Metabetrachtungen: Zur Schnittmenge von Intuitivem Bogenschießen, Künstlicher Intelligenz und Management 4.0

Ende letzten Jahres habe ich einen WDR-Fernseh-Beitrag zur Bogenwerkstatt gesehen [1]. Dieser Beitrag hat meine verschüttete Kindheitsleidenschaft zum Bogenschießen wieder offengelegt. Seither übe ich mich mit großer Freude im sogenannten Intuitiven Bogenschießen [2]. Beim Intuitiven Bogenschießen bringt allein das „Körpergefühl und die Erfahrung des Schützen den Pfeil ins Ziel – rein intuitiv ohne Zieltechnik“. Intuitives Bogenschießen hat eine recht große Nähe zum japanischen Zen-Bogenschießen. – Das Buch des Philosophen Eugen Herrigel, der nach sechs! Jahren harten Übens (genüsslich zu lesen) seine Zen Bogenschieß-Prüfung ablegte gibt u.a. einen wunderbaren Eindruck von der Aussage „rein intuitiv ohne Zieltechnik“. – Die Fähigkeit sich an unterschiedliche Kontexte anzupassen, wird insbesondere beim 3D-Parcours Schießen im Gelände besonders herausgefordert.

Intuitives Bogenschießen wird auch als therapeutisches Bogenschießen in Kliniken eingesetzt. – Fokus, Adaption und Intuition sind zentrale Elemente des Intuitiven Bogenschießens. – Die begriffliche Nähe zum Management 4.0 ist offensichtlich. Ich werde später aufzeigen, dass auch eine Schnittmenge zur Künstlichen Intelligenz mittels Deep Learning gegeben ist.

Vor kurzem hatte ich die Gelegenheit und das Glück an einem dreitägigen Kurs zum Thema Deep Learning mittels Tensorflow teilzunehmen [4]. Tensorflow ist die von google u.a. über colab.research.google.com zur Verfügung gestellte Plattform für das Erstellen von Deep Learning Systemen der Künstlichen Intelligenz. – Das Eintauchen in diese und weitere Plattformen des Machine Learnings (ML) ist überwältigend: Es ist kein Programmieren mehr im mir bisher bekannten Sinne, sondern entspricht eher dem Design und Konfigurieren von Systemen auf sehr hohem Abstraktionsniveau. – Den erreichten (globalen) Fortschritt im ML konnte ich mir bisher in dieser nahezu „unendlichen Fülle“ nicht vorstellen. Deep Learning ist eine Form von technischer Selbstorganisation – das Design und die Konfiguration dienen der Ausgestaltung der Selbstorganisationsparameter des neuronalen Netzwerkes; und damit ist der Bezug zu Management 4.0 schon erkennbar.          

Vor einem Jahr haben wir in der Fachgruppe Agile Management eine Arbeitsgruppe ins Leben gerufen, die sich mit der Anwendung von Künstlicher Intelligenz im Projekt Management beschäftigt: Helge Nuhn hat kürzlich einen Übersichtsartikel zu Stand und Potential der Nutzung von Artificial Intelligence Systemen (AI Systemen) in temporären Organisationen und im Projekt Management erstellt [5].

In allen drei Bereichen – Intuitivem Bogenschießen, Künstlicher Intelligenz und Management 4.0 – ist Lernen das Schlüsselelement, um das System Mensch, das technische System Neuronales Netzwerk und das soziale System Team oder Organisation auf das Umfeld, also auf den jeweiligen Kontext, auszurichten.

