Sie sind auf Seite 1von 13

Karl-Franzens-Universität Graz (Hg.

ERSTAUSGABE
Veröffentlichungen junger WissenschafterInnen
der Karl-Franzens-Universität Graz
Volume 2 (2009)

Uni-Press Graz
Graz 2009
© Uni-Press Graz Verlag GmbH, Graz 2009
8010 Graz, Schubertstraße 6a, Tel: 0316 / 38 46 70
www.unipress-graz.at

ISBN: 978-3-902666-07-9

Das Werk ist urheberrechtlich geschützt. Kein Teil des Werkes darf in irgendei-
ner Form (durch Fotokopie, Mikrofilm oder andere Verfahren) ohne schriftliche
Genehmigung des Verlages reproduziert oder unter Verwendung elektronischer
Systeme verarbeitet, vervielfältigt oder verbreitet werden.
Es wird darauf hingewiesen, dass alle Angaben in diesem Buch trotz sorgfältiger
Bearbeitung ohne Gewähr erfolgen und eine Haftung der Autorinnen und Auto-
ren oder des Verlages ausgeschlossen ist.

Masterdesign: Florian Preininger, book-composition


Satz & Layout: Florian Preininger, book-composition
Lektorat: Florian Preininger, Johannes Steiner
Titelbildabbildung: Simone Lindner
Druck: Servicebetrieb ÖH-Uni Graz GmbH
Robert GUTOUNIG

WISSENSPROZESSE IN DIGITALEN NETZWERKSTRUKTUREN.


DYNAMISCHE GLEICHGEWICHTE UND UNGLEICHGEWICHTE ZWISCHEN
ANWENDUNGS- UND ORIENTIERUNGSWISSEN

Abstract

Ausgangspunkt des Forschungsvorhabens sind die in digitalen Netzwerkmedien


ablaufenden Wissensprozesse. Die Digitalisierung und die netzwerkartige Ver-
knüpfung von Informationssystemen haben die Art und Weise, wie Wissen ge-
neriert, verteilt und angewandt wird, radikal verändert. Auf der Basis der Theorie
der Selbstorganisation können Wissensprozesse als dynamische Gleichgewichts-
bzw. Ungleichgewichtszustände beschrieben werden. Die Theorie des symboli-
schen Kapitals wiederum liefert Erklärungsmodelle für Akteure der digitalisierten
Netzwerkgesellschaft.

1 Methode

Das im Rahmen eines Doktoratsstudiums am Institut für Philosophie durch-


geführte Forschungsvorhaben ist als transdisziplinäres Projekt konzipiert. Unter
Transdisziplinarität wird hier der Versuch verstanden, anhand einer Problemori-
entierung die Grenzen der eigenen Disziplin mit dem Ziel der Erkenntniserwei-
terung zu überschreiten und sie unter Zuhilfenahme eines methodischen Rah-
mens zu synthetisieren. Transdisziplinäre Forschung ist nach Jürgen Mittelstrass
Forschung, die sich aus ihren disziplinären Grenzen löst, die ihre Probleme diszipli-
nenunabhängig definiert und disziplinenunabhängig löst. (Mittelstrass 1998, 44).
Transdisziplinarität hebt die historischen Grenzen der Disziplinen und Fächer auf,
[...] wo eine allein fachliche oder disziplinäre Definition von Problemlagen nicht
möglich ist […] (Mittelstrass 2000, 39). Als Forschungsprinzip macht sie nicht
an den Disziplinengrenzen halt, sondern verschiebt sie problemorientiert, wo ein
Erklärungsgewinn zu erwarten ist.
Mitbestimmt wird Forschung im Bereich digitaler Wissensprozesse auch
von den technologischen Möglichkeiten, somit von Anwendungswissen, wel-
ches den jeweiligen Stand des wissenschaftlichen Fortschritts sowie das jeweils
Machbare repräsentiert. Der hier unternommene Zugang wird als ein Beitrag
zum Orientierungswissen zu werten sein, der die systemischen Bedingungen ge-
genwärtiger Wissensproduktion mit erhöhter Sensibilität wahrnimmt und ver-
sucht, diese Phänomene unter Zuhilfenahme von Erkenntnissen verschiedener
44 Robert Gutounig

Wissenschaftsdisziplinen darzustellen. Wissensprozesse sind zunehmend als dy-


namisierte Relationen zwischen Akteuren in Netzwerken zu betrachten. Dies gilt
in einer immer stärker digital vernetzten Welt mehr denn je und daher sind neue
Zugänge zur Analyse von Wissensnetzwerken zentriert auf die Wissensgenerie-
rung fruchtbar und begründet. Als Untersuchungsmethoden dienen vor allem
qualitative Analysen, Interpretation sowie theoretische Modellierung.

