ein Lerner muss sich frühzeitig mit den Materialien und dem Lerngegenstand auseinanderzusetzen. „Die Bildung kommt nicht vom Lesen, sondern vom Nachdenken über das Gelesene.“ sagt Carl Hilty (1833 – 1909, schweizer Staatsrechtslehrer und Theologe, Verfasser von drei Büchern über das Glück) dazu.

Das Ziel ist folglich, Studiernde dazu zu bringen, sich erstens frühzeitig und zweitens intensiv mit dem Lerngegenstand auseinanderzusetzen, damit netto genug Zeitmenge für einen nachhaltigen Bildungsvorgang in einem Themengebiet (eine Vorlesung, ein Seminar …) bleibt. Dabei buhlt das Lernangebot mit emotional positiv besetzten Konkurrenten wie Partys, Serien auf Netflix, Kommunizieren über Whats App und Clash of Clans um die Zeit der Studierenden.

Ein Weg, die motivationale Basis für einen nachhaltigen Bildungsprozess zu schaffen, kann die behutsame und studierendenadäquate Anwendung von Gamification in der Lehre sein. Letztendlich läuft es darauf hinaus, positive Emotionen und Bedeutung in den Lernprozess zu implementieren.

Dabei klingt Gamification nach Spiel, ist aber etwas anderes[2], nämlich die Anwendung von isolierten Elementen, die sonst Spiele charakterisieren, in spielfremden Kontexten, hier Lernen.

Manche dieser Elemente sehen erst einmal nicht nach Spiel aus. Sehr gut funktioniert, als erstes Element, ein unmittelbarer digitaler Feedback-Mechanismus vergleichbar zu Computerspielen. Hierbei erfährt ein Lerner sofort, ob er etwas richtig gemacht hat oder nicht, und er wird zu konkreten Handlungsanweisen aufgefordert. Ein Student kann also seinen Lernfortschritt standig erfahren, ohne sich Ermahnungen aussetzen zu müssen. „Entmutige niemanden, der ständig Fortschritte macht, egal wie langsam“, sagt Platon (427 – 347 v. Ch., Philosoph, Aristoteles` Lehrer) dazu. Seit dem Sommersemester 2018 steht in der Hochschul-Lernplattform Moodle das Plugin levelUp! zur Vergügung, mit dem sich z.B. Rückmeldemechanismen über den Lernfortschritt realisieren lassen.

Ein zweites Element ist die klare Orientierung, welche Aktivitäten für ein gutes Prüfungsergebnis zuträglich sind, in diesem Aspekt unterscheidet sich gute gamifizierte Lehre nicht von guten Brettspielen.

Ein drittes Element kann die Beförderung von sozialem Austausch sein, die sehr viele Studierende anspricht.

Die Aufladung des Lerninhaltes mit Bedeutsamkeit ist das vierte Element, das fast immer eine förderliche Wirkung zeigt. Dabei werden die Lerninhalte in eine Geschichte oder einen Wirkungszusammenhang eingebettet , den die Studierenden als wichtig, interessant oder erstrebenswert bewerten.[3]

Zweischneidig hingegen sind als fünftes Element Ranglisten, auf denen die erreichten Punkte mit den Punkten von Kommilitonen für alle sichtbar verglichen werden. Dieses Element wird nur von einem kleinen Teil der Menschen bevorzugt.[4] In der Wirtschaft erfolgreich erprobt ist allerdings eine Modifikation in Form von Gruppenrankings, die auch von nicht-wettkampforientierten Menschen gut angenommen wird.

Zum nachhaltigen Lernen gehört wie eingangs gesagt die Reflektion über die Lerninhalte und die kostet Zeit. Der Preis, den ein Lehrender dafür zahlen muss, wird in der Reduktion der Stoffmenge für eine Lehrveranstaltung liegen. Aber wie meinte Sokrates (469 – 399 v.Ch., Philosoph, Platons Lehrer)? „Das Geheimnis des Glücks liegt nicht in der Suche nach mehr, sondern in der Entwicklung der Fähigkeit, weniger zu genießen.“ Belohnt wird ein Dozent mittelbar durch Studenten, die die Inhalten auch lange nach der Lehrveranstaltung noch anwenden können und unmittelbar durch positive Würdigung in den Freitextfeldern der Lehrevaluation.

Das ist dann motivierend für mich als Lehrender. Nach den Erfolgen in den letzten beiden Semestern steht für mich nun die Gamifizierung aller meine Module auf der Agenda.

[1] Eigentlich heißt der Spruch: “ Der Gebildete treibt die Genauigkeit nicht weiter, als es es der Natur der Sache entspricht.

