Download - Wi1-mertens.wiso.uni-erlangen.de

Universität Bern, Institut für Wirtschaftsinformatik
Universität Leipzig, Institut für Wirtschaftsinformatik
Universität Erlangen-Nürnberg, Bereich Wirtschaftsinformatik I
Wolfgang Faisst
Wissensmanagement in Virtuellen Unternehmen
Arbeitspapier der Reihe
„Informations- und Kommunikationssysteme
als Gestaltungselement Virtueller Unternehmen“
Nr. 8/1996
Herausgeber
Prof. Dr. Dieter Ehrenberg
Prof. Dr. Joachim Griese
Prof. Dr. Dr. h.c. mult. Peter Mertens
Engehaldenstraße 8, CH-3012 Bern, Tel. +41/31/631-4785, FAX +41/31/631-4682
Marschnerstraße 31, D-04109 Leipzig, Tel. +49/341/4941-281, FAX +49/341/476633
Lange Gasse 20, D-90403 Nürnberg, Tel. +49/911/5302-284, FAX +49/911/536634

Wolfgang Faisst: Wissensmanagement in Virtuellen Unternehmen.*) Arbeitspapier der Reihe „Informations- und
Kommunikationssysteme als Gestaltungselement Virtueller Unternehmen“ Nr. 8/1996. Institut für
Wirtschaftsinformatik der Universität Bern, Institut für Wirtschaftsinformatik der Universität Leipzig, Bereich
Wirtschaftsinformatik I der Universität Erlangen-Nürnberg, Bern Leipzig Erlangen-Nürnberg 1996.
Zusammenfassung
Während die Ressource Wissen im innerbetrieblichen Kontext an Bedeutung gewinnt, versucht dieser Beitrag das
Wissensmanagement auch für Virtuelle Unternehmen (VU) zu motivieren. Auf der einen Seite hilft das
Wissensmanagement und seine IV-Unterstützung durch sog. Organizational Memory Information Systems
(OMIS) dem jeweiligen Unternehmen selbst, die Anforderungen durch VU zu bewältigen. Auf der anderen Seite
übernehmen etwa OMIS einen Teil der Aufgaben des mittleren Managements als Träger des Metawissens.
Nachdem auf die fördernden Basistechnologien eingegangen wird, zeigt das Referat dann typische Komponenten
von OMIS (Akquisition, Bewahrung, Instandhaltung, Suche und Retrieval) auf. Anhand von
Anwendungsbeispielen demonstriert der Autor, wie sich die verschiedenen Wissenskategorien durch OMIS
erfassen lassen. Die Ausprägungen von OMIS vermitteln einen Eindruck der bisher schon realisierten Systeme im
Lebenszyklus eines VU. Dazu gehören u.a. Kompetenz-Datenbanken, Know-how-Datenbanken, Elektronische
Organisationshandbücher, lernende Workflow-Management-Systeme und Multi-Agenten-Systeme. Schließlich
werden Erfordernisse und Barrieren des Wissensmanagements im VU dargestellt, die sich auch aus dem Einsatz
von OMIS ergeben könnten.
Schlüsselbegriffe:
Wissensmanagement, Organizational Memory, Wissen, Meta-Wissen, Organizational
Memory Information Systems, Kompetenz-Datenbanken, Know-how-Datenbanken,
Elektronische Organisationshandbücher, lernende Workflow-Management-Systeme,
Multi-Agenten-Systeme
Summary
While knowledge as a resource gains importance in a companywide context, this paper motivates the link between
knowledge management and virtual corporations (VC). On one hand knowledge management and its support
by Organizational Memory Information Systems (OMIS) helps each enterprise to cope with the problems of
a VC. On the other hand OMIS take over some parts of the middle management’s work as a carrier of metaknowledge.
After a description of enabling technologies the paper shows typical components of OMIS
(acquisition, retention, maintenance, search, and retrieval). With the help of examples from running systems the
author demonstrates, how different knowledge categories might be recorded by OMIS. Different kinds of OMIS
like competence databases, know-how databases, electronic organization manuals, learning workflow management
systems, and multi-agent systems transmit the impression of running systems in the life cycle of a VC. Finally,
requirements and barriers of knowledge management in a VC are mentioned, which also might result from
the use OMIS.
Keywords:
Knowledge Management, Organizational Memory, Knowledge, Meta-Knowledge, Organizational
Memory Information Systems, Competence Databases, Know-how Databases,
Electronic Organization Manuals, Learning Workflow Management Systems,
Multi-Agent Systems
*)
Der vorliegende Beitrag basiert auf Erkenntnissen aus dem Forschungsprojekt „Informations- und Kommunikationssysteme
als Gestaltungselement Virtueller Unternehmen“, welches von der DFG unter Me 241/16-1 und Eh 127/3-1
gefördert wird. Beteiligte Partner sind das Betriebswirtschaftliche Institut, Bereich Wirtschaftsinformatik I der
Universität Erlangen-Nürnberg (Prof. Dr. P. Mertens), das Institut für Wirtschaftsinformatik der Universität Leipzig
(Prof. Dr. D. Ehrenberg) und assoziiert das Institut für Wirtschaftsinformatik der Universität Bern in der Schweiz
(Prof. Dr. J. Griese).

Inhaltsverzeichnis
1 Einführung 3
1.1 Zunehmende Bedeutung des Wissens 3
1.2 Motivation für das Wissensmanagement in Virtuellen Unternehmen 3
2 Wissen und Organizational Memory 4
2.1 Aufgaben des Wissensmanagements 4
2.2 Wissenskategorien 4
2.3 Speichern von Wissen 5
3 Fördernde Technologien 6
3.1 Datenmanagement und Multimedia 6
3.2 Computer Supported Cooperative Work 6
3.3 Künstliche Intelligenz (KI) 6
4 Organizational Memory Information Systems 6
4.1 Akquisition 7
4.2 Bewahrung 7
4.3 Instandhaltung 8
4.4 Suche und Retrieval 8
5 Phasen des VU und seine Unterstützung durch OMIS 9
5.1 Identifikation von Marktchancen bzw. Virtualisierung von Innen 9
5.2 Anbahnung 9
5.3 Vereinbarungsphase 9
5.3.1 Referenzmodelle für VU 9
5.3.2 Human Resource Information System (HRIS) für die Teambildung 9
5.3.3 Lernende Workflow-Management-Systeme 10
5.4 Operative Phase 10
5.4.1 Elektronische Organisationshandbücher (ELO) 10
5.4.2 Know-how-Datenbanken 11
5.4.3 Wissen und Metawissen 12
5.4.4 Wissensverteilung 12
6 Erfordernisse und Barrieren des Wissensmanagements im Virtuellen Unternehmen 14
6.1 Barrieren des „Nicht-Könnens“ 14
6.2 Lernen zu kooperieren 14
6.3 Lernen durch Kooperieren 15
6.4 Barrieren des „Nicht-Wollens“ 15
7 Zusammenfassung und Ausblick 16