In dem Standardwerk zu Machine Learning (ML) von Aurélien Géron charakterisiert er maschinelle Lernverfahren u.a. durch die Gegenüberstellung von Instanzbasiertem Lernen und Modellbasiertem Lernen: Instanzbasiertes Lernen ist dem Auswendiglernen sehr nahe. – Die Maschine lernt vordefinierte Objekt-Beispiele (Instanzen) einfach auswendig und wendet ein sogenanntes Ähnlichkeitsmaß zum Identifizieren von neuen Objekten (Instanzen) an. Ist die Ähnlichkeit hoch genug werden die neuen Objekte maschinell den vordefinierten Klassen zugeordnet. Instanzen können spezifische Kunden, Äpfel, eMails usw. sein. Das Ähnlichkeitsmaß wird über Regeln definiert und wird im „klassischen“ Sinne programmiert. – Die Regeln stellen eine äußerst einfache Form eines von außen (durch den Programmierer) vorgegebenen Modells dar. Das eigentliche Modellbasierte Lernen funktioniert jedoch völlig anders: Einem System werden Beispieldaten übergeben und das System entwickelt hieraus ein Modell und dieses Modell wird zur Vorhersage verwendet. Das Modellbasierte Lernen ist also dem wissenschaftlichen Vorgehen bei der Entwicklung von Erkenntnissen nicht unähnlich. Deep Learning lässt sich nach dem mehr oder weniger an Selbständigkeit beim AI-Lernen unterscheiden: Supervised Learning, Unsupervised Learning und Reinforcement Learning.

Zwischen Instanzbasiertem Lernen und Modellbasiertem Lernen liegt ein fundamentaler Unterschied. – Dies wird in dem Moment offensichtlich, wenn ich die Verbindung zum Management 4.0 und dem Lernen im einfachen oder komplizierten Kontext und dem Lernen im komplexen Kontext ziehe. Das Instanzbasierte Lernen ist das Lernen an Best Practice, also an Beispiel-Objekten wie einem Beispiel-Projekt oder an einem Beispiel-Verfahren. Das Ähnlichkeitsmaß ist in diesem Fall die Nähe zur eigenen Praxis: Der Lernende sucht nach einem Projekt, das möglichst zu seiner bisherigen Praxis passt. Dies kann heißen, dass Beispiele aus anderen Branchen nicht akzeptiert werden, dass nur dann das Beispiel passt, wenn der Lernende davon ausgeht, dass im Best Practice ein ähnliches Mindset vorliegt oder dass der WIP (Work-in-Progress) wie in der eigenen Organisation ähnlich groß ist, usw…. In jedem Fall wird der Projektkontext des Best Practices nur ungenügend abgebildet, es findet keine oder eine nur sehr geringe Abstraktionsleistung statt und die Übertragbarkeit ist deshalb mehr als fraglich.

Lernen im Management 4.0 ist Modellbasiertes Lernen. Instanzen sind nicht die Basis des Lernens, allenfalls um zu zeigen, dass man mit dem Modell sehr gut Probleme (Instanzen) lösen kann, die man vorher noch nie gesehen hat. – Falls das Modell jedoch nicht erfasst wird, erzeugt dies bei einem an Instanzbasiertes Lernen gewöhnten Menschen keine Erkenntnis: Da das Modell sich nicht erschließt, erschließt sich auch nicht die Lösung; Modell und Lösung sind unpraktisch.         

Mit dieser Erkenntnis sehr eng verbunden ist das sogenannte „Overfitting“ im ML: Man kann ein Neuronales Netz extrem gut mit einem gewaltig großen Datensatz (zum Beispiel Tier-Bildern) trainieren. – Die ermittelte Trefferrate ist fantastisch, so lange Bilder aus dem Trainingsdatensatz verwendet werden. – Trotzdem versagt das Netz bei einem bisher unbekannten Bild die Hundeart Spitz zu erkennen, und verortet den Spitz als Tyrannosaurus Rex. Der Kontext in dem der Spitz gezeigt wurde, war anders als bei den Trainingsdaten: Das AI-System konnte aufgrund der geringen Datenvariabiltät kein hinreichend abstraktes Modell ausbilden, um den Spitz in einem andersartigen Kontext zu erkennen. – Das Modell war sozusagen im Instanzbasierten Lernen hängen geblieben.

