=Paper=
{{Paper
|id=Vol-2454/paper_32
|storemode=property
|title=Auswirkung des Internet der Dinge auf das Wissen über Arbeitsprozesse von Mitarbeitern in KMUs
|pdfUrl=https://ceur-ws.org/Vol-2454/paper_32.pdf
|volume=Vol-2454
|authors=Hannes Reil,Michael Leyer
|dblpUrl=https://dblp.org/rec/conf/lwa/ReilL19
}}
==Auswirkung des Internet der Dinge auf das Wissen über Arbeitsprozesse von Mitarbeitern in KMUs==
https://ceur-ws.org/Vol-2454/paper_32.pdf
Auswirkung des Internet der Dinge auf das Wissen über
Arbeitsprozesse von Mitarbeitern in KMUs
Hannes Reil1, Michael Leyer12
1 University of Rostock, Institute for Business Administration,
Ulmenstr. 69, 18057 Rostock
2 Queensland University of Technology, 4101 Brisbane, Australien
hannes.reil@uni-rostock.de; michael.leyer@uni-rostock.de
Abstract. Das Internet der Dinge vernetzt Objekte in Unternehmen fortlaufend.
Damit verändern sich Arbeitsprozesse und dadurch auch das benötigte Wissen
von Mitarbeitern. Dies betrifft besonders KMUs, in denen die Anzahl der Wis-
sensträger begrenzt ist. Wir beschreiben die Grundlagen, wie das Internet der
Dinge den Wissenserwerb von Mitarbeitern verändert und wie das Management
von Wissen verändert wird.
Keywords: Internet der Dinge, KMUs, Mitarbeiter, Wissen, Prozesse
1 Einleitung
Das Internet der Dinge (Internet of Things; IoT) ermöglicht eine permanente Ver-
netzung einer Vielzahl von Objekten. Solche Objekte können sowohl Personen als auch
Maschinen mit unterschiedlichsten Sensoren sein [1] , die in einem Netzwerk miteinan-
der Informationen austauschen oder interagieren [2]. Für kleine und mittelständische
Unternehmen (KMUs) bietet das IoT besonders große Chancen, da eine vergleichs-
weise wenig ressourcenintensive Informationsvernetzung erforderlich ist. Dennoch
bringt die Einführung von IoT für KMUs auch Herausforderungen mit sich. Neben
neuen Geschäftsmodellen [3] betrifft dies vor allem deren Umsetzung, die sowohl per-
sonelle Angelegenheiten als auch die Aufbau- und Ablauforganisation tangieren.
Ein nicht zu unterschätzender Aspekt in diesem Veränderungskontext ist das Wissen
der Mitarbeiter über die Arbeitsprozesse in Unternehmen. Dieses Wissen ist eine wich-
tige Ressource in der Wertschöpfung von Unternehmen [4, 5]. Mit IoT bietet sich eine
Möglichkeit, eine große Menge an Daten und Informationen zu sammeln, deren Nut-
zung auch zu einer Veränderung der Arbeitsprozesse führen wird. Mitarbeiter werden
damit andere Aufgaben erhalten und dafür auch neues Wissen erwerben müssen bzw.
altes Wissen verlernen oder nicht mehr benötigen. Dies kann zu unerwünschten Wis-
senslücken bei Mitarbeitern im Unternehmen führen [6]. Somit entsteht für Unterneh-
men die Herausforderung, aufgrund der Einführung von IoT nicht nur die Technik und
Arbeitsprozesse zu ändern, sondern auch das notwendige Wissen im Unternehmen zu
schaffen, zu verwalten und weiterzuentwickeln [7].
Copyright © 2019 for this paper by its authors. Use permitted under Creative Commons
License Attribution 4.0 International (CC BY 4.0).
Daher stellt sich die Forschungsfrage, wie sich IoT auf das Wissen über Arbeitspro-
zesse von Mitarbeitern in KMUs auswirkt. In diesem Artikel zeigen wir die dabei kon-
zeptionell wirkenden grundlegenden Mechanismen auf und arbeiten heraus, welche
Auswirkungen IoT mit sich bringt. Darauf basierend analysieren wir, wie das Wissen
von Mitarbeitern beeinflusst wird und welche Ansätze für den Erhalt möglich sind.
