Schwarmkreativität: Selbstorganisation in virtuellen Teams fördert Innovation

Als ich Tim Berners-Lee das erste Mal traf, hatte ich keine Ahnung davon, dass damals einer der Grundsteine für das Internet-Zeitalter gelegt werden würde. Es war im Dezember 1991 anlässlich einer jährlich stattfindenden Konferenz für Computerwissenschaftler in Texas. Es ging um das Thema Hypertext, eine Vorgängertechnologie des World Wide Web. Tim hielt keinen offiziellen Vortrag, aber er hatte sich entschlossen, trotzdem an der Konferenz teilzunehmen. Er drückte den Teilnehmern Flugblätter über sein revolutionäres System, das er World Wide Web getauft hatte, in die Hand und lud sie  zu einer Kurzpräsentation und Diskussion während der Lunchpause ein. Es gelang ihm, genug Studenten und andere Wissenschaftler von seiner Idee zu begeistern, um mit einer kleinen Gruppe Web-Begeisterter sein System weiter zu entwickeln. Tim ist ein Rollenmodell eines Kreators, der einer neuen Idee mit Hilfe von Schwarmkreativität zum Durchbruch verhilft.

Selbstorganisation im Schwarm 
funktioniert nicht nur im Tierreich

Aber nicht nur Menschen handeln so. Bienenschwärme vollbringen unfassbare Meisterleistungen. Angefangen beim Nestbau, wo Bienen ohne zentrale Anleitung perfekt abgestimmte Wabennester im Sechseck-Muster bauen, über die Aufzucht der Brut, wo die Bienen, und nicht die Königin, über den Zeitpunkt und die Auswahl der neuen Königin entscheiden, bis hin zu einem ausbalancierten Honigsammelsystem, bei dem die Bienen sich die besten Honigstandorte mit Hilfe des Schwänzeltanzes mitteilen, ist ein Bienenschwarm ein Musterbeispiel eines sich selbst organisierenden Superorganismus.  Selbstorganisierende Menschenschwärme funktionieren genau gleich und sind zu ebensolchen Meisterleistungen fähig.

Schwarmkreativität durch selbstorganisierende Menschenschwärme zeigt viele Parallelen zur Schwarmkreativität der Bienen. Gleich wie die Bienen-Honigsammlerinnen machen sich einige wenige intrinsisch motivierte Pfadfinder auf den Weg zu neuen Ufern – sie haben eine innovative Idee und entwickeln einen neuen Trend. Anschliessend versuchen sie ihre menschlichen Schwarmgenossen von den Vorteilen ihrer coolen neuen Idee zu überzeugen. Die Art und Weise, wie Tim Berners-Lee mit einer kleinen Gruppe Gleichgesinnter das World Wide Web entwickelte, ist nur eines von zahllosen weiteren Beispielen erfolgreicher Schwarmkreativität. Dieser Artikel zeigt auf, wie durch vertieftes Verständnis der Funktionsweise von Menschenschwärmen deren Kreativität während der Entstehung und Entwicklung neuer Ideen unterstützt werden kann. Unser Ansatz, um die coolen Ideen frühzeitig zu entdecken und zu fördern, beruht auf einem simplen Konzept: Anstatt nach den Ideen suchen wir nach den Initianten dieser Ideen – wenn wir die Initianten gefunden haben, haben wir auch die neuen Ideen gefunden.

Kommunikation in virtuellen Teams

In der globalen Wissensgesellschaft ist Innovationsfähigkeit der entscheidende Faktor für den langfristigen Erfolg von Unternehmen – und «Schwarmkreativität» ist der beste Motor für Innovation.  Schwarmkreativität umfasst die Zusammenarbeit virtueller Teams, die sich selbstorganisiert und unabhängig von der formalen Organisationsstruktur eines Unternehmens formieren und für eine bestimmte Zeit an der Lösung eines Problems arbeiten. Das Herzstück dieser virtuellen Teams sind die Collaborative Innovation Networks (COINs). Die Mitglieder eines COIN sind hoch motiviert, sehr gut miteinander vernetzt sowie bereit, ihr Wissen mit anderen zu teilen. Was zeichnet das Kommunikationsverhalten von Trendsettern in einem COIN aus? Die Antwort heisst: Dont’be a star, be a galaxy!