2 Zielsetzung

Ziel der Arbeit ist die Analyse der multifunktionalen Aspekte von Wissen, die in
unterschiedlichen Ausformungen die Wissensgesellschaft bestimmen. Zu diesen
Aspekten zählen die Wissensprozesse, die unter der Bedingung einer interdiszi-
plinären Zusammenschau von Ergebnissen verschiedener Forschungsrichtungen
einen Fortschritt in der Konzeption von wissensrelevanten Projekten bringen
können. Dazu gehören auf der Anwendungsebene z. B. Konzeption und Ein-
richtung von Wissenssystemen und Wissensplattformen mithilfe digitaler Hy-
permedien sowie Wissensmanagement-Projekte innerhalb von Organisationen.
Eine in der Informationsgesellschaft stark wachsende Bedeutung von Netz-
werkstrukturen wurde vielfach festgestellt (vgl. z. B. Castells 2004). Die Unter-
suchung des dynamischen Wissensprozesses in digitalen Netzwerkstrukturen legt
die sozialen, kulturellen und symbolischen Umwelten offen, unter denen neues
Wissen generiert, distribuiert und angewandt wird. Auf diese Art lässt sich der
Wissensprozess in netzwerkartigen Systemen besser verstehen und modellieren.

3 Modelle des Wissens und Wissensprozesse

Um Wissensprozesse in unterschiedlichen Kontexten der Informations- und


Wissensgesellschaft adäquater analysieren zu können, ist eine epistemologisch-
grundierte Bestimmung der Begrifflichkeiten erforderlich. Diese soll anhand von
unterschiedlichen Wissensmodellen entwickelt werden. Mit diesem begrifflichen
Instrumentarium erfolgt die Analyse von Wissensprozessen in digitalen Netzwer-
ken.

3.1 Modelle des Wissens


Das digitale Zeitalter hat den Rationalitätstypus der digital-pragmatischen Ra-
tionalität hervorgebracht (vgl. Schinagl 2005, 90ff), welche zugleich eine klare
Unterscheidung zwischen Daten, Information und Wissen und eine Struktu-
rierung der Begriffshierarchien mehr denn je erforderlich macht (vgl. Götschl/
Schinagl 2003, 87). Diese Differenzierung zwischen den verschiedenen Wertig-
keiten des Wissens ist heute als Orientierung in der Informationsgesellschaft un-
Wissensprozesse in digitalen Netzwerkstrukturen 45

umgänglich, da sie die erkenntnistheoretische Grundlage schafft, auf der Über-


legungen zur Modellierung des Mensch-Maschine-Verhältnisses durchgeführt
werden können. Um die Unterschiede zwischen deterministischen (Maschinen)
und nicht-deterministischen, evolutionären Systemen (Menschen) besser zu ver-
stehen, ist es notwendig, eine epistemologische Unterscheidung bereitzustellen,
welche die für die Entwicklung von informations- und wissensverarbeitenden
Systemen relevanten Phänomene abdeckt.
Motiviert wird eine solche Darlegung auch durch eine zuweilen unklare Be-
griffsunterscheidung im anwendungsorientierten Sektor (z. B. Wissensmanage-
ment), welcher häufig durch eine Schwerpunktsetzung im informationstech-
nologischen Bereich gekennzeichnet ist und zahlreiche erkenntnistheoretische,
lerntheoretische und symbolisch-kulturelle Kontexte von Wissensprozessen aus-
blendet. Die für den Nutzungskontext so bedeutsame Unterscheidung zwischen
Informations- und Wissenssystemen wird vielfach nicht beachtet. Nicht zuletzt
sind solche vereinfachenden Konzepte von Wissen und Organisationen mitver-
antwortlich für zahlreiche fehlgeleitete Investitionen in Wissensmanagement-
projekte (vgl. Schneider 2001a, 16). Eine solche operationale Erkenntnistheorie
wird auch von Wissensmanagement-Forschern als Desiderat gesehen (vgl. etwa
Schneider 2001b, 557f ). In Folge soll hier eine klassifizierte Darstellung der Be-
griffshierarchien angegeben werden.
Es wird auf dem Weg zu einer begrifflichen Differenzierung zwischen den
Grundelementen der Wissensbasis − Daten, Informationen und Wissen (siehe
Abb. 1) − unterschieden (Gutounig u. a. 2007, 14).

