Wissen in der Pipeline

Der Anstoß für diesen Artikel waren die guten Diskussionen, die ich mit Artem Boiko letzte Woche bei dem Event On Top With BIM 2022 auf 3.000 Metern in den Tiroler Alpen führen durfte. 

Ich vertrat bei dem Forum die Position: nicht Daten sind das neue Öl, sondern das Wissen ist es.

Artem sprach mich nach meiner Präsentation an und sagte, ich würde mir in meinem Vortrag widersprechen. Da ich auf der einen Seite gegen Datensilos und Closed Systems auftrete und auf der anderen Seite die „heilige Kuh“ der Data-Lakes schlachten möchte. Nach sehr guten Gesprächen mit Artem bin ich der Meinung, dass wir dasselbe Ziel auf unterschiedlichen Wegen erreichen möchten. 

Alle neuen Ideen und Erkentnisse (Wissen) sind recycelte und durcheinandergeworfene Daten aus der Vergangenheit.

– Artem Boiko, Co-Founder – OpenDataBIM

BIM, Daten und was wir damit machen

Proprietäre Daten und Informationen

Wir erstellen und nutzen Daten innerhalb einer Software. Diese Daten haben einen Sinn, stellen also Informationen dar. 

two-prisoners-talking-bim

Zum Beispiel benutzen wir Revit, um eine Wand zu erstellen, die Wand hat einen Parameter „Volumen“. Die erstellte Wand kann in Revit verändert werden. So weiß jeder, der Revit verwendet, wie eine Wand in der Programmoberfläche von Revit aussieht und was die Eigenschaft „Volumen“  bedeutet. Gleichzeitig werden dabei Unmengen von Daten erstellt, die für Menschen keine Informationen darstellen. Nehmen Sie beispielsweise eine GUID („Globally Unique Identifier“), dabei handelt es sich um eine eindeutige Zeichenfolge, die zur Identifizierung von Daten dient.

Die GUID ergibt für den Menschen keinen Sinn. Für eine Software kann eine GUID aber sinnvoll sein und aus Daten Informationen generieren. Um die Daten zu interpretieren, wird jedoch immer Revit benötigt. Versucht man beispielsweise eine Revit Datei mit Word zu öffnen, ist weder eine Wand, noch das Volumen ersichtlich.

Informationen als Kombination

Wir erstellen Informationen mit mehreren verschiedenen Softwarelösungen und kombinieren die Daten zu neuen Informationen. Zum Beispiel Excel-Export mit zusätzlichen Daten (Raumbücher u. dgl.)

Beispiel Digitaler Zwilling

Digitale Zwillinge sind ein gutes Beispiel für Information aus kombinierten Daten. Dabei werden Daten aus ERP Systemen wie SAP, FM Systemen sowie Sensoren aus dem IoT mit Modelldaten aus Revit, Microstation oder anderen grafischen oder alphanumerischen Daten verknüpft und verfügbar gemacht.

Die Informationen, die dabei entstehen, ergeben sich aus der Kombination der Daten wie etwa Kosten aus SAP + Fläche aus Modelldaten = die Information der Kostenverteilung.

Ein weiteres Beispiel: Lage, Nutzung und Fläche aus den Modelldaten + reale Auslastung anhand von Sensorik = Information zur Auslastung.

Oder die Wartungsinformation, die aus Wartungsplan, IoT (Sensoren der Anlage) und der grafischen Visualisierung aus verschiedenen Anlagen/Prozess spezifischen Programmen besteht. Dass dabei nicht direkt die proprietären Daten genutzt werden, sondern dass diese dafür aus Ihren ursprünglichen Datenbanken extrahiert, oder wie Artem sagen würde „abgebaut“ werden müssen und in eine neue, performantere Form integriert werden müssen, ist klar. Der heutige User möchte nicht mehr sekundenlang auf Informationen warten, sondern es muss instant gehen.

Wissen als Ergebnis von Information

Meiner Ansicht nach ist Wissen die nächste Stufe der Vernetzung. Allgemein anerkannt ist dabei das DIKW-Modell und das SECI-Modell von Nonaka und Takeuchi. Insbesondere möchte ich hierbei zwischen explizitem und implizierem Wissen unterscheiden. 

Was bedeutet nun Wissen im Kontext von BIM? 

In Bezug auf expliziertes Wissen muss eindeutig kommunizierbares Wissen vorliegen. Besser formuliert bedeutet das, dass alle Daten oder Informationen, die wir interpretieren können, explizites Wissen darstellen. Dafür müssen wir die Informationen verständlich strukturieren und in eine interpretierbare Form bringen. Somit sind lesbare, interpretierbare Informationen bereits als Wissen zu verstehen. 

 

Beim implizierten Wissen scheint es etwas komplizierter zu werden. Denn in diesem Fall geht es nicht um schaltbare Maschinen, sondern um komplexe Organismen, um Menschen (diese sind zwar auch schaltbar, siehe Kybernetik, das wäre aber einen eigenen Blogartikel wert). Um all die wunderbaren Informationen, die wir mittlerweile erstellen und in Data-Lakes sammeln, wirklich nutzbar zu machen, braucht es eine auf diese Informationen abgestimmte Form der Organisation der Menschen.

Durch technische Wunderwerke wie VR/AR oder Computerspiele sind dabei ziemlich coole Möglichkeiten für impliziertes Lernen entstanden. 

Frei nach dem Sprichwort „Garbage in, Garbage Out“ sollten wir den Wert der Quantität von Daten hinterfragen. Meine Schlussfolgerung bleibt dabei, Wissen ist das neue Öl, nicht Daten, oder wie T.S.Eliot fragte:

„Where is the wisdom we have lost in knowledge? Where is the knowledge we have lost in information?“

 

Jakob Hirn

Jakob Hirn ist Gründungsmitglied und CEO von Build Informed. Als BIM-Pionier und Visionär gilt seine Leidenschaft der Zukunft der Immobilienwirtschaft.

GDPR Cookie Consent mit Real Cookie Banner