1 Einführung
1.1 Zunehmende Bedeutung des Wissens
In seinem Buch „Intelligent Enterprise“ schreibt James B. Quinn [Quin91], daß die ökonomische
Stärke einer modernen Unternehmung eher auf ihren intellektuellen Fähigkeiten als auf ihren harten
Werten wie Boden, Fabriken und Material beruht. Ebenso hängt der Wert der meisten Produkte von
der Entwicklung von „Knowledge-based Intangibles“ wie technologischem Wissen, Produktdesign,
Marketingpräsentation, Beziehungen zu den Kunden, persönlicher Kreativität und Innovation ab.
Die Erkenntnis, daß das Wissen eines Unternehmens einen Wettbewerbsvorteil darstellt, ist nicht neu.
Jedoch zeigen die Veröffentlichungen der letzten Zeit (vgl. u.a. [BaKu96], [GüEs96], [Kars95],
[MüOs96], [Stei95], [Swan96]) ein gewisses Bedürfnis, systematisch Wissen aufzuspüren, abzuspeichern
und zu verbreiten. Zudem ergeben sich durch den verstärkten Gebrauch von Informationsverarbeitung
(IV) quasi automatisch mehr Aufzeichnungen im Sinne eines elektronischen Organisationsgedächtnisses
(Organizational Memory). Verstärkt wird die Entwicklung durch den stürmischen Boom
des Internets und der daraus resultierenden Probleme der Informationsüberflutung.
1.2 Motivation für das Wissensmanagement in Virtuellen Unternehmen
Im Kontext von Virtuellen Unternehmen (VU) gewinnt das Wissensmanagement besondere Bedeutung.
Folgende Aspekte sind dafür verantwortlich:
• Bei VU verzichtet man auf die „Institutionalisierung zentraler Managementfunktionen“ [AFHS95]
und schafft somit eine „schlanke“ Unternehmung. Damit fehlt das mittlere Management als Träger
des Metawissens und Bindeglied zwischen den verschiedensten Bereichen.
• Da sich die Partner zumeist kaum kennen, weiß man auch nicht um die Fähigkeiten der anderen
und kann diese somit auch nicht für den Missionszweck des VU erschließen. Die Nutzung solcher
gegenseitiger Wissensressourcen sollte aber ohne „lästiges mündliches Durchfragen“ möglich sein.
• Die beteiligten Parteien befinden sich durch die immer neuen Konstellationen bzgl. der Zusammensetzung
des „Teams“ ständig am Beginn der Lernkurve. Dies gilt um so mehr, als das VU vorzugsweise
zur Erfüllung kundenindividueller, d.h. einzigartiger Leistungen vor laufend neuartige
Situationen gestellt wird, die den gesamten Wissensschatz an Erfahrungen der Partner benötigen.
• Das VU tritt gegenüber seinen Kunden als Problemlöser auf, muß also „geballtes“ Know-how anbieten
können.
Im VU unterstützt das Wissensmanagement zum einen die eigene Organisation, da diese vor immer
neue Aufgaben gestellt ist, und zum anderen das Zusammenwirken der Partner. Als Unterstützung
braucht das Wissensmanagement sog. Organizational Memory Information Systems (OMIS), weil die
Personen als Träger des Organisationsgedächtnisses eines VU nach dessen Ende aus der Gemeinschaft
ausscheiden, ihr Wissen mitnehmen und somit eine Lücke hinterlassen. So gewinnt die Behauptung
von Swanson [Swan96]: „The new organizational knowledge will be increasingly more
system based compared to person based.“ für VU besonders an Gewicht.

2 Wissen und Organizational Memory
2.1 Aufgaben des Wissensmanagements
Von Krogh und Venzin [KrVe95] stellen folgende Aufgaben an das Wissensmanagement:
• Erschließen von Wissen (Erfahrungen, Best Practices) für alle, die dieses im Rahmen ihrer organisationalen
Rolle benötigen
• Verfügbarmachen von Wissen am Ort und zur Zeit der Entscheidung
• Erleichtern des effektiven und effizienten Entwickelns von neuem Wissen (bspw. F&E-Aktivitäten,
Lernen auf der Basis von historischen Fällen)
• Sicherstellen, daß jeder in der Organisation weiß, wo Wissen verfügbar ist
• Umsetzen dieser Kompetenzen in neue Produkte und Dienstleistungen
Es lassen sich bereits Beispiele für in Organigrammen erscheinende Stellenbeschreibungen, wie
„‘Vice President Knowledge Transfer’ (Buckman Laboratories International), ‘Vice President Intellectual
Capital’ (Skandia AFS), ‘Principal Core Knowledge Team’ (Booz, Allen & Hamilton) oder
‘Knowledge Exchange Manager’ (GE Capital Services)“ [KrVe95, S. 418], finden.
2.2 Wissenskategorien
Wissen läßt sich nach von Krogh und Venzin [KrVe95] in verschiedene Kategorien einteilen (vgl.
Abbildung 1).
Verborgenes Wissen:
Der Mensch weiß mehr, als er in Worten
ausdrücken kann.
Prozeßwissen:
Wissen über Abläufe und
Zusammenhänge.
Verinnerlichtes Wissen:
Erfahrungen mit physischer
Präsenz.
Ereigniswissen:
Wissen über Ereignisse,
aber auch Trends innerhalb
oder außerhalb der Organisation.
Sozial konstruiertes Wissen:
Geteiltes Wissen wird aus
verschiedenen Sprachsystemen,
(Organisations-) Kulturen,
(Arbeits-) Gruppen etc. entwickelt.
Kodiertes Wissen:
Wissen, das noch vorhanden ist,
wenn die Mitarbeiter das Unternehmen
verlassen haben.
Konzeptionelles Wissen:
Kognitive Fähigkeit, übergeordnete
Muster zu erkennen, Basisannahmen
zu überdenken oder zu
abstrahieren/synthetisieren.
Abbildung 1: Wissenskategorien

2.3 Speichern von Wissen
„Organizational memory provides information from the past that reduces transaction costs, contributes
to effective and efficient decision making, and is a basis for power within organizations.“
[WaUn91]
Know-how ist in unterschiedlichsten Formen vorhanden: in Papierform, also auf Dokumenten, die im
bisherigen Geschäftsverlauf entstanden sind, in gespeicherter Form in der unternehmenseigenen IV
(siehe Tabelle 1) oder lediglich im Gedächtnis der Mitarbeiter. Streng genommen handelt es sich bei
dem letzteren nicht um Organisationswissen, denn dieses ist verloren, wenn der Mitarbeiter ausscheidet.
Tabelle 1: Elektronisches Gedächtnis (modifiziert nach [StZw95])
Memory Type Nature of Support Examples
Group/team memory
Design rationale/discussion memory
Project memory
Meeting memory
Topical memory
Document memory
Environmental memory
Support of small business team
across time and projects
Preserves the evolution of product
design or policy discussion in the
making
Support of a large project, usually
with distributed participants and
long duration
Provides continuity to a series of
meetings
Accumulates answers on a targeted
range of topics
Provides access to a targeted set of
richly described documents
Assists in sense-making in interacting
with the organizations’ environment
Lotus Notes databases [Schl94]
Usenet
Project libraries [Mada94]
GroupSystemsV [NDVV91]
FAQ
Digital libraries, training manuals,
employee handbooks, training material
Market research
Meinungen = Wissen + Überzeugen
Wissen = Information + Verstehen
Informationen = Daten + Zweckbezug
Entscheider speichern und suchen nicht nur „Hard
Facts“ (Zahlen, Fakten, Bilder und Regeln), sondern
auch „Soft Information“. Diese weichen Informationen
können in Form von verborgenem
Wissen, Erfahrungen, Experimenten, Anekdoten,
kritischen Ereignissen, „Stories“ oder Details über
strategische Entscheidungen vorhanden sein
[Tuom96]. Die von den Mitarbeitern erzeugten Gedanken werden im Zuge der täglichen Arbeit kaum
mehr Leuten mitgeteilt als einer kleinen Gruppe von Vertrauten und Teammitgliedern. Viele Unternehmen
haben die unterschiedlichsten Informationssysteme für harte Fakten, aber keine für weiche
Informationen, so daß diese oft verlorengehen. Der Erhalt solcher Informationen bildet die Basis für
organisationales Lernen. Daher sollte die IV helfen, u.a. Erfahrungen und „Stories“ elektronisch für
den zukünftigen Gebrauch zu speichern.

