Verborgenes sicht- und nutzbar machen

Komplexitätsreduktion, Schwarmintelligenz und Unternehmenserfolg

Die Folgen der digitalen Revolution sind nicht absehbar. Noch vor zwanzig Jahren waren komplizierte Verfahren notwendig, um qualifizierte Informationen zu beschaffen. Angesichts der Masse an unverarbeitetem Input spielt das Informationsdesign eine zentrale Rolle, wie das Beispiel der sozialen Netzwerkanalyse zeigt.

Von Dr. Daniel C. Schmid (*) und Dr. Peter A. Gloor (**)

«The Revolution Will Not Be Televised» prognostizierte der Sänger und Aktivist Gil Scott-Heron bereits 1970, als er die westliche Gesellschaft und ihr zentrales Medium Fernsehen aus der Perspektive der US-amerikanischen Bürgerrechtsbewegung kritisierte. Er sollte Recht im Unrecht behalten: Viele soziale Revolutionen wurden seither medial begleitet, doch eine der langfristig bedeutendsten war die schleichende Digitalisierung unser sozialen Kontakte. Der «Homo oeconomicus» 2011 ist bis zum Umfallen verxingt, verlinked und auf Facebook präsent.

Diese Entwicklung ist unumkehrbar und soll hier nicht bewertet werden. Die  neusten Forschungsergebnisse sozialer Netzwerke belegen allerdings, dass sich Netzwerke hinsichtlich ihrer Robustheit deutlich voneinander unterscheiden. Der britische Anthropologe Robin Dunbar liefert mit der sog. «Dunbar-Zahl» einen Ansatz zur Erforschung der Qualität sozialer Netzwerke. Dunbar differenziert dabei zwischen engen sozialen Bindungen mit bis zu 15 Kontakten («Strong Ties»: Familie und enge Freunde), der erweiterten Sippe mit bis zu 150 Kontakten («Community Ties») und dem gesamten virtuellen Netzwerk mit maximal 1500 Kontakten, das wir auf Online-Plattformen vorfinden («Weak Ties»). Verschiedene Untersuchungen zeigen, dass die Etablierung von «Strong and Weak Ties» speziell im Geschäftsalltag einen der erfolgskritischen Faktoren darstellt, um vertrauensbasierte Zusammenarbeitsmodelle zu entwickeln, die sowohl im direkten Kontakt als auch virtuell langfristig funktionieren.

Analyse sozialer Netzwerke
Die Spur informeller Kommunikationsbeziehungen lässt sich mithilfe der Analyse sozialer Netzwerke verfolgen. Dabei zeigt sich, dass ähnliche Prozesse stattfinden wie im Tierreich. Nicht nur Bienenschwärme vollbringen Meisterleistungen, auch selbstorganisierende Menschenschwärme zeigen diesbezüglich Parallelen. Die Art und Weise, wie Tim Berners-Lee mit einer kleinen Gruppe Gleichgesinnter das World Wide Web entwickelt hatte, ist eines von zahllosen weiteren Beispielen erfolgreicher Schwarmkreativität. Die Frage ist nun, wie wir diese Gruppen besonders initiativer Menschen finden können.

Die soziale Netzwerkanalyse ist ein Verfahren, das soziologische und mathematische Methoden kombiniert, um diese Netze zu untersuchen. Sie zielt insbesondere darauf ab, informelle Kommunikationsprozesse innerhalb und zwischen Organisationen zu optimieren. Am MIT Center for Collective Intelligence in  Boston wurde dazu eine Software namens «Condor» für die soziale Netzwerkanalyse entwickelt, um die dynamische Kommunikation innerhalb von Gruppen besonders innovativer Menschen zu entdecken. Bisher fehlten Methoden und Werkzeuge, die helfen, diese Netzwerke sichtbar und   nutzbar zu machen. Hier setzt die Wissensflussoptimierung («Knowledge Flow Optimization», KFO) an. Die Analyse sozialer Netzwerke soll bisher kaum greifbare informelle Kommunikationsnetzwerke erfassbar machen. Eine darauf aufbauende visuelle und statistische Auswertung von E-Mail-, Telefon- oder Chat-Netzwerken ermöglicht es, diese zu bewerten und die Struktur der Kommunikationsnetzwerke zum Wohl der Mitarbeitenden und der Ziele der Unternehmung zu verbessern.