2 Auswirkungen des IoT auf Arbeitsprozesse
Mit Blick auf die Ablauforganisation ist bei der Implementierung von IoT-Ge-
schäftsmodellen inklusive digitaler Arbeitswelten insbesondere zu beachten, dass der
Fokus der Digitalisierungsbestrebungen durch IoT nicht mehr nur auf der Optimierung
der Ausführung einzelner Tätigkeiten, sondern auf der Vernetzung von Funktionen
liegt [8]. Aufgrund dessen gewinnt eine integrierte Betrachtung von durchgehenden
Wertschöpfungsprozessen zunehmend an Bedeutung. Aktuell sind Lösungen im IoT-
Bereich grundsätzlich noch auf einzelne Funktionen konzentriert oder fassen besten-
falls den Zugang zu mehreren Funktionen zusammen; ganze Wertschöpfungsprozesse
und deren Einbettung in die Aufbauorganisation werden jedoch nicht betrachtet [9].
Bislang ist unklar, wie genau die Rahmenbedingungen bezogen auf die Ablauforgani-
sation gestaltet werden können [10]. Der Wandel von einer Funktions- hin zu einer
Prozessorientierung führt nicht nur zu einer Veränderung der Arbeitsprozesse sondern
erfordert auch ein Umdenken der Mitarbeiter und damit anderes Wissen [11, 12]. Der-
zeitige Geschäftsmodelle sind in der Regel auf ein Unternehmen ausgelegt. Allerdings
bietet das IoT neue Möglichkeiten zur Wertschöpfung. Dazu ist es wichtig, dass die
Geschäftsmodelle der einzelnen Unternehmen darauf ausgelegt sind, auch mit anderen,
zum Teil konkurrierenden, Unternehmen zusammen zu arbeiten und Wissen zu teilen,
um eine IoT-Lösung bereit zu stellen, von der alle Parteien profitieren [13].
Es gibt bereits IoT-Systeme, die ohne menschliches Zutun agieren [14]. Durch die
bessere Vernetzung der Objekte durch IoT ist eine umfangreiche und schnellere Ana-
lyse der Daten möglich. Dies hat auch Auswirkungen auf den Entscheidungsfindungs-
prozess. Durch die Möglichkeit, Objekte im Netzwerk ausfindig zu machen, können
Kosten an vielen Stellen eingespart werden. Ein Beispiel ist das Verfolgen von Waren,
sodass die Lager- und Logistikkosten gesenkt werden können [14]. Zudem ist es mög-
lich, schnell und einfach Feedback von Kunden zu sammeln und dieses direkt in die
Unternehmensprozesse zu integrieren [9].
Daten bilden zudem die Grundlage für die Automatisierung von Prozessen. Dadurch
ist menschliches Eingreifen nicht mehr notwendig [14]. Eine Automatisierung von ge-
wissen Arbeitsprozessen hat zur Folge, dass bestimmte Aufgaben von Maschinen über-
nommen werden. Dies kann von der einfachen Datenanalyse bis hin zum Nachahmen
von menschlichen Verhalten in Entscheidungssituationen reichen. Um dies zu gewähr-
leisten, ist es notwendig, dass die Unternehmen ihre Geschäftsmodelle entsprechend
ausrichten und anpassen [14]. Für einen solchen Umbruch müssen die Mitarbeiter an-
deres Wissen aufbauen [15], damit die Neugestaltung und Strukturierung der Prozesse
gelingen kann.
3 Wissenserwerb von Mitarbeitern in Arbeitsprozessen
Arbeitsprozesse sind mehr oder weniger festgelegte Vernetzungen von Aktivitäten,
die im Zeitablauf wiederholt stattfinden. Dabei kann sowohl das zeitliche Auftreten,
die Rahmenbedingungen als auch die Reihenfolge variieren [16]. Um in einem solchen
dynamischen System die bestmöglichen Entscheidungen treffen zu können, ist ein kon-
tinuierlicher Lernprozess von Mitarbeitern nötig [17].
