WI – Aufsatz

1 Einleitung 1.1

Motivation

Die großen Vernderungen im Einsatz von Informations- und Kommunikationstechnologien in modernen Organisationen sind in letzter Zeit als „E-Business“ verstrkt zum Thema wissenschaftlicher Diskurse erhoben worden und durch zahlreiche Projekte in den Unternehmen in den Blickpunkt gerckt1. Die dadurch verursachten substantiellen Vernderungen in der Unternehmensorganisation (z. B. Business Process Reengineering, Lean Management, Unternehmenszusammenschlsse) haben zu einem massiven Bedarf nach einem verbesserten Umgang mit wettbewerbsrelevantem Wissen gefhrt. Unter dem Stichwort Wissensmanagement (WM) sind dabei Anstze entstanden, die sich mit Themen aus der Organisationstheorie sowie der Organisationspsychologie und -soziologie, wie z. B. lernende Organisationen, organisatorisches Lernen, Organisationsentwicklung sowie Human Resource Management auseinandersetzen2 und im „Knowledge-based view“ auch auf der Ebene des strategischen Managements ihre Entsprechung finden [z. B. Gran96; Spen96]. In den letzten Jahren wurden zahlreiche Werkzeuge und Systeme auf den Markt gebracht, deren Anbieter behaupten einen Beitrag zum WM zu leisten: Wissensmanagementsysteme (WMS, [MaKl99b]). Der Markt fr derartige Systeme ist allerdings noch recht jung und es fehlen zur Zeit klar definierte Anwendungsszenarien ebenso wie eine systematische Evaluation des Nutzens oder Erfolgs eines WMS-Einsatzes3. Selbst erfahrene Pionier-Anwender von WMS mit mehrjhriger Einsatzerfahrung sind mit der Problematik einer Quantifizierung des Nutzens von WMS konfrontiert und begngen sich in den meisten Fllen mit Erfolgsgeschichten oder, im besten Fall, mit Mitarbeiterbefragungen ber die Zufriedenheit mit WMS (vgl. das in Box 1 beschriebene Fallbeispiel).

1.2 Stand der Forschung im Bereich der Erfolgsabschtzung von WMS Stand der Forschung fr die Erfolgsmessung im WM sind die deduktiv-summarischen Anstze Tobin’s q [NoPR98, 160]

Modell fr die E r folgsmessung von Wissensmanagements y stemen

Ronald Maier, Thomas Hdrich

und Calculated Intangible Value [Stew97, 226 ff.], sowie die induktiv-analytischen Anstze Intellectual Capital-Ansatz [Stew97], Intangible Assets Monitor [Svei97], Intellectual Capital Navigator [Stew97, 243 ff.], Balanced Scorecard [ KaNo96a; KaNo96b] und Skandia Navigator [SkAm98]. Die bestehenden Anstze sind allerdings nicht ausreichend operationalisiert, um eine konkrete Erfolgseinschtzung von WMS anleiten zu knnen oder gar einen mglichen Beitrag zu Unternehmenszielen zu messen. So nennen Probst et al. auf der Ebene Bewertung der operativen Wissensziele ganz allgemein die Messung der Systemnutzung (Nutzung des Intranets) ohne eine weitere Detaillierung [ PrRR97, 336]. Der Erfolg oder Misserfolg eines WMS wird in der Regel nur auf hoch aggregierter Ebene geprft, z. B. durch Auswirkungen auf das Geschftsvolumen pro Mitarbeiter oder das gesamte Geschftsvolumen [NoPR98, 165], Kennzahlen also, die von einer unberschaubaren Flle an Einzelmaßnahmen zur organisatorischen Gestaltung beeinflusst werden. Daher ist es erforderlich, die operativen Wissensziele weiter zu detaillieren und auf WMS anzuwenden. Verffentlichungen in der Fachliteratur5 zu Informationssyste-

WIRTSCHAFTSINFORMATIK 43 (2001) 5, S. 497–509

men (IS) bieten einen reichhaltigen Fundus von Konzepten zur Erfolgsmessung, der als Basis fr die Entwicklung eines Ansatzes zur Erfolgsmessung von WMS genutzt werden kann.

1.3 Ziele und berblick ber das Vorgehen Ziel dieses Beitrages ist es, auf der Basis von Anstzen des Wissensmanagements, von Konzepten und Faktoren zur Erfolgsmessung von IS sowie den Ergebnissen einer von einem der Autoren durchgefhrten empirischen Studie zum State-of-theArt des Einsatzes von WMS ein Modell zur Erfolgsmessung von WMS zu entwickeln. Dazu werden die in der Literatur

Dr. rer. pol. Ronald Maier, Dipl. Wirt.Inf. Thomas Hdrich, Lehrstuhl fr Wirtschaftsinformatik III, Universitt Regensburg, Universittsstrasse 31, D-93053 Regensburg, Tel. (09 41) 9 43-32 03, Fax (09 41) 9 43-32 11, E-Mail: [email protected], [email protected], http://www-wi.uni-regensburg.de/

497

Ronald Maier, Thomas Hdrich

Box 1: Fallbeispiel: WMS-Einsatz in der Softwareentwicklung4 Die SYSTEM AG entwickelt Individualsoftware fr betriebliche Informationssysteme und ist stark innovationsorientiert ohne Spezialisierung auf bestimmte Technologien oder Branchen. Die Zahl der Mitarbeiter ist mit jhrlichen Raten von z. T. ber 50% auf heute etwa 800 Mitarbeiter gewachsen. Bedingt durch das große Wachstum wurden Defizite in der Expertenidentifikation, im Wissenstransfer zwischen Projekten und in der Weiterbildung festgestellt. Als Teil einer unternehmensweiten WM-Strategie erfolgte eine WMS-Implementierung, die im wesentlichen aus dem intranetbasierten System KWEB besteht, welches von der neu eingerichteten Organisationseinheit „Technologiemanagement“ mit einer Anzahl von Wissensbrokern betreut wird. KWEB enthlt u. a. eine „Skillverwaltung“ (Datenbank ber Mitarbeiterkompetenzen), Beitrge der Wissensbroker zu relevanten Wissensgebieten, Projektbeschreibungen und „Lessons-Learned“ aus Projekten sowie Homepages der Mitarbeiter. Weiterhin steht eine Suchmaschine ber das gesamte Intranet und ber externe Informationsdienste zur Verfgung. Fr die Entwicklung wurden etwa 5 Mitarbeiterjahre investiert. Neben dem jhrlichen Wartungsaufwand von etwa 1 Mitarbeiterjahr kmmern sich derzeit 7 Wissensbroker um die Wissenspflege. Der Erfolg der WM-Aktivitten wird anhand von regelmßigen Zufriedenheitsbefragungen der Mitarbeiter gemessen. Als Erfolg des Wissensmanagements allgemein werden eine gestiegene Zufriedenheit, Vorteile fr die Kunden und die Beseitigung oder Reduktion der eingangs erwhnten Defizite gewertet. Der Systemerfolg wird lediglich anhand von Teilnehmer- und groben Nutzungszahlen erfasst.

vorgeschlagenen Faktoren6 zur Messung des Erfolgs von IS nach ihrer Relevanz fr eine Analyse von WMS selektiert und um weitere in der empirischen Studie ermittelte Faktoren ergnzt. Das von uns entwickelte Modell zur Erfolgsmessung von WMS soll allgemein genug sein, um auf verschiedene Typen von WMS angewendet werden zu knnen. Es soll weiterhin konkret genug bleiben, um eine relativ einfache Anwendung in der Praxis nicht durch ein zu hohes Maß an Komplexitt oder Abstraktheit zu verhindern. Im folgenden werden zunchst zwei Typen von WM-Anstzen und WM-Strategien unterschieden, die in zwei Typen von WMS ihre Entsprechung finden. In Abschnitt 3 wird das Modell zur Erfolgsmessung von WMS entwickelt und seine Anwendbarkeit diskutiert. Abschnitt 4 stellt eine Auswahl von Faktoren im Rahmen des Modells vor und diskutiert sie anhand der in Abschnitt 2 getroffenen Unterscheidung. In Abschnitt 5 werden die Ergebnisse zusammengefasst und ein Ausblick auf mgliche Erweiterungen des Modells gegeben.

498

2 Wissensmanagement 2.1 WissensmanagementAnstze Zum Bereich Wissensmanagement ist in den letzten Jahren eine große Zahl von Beitrgen verffentlicht worden, in denen teilweise sehr unterschiedliche und mitunter konkurrierende Sichtweisen der Thematik vertreten werden [fr einen berblick vgl. z. B. AlLe01]. Dabei lassen sich zwei Grundrichtungen erkennen [Sch96, 187 ff.]: , In den humanorientierten Anstzen steht der Mensch im Mittelpunkt der Betrachtungen. Verbesserungen des Umgangs mit Wissen in den Organisationen sollen im wesentlichen durch ein geeignetes organisatorisches Umfeld geschaffen werden, in dem das ungenutzte Potential der individuellen Fhigkeiten und Fertigkeiten der Mitarbeiter aktiviert wird. , In den technologieorientierten Anstzen wird demgegenber davon ausgegangen, dass durch den Einsatz moderner Informations- und Kommunikationstechnologien Wissen von Mitarbeitern losgelst und seine (Wieder-)Verwendung durch andere Mitarbeiter untersttzt werden kann.

Dieser Typologisierung von WM-Anstzen entspricht die derzeit wohl populrste Unterscheidung von WM-Strategien [ HaNT99, 107 ff.]: , Ziel der Personalisierungsstrategie ist die Untersttzung der Wissenskommunikation, die durch direkte Interaktion bzw. durch Teilnahme an Wissensnetzen stattfindet. Diese beschftigen sich vor allem in wissensintensiven Prozessen [ ReLe00; MaRe01] mit komplexen Problemstellungen, zu deren Lsung ein hohes Maß an Expertenwissen und der Austausch von großteils verborgenem Wissen wie Erfahrungen, Intuitionen, Ansichten oder Meinungen erforderlich ist. , Das Ziel der Kodifizierungsstrategie ist, sorgfltig dokumentiertes Wissen fr jeden im Unternehmen zugnglich und damit wiederverwendbar zu machen. WMS kommt hier ein zentraler Stellenwert zu, da sie als Container fr das gespeicherte Wissen fungieren und Grundlage fr die Rckgewinnung des Wissens zu dessen (Wieder-)Verwendung sind. Tabelle 1 gibt einen berblick ber die beiden Typen des Wissensmanagements und detailliert diese anhand der Strategie, des verwendeten Wissensbegriffs, der verantwortlichen Akteure sowie der eingesetzten Wissensmanagementsysteme und ihrer Funktionen.