Abbildung 1: Abgrenzung Daten – Wissen – Information (Gutounig u. a. 2007)


!""#$"%
&'#$#

!""#$ %&$'()$*"+,-!*.#!/0
1203204-#5&6!#708&5.#/!$*0#/92

:$+;5<&/!;$#$ =;$/#>/
()*#$#'#$#

120320=?56#5/#<6#5&/)5703#&5@#!A
/)$*"/#<6#5&/)570B<"&/10#/92

C&/#$ 120320DE0F5&'70DG0<<70
GH0IBJ0#/92
46 Robert Gutounig

Daten und Informationen bilden die notwendige Grundlage für die Generie-
rung von Wissen. Entsprechend müssen auch die Interventionsebenen miteinan-
der vernetzt und aufeinander abgestimmt sein.1 Jedoch bereits unsere Beobach-
tungen zur Datengewinnung sind abhängig von unseren Theorien, Hypothesen
und Ideen, die bestimmen, was wir wahrnehmen und was nicht (vgl. Willke
2001,  7). Daten in diesem Sinne sind beobachtete Unterschiede (Willke 2004,
28), wobei der Umstand, welche Unterschiede wir überhaupt wahrnehmen, ab-
hängig ist, von den genannten Faktoren.
Informationen entstehen, wenn Daten in einen Kontext von Relevanzen ein-
gebunden werden. Relevant sind sie jedoch immer nur relativ zu einem System.
Gregory Bateson sieht in seiner markanten Definition Information als a diffe-
rence which makes a difference (Bateson 2000, 459), d. h., eine relevante Unter-
scheidung. Es existiert jedoch kein übergeordneter Maßstab für derartige Rele-
vanzen, weshalb es einen solchen nur für ein bestimmtes System geben und die
Information nur systemrelativ sein kann (vgl. Willke 2001, 8). Die Möglichkeit
von Informationsaustausch wird dadurch drastisch eingeschränkt. Dieser kann
erst gelingen, wenn alle Partner ihre Relevanzkriterien angenähert haben.
Die Vernetzung von Informationen ermöglicht deren Nutzung in einem be-
stimmten Handlungsfeld, was – bezogen auf ein bestimmtes handelndes Sub-
jekt – als Wissen bezeichnet werden kann. Wissen stützt sich auf Daten und In-
formationen, ist jedoch immer personengebunden (vgl. Probst/Raub/Romhardt
2006, 23).
Wissen wird gesehen als die Gesamtheit der Kenntnisse und Fähigkeiten, die
Individuen zur Lösung von Problemen einsetzen (ebda). Aus Wissen folgt somit
immer auch eine veränderte Praxis und es ist Bestandteil eines zweckorientierten
Produktionsprozesses und wird als Fähigkeit zu handeln gesehen (Sveiby 1998a,
65). Entscheidend bei der pragmatischen Wissensdefinition ist somit der Hand-
lungsaspekt. Unter Wissen in diesem Sinne werden theoretische Erkenntnisse
sowie Alltagsregeln gleichermaßen erfasst, jedoch manifestieren sich diese stets in
Handlungen (vgl. North 1998, 41).
Vergleichbar für den hier behandelten pragmatischen Kontext von Wissen
scheint insbesonders die sprachphilosophische Analyse Ludwig Wittgensteins,
der in den Philosophischen Untersuchungen die enge Verknüpfung der Ausdrü-
cke „wissen“ und „können“ betont und so die im Sprachgebrauch begründete
pragmatische Verwendung des Wortes offen legt: Die Grammatik des Wortes „wis-
sen“ ist offenbar eng verwandt der Grammatik der Worte „können“, „imstande sein“.
Aber auch eng verwandt der des Wortes „verstehen“ (Eine Technik ‚beherrschen’).
(Wittgenstein 1995, 315).