3 Fördernde Technologien
Die Basistechnologien des Wissensmanagements lassen sich in drei Cluster einteilen: Datenmanagement/Multimedia,
Computer Supported Cooperative Work (CSCW) und Künstliche Intelligenz.
3.1 Datenmanagement und Multimedia
Es werden Technologien benötigt, die effizient und effektiv große Datenmengen (neben den herkömmlichen
Zahlen-, Text- und Graphikdarstellungen zunehmend Bewegtbilder, Photographien und
sogar Sprache) verarbeiten können. Hypermediabasierte Informationssysteme (s. [Groe94]) sind besonders
nützlich bei umfangreichen, untereinander stark verknüpften und referenzierten Informationskomplexen.
Diese Systeme können zusammen mit Volltextretrieval und Dokumentenmanagement helfen,
sehr große Mengen an organisationalem Wissen zu speichern und wiederzufinden sowie dem Benutzer
das Navigieren, Fragen und einen maßgeschneiderten Zugang zu ermöglichen. Die Nutzer können
damit Informationen erzeugen, Annotationen anlegen, Informationspakete zusammenschnüren
und Informationen teilen, die aus Zahlen, Text, Graphiken, Videos und Sprache bestehen. In diesem
Zusammenhang ist das World Wide Web als weltweite Hypermediaplattform zu sehen.
3.2 Computer Supported Cooperative Work
Traditionelle Formen der Informationsverbreitung wie Telefon, schriftliche Notizen, Fax oder Faceto-Face-Meetings
werden zunehmend durch computergestützte Kommunikationssysteme wie Email,
Bulletin boards, Electronic-Meeting-Systeme etc., die das Teilen von Informationen erleichtern (s.
Übersicht in [ScKr96] und [BoSc95]), ergänzt. Studien haben gezeigt, daß diese Systeme die Partizipation
der Mitarbeiter erhöhen und die Ergebnisse der Entscheidungen verbessern. Der Grund dafür
könnte darin liegen, daß sie eher im Konsens und nicht durch Dominanz getroffen werden (s.
[HiTu93]). Die Systeme schaffen soziale Netzwerke aus Mitarbeitern, die auch ihr Kontextwissen
austauschen. CSCW unterstützt auch Rückkopplungsmechanismen und Begutachtungsprozesse innerhalb
von Teams. So wird nicht nur die Kommunikation, sondern auch die Zusammenarbeit gefördert.
Groupware hat die Aufgabe, als Software-Tool für das Know-how-Management die Plattform für den
Wissensaustausch zu bieten. Beispielsweise enthält das Electronic Meeting System wie GroupSystems
ein Gruppengedächtnis in Form von Sitzungsprotokollen (s. [NDVV91]). Weitere Beispiele
dazu bieten u.a. die Systeme gIBIS oder CM/1 (s. [StZw95]).
3.3 Künstliche Intelligenz (KI)
Expertensysteme übertragen das individuelle Expertenwissen der Vergangenheit für künftige Mitglieder
der Organisation. Falls sich das vorhandene Wissen nicht in Regeln, semantischen Netzen, Frames
oder anderen Formen der Wissensrepräsentation darstellen läßt, greift man auf Fallsammlungen und
Case-based Reasoning Systeme zurück. Sie enthalten eine Fallbasis (mit Kontext, Lösung eines historischen
Problems und Ergebnis). Zunehmenden Auftrieb erhält die KI durch die Entwicklung von Intelligenten
Agenten.
4 Organizational Memory Information Systems
„The integrative element of OMIS is therefore designed to ensure that the internal knowledge of the
organization regarding technical issues, past decisions, projects, designs, and so on is made explicit
and available for future use, complete with contexts, rationales, and outcomes.“ [StZw95, S. 97]
Im folgenden soll die Einteilung in Abbildung 2 genutzt werden, um die verschiedenen Methoden und
Systeme zu den einzelnen Stufen darzustellen. Der organisationale Wissenserwerb muß sich nicht
zwangsläufig an ein solches Stufenmodell halten, sondern kann auch auf frühere Stufen zurückspringen
bzw. Phasen gleichzeitig durchlaufen.

Kurzzeitspeicher
Kurzzeitspeicher
Konsumenten der
Information
Akquisition
Bewahrung
Suche
Retrieval
Produzenten der
Information
Verteilte OMIS Repositorien
Instandhaltung
Abbildung 2: Komponenten von OMIS (modifiziert nach [Scot96])
4.1 Akquisition
Die Erfassung von Know-how aus internen und externen Quellen in OMIS ist direkt abhängig von
dessen Kategorie (s. Abschnitt 2.2). Man unterscheidet personelle und automatische Inhaltserfassung,
Knowledge Engineering (Wissenserfassung bei Experten) sowie Visualisierung von vormals lediglich
als Tabellenmaterial vorliegenden Daten. Das Wissen muß hierzu entsprechend gefiltert und klassifiziert
bzw. deskribiert werden (zu den Anreizen und Hemmnissen vgl. Abschnitt 6).
Aufgabe der IV ist es, die häufig auf verschiedenen, teilweise inkompatiblen Systemen erstellten Dokumente
zusammenzuführen, um sie in konzentrierter und einheitlicher Form darzustellen. Eine Analogie
aus dem Workflow Management ist naheliegend. Hier werden alle relevanten Dokumente (nach
dem Objektprinzip) beim Durchlauf der verschiedenen Funktionalbereiche in einer elektronischen
Auftragsbearbeitungsmappe abgelegt und somit gesammelt (s. [Mert95]).
4.2 Bewahrung
Das Wissen muß zunächst einmal kommunizierbar (von den anderen verstanden) und akzeptabel
(bzgl. Wahrheitsgehalt und Nutzen) sein. Die KI hält folgende Formen der Kodierung von Wissen bereit:
1. Scripts (stellen eine Folge von Ereignissen dar) speichern prozedurales Wissen, wie etwa Standard-
Vorgehensweisen, Workflows etc.
2. Frames (repräsentieren Attribute von Objekten und Kontext) eignen sich für „Project Memory“,
„Design Rationales“ und „Document Memory“.
3. Produktionsregeln (kausales Wissen) formalisieren Konzeptwissen.

4. Konzeptgraphen (Concept
Maps) werden in den unterschiedlichsten
Disziplinen zur
Darstellung von Wissensstrukturen
benutzt. Sie stellen eine
Alternative zur natürlichen
Sprache dar, als Mittel, um
Wissen zu kommunizieren (z.B.
als semantische Netze in der KI,
Verbundgraphen im Maschinenbau
und der Elektrotechnik,
Petri-Netze in der Nachrichtentechnik
und Kategoriegraphen
in der Mathematik [Ge Sh95]).
Abbildung 3 zeigt den Einsatz
beim System QuestMap (URL:
http://www.zilker.net/~cmsi/) .
4.3 Instandhaltung
Will man Wissen längere Zeit
Abbildung 3: QuestMap
speichern, so muß das neue mit
dem alten integriert werden. Während dem Anhäufen von Wissen bisher sehr große Bedeutung zugemessen
wird, kommt dessen kritischer Prüfung bzw. dem Vergessen zu geringe Beachtung zu. Von
seiten der Entwickler innovativer Lösungen kommt daher der Vorwurf, daß das angesammelte Knowhow
nur kurze Zeit aktuell sei (so auch bei TADDY in Abschnitt 5.4.2).
4.4 Suche und Retrieval
Suchen stellt einen Prozeß dar, bei dem gespeicherte Daten als relevant für das spezifische Problem
bzw. Ziel des Nutzers ausgewählt werden. Retrieval stellt die Rekonstruktion von ausgewählten Informationen
dar, um die Nachfrage des Nutzers zufriedenzustellen. Retrieval von unstrukturierten
bzw. semistrukturierten Daten (bspw. Emails) verwendet Methoden wie Pattern Matching, Knowledge
Mining, Verarbeitung von natürlicher Sprache, automatische Inhaltserschließung und -erkennung.
Für das Matching von Anfrage und gespeicherten Daten kommen Exact, Fuzzy [Siec94] oder
Best Match, Vektorraummodell, Probabilistic Matching sowie KI-Ansätze (u.a. Neuronale Netze) in
Betracht. Die Abfragen unterscheiden sich hinsichtlich Thema, Art, Menge und Niveau der gesuchten
Informationen, bereits vorhandenem Vorwissen und Restriktionen (s. [Stür95]). Interaktives Suchen,
Navigieren, Browsen und Filtern verbessern die herkömmlichen Techniken. Reizvoll erscheint auch
das Retrieval bei nicht-numerischen Daten (bspw. in Bildern). Informationsräumen, d.h. visualisierten
Schnittstellen zur graphischen Repräsentation von Informationsstrukturen, kommen im Hinblick auf
die Benutzerakzeptanz sowie die Informationswahrnehmung steigende Bedeutung zu. Da eine entsprechende
Fokussierung fehlt, sind die Ergebnisse beim Retrieval in Hypertextsystemen wie dem
WWW mit herkömmlichen Suchmaschinen oft recht enttäuschend. Hilfe versprechen sog. Intelligente
Agenten. Jedoch entsprechen viele als solche Agenten angepriesene Systeme nicht den Vorstellungen
von „Intelligenz“, denn damit ist in bezug auf die Suche vor allem Kontextwissen und eine gewisse
Lernfähigkeit verbunden.

