Teilgeber

Jan Foelsing

Jan Foelsing

Development & Innovation Lover; Gründer Learning Development Institute; LDframe.com Entwickler; EdTech-Tool-Nerd

Eine Methode zum Umgang mit Komplexität – Warm Data Labs

Der Umgang mit Komplexität ist vielschichtig und benötigt eine möglichst ganzheitliche und keine verharmlosende, bzw. reduzierende Sichtweise.

“Die alte Welt wollte Komplexität immer reduzieren. Die neue erschließt sie”,

schrieb Wolf Lotter für brand eins 2019.

Quelle: https://www.brandeins.de/magazine/brand-eins-wirtschaftsmagazin/2019/komplexitaet/der-durchblick

Die Gestaltung der Transformation sowie von Lernökosystemen bedarf es, dass wir uns diesen komplexen Herausforderungen anders nähern bzw. versuchen diese ganzheitlicher zu begreifen und dadurch gestaltbarer zu machen, als wir dies bis Dato getan haben. 

Zurzeit versuchen wir leider immer noch viel zu häufig Komplexität direkt zu reduzieren. Hierfür nutzen wir immer öfter gesammelte Daten als Entscheidungsgrundlage für bspw. auch strategische Entscheidungen. Wir „schneiden“ sozusagen einen Teilbereich der durch die Daten abgebildeten „Realität“ zu einem bestimmten Zeitpunkt aus der „Realität“ heraus. Dabei entziehen wir den erhobenen oder zugekauften Daten allerdings die Beziehungen und Wechselwirkungen untereinander, was bei einer hohen Kontextkomplexität immer häufiger zu suboptimalen Ableitungen und Entscheidungen führen wird.

Die zunehmende Komplexität und Schnelllebigkeit unseres Kontextes macht es aus meiner Sicht absolut notwendig, sich viel ausgiebiger mit Wechselwirkungen zu beschäftigen bzw. im ersten Schritt Komplexität für uns erlebbarer zu machen.

Die Großgruppen-Methode Warm Data Lab (WDL) greift genau dies konkret auf und hat sich zur Aufgabe gemacht, Komplexität erfahrbarer zu machen, um Kontextkompetenz aufbauen zu können. Es ist eine Option, vor allem die Zusammenhänge zwischen unseren multiplen Kontexten sichtbarer und diskutierbarer zu machen.

Unsere oftmals noch vorherrschende Denkweise beim Herangehen an Problemstellungen oder bspw. die Transformation, ist häufig durch lineares Denken geprägt. Wir versuchen sehr schnell die Komplexität zu reduzieren, was aber eigentlich nur bei komplizierten Fragestellungen gut funktioniert. In einem komplexen Umfeld, in dem wir durch die Globalisierung und neue Technologien multiple, sich überlappende und sich gegenseitig beeinflussende Kontexte erschaffen haben (wie z.B. die Probleme globaler Wertschöpfungsketten in einer Pandemie), sollten wir, bevor wir beginnen Daten zu sammeln und diese für unsere Entscheidungsfindungen zu nutzen, uns zuerst die Zeit nehmen, Komplexität einmal zuzulassen, bevor wir versuchen sie mittels oftmals „kalter“ / digitaler Daten zu reduzieren.

Durch ein WDL wird es wahrscheinlicher, dass wir lernen die „besseren“ Fragen zu stellen, die es zu lösen gilt.

Ein WDL ist eine neue Open-Space Methode, welche z.B. auch Teilaspekte eines Barcamps und World Cafés innehat. Ein WDL öffnet einen Raum, in dem Komplexität und das Wahrnehmen von Wechselwirkungen willkommen sind.

Dabei werden die Zusammenhänge zwischen den sich überlappenden und in Wechselwirkung stehenden Kontexten, die auf unsere Organisation einwirken, transparenter und damit diskutierbarer.

Probleme sind immer nicht direkt Teil einer Person / Gruppe sondern ent-, und bestehen durch die Beziehungsmuster (Interaktionen) zwischen Personen und ihren Kontexten. Wir alle haben individuelle „Fenster“ auf die „Realität“, die wir uns selbst konstruieren (Stichwort: konstruktivistische Filter-Systeme, Blasen-Bildung). Ein WDL macht die Zusammenhänge zwischen Kontexten greifbarer, um Wechselwirkungen besser erkennen und deuten zu können. Dabei entstehen neue Informationen. Man könnte sie auch Informationen zu den Informationen nennen. Auf einer Art Meta-Ebene. Informationen sind beziehungs-/ kontextabhängig! Die Unterschiede in den Beziehungen sind auch Informationen (it’s the inbetween that starts to matter more and more – Nora Bateson).

