DSR Knowledge Class of Problems and Artefacts

•  Beschreibung eines Phänomens

•  Erklärung eines Phänomens

•  Prognose eines Phänomens

 Besteht aus Konzepten, Konstrukten, Terminologien, Definitionen, Vokabularien, Klassifikationen, Taxonomien u.a.

 Zum Beispiel HCI (Human Computer Interaction) bzw. Usability

->Beschreibung aber nicht Nachweis einer Existenz.

•  Beschreibt eine Realität (existierend oder vargangen)

•  Zusammenfassend, generalisierend und auch klassifizierend

-> Beschreibung aber auch hier, wird in aller Regel kein Existenznachweis geliefert.

•  Wieso und warum etwas funktioniert, wird mit erklärendem Wissen erläutert.

•  Nicht nur beschreibend, sondern erklärend.

-> Begründungen und Erläuterungen von Zusammenhängen werden festgehalten.

-> Es werden jedoch keine Prognosen abgegeben.

 Nur die korrekte Prognose zählt und wird erläutert, nicht jedoch, wie die erklärenden Zusammenhänge bzgl. des Phänomens aussehen.

 «Verständnis» ist nicht zentral, sondern einzig die akkurate Vorhersage. COCOMO Modell

 Händewaschen als Hygienemassnahme (Heute weiss man wieso dies nützt.)

-> Ergebnisse werden vorhergesagt, jedoch nicht erklärt.

• Liefert Erklärungen und kann Prognosen abgeben.
• TAM (Technology Acceptance Model)
• Händewaschen als Hygienemassnahme (Heute weiss man wieso dies nützt.)  In solchen Modellen (TAM) werden Zusammenhänge sowie Vorhersagen über Effektstärken gemacht.

•  In aller Regel aufgeteilt in ein Modell und eine Anwendung desselbigen.

•  SCRUM / XP

-> z.B. «Software iterativ entwickeln!»

•  Aufgezeichnetes Wissen

•  Anleitungen / «How-Tos»

•  Kann einfach von einer Person einer anderen Person zugänglich gemacht werden (z.B. Einsichtnahme oder Mail)

-> Nicht für alles Wissen geeignet (z.B. Velo oder Autofahren)

•  Schwer in Worte zu fassen

•  Schwer zu explizieren bzw. in eine Textform zu bringen.

•  Emotionen erkennen

•  Gesichtszüge erkennen / lesen

•  Bauchgefühl und Entscheide (im Gegensatz dazu Nutzwertanalyse [NWA])

•  Teil von physischen Objekten, Prozessen oder Strukturen.

•  Eine Brotbackmaschine läuft automatisch ab, da Wissen zum Backen in der Maschinesteckt.

•  Reverse Engineering versucht Artefakte oder physische Objekte zu verstehen und die verborgenen Funktionalität und Strukturen zu erkennen.

•  Personen (z.B. implizites Wissen)

•  Dokumenten / Handbüchern (z.B. explizites Wissen)

•  Routinen (4-Augenprinzip)

•  Technologie (Zutritt nur mit Badge)

•  Reverse Engineering versucht Artefakte oder physische Objekte zu verstehen und die verborgenen Funktionalität und Strukturen zu erkennen

-> Risiko, dass ein Artefakt kontraproduktiv ist, besteht, daher ist ein Einsatz von Design Science zu empfehlen, um am Artefakt solches Wissen abzuholen bzw. zu überprüfen, ob die Lösung auch den weniger zugänglichen Formen von Wissen genügt.