5 Phasen des VU und seine Unterstützung durch OMIS
5.1 Identifikation von Marktchancen bzw. Virtualisierung von Innen
Der VU-Initiator durchsucht bspw. VU-Projekt-Datenbanken bzw. Fallsammlungen, Bulletin Boards
(elektronische schwarze Bretter), FAQs oder Newsgroups (Informationsgruppen), um Marktchancen
zu entdecken.
5.2 Anbahnung
Für die Partnersuche und -auswahl greift man etwa mittels Intelligenter Suchagenten auf die Unternehmenspräsentationen
im WWW zurück. Organizational Memory steckt dabei im Benutzermodell
und Domainwissen des Agenten [FaSp96].
Auflösung bzw.
Umwandlung
Operative Phase
Identifikation
von Marktchancen
Anbahnung
Vereinbarung
Abbildung 4: Lebenszyklus eines VU
Ebenso gehen frühere Erfahrungen mit Unternehmen
bzw. die Vorgeschichte der Partner
in die Bewertung mit ein.
Praxisbeispiel Kollegenhilfesystem: Das
Kollegenhilfesystem enthält Kompetenzprofile
der einzelnen Steuerberater im Verbund
der DATEV. Ziel des Systems ist es, kleinen
Steuerkanzleien bei Spezialfällen entsprechende
Spezialisten im Steuerberaterverbund
zu vermitteln. Für den fragenden Steuerberater
erweitert sich somit sein Leistungsspektrum,
er kann seinen Kunden „aus
einer Hand“ betreuen. Der Spezialist, welcher
sich jedoch verpflichtet, den Mandanten
nicht abzuwerben, erhält für seine Dienste
ein entsprechendes Entgelt, kann Economies
of Scale nützen und gewinnt weitere
Erfahrungen auf seinem Spezialgebiet. Die
DATEV koordiniert das System als Broker und könnte diesem auch eigene Beurteilungen sowie Meinungen
der Beratenen hinzufügen.
5.3 Vereinbarungsphase
5.3.1 Referenzmodelle für VU
Referenzmodelle für VU enthalten einen Erfahrungsschatz hinsichtlich deren Aufbau. So lassen sich
damit etwa Modelle für Zuständigkeiten der Partner und Ziele bei Teilaufgaben, effiziente Kopplungsmethoden
(vor allem der IV) oder Auflösungspläne ableiten.
5.3.2 Human Resource Information System (HRIS) für die Teambildung
HRIS enthalten die Personalkapazitäten mit den jeweiligen Kompetenzen. Dies ermöglicht die Suche
weit über das mit herkömmlichen Methoden erreichbare Maß der Personalplanung hinaus. Denkt man
dies weiter, so könnte mittels eines Groupware-Produktes zentralisiert und gezielt der Werdegang der
einzelnen Mitarbeiter verfolgt und die Differenz zwischen ihrem Plan- und ihrem Istprofil analysiert
werden. Aus dieser Differenz würden sich Handlungs- und Schulungsanweisungen ableiten lassen, um
so fokussiert die Kenntnisse und Fähigkeiten für spezielle Projekte zu erweitern sowie Hinweise für

die nächste Konsolidierungswelle (Entlassungen) zu gewinnen. Für VU dienen HRIS zur maßgeschneiderten
Zuordnung der Teilaufgaben des Unternehmens auf die eigenen Mitarbeiter.
Eine erste Realisation eines solchen HRIS findet sich im Rahmen des Informationssystems CON-
SULT-Info der Siemens-Nixdorf AG. Hier gibt es unter den Punkten “Jobs” verfügbare Aufgaben im
In- und Ausland, unter “Projects” der Bedarf an Mitarbeitern mit bestimmten Qualifikationen für
Projekte, unter “Applications” Mitarbeiter, die sich verändern möchten, und unter “Skills” die Fähigkeiten
des Unternehmenspersonals [Siem95]. Ein weiteres Praxisbeispiel ist das System PRISM von
Federal Express, welches die Arbeitshistorie von Mitarbeitern, Fähigkeiten, Ausbildung und Wirken
sowie Projektbeschreibungen speichert (s. [StZw95]).
5.3.3 Lernende Workflow-Management-Systeme
Ein bisher nur unzureichend gelöstes Problem von Workflow-Management-Systemen (WMS) ist das
flexible Reagieren auf Ausnahmen und Ad-hoc-Vorgänge. Dazu gehört die Unterstützung beim
schnellen Aufbauen und wieder Auflösen von Strukturen (bspw. Projektteams). Lernende WMS (s.
[MoRW96]) sollten daher Mitarbeiter, Dokumente/Daten und Anwendungssysteme weitgehend automatisch
und intelligent auswählen und einsetzen können. Ein adaptiver Mechanismus hilft, den Auswahlprozeß
schrittweise zu optimieren und den Durchlauf einer Vorgangsmappe, die alle notwendigen
Informationen zur Abwicklung eines bestimmten Geschäftsprozesses enthält, flexibel und intelligent
zu steuern. Basis hierfür sind Workflow-Historien-Protokolle (Ereignis- und Prozeßwissen).
5.4 Operative Phase
5.4.1 Elektronische Organisationshandbücher (ELO)
Multimediale Informationen über Aufbau, Abläufe und Mitarbeiter sowie Produkte bzw. Dienstleistungen
einer Organisation (s. [ChRW91] und [Prin94]) enthalten Elektronische Organisationshandbücher
(ELO). Der Zugang zum ELO der anderen VU-Partner erleichtert das Kennenlernen und
ermöglicht es, den richtigen Ansprechpartner zur effizienten Realisierung gemeinsamer Geschäftsprozesse
schnell zu ermitteln.
Praxisbeispiel Siemens Nixdorf Informationssysteme (SNI): Das Informationssystem CONSULT-
Info von SNI versteht sich als “zentrale Datenbasis mit allen relevanten Informationen” [Siem95].
Der Anwender findet die für ihn interessanten Informationen unter folgenden Punkten:
• Markt und Technik (Mitbewerber, Profile, Vergleiche, Neuigkeiten),
• SNI-Produkte (Systemstrategien, Produktbeschreibung, Vertriebsinformation, Consulting-News),
• Vertriebshandbuch (Produktinformationen, Vertriebsmitteilungen, Neuigkeiten, Datenblätter),
• Service (Produktfreigaben, Servicemedien, Problemmeldungen),
• Akquisition (Folien, PC-Shows, Reports),
• Training (Kursangebote),
• SNI-Regelwerke (Rundschreiben, Richtlinien, Mitteilungen, Vertragshandbuch, Organisationspläne,
Adressen)
• und die Kompetenzdatenbank.
CONSULT-Info beinhaltet kodiertes Wissen, das noch zentral eingegeben und gepflegt wird. Es fehlen
nur noch „Stories“, Fallstudien etc.