Schöpfer neuer Ideen sind nicht nur besonders kreativ, sondern sie sind «schwarmkreativ». Sie kombinieren ein Talent im Aushecken neuer Ideen mit ausgeprägten Kommunikationsfähigkeiten. Gleich wie die Pfadfinder-Bienen, die ihre Schwarmgenossinnen von den Vorzügen eines neuen Honigstandortes überzeugen müssen, müssen die Initianten neuer Ideen neue Mitglieder ihres Schwarms gewinnen. Das können sie nur, wenn sie besonders gut kommunizieren. Das Kommunikationsnetz eines Trendsetters hat eine Galaxie-Struktur und nicht eine Star-Struktur. Ein Trendsetter verbindet Gruppen von anderen Leuten und nicht einzelne Individuen. Damit sieht das individuelle soziale Netz eines Trendsetters wie in Abbildung 1 aus, mit einer Netzwerkstruktur, in der Wissen auf vielen Wegen von einer Person zu einer anderen gelangen kann.

Rückkoppelung erhöht die Leistung

Initianten von Schwarmkreativität starten ihre neuen Ideen nicht isoliert, sondern eingebettet in virtuelle Teams, den COINs, die sich selbstorganisiert und unabhängig von der formalen Organisationsstruktur eines Unternehmens formieren und für bestimmte Zeit an der Lösung eines Problems arbeiten. Neben COINs gibt es zwei weitere Typen virtueller Gemeinschaften, die im Zusammenspiel mit COINs ein Innovations-Ökosystem erzeugen. Diese beiden weiteren Netzwerktypen sind das Collaborative Interest Network (CIN) und das Collaborative Learning Network (CLN). CINs bestehen zu einem grossen Teil aus Personen, die ein gemeinsames Interesse haben, aber im Wesentlichen Informationen konsumieren. Lediglich ein kleiner Teil des Netzwerks besteht aus Experten, die aktiv Informationen und Wissen mit dem Rest der Gemeinschaft teilen. CLNs bestehen aus Personen, die sich virtuell treffen, um möglichst viel über die neuen Ideen, die in einem COIN entwickelt werden, zu lernen. Im Verlauf der Zeit werden einige Mitglieder eines CLN selber zu Innovatoren und damit zum COIN überwechseln.  CINs und CLNs bilden den Nährboden für COINs, indem sie in einer Rückkoppelungsschlaufe die Ideen, die in den COINs entstehen, aufgreifen, testen, verteilen und kommentieren. Dieses Wechselspiel erhöht die Leistungsfähigkeit der COINs und wird zum Schrittmacher der Innovationsprozesse in einer Organisation.

Die Analyse sozialer Netz­werke

Die Frage ist nun, wie wir diese Gruppen besonders initiativer Menschen finden können, die dabei sind, eine neue Idee zu entwickeln. Als Hilfsmittel schlagen wir einen Ansatz vor, der Methoden der Soziologie, Mathematik, und Informatik miteinander kombiniert: die Analyse sozialer Netzwerke.

Der Begriff «soziales Netzwerk» bezeichnet die soziale Struktur, die zwischen Menschen durch ihre gegenseitige Interaktion entsteht. Die soziale Netzwerkanalyse ist ein Verfahren, das soziologische und mathematische Methoden kombiniert, um diese Netze zu untersuchen. Die soziale Netzwerkanalyse zielt insbesondere darauf ab, informelle Kommunikationsprozesse innerhalb und zwischen Organisationen zu optimieren. Zwischenmenschliche Kommunikationsprozesse haben sich in den letzten Jahren zunehmend auf elektronische Kanäle verschoben. Das gilt für die informelle Kommunikation von Wissensarbeitern in Unternehmen ebenso wie für die private Kommunikation im Internet.