Beim Bogenschießen machte ich eine ähnliche Erfahrung im Selbsttraining: Ich stellte mich mit sehr vielen Schüssen (und ich meine hunderte, wenn nicht tausende Schüsse) auf einen bestimmten Kontext ein und die Trefferrate war sehr gut! – Eugen Herrigel beschreibt in seinem Buch wie er 4 Jahre aus einem Meter Distanz zum Ziel die Rituale des Zen-Bogenschießens einübt, um dann ad hoc mit einer 60 Meter Distanz konfrontiert zu werden, an der er über Monate kläglich scheiterte.

Bogenschießen unterliegt vielen, wahrscheinlich einigen hundert Parametern: Einer der offensichtlichen Kontext-Parameter ist die Entfernung zum Ziel. Änderte ich in der Anfangszeit die Entfernung ging meine Trefferrate deutlich runter. Ich hatte meine Intuition, mein Gehirn (d.h. mein neuronales Netzwerk), mittels Instanzbasiertem Lernen trainiert. Mit der Hinzunahme weiterer Entfernungen im 3D-Parcours wurde meine Trefferrate immer schlechter, um nicht zu sagen chaotischer. Mein Gehirn hat es aufgrund der vielen Parameter nicht geschafft, von allein eine Intuition, also ein mentales Modell, auszubilden, das mir zu einer besseren Trefferrate verhilft. Bei künstlichen Neuronalen Netzwerken hat man eine ähnliche Beobachtung gemacht: AI-Systeme können ebenfalls „Frustration“ ausbilden, sei es, dass sie in einem System-Zustand verharren oder „chaotische“ Reaktionen zeigen.  

Die Trefferrate wurde erst wieder deutlich besser als ich meiner Intuition auf die Sprünge half. Ich dachte mir ein einfaches Modell aus: Dieses Modell beruht auf der Erkenntnis, dass der Pfeilflug eine Wurfparabel beschreibt. Man spricht auch von ballistischem Schießen. Ist die Distanz gering (ca. 20 m) merkt man vielfach nichts von dieser Wurfparabel. – Vielfach bedeutet, dass die anderen Parameter, wie zum Beispiel Pfeilgewicht, Bogenstärke, usw. dies ermöglich. Im Falle meines Bogens und meiner Pfeile wird die Wurfparabel ab 20 m immer stärker sichtbar. Das Modell lautet aktuell: Richte den Pfeil in einer geraden Linie auf das Ziel aus, auch wenn es 30 oder 40 Meter entfernt ist, schätze die Entfernung und hebe den Bogen in Abhängigkeit von der Entfernung leicht an. Leicht anheben bedeutet maximal 1-2 Winkelgrad. – Ein Winkelgrad kann durchaus im Ziel eine Abweichung von 50 cm oder mehr hervorrufen. – Also eine ziemliche Anforderung an Intuition und Motorik. Seit ich mit diesem Modell (das noch etwas umfangreicher ist, und weitere Parameter wie zum Beispiel das Pfeilgewicht berücksichtigt) schieße, hat sich die Trefferrate wieder deutlich verbessert und meine Adaptionsfähigkeit ist wesentlich gestiegen.      

Der Neurobiologe Henning Beck beschreibt in [7] wie unser Hang zur Ordnung im Lernen, also zum Instanzbasierten Block-Lernen uns „behindert“:

„Stellen Sie sich vor, Sie sind Lehrer an einer Kunstschule und wollen Ihren Kursteilnehmern den typischen Malstil von van Gogh, Monet und Cezanne vermitteln, wie gehen Sie vor? Oder umgedreht gefragt: Sie sollen für eine Prüfung lernen, was das Typische an den Bildern der drei Künstler ist, was würden Sie tun? Würden Sie sich Bilder der Maler anschauen? Ins Museum gehen, die Bilder vielleicht sogar nachmalen? …