1 Darüber hinaus existieren noch zahlreiche andere Definitionen von Information, z. B. der
mathematische Informationsbegriff von Shannon (1948), der Information als über Telekom-
munikationskanäle übertragene Datenmenge definiert, jedoch aufgrund seiner semantischen
Indifferenz in diesem Kontext wenig brauchbar erscheint. Vgl. Übersicht bei Sveiby (1998b).
Wissensprozesse in digitalen Netzwerkstrukturen 47

Als markante Systemeigenschaft von Wissen und Information in Hinblick auf


die pragmatische Wissensdefinition ist ihr Charakter als nicht-verbrauchende
Ressource hervorzuheben. Der Gebrauch ist nicht rivalisierend und nur bedingt
ausschließbar. Im Unterschied zu den klassischen Produktionsfaktoren (Ar-
beit, Kapital und Boden) unterliegt das intellektuelle Kapital nicht wie materi-
elle Güter der Knappheit. Wissen stellt also keine verbrauchende Ressource dar,
sondern wird im Gegenteil durch Teilung meist vermehrt (vgl. Sveiby 1998a,
45) und steigt durch Anwendung im Wissensprozess bzw. Weitergabe an Wert
(durch Generierung neuer Daten). Das zwischen Systemen (z. B. Organisatio-
nen) transferierte Wissen bleibt daher sowohl beim Wissensgeber als auch beim
Wissensnehmer weiterhin vorhanden und wird durch Generierung von Anwen-
dungen mithilfe neuer Daten verbessert.

3.2 Wissensprozesse
Michael Polanyi (1985) spricht von einem Wissensprozess, um zu beschreiben auf
welche Weise Menschen Sinneswahrnehmungen mit Fähigkeiten und Kenntnis-
sen, die sie bereits besitzen, in Verbindung bringen. Gemeint ist damit der Vor-
gang, der Entstehung, Verbreitung und Anwendung von Wissen im Sinne eines
interdependenten Aktionsmodells. Auf Grundlage einer operationalen Erkennt-
nistheorie wird ständig die Spirale zwischen Generierung von Daten, Systema-
tisierung (Information), Integration in Kontexte (Wissen), Handlung und den
daraus entstehenden Handlungsfolgen, die wieder neue Daten generieren usw.,
durchlaufen. Es ist dies auch eine Abfolge von operationalen (z. B. Datenge-
winnung) und konzeptionellen Schritten (z. B. Wissensgenerierung). Durch die
zahlreichen von der Anwendungsebene aus generierten Datenmengen ist zudem
von einer Weiter- bzw. Höherentwicklung im Wissensprozess auszugehen.
Mithilfe dieser begrifflichen Unterscheidung steht ein Instrumentarium zur
Verfügung, dass es ermöglicht Wissensprozesse in verschiedenen Konfiguratio-
nen zu analysieren, wobei in dieser Untersuchung besonderes Augenmerk auf
Wissensprozesse in Netzwerkstrukturen sowie die durch die Digitalisierung und
Erweiterung der Kommunikationsmöglichkeiten entstandenen Wissensprozesse
(kollaborative Wissensarbeit) gelegt wird.

4 Selbstorganisation und Wissensprozesse

Theorien der Selbstorganisation erlauben eine Modellierung von Systemen mit-


hilfe von prozessual-evolutiven Schemata, welche dem Komplexitätsgrad eher
gerecht werden als kausal-deterministische Erklärungsmodelle. Es wird unter-
sucht, inwieweit die Kategorien der Selbstorganisation auf Wissensprozesse
übertragbar sind, die in vielfältiger Form in digitalen Netzwerken zu finden sind.
Wissensprozesse als Ganzes können als Ausformungen von Gleichgewichten und
48 Robert Gutounig