2.2 Wissensmanagementsysteme Eine Abgrenzung von WMS erweist sich als schwierig, weil Hersteller vieler verschiedener traditioneller Systeme diese um Funktionen erweitern, die das WM untersttzen sollen. Im wesentlichen handelt es sich bei WMS um eine Kombination zuvor separater Funktionen unter der Perspektive ihres gezielten Einsatzes im WM, wie z. B. Dokumentenmanagement, Workflow-Management, Suche, Visualisierung (Wissenskarten), bilaterale und multilaterale Kommunikation, Learning Management sowie „intelligenten“ Technologien, z. B. zur Textanalyse, zum Profiling usw. Fr diese Arbeit sollen WMS wie folgt definiert werden [MaKl99b, 7; MaLe00, weitere Definitionen finden sich z. B. bei StZw95; Lehn00; SeEp00]: „Ein Wissensmanagementsystem (WMS) ist ein dynamisches System, das Funktio-

Erfolgsmessung von Wissensmanagementsystemen

nen zur Untersttzung der Identifikation, Akquisition, Speicherung, Aufrechterhaltung, Suche und Rckgewinnung, Distribution, des Verkaufs und der Logistik von Wissen, welches als Information plus Kontext aufgefasst wird, in einem Unternehmen bereitstellt, mit dem Ziel der Untersttzung des organisatorischen Lernens und der organisatorischen Effizienz.“ WMS werden im gruppenbergreifenden Kontext eingesetzt, weshalb sie sich von zum Beispiel Groupwaresystemen abgrenzen lassen, da diese lediglich den Kontext einer Gruppe abbilden und Fragestellungen außen vor lassen, die sich durch unterschiedliche Taxonomien und Kontexte verschiedener, sich berlappender Gruppen ergeben. Auch Systeme zur Untersttzung einzelner Funktionen ohne Bezug zur Wissensverwaltung (z. B. Videoconferencing) werden durch diese Definition abgegrenzt, denn der wesentliche Unterschied zu Funktionen traditioneller Informationssysteme ist der immer vorhandene Kontextbezug des dabei betrachteten Wissens. WMS knnen in folgende zwei Architekturtypen eingeteilt werden [ Zack99a, 50] und lassen sich dadurch den oben beschriebenen WM-Strategien zuordnen: , WMS mit integrativer Architektur: Zentrales Element ist hier ein Repository, in dem explizites Wissen enthalten ist und das hier das zentrale Medium fr den Austausch von Wissen darstellt. Der Austausch zwischen Wissensproduzenten und Wissenskonsumenten wird durch Anreicherung des expliziten Wissens mit Kontext untersttzt (z. B. Taxonomien, Anwendungsbezug, Experten, Communitys). Integrativen WMS entspricht die Kodifizierungsstrategie, da diese auf die Loslsung von Wissen von den Wissenden und seine Ablage in Repositorys zielt. , WMS mit interaktiver Architektur: Primres Ziel bei deren Einsatz ist es, die Interaktion zwischen Personen zwecks des Austauschs hauptschlich impliziten Wissens (tacit knowledge, [ Pola66; NoTa97]) zu ermglichen. Interaktiven WMS lsst sich die Personalisierungsstrategie zuordnen, da bei beiden der Fokus auf die Untersttzung des Wissensaustausches zwischen Personen gelegt wird.

Tabelle 1 Typologisierung von Wissensmanagementanstzen und -systemen Humanorientiertes WM

Technologieorientiertes WM

Wissensmanagement-Strategie

Personalisierungsstrategie

Kodifizierungsstrategie

Wissensbegriff

Wissen ausschließlich in den Kpfen der Mitarbeiter

dokumentiertes Wissen, losgelst von Mitarbeitern

vorrangige Akteure/ beteiligte Rollen

Wissensarbeiter, Netzwer ke und Communities-of-interest

Autoren, Experten, Themenverantwortliche, Wissensbroker

WMS

interaktive WMS

integrative WMS

vorrangige WMSFunktionen

Kommunikation und Kooperation, Expertensuche, Community-Unterstt zung

Publikation, Strukturierung und Vernetzung, Suche, Prsentation und Visualisierung von Wissenselementen

Konkrete WMS-Implementierungen kombinieren jedoch meist Funktionen der integrativen und der interaktiven Architektur. Die Unterscheidung ist deshalb idealtypisch und dient im folgenden der Diskussion der Anwendung unseres Modells.

3 Modell zur Erfolgsmessung von Wissensmanagementsystemen Der Erfolg eines IS ist nicht direkt messbar, sondern muss indirekt ber fr den Erfolg relevante Faktoren erfasst werden. In

der Literatur haben sich seit den 70er Jahren viele Anstze zur Erfolgsmessung von IS herauskristallisiert, die mittlerweile eine beinahe unberschaubare Flle an Faktoren anbieten. Das Modell zur Erfolgsmessung von IS nach DeLone/McLean ist eines der am hufigsten zitierten und auch empirisch getesteten Modelle [ DeMc92; Ball98; GaSa98; MyKP98; Sedd97]. Wir verwenden dieses als Basis fr die Entwicklung unseres Modells zur Erfolgsmessung von WMS und erweitern es um WMS-spezifische Kategorien (vgl. Bild 1). Im folgenden werden ausgehend vom ursprnglichen Modell die Erweiterungen Schritt fr Schritt diskutiert.

Kernpunkte fr das Management: Dieser Beitrag untersucht die Erfolgsmessung des Einsatzes von Wissensmanagementsystemen und prsentiert als Lsungsangebot ein theoretisch fundiertes Modell. Auf der Basis der Erweiterung bestehender Anstze wird eine geordnete Liste von Faktoren zur Erfolgsmessung angeboten. , Eine fundierte Erfolgsmessung ist fr ein glaubwrdiges, langfristig angelegtes Wissensmanagement im Unternehmen unabdingbar. , Wissensmanagementsysteme knnen zwei idealtypischen Wissensmanagement-Strategien zugeordnet werden – Personalisierung und Kodifizierung, die als Leitlinie der Erfolgsmessung dienen. , Die Messung des Erfolgs von Wissensmanagementsystemen ist komplex, lsst sich aber durch einen wohlstrukturierten, relativ einfach anwendbaren Lsungsansatz untersttzen, der weit ber die Erfassung der Systemnutzung oder der Nutzerzufriedenheit hinausgeht. Stichworte: Beurteilung, Bewertung, Erfolg, Erfolgsmessung, Evaluation, Wissensmanagement, Wissensmanagementsystem

499

Ronald Maier, Thomas Hdrich

Bild 1 Modell zur Erfolgsmessung von Wissensmanagementsystemen Das ursprngliche Modell enthielt eine Einteilung der Faktoren in die Kategorien Systemqualitt und Informationsqualitt auf der System- und Service-Ebene (in Bild 1 dargestellt von links nach rechts), in Systemnutzung und Nutzerzufriedenheit auf der Nutzungsebene sowie in Auswirkung auf Individuen und Auswirkung auf die Organisation auf der Auswirkungsebene (eine detaillierte Erluterung dieser Kategorien erfolgt in Abschnitt 4). Der Erfolg eines IS kann nicht mit Faktoren aus einer einzelnen oder nur einem Teil der Kategorien gemessen werden [ DeMc92, 81]. Vielmehr wird durch den IS-Erfolg ein multidimensionales Konstrukt gebildet, das nur durch die sorgfltige Auswahl und Gewichtung von Faktoren aus verschiedenen und vermutlich mglichst allen Kategorien des Modells erfasst werden kann. Das Modell von DeLone/McLean erscheint trotz der in der Literatur angefhrten Kritikpunkte (z. B. mangelnde berschneidungsfreiheit der Kategorien, fehlende Bercksichtigung von Kontingenzfaktoren) aufgrund seines niedrigen Komplexittsgrades, der Betrachtung verschiedener Ebenen im Unternehmen und einer fr die Anwendung in der Praxis notwendigen Fokussierung und Beschrnkung auf einige wenige, relevante und relativ klar abgrenzbare Bereiche als gute Grundlage fr das von uns vorgeschlagene Modell zur Erfolgsmessung von WMS. Im Folgenden werden die von uns vorgenommenen Modellerweiterungen vorgestellt.

Informations-, Kommunikationsund Wissensqualitt Zentral fr diese Erweiterung ist die Abgrenzung der WMS von den traditionellen IS. Der wesentliche Unterschied besteht im stets vorhandenen Kontextbezug des betrachteten Wissens (vgl. Abschnitt 2.2) und damit in der Erweiterung um Faktoren, die die Speicherung von Wissenselementen verglichen mit traditionellen Datenelementen betreffen (z. B. die Vernetzung zu anderen Wissenselementen, zu Experten, zur Anwendung und zu Communities-of-interest). Darber hinaus hat die Kommunikation zentrale Bedeutung fr das Teilen von Wissen. Sie ist Voraussetzung fr den Aufbau eines Gedchtnisses von Gruppen oder von Organisationen, auch transaktives Gedchtnis genannt (Transactive Memory System [Wegn86, 191]). WMS spielen dabei die Rolle eines kontextreichen Mediums, das die Aufnahme neuen Wissens, die Kommunikation sowie das Wiederfinden von Wissen im Transactive Memory System in der Gruppe (als transaktive Einheit) untersttzt. Aus diesem Grund wurde die Komponente Informationsqualitt auf die Informations-, Kommunikations- und Wissensqualitt ausgedehnt. Zudem werden die Kategorien Systemnutzung sowie Auswirkung auf Communitys durch entsprechende Faktoren ergnzt.

Wissensspezifischer Service Das Modell wird weiterhin auf der Systemebene um die Kategorie Wissensspezi-

500

fischer Service ergnzt. Die Servicequalitt wird vor allem in neueren Beitrgen als ein wichtiger, den Erfolg von IS beeinflussender Bereich angesehen [ BaPe83; FeZa93; KeLe94; Li97; PiWK95]. Die hier ergnzte Komponente zur Erfassung der Servicequalitt ist jedoch anders gelagert: Mit ihr soll der Erfolg des durch das System untersttzten und auf Wissen bezogenen Services gemessen werden, der durch spezialisierte Wissensmanagement-Mitarbeiter (z. B. Wissensbroker, Themenverantwortliche) erbracht wird. Es geht also darum, durch das System ermglichte Untersttzungsleistungen fr den Umgang mit Wissen zu erfassen, z. B. dem Suchen nach, der Distribution oder der Kommunikation von Wissen. Gemeinsam mit der Systemqualitt und der Informations-, Kommunikations- und Wissensqualitt wirkt der Wissensspezifische Service auf die Systemnutzung und die Nutzerzufriedenheit.