…Eine Gruppe lernte genau nach obiger Blockabfertigung: Zunächst sah man sich eine Reihe von Bildern des ersten Künstlers an, machte dann eine kurze Pause, bevor die Bilder des Künstlers Nummer zwei folgten. Bei der anderen Gruppe machte man etwas anderes: Man zeigte die Bilder aller Künstler durcheinandergemischt, machte dann eine Pause und zeigte anschließend eine neue Runde durchmischter Bilder. Was für ein heilloses Durcheinander! So verliert man doch total den Überblick! …

…Das Ergebnis der Studie war jedoch erstaunlich: Ging es in dem anschließenden Test darum, ein zuvor gezeigtes Bild zu erkennen, dann schnitt die erste Gruppe, die blockweise gelernt hatte, besser ab. Ging es jedoch darum, ein neues, zuvor nicht gezeigtes Bild korrekt zuzuordnen, dann war Gruppe zwei mit den durchmischten Bildern besser. Denn diese Gruppe hatte die Bilder nicht nur auswendig gelernt, sondern auch das Typische der Malstile verstanden…

…Im obigen Malstilexperiment gaben drei Viertel der Teilnehmer an, das blockweise Lernen führe zu einem besseren Verständnis der Malstile – selbst nachdem man den finalen Test gemacht hatte, war die Mehrheit überzeugt, weiterhin blockweise lernen zu wollen.“

Ich habe Henning Beck hier so ausführlich zitiert, weil ich das „…Durchmischen von Lerninhalten, …das „Interleaving“…“ seit vielen Jahren in meinen Management 4.0 Trainings anwende und auch dort die Erfahrung mache, dass 50-75% der Teilnehmer das Block-Lernen bevorzugen. – Wie oben geschildert, geht blockweises Lernen mit dem Unvermögen einher, mentale Modelle zu erstellen, die sich auf neue Kontexte adaptiv einstellen. – Dies ist eine zentrale Fähigkeit um Komplexität zu meistern, also dem Handeln unter Unsicherheit und Unüberschaubarkeit.   

Meine Erfahrungen, sei es im Selbst-Training beim Bogenschießen, beim Erstellen von AI-Systemen oder in meinen Management 4.0 Trainings, zeigen, dass die Schnittmenge in diesen drei vordergründig disjunkten Bereichen keineswegs Null ist. – Die hier skizzierten Metabetrachtungen helfen, Einzel-Disziplinen besser zu verstehen, vernetzte Erkenntnisse zu gewinnen und Meta-Lernen anzuregen.

 

[1] Hörnchen D (2021) Die Bogenwerkstatt, https://www.die-bogenwerkstatt.de/, zugegriffen am 15.09.2021

[2] Wikipedia (2021) Traditionelles Bogenschießen, https://de.wikipedia.org/wiki/Traditionelles_Bogenschie%C3%9Fen, zugegriffen am 15.09.2021

[3] Herrigel E. (2010) Zen in der Kunst des Bogenschießens

[4] Zeigermann O (2021) Introduction Deep Learning to Deep Learning with Tensorflow 2, zeigermann.eu, embarc.de/oliver-zeigermann, ein Training der oose.de

[5] Nuhn H (2021) Organizing for temporality and supporting AI systems – a framework for applied AI and organization research, Lecture Notes in Informatics, GI e.V

[6] Géron A (2020) Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und Tesnorflow, O’Reilly, 2. Auflage

[7] Beck H (2021) Die Crux mit der Ordnung, in managerSeminare 276, März 2021, https://www.managerseminare.de/ms_Artikel/Schlauer-lernen-Die-Crux-mit-der-Ordnung,281117, zugegriffen am 15.09.2021

Management 4.0 und Megatrends: Konnektivität, New Work, Wissenskultur

Vor Kurzem haben sich die Fachgruppenleiter der GPM Deutschen Gesellschaft für Projektmanagement getroffen. Ein wesentlicher Arbeitsschwerpunkt war die Auswirkungen der Megatrends für das Projektmanagement. Von den vom Zukunftsinstitut definierten Megatrends [1] werden insbesondere die Megatrends Konnektivität, New Work und Wissenskultur als wichtig für das Projektmanagement wahrgenommen.