5.4.2 Know-how-Datenbanken
Know-how-Datenbanken als Vorstufe von wissensbasierten Systemen dienen der strukturierten
Sammlung von Anwendungslösungen. Kennzeichnend für Know-how-Datenbanken ist dabei die
Möglichkeit der strukturierten Suche nach Problemlösungen und Erfahrungen [Stei95]. Auf der einen
Seite tritt beim partnerschaftlichen Zugang zu den jeweiligen Systemen die Gefahr des Wissensabflusses
auf, andererseits können sie für die gegenseitige Vertretung im Sinne eines einheitlichen Auftretens
benutzt werden.
Praxisbeispiel TADDY: Das System TADDY (Technical Applications Documentation and Decision
System) wurde von der INA-Wälzlager Schaeffler KG in Zusammenarbeit mit dem Bereich Wirtschaftsinformatik
I der Universität Erlangen-Nürnberg entwickelt (s. [MoRW96]). Ein TADDY-Dokument
besteht aus einer verbalen Beschreibung der Problemlösung, der Beschreibung fertigungstechnischer
Besonderheiten, numerischen Daten und Graphiken. Abbildung 4 zeigt den idealtypischen
Einsatz einer Know-how-Datenbank in der Produktentwicklung.
Informationssystem
Indizierung
Start
Ähnlichkeitssuche
Suche
Aufnahme in
Datenbank
Gemeldet
Datum
Beschreibung
Verantwortlich
Team
Zu lösen bis ...
Ähnliche
Probleme
Ursachen
Lösungen
Lösung
Maßnahmen
Erfolgskontrolle
Wiederauftreten
gibt
ein
entdeckt
meldet
bildet
Team
Vorschlag
Lösungsprozeß
Wahl
Eingabe
Lösung
Maßnahmen
Projekt
Produktentwicklung
Abbildung 5: Einsatz der Know-how-Datenbank in der Produktentwicklung
Eines der stärksten Anwendungsfelder von OMIS ist zur Zeit die Produktentwicklung. Die STEP-
Norm sieht bereits vor, mit Geometriedaten von Zeichnungen auch Annotationen der Entwickler zu
übertragen. Bei EURISCO in Toulouse wird bspw. dem Ansatz nachgegangen, aus Flugschreiberaufzeichnungen
der Airbus-Testflüge anhand des Entwicklungs- bzw. Produktmodells Auffälligkeiten an
die entsprechenden Entwicklern weiterzuleiten. Außerdem soll den Ingenieuren ein schneller Zugriff
auf Designwissen (Design Rationales), Ereignissen und Zwischenfällen bei der Erprobung, technischen
Annotationen etc. ermöglicht werden.
Praxisbeispiel Tax Opportunity Identification Tool (TAXOPS): Dieses System unterstützt weniger
erfahrene Steuerberater. Dabei wird die Situation des Unternehmens analysiert und Videoclips von
Experten, die zu den jeweiligen Themen diskutieren, von einer indizierten Bibliothek automatisch abgerufen.
Das System wählt die relevantesten Clips gemäß den Benutzeranfragen aus (s. [StZw95]).

Praxisbeispiel KnowledgeView (KV): Das System KnowledgeView hilft den Beratern von Price Waterhouse
(PW) bei ihren Projekten, indem es Beispiele für „Best Practices“ aufspürt und darstellt.
Dabei stützt man sich auf eine integrierte und ständig auf dem neuesten Stand befindliche Sammlung
von Lotus Notes- sowie externen Datenbanken (Financial Services Databases, the PW World Petroleum
Data Bank, the UK Change Integration Database). Neben den Informationen über eigene Projekte
(vgl. Project Memory in Abschnitt 2.3) enthält das System auch Angaben über Experten bei PW.
Der Benutzer kann nach branchenspezifischen Klassifikationsschemata suchen. Neben Daten und Informationen
enthält KV auch Wissen und Meinungen in Form von persönlichen Berichten der Projektmanager
und Teammitglieder.
Weitere Beispiele für Know-how-Datenbanken sind u.a. das AA-Net bei Arthur Anderson (das System
wird jetzt unter dem Namen Knowledge Exchange weiterentwickelt) oder das Firm Practice Information
System von McKinsey & Company.
Praxisbeispiel VeriFone: Die Firma Verifone ist als virtuelle Organisation konzipiert (s. URL:
http://www.verifone.com). Durch die Informationstechnologie wird in Projekten gewonnenes Wissen
kodiert und für jedermann in Form von Produktkatalogen, Richtlinien, Erfahrungs- und Reiseberichten,
Datenbanken über Wettbewerber, Kunden und Mitarbeiter usw. gespeichert [KrVe95, S. 427].
Praxisbeispiel Knowledge-Paks: Diese enthalten "Packaged Knowledge" für zahlreiche Helpdesk-
Systeme im praktischen Einsatz, d.h., sie versorgen den Benutzer auf der ersten Kundendienstebene
mit dem nötigen Wissen (Topical Memory). Knowledge-Paks umfassen Hunderte von Problemen und
zugehörigen Lösungen (Frequently Asked Questions). ServiceWare (s. URL: http://www.serviceware.com/)
vertreibt Knowledge-Paks für Anwendungen von Microsoft-, Lotus-, WordPerfect- und
Novell-Produkten sowie paßt solche Pakete für jede andere Software individuell an. Das Knowledge
Engineering Team dieses Unternehmens sammelt dabei „rohes Wissen“ aus zahlreichen Quellen, wie
Beschwerdedatenbanken, herstellerspezifischen Projektmanualen und weiteren Ratgebern, ordnet es
thematisch und entwickelt eine Strategie zur schrittweisen Problemlösung (inkl. Illustrationen und
Beispielen). Wissenspakete dieser Art erleichtern vor allem auch den Kundendienst nach Ende des
VU.
5.4.3 Wissen und Metawissen
Eines der nachteiligen Ergebnisse der Dezentralisierung ist das fehlende abteilungsübergreifende
Wissen darüber, was die Mitarbeiter in anderen Abteilungen bzw. anderen Knoten des Unternehmensnetzwerkes
eigentlich tun und können. Da konzeptionelles Wissen schwer „in Systeme zu gießen“
ist, bzw. Experten dieses nicht gern preisgeben, legt man Metawissen (Wissen über Wissensquellen)
ab. So erhält man die Chance, die Größe der Gesamtorganisation über das Erschließen ihrer
Experten erst auszunützen. Hier gilt das alte Motto eines deutschen Unternehmens der Elektroindustrie:
„Wenn der Siemens wüßte, was der Siemens weiß?“
Die IV kann das Organizational Memory auf zwei Wegen unterstützen. Zum einen kann aufgezeichnetes
Wissen verfügbar oder Personen mit dem entsprechenden Wissen greifbar gemacht werden. Im
Answer Garden Projekt (s. [Acke94]) wurde das Organizational Memory durch das Hinzunehmen von
Elementen der Informationsbasen und der Kommunikationssysteme vermehrt. Falls Answer Garden
keine Antwort im Informationssystem findet, routet es die Anfrage an einen geeigneten menschlichen
Experten. Der Vorteil dieser Kombination besteht darin, daß das Organizational Memory wachsen
kann, gleich ob Personen Fragen schriftlich beantworten oder für ein Gespräch zugänglich werden.
Answer Garden wird schon vielfach in der Praxis eingesetzt.
5.4.4 Wissensverteilung
Die Verteilung des Wissens kann nach dem Push- oder dem Pull-Prinzip erfolgen. Kennzeichen des
Pull-Prinzips ist, daß sich Bearbeiter das benötigte Know-how aus der gesamten verfügbaren Datenmenge
heraussuchen und erschließen.