Auswirkung auf Communitys Communitys wird im Wissensmanagement in bezug auf die Wissensteilung und Wissensschaffung große Bedeutung zugeschrieben [GoDa98; StHi00; WeSn00]. Eine Community ist eine dauerhaft bestehende Gruppe, zusammengesetzt aus einer großen Anzahl von Personen mit gemeinsam anerkannten Zielsetzungen zur Befriedigung einiger ihrer individuellen Bedrfnisse, mit geringer Koordination, aber vielen losen Verbindungen zwischen den Mitgliedern [ Ferr99, 130]. Communitys haben nicht primr die Erfllung einer bestimmten extern zugeordneten Aufgabe zum Ziel, sondern existieren allein zum Nutzen des Kollektivs. Dieser Nutzen kann sich positiv auf die in einer Organisation angestrebten Ziele auswirken, muss es aber nicht. Ein Modell zur Erfolgsmessung von WMS muss auch Auswirkungen auf Communitys erfassen und diese von den Auswirkungen auf die individuelle Aufgabenerfllung trennen.

Anwendung des Modells Unser nunmehr acht Kategorien umfassendes Modell gibt eine grobe Orientierung zur Selektion von Faktoren durch deren Zuordnung zu integrativen und interaktiven WMS und damit zu unterschiedlichen Wissensmanagement-Strategien. Die genaue Klrung der gegenseitigen Abhn-

Erfolgsmessung von Wissensmanagementsystemen

gigkeiten der Faktoren wre zwar wnschenswert, kann bei dem derzeitigen Stand der Forschung jedoch nicht geleistet werden. Die Faktoren werden durch Variablen bzw. Indikatoren unterschiedlicher Skalierung gemessen. Zum berwiegenden Teil sind dies ordinal skalierte Merkmale, die durch regelmßig durchgefhrte Befragungen, zum Beispiel in halbjhrlichem Zyklus, aber auch anfallsbezogen direkt bei der Nutzung des Systems erhoben werden knnen. Ein Teil der Faktoren in den Kategorien Systemqualitt und Systemnutzung kann durch metrisch skalierte Merkmale anhand eines Systemmonitorings erhoben und zum Beispiel wchentlich ausgewertet werden. Folgende Vorgehensweise bei der Anwendung des Modells wird als sinnvoll erachtet:

Tabelle 2 Faktoren zur Systemqualitt

1. Auswahl von Faktoren aus jeder Kategorie, die fr den Anwendungsfall (beschrieben durch Ziele, Typ des Systems und andere Kontingenzfaktoren) als relevant angesehen werden. 2. Auswahl von geeigneten Indikatoren und Kennzahlen auf Basis der umfangreichen Literatur (vgl. Abschnitt 4). 3. Wiederholte Auswertung von Kennzahlen der Finanzwirtschaft und des intellektuellen Kapitals bzw. Erhebung der Kennzahlen in Form von Fragebgen und in mglichst großem Ausmaß durch Systemmonitoring bzw. direkt durch systemgesttzte Teilnehmerbefragung. 4. berprfung der Aussagekraft der verwendeten Faktoren und der unterstellten Abhngigkeiten, z. B. durch Vergleich mit anderen Unternehmen.

kategorien eingeordnet und ihre Anwendbarkeit auf integrative und interaktive WMS diskutiert. Ein berblick ber alle Faktoren findet sich bei [ Hdr00]; fr die Operationalisierung der Faktoren anhand von Variablen und Messvorschriften sei auf die umfangreiche Literatur verwiesen [z. B. BaPe83; DeMc92; Mass96; Ball98; ChPa98; DoTo98; HuKT99].

4 Faktoren zur Erfolgsmessung Anhand einer Literaturrecherche (vgl. Abschnitt 1.2) wurden 133 Faktoren selektiert und durch 105 weitere von uns auf Basis der empirischen Studie [MaKl99a; MaKl99b] ermittelte Faktoren ergnzt. Aus Platzgrnden ist es uns nicht mglich, die Gesamtanzahl an Faktoren oder der einzelnen Variablen zur Messung dieser Faktoren zu prsentieren und ihren Einbezug in das Modell detailliert zu begrnden. Im folgenden wird eine exemplarische Auswahl aus den Faktoren in acht Modell-

Integrative WMS

Interaktive WMS

Beide Architekturtypen

, Untersttzung der Wissenspublikation / Wissenspflege

, Qualitt des Kommunikationsmediums

, Einfachheit der Benut zung

, Qualitt der Visualisierung von Suchergebnissen

, Gestaltung und Anzahl der Kommunikationskanle

, Ressourcennut zung

, Qualitt der Navigationsstruktur

, Vermittlung sozialer Prsenz

, Qualitt der Visualisierung der Wissensstruktur

, Einfachheit des Feedbacks

, Qualitt der Gestaltung des Feedbacks zu Inhalten

, Qualitt der Untersttzung von CommunityWorkspaces

, Qualitt der Suchmaschine

, Qualitt der Expertensuche

4.1 Systemqualitt Durch diese Kategorie werden Eigenschaften des WMS selbst erfasst. Die Faktoren zu den IS reflektieren eine eher an technischen und an Kriterien der Systemperformance orientierte Sichtweise [ DeMc92]. Die von uns zustzlich vorgeschlagenen Faktoren sttzen sich zu einem großen Teil auf die Qualitt der WMS-Funktionen (vgl. Tabelle 2). Integrative WMS mssen generell Funktionen fr die Publikation, die Suche und die Pflege von Wissenselementen zur Verfgung stellen. Es gibt eine Reihe von Variablen zur Messung der Qualitt der verwendeten Suchmaschine bzw. allgemeiner eines Systems zum Information Retrieval. Diese stellen im wesentlichen die Anzahl an gefundenen relevanten Dokumenten der Gesamtanzahl der gefundenen Dokumente bzw. der Anzahl der nicht gefundenen relevanten Dokumente gegenber [ HaHe97]. Durch die Faktoren Qualitt der Navigationsstruktur und Qualitt der Visualisierung der Wissensstruktur wird ein enger Zusammenhang zur Kategorie Informations-, Kommunikations- und

, Antwort zeit , Ver fgbar keit , Qualitt der Dokumentation , Untersttzung der Dynamik des Inhaltes , Qualitt der Integration von Funktionen , Untersttzung von Mehrsprachigkeit

Wissensqualitt deutlich. Ersteres umfasst unter anderem eine fr die Teilnehmer klare und nachvollziehbare Navigationsstruktur, die zum Beispiel an den Geschftsprozessen ausgerichtet sein kann [MaRe01]. Letzteres bezieht sich auf die Darstellung der Struktur des im System enthaltenen Wissens, beispielsweise durch hyperbolische Browser oder Mindmaps [ Lehn00, 138 f.]. Hier bestehen fließende bergnge zu den Inhalten des Systems, da die Wissensstruktur als ein Teil des Wissens aufgefasst werden kann. Der Erfolg von interaktiven WMS wird unter anderem durch die Qualitt des Kommunikationsmediums [ KeGr97] bestimmt, was ber Einschtzungen zur Verlsslichkeit, Exaktheit und Klarheit eines Mediums erhoben werden kann. Zudem kann die Fhigkeit eines Mediums soziale Prsenz [ KeGr97; KaSt99] zu vermitteln als fr den Erfolg relevant angesehen werden. Dies zielt insbesondere auf die Vermittlung von Vertrauen, Sensibilitt oder auch Geselligkeit sowie auf Restriktionen, die dem Nutzer durch das Medium auferlegt werden. Der Faktor Einfachheit des Feedbacks [ KeGr97] bezieht sich auf die als wichtig angesehene Mglichkeit zu spontanen Antworten. Fr Systeme des integrativen Typs schlagen wir einen analogen Faktor vor, der sich auf die Untersttzung einfachen Feedbacks zu Inhalten des Repositorys bezieht. Eine Anzahl von Faktoren lsst sich auf beide Architekturtypen anwenden. Dazu gehrt die Einfachheit der Benutzung [ DoTo88] des Systems, die Bereiche wie den Benutzungskomfort, wiederholte Be-

501

Ronald Maier, Thomas Hdrich

Tabelle 3 Faktoren zur Informations-, Kommunikations- und Wissensqualitt Integrative WMS

Interaktive WMS

Beide Architekturtypen

, Gte der Entsprechung / Visualisierung des Kontextes

, Qualitt der Inhalte von Expertenprofilen

, Verlsslichkeit, Aktualitt, Relevanz, Przision der Inhalte

, Qualitt des Inhalts von Wissenselementen , Qualitt der Strukturierung des Wissens , Gte der Vernetzung von Wissenselementen , Qualitt des MetaWissens

, Vertrauen in kommuniziertes Wissen , Qualitt des Inhalts von Community-Services , Struktur von Diskussionslisten , Beantwortungsdauer von E-Mails/Diskussionsbeitrgen

, Qualitt der Kommentierung

, Verstndlichkeit von Wissenselementen bzw. Expertenprofilen , Verlsslichkeit von Wissenselementen / Expertenprofilen , Qualitt der Relevanzbewertungen von Wissenselementen / Expertenprofilen

, Vertrauenswrdigkeit von Wissenselementen

Tabelle 4 Faktoren zum wissensspezifischen Service Integrative WMS

Interaktive WMS

Beide Architekturtypen

, Qualitt der Untersttzung bei der Wissenspublikation

, Qualitt der Untersttzung bei der Kommunikation

, Qualitt der Ver feinerung/Pflege von Wissen

, Qualitt der Untersttzung von Communitys

, SERVQUAL-Faktoren, z. B. Transparenz, Vertrauen, Kompetenz, Verstndnis, prompte Erledigung von Auftrgen, Erreichbarkeit

, Qualitt der Untersttzung bei der Entwicklung von Experten- / Mitarbeiterprofilen

, Fhigkeit zur Motivation von Systemnut zern

, Qualitt der Wissensverteilung , Qualitt der Unterstt zung bei der Wissenssuche

dienungsfehler oder die wahrgenommene Komplexitt der Systembedienung umfasst. Der Faktor zur Dynamik des Inhaltes bezieht sich auf WMS-spezifische Funktionen zur einfachen Aktualisierung und Erweiterung des Wissens.