Dieser Lernprozess kann mit der instance-based learning theory (IBLT) [18] be-
schrieben werden. Demnach werden die Parameter der aktuellen Entscheidungssitua-
tion auf Basis ähnlicher vergangener Situationen, der bisherigen getroffenen Entschei-
dung und der daraus gewonnen Nützlichkeit ermittelt. Sofern keine Erfahrungen vor-
liegen, ist eine genauere Analyse der Situation notwendig. Bei der Beurteilung wird
eingeschätzt, welche Parameter für die aktuelle Entscheidungssituation zum Einsatz
kommen und diese im Anschluss ausgewählt und ausgeführt. Durch ständiges Feed-
back wird der Erfahrungsspeicher des Mitarbeiters erweitert und ergänzt. Dabei sollte
ein Mitarbeiter möglichst viele Erfahrungen sammeln, um die Parameter richtig ein-
schätzen zu können [18].
Die dem Lernprozess zu Grunde liegenden Erfahrungen können Mitarbeiter auf zwei
unterschiedlichen Wegen erlangen: entweder durch Lernen erster oder Lernen zweiter
Ordnung. Beim Lernen erster Ordnung wird die zugrundeliegende Erfahrung nicht hin-
terfragt; vielmehr beobachtet der Mitarbeiter die Auswirkungen seiner Entscheidungen
und zieht daraus seine Erfahrungen. Beim Lernen zweiter Ordnung werden hingegen
die zugrundeliegenden Annahmen hinterfragt und wenn nötig angepasst. Dadurch ent-
steht die Grundlage für Verbesserungen und Innovationen [19].
Das Problem in KMUs ist hierbei, dass das Wissen der Mitarbeiter häufig nur als
implizites Wissen vorliegt. KMUs haben in der Regel kein Wissensmanagement im-
plementiert, da sie dieses nicht als wichtig erachten [20]. Vielmehr findet die Wissens-
verteilung in KMUs durch informelle Kommunikation unter den Mitarbeitern statt.
Wissen wird also eher auf direktem Wege weitergegeben, als physisch gespeichert[21].
Demnach besteht das Risiko, dass nicht benötigtes Wissen nicht immer sofort verfügbar
ist (bpsw. wenn der Wissenseigner krank ist) oder nicht jederzeit das komplette Wissen
abgerufen wird (bspw. wenn vergessen wird, einen Arbeitsschritt zu beschreiben).
4 Wissensmanagement und IoT
Die beschriebenen Lernprozesse können durch das IoT als digitale Arbeitsumgebung
unterstützt werden. Objekte wie z.B. Maschinen können dabei wichtige Funktionen
übernehmen und dank verschiedenster Sensoren eine breite Anzahl an Umwelteinflüs-
sen berücksichtigen. Diese können sie miteinander und mit dem Mitarbeiter kommuni-
zieren. Dadurch entsteht eine größere Datengrundlage, die in den Entscheidungsprozess
und den daraus gewonnenen Erfahrungen einfließt. Objekte, die genau wie die Mitar-
beiter eine eigene Erfahrungsdatenbank aufbauen können, unterstützen den Mitarbeiter
in seinem Entscheidungsprozess [5, 6]. Das IoT bietet durch die ständige Anbindung
an das Internet die Möglichkeit, dass die darin befindlichen Objekte inklusive ihrer je-
weiligen Erfahrungsdatenbanken sich ständig austauschen. Dies ermöglicht dem Mit-
arbeiter Zugriff auf eine umfangreichere Wissensdatenbank. An dieser wirkt das IoT
der Tatsache entgegen, dass Wissen in KMUs vorrangig personengebunden vorliegt
[20]. Durch die Vernetzung von Objekten und Personen ist es möglich, ohne viel Auf-
wand auf das Wissen anderer Personen zurückzugreifen. Dadurch können mögliche
Kosten, für beispielsweise die Suche von benötigtem Wissen, reduziert werden.
Mithilfe dieser Datenbank lassen sich komplexere Zusammenhänge für eine Ent-
scheidungsfindung berücksichtigen. Dabei sollte der Mitarbeiter jedoch die nötigen
Kompetenzen besitzen, um aus einer solchen Datenbank das für seine Entscheidung
nötige Wissen abzurufen.
von Prozessschritten, die von intelligenteren Objekten übernommen werden. So
können durch selbstlernende Algorithmen Phasen wie die Beurteilung der Entschei-
dungssituation oder die Feedbackphase bis hin zur eigentlichen Entscheidung übernom-
men werden. Dies kann dazu führen, dass die mentalen Modelle, die ein Mitarbeiter im
Lernprozess entwickelt, nicht alle Einflussfaktoren berücksichtigen, was in unvollstän-
digen mentalen Modellen resultieren kann und die Erfahrung des Mitarbeiters beein-
flusst [6]. Um Innovationen und Verbesserungen voranzutreiben, ist derzeit weiterhin
ein Mensch erforderlich, der den kompletten Arbeitsprozess versteht.
