Forschungsreport Daten – Innovation – Privatheit

DEEP DIVE
74
Von der
Umfrage zur
Modellierung
Christopher Weiß
Christopher Weiß und Team 1 wollten wissen, wie
die Beschäftigten der Software AG zu Inverser
Transparenz stehen und was es braucht, um das
Konzept erfolgreich umzusetzen. Gemeinsam
haben sie quantitativ und qualitativ geforscht
und die wichtigsten Parameter identifiziert.
Herr Weiß, wie haben Sie sich dem Konzept der
Inversen Transparenz genähert?
In unserem Team ging es hauptsächlich um die menschlichen
Aspekte. Wir wollten vermitteln, was Inverse Transparenz bedeutet,
und die Haltungen, Erwartungen und Bedenken der
Beschäftigten zu diesem Konzept evaluieren. Im Hinterkopf
hatten wir immer: Sollte man es überhaupt umsetzen, wenn
ja, wie und welche Auswirkungen würde es haben?
Wie sind Sie methodisch vorgegangen?
Wir haben uns zunächst ein Anwendungsszenario gesucht,
mit dem wir Inverse Transparenz theoretisch erforschen
können – eine Skilldatenbank mit integrierter Expertensuche
als hypothetische Erweiterung der Jira-Anwendung iTrac.
Wir sind von der Annahme ausgegangen, dass das Thema
Skill-Management sich aus zwei Gründen eignet. Zum einen,
weil es um persönliche und vertrauliche Daten geht. Zum anderen,
weil es insgesamt kontrovers diskutiert wird. Es war
ein Gedankenexperiment, an dem wir alles Weitere orientiert
haben.
Wie haben Sie dieses Gedankenexperiment dann
weiterverfolgt?
Als nächstes haben wir mit methodischer Unterstützung von
Rahild Neubauer und Maren Gierlich-Joas, unseren Projektpartnerinnen
von der LMU, eine Umfrage durchgeführt, die
die iTrac-Nutzenden in den Bereichen R&D und Support an
den deutschen Standorten der Software AG adressiert hat.
III PRAXIS