4.2 Informations-, Kommunikations- und Wissensqualitt Diese Kategorie umfasst die Qualitt des im System gespeicherten Wissens und des mit Hilfe des Systems kommunizierten Wissens (vgl. Tabelle 3). Fr einen Großteil von integrativen WMS ist eine mglichst gute Entsprechung des Kontextes von System und Benutzer wichtig. Der durch das WMS realisierte Kontext, beispielsweise ein konkreter Geschftsprozess, muss mentale Modelle der Teilnehmer widerspiegeln, die mglichst

502

, Qualitt der Vermittlung des WM-Konzepts

, zgige Fehlerbehebung

standardisiert sein sollten. Weitere Faktoren erfassen zum einen inhaltliche Aspekte, beispielsweise durch den eher bergeordneten Faktor Qualitt des Inhalts von Wissenselementen [Srin85; PaPa99] oder durch Faktoren, die sich auf beide WMS-Typen anwenden lassen, wie Verstndlichkeit [ KiEp83], Verlsslichkeit [ BaPe83; LuSp99] und Relevanz [ LaLe80; BlRR98]. Die Relevanzbewertung knnte sich dabei an unterschiedlichen Dimensionen des Wissens orientieren, z. B. der Unterscheidung in berblicks- vs. Fachwissen, Fakten vs. Meinungen oder Expertenwissen vs. Novizenwissen [MaRe01]. Zum anderen wird durch den Faktor Qualitt der Strukturierung des Wissens die Eignung der strukturellen Gliederung des Wissens erfasst, da gerade in der Struktur wertvolles Wissen ber Zusammenhnge zwischen Wissenselementen steckt. Weiterhin wichtig ist die Qualitt des Meta-

Wissens, also die Qualitt des Wissens ber die Wissenselemente. Die Gestaltung von Faktoren fr interaktive WMS stellt eine besondere Herausforderung dar, da die Inhalte der Kommunikation einer Messung nicht oder nur sehr schwer zugnglich sind. Erfassbar sind z. B. die Inhalte von Expertenprofilen, da diese einen maßgeblichen Einfluss auf die erfolgreiche Anbahnung der Kommunikation zwischen „Wissenden“ und „Nicht-Wissenden“ haben. Ein weiterer Faktor knnte das Vertrauen [ BaPe83] in die kommunizierten Inhalte oder in die Inhalte des Repositorys sein, was durch den Faktor Vertrauenswrdigkeit von Wissenselementen fr integrative und Vertrauen in kommuniziertes Wissen fr interaktive WMS erfasst werden soll. Vertrauen kann hier unter anderem durch die Vermittlung der „Wissenskompetenz“ des Wissensanbieters an den Wissensnachfrager geschaffen werden.

4.3 Wissensspezifischer Service Die Faktoren dieser Kategorie sollen den Erfolg eines auf Wissen bezogenen Services erfassen, der durch spezialisierte Mitarbeiter untersttzt durch das WMS erbracht wird (vgl. Tabelle 4). In der Literatur finden sich Anhaltspunkte fr Faktoren zur Erfassung des Service-Erfolges ([MyKP98]; am bekanntesten und am hufigsten empirisch getestet ist das fr das Marketing entwickelte SERVQUAL-Instrument [ PaZB88], das auch auf die ISFunktion bertragen wurde: [ PiWK95]; vgl. auch [GuGR99]). Insbesondere fr integrative WMS ist die Untersttzung bei der Wissenspublikation wichtig, da durch sie ein wesentlicher Einfluss auf die Qualitt der Inhalte des Repositorys ausgebt werden kann. Als weiterer Bereich kann die Qualitt der Untersttzung bei der Wissenssuche anhand der aufgezeigten Alternativen oder anhand der Wahrnehmung durch den Benutzer bewertet werden. Der wissensspezifische Service wirkt im Falle von interaktiven WMS bei der Untersttzung der Kommunikation mit, z. B. durch Aufzeigen von geeigneten Kommunikationskanlen und die Untersttzung der Teilnehmer bei der Nutzung der Kommunikationsmedien. In Foren kann durch Moderation und durch das Aufzeigen von zustzlichen Wissensquellen zum Erfolg des WMS beigetragen werden. Dies

Erfolgsmessung von Wissensmanagementsystemen

wird unter dem Faktor Untersttzung von Communitys subsummiert. Die im SERVQUAL-Instrument [ PaZB88; PiWK95] vorgeschlagenen Maße lassen sich auf WMS beider Architekturtypen anwenden. Nicht zuletzt ist die Motivation der Nutzer in bezug auf die Aufgaben, die bei der Anwendung des WMS im Umgang mit Wissen entstehen, ein wichtiger Faktor. Hier bestehen Ansatzpunkte, um die Mitarbeiter zur Wissensteilung zu ermutigen.

4.4 Systemnutzung Die Systemnutzung ist der in der vorliegenden IS-Literatur am hufigsten gemessene Bereich, der viele einfach zu quantifizierende und ber ein Systemmonitoring erfassbare Faktoren umfasst (vgl. Tabelle 5). Die Systemnutzung ist in bezug auf die Aussagekraft ber den Systemerfolg zu Recht umstritten [ DoTo98; Geld98], da sie zwar eine notwendige, nicht aber eine hinreichende Bedingung fr den Systemerfolg ist. Nutzungszahlen haben wenig Aussagekraft hinsichtlich der Art und Weise, wie das System von den Nutzern eingesetzt wird. So knnten bei integrativen WMS beispielsweise die Inanspruchnahme von WMS-Funktionen sowie des wissensspezifischen Services in den Bereichen Wissenspublikation, Wissenssuche und Wissensverteilung erfasst werden. Der Faktor Nutzung zur horizontalen Integration [ DoTo98] beschreibt, in welchem Ausmaß das System zur Koordination von Aktivitten oder zum Austausch von Wissen in einem Team oder einer Community eingesetzt wird. Durch die Messung der Nutzung zur vertikalen Integration [ DoTo98] wird erfasst, inwiefern das System zur Koordination eigener Ttigkeiten oder zum Austausch mit Weisungsbefugten angewendet wird. Zur Messung des Erfolges interaktiver WMS eignen sich analoge Faktoren [ RiSh90; DoTo98], die jedoch strker auf die Kommunikation abstellen. Die Nutzung von beiden Architekturtypen lsst sich durch Faktoren wie Nutzerzahl [ HiTu81], Regelmßigkeit der Nutzung [ Raym85; WiCG98] und Intensitt der Nutzung [ BaHu85; StLK95] nher qualifizieren. Letzteres kann beispielsweise die Intensitt des Systemeinsatzes ber bestimmte Projektphasen hinweg umfas-

Tabelle 5 Faktoren zur Systemnutzung Integrative WMS

Interaktive WMS

Beide Architekturtypen

, Nut zung zur Wissenspublikation

, Nut zung zur horizontalen / vertikalen Kommunikation

, Nut zerzahl

, Nut zung zur Kommunikation in Communitys

, Intensitt der Nut zung

, Nut zung zur Wissenssuche , Nut zung zur Wissensverteilung

, Nut zung zur Pflege von Expertenprofilen

, Nut zung zur Pflege von Wissenselementen

, Nut zung zum Feedback auf Anfragen

, Nut zung zur horizontalen / vertikalen Integration

, Anzahl / Typ / Grße / Fokus von Beitrgen in Diskussionslisten

, Nut zung zum Feedback auf Wissenselemente

, Regelmßigkeit der Nutzung , Hufigkeit vergangener, aktueller und geplanter Nut zung , Nut zungsdauer , Extension der Nut zung

, Gleichmßigkeit der Partizipation in Communitys

Tabelle 6 Faktoren zur Nutzerzufriedenheit Integrative WMS

Interaktive WMS

Beide Architekturtypen

, Zufriedenheit mit dem Wissensangebot

, Zufriedenheit mit den Kommunikationsmedien

, Positive Haltung zum WMS

, Zufriedenheit mit den WMS-Funktionen und Prozessen, z. B. zur Wissenssuche und zur Wissenspublikation

, Zufriedenheit mit der Interaktion in Communitys , Zufriedenheit mit den Funktionen zur Expertensuche

, Vergngen , Bedr fnis nach Redesign , Zufriedenheit mit dem wissensspezifischen Service , Zufriedenheit mit der Nut zerschnittstelle , Er fllung von Erwartungen , wahrgenommene Partizipation in Systemdesign und -nut zung , wahrgenommene Nt zlichkeit

sen. Generell ist zwischen direkter und assistierter Nutzung sowie zwischen organisationsinterner Nutzung und Nutzung durch Geschftspartner (Kunden, Lieferanten) zu unterscheiden. Bei der Extension der Nutzung wird erhoben, wie viele WMS-Funktionen ein Teilnehmer (regelmßig) nutzt.

4.5 Nutzerzufriedenheit In der Literatur zu IS hat das Instrument zur Messung der Informationszufriedenheit von Bailey/Pearson [ BaPe83] weite Verbreitung in einer von Ives et al. [ IvBO83] verkrzten Form gefunden [z. B. bei BaHu85; Raym85; BaOI86; Li97; BlRR98; vgl. auch das hnliche Instrument von DoTo88 und seine Anwendungen, IgTa97; McCo98; Down99]. Die Nutzer-

zufriedenheit wird dabei indirekt ber insgesamt 39 Faktoren unter anderem aus den Bereichen Systemqualitt, Informationsqualitt sowie Servicequalitt der IT-Abteilung erfasst. Zur Ermittlung der Nutzerzufriedenheit bieten sich somit zwei Wege an: zum einen die Anwendung einer Kombination von Faktoren aus den zuvor genannten Kategorien nach dem Vorbild der vorhandenen Instrumente und zum anderen die direkte Erfassung ber Faktoren, von denen einige im folgenden erlutert werden (vgl. Tabelle 6). Fr integrative WMS lsst sich die Zufriedenheit mit dem Wissensangebot erfassen, die das Verhltnis von Wissensangebot durch das Repository bzw. quivalent in Communitys und Diskussionsforen und der Wissensnachfrage durch die Systemnutzer sowie die Anwendbarkeit des Wissens beschreibt. Weiterhin kann die Zufrie-

503

Ronald Maier, Thomas Hdrich

Tabelle 7 Faktoren zu den Auswirkungen auf Individuen

, Auswir kung auf die persnliche Produktivitt

Kreativitt [Mass96] anwenden. Durch sie kann erhoben werden, ob die Nutzer durch das WMS die Autonomie ihrer Position gestrkt bzw. ihre Kreativitt untersttzt sehen. Die Teilnehmer knnten alternativ gefragt werden, wie viel sie fr die Nutzung der WMS oder einzelner Funktionen (z. B. eines einzelnen Suchergebnisses) bezahlen wrden.