Die virtuelle Welt wird so immer mehr zum Spiegel der realen Welt. Durch die zunehmende Verlagerung der Kommunikation auf elektronische Wege ist die Datenerhebung einfacher geworden. Die aus E-Mail, Telefon, Chat, Blogs und dem Web gesammelten Beziehungen sind eine wertvolle Informationsquelle. Die Entwicklung leistungsfähiger Analyse- und Visualisierungssoftware erlaubt nicht nur die statistische Auswertung von Netzwerkstrukturen, sondern auch die Analyse ihrer Veränderungen im Zeitverlauf.  So können beispielsweise im Bereich Organisationsentwicklung Kommunikationsstrukturen von Mitarbeiternetzwerken analysiert und später im Sinne der Organisation verbessert werden. Weiter können in bisher unbekanntem Masse öffentliche Kommunikationsdaten von Gemeinschaften im Internet erfasst und ausgewertet werden. Diese Daten geben neue und wichtige Aufschlüsse über Meinungen und Trends, was bisher nur aufwendig via Interviews ermittelt werden konnte. Am MIT haben wir dazu ein Softwarewerkzeug namens «Condor» für die soziale Netzwerkanalyse entwickelt, um die dynamische Kommunikation innerhalb von Gruppen besonders innovativer Menschen zu entdecken. Abbildung 2 illustriert, wie wir die verschiedenen Innovationsnetzwerke mit Hilfe von Condor entdecken und verfolgen können.

Netzwerk-Entwicklungsmuster 
als Indikatoren neuer Trends

Dargestellt sind typische Kommunikationsmuster von COINs, CLNs und CINs. Die Punkte sind Personen, die Linien zwischen den Personen repräsentieren den Austausch von E-Mails. Je mehr E-Mails zwei Personen miteinander austauschen, desto kürzer wird die verbindende Linie. Die Daten, die diesen Abbildungen zugrunde liegen, entstammen einer Fallstudie, die auf der Kommunikationshistorie der Deloitte Consulting e.Xpert-Gruppe basiert (die Fallstudie ist im Detail in Gloor, 2005, beschrieben). Eine Kern-Gruppe aus etwa 15 Consultants, ein COIN, entwickelte in Schwarmkreativität neue Consulting-Dienstleistungsangebote im E-Business Bereich. Im obersten Bild ist das COIN im Monat 5 des Zeitverlaufs dargestellt. In den nächsten vier Monaten wird es erweitert um weitere Personen. Diese sind nicht selber an der Entwicklung der E-Business-Dienstleistungen beteiligt, müssen sich aber für deren Vermarktung mit ihnen vertraut machen und bilden so ein Collaborative Learning Network (CLN).  Im untersten Netzwerk schliesslich ist das Collaborative Interest Network (CIN) dargestellt, das die ganze E-Business-Consulting-Abteilung umfasst, die sich mit den neuen Dienstleistungen vertraut macht. Diese Netzwerk-Entwicklungsmuster vom COIN über das CLN zum CIN sind ausgezeichnete Indikatoren neuer Trends.

Während sich das Management eines Unternehmens der Existenz dieser COINs häufig nicht bewusst ist, belegen verschiedene Fallstudien, dass sie zum Teil erstaunliche Prozess- und Produktinnovationen hervorbringen. Was bisher fehlte, sind Methoden und Werkzeuge, die helfen, diese Netzwerke sichtbar zu machen und sie geeignet zu fördern. Hier setzt die Wissensflussoptimierung (Knowledge Flow Optimization, KFO) an. Die Analyse sozialer Netzwerke erlaubt, bisher kaum greifbare informelle Kommunikationsnetzwerke von Wissensarbeitern erfassbar zu machen. Eine darauf aufbauende visuelle und statistische Auswertung von E-Mail-, Telefon- oder Chat-Netzwerken ermöglicht es, diese zu bewerten und die Struktur der Kommunikationsnetzwerke zum Wohl der Mitarbeitenden und der Ziele der Unternehmung zu verbessern.

Kunden und Mitarbeitende profitieren von der Wissensflussoptimierung

Abbildung 3 illustriert, wie Wissensflussoptimierung die Leistungsfähigkeit einer Organisation steigert. Die Ebenen sind vergleichbar mit dem menschlichen Körperbau: Während die Daten eine Organisation etwa den Körperteilen entsprechen, bildet die Aufbauorganisation das Skelett, entsprechen die Geschäftsprozesse dem Blutkreislauf. Die Steuerung der Organisation aber erfolgt via Nervensystem oder Wissensfluss. Und ebenso wie das Nervenssystem im menschlichen Körper schwer zu erkennen ist, war bis jetzt der Wissensfluss innerhalb einer Organisation nur schwer zu erfassen.