WDL öffnet Räume, die es den Teilgebern ermöglichen, Komplexität natürlich zu erleben und mit ihren eigenen, persönlichen Erfahrungen zu verbinden, also erfahrbar zu machen. Dies hilft dabei offene Fragestellungen in ihrer Komplexität zu begreifen, um dadurch bessere Fragen zu der aktuellen Herausforderung zu erarbeiten, die die Komplexität der Frage besser abbilden.

“WDL helps to overlap contexts. In doing so, we are put in a situation where our, mostly linear thinking habits are being challenged or deconstructed.”

(Eßter Nyuli auf dem Metaforum 2019 in Italien)

 

Wo kommt ein Warm Data Lab her?

Ein Warm Data Lab ist eine bis dato noch relativ junge und in der DACH-Region eher unbekannte Methode, die mit Sicherheit in Zukunft an Bedeutung gewinnen wird. Zumindest in den Kontexten, in denen eine Transformation und der bessere Umgang mit Komplexität gewünscht ist. Die transkontextuelle Sicht des 4-Wirkungskreise Modells (siehe Buch) greift die Logik multipler Kontexte bereits auf.

Die Entwicklerin des WDL, Nora Bateson des Bateson Instituts, führt die so wichtige Arbeit ihres Vaters Gregory Bateson weiter bzw. macht diese für uns handhabbarer, als ihr Vater es zu tun im Stande war. Wer einmal einen Originaltext von Gregory Bateson gelesen hat, weiß, was ich damit meine. Dagegen sind die Texte von Luhmann schon fast leichte Kost. 😀

Hier noch ein kurzes Intro von Nora selbst:

Ihr Vater, Gregory Bateson, galt als einer der (systemischen) Vordenker des 20. Jahrhunderts. Er war Anthropologe, Biologe, Sozialwissenschaftler, Kybernetiker und Philosoph in einem. Seine Arbeitsgebiete umfassten auch das Feld der Kommunikations- und Lerntheorie, ebenso wie Fragen der Erkenntnistheorie, Naturphilosophie, Ökologie sowie der Linguistik. Das Herausragende an Gregory Bateson war, dass er diese wissenschaftlichen Gebiete nicht als getrennte Disziplinen behandelte, sondern diese integral dachte. Damit war er seiner Zeit weit voraus. Er war zudem einer der Mitbegründer systemisch-kybernetischer Denkweisen, noch vor Niklas Luhmann.

Quelle: https://de.wikipedia.org/wiki/Gregory_Bateson

 

Auf „was“ beruht ein Warm Data Lab?

Ein WDL hilft beim Umgang mit komplexen Fragen, sowie bei der Überwindung voreiliger Reduktionismen, durch die sonst oft wesentliche Züge einer komplexen Fragestellung vernachlässigt oder ausgeschnitten werden.

“The Map is not the territory!

Alfred Korzybski

Quelle: http://sympoetic.net/Courses/502_Outline_2016_files/Bateson%20The%20Map%20is%20not%20the%20Territory.pdf

Es ist eine Großgruppenmethode, die die kollektive Fähigkeit zur Wahrnehmung und Auseinandersetzung mit komplexen Themen fördert. Ein WDL beruht vornehmlich auf den Konzepten der transkontextuellen Interaktion und der Symmathesie. Unter Symmathesie versteht Nora ein durch kontextuelles, wechselseitiges, interaktives Lernen gebildetes gemeinsames Verständnis.

“Symmathesy = An entity or process composed by contextual mutual learning through interaction” (Nora Bateson)

Sym = together

Mathesi = learning

“Symmathesy (verb): To generate mutual learning contexts through the process of interaction between multiple variables in a living entity.”

Zusammen, kollaborativ und doch individuell anschlussfähig.

Symmathesie lebt in den Randbezirken und Zwischenräumen (liminal spaces) zwischen multiplen Kontexten. An den Grenzbereichen der sich überlappenden Kontexte sind die Räume, in denen Lernen “passiert”. Diese Grenzen wiederum sind nicht fix, sondern veränderbar.