5 Fazit & Ausblick
IoT bietet aufgrund der Vernetzung vieler Objekte mit dem Internet und der damit
einhergehenden ständigen Erreichbarkeit und dem permanenten Austausch von Daten
die Möglichkeit, Wissen zu generieren. Allerdings wird nicht berücksichtigt, dass ins-
besondere KMU die neuen Möglichkeiten der Digitalisierung kaum oder gar nicht nut-
zen, um ihre Geschäftsmodelle anzupassen oder zu entwickeln [22]. Das bedeutet, dass
die Unternehmen zunächst die Grundlagen und ein Verständnis schaffen müssen, um
Wissensmanagement in ihrem Unternehmen anzuwenden.
Da die Einführung des IoT etwa Auswirkungen auf die Transparenz von Vorgängen
im Unternehmen, die Verantwortlichkeiten und die Rechenschaftspflichten von Mitar-
beitern hat [23] und da sich die die Gestaltung des Arbeitsumfelds generell auf die Zu-
friedenheit von Mitarbeiter auswirken kann [24] und Zufriedenheit langfristig die Effi-
zienz der Arbeitsausführung auf individueller und organisationaler Ebene beeinflusst
[25], erscheint eine systematische Analyse zur Gestaltung des Arbeitsplatzes als unab-
dingbar. Dabei scheint es besonders wichtig, den mit der Einführung von IoT einher-
gehenden Kompetenzentwicklungsbedarf aufzudecken und konkrete Empfehlungen
zur individuellen Kompetenzentwicklung abzuleiten. Im Organisationskontext werden
Kompetenzen vor allem als Verhaltensrepertoire gesehen, das sich über Lernprozesse
entwickelt und durch Rückkopplungen in je veränderten Situationen zu konkretem Ver-
halten führt [26]. Bei einer Einführung von IoT ist zu erwarten, dass sich Änderungen
in den Anforderungen an Mitarbeiter ergeben (z.B. stärkere Integration der Leistungs-
erbringung in die Prozesse der Kunden [27]), die zusätzlich zu im Organisationskontext
ohnehin wichtigen fachlich-methodischen Kompetenzen eine Förderung zum Beispiel
personaler und sozial-kommunikativer Kompetenzen erfordern [28]. Der Artikel be-
schreibt die Grundlagen dieser Entwicklung, für die weitere Forschungsaktivitäten be-
nötigt werden, um herauszufinden, wie Wissensmanagement in KMUs in Zeiten von
IoT bestmöglich funktionieren kann.
Literatur
1. Xia, F., et al., Internet of things. International Journal of Communication Systems,
2012. 25(1): p. 1101-1102.
2. Santucci, G., The Internet of Things. Between the Revolution of the Internet and
the Metamorphosis of Objects, in Vision and challenges for realising the internet
of things, H. Sundmaeker, et al., Editors. 2010, European Commission: Brüssel.
p. 11-24.
3. Amit, R. and C. Zott, Value creation in e-business. Strategic Management Journal,
2001. 22(6/7): p. 493-520.
4. Martín-de-Castro, G., et al., An Intellectual Capital-Based View of the Firm.
Origins and Nature. Journal of Business Ethics, 2011. 98(4): p. 649-662.
5. Uden, L. and W. He, How the Internet of Things can help knowledge management.
A case study from the automotive domain. Journal of Knowledge Management,
2017. 21(1).
6. Leyer, M. and J. Strohhecker, Cognition and experience of employees in digital
work environments, in Proceedings of the 10. Konferenz Professionelles
Wissensmanagement. 2019. p. forthcoming.
7. Debowski, S., Knowledge Management. A Strategic Management Perspective.
2005, Hoboken: Wiley.
8. Caputo, A., G. Marzi, and M.M. Pellegrinie, The internet of things in
manufacturing innovation processes. Development and application of a
conceptual framework. Business Process Management Journal, 2016. 22(2): p.