Das Zukunftsinstitut schreibt hierzu [1]:

„Konnektivität ist der wirkungsmächtigste Megatrend unserer Zeit. Das Prinzip der Vernetzung dominiert den gesellschaftlichen Wandel und eröffnet ein neues Kapitel in der Evolution der Gesellschaft. Digitale Kommunikationstechnologien verändern unser Leben grundlegend, reprogrammieren soziokulturelle Codes und lassen neue Lebensstile und Verhaltensmuster entstehen. Um diesen fundamentalen Umbruch erfolgreich zu begleiten, brauchen Unternehmen und Individuen neue Netzwerkkompetenzen und ein ganzheitlich-systemisches Verständnis des digitalen Wandels.

…New Work beschreibt einen epochalen Umbruch, der mit der Sinnfrage beginnt und die Arbeitswelt von Grund auf umformt. Das Zeitalter der Kreativökonomie ist angebrochen – und es gilt Abschied zu nehmen von der rationalen Leistungsgesellschaft. New Work stellt die Potenzialentfaltung eines jeden einzelnen Menschen in den Mittelpunkt…

Der Megatrend Wissenskultur wirkt ungebrochen. Insbesondere das Zusammenspiel mit dem Megatrend Konnektivität verändert unser Wissen über die Welt und die Art und Weise, wie wir mit Informationen umgehen. …Komplexere, unvorhersehbare Anforderungen auf dem Arbeitsmarkt und neue, kollaborative Formen der Wissensaneignung verlagern zudem den Fokus: hinzu lebenslangem Lernen…“

Zur Wissenskultur gehört das Thema Lernen und hier insbesondere die durch die Digitalisierung noch zu erwartenden Veränderungen. Ich war deshalb im Januar auf der LearnTec in Karlsruhe [2]. Schwerpunkt auf dieser Konferenz und Messe ist das Thema Digitalisierung des Lernens. Zu den digitalen Techniken gehören Lernmanagementsysteme, Augmented Reality, Virtual Reality, Diverse Chat Bot Techniken, Sprachübersetzungstechniken sowie Spiele, die Lernen unterstützen (Gamification). Die LearnTec Messe hatte dieses Jahr in Karlsruhe zwei große Hallen belegt und nächstes Jahr soll alleine für den Bereich Schule eine Halle neu hinzukommen.

Auf der Konferenz war Artifical Intelligence das dominante Thema. – Bei den Ausstellern auf der Messe war es noch nicht wirklich ein Thema. Verschiedene Vortragende waren sich einig, dass AI based learning in den nächsten Jahren kommen wird. – Hierzu zählen dann auch Training Bots und Coaching Bots. Für eine Zusammenstellung von Unternehmen, die hier an vorderster Front sind, verweise ich auf [3]. Das Thema Smart Learning Environment geht noch einen Schritt weiter: Lernräume werden mit Sensoren und Actoren ausgestattet, die das Lernen über von digitalen Systemen wahrgenommene Verhaltensweisen ( z.B. längeres Verweilen bei einem Satz oder (Fremd-) Wort, Augenbewegungen, Hautfärbung oder ähnliches) monitoren, den Lernenden auf dieser Basis individuell führen und dem Lehrer, Trainer oder Coach über People Analytics Informationen Eingriffsmöglichkeiten geben.