“What happens in this spaces between chaos and order is learning.

Liminal Spaces are the „inbetween“ where borders blur.

Let the shape of the problem, meet the shape of „reality“ (Ashby’s Law – complexity)”

Quelle: Mitschriften meiner Warm Data Lab Host Ausbildung bei Nora, 2019
https://www.syst.info/de/seminar/symmathesie-transverbalitaet-paradoxien-warm-data-online

 

Was sind Warm Data (warme Daten)?

Sie stellen den komplementären Part zu “kalten Daten” (Daten im technologischen Sinne, also binärer Form) dar. Als Entscheidungsgrundlage sammeln wir aktuell noch verstärkt “kalte Daten” und bereiten diese zu Informationen auf. Diese sind aber zumeist der Komplexität ihrer Wechselwirkungen entzogen worden. Kalte Daten geben uns einen spezifischen Stand an kontextbefreiten Informationen zu einem bestimmten Zeitpunkt. Nicht mehr, aber auch nicht weniger. Diese lassen jedoch keine Aussagen darüber zu, welche Kontexte wie, warum, wofür… auf diese eingewirkt haben.

Beispiel anhand einer Stakeholder-Analyse:

Von uns interpretierte und zu Informationen verarbeitete Daten über einzelne Stakeholder sagen nichts über das System als solches aus. Die darin vorherrschenden Wechselwirkungen und Beziehungsmuster gehen in einer Excel-Tabelle verloren. Es fehlen die Beziehungen zwischen den Informationen / Perspektiven. Trotzdem treffen wir auf Basis dieser “kalten” Informationen Entscheidungen, wie wir z.B. mit den Stakeholdern in einem Projekt umgehen wollen, oder auch welches Werk wann zu schließen ist…

Ein WDL hingegen öffnet einen Raum für eine „andere“, nicht lineare Logik, in der die Beziehungen zwischen den Kontexten im Fokus stehen. Diese werden dadurch transparenter und verständlicher.

“The answer to a problem is not the obvious (linear) choice, linked to organisms. It‘s in the contexts.”

(Nora Bateson auf dem Metaforum 2019 in Italien)

 

Ablauf eines Warm Data Labs:

1. WDL Start (20-30 Min):

Warum sind wir heute hier? Welche Problemstellung gilt es näher zu betrachten?

Warum können wir diese jetzt nicht einfach direkt lösen bzw. warum sollten wir dies nicht tun? (–> Da es ineffizient wäre, diese Frage direkt (mit linearen Denkmustern) lösen zu wollen, unter Reduktion der Komplexität der auf diese Frage einwirkenden Kontexte. Dies kann zu falschen Lösungsansätzen führen, was für Organisationen schnell teuer werden kann.)

Persönliches Beispiel für Transkontextualität geben, und dies am besten in einer kleinen, persönlichen Geschichte „verpacken“, wie z.B.: Ich bin nicht einfach ich. Ich bin ein Mensch, ein Vater, ein Kind, ein Coach, ein Sportler, eine Business-Person, ein Feier-Biest, ein Projektleiter, ein Reisender, eine Führungskraft, … Diese Teile von mir, sind alle miteinander verbunden und beeinflussen sich gegenseitig, können aber auch sehr verschieden handeln und wirken.

Das Ziel ist, die Teilgeber auf einer persönlichen Ebene anzusprechen und sie in eine „persönlichere, emotionalere Stimmung“ zu bringen, so dass sie ihre „Business-Rolle ablegen“ und mehr aus ihrem „privaten Ich“ denken.

2. WDL Intro (10 Min)

Ladet die Leute ein, sich auf ein Experiment einzulassen, in dem wir versuchen wollen, eine ganz andere Frage dafür zu nutzen, Komplexität und Zusammenhänge besser zu verstehen, um daraus Erkenntnisse bzw. bessere Fragen zur Lösung unserer aktuellen Problemstellung bilden zu können. Dabei auch erläutern was Warm Data sind.

3. WDL Fragestellung einbringen (10 Min)

Bringt eine große Fragestellung als Thema des WDL ein, wie bspw.:

„What is Learning in a constantly changing environment?“, oder

„What is health in a constantly changing environment?” oder

“What is identity in a fast changing environment?”

