Am Sonntag lief in meiner Küche das Radio. In der Sendung Computer&Kommunikation lernte ich über einen neuen Artikel im Academy of Management Review und flugs schickte ich eine Mail an den Wissenschaftler mit einer Bitte um eine Kopie.
Die ich am nächsten Tag bekam.
Jin Gerlach und Donald Lange haben gezeigt, wie Machine-Learning-Systeme den Wissensverlust in Organisationen beschleunigen können, anstatt ihn zu verhindern. Der Mechanismus ist unintuitiv: Sobald Wissen in einem ML-verwalteten System landet, reduziert die Effizienz des Systems beim Abrufen dieses Wissens genau die menschliche Redundanz, die es lebendig gehalten hat. Menschen pflegen nicht mehr, was die Maschine für sie pflegt. Wenn das erfasste Wissen veraltet, und das tut es immer, ist die Kapazität, es zu aktualisieren, still und leise verkümmert.
Das ist eine präzise und wichtige Erkenntnis. Aber sie beschreibt die zweite Hälfte des Problems.
Die erste Hälfte ist diese: Das meiste organisationale Wissen gelangt gar nie in einen Container.
Wer was weiß, wie Entscheidungen sich tatsächlich bewegen, welche informellen Protokolle Teams am Laufen halten – dieses Wissen existiert fast vollständig außerhalb jedes Systems. Es lebt in den Köpfen von Menschen, in Beziehungen, im Muskelgedächtnis von Teams, die lange genug zusammengearbeitet haben, um aufgehört zu haben, sich gegenseitig zu erklären.
Wenn diese Menschen gehen, degradiert das Wissen nicht. Es verschwindet.
Pre-Capture Failure: Das Wissen, das nie in einen Container gelangt, weil die Koordinationsinfrastruktur, die Erfassung ermöglichen würde, nicht gestaltet wurde.
Post-Capture Failure: Gerlachs Befund — Wissen, das erfasst wurde und dann durch überautomatisierte Obsoleszenz verloren geht.
Zusammen beschreiben sie das vollständige Versagensmuster. Und sie verstärken sich gegenseitig. Eine Organisation, die KI-Wissenswerkzeuge einführt, ohne zuvor ihre Koordinationsinfrastruktur zu gestalten, wird feststellen, dass das Werkzeug das falsche Wissen erfasst – die formale, sichtbare, bereits dokumentierte Schicht – während das eigentliche Koordinationswissen unsichtbar bleibt.
Die Organisation verliert gleichzeitig das Wissen, das sie hat, und versäumt es, das Wissen zu erfassen, das sie braucht. Bessere Werkzeuge, gleiches Problem, schneller.
Ich habe drei Jahre in einer großen Industrieorganisation verbracht und genau das dokumentiert. In einem belegten Fall überstiegen die Kosten eines einzigen unkoordinierten Prozesses, bei dem Koordinationswissen fehlte, €500.000. Die Gestaltungsarbeit, die ihn verhindert hätte, hätte €25.000 gekostet. Das Verhältnis 20:1 ist nicht ungewöhnlich. Ungewöhnlich ist, an Ort und Stelle sein zu können, es zu beobachten, ohne es verhindern zu können. Und es zu messen.
Die KI-Welle ist nicht anders als die vorherigen: Enterprise 2.0, digitale Transformation, SharePoint, Slack. Sie ist anders in Geschwindigkeit und Ausmaß. Organisationen, die diese Welle ohne gestaltete Koordinationsinfrastruktur betreten, werden beide Versagensmuster gleichzeitig beschleunigen.
Die Infrastruktur, die das verhindert, gestaltet sich nicht von selbst.
Das ist die Arbeit von Collaboration Architecture: die operative Schicht, die Drucker 1959 beschrieben hat, die CSCW-Forschende vier Jahrzehnte lang dokumentiert haben, die die soziotechnische Systemtheorie 1951 benannt hat. Und die niemand in eine operative Praxis überführt hat.
Das Wissen war nie verloren. Es wurde nur nie gefunden.
Kommentar verfassen