, Auswir kung auf den systematischen Umgang mit Wissen

4.7 Auswirkung auf Communitys

Integrative WMS

Interaktive WMS

Beide Architekturtypen

, Auswir kung auf die Fhigkeit selbstndig auf Wissen zuzugreifen

, Auswir kung auf die Kommunikationsmglichkeiten

, Auswir kung auf die Autonomie

, Auswir kung auf die Fhigkeit selbstndig Wissenselemente zu publizieren

, Auswir kung auf das Kommunikationsverhalten

, Auswir kung auf das Zugriffsverhalten

, einfacheres Finden von „Wissenden“

, Auswir kung auf den wahrgenommenen „Information overload“

, Auswir kung auf die Kreativitt

, Bereitschaft, fr die WMSNut zung zu bezahlen

Tabelle 8 Faktoren zu den Auswirkungen auf Communitys Integrative WMS

Interaktive WMS

Beide Architekturtypen

, Auswir kung auf die Kontextualisierung des Wissens

, Auswir kung auf die Qualitt der Kommunikation

, Auswir kung auf den Gruppenkonsens

, Auswir kung auf Interaktionen in Communitys

, Auswir kung auf soziale Strukturen

, Zielgerichtetheit und Fokus virtueller Meetings

, Auswir kung auf die Einbindung der CommunityMitglieder

, Auswir kung auf das Vertrauen in das Wissen

, Aktivitt in Communitys

denheit der Nutzer mit bestimmten Leistungen des Systems wie beispielsweise der Wissenssuche oder der Wissenspublikation erfasst werden. Bei interaktiven WMS wird durch den Faktor Zufriedenheit mit den Kommunikationsmedien erfasst, wie gut die Nutzer ihren Kommunikationsbedarf durch das WMS abgedeckt sehen. Der Faktor Zufriedenheit mit der Interaktion in Communitys erfasst, wie gut sich Mitglieder von Communitys beim Bewerten, Teilen und Entwickeln von Wissen untersttzt fhlen. Fr beide Architekturtypen kann die Haltung der Nutzer zum System [Mass96; WiCG98] Aussagen ber die Zufriedenheit ermglichen. Die Zufriedenheit hngt dabei stark mit der (wahrgenommenen) Partizipation im Systemdesign zusammen [ FrRo86, 351 ff.].

4.6 Auswirkung auf Individuen Die in dieser Kategorie enthaltenen Faktoren umfassen Einschtzungen der Nutzer, welchen Einfluss das WMS auf ihre Arbeit und auf ihren Umgang mit Wissen hat (vgl. Tabelle 7).

504

, Auswir kung auf die Kreativitt

Fr die Auswirkungen integrativer WMS ist insbesondere das Repository von Bedeutung. Die Faktoren Auswirkung auf die Fhigkeit selbstndig auf Wissen zuzugreifen bzw. zu publizieren erfassen die Wahrnehmung des Nutzers, ob er durch das WMS mit vergleichsweise weniger Aufwand zu neuem und relevantem Wissen kommt bzw. sein Wissen teilen kann. Bei interaktiven WMS erfasst der Faktor Auswirkungen auf die Kommunikationsmglichkeiten [ BlRR98], inwiefern der Nutzer das System als eine Erweiterung derselben wahrnimmt. Der Faktor Auswirkungen auf das Kommunikationsverhalten erhebt analog zum Faktor Auswirkungen auf das Zugriffsverhalten bei integrativen WMS die Wahrnehmung der Nutzer, ob sich ihre oder die Art anderer zu kommunizieren gendert hat. Der Faktor einfacheres Finden von „Wissenden“ bezieht sich auf die Anbahnung der Kommunikation und soll den Nutzen der Expertensuche bzw. der Suche nach geeignet qualifizierten Mitarbeitern erfassen. Auf beide Architekturtypen lassen sich die Faktoren Auswirkung auf die Autonomie [ BlRR98] und Auswirkung auf die

Aufgrund des Mangels an Literatur zu WMS-Untersttzung von Communitys bertragen wir Ergebnisse aus den Bereichen Group Support Systems und Group Decision Support Systems [ DeGa87; KrPi90; ChPa98; ShAP98; HuKT99] auf diese Kategorie unseres Modells (vgl. Tabelle 8). Fr integrative WMS ist insbesondere die Auswirkung auf die Qualitt der Kontextualisierung des Wissens interessant, welches im Repository gespeichert ist. Es soll erfasst werden, ob die Systemuntersttzung von Gruppen im allgemeinen und Communitys im besonderen einen Einfluss auf die Anreicherung des Wissens mit Kontext hat, der zu einer Erleichterung der Interpretation von Wissenselementen fhren kann. In Verbindung damit steht die Auswirkung auf das Vertrauen in das Wissen, ein Bereich, in dem Communitys ein besonderes Potenzial zugeschrieben wird [ Ferr99]. Fr interaktive WMS ist die Auswirkung auf die Qualitt der Kommunikation [ FiSK90; Kock98] interessant. Dieser Faktor erhebt die Wahrnehmung der Teilnehmer, ob sich durch die Systemuntersttzung von Communitys die Beitrge von Community-Mitgliedern verbessert haben. Auf beide Architekturtypen lsst sich der Faktor Auswirkung auf den Gruppenkonsens anwenden [ShAP98; HuKT99], der fr WMS insbesondere in bezug auf den Konsens ber das kommunizierte Wissen interessant ist. Der Faktor Auswirkung auf soziale Strukturen bewertet Statusverhltnisse oder den Grad der Anonymitt in Communitys.

4.8 Auswirkung auf die Organisation Durch die anhand von Marktanteilen oder Bilanzdaten erhobene Absatzperformance

Erfolgsmessung von Wissensmanagementsystemen

[ RaPP96] oder die ber Kapitalrenditen gemessene Unternehmensperformance wird der Erfolg des WMS nur sehr indirekt erfasst und ist von anderen Einflssen schwer isolierbar. Daher wurde in empirischen Studien grßtenteils der Gesamterfolg der Informationsverarbeitung bzw. aller Informationssysteme mit finanzwirtschaftlichen Kennzahlen in Verbindung gebracht, nicht aber ein einzelnes IS. Die in Abschnitt 1.2 genannten neueren Anstze zur Erfolgsmessung im WM, insbesondere der Intellectual Capital Ansatz, bieten jedoch vielversprechende Maße, die durch WMS wesentlich direkter beeinflusst werden als die finanzwirtschaftlichen Kennzahlen. Daher werden im folgenden weitere Faktoren aus diesen Bereichen ergnzt, bei denen sich der Erfolg zumindest ansatzweise auf die Anwendung des WMS zurckfhren lsst (vgl. Tabelle 9). Erlse durch Nutzung der WMS durch Kunden lassen sich eher den integrativen WMS zuordnen. Beispielsweise knnte der Zugriff auf Repositorys und Wissenspools fr Kunden kostenpflichtig gemacht werden. Weiterhin knnen insbesondere integrative WMS dazu beitragen, die Transparenz von Wissensstrukturen im Unternehmen zu erhhen, beispielsweise durch die Untersttzung von Wissenslandkarten, durch die Identifikation von Experten anhand ihrer Beitrge oder durch eine mit dem WMS ermglichte bessere bersicht ber das Wissen im Unternehmen. Der Faktor Auswirkungen auf die Kommunikation soll bei interaktiven WMS ber die Einschtzungen der Mitarbeiter auf hoch aggregierter Ebene prfen, ob sich die Kommunikation beispielsweise zwischen einzelnen Organisationseinheiten verbessert hat. Durch Untersttzung der Kommunikation in und außerhalb von Communitys knnen interaktive WMS die Transparenz von Wissensnetzen erhhen, da beispielsweise bei einer Neubesetzung einer Stelle die (offiziellen) Wissensnetze des Vorgngers rasch und einfach bernommen werden knnen. Der Faktor Wirtschaftlichkeit des Systems [ KeGr97] erfasst die Einschtzung der Nutzer, ob das System selbst im Verhltnis zu seinen Kosten und dem Nutzungsaufwand einen angemessenen Vorteil erbringt und lsst sich ebenso wie Auswirkungen auf finanzwirtschaftliche Kriterien beiden Architekturtypen zuordnen. Mit dem Faktor Auswirkung auf die Innovationsfhigkeit knnte ermittelt werden, ob

Tabelle 9 Faktoren zu den Auswirkungen auf die Organisation Integrative WMS

Interaktive WMS

Beide Architekturtypen

, zust zliche Erlse durch Verkauf des Zugangs zu WMS

, Auswir kung auf die Kommunikation im Unternehmen

, Wirtschaftlichkeit des WMS

, Auswir kungen auf die Transparenz der Wissensstrukturen

, Auswir kungen auf die Transparenz von Wissensnetzen

, Auswir kung auf die Innovationsfhigkeit

, Ersparnisse beim Zugriff auf externe Online-Datenbanken

, Ersparnisse bei Reisekosten

, Auswir kung auf finanzwirtschaftliche Kriterien

, Auswir kung auf Produkte oder Dienstleistungen , Auswir kung auf Unternehmensbeziehungen , Auswir kung auf Umfang und Qualitt der Mitarbeiterausbildung , Verringerung der Fluktuation , Auswir kung auf die Bereitschaft Wissen zu teilen

durch das WMS beispielsweise kreative Lsungen von durch das System zusammengebrachten Experten ermglicht wurden.