–>Keine konkrete Business Fragestellung, da man hierbei schnell in seine professionelle Business-Rolle (samt der darin gebildeten Denk-, Verhaltens- und Sprachmuster) verfällt und es dadurch schwerer wird, die Wechselwirkungen multipler Kontexte emotional erschließen zu können. Rollen bilden Fronten und wir haben oft Angst, unsere Rollen / Expertiseräume zu verlassen. Warm Data befindet sich allerdings mehr in den Zwischenräumen, zwischen dem Bekannten und Unbekannten.

4. Warm Data Lab durchführen (40-60 Min)

Die Fragestellung soll danach in der Gruppe aus verschiedenen Kontexten heraus in Kleingruppen diskutiert werden. Kontexte könnten sein: Familie, Politik, Bildung, Ökologie, Wirtschaft, Geschichte, Technology, Kultur, Identität, Spiritualität, …

Bildet dazu einen kleinen Stuhlkreis pro Kontext mit 3-5 Stühlen. Je nach Größe der Gruppe variiert die Anzahl der Kontexte.

Die Teilgeber sollen sich zum Start in die Stuhlkreise aufteilen. Dabei kann es auch passieren, dass ein Kontext zuerst leer, oder nur durch eine Person „besetzt“ ist. Auch alleine kann man bereits anfangen, über die Fragestellung in diesem spezifischen Kontext nachzudenken.

Wann immer jemand den Kontext wechseln möchte, um sich in einem anderen Kontext an der Diskussion zu beteiligen, kann er dies einfach tun (Das Gesetz der 2 Füße…).

Bittet die Teilnehmer, dass sie während des WDLs aber zumindest 2-3 mal den Kontext wechseln.

 

5. Nachbereitung des WDL (20-30 Min)

Danach kommen alle wieder zusammen und die Moderatorin stellt die Frage:

Was habt ihr wahrgenommen / beobachtet / gefühlt?
Was waren eure Erkenntnisse?
Welche Fragen kamen dabei für euch auf?
Die „Ergebnisse“ könnt ihr an einer Pinnwand sammeln oder ihr gebt den Teilgebern Zeit, diese selbst aufzuschreiben und danach an einer Pinnwand / Metaplanwand aufzuhängen.

An diesem Punkt endet das WDL.

 

6. Pause (mind. 45 Min)

7. Was könnte darauf folgen?

Nun könnte man B. in Kleingruppen diskutieren, wie sich die eigene Fragestellung aus transkontextueller Sicht beschreiben lässt. Dies könnte man auch sehr schön per z.B. Lego Serious Play spielerisch visualisieren lassen. Daraus kann ein Lösungszielbild entstehen.

Woraus sich wiederum Maßnahmen ableiten lassen, um den Wandel in Richtung des visualisierten Zielbilds anzugehen…

 

Persönliche Erfahrungen mit WDL und wo wurde es bereits eingesetzt?

Ich durfte 5 Tage zusammen mit Nora und einer größeren Gruppe ihr Konzept erleben und war, ehrlich gesagt, 2-3 Tage davon super verwirrt bis überfordert, da ich es nicht richtig verstanden habe. Sie nutzte zur Erläuterung der Wirkmechanismen einige Konzepte, die auch noch von ihrem Vater Gregory Bateson stammten. Diesen komplexen Gedankengängen in einer nicht Muttersprache zu folgen, brachte mich sehr oft an die Grenzen meiner kognitiven Fähigkeiten. So sprach sie z.B. von Epistemological Frames, Conscious Purpose, Integral View of Patterns, Multiple Discreption, Synaesthesia, Logical Types nach Bertrand Russells, Liminal Spaces, … Mir raucht noch immer der Kopf, wenn ich daran denke, aber ich würde die Ausbildung am liebsten noch einmal machen.

Eine ihrer Geschichten zum Einsatz des WDL ist bei mir besonders hängen geblieben, da ich diese sehr gut mit meinem Techie-Background nachvollziehen konnte.