[2] Neben Gamification gibt’s noch Serious Games, Edutainment und andere. Der Oberbegriff dafür im Kontext Bildung ist Game Based Learning. Gamification ist dabei die Methode, die den größten Fokus auf den ernsten Kontext hat und am wenigsten „Spiel“ ist. Allerdings werden alle Erkenntnisse aus der Beforschung des Spiels und der Spieler konsequent angewendet.

[3] Zum Beispiel wurde die eher dröge Programmierung von ETL-Prozessen in ein Projekt mit der Leprahilfe Schiefbahn eingebettet. Oder die Programmierung im Internet-of-Things Umfeld wurde mit der Herstellung von trinkbarem Alkohol verknüpft.

[4] Der englischsprachige Bartle-Test weist mit vielen tausend Probanden eine Anteil des Spielertyps „Killer“ von unter 10% aus, „Socializer“ hingegen stellen die Mehrzahl mit 80%. Zur Zeit entwickeln drei Masterstudenten mit dem Autor einen deutschsprachigen Bartle-Test, der zudem eine Korrelation mit der „Theorie der erlernten Motivation“ von McClelland zulässt. Der Test soll als Langzeitexperiment (bis 2025) über den Hochschul-Befragungsserver laufen und die Vermutung bestätigen, dass in Deutschland die Bartle-Schätzung tendenziell auch für Nichtspieler zutrifft und damit die Bartlesche Theorie auch für Gamification im betrieblichen Kontext zugänglich macht.

Eine kürzere Ausgabe des Textes findet man im Hochschulmagazin NIU der Hochschule Niederrhein, Ausgabe Mai 2018.

Direkter Link: https://www.hs-niederrhein.de/niu/

Den gescannten Artikel auf den Seiten claus-brell.de findet man hier.

Gamification als ein Weg, IT-Kompetenz zu stärken … bei meetUp MG

Am 2. März 2018 stand IT-Bildung im Fokus des meetUP MG Treffens. Eine Möglichkeit, der IT-Bildungsmüdigkeit entgegenzutreten, kann Gamification eröffnen. Das war Gegenstand eines Vortrages.

nextMG beschreibt auf ihren Seiten den Vortrag zutreffend wie folgt:

„Zu guter Letzt präsentierte Prof. Dr. Claus Brell, Wirtschaftsinformatiker der Hochschule Niederrhein, warum er so stark auf den Gamification-Ansatz setzt – also auf die Anwendung spiel­typischer Elemente in einem spielfremden Kontext. Technikfeindlichkeit sei gesellschaftsfähig, seine Studenten oft nicht einmal in der Lage, eine Datei auf Laufwerk C abzulegen – geschweige denn zu programmieren. Sein Lösungsansatz: spielerische Formate entwickeln, die bedeutungsvoll und einfach sind sowie nicht im Theoriestadium steckenbleiben, sondern auch umgesetzt werden. So hat er eine Roboter-Challenge für Erstsemester ins Leben gerufen, entwickelt er interaktive Nistkästen, will er beim nächsten Girls‘ Day als „Einstiegsdroge“ den Einplatinencomputer Calliope mini einsetzen und braut mit Studenten besagten Honigwein – mithilfe eines Internetservers, eines Raspberry Pi, eines Terrarienheizkabel und ein wenig Elektronik. Als höchste Ausbaustufe werden mit Fünftsemestern Web-Anwendungen programmiert – etwa ein neuer Internetauftritt für die Leprahilfe Schiefbahn. http://claus-brell.de “

Den Originalartikel erreicht man unter https://nextmg.org/tag/brell/ .

Auslöser für den Vortrag waren die folgenden vier Beobachtungen:

  1. Beobachtung: Wirtschaftsinformatikstudenten gehen Programmiermodulen aus dem Weg,  wenn sie können. Junge Menschen wollen nicht programmieren.
  2. Beobachtung: Generation Iphone hat keine IT-Literacy mehr (Grundbildung in IT-Dingen). Studenten können keine Datei mehr auf Laufwerk C ablegen, kennen kein Dateisystem. 
  3. Beobachtung: Es ist sozial akzeptiert, sich als „Mathe-Dummerjan“ zu outen. Technikfeindlichkeit ist gesellschaftsfähig. 
  4. Beobachtung: Keine Leidenschaft. Es gibt anscheinend keinen Grund, sich für irgend etwas anzustrengen …

Mit Gamification die Welt retten? So einfach ist das sicher nicht, aber Gamification kann ein Weg sein, die Welt schrittweise zu einem besseren Ort zu machen. Hier also: Junge Menschen einen Grund zu geben (… zu motivieren…) sich mit IT auseinanderzusetzen.

Dabei soll Gamification als Methode so verstanden werden: Planmäßiges Vorgehen zur Erreichung des Ziels „Aktivitätserhöhung“ mit Hilfe von Wirkmechanismen aus spielerischen Kontexten.