383-402.
9. Ferretti, M. and F. Schiavone, Internet of things and business processes redesign
in seaports. The case of Hamburg. Business Process Management Journal, 2016.
22(2): p. 271-284.
10. Leyer, M., J. Stumpf-Wollersheim, and F. Pisani, The influence of process-
oriented organizational design on operational performance and innovation.
International Journal of Production Research, 2017. 55(18): p. 5259-5270.
11. Wollersheim, J., M. Leyer, and M. Spörrle, When more is not better. The effect of
the number of learning interventions on the acquisition of process-oriented
thinking. Management Learning, 2016. 47(2): p. 137-157.
12. Leyer, M. and J. Wollersheim, How to learn process-oriented thinking. An
experimental investigation of the effectiveness of different learning modes.
Schmalenbachs Business Review, 2013. 65(4): p. 454-473.
13. Ghanbari, A., Laya, A. Alonso-Zarate, J., Markendahl, J., , Business Development
in the Internet of Things. A Matter of Vertical Cooperation. IEEE
Communications Magazine, 2017. 55(2): p. 135-141.
14. Chui, M., M. Löffler, and R. Roberts, The internet of things. Information networks
based on communicating objects will create new applications and new business
models. Intermedia, 2010. 38(2): p. 34-37.
15. del Giudice, M., Discovering the internet of things (IoT) within the business
process management. A literature review on technological revitalization.
Business Process Management Journal, 2016. 22(2): p. 263-270.
16. Leyer, M., Towards a context-aware analysis of business process performance,
in Proceedings of the 15th Pacific Asia Conference of Information Systems
(PACIS 2011). 2011: Brisbane. p. Paper 200.
17. Dörner, D. and H. Schaub, Errors in Planning and Decision-making and the
Nature of Human Information Processing. Applied Psychology. An International
Review, 1994. 43(4): p. 433-453.
18. Gonzalez, C., J.F. Lerch, and C. Lebiere, Instance-based learning in dynamic
decision making. Cognitive Science, 2003. 27(1): p. 591-635.
19. Argyris, C., Single-loop and double-loop models in research on decision making.
Administrative Science Quarterly, 1976. 21(3): p. 363-375.
20. Durst, S. and M. Leyer. How can SMEs assess the risk of organizational
knowledge. in Proceedings of the LWA 2014 Workshops: KDML, IR and FGWM.
2014. Aachen: Universität Aachen.
21. Yew Wong, K. and E. Aspinwall, Characterizing knowledge management in the
small business environment. Journal of Knowledge Management, 2004. 8(3): p.
44-61.
22. Icks, A., C. Schröder, and S. Brink, Digitalisierungsprozesse von KMU im
verarbeitenden Gewerbe. 2017, Institut für Mittelstandsforschung: Bonn.
23. Boos, D., et al., Controllable accountabilities. The internet of things and its
challenges for organisations. Behaviour & Information Technology, 2013. 32(5):
p. 449-467.
24. Wood, S., et al., Enriched job design, high involvement management and
organizational performance. The mediating roles of job satisfaction and well-
being. Human Relations, 2012. 65(4): p. 419-446.
25. Harter, J.K., F.L. Schmidt, and T.L. Hayes, Business-unit level relationship
between employee satisfaction, employee engagement, and business outcomes. A
meta-analysis. Journal of Applied Psychology, 2002. 87(2): p. 268-279.
26. Stegmaier, R. and K. Sonntag, Kompetenzmanagement und Lernkultur zur
Förderung der Nicht-Imitierbarkeit individueller und organisationaler
Kompetenzen, in Kompetenzkapital heute. Wege zum Integrierten
Kompetenzmanagement, E. Barthel, et al., Editors. 2007, Frankfurt School Verlag:
Frankfurt. p. 269-292.
27. Shin, D., A socio-technical framework for internet-of-things design. A human-
centered design for the internet of things. Telematics and Informatics, 2014.
31(1): p. 519-531.
28. Erpenbeck, J. and L. von Rosenstiel, Handbuch Kompetenzmessung. Erkennen,
verstehen und bewerten von Kompetenzen in der betrieblichen, pädagogischen
und psychologischen Praxis. 2 ed. 2007, Stuttgart: Schäffer-Poeschel.