Nora durfte bereits 2mal bei der AI-Truppe von Microsoft ein WDL durchführen, also bei dem Fachbereich mit einem sicherlich milliardenschweren Budget und erzählte von einer Mail des „Head of AI“ an sie, der seine Erkenntnisse mit ihr teilte. Er sagte, sinngemäß, so etwas wie (Vorsicht, stille Post! ;-)):

Dank der WDLs haben sie als Team nun viel besser verstanden, dass ihre AI-gestützten Lösungen nicht ohne Berücksichtigung der Wechselwirkungen, zwischen den auf sie einwirkenden, multiplen Kontexten zu betrachten bzw. zu entwickeln sind. Technologie existiert nicht ohne Kontext, in den diese eingebettet ist. Die erste, daraus resultierende Maßnahme sollte sein, (typisch für Corporates) einen Bereich zum Thema „Transcontextual Thinking“ aufzubauen, der sich der bisher vernachlässigten Wechselwirkungen zwischen Technologie und Kontext explizit annimmt. Sie wollen stärker darüber nachdenken, welche Technologien sie entwickeln wollen und welche auch besser nicht.

Diese Erkenntnisse von einem stark auf Wachstum gepolten Großkonzern sind dermaßen bemerkenswert, dass ich diese mit euch teilen wollte.

Zudem wurden WDLs auch bei der Harvard University, dem US-Military, der NASA, Patagonia und Deloitte, … eingesetzt.

Warum teile ich diese Informationen mit euch?

WDL ist eine, zumindest für mich, noch nicht leicht zu erklärende Methode bzw. die Ergebnisse sind kaum erläuterbar, man muss dies selbst einmal erleben. Deswegen war ich am Anfang sehr skeptisch, ob da etwas Sinnvolles dahinterstecken kann.

Nachdem ich mich eine Woche mit Nora und der Gruppe mit dem Thema beschäftigt hatte, war ich in einer anderen Open Space Diskussionsrunde und habe dort erlebt, wie Diskussionen, die aus dem „professionellen Business-Ich“ heraus geführt werden, laufen. Dieser Unterschied hat mir nachhaltig die Augen geöffnet. Auch wenn ich es selbst noch nicht genau beschreiben kann, spüre ich ganz deutlich, wie wertvoll diese „Warm Data Räume“ sein können. Deswegen war es mir wichtig, diese Methode mit euch zu teilen. Mehr aus einem Gefühl heraus, als aus einer beschreibbaren Logik, auch wenn ich dies in diesem Denkanstoß versucht habe zu tun.

Zudem bin ich einfach sehr dankbar einen so wundervollen und empathischen Menschen wie Nora Bateson kennenlernen zu dürfen und es würde mich freuen, wenn mehr Menschen von ihrer Arbeit profitieren können.

 

Zusammenfassung

Was ist ein Warm Data Lab? Ein WDL ist eine neue Großgruppenmethode im Open Space Style, welche Komplexität explizit zulässt und dadurch besser erfahrbar macht. Normalerweise gehen wir bei der Lösungsfindung sehr direkt und linear vor. Oftmals heißt es: „Das ist das Problem, was wir durch das Sammeln von Daten (Cold Data / kontextbefreite Informationen) verifiziert haben.“ Dann schmieden wir einen Lösungsplan und fangen an die Maßnahmen umzusetzen. Dies ist in komplexen Kontexten aber nicht mehr wirklich zielführend, da Lösungen für komplexe Probleme mehr zwischen den Kontexten und deren Interdependenzen liegen, als in den kontextbefreiten, punktuell gemessenen und interpretierten Daten, die wir immer öfter zur Lösungsfindung heranziehen. In Zukunft wird es wichtiger werden, auch die Zusammenhänge zwischen Kontexten besser zu erschließen und genau dafür ist ein Warm Data Lab eine nützliche Methode. Oder, wie es Peter Drucker bereits 1993 sagte:

“Um Wissen produktiv zu machen, müssen wir lernen, sowohl den Wald als auch den einzelnen Baum zu sehen. Wir müssen lernen, Zusammenhänge herzustellen.”