5 Zusammenfassung und Ausblick In dieser Arbeit wurde basierend auf dem populren Modell zur IS-Erfolgsmessung nach DeLone und McLean [ DeMc92] ein Modell zur Messung des Erfolgs von WMS vorgestellt. Eine Auswahl der wichtigsten bzw. interessantesten Faktoren wurde anhand der Unterscheidung von integrativen und interaktiven WMS diskutiert. Die Faktoren knnen in dem eingangs beschriebenen Fallbeispiel (SYSTEM AG) wie in Box 2 beschrieben verwendet werden. Die Umsetzung der so gewonnenen Erkenntnisse kann bei der SYSTEM AG die WMS-Funktionen, die Rolle der Wissensbroker und die Wissensprozesse verbessern, da Anknpfungspunkte fr Maßnahmen offengelegt werden. Es wurde jedoch auch deutlich, dass die Erfolgsmessung im WM und beim Einsatz von WMS ein ußerst komplexes Unterfangen ist. Ein Modell zur Erfolgsmessung ist mit den hohen Anforderungen konfrontiert, die sich aus der Kombination von technisch-naturwissenschaftlichen sowie sozial- und wirtschaftswissenschaftlichen Messinstrumenten ergeben.

ber die in unserem Modell bercksichtigten Faktoren hinaus wird der tatschliche Erfolg von WMS von weiteren Faktoren beeinflusst, die jeder fr sich Anknpfungspunkte fr eine Erweiterung des Modells bieten: , Personenbezogene Kennzeichen (z. B. Kreativitt, Ausbildung und Erfahrungshintergrund, Alter) spielen in bezug auf den Erfolg von WMS eine nicht klar definierbare Rolle und liefern Anlass zu statistischen Korrekturen von Erhebungsergebnissen [Mass96]. , Nicht ber WMS laufende Kommunikation: insbesondere interaktive WMS sind in den Kontext der organisatorischen Kommunikationsprozesse eingebunden, die durch den Systemeinsatz verndert werden, deren Erfolgswirksamkeit jedoch schwer festzustellen ist (fr eine bersicht ber Variablen zur Messung von Kommunikation vgl. [ Rubi94]). Als ein zentrales Problem stellt sich die Messbarkeit impliziten Wissens [NoTa97, 75 ff.] dar. , Organisationsstruktur und -prozesse beeinflussen die organisatorische Gestaltung des Wissensmanagements sowie Einrichtung, Zusammensetzung, Ablufe und Beziehungen in und zwischen Kollektiven von Mitarbeitern, wie Gruppen, Teams und Communitys und wirken ebenfalls auf den Erfolg von WMS (vgl. z. B. zu einem Kontingenzansatz im Bereich Group Support Systems [ ZiBu98]).

505

Ronald Maier, Thomas Hdrich

Box 2: Fallbeispiel: Faktorauswahl zur Erfolgsmessung bei der SYSTEM AG Im folgenden wird eine Faktorauswahl zur Beurteilung der WMS und WM-Services fr die SYSTEM AG vorgeschlagen (vgl. Abschnitt 1.1). Die WMS bei der SYSTEM AG besitzen sowohl Merkmale der integrativen (z. B. Themenbeitrge, Meta-Suchmaschine) als auch der interaktiven Architektur (z. B. Skillverwaltung,Yellow Pages der Mitarbeiter). Daher werden Faktoren aus beiden Bereichen ausgewhlt. Die Faktoren auf der System & Serviceebene – Systemqualitt, Informations-, Kommunikations- und Wissensqualitt sowie wissensspezifischer Service – beziehen sich dabei auf die zur Verfgung stehende Funktionalitt, also z. B. die Beurteilung der Qualitt der Suchmaschine, der Navigationsstruktur oder der Expertenprofile. Bei den Inhalten lassen sich z. B. Verlsslichkeit, Aktualitt, Relevanz, Przision erheben. Die Qualitt der Untersttzung durch den wissensspezifischen Service kann unter Zuhilfenahme der SERVQUAL-Variablen beurteilt werden, z. B. Variablen zur Messung von Kompetenz, Verstndnis, prompte Erledigung von Auftrgen, Erreichbarkeit. Die Faktoren der Nutzungsebene knnen automatisch durch das WMS sowie durch Ergnzung der regelmßig durchgefhrten Mitarbeiterbefragungen erhoben werden, neben der bereits erhobenen Nutzerzahlen z. B. ber die Regelmßigkeit, Intensitt und Extension der Nutzung von Systemfunktionen sowie der Wissensbroker. Die bereits automatisch erhobenen Kennzahlen zur Systemnutzung werden durch Faktoren ergnzt, die diese nher z. B. nach einzelnen Funktionen oder Domnen qualifizieren. Die Ermittlung der Nutzerzufriedenheit wird durch Fragen zu den einzelnen Funktionen und Prozessen (z. B. zur Suche oder zur Publikation von Wissenselementen) oder zur Zufriedenheit mit dem wissensspezifischen Service verfeinert. Auf der Auswirkungsebene werden Auswirkungen auf Individuen und Organisation und dabei insbesondere die Beseitigung der in Abschnitt 1.1 erwhnten Defizite berprft. Wichtigste Kennzahl in der Softwareentwicklung ist dabei, dass Projekte innerhalb der gesetzten Budget- und Zeitlimits bleiben. Durch den Einsatz der WMS knnten sich aber auch Ersparnisse beim Zugriff auf externe Ressourcen, wie z. B. Online-Datenbanken ergeben haben. Die Transparenz von Wissensstrukturen lsst sich relativ anhand von Vernderungen in Anzahl, Umfang und Aktualitt der von den Teilnehmern zur Verfgung gestellten Kompetenzprofile sowie der Elemente der Wissensstruktur beurteilen. Die in den Projekten ttigen Teilnehmer an den WMS knnten aber auch nach ihrer Bereitschaft fr die WMS-Nutzung zu bezahlen befragt werden. Communities werden bei der SYSTEM AG derzeit nicht untersttzt. Die bei der SYSTEM AG auf Zeit ernannten Themenverantwortlichen knnten jedoch die Entstehung von thematisch ausgerichteten Communities frdern. Die Operationalisierung erfolgt im nchsten Schritt, indem jeder Faktor mit Hilfe von mehreren Variablen gemessen wird (vgl. dazu die umfangreiche Literaturliste). Anhand dieser Fallstudie wurde deutlich, dass beim derzeitigen Stand der Forschung am besten mglichst zu allen Kategorien unseres Modells Daten erhoben werden, diese dann innerhalb der Kategorien gewichtet und aggregiert werden und in der Folge im Rahmen eines EvaluationsWorkshops zu diskutieren sind. Ansatzpunkte fr Verbesserungen an den WMS lassen sich dabei einerseits durch Ergnzungen der vorhandenen Funktionalitt und andererseits anhand der Vernderungen ber Zeit erkennen.

, Kultur: Organisations- und Gruppenkultur stellen einen wichtigen Einflussbereich auf den Erfolg von WMS dar [u. a. bei HoND90; NeCo96; GoDa98]. Ihre Messbarkeit gestaltet sich schwierig, da tatschliche Werthaltungen und Grundannahmen nur indirekt ber beispielsweise Geschichten, Symboliken, Rituale, Sprache, Architektur, sogenannte Clans und Rollenmodelle von Vorgesetzten erfasst werden knnen [ Drum91, 166 f.].

506

Es darf nicht bersehen werden, dass ein Einbezug dieser Aspekte die ohnehin bereits hohe Komplexitt unseres Modells noch weiter steigern wrde und dadurch die Erfolgsmessung letztlich zu einem empirisch kaum bewltigbaren Problem wrde. WMS lassen sich zusammenfassend als erfolgversprechende und in ihrer Anwendung anspruchsvolle Instrumente charakterisieren, die als Katalysator fr den Wandel des Umgangs mit Wissen in Organisationen fungieren knnen. Unser Modell soll Organisationen helfen, aus der Flle

an verfgbaren Faktoren fr die Erfolgsmessung die fr sie richtige Kombination auszuwhlen.

Anmerkungen 1 Vgl. dazu z.B. [ Bas00; GoBa01; GrGe00; Hild00; Lehn00; Wats00; ZePS00]. 2 Wissensmanagement wurde vor allem in den 90er Jahren sowohl im anglo-amerikanischen als auch im deutschen Sprachraum stark diskutiert, z.B. [ BrDu1991; Hube1991; Nona1991; WaUn1991; Quin1992; Morr1993; RaGo1995; Neil1997; NoTa1997; Rugg1997; Svei1997; DaDB1998; HaNT1999; Zack1999b; AlLe01] sowie fr den deutschsprachigen Raum [ Paut1989; Satt1991; PrB1994; ArWe1995; Geiß1995; Schn1996; Sch1996; PrRR1997; Pawl1998; Sche1998; Will1998; BaV1999; Lehn00; Schr01]. 3 Vgl. dazu die Ergebnisse einer von einem der Autoren durchgefhrten empirischen Studie zum State-of-the-Art des WMS-Einsatzes im deutschsprachigen Raum [MaKl1999a; MaLe00]. 4 Das konstruierte Fallbeispiel basiert auf einer Darstellung der Wissensmanagement-Initiative beim Softwarehaus sd&m AG in Mnchen [TrBr00] sowie auf Interviews im Rahmen einer von einem der Autoren betreuten Diplomarbeit [Wsc01]. 5 Betrachtet wurden vor allem die einschlgigen Wirtschaftsinformatik- bzw. Management Information Systems-Publikationen: Zeitschrift Wirtschaftsinformatik, Management Information Systems Quarterly – MISQ, Information & Management, Information Systems Research, Information Management, Management Science, Decision Sciences, Communications of the ACM. 6 Faktoren bezeichnen eine Gruppierung von Variablen und sind nicht zu verwechseln mit Erfolgsfaktoren, die eine Implementierung von WMS untersttzen, aber nicht zur Messung des Erfolgs herangezogen werden (vgl. z.B. Erfolgsfaktoren fr WM-Projekte [ DaDB1998]). Faktoren bezeichnen also aggregierte Kennzahlen, die anhand von bestimmten Indikatoren gemessen werden knnen. Beispielsweise kann der Faktor Einfacheres Erlangen relevanten Wissens (siehe Abschnitt 4.6) durch mehrere Fragen erhoben werden, die ermitteln, inwiefern sich der Benutzer beim Zugriff auf relevantes Wissen durch das System untersttzt fhlt.

Literatur [AlLe01] Alavi, M.; Leidner, D. E.: Review: Knowledge Management and Knowledge Management Systems: Conceptual Foundations and Research Issues. In: MIS Quarterly 25 (2001) 1, S. 107 – 136.