Hier geht es direkt zu den Vortragsfolien.

Abschlussarbeiten und studentische Projekte / Masterforschungsprojekte, die zur Entwicklung diese Vortrages beigetragen haben:

  1. Röser, Ben (2017): Gamification & eLearning – Konzept für einen berufsbegleitenden Studiengang
  2. Spindler, Marcel: (2017): Unterstützung des stationären Handels mithilfe einer mobilen, geobasierten Anwendung – Entwicklung einer akkuschonenden und datensparenden iOS App
  3. Ülker, Nazmiye (2017): Usability von Casual Games
     Ableitung von Kriterien für; die nutzerfreundliche Gestaltung von Gamification-Elementen
  4. Nols, Frederic (2017): Marktanalyse und Neukonzept für ein E-Learning Angebot zur Erhöhung der ITSecurity-literacy und IT-Security-awareness in Unternehmen unter Nutzung von GamificationMethoden5. Dahmen, Jens (2017): Gamification in kollaborativen Plattformen –  Auswirkungen auf die Teilnehmeraktivierung und wirtschaftliche Aspekte.

Veröffentlichungen:

  1. Brell, Claus (2018) Wie Gamification den Methodenapparat der Wirtschaftsinformatik bereichert. Internet-Ressource, https://www.informatik-aktuell.de/management-und-recht/ projektmanagement/wie-gamification-den-methodenapparat-der-wirtschaftsinformatikbereichert.html. Verfügbar seit 30.01.2018
  2. Brell, Claus (2017) Gamification bringt Mitarbeiter und Unternehmen neu zusammen. In HR Performance 6/2017, ISSN 1866-3753, p. 50-51

Beispiele für Gamfication in der Wirtschaft

Oft stellt sich die Frage: „Wie sollen wir denn das Problem im Unternehmen angehen?“ Gemeint ist, wie Gamification konkret eingesetzt werden kann, so dass Mitarbeiter den – digitalisierungsbedingten – Wandel mitmachen. Gerade diese Veränderungsprozesse sind es, die aus Sicht der Wirtschaftsinformatik den Einsatz von Gamification nahelegen (Brell 2017). Hierzu gibt es bereits eine Reihe realer Lösungsansätze und -ideen, die als Fundgrube für eigene Realisierungen im Unternehmen dienen können.

Beispiel 1: „Wissen teilen gewinnt Meilen“ – Initiative in einer Unternehmensberatung (North et. al. 2016:147-148).

Ausgangslage: Unternehmensberater insbesondere in großen Unternehmensberatungen sind häufig Individualisten, stehen unter enormem Zeitdruck und sind daher vielfach nur bedingt gewillt, Zeit aufzuwenden, ihr Wissen zu dokumentieren und weiterzugeben. Neben übergreifenden Anreizsystemen des Unternehmens können zur Sensibilisierung für den Wissenstransfer spielerische Initiativen einen Beitrag leisten. In Analogie zu den Meilen-Sammelaktionen von Fluggesellschaften wurde daher in einer  Unternehmensberatung eine Initiative „Wissen teilen gewinnt Meilen“ gestartet:

‚Wir wollen dazu motivieren, Wissen zu teilen, den Kollegen Hilfe anzubieten, erfolgreiche Konzepte aus der Projektarbeit offensiv zur Verfügung stellen. Hierzu wollen wir die „Knowledge-Leader“ in unserer Organisation finden, d. h. die Mitarbeiter, die Wissen aktiv an andere weitergeben.‘

Spielregeln: Jeder Mitarbeiter erhält pro Quartal 50 Punkte, die er an Kollegen und Kolleginnen verteilen kann (aber nicht muss), die ihn besonders unterstützt haben. Jeder Mitarbeiter stellt sich folgende Fragen: Wer hat mich bei der Lösung eines Problems aktiv unterstützt, wer hat mich an Erfahrungen teilhaben lassen, wer fördert besonders Wissensentwicklung im Unternehmen?

Umsetzung: Es wird keine besondere Software dafür eingesetzt. Jedes Quartalsende schicken die Berater ihre Punkteverteilung ans „Meilensekretariat“. Die mit Punkten bedachten Kollegen und Kolleginnen sammeln diese Punkte auf ihrem „Meilenkonto“ und können sich zum Jahresende ein Geschenk aus dem Geschenkrepertoire aussuchen (z. B. hochkarätige Seminare nach eigener Wahl inkl. Seminargebühr und Reisespesen). Die Einlösung der „Meilen“ soll zum weiteren Wissensaufbau der Knowledge-Leaders beitragen.

Beipiel 2: Das Konzept „ProjectWorld“ zur Sammlung von Projektwissen (Schacht et. al. 2017).