Quelle: Wolf Lotter, Zusammenhänge (2020)

Über den Impulsgeber

Jan Foelsing

Jan ist Learning und NewWork Designer.
Von 2013 bis 2021 arbeitete er in Teilzeit an der Hochschule Pforzheim im Bereich der Erprobung moderner Lernformate in Verbindung mit digital gestützter Zusammenarbeit / Social Collaboration. Davor war er mehrere Jahre als IT-Consultant tätig.
Aus seinen Erkenntnissen aus den unterschiedlichen Kontexten, entstand auch das Learning Development Institute. Zudem ist er als freier Berater und Speaker tätig, sowie im Startup Bereich aktiv.
Sein Ziel ist es die künstliche Trennung zwischen Arbeiten + Innovation und Lernen aufzulösen und Lernen bedürfnisorientierter sowie wertschöpfender zu gestalten. Und dies natürlich mit einer passenden, digitalen Unterstützung.
Seine Leidenschaft ist es die neuen Lern- und Arbeitswelten aktiv zu erkunden und mitzugestalten. - Learning by doing.
In seinem neuen Buch "New Work braucht New Learning: Eine Perspektivreise durch die Transformation unserer Organisations- und Lernwelten" legt er, zusammen mit Prof. Dr. Anja Schmitz, ihre Erkenntnisse zur Neuausrichtung des betrieblichen Lernens, dar.

Passend zu dem neuen Buch, findet ihr auf der online Lernplattform iversity eine erweiterte Einführung in den Learning Strategy Development Workshop, welcher Teil des LSDsprint Konzepts des LDframe.com ist.

Ähnliche Impulse

Fokusfelder des New Learning – Jan Foelsing

Fokusfelder des New Learning – Jan Foelsing

TeilgeberlinkedintwitteryoutubepinterestDie 10+ Fokusfelder des New Learning Die Folien zum eSUMMIT “Corporate Learning in Nordrhein-Westfalen” 2021 des eLearning Journal findet ihr unter folgendem Link. Über den Impulsgeber Jan Foelsing Jan ist Learning und NewWork...

Mini-Impuls zu: LMS vs LXP – Jan Foelsing

Mini-Impuls zu: LMS vs LXP – Jan Foelsing

TeilgeberlinkedintwitteryoutubepinterestMini-Impuls: Learning Management Systems (LMS) vs Learning Experience Platforms (LXP)Über den Impulsgeber Jan Foelsing Jan ist Learning und NewWork Designer. Bis 2021 arbeitete er in Teilzeit an der...

Alle Impulse

Skill up or Out – Digital Upskilling – Jan Foelsing

Skill up or Out – Digital Upskilling – Jan Foelsing

Menschenbilder nach Theory X und Theory Y im Bezug auf Lernen – Daniel Räder

Menschenbilder nach Theory X und Theory Y im Bezug auf Lernen – Daniel Räder

Gamification im Kontext von New Learning und New Work – Roman Rackwitz

Gamification im Kontext von New Learning und New Work – Roman Rackwitz

Praxisbericht: Kooperation und Kollaboration im berufsbegleitenden Blended-Learning-Studium mit Slack – Markus Rauscher-Riedl

Praxisbericht: Kooperation und Kollaboration im berufsbegleitenden Blended-Learning-Studium mit Slack – Markus Rauscher-Riedl

Der Einfluss von Machine Learning auf Lernen und Arbeiten im Unternehmen – Thomas Jenewein

Der Einfluss von Machine Learning auf Lernen und Arbeiten im Unternehmen – Thomas Jenewein

Lernen in Startups – Franziska Kienzler

Lernen in Startups – Franziska Kienzler

Learning Experience Management & Design – ein neues Paradigma – Thomas Jenewein

Learning Experience Management & Design – ein neues Paradigma – Thomas Jenewein

Blended Learning – Pete der Projektleiter – Jan Foelsing

Blended Learning – Pete der Projektleiter – Jan Foelsing

Kompetenzentwicklung mit dem integralen Modell: Ansatz und Praxisbeispiele – Matthias Rausch

Kompetenzentwicklung mit dem integralen Modell: Ansatz und Praxisbeispiele – Matthias Rausch

Das Viable System Model als transklassisches Organisationsmodell – Theoretische und praktische Betrachtungen – Conny Dethloff

Das Viable System Model als transklassisches Organisationsmodell – Theoretische und praktische Betrachtungen – Conny Dethloff

Software Know-How durch user-generated Content partizipativ verbessern mittels Digital Adoption Platforms – Felix Brehmer

Software Know-How durch user-generated Content partizipativ verbessern mittels Digital Adoption Platforms – Felix Brehmer

Die Transferstärkemethode – Axel Koch

Die Transferstärkemethode – Axel Koch