BIM und das neue Öl

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 Erkennt­nis­se (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. 

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 impli­zi­tem Wis­sen unterscheiden. 

Was bedeu­tet nun Wis­sen im Kon­text von BIM? 

In Bezug auf expli­zi­tes 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 impli­zi­ten 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 impli­zi­tes 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?“