Ungleichgewichten aufgefasst werden, die letztlich über bestimmte Zeiträume zu


relativ stabilen Gleichgewichtszuständen führen (vgl. Götschl 2006, 37).
Eine Analyse von Wissensprozessen aus systemtheoretischer Sicht zeigt zu-
nächst folgende Charakteristika:
– Systeme sind fernab von Gleichgewicht (Energie- und Wissensgleichge-
wicht)
– Systeme sind fähig zur Selbstherstellung und können in Grenzen Schäden
(z. B. Vandalismus) kompensieren
– Mikroprozesse verhalten sich kooperativ
– Erzeugung von Ordnungsstrukturen (vgl. Wikipedia)
– Offene Systeme
– Möglichkeit zur strukturellen Koppelung (Interaktionsgrad nimmt zu, z. B.
durch Social Software)

Es bleibt zu untersuchen inwiefern Neue Medien einen höheren Selbstverwirk-


lichungsgrad des Menschen als selbstorganisierende Systeme ermöglichen bzw.
weiter unterstützen. Die Theorie der Selbstorganisation zeigt in anderen Kon-
texten jedoch bereits, dass systemimmanente Charakteristika der Kooperation
und Ko-evolution zur Ausdifferenzierung von Identität bzw. Autonomie eines
Systems führen (vgl. Götschl 2006, 45). Auch ist auffällig, dass die zahlreichen
Elemente eines Systems Ordnungen (Gestalten) verursachen, was eine relative
Stabilität der Systemelemente ermöglicht. Bisherige Analysen z. B. anhand der
Entwicklung von einzelnen Einträgen in der Onlineenzyklopädie Wikipedia
über längere Zeiträume scheinen diese These zu bestätigen.

5 Symbolisches Kapital

In Gemeinschaften existiert eine Ökonomie der symbolischen Güter (Bourdieu


1998, 161f.), die es ermöglicht, die ökonomischen Tauschbeziehungen zu um-
gehen bzw. zu verschleiern und die Akteure in scheinbar anti-ökonomischen
Sub-Universen handeln lässt. Was hier gehandelt wird, ist symbolisches Kapital,
das von Bourdieu definiert wird als beliebige Kapitalsorte (physisches, ökonomi-
sches, kulturelles, oder soziales Kapital) und zwar insofern, als es von den Mit-
gliedern einer Gesellschaft als solches wahrgenommen wird (vgl. Bourdieu 1998,
108). Es existiert also nur in den Vorstellungen, in der Reputation, die sich die
anderen davon machen, indem sie einen bestimmten Komplex von Überzeu-
gungen teilen. Das symbolische Kapital ist Gemeinbesitz aller Mitglieder einer
Gruppe, indem es anerkannt wird. Was Bourdieus Ansatz von klassischen Theo-
rien menschlicher Handlungen unterscheidet, ist, dass er die Handelnden nicht
nur als Subjekte wahrnimmt, die ihr Tun nach rationalen Kriterien vollziehen,
Wissensprozesse in digitalen Netzwerkstrukturen 49

sondern ihr Handeln in gesellschaftlich determinierte Denkformen, die er Habi-


tus nennt, einbettet.
Vordergründig erscheinen Handlungen im Bereich der symbolischen Öko-
nomie, wie beispielsweise die Gabe, als interesselos. Die Gabe selbst beschreibt
Marcel Mauss als eine unregelmäßig wiederkehrende Abfolge von großmütigen
Handlungen, die den Gebenden im sozialen Gefüge auszeichnen und in dem
derjenige reich erscheint, der viel geben kann (vgl. Mauss 1990). Wie erwähnt
fordert die Gabe nicht wie der Tausch unmittelbar eine Gegengabe ein, wenn
auch die Hoffnung darauf durchaus besteht. Entscheidend ist jedoch der zeitli-
che Intervall zwischen Gabe und Gegengabe, denn der unmittelbare Austausch
käme eher einer Zurückweisung der Gabe gleich (vgl. Bourdieu 1998, 163). Das
Zeitintervall lässt die erwartbare Gegengabe als anlasslos und so der Ökonomie
enthoben erscheinen. Dies lässt bei den Beschenkten die Illusion entstehen, sie
werden ohne den Zwang zur Gegengabe, praktisch um ihrer selbst willen, be-
schenkt. Meist ist jedoch der Zwang die Gabe zu erwidern sehr groß und stellt
daher einen Eingriff in die Freiheit der Beschenkten dar. Eine Gabe ist somit
eine Art, Menschen an sich zu binden, indem man sie verpflichtet (vgl. Bourdieu
1998, 164).
Das Austauschen von kleinen alltäglichen Geschenken bei bestimmten Völ-
kern stärkt die gesellschaftliche Gruppenzusammengehörigkeit. Das Gleiche
kann man auch von Lob und anderem symbolischen Kapital sagen. Die Erwar-
tungen und Hoffnungen werden in diesen Beziehungen verschleiert und sind
tabuisiert, da durch die Formulierung der Wahrheit des Tausches der Tausch zu-
nichte gemacht würde. Diese Wahrheit ist allen Teilnehmern zumindest implizit
bzw. auch explizit bekannt (vgl. Bourdieu 1998, 175).
Nach Bourdieu ist interessenfreies Handeln jedoch nur in Feldern möglich,
in denen der Habitus zur Interessenfreiheit bereits angelegt ist und in denen
interessenfreies Handeln belohnt wird. Dies führt dazu, dass Interessenfreiheit
auch wieder durch symbolisches Kapital, also Ehre, Lob etc. abgegolten wird.