Um Mitarbeiter von Projektteams zur Dokumentation von Projektwissen zu motivieren, wurde 2015 mit „ProjectWorld“ ein Wissensmanagementsystem mit Gamification-Aspekten entwickelt und von der SAP-Beratung Movilitas im Bereich „Track & Trace“ eingeführt. Für die Praxisrelevanz kam der Action Design Research-Ansatz zum Einsatz, der eine Zusammenarbeit von Unternehmen und Forschung vorsieht. Badges oder Points, die als Belohnung für erstellte Beiträge und Inhalte vergeben wurden, konnten in einem individuellen Fortschrittsbalken von den Mitarbeitern auf dem Nutzerprofil eingesehen werden.

Beispiel 3: Ideen zur Verhinderung der „Todesspirale des Wissensmanagements“

Ausgangslage: In zwei Abschussarbeiten wurde die Einführung von Wissensmanagement-Werkzeugen in mittelständischen Unternehmen untersucht und beispielhaft durchgeführt (Amberg 2016; Klapproth 2016). In beiden Fällen zeigte sich, dass nach der Einführung die Nutzung hinter den Erwartungen zurückblieb. In einem Unternehmen, einem Systemhaus am Niederrhein, waren keine Schnittstellen vorhanden, um ein „elektronisches“ Gamification zur Beförderung der Wissensprozesse  einzusetzten.

Idee „Flummiglas“ – Gamification analog: Jede Mitarbeiterin oder Mitarbeiter kann, wenn Sie einen Inhalt in der Wissensplattform recherchiert hat, quasi als Selbstanschreibung einen kleinen bunten Flummi aus einem großen Glas an der Kaffeemaschine nehmen und in das eigene Glas auf dem Schreibtisch legen. Für die Erstellung eines Inhaltes in der Wissensplattform gibt es einen größeren Flummi. Das eigene Glas hat einen Eichstrich. Sobald der Eichstrich von Flummis überdeckt ist, wird das Glas beim Vorgesetzten ausgeschüttet, die Mitarbeitererin darf sich zwei Kolleg(inn)en aussuchen und das Unternehmen bezahlt einen gemeinsamen Cocktailabend.

Praxiserfahrung: In ähnlicher Form wurde bereits 1989 der Zusammenhalt in  der KKB Lebensversicherung (heute Talanx-Gruppe) gefördert– ohne es Gamification zu nennen

Quellen:

Amberg, Niklas (2016) Wissensmanagement im mittelständischen Softwareunternehmen – Auswahl, Ersteinrichtung und Verstetigung eines Software-Tools. Mönchengladbach. Abschlussarbeit. Betreuung Prof. Dr. Claus Brell, Hochschule Niederrhein.

Brell, Claus (2018) Wie Gamification den Methodenapparat der Wirtschaftsinformatik bereichert. Alkmene, Frankfurt. online: https://www.informatik-aktuell.de/management-und-recht/projektmanagement/wie-gamification-den-methodenapparat-der-wirtschaftsinformatik-bereichert.html.

Klapproth, Marie (2016) Integriertes Qualitäts- und Wissensmanagement zur Optimierung von Geschäftsprozessen am Beispiel eines mittelständischen Anbieters von Unternehmens-Software-Lösungen. Mönchengladbach. Abschlussarbeit. Betreuung Prof. Dr. Claus Brell, Hochschule Niederrhein.

North, Klaus (2016) Wissensorientierte Unternehmensführung -Wissensmanagement gestalten. Springer, Wiesbaden. 6. Auflage

Schacht, S.; Reindl, A.; Morana, S.; Mädche, A. (2017) Projekterfahrungen spielend einfach mit der ProjectWorld! – Ein gamifiziertes Projektwissensmanagementsystem. In: Strahringer, S. & Leyh, C. (Hrsg) (2017): Gamification und Serious Games – Grundlagen, Vorgehen und Anwendungen. HMD, Springer, Wiesbaden.

 

Spickzettel erlaubt – als emotionaler Rettungsanker

Müssen Prüfungen weh tun? Ja, vielleicht, weil Leidensfähigkeit neben Fleiß ein Top-Softskill ist. Aber muss eine Prüfung Angst machen? Nein, weil Angst ein denkbar schlechter Lernbegleiter ist. Mit dem gezielt eingesetzten didaktischen Instrument des „gewollten Spickzettels“ wie in Abb. 1 gelingt es, Angst aus der Prüfungssituation zu nehmen, Bulemielernen zu mindern und nicht zuletzt die Durchfallquote zu senken. Angenehmer Nebeneffekt: Auch Monate nach der Prüfung werden wesentliche Inhalte noch gewusst. Weiterlesen