Bosch arbeitet an entsprechenden Lernumgebungen und von der TU Kaiserlautern wurde ein sehr beeindruckender Prototyp für das multimediale Lernen im Physikunterricht vorgestellt. – Je nachdem was die Sensoren mittels KI ermitteln, stellen Actoren die Lerninhalte ad hoc zusammen. Der Lehrer oder Trainer kann eingreifen, muss es aber nicht. Zusätzlich werden Informationen zu typischen Lernmustern aller Lernenden bereitgestellt.

Mittels „Leuchtürmen“, sogenannten Beacons oder Beacon-ähnlicher Technologie können Räume weiter smart gemacht werden. – Dies erlaubt u.a. die individuelle oder projektspezifische Bereitstellung von Informationen sobald Räume betreten oder verlassen werden [4].

Interaktionsräume für agile Projektteams könnten mit ähnlichen Techniken entsprechend weiter „aufgerüstet“ werden. – Ähnliche Ideen hierzu sind im Bereich People Analytics schon relativ alt (man siehe hierzu meinen Blog [5]), erfreuen sich aber in Datenschutz-orientierten Gesellschaft bisher (noch!) weniger Freunde.- Auch hier werden sich vermutlich Smart Working Environments oder Smart Project Environments etablieren. – Spätestens hier muss klar werden, dass Datenschutzgesetze alleine nicht ausreichen, sondern eine ganzheitliche Ethik gefordert ist, die nicht auf „Verliebtsein in Innovation, Erfolg und Geld“ ausgerichtet ist.

Der Jobfuturomat des Instituts für Arbeitsmarkt- und Berufsforschung der Bundesagentur für Arbeit [6] weist für Projektleiter einen Digitalisierungsanteil von ca. 33 % aus, für Manager einen Anteil von 25%. Details der Analyse sind leider nicht transparent verfügbar. – So wird nicht wirklich klar, ob damit z.B. 33% der Projektleiteraktivitäten durch die Digitalisierung ersetzt wird oder 33% durch die Digitalisierung verändert wird. – Es ist von Automatisierung die Rede.
Mediatoren, Verhaltenstrainer/Kommunikationstrainer sollen hiernach einen Digitalisierungsgrad von 0% haben. – Die LearnTec lässt auch für diese letzte Berufsgruppe vermuten, dass sich das Berufsbild auch dieser Gruppe durch die Digitalisierung völlig verändern wird und enorme Möglichkeiten der Machtausübung damit verbunden sind.

Damit die Digitalisierung, wie Scobel sagt, nicht zu einer weiteren Entfremdung führt [7] oder wichtige Techniken der Selbstführung, wie diejenige der Achtsamkeit oder Meditation missbraucht werden [8], ist es notwendig, die Megatrends durch eine tiefgreifende Werteorientierung oder Ethik zu regulieren. Unreguliert führen sie zu vermeintlich schönen Hüllen: New Work ist nämlich nicht in erster Linie die Gestaltung von neuen mobilen, smarten oder work-life-balance Arbeitsumgebung, sondern wie wir im Management 4.0 sagen, eine an den menschlichen Grundbedürfnissen ausgerichtet Arbeit, bei der die Sinnfrage in jeder Hinsicht den nachhaltigen Bezugsrahmen setzt. – Im vorherigen Blog habe ich hierfür den Begriff Glück verwendet. – Unternehmen, die die Systemparameter des Unternehmens nicht so ausrichten, dass sie damit aktiv zum Glück der Mitarbeiter beitragen, praktizieren kein New Work [9,10].

Deshalb praktizieren Fluide Organisationen 4.0 Selbstorganisation und! wollen sich bewusst in Richtung einer Ethik mit türkisenen value-Memen entwickeln (d.h. insbesondere: ganzheitlich, nachhaltig, menschlich, naturverbunden). Man siehe hierzu meinem Blog [11] und auch den Beitrag „Interaction Patterns for the Digital Transformation“ in [9].