5.4.4.1 Multi-Agenten-Architektur
Gedächtnis
Benutzer
persönlicher
Agent
Gedächtnis
Informationsbedarf
KQML
Gedächtnis
Benutzer
persönlicher
Agent
Gedächtnis
Wissensquellen
Abbildung 6: Multi-Agenten-Architektur
Informationspush
Intelligente Agenten handeln unabhängig
im Sinne des Nutzers, ohne dessen
explizites Eingreifen nötig zu machen.
Sie filtern beispielsweise Emails, finden
geeignete Partner auf dem Datenhighway
oder speichern kooperationsrelevante
Daten (im Agent Memory). Neben
den persönlichen Agenten sind auch
Rollen-, Gruppen- und Unternehmensagenten
in einer Multi-Agenten-Architektur
vorzusehen. Für den Wissensaustausch
von Agenten gibt es bereits die
Knowledge Query and Manipulation
Language (KQML) (s. [FFMM94]). So
greifen etwa Agenten auch auf Teamwissen
(vgl. Team Memory aus Abschnitt
2.3) zurück. Der Intelligente
Agent kennt das kontextbezogene Anforderungsprofil
des Nutzers sowie
seine Informationsbedürfnisse, selektiert
aus der Masse der theoretisch verfügbaren
Daten die notwendigen heraus
und gibt sie selbständig nach dem Push-
Prinzip an den Nutzer (vgl. Abbildung
6).
5.4.4.2 Beispiel grapeVINE
Dokumente aus den externen und internen Quelldatenbanken (Source Databases) werden mit Hilfe
des grapeVINE Profilers (s. [Mars95]) gefiltert. Dieser benutzt dazu die Knowledge Charts, um
Schlüsselworte zuzuweisen. Dann vergleicht der Profiler diese Schlüsselworte mit dem Interessenprofil
der Nutzer (Interest Profiles) und
Knowledge
Chart
Source
Databases
Interest
Profiles
Escalations
gV Profiler
Mail
In-Tray
Abbildung 7: Architektur von grapeVINE
Users
meldet jedem (entweder via Email
oder grapeVINE In-Tray) die Zahl
der übereinstimmenden Dokumente
(vgl. Topological Memory in
Abschnitt 2.3). Der Nutzer kann diese
lesen und auch neue Schlüsselworte
hinzufügen bzw. die Wichtigkeit
eines Dokumentes erhöhen. Die
Kommentare und Meinungen der
Nutzer, neue Schlüsselworte und erhöhte
Wichtigkeiten werden vom
Profiler ausgewertet und mit den Interessenprofilen
der User verglichen.
Das System grapeVINE ermöglicht
es, gemeinsame Interessen aufzudecken
(vgl. Abbildung 6).

6 Erfordernisse und Barrieren des Wissensmanagements im
Virtuellen Unternehmen
6.1 Barrieren des „Nicht-Könnens“
„Without organizational memory an organization would need to continually rediscover and relearn
facts, processes and procedures and would not benefit from the past experiences and the efficiencies
of routines.“ (s. [Scot95])
Nach von Krogh und Venzin (s. [KrVe95]) wird das Wissensmanagement künftig einer der bestimmenden
Wettbewerbsfaktoren sein. Diese Sichtweise ist allerdings noch nicht allzuweit verbreitet.
Häufig erscheint Unternehmen der Aufwand zur Wissenserschließung einfach zu hoch. Zudem stellt
sich die Frage, wer die OMIS pflegen soll. Ebenso problematisch ist die Qualität der Wissenserschließung.
Hier ergeben sich Probleme, wenn Know-how deskriptiv gespeichert wird, so daß Informationen
gar nicht oder nur teilweise wiedergegeben werden. Man denke an einen Teileplan, bei
dem ein Bauelement fehlt und dieser Fehler erst am Rahmen der Produktionsfreigabe festgestellt
wird.
Wie oben bereits angedeutet, ergeben sich einige Hindernisse bei der Einführung von OMIS. Diese
sollen im folgenden kurz skizziert werden. Grundprobleme einer jeden Know-how-Erfassung sind u.a.
deren räumliche Trennung, das fehlende Bewußtsein über das Vorhandensein von Know-how und die
unterschiedlichen Systeme der Know-how-Speicherung auf Papier, Datenträgern und in häufig inkompatiblen
IV-Systemen. Weiterhin problematisch ist die mangelnde bzw. zu einfache Strukturierung
der Daten, so sie denn in kodierter Form vorliegen, zur weiteren Nutzung in OMIS. Know-how
ist häufig inkonsistent und inhomogen auf die verschiedensten Bereiche einer Organisation verteilt.
Anstelle einer “Know-how-Landschaft” drängt sich das Bild von verschiedenen “Know-how-Inseln”
auf.
6.2 Lernen zu kooperieren
Im Rahmen einer Kooperation kann man sowohl fachliches Wissen erwerben (Lernen durch Kooperieren)
als auch die eigene Sozial- und Koordinationskompetenz (Lernen zu kooperieren) verbessern.
Eine gewisse Kooperationsfähigkeit ist Voraussetzung, um zu lernen. VU bieten durch ihre gelebten
Auseinandersetzung mit anderen Lösungen eher als Benchmarking-Clubs die Chance zur eigenen
Verbesserung. Daher sollten die Unternehmen ihre Kooperationspraktiken (Prozedurales Wissen) abspeichern
sowie Wissen bzw. Meinungen über Partner (u.a. „Stories“) ablegen und dieses mit Informationen
aus deren Unternehmenspräsentationen, Organisationshandbüchern etc. der „Mitspieler“ am
VU kombinieren. Besonders gering sind die Barrieren innerhalb sog. Communities mit eigener
„Fachsprache“ und einheitlicher Kultur (z.B. Internetgemeinde).

Öffentliche Stellen
- Subventionen, Infrastruktur
- Politische Unterstützung
- Vermittlungsleistungen
- Gesetze und Verordnungen
Zulieferer,
Produktionsmittelhersteller
- Neuartige Komponentenund
Systemtechnologien
Forschungs- und
Ausbildungsinstitute
- Technologisches
Grundlagenwissen
- Ausbildungsleistungen,
Nachwuchskräfte
Mitanbieter
- Komplementäres Know-how
- Lösung von Schnittstellenproblemen
Das Unternehmen
- eigene Kompetenz
- Kooperationsstrategien
- Netzwerkmanagement
Wettbewerber
- Vorfeld-Entwicklung bei
Grundlagenfragen
- Durchsetzung von Standards
und Normen
Berater
- Innovative Konzepte
- Prozeßgestaltung
- Finanzierungs-, Rechts- und
Versicherungsdienstlstg.
Kunden
- Definition neuartiger
Anforderungen
- Lösung von Implementierungsproblemen
- Referenzwirkung
Händler
- Veränderung und Gewichtung
Nachfragebedürfnissen
- Informationen über Entwicklungen
von Konkurrenten
Abbildung 8: Unternehmen im Netzwerk (s. [Gemü90])
Das zum Kooperieren förderliche, sozial konstruierte Wissen (Kooperationskultur) muß bei jeder
neuen Partnerschaft wieder aufgebaut werden. Durch eine weltweite Vereinheitlichung von Managementpraktiken,
Expertenwissen, Arbeits- und Umgangsformen lassen sich die Anfangshürden reduzieren.
An der Schnittstelle zwischen Organisationen wird von seiten der Innovationsforschung die Rolle
von Beziehungspromotoren beim Wissensaustausch [GeWa95] (Abbildung 8 zeigt Verflechtungen eines
Unternehmens) betont. Sie dienen als Türöffner und „Übersetzer“ zwischen den Fachsprachen
und Kulturen. So sollte die IV wegen der inhärenten Semantikprobleme eher darauf zielen, die Rolle
zu unterstützen, als sie zu automatisieren.
6.3 Lernen durch Kooperieren
Badaracco [Bada91] sieht die größten strategischen Potentiale von Kooperationen im Austausch von
Wissen, das in organisationalen Abläufen und Strukturen oder auch in den Erfahrungen von Mitarbeitern
eingebundenen ist. Ein Grund für das Aufdecken der eigenen Schwächen durch die Partner mag
auch deren „Nicht-Betriebsblindheit“ sein. Entscheidend für partnerschaftliche Synergiepotentiale
sind aber zunächst das Finden und Verbinden von Ressourcen.
6.4 Barrieren des „Nicht-Wollens“
Gerade Mitarbeiter und Partner in VU könnten einen ungewünschten Abfluß von Wissen und damit
den Verlust von Wettbewerbsvorteilen durch „Anzapfen“ von OMIS fürchten. Auf innerbetrieblicher
Ebene bestehen folgende Gründe für Akzeptanzprobleme des Wissensmanagements: die Angst vor
Veränderungen bei Weitergabe des Wissens, die mangelnde Fähigkeit zu erkennen, wem das Wissen,
außer einem selbst, nützlich sein könnte (Ressortblindheit), und Machtspiele. Weitere Probleme stellen
die mangelnde Bereitschaft zur Dokumentation, die mangelnde Fähigkeit, sein Wissen in optimaler
Form aufzubereiten, sowie das schlechte Management der organisationalen Wissensbasis im Unternehmen
dar. Auf der einen Seite besteht die Gefahr des ungewollten Wissensabflusses (vgl. Gefan-