5.1 Soziales Kapital im Wissensprozess


Wissensträger in Organisationen werden meist nicht durch Geld motiviert, son-
dern eher durch immaterielle Belohnungen wie Anerkennung, Lerngelegen-
heiten, Freiraum für mehr Kreativität etc. (vgl. Sveiby 1998a, 102). Experten
schätzen neben herausfordernden Aufgaben meist auch öffentliche Anerkennung
ihrer Leistungen (vgl. Sveiby 1998a, 88), welche als symbolisches Gut gehandelt
werden kann.
Die Voraussetzung für den Austausch von symbolischem Kapital ist ein
Markt für symbolische Handlungen, an dem man symbolische Profite heraus-
schlagen kann. Es muss somit im eigenen Interesse liegen interessenfrei zu han-
deln (vgl. Bourdieu 1998, 172). Als Marktplätze für soziales Kapital als sym-
bolischer Kapitalsorte können neben Organisationen auch virtuelle Netzwerke
50 Robert Gutounig

angesehen werden, in denen aufgrund der Besonderheiten der medialen Vermitt-


lung nur besondere Austauschformen praktiziert werden können.
Anhand der Kategorien des symbolischen Kapitals werden zwei dieser Felder
exemplarisch untersucht: Wissensprozesse auf digitalen Plattformen (insb. Wiki-
pedia) und die Produktion freier Software mit offenem Quellcode.

5.2 Ökonomie der Großzügigkeit


Als vom Modell proprietärer Nutzungsrechte abweichendes Modell scheint sich
auch im Bereich der Informationstechnologien eine „Ökonomie der Großzügig-
keit“ – vergleichbar dem Gabentausch – zu etablieren (vgl. Derrida 1993, 37ff.),
die sich gegenüber der kapitalistischen Wirtschaftsweise als Alternative positio-
niert. In ihr soll der Information und dem Wissen der Warencharakter und der
Warenwert genommen werden.
Als Erklärungsmodell für den funktionierenden Wissensprozess in Online-
Communities und Entwickler-Netzwerken soll die Logik der Gabe zugrunde ge-
legt werden, die darauf basiert, dass jemand etwas gibt, ohne unmittelbar eine
reziproke Austauschhandlung zu erwarten (vgl. Eigner/Nausner 2003, 397f ).
Die Gabe fordert nicht unmittelbare Rückerstattung, wenngleich sie doch auf
eine Gegengabe hoffe. Sie bildet noch die Vorstufe zum Geschenk, welches dann
stabile soziale Beziehungen ermöglicht.