Die Wissensflussoptimierung steigert die Innovationsfähigkeit der Organisation, indem interne Zusammenarbeit und Kommunikation gestärkt werden. Informelle Wissensflüsse werden aufgezeigt, Leistungsträger und Innovatoren identifiziert. COINs können entdeckt und gestärkt, Wissenslandkarten erstellt und Wissensträger identifiziert werden. Neue Ideen und Trends werden schneller aufgespürt und neue Ideen günstiger zur Produktreife gebracht.  Kommunikatikonsdefizite innerhalb der Organisation und mit dem Kunden treten schneller zu Tage.

Aber auch dem einzelnen Mitarbeitenden bietet Wissensflussoptimierung Vorteile. Der Mitarbeitende kann sein Kommunikationsverhalten verbessern, schneller und effizienter auf Anfragen antworten. Er kann sein Umfeld besser einschätzen und erhält einen Einblick in seine Kommunikationsstärken und -schwächen. Er sieht seine eigene Rolle innerhalb des Wissensflusses der Organisation und wird in Zukunft ausgewogener kommunizieren.

Fallstudie: Kreissparkasse Köln

Eingesetzt und erprobt wurde die hier vorgestellte Methode unter anderem in der Kreissparkasse Köln. Die Kreissparkasse Köln ist mit knapp 4000 Mitarbeitenden eine der grössten Sparkassen Deutschlands. Ziel der Studie war es, den Zusammenhang zwischen der Kommunikationsstruktur einzelner Abteilungen/Gruppen und ihrem betriebswirtschaftlichen Erfolg sowie der Mitarbeiterzufriedenheit zu analysieren. Zu diesem Zweck wurden sieben Filialen und Stabsabteilungen mit insgesamt 79 Mitarbeitenden ausgewählt. Zur Abbildung des Kommunikationsnetzwerks wurden von den sieben Organisationseinheiten die E-Mails über einen Zeitraum von sieben Monaten gesammelt, insgesamt 16 Million E-Mails. Die Daten wurden anschliessend anonymisiert und jede Person mit einer ID gekennzeichnet. Lediglich die Organisationseinheit und das Team, der die Person angehört, wurden gespeichert. Zudem wurde erfasst, ob sie eine Leitungsfunktion hat.

Auf Basis dieser Datensätze wurden mit «Condor» für jeden Monat für jede Organisationseinheit die Netzwerkstrukturen berechnet. Zur Ermittlung der betriebswirtschaftlichen Leistung der Organisationseinheiten stellte die Controllingabteilung Kennzahlen für die untersuchten Filialen zur Verfügung. Unter anderem wurde der monatliche Zuwachs an Gesamtkreditvolumen dazu herangezogen. Da die Stabsabteilungen selber keine Erträge erwirtschaften, war hier eine Erhebung von Leistungskennzahlen nicht möglich. Zur Feststellung der Mitarbeiterzufriedenheit diente ein Online-Fragebogen, den die Beteiligten zweimal im Monat ausfüllten. Somit lagen für jeden Monat die Netzwerkkennzahlen der beobachteten Organisationseinheiten sowie die wirtschaftlichen und subjektiven Kennzahlen vor.

Zusätzlich zur Analyse der E-Mail-Kommunikation wurden die 22 Mitarbeitenden einer ausgewählten Organisationseinheit über den Zeitraum von einem Monat mit 
Social Badges ausgestattet, die sie jeweils während der Arbeitszeit bei sich trugen. Diese Personen erklärten sich darüber hinaus bereit, täglich Fragen zu ihrer Zufriedenheit zu beantworten. Das Vorgehen wurde nicht nur mit den Teilnehmern der Studie selber, sondern darüber hinaus mit dem Datenschutzbeauftragten und dem Personalrat der Kreissparkasse Köln abgesprochen.