Erfolgsmessung von Wissensmanagementsystemen

[ArWe95] Arnold, R.; Weber, H. (Hrsg.): Weiterbildung und Organisation. Zwischen Organisationslernen und lernenden Organisationen. Berlin 1995. [ BaHu85] Barki, H.; Huff, S.: Change, Attitude to Change, and Decision Support System Success. In: Information & Management 9 (1985), S. 261 – 268. [ Ball98] Ballantine, J.; Bonner, M.; Levy, M.; Martin, A.; Munro, I.; Powell, P. L.: Developing a 3-D Model of Information Systems Success. In: Garrity, E. J.; Sanders, G. L. (Hrsg.): Information Systems Success Measurement. London 1998, S. 46 – 59. [ BaOI86] Baroudi, J. J.; Olson, M. H.; Ives, B.: An Empirical Study of the Impact of User Involvement on System Usage and Information Satisfaction. In: Communications of the ACM 29 (1986) 3, S. 232 – 238. [ Bas00] Bach, V.; sterle, H.: Customer Relationship Management in der Praxis. Erfolgreiche Wege zu kundenzentrierten Lsungen. Berlin et al. 2000. [ BaPe83] Bailey, J. E.; Pearson, S. W.: Development of a Tool for Measuring and Analyzing Computer User Satisfaction. In: Management Science 29 (1983) 5, S. 530 – 545. [ BaV99] Bach, V.; Vogler, P.; sterle, H. (Hrsg.): Business Knowledge Management – Praxiserfahrungen mit Intranet-basierten Lsungen. Berlin et al. 1999. [ BlRR98] Blili, S.; Raymond; L., Rivard, S.: Impact of Task Uncertainty, End-User Involvement, and Competence on the Success of EndUser Computing. In: Information & Management 33 (1998), S. 137 – 153. [ BrDu91] Brown, J. S.; Duguid, P.: Organizational Learning and Communities-of-Practice: Toward a Unified View of Working, Learning, and Innovation. In: Organization Science 2 (1991) 1, S. 40 – 57. [ChPa98] Chun, K. J.; Park, H. K.: Examining the Conflicting Results of GDSS Research. In: Information & Management 33 (1998), S. 313 – 325. [ DaDB98] Davenport, T. H.; De Long, D. W.; Beers, M. C.: Successful Knowledge Management Projects. In: Sloan Management Review 39 (1998) 2, S. 43 – 57. [ DeGa87] DeSanctis, G.; Gallupe, R. B.: A Foundation for the Study of Group Decision Support Systems. In: Management Science 33 (1987) 5, S. 589 – 609. [ DeMc92] DeLone, W. H.; McLean, E. R.: Information Systems Success: The Quest for the Dependent Variable. In: Information Systems Research 3 (1992) 1, S. 60 – 95. [ DoTo88] Doll, W. J.; Torkzadeh, G.: The Measurement of End-User Computing Satisfaction. In: MIS Quarterly 12 (1988), S. 259 – 274. [ DoTo98] Doll, W. J.; Torkzadeh, G.: Developing a Multidimensional Measure of System Use in an Organizational Context. In: Information & Management 33 (1998), S. 171 – 185. [ Down99] Downing, C. E.: System Usage Behavior as a Proxy for User Satisfaction: An Empirical Investigation. In: Information & Management 35 (1999), S. 203 – 216. [ Drum91] Drumm, H. J.: Probleme der Erfassung und Messung von Unternehmenskultur. In: Dlfer, E. (Hrsg.): Organisationskultur. 2. Aufl., Stuttgart 1991, S. 163 – 171.

[ Ferr99] Ferrn-Urdaneta, C.: Teams or Communities? Organisational Structures for Knowledge Management. In: Prasad, J. (Hrsg.): Proceedings of the 1999 ACM SIGCPR Special Interest Group on Computer Personnel Research Conference on Managing Organizational Knowledge for Strategic Advantage: The Key Role of Information Technology and Personnel, New Orleans (USA), April 8th – 10th, 1999, S. 128 – 134. [ FeZa93] Ferguson, J. M.; Zawacki, R. A.: Service Quality: A Critical Success Factor for IS Organizations. In: Information Strategy: The Executives Journal 9 (1993) 2, S. 24 – 30. [ FiSK90] Finholt, T.; Sproull, L.; Kiesler, S.: Communication and Performance in Ad Hoc Task Groups. In: Galegher, J. (Hrsg.); Kraut, R. E. (Hrsg.); Egido, C. (Hrsg.): Intellectual Teamwork – Social and Technological Foundations of Cooperative Work. Hillsdale 1990, S. 291 – 325. [ FrRo86] Franz, C. R.; Robey, D.: Organizational Context, User Involvement, and the Usefulness of Information Systems. In: Decision Sciences, 17 (1986) 3, S. 329 – 356. [GaSa98] Garrity, E. J.; Sanders, G. L.: Dimensions of Information Systems Success. In: Garrity, E. J.; Sanders, G. L. (Hrsg.): Information Systems Success Measurement. London 1998, S. 12 – 45. [Geiß95] Geißler, H.: Grundlagen des Organisationslernens. 2. Aufl., Weinheim 1995. [Geld98] Gelderman, M.: The Relation between User Satisfaction, Usage of Information Systems and Performance. In: Information & Management 34 (1998), S. 11 – 18. [GoBa01] Gora, W.; Bauer, H. (Hrsg.): Virtuelle Organisationen im Zeitalter von E-Business und E-Government: Einblicke und Ausblicke, Berlin et al. 2001. [GoDa98] Goodman, P. S.; Darr E. D.: Computer-Aided Systems and Communities: Mechanisms for Organizational Learning in Distributed Environments. In: MIS Quarterly 22 (1998), S. 417 – 440. [Gran96] Grant, R. M.: Toward a KnowledgeBased Theory of the Firm. In: Strategic Management Journal 17 (1996), Winter Special Issue, S. 109 – 122. [GrGe00] Grothe, M.; Gentsch, P.: Business Intelligence. Aus Informationen Wettbewerbsvorteile gewinnen. Mnchen 2000. [GuGR99] Guimaraes, T.; Gupta, Y. P.; Rainer, R. K. Jr.: Empirically Testing the Relationship Between End-User Computing Problems and Information Center Success Factors. In: Decision Sciences 30 (1999), S. 393 – 413. [ Hdr00] Hdrich, T.: Erfolgsmessung von Wissensmanagement-Systemen. Diplomarbeit, Universitt Regensburg, Lehrstuhl fr Wirtschaftsinformatik III, Regensburg 2000. [ HaHe97] Harter, S. P.; Hert, C. A.: Evaluation of Information Retrieval Systems. Approaches, Issues and Methods. In: Annual Review of Information Science and Technology, 32 (1997), S. 3 – 94. [ HaNT99] Hansen, M. T.; Nohria, N.; Tierney, T.: What's Your Strategy for Managing Knowledge? In: Harvard Business Review 77 (1999) 2, S. 106 – 116. [ Hild00] Hildebrand, K. (Hrsg.): Electronic Business. Themenschwerpunkt der Fachzeitschrift

HMD – Praxis der Wirtschaftsinformatik, (2000) 215. [ HiTu81] Hiltz, S. R.; Turoff, M.: The Evolution of User Behavior in a Computerized Conferencing System. In: Communications of the ACM 24 (1981) 11, S. 739 – 751. [ HoND90] Hofstede, G.; Neuijen, B.; Daval Ohayv, D.; Sanders, G.: Measuring Organizational Cultures: A Qualitative and Quantitative Study across Twenty Cases. In: Administrative Science Quarterly 35 (1990), S. 286 – 316. [ Hube91] Huber, G. P.: Organizational Learning: The Contributing Processes and the Literatures. In: Organization Science 2 (1991) 1, S. 88 – 115. [ HuKT99] Huang, W.; Kwok-Kee, W.; Tan, B. C. Y.: Compensating Effects of GSS on Group Performance. In: Information & Management 35 (1999), S. 195 – 202. [ IgTa97] Igbaria, M.; Tan, M.: The Consequences of Information Technology Acceptance on Subsequent Individual Performance. In: Information & Management 32 (1997), S. 113 – 121. [ IvBO83] Ives, B.; Baroudi, J. J.; Olson, M. H.: The Measurement of User Information Satisfaction. In: Communications of the ACM 26 (1983) 10, S. 785 – 793. [ KaNo96a] Kaplan, R. S.; Norton D. P.: The Balanced Scorecard. Boston [MA] 1996. [ KaNo96b] Kaplan, R. S.; Norton D. P.: Using the Balanced Scorecard as a Strategic Management System. In: Harvard Business Review 75 (1996), S. 75 – 87. [ KaSt99] Karahanna, E.; Straub, D. W.: The Psychological Origins of Perceived Usefulness and Ease-of-Use. In: Information & Management 35 (1999), S. 237 – 250. [ KeGr97] Kettinger, W. J.; Grover, V.: The Use of Computer-Mediated Communication in an Interorganizational Context. In: Decision Sciences 28 (1997), S. 513 – 555. [ KeLe94] Kettinger, W. J.; Lee, C. C.: Perceived Service Quality and User Satisfaction with the Information Services Function. In: Decision Sciences 25 (1994), S. 737 – 766. [ KiEp83] King, W. R.; Epstein, B. J.: Assessing Information System Value. In: Decision Sciences 14 (1983), S. 34 – 45. [ Kock98] Kock, N. F.: Can Communication Medium Limitations Foster Better Group Outcomes? An Action Research Study. In: Information & Management 34 (1998), S. 295 – 305. [ KrPi90] Kraemer, K. L.; Pinsonneault, A.: Technology and Groups: Assessment of the Empirical Research. In: Galegher, J.; Kraut, R. E.; Egido, C. (Hrsg.): Intellectual Teamwork – Social and Technological Foundations of Cooperative Work. Hillsdale 1990, S. 79 – 109. [ LaLe80] Larcker, D. F.; Lessig, V. P.: Perceived Usefulness of Information: A Psychometric Examination. In: Decision Sciences 11 (1980), S. 121 – 134. [ Lehn00] Lehner, F.: Organisational Memory. Konzepte und Systeme fr das organisatorische Lernen und das Wissensmanagement. Mnchen 2000. [ Li97] Li, Eldon Y.: Perceived Importance of Information Systems Success Factors: A Meta Analysis of Group Differences. In: Information & Management 32 (1997), S. 15 – 28. [ LuSp99] Lucas, H. C. Jr.; Spitler, V. K.: Technology Use and Performance: A Field Study of