Fallstudie: Kreissparkasse Köln
Erprobt wurde diese Methode u.a. in der Kreissparkasse Köln, einer der grössten Sparkassen Deutschlands. Ziel der Studie war es, den Zusammenhang zwischen der Kommunikationsstruktur einzelner Abteilungen/Gruppen und ihrem betriebswirtschaftlichen Erfolg sowie der Mitarbeiterzufriedenheit zu analysieren.

Zu diesem Zweck wurden sieben Filialen und Stabsabteilungen mit insgesamt 79 Mitarbeitenden ausgewählt. Zur Abbildung des Kommunikationsnetzwerks wurden von den sieben Organisationseinheiten die E-Mails über einen Zeitraum von sieben Monaten gesammelt, insgesamt 16 Millionen E-Mails. Die Daten wurden anonymisiert und jede Person mit einer ID gekennzeichnet. Lediglich die Organisationseinheit und das Team, der die Person angehört, wurden gespeichert. Zudem wurde erfasst, ob sie eine Leitungsfunktion hat. Auf Basis dieser Datensätze wurden mit «Condor» monatlich für jede Organisationseinheit die Netzwerkstrukturen berechnet.

Zur Ermittlung der betriebswirtschaftlichen Leistung der Organisationseinheiten stellte die Controlling-Abteilung Kennzahlen zur Verfügung. Unter anderem wurde der monatliche Zuwachs an Gesamtkreditvolumen herangezogen. Da die Stabsabteilungen selber keine Erträge erwirtschaften, war hier eine Erhebung von Leistungskennzahlen nicht möglich. Zur Feststellung der Mitarbeiterzufriedenheit diente ein Online-Fragebogen.
Damit lagen für jeden Monat die Netzwerkkennzahlen der beobachteten Organisationseinheiten sowie die wirtschaftlichen und subjektiven Kennzahlen vor. Zusätzlich zur Analyse der E-Mail-Kommunikation wurden die 22 Mitarbeitenden einer ausgewählten Organisationseinheit über den Zeitraum von einem Monat mit interaktiven «Social Badges» ausgestattet, die sie während der Arbeitszeit bei sich trugen. Diese Personen erklärten sich darüber hinaus bereit, täglich Fragen zu ihrer Zufriedenheit zu beantworten. Das Vorgehen wurde mit dem Datenschutzbeauftragten und dem Personalrat der Kreissparkasse Köln abgesprochen.

Der optimierte Wissensfluss
Mittels Wissensflussoptimierung können Schwachstellen im Unternehmensnetzwerk identifiziert und behoben werden. Wie oben erläutert, lässt sich herausfinden, welche Netzwerkstrukturen besonders geeignet für die spezifischen Anforderungen und Ziele eines Unternehmens sind. Mit gezielten Massnahmen lassen sich dann Verbesserungen in den entsprechenden Abteilungen oder Teams erzielen. Der Ansatz kann auch genutzt werden, um fundierte Entscheidungen bei der Reorganisation von Gruppen zu treffen. Damit lässt sich besser beurteilen, welche Personen und Gruppen gut miteinander kommunizieren beziehungsweise welche Personen seltener als vorgesehen miteinander interagieren. Ähnliches gilt für Informationsflüsse und Geschäftsprozesse: Prozesse laufen umso effizienter ab, je besser sie auf die tatsächlichen Informationsflüsse im Unternehmen abgestimmt sind. Hier gibt die Wissensflussoptimierung Aufschlüsse, wie sie Organigramme häufig nicht korrekt widerspiegeln.

Während Bienenforscher erstaunliche Einblicke ins Schwarmverhalten von Bienen gewonnen haben, sind Menschenschwärme unendlich viel komplexer. Die Analyse sozialer Netzwerke hat sich als eigenes Forschungsgebiet etabliert, das Interesse daran ist förmlich explodiert. Dennoch, oder gerade deswegen, stehen unsere Arbeiten zum Thema Schwarmkreativität noch am Anfang. Die spannendsten Erkenntnisse stehen uns noch bevor: «The Swarm Revolution Will Be Digitalized!»

(*) Daniel C. Schmid ist Geschäftsleitungsmitglied des SIB Schweizerisches Institut für Betriebsökonomie, Zürich, und FH-Dozent für Networking (www.sib.ch).
(**) Peter A. Gloor ist Forscher am MIT Center for Collective Intelligence, Boston USA, und Chief Creative Officer von Galaxyadvisors AG  (www.galaxyadvisors.com).
Am 6./7. Juli 2011 findet am SIB ein Workshop zum Thema mit Peter A. Gloor statt.

Bitte empfehlen Sie uns weiter!

•