Die Wissensflussoptimierung gewährte interessante Einsichten:  Es besteht ein messbarer Zusammenhang zwischen der inneren Kommunikationsstruktur einer Organisationseinheit und ihrer Leistung. Generell gilt, dass Organisationseinheiten, die eine dezentrale demokratische Kommunikationskultur haben, erfolgreicher sind als hierarchisch strukturierte Organisationseinheiten.  Ferner ist die Leistung einer Organisationseinheit abhängig von der Position der Organisationseinheit im Gesamtnetzwerk des Unternehmens: Je zentraler eine Organisationseinheit ist, desto erfolgreicher ist sie.  Die Kommunikationsstruktur innerhalb einer Gruppe hängt von ihrem jeweiligen Aufgabenbereich ab: Kreative Tätigkeiten – wie sie beispielsweise im Marketing gefragt sind – ergeben klar andere Interaktionsmuster als standardisierte Aufgaben, wie sie in der Sachbearbeitung vorherrschend sind. Auch zwischen Mitarbeiterzufriedenheit und -netzwerk zeigt sich ein Zusammenhang: Je mehr Zeit eines Arbeitstages die Mitarbeitenden mit persönlicher Interaktion verbringen, desto höher ist ihre Arbeitszufriedenheit.

Viele Anwendungsbereiche

Durch Wissensflussoptimierung können Schwachstellen im Unternehmensnetzwerk identifiziert und Korrekturmassnahmen eingeleitet werden. Wie oben erläutert, lässt sich untersuchen, welche Netzwerkstrukturen besonders geeignet für die spezifischen Anforderungen und Ziele eines Unternehmens sind. Mit Hilfe von Coachingmassnahmen lassen sich dann Verbesserungen in den entsprechenden Abteilungen oder Teams erzielen. Der Ansatz kann auch genutzt werden, um fundierte Entscheidungen bei der Reorganisation von Gruppen zu treffen. Organigramme spiegeln die tatsächlichen Gruppenstrukturen in Unternehmen, die sich durch ungeplante informelle Kommunikation ergeben, häufig nicht korrekt wider. Mittels Wissensflussoptimierung lässt sich besser beurteilen, welche Personen und Gruppen gut miteinander kommunizieren beziehungsweise welche Personen seltener als vorgesehen miteinander interagieren.

Ähnliches gilt für Informationsflüsse und Geschäftsprozesse: Prozesse laufen umso effizienter ab, je besser sie auf die tatsächlichen Informationsflüsse im Unternehmen abgestimmt sind. Hier gibt die Wissensflussoptimierung wertvolle Aufschlüsse. In einem Projekt mit einem global führenden Automobilhersteller wurde die Kommunikation zwischen Innovatoren in der Produktentwicklung untersucht, erfolgreiche (COINs) und weniger erfolgreiche Projekte konnten frühzeitig erkannt und Korrekturmassnahmen eingeleitet werden. Fusionsprozesse können ebenfalls mit Wissensflussoptimierung begleitet und beschleunigt werden. Im Rahmen des Projekts mit der Kreissparkasse Köln konnte beispielsweise die Integration einer neuen Sparkasse in das Netzwerk der Kreissparkasse beobachtet und unterstützt werden (Abbildung 4).

Während die Bienenforscher erstaunliche Einblicke in die Funktionsweise des Schwarmverhaltens von Bienen gewonnen haben, sind Menschenschwärme unendlich viel komplexer. Die Analyse sozialer Netzwerke hat sich als eigenes Forschungsgebiet etabliert, das Interesse daran ist in den letzten Jahren förmlich explodiert. Dennoch, oder gerade deswegen, stehen unsere Arbeiten zum Thema Schwarmkreativität noch ganz am Anfang.  Deshalb zum Schluss eine Trendvorhersage in eigener Sache: Die spannendsten Erkenntnisse aus der Erforschung des Schwarmverhaltens des Menschen stehen uns noch bevor.

Weiterführende Literatur:

• Cross, R. / Parker, A. (2004). The Hidden Power of Social Networks. Understanding How Work Really Gets Done In 
Organizations. Harvard Business School Press, Boston.
• Gloor, P. A. (2006). Swarm Creativity: Competitive Advantage Through Collaborative Innovation Networks. Oxford University Press.
• Gloor, P. A. / Cooper, S. (2007). The New Principles of a Swarm Business. MIT Sloan Management Review, Nr. 3, 
S. 81–84.
• Gloor, P. A. / Cooper, S. (2007). Coolhunting. Chasing Down the Next Big Thing. AMACOM Press, New York.
• Wasserman, S. / Faust, K. (1994). Social Network Analysis. Methods and Applications. Cambridge University Press, Cambridge UK.