6 Collaborative Knowledge Working:


Analyse der Produktionsbedingungen freier Software

Ein allein aufgrund seiner wirtschaftlichen Bedeutung wichtiges Beispiel für ge-
meinschaftliche und durch solidarische Prozesse gekoppelte Wissensproduktion
ist die Herstellung von freier Software. Software selbst ist als ein Wissensderi-
vativ zu betrachten, als Ausfluss des kollektiven Wissens der an der Erzeugung
Beteiligten.
Für freie Software ist für die Nutzung unter bestimmten Bedingungen kein
Entgelt zu zahlen. Als Gegenstück gilt proprietäre Software, für deren Nutzung
in der Regel Lizenzgebühren anfallen. Das kostenfreie Zur-Verfügung-Stellen
von Applikationen durch eine Entwickler-Gemeinschaft scheint zunächst einer
marktwirtschaftlichen Logik enthoben. Innovationen – zumal im Technologie-
bereich – gelten als der wertvollste Bestandteil eines Unternehmens in der Wis-
sensökonomie. Sie sind Ausfluss eines umfassenden und gelungenen Wissens-
managements, das sich in Form von Produkten kapitalisiert und in Form von
Wissensrisikomanagement geschützt wird (vgl. Oberschmid 2009).
Untersucht werden die Gründe, warum ein diesem Marktmechanismus
scheinbar enthobener Innovationszyklus funktionieren kann und welche Gesetz-
mäßigkeiten des Feldes der freien Software-Produktion sich identifizieren lassen.
Wissensprozesse in digitalen Netzwerkstrukturen 51

Bisherige Ergebnisse der Analyse des heterogenen Feldes der Open-Source-Soft-


ware-Produktion zeigen, dass die digitalen Netzwerkmedien nicht nur die Kom-
munikationsinfrastruktur für die Wissensprozesse bereit stellen, sondern durch
diese erst entstanden sind.

6.1 Phänomene der Selbstorganisation bei der Entwicklung freier


Software
Entwicklergemeinschaften von freier Software sind in sozialer Hinsicht heteroge-
ne Gebilde. Eine Eigenschaft, die sie jedoch durchwegs auszeichnet, ist der Cha-
rakter der selbstorganisatorischen Entwicklung. Rund um Problemstellungen
entwickeln sich Gruppen von interessierten Personen, die bereit sind, Ressour-
cen in die Entwicklung zu investieren. Ein Blick auf die sozialen Gruppen, die
sich an einem derartigen Projekt beteiligen, weist auch darauf hin, dass die Moti-
vation, Zeit und Energie unentgeltlich zur Verfügung zu stellen, unterschiedlich
ist.
Zum einen spielt soziales Kapital in Form von Ansehen und Status eine gro-
ße Rolle. Engagierte und erfolgreiche Entwickler genießen innerhalb ihrer Com-
munities hohe Wertschätzung. Oft wird ihnen freiwillig ein besonderer Status
zuerkannt (friendly dictator), der ihnen bestimmte Rechte bei der Veröffentli-
chung von neuen Versionen einräumt, aber ebenso wieder von der Gemeinschaft
entzogen werden kann. Wie im Falle von Linus Torvalds, der 1991 das Betriebs-
system-Projekt Linux initiierte, kann das auch zu weltweitem Ruhm führen.
Vom sozialen Hintergrund können darunter Berufstätige sein, die in ihrer
Freizeit unentgeltlich Code für Programme schreiben. Eine zweite große Gruppe
bilden Studierende und Mitarbeiter von Universitäten, die entweder im Rah-
men des Lehrbetriebs Aufträge vergeben oder selbstverantwortlich produzieren.
Durch die Entscheidung von großen Softwareunternehmen wie IBM auf die
Entwicklung proprietärer Webserver zu verzichten, arbeiten auch Mitarbeiter
dieser Firmen an Projekten mit offenem Quellcode mit. Anhand von Analysen
dieses Feldes wird versucht, die selbstorganisatorischen Strukturen herauszuar-
beiten bzw. die Motivation der Akteure, an Wissensprozessen teilzunehmen, zu
erklären.
52 Robert Gutounig

Zitierte Literatur

Bateson, Gregory (2000): Steps to an Ecology of Mind, Chicago.