Schon Marx hat die Mechanismen der Selbstorganisation erkannt [12] und diagnostiziert, dass diese Mechanismen im 19ten Jahrhundert nicht an den menschlichen Grundbedürfnissen ausgerichtet waren. An verschiedenen Stellen im Blog habe ich darauf hingewiesen, dass die Selbstorganisation ein universelles Phänomen ist und damit nicht zwischen Gut oder Böse unterscheidet. Wie die Achtsamkeit auch, benötigt die Selbstorganisation eine Ethik.- Es ist also wichtig, zwischen der Selbstorganisation und einem ethischen Rahmen zu unterscheiden. Wenn wir von Selbstorganisation 4.0 sprechen, dann meinen wir eine Selbstorganisation, die auf den universellen Prinzipien beruht und die türkisenen value-Meme lebt. Diese Ethik wird umso wichtiger, als die Selbstorganisation mittels smarter Techniken unterstützt wird!

Wie ich im Blog über Davos [13] skizziert habe, sind meines Erachtens die Top-Führungskräfte der europäischen Unternehmen und Politik sowohl von dem Verständnis der Selbstorganisation als auch dem einer türkisenen Ethik sehr weit entfernt. Und damit schließt sich der Kreis wieder: Die Potentiale, die sich durch die Megatrends Konnektivität, New Work und Wissenskultur ergeben, können nicht gehoben werden. – Es besteht vielmehr das Risiko, dass die Megatrends unter diesen Bedingungen zur Gefahr für den gesellschaftlichen Zusammenhalt werden.   

 

[1] Zukunftsinstitut (2020) https://www.zukunftsinstitut.de/dossier/megatrends/, zugegriffen am 27.02.2020

[2] Leantec (2020) https://www.learntec.de/de/, zugegriffen am 27.02.2020

[3] AI in education (2020) https://builtin.com/artificial-intelligence/ai-in-education, zugegriffen am 27.02.2020

[4] Beacon (2020) https://de.ryte.com/wiki/Beacon, zugegriffen am 27.02.2020

[5] Oswald Alfred (2019) #PAFOWLondon – People Analytics & Future of Work – Deutschland, wo bist Du?, https://agilemanagement40.com/pafowlondon-people-analytics-future-of-work-deutschland-wo-bist-du

[6] Institut für Arbeitsmarkt- und Berufsforschung der Bundesagentur für Arbeit (2020) https://job-futuromat.iab.de/, zugegriffen am 27.02.2020

[7] Scobel Gert (2020) Marx – wie sieht Entfremdung heute aus?, https://www.youtube.com/watch?v=FWhszTgMdec, zugegriffen am 27.02.2020

[8] Scobel Gert (2020) Achtsamkeit kann auch gefährlich sein, https://www.youtube.com/watch?v=QukUtDNeQ1I, zugegriffen am 27.02.2020

[9] Oswald A, Müller (Hrsg.) (2019) Management 4.0 – Handbook for Agile Practices, Release 3, BoD Verlag, Norderstedt

[10] Lutze Matthias, Schaller Philipp D., Wüthrich Hans A. (2019) New Work, Zurück in die Zukunft der Motivation, Zeitschrift Führung +Organisation 6/2019

[11] Oswald Alfred (2019) Projekte neu gedacht: Entwicklungsstufen, Selbstorganisation und Co-Evolution, https://agilemanagement40.com/projekte-neu-gedacht-entwicklungsstufen-selbstorganisation-und-co-evolution, zugegriffen am 27.02.2020

[12] Oswald Alfred (2018) Karl Marx und die Theorie der Selbstorganisation, https://agilemanagement40.com/karl-marx-und-die-theorie-der-selbstorganisation

[13] Oswald Alfred (2020) Vom Davos-Kindergarten der Führung, oder…Vom Systemwandel und der globalen Revolution der Führung!, https://agilemanagement40.com/vom-davos-kindergarten-der-fuehrung-odervom-systemwandel-und-der-globalen-revolution-der-fuehrung, zugegriffen am 27.02.2020