507

Ronald Maier, Thomas Hdrich

Broker Workstations. In: Decision Sciences 30 (1999), S. 291 – 311. [MaKl99a] Maier, R.; Klosa, O.: Knowledge Management Systems ’99: State-of-the-Art of the Use of Knowledge Management Systems, Vol. 1 – Design of an Empirical Study. Forschungsbericht Nr. 35, Schriftenreihe des Lehrstuhls fr Wirtschaftsinformatik III, Universitt Regensburg 1999. [MaKl99b] Maier, R.; Klosa, O.: Wissensmanagementsysteme – Begriffsbestimmung, Funktionen, Klassifikation und Online-Marktberblick, Forschungsbericht Nr. 36, Schriftenreihe des Lehrstuhls fr Wirtschaftsinformatik III, Universitt Regensburg 2000. [MaLe00] Maier, R.; Lehner, F.: Perspectives on Knowledge Management Systems – Theoretical Framework and Design of an Empirical Study. In: Hansen, H. R.; Bichler, M.; Mahrer, H. (Hrsg.): ECIS 2000 – A Cyberspace Odyssey, Proceedings of the 8th European Conference on Information Systems, Wien 2000, S. 685 – 693. [MaRe01] Maier, R.; Remus, U.: Towards a Framework for Knowledge Management Strategies: Process-Orientation as Strategic Starting Point. In: Sprague, R. (Hrsg.): Proceedings of the 34th Annual Hawaii International Conference on System Sciences – HICSS 2001, S. 103. [Mass96] Massetti, B.: An Empirical Examination of the Value of Creativity Support Systems on Idea Generation. In: MIS Quarterly 20 (1996), S. 83 – 97. [McCo98] McHaney, R.; Cronan, T. P.: Computer Simulation Success: On the Use of EndUser Computing Satisfaction Instrument: A Comment. In: Decision Sciences 29 (1998), S. 525 – 536. [Morr93] Morrison, J.: Team Memory: Information management for business teams. In: Nunamaker, J., Sprague, R. (Hrsg.): Proceedings of the 26th Hawaii International Conference on System Sciences – HICSS 1993. Los Alamitos 1993, S. 122 – 131. [MyKP98] Myers, B. L.; Kappelman, L. A.; Prybutok, V. R.: A Comprehensive Model for Assessing the Quality and Productivity of the Information Systems Function: Toward a Theory for Information Systems Assessment. In: Garrity, E. J.; Sanders, G. L. (Hrsg.): Information Systems Success Measurement. London 1998, S. 94 – 121. [NeCo96] Nelson, K. M.; Cooprider, J. G.: The Contribution of Shared Knowledge to IS Group Performance. In: MIS Quarterly 20 (1996), S. 409 – 432. [Neil97] Neilson, R.: Collaborative Technologies & Organizational Learning. Hershey [PA] 1997. [Nona91] Nonaka, I.: The Knowledge-Creating Company. In: Harvard Business Review, 69 (1991) 11 – 12, S. 96 – 104. [NoPR98] North, K.; Probst, G.; Romhardt, K.: Wissen messen – Anstze, Erfahrungen und kritische Fragen. In: zfo – Zeitschrift fr Fhrung und Organisation 67 (1998) 3, S. 158 – 166. [NoTa97] Nonaka, I.; Takeuchi, H.: Die Organisation des Wissens. Wie japanische Unternehmen eine brachliegende Ressource nutzbar machen. Frankfurt/New York 1997.

508

[ PaPa99] Palvia, P. C.; Palvia, S. C.: An Examination of the IT Satisfaction of Small Business Users. In: Information & Management 35 (1999), S. 127 – 137. [ Paut89] Pautzke, G.: Die Evolution der organisatorischen Wissensbasis. Mnchen 1989. [ Pawl98] Pawlowsky, P. (Hrsg.): Wissensmanagement. Erfahrungen und Perspektiven, Wiesbaden 1998. [ PaZB88] Parasuraman, A.; Zeithaml, V. A.; Berry L. L.: SERVQUAL: A Multiple-Item Scale for Measuring Consumer Perceptions of Service Quality. In: Journal of Retailing 64 (1988) 1, S. 12 – 40. [ PiWK95] Pitt, L. F.; Watson, R. T., Kavan, C. B.: Service Quality: A Measure of Information Systems Effectiveness. In: MIS Quarterly 19 (1995), S. 173 – 187. [ Pola66] Polanyi, M.: The Tacit Dimension. London 1966. [ PrB94] Probst, G., Bchel, B.: Organisationales Lernen – Wettbewerbsvorteil der Zukunft. Wiesbaden 1994. [ PrRR97] Probst, G. J.; Raub, S.; Romhardt, K.: Wissen managen – wie Unternehmen ihre wertvollste Ressource optimal nutzen. Frankfurt/Main et al. 1997. [Quin92] Quinn, J. B.: Intelligent Enterprise. A Knowledge and Service Based Paradigm for Industry. New York 1992. [ RaGo95] Rao, V. S.; Goldmann-Segall, R.: Capturing Stories in Organizational Memory. In: Proceedings of the 28th Hawaii International Conference on System Sciences – HICSS 1995. Los Alamitos 1995, S. 333 – 341. [ RaPP96] Rai, A.; Patnayakuni, R.; Patnayakuni, N.: Refocusing Where and How IT Value is Realized: An Empirical Investigation. In: Omega 24 (1996), S. 399 – 413. [ Raym85] Raymond, L.: Organisational Characteristics and MIS Success in the Context of Small Business. In: MIS Quarterly 9 (1985), S. 37 – 52. [ ReLe00] Remus, U.; Lehner, F.: The Role of Process-oriented Enterprise Modeling in Designing Process-oriented Knowledge Management Systems. In: Proceedings of the AAAI Symposium on Bringing Knowledge to Business Processes. Stanford (CA), USA, 20. – 22. Mrz, 2000. AAAI Technical Report, Menlo Park, 2000, S. 30 – 36. [ RiSh90] Rice, R. E.; Shook, D. E.: Voice Messaging, Coordination and Communication. In: Galegher, J.; Kraut, R. E.; Egido, C. (Hrsg.): Intellectual Teamwork – Social and Technological Foundations of Cooperative Work. Hillsdale 1990, S. 327 – 349. [ Rubi94] Rubin, R. B. (Hrsg.): Communication Research Measures. New York et al. 1994. [ Rugg97] Ruggles, R. L. (Hrsg.): Knowledge Management Tools, Boston [MA] 1997. [Satt91] Sattelberger, T. (Hrsg.): Die lernende Organisation. Konzepte fr eine neue Qualitt der Unternehmensfhrung. Wiesbaden 1991. [Sche98] Scheer, A.-W.: ARIS – Vom Geschftsprozeß zum Anwendungssystem. 3. Aufl., Berlin et al. 1998. [Schn96] Schneider, U. (Hrsg.): Wissensmanagement. Die Aktivierung des intellektuellen Kapitals. Frankfurt/Main 1996.

[Schr01] Schreygg, G. (Hrsg.): Wissen in Unternehmen. Konzepte, Maßnahmen, Methoden. Berlin 2001. [Sch96] Schppel, J.: Wissensmanagement: organisatorisches Lernen im Spannungsfeld von Wissens- und Lernbarrieren. Wiesbaden 1996. [Sedd97] Seddon, P. B.: A Respecification and Extension of the DeLone and McLean Model of IS Success. In: Information Systems Research 8 (1997) 9, S. 240 – 253. [SeEp00] Seifried, P.; Eppler, M. J.: Evaluation fhrender Knowledge Management Suites. Wissensplattformen im Vergleich, St. Gallen 2000. [ShAP98] Shirani, A.; Aiken, M.; Paolillo, J. G. P.: Group Decision Support Systems and Incentive Structures. In: Information & Management 33 (1998), S. 231 – 240. [SkAm98] Skyrme, D. J.; Amidon, D. M.: New Measures of Success. In: Journal of Business Strategy 40 (1998), S. 20 – 24. [Spen96] Spender, J.-C.: Making Knowledge the Basis of a Dynamic Theory of the Firm. In: Strategic Management Journal 17 (1996), Winter Special Issue, S. 45 – 62. [Srin85] Srinivasan, A.: Alternative Measures of System Effectiveness: Associations and Implications. In: MIS Quarterly 9 (1985) 9, S. 243 – 253. [Stew97] Stewart, T.: Intellectual Capital. London 1997. [StHi00] Storck, J.; Hill, P. A.: Knowledge Diffusion through „Strategic Communities“. In: Sloan Management Review 41 (2000) 2, S. 63 – 74. [StLK95] Straub, D.; Limayem, M.; KarahannaEvaristo, E.: Measuring System Usage – Implications for IS Theory Testing. In: Management Science 41 (1995), S. 1328 – 1342. [StZw95] Stein, E. W.; Zwass, V.: Actualizing Organizational Memory with Information Systems. In: Information Systems Research 6 (1995) 2, S. 85 – 117. [Svei97] Sveiby, K.: The New Organizational Wealth. San Francisco 1997. [TrBr00] Trittmann, R.; Brssler, P.: Effizienter Wissenstransfer in der Softwareentwicklung: Der sd&m-Ansatz. In: Eppler, M.; Sukowski, O. (Hrsg.): Fallstudien zum Wissensmanagement. Lsungen aus der Praxis. St. Gallen 2000. [Wsc01] Wschle, D.: Erfolgsfaktoren innovativer Wissensmanagementsystem-Implementierungen, Diplomarbeit, Universitt Regensburg, Lehrstuhl fr Wirtschaftsinformatik III, Regensburg 2001. [Wats00] Watson, R. T.: U-Commerce: The Ultimate. In: Ubiquity – An ACM IT Magazine and Forum 33 (2000), URL: http://www. acm.org/ubiquity/views.html, zuletzt geprft am: 18.04. 2001. [WaUn91] Walsh, J. P.: Ungson, G. R.: Organisational Memory. In: Academy of Management Review 16 (1991) 1, S. 57 – 91. [Wegn86] Wegner, D. M.: Transactive Memory: A Contemporary Analysis of the Group Mind. In: Mullen, B.; Goethals, G. R. (Hrsg.): Theories of Group Behaviour. New York et al. 1986, S. 185 – 208. [WeSn00] Wenger, E. C.; Snyder, W. M.: Communities of Practice: The Organizational Frontier.

In: Harvard Business Review 78 (2000) 1 – 2, S. 139 – 145. [WiCG98] Winter, S. J.; Chudoba, K. M.; Gutek, B. A.: Attitudes towards Computers: When Do They Predict Computer Use? In: Information & Management 34 (1998), S. 275 – 284. [Will98] Willke, H.: Systemisches Wissensmanagement. Stuttgart 1998. [ Zack99a] Zack, M. H.: Managing Codified Knowledge. In: Sloan Management Review 40 (1999) 4, S. 45 – 58. [ Zack99b] Zack, M. H. (Hrsg.): Knowledge and Strategy, Boston [MA] 1999. [ ZePS00] Zerdick, A.; Picot, A.; Schrape, K.; Artop, A.; Goldhammer, K.; Lange, U.; Vierkant, E.; Lopez-Escobar, E.; Silverstone, R.: E-conomics. Strategies for the Digital Marketplace (European Communication Council Report). Berlin et al. 2000. [ ZiBu98] Zigurs, I.; Buckland, B. K.: A Theory of Task/Technology Fit in Group Support Systems Effectiveness. In: MIS Quarterly 22 (1998), S. 313 – 334.

509