genendilemma). Der ständige Druck von außen zwingt die Partner hingegen zum Wissensaustausch.
Die Beteiligten müssen aus Reputationsgründen Wissen mit entsprechendem Wert einbringen, das
zum Erfolg der Mission beiträgt.
7 Zusammenfassung und Ausblick
Die vorhergehenden Abschnitte zeigen anhand von Anwendungsbeispielen, wie die verschiedenen
Wissenskategorien sich durch OMIS in unterschiedliche Weise erfassen lassen. OMIS spielen nicht
nur für den Zusammenhalt einer Organisation eine Rolle, sondern können einen wertvollen Beitrag
bei der Kopplung von Betrieben zu einem VU leisten. Die in Abschnitt 5 genannten Ausprägungen
von OMIS vermitteln einen Eindruck der bisher schon realisierten Systeme im Lebenszyklus eines
VU. Auf der einen Seite hilft das Wissensmanagement (und seine IV-Unterstützung) dem jeweiligen
Unternehmen selbst, die Anforderungen durch VU zu bewältigen. Auf der anderen Seite übernehmen
etwa OMIS einen Teil der Aufgaben des mittleren Managements als Träger des Metawissens. Der
Identifikation von Problemlösern kommt insbesondere im VU große Bedeutung zu, da gerade in diesen
viele Prozesse unstrukturiert sind, und somit detaillierte Prozeßmodelle keinen Sinn machen.

Literatur
[Acke94]
[AFHS95]
Ackermann, M.: Answer Garden - A Tool for Growing Organizational Memory. Dissertation
am Massachussets Institute of Technology (MIT). Boston 1994.
Arnold, O., Faisst, W., Härtling, M. und Sieber, P., Virtuelle Unternehmen als Unternehmenstyp
der Zukunft? In: HMD - Theorie und Praxis der Wirtschaftsinformatik 32
(1995) 185, S. 8-23.
[ArSc78] Argyris, C. und Schön, D.: Organizational Learning. Reading 1978.
[Bada91]
[BaKu96]
[BoSc95]
[ChRW91]
[DuWe79]
[Fais95]
[FaSp96]
[FFMM94]
[Fink95]
[GaSh95]
[Gemü90]
[GeWa95]
Badaracco, J.: The Knowledge Link - How Firms Compete Through Strategic Alliances.
Boston 1991.
Bannon, L., und Kuutti, K.: Shifting Perspectives on Organizational Memory: From
Storage to Active Remembering. In: Nunamaker jr., J.F. und Sprague, R.H. (Hrsg.):
Proceedings of the 29th Hawaii International Conference on System Sciences, Band 3.
Hawaii 1996, S. 156-167.
Borghoff, U. und Schlichter, J.: Rechnergestützte Gruppenarbeit - Eine Einführung in
Verteilte Anwendungen. Berlin u.a. 1995.
Chrapary, H.-J., Rosenow-Schreiner, E. und Waldhör, K.: Das Elektronische Organisationshandbuch.
In: Lutze, R. und Kohl, A. (Hrsg.): Wissensbasierte Systeme im
Büro. München u.a. 1991, S. 295-312.
Duncan, R. und Weiss, A: Organizational Learning: Implications for Organizational
Design. In: Staw, B. (Hrsg.): Research in Organizational Behaviour. Greenwich 1979,
S. 75-123.
Faisst, W.: Welche IV-Systeme sollte ein Virtuelles Unternehmen haben? Arbeitspapier
der Reihe “Informations- und Kommunikationssysteme als Gestaltungselement
Virtueller Unternehmen”. Nr. 1/95. Bern, Leipzig, Erlangen-Nürnberg 1995.
Faisst, W. und Spiegel, H.: Unterstützung der Anbahnungsphase von Virtuellen Unternehmen
durch elektronische Firmenpräsentation und Partner-Retrieval. Arbeitspapier
der Reihe “Informations- und Kommunikationssysteme als Gestaltungselement
Virtueller Unternehmen”. Nr. 7/96. Bern, Leipzig, Erlangen-Nürnberg 1996.
Finin, T., Fitzson, McKay, D. und McEntire, R.: KQML as an Agent Communication
Language. In: Proceedings of the Third International Conference on Information and
Knowledge Management (CIKM'94). New York 1994.
Fink, W.: Groupware als Backbone der lernenden Organisation. In: Computerwoche
(1995) 46.
Gaines, B. und Shaw, M.: Collaboration through Concept Maps. In: Proceedings of
CSCL95: Computer Supported Cooperative Learning. Bloomington 1995.
Gemünden, H.G.: Innovationen in Geschäftsbeziehungen und Netzwerken. Arbeitsbericht
des Instituts für Angewandte Betriebswirtschaftslehre und Unternehmensführung
der Universität Karlsruhe, Karlsruhe 1990.
Gemünden, H. und Walter, A.: Der Beziehungspromotor: Schlüsselperson für interorganisationale
Innovationsprozesse. In: Zeitschrift für Betriebswirtschaft 65 (1995) 9,
S. 971-986.