Bourdieu, Pierre (1998): Praktische Vernunft. Zur Theorie des Handelns. Aus dem
Franz. v. Hella Beister. Frankfurt/M.
Castells, Manuel (2004): Der Aufstieg der Netzwerkgesellschaft. Das Informationszeit-
alter I. Opladen.
Derrida, Jaques (1993): Falschgeld. Zeit geben I. München.
Eigner, Christian/Nausner, Peter (2003): Willkommen „Social Learning”! In: Graggober,
Marion/Ortner, Johann/Sammer, Martin (Hg.): Wissensnetzwerke. Konzepte, Er-
fahrungen und Entwicklungsrichtlinien. Wiesbaden, S. 389–429.
Götschl, Johann/Schinagl, Wolfgang (2003): Die “stürmische” Praxis des elektronischen
Zeitenbruchs. In: Franz Kreuzer/Wolfgang Mantl/Maria Schaumayer (Hg.): Gi-
gatrends. Erkundungen der Zukunft unserer Lebenswelt. Wien, Köln, Graz.
Götschl, Johann (2006): Selbstorganisation: Neue Grundlagen zu einem einheitlichen
Realitätsverständnis. In: Selbstorganisation. Ein Denksystem für Natur und Gesell-
schaft. Köln.
Gutounig, Robert [u. a.] (2007): Grundlagen des Wissensmanagements. In: Praxishand-
buch Wissensmanagement. Integratives Wissensmanagement. Graz.
Mauss (1990): Die Gabe. Form und Funktion des Austauschs in archaischen Gesell-
schaften. Frankfurt/M.
Mittelstrass, Jürgen (1998): Die Häuser des Wissens. Frankfurt.
Mittelstrass, Jürgen (2000): Schwere wissenschaftliche Träume oder: Von der theoreti-
schen Einheit zur praktischen Transdisziplinarität. In: Rechtshistorisches Journal
(19), S. 30–41.
North, Klaus (1998): Wissensorientierte Unternehmensführung. Wertschöpfung durch
Wissen. Wiesbaden.
Oberschmid, Hannes (2009): Risikoorientierung im Wissensmanagement. Graz.
Polanyi, Michael (1985): Implizites Wissen. Frankfurt/M.
Probst, Gilbert/Raub, Steffen/Romhardt, Kai (2006): Wissen managen: Wie Unterneh-
men ihre wertvollste Ressource optimal nutzen. 5. Aufl. Wiesbaden.
Schinagl, Wolfgang (2005): Wissensgenerierung im Kontext einer digital-pragmatischen
Rationalität. [masch.] Dissertation an der Karl Franzens Universität Graz.
Schneider, Ursula (2001a): Die 7 Todsünden im Wissensmanagement. Frankfurt
Schneider, Ursula (2001b): Rethinking and Retheorizing Tacit Knowledge. In: Rainer
Born; Otto Neumaier (Hg.): Philosophie – Wissenschaft – Wirtschaft. Miteinander
denken – voneinander lernen. Akten des VI. Kongresses der Österreichischen Ge-
sellschaft für Philosophie. Wien 2001, S. 557–573.
Shannon, Claude. E. (1948): A Mathematical Theory of Communication. In: The Bell
System Technical Journal, Vol. 27, S. 379–423, 623–656, Juli, Oktober.
Sveiby, Karl Erik (1998a): Wissenskapital. Das unentdeckte Vermögen. Landsberg/Lech.
Sveiby, Karl Erik (1998b): What is Information? <http://www.sveiby.com/articles/Infor-
mation.html> [Zugriff: 21.6.2009].
Wissensprozesse in digitalen Netzwerkstrukturen 53

Willke, Helmut (2001): Systemtheorie III: Steuerungstheorie. 3. Aufl. Stuttgart. (= UTB


für Wissenschaft: Uni-Taschenbücher 2047)
Wilke, Helmut (2004): Einführung in das systemische Wissensmanagement. Heidel-
berg.
Wittgenstein, Ludwig (1995): Tractatus logico-philosophicus. Werkausgabe Bd. 1. 10.
Aufl. Frankfurt/M.

Kurzbiographie
Mag. Robert Gutounig, geb. 1977, Studium der Germa-
nistik, Philosophie sowie Informations- und Wissensma-
nagement und Kulturmanagement an der Uni Graz sowie
an der Università degli studi di Siena (Italien); Abschluss
des Universitätslehrganges „Internationales Projektma-
nagement“. Lehraufträge für Wissensmanagement an der
Fachhochschule Campus02 und der Medizinischen Uni-
versität Graz. Derzeit Doktoratsstudium an der Uni Graz,
Doktorarbeit (bei Univ.-Prof.i.R. Dr. Johann Götschl):
Wissensprozesse in digitalen Netzwerkstrukturen. Dynami-
sche Gleichgewichte und Ungleichgewichte zwischen Anwen-
dungs- und Orientierungswissen.
Kontakt: gutounig@gmail.com