[GoHF95]
[Groe94]
[GüEs96]
[HiTu93]
[Hoff95]
[HoWa96]
[Kars95]
[KrVe95]
Gorton, I., Hawryszkiewycz, I. und Fung, l.: Enabling Software Shift Work with
Groupware: A Case Study. In: Nunamaker jr., J.F. und Sprague, R.H. (Hrsg.):
Proceedings of the 29th Hawaii International Conference on System Sciences, Band 3.
Hawaii 1996, S. 72-81.
Groenbaek, K.: Cooperative Hypermedia Systems: A Dexter-based Architecture. In:
Communications of the ACM 37 (1994) 2, S. 65-74.
Güldenberg, S. und Eschenbach, R.: Organisatorisches Wissen und Lernen - erste Ergebnisse
einer qualitativ-empirischen Erhebung. In: Zeitschrift für Führung und Organisation
65 (1996) 1, S. 4-9.
Hiltz, S. und Turoff, M.: The Network Nation: Human Communication via Computer.
Cambridge 1993.
Hoffmann, H-J.: Kultureller Wandel braucht ein Trägersystem im Unternehmen. In:
Computerwoche (1995) 46.
Houston, A. und Walsh, K.: Using an AI Based Tool Categorize Digitized Textual
Forms of Organizational Memory. In: Nunamaker jr., J.F. und Sprague, R.H. (Hrsg.):
Proceedings of the 29th Hawaii International Conference on System Sciences, Band 3.
Hawaii 1996, S. 3-12.
Karsten, H.: Organizational Memory Profile: Connecting Roles of Organizational
Memory to Organizational Form. In: Nunamaker jr., J.F. und Sprague, R.H. (Hrsg.):
Proceedings of the 29th Hawaii International Conference on System Sciences, Band 3.
Hawaii 1996, S. 188-197.
von Krogh, G. und Venzin, M.: Anhaltende Wettbewerbsvorteile durch Wissensmanagement.
In: Die Unternehmung 49 (1995) 6, S. 417-436.
[Mack95] Mackenzie, J.: Document Repositories. In: BYTE (1995) 4.
[Mada94] Madauss: Handbuch Projektmanagement. Stuttgart 1994.
[Maes94]
[Mars95]
[MeFa95]
Maes, P.: Agents that Reduce Work and Information Overload. In: Communications
of the ACM 37 (1994) 7, S. 31-40.
Marshak, D.: Tackling the Knowledge Management Problem. In: Workgroup Computing
Report 18 (1995) 1.
Mertens, P. und Faisst, W.: Virtuelle Unternehmen, eine Organisationsstruktur für die
Zukunft? In: technologie & management 44 (1995) 2, S. 61-68.
[Mert95] Mertens, P.: Integrierte Informationsverarbeitung 1, 10. Auflage. Wiesbaden 1995.
[MoRW96]
[MoWe96]
Morschheuser, S., Raufer, H. und Wargitsch, C.: Challenges and Solutions of Document
and Workflow Management in a Manufacturing Enterprise: A Case Study. In:
Nunamaker jr., J.F. und Sprague, R.H. (Hrsg.): Proceedings of the 29th Hawaii International
Conference on System Sciences, Band 5. Hawaii 1996, S. 4-12.
Morrison, J. und Weiser, M., A Research Framework for Empirical Studies in Organizational
Memory, In: Nunamaker jr., J.F. und Sprague, R.H. (Hrsg.): Proceedings of
the 29th Hawaii International Conference on System Sciences, Band 3. Hawaii 1996,
S. 178-187.

[MüOs96]
[NDGo95]
[NDVV91]
[Pape96]
[Pawl95]
Müller-Stewens, G. und Osterloh, M.: Kooperationsinvestitionen besser nutzen: Interorganisationales
Lernen als Know-how-Transfer oder Kontext-Transfer? In: Zeitschrift
für Führung und Organisation 65 (1996) 1, S. 18-24.
Nevis, C., DiBella, A. und Gould, J.: Understanding Organization as Learning Systems.
In: Sloan Management Review 37 (1995) 4.
Nunamaker, J.F., Dennis, A.R., Valacich, J.S., Vogel, D.R. und George, J.F.:
Electronic Meeting Systems to Support Group Work. In: Communications of the
ACM 34 (1991) 7, S. 40-61.
Paper, D.: A Theoretical Framework Linking Creativity, Empowerment, and Organizational
Memory. In: Nunamaker jr., J.F. und Sprague, R.H. (Hrsg.): Proceedings of
the 29th Hawaii International Conference on System Sciences, Band 4. Hawaii 1996,
S. 20-29.
Pawlita, P.: Verzeichnisdienst erleichtert die spontane Kommunikation - Auch virtuelle
Arbeitsplätze per X.500-Directory einbinden. In: Computerwoche (1995) 48.
[Pola66] Polany, M.: The Tacit Dimension. London 1966.
[PrBe86]
[Prin94]
Prahalad, C. K. und Bettis, R.: The Dominant Logic: A New Linkage Between Diversity
and Performance. In: Strategic Management Journal 6 (1986) 7, S. 485-501.
Prinz, W.: TOSCA - Organisationswissen für CSCW-Anwendungen. In: Hasenkamp,
U., Kirn, S. und Syring, M. (Hrsg.): CSCW. Bonn u.a. 1994.
[Quin91] Quinn, J.B.: Intelligent Enterprise. New York 1991.
[Riec94] Riecken, D.: Intelligent Agents. In: Communications of the ACM 37 (1994) 7, S. 18-
21.
[RPHM95] Rao, R, Pedersen, J., Hearst, M., Mackinlay, J., Card, S., Masinter, L., Halvorsen, P.
und Robertson, G.: Rich Interaction in the Digital Library, Communications of the
ACM 38 (1995) 4, S. 29-39.
[Schl94]
[ScKr96]
[Scot95]
[Siech94]
[Siem95]
[Skan94]
Schlunegger, C.: Experimenteller Einsatz einer projektunterstützenden Entwicklungsumgebung
für die dezentrale, kooperative Softwareentwicklung. Dissertation an der
Universität Bern. Bern 1994.
Schwabe, G. und Krcmar, H.: CSCW-Werkzeuge. In: WIRTSCHAFTSINFORMA-
TIK 38 (1996) 2.
Scott, J.: The Impact of Organizational Memory Information Systems: The Case of
Product Information Management Systems. In: Nunamaker jr., J.F. und Sprague, R.H.
(Hrsg.): Proceedings of the 29th Hawaii International Conference on System Sciences,
Band 5. Hawaii 1996, S. 23-32.
Siech, D.: Unschärfe als Ansatzpunkt für ein intelligentes Info-Retrieval. In: Computerwoche
(1994) 34, S. 32.
Siemens Nixdorf AG: Information darf kein Zufall sein. Unternehmensinterne Informationsschrift,
München 1995.
Skandia AFS: Visualizing Intellectual Capital in Skandia. Supplement to Skandia´s
Annual Report. Stockholm 1994.

[Stei93]
Steinmetz, O.: Die Strategie der integrierten Produktentwicklung: Softwaretechnik
und Organisationsmethoden zur Optimierung der Produktentwicklung im Unternehmen.
Braunschweig u.a. 1993.
[Stei94] Steinbock, H.-J.: Potentiale der Informationstechnik. Stuttgart 1994.
[Stei95]
[Stür95]
[StZw95]
[Swan96]
[Tuom96]
[VaGi95]
[WaUn91]
Stein, E.: Organizational Memory: Review of Concepts and Recommendations for
Management. In: International Journal of Information Management 15 (1995) 1, S.
17-32.
Stürmer, U.: Vergleichende Evaluierung verschiedener Interaktionsparadigmen für Information-Retrieval.
Darmstadt 1995.
Stein, E. und Zwass, V.: Actualizing Organizational Memory with Information Systems.
In: Information Systems Research 6 (1995) 2, S. 85-117.
Swanson, E.: The New Organizational Knowledge and its Systems Foundations. In:
Nunamaker jr., J.F. und Sprague, R.H. (Hrsg.): Proceedings of the 29th Hawaii International
Conference on System Sciences, Band 3. Hawaii 1996, S. 140-146.
Tuomi, I.: The Communicative View on Organizational Memory: Power and Ambiguity
in Knowledge Creation Systems. In: Nunamaker jr., J.F. und Sprague, R.H.
(Hrsg.): Proceedings of the 29th Hawaii International Conference on System Sciences,
Band 3. Hawaii 1996, S. 147-155.
Vandenbosch, B. und Ginzberg, M,: Lotus Notes and Collaboration: Le plus ca
change. In: Nunamaker jr., J.F. und Sprague, R.H. (Hrsg.): Proceedings of the 29th
Hawaii International Conference on System Sciences, Band 3. Hawaii 1996, S. 61-71.
Walsh, J. und Ungson, G.: Organizational Memory. In: Academy of Management
Review 16 (1991) 1, S. 57-91.