Lade Inhalt...

Kollektive Intelligenz im Innovationsmanagement

Erstellung eines integrativen Erfolgsfaktorenmodells

Masterarbeit 2016 125 Seiten

Medien / Kommunikation - Medienökonomie, -management

Leseprobe

Inhaltsverzeichnis

Inhaltsverzeichnis. 4

Abkürzungverzeichnis. 7

Abbildungsverzeichnis. 9

Tabellenverzeichnis. 10

1 Einführung. 11
1.1 Problemstellung. 11
1.2 Aktueller Forschungsstand. 12
1.3 Zielsetzung. 14
1.4 Forschungsmethodik. 15
1.5 Aufbau der Arbeit 16

2 Definitionen und Grundlagen. 18
2.1 Kollektive Intelligenz. 18
2.2 Innovation im betriebswirtschaftlichen Kontext 21
2.3 Gewonnene Erfolgsfaktoren. 23

3 Closed Innovation: Das klassische Innovationsmanagement. 24
3.1 Aufgaben und Ziele des Innovationsmanagements. 24
3.2 Der klassische Innovationsprozess. 25
3.3 Schwächen des klassischen Innovationsmanagements. 28

4 Soziale Systeme als Voraussetzung von Open Innovation. 31
4.1 Komplexität und Vernetzung in sozialen Systemen. 31
4.2 Die Systemtheorie: Theorie dynamischer Systeme. 32
4.3 Netzwerke: Kommunikation in Systemen?. 34
4.4 Gewonnene Erfolgsfaktoren. 36

5 Kollektive Intelligenz im Unternehmen durch Open Innovation. 37
5.1 Das Open-Innovation-Modell und dessen Kernprozesse. 37
5.2 Die Rolle der kollektiven Intelligenz. 41
5.2.1 Nicht interagierende Kollektive. 41
5.2.2 Interagierende Kollektive. 42
5.3 Rahmenbedingungen für Open Innovation. 45
5.3.1 Agile Führung. 45
5.3.2 Online-Plattformen. 47
5.4 Gewonnene Erfolgsfaktoren. 50

6 Externe Akteure als Antrieb für Innovation. 53
6.1 Instrumente zur Integration von externen Akteuren. 53
6.2 Internetbasierte Kundenintegration. 55
6.3 Crowdsourcing. 56
6.3.1 Funktion. 56
6.3.2 Der Crowdsourcing-Prozess. 57
6.3.3 Vorteile und Risiken. 58
6.3.4 Motivation des Kollektivs beim Crowdsourcing. 60
6.3.5 Praxisbeispiele. 63
6.4 Lead User 70
6.4.1 Funktion. 70
6.4.2 Der Lead-User-Prozess. 72
6.5 Netnography. 73
6.6 Gewonnene Erfolgsfaktoren. 75

7 Öffnung der internen Innovationskanäle. 78
7.1 Aktive Gestaltung einer Open-Innovation-Kultur 78
7.2 Förderung von Mitarbeiterkompetenzen. 80
7.3 Social Forecasting als Instrument zur Öffnung der internen Kanäle. 82
7.3.1 Funktion. 82
7.3.2 Praxisbeispiele. 83
7.4 Weitere Methoden zur Öffnung der internen Kanäle. 84
7.5 Gewonnene Erfolgsfaktoren. 86

8 Integratives Erfolgsfaktorenmodell 88
8.1 Methodik. 88
8.2 Gewichtung der Erfolgsfaktoren. 90
8.3 Erfolgsfaktorenmodell 113

9 Schlussbetrachtung. 118
9.1 Zusammenfassung der Ergebnisse und kritische Würdigung. 118
9.2 Fazit und Ausblick. 119

Literaturverzeichnis. 121

1 Einführung

1.1 Problemstellung

Damit Unternehmen im globalen Wettbewerb bestehen können, sind Innovationen unverzichtbar. Wie die Wirtschafts- und Beratungsgesellschaft PwC in der Studie „Innovation ‒ Deutsche Wege zum Erfolg“ festgestellt hat, sind dieser Meinung 83 % von 213 befragten Unternehmen aus 25 Ländern (Gackstatter et al. 2015:5). Innovative Unternehmen generieren mehr Umsatz, können schneller wachsen, in neue Innovationsvorhaben investieren und sind nachhaltig erfolgreicher (Gackstatter et al. 2015:1). Wirtschaftlicher Erfolg basiert somit auf Innovationen und umgekehrt (Stern/Jaberg 2010:27). Aus diesem Grund müssen Unternehmen Möglichkeiten finden, wie sie Innovationen generieren können, welche genau auf die Bedürfnisse am Markt zugeschnitten sind. Eine dieser Möglichkeiten ist die Nutzung von kollektiver Intelligenz. Hierbei können Gedanken und Ideen von verschiedenen Akteuren, z. B. Kunden, in den Innovationsprozess eines Unternehmens mit einbezogen werden.

Die Unternehmen PundG, Swarovski und Tchibo, um nur einige zu nennen, nutzen kollektive Intelligenz bereits erfolgreich, indem sie zusammen mit ihren Kunden Ideen für neue Produkte generieren. Dieser Einbezug von unternehmensexternen Personen ist Teil des sogenannten Open-Innovation-Ansatzes, der sich durch eine Öffnung des Innovationsmanagements auszeichnet. Bereits 82 % der Experten schätzen solch offene Innovationsstrukturen für die wirtschaftliche Entwicklung Deutschlands als sehr oder äußerst wichtig ein (Münchner Kreis et al. 2010:80).

Wie auch die Studie „Managing Open Innovation“ des Fraunhofer Instituts aus dem Jahr 2013 zeigt [1], gewinnt der Open-Innovation-Ansatz im Innovations-management zunehmend an Bedeutung in der Praxis, denn 82 % der befragten Unternehmen berichten, dass sie Open Innovation intensiver praktizieren als noch vor drei Jahren. Keines der befragten Unternehmen hat bisher den Ansatz der Open Innovation als Teil seiner Innovationsstrategie verworfen. Trotzdem sind sie mit der praktischen Umsetzung nicht zufrieden. Vor allem ist der Prozess, die Unternehmenskultur von Closed Innovation zu Open Innovation zu ändern, ein sehr großes Hindernis, das es zu bewältigen gilt (Chesbrough/Brunswicker 2013:2).

Dass das Thema „Open Innovation“ nicht nur in der Literatur, sondern auch am Markt relevant ist, wird bei der Analyse von Google Trends deutlich, wo ein markanter Anstieg des Interesses zu erkennen ist. Diese Aussage stützt sich auf die Analyse der Suchanfragen zu den konkreten Begrifflichkeiten:

Der Begriff „Innovation“ stößt seit Jahren auf gleich hohes Interesse. Die Suchanfragen beim Begriff „Kollektive Intelligenz“ konnten laut Google Trends nicht gemessen werden, jedoch findet der Begriff „Schwarmintelligenz“ seit 2009 große Beachtung. „Crowdsourcing“ hatte seinen Höhepunkt in den Suchanfragen im Jahr 2014. Bis dahin ist ein nahezu gleichbleibender Anstieg zu erkennen. Laut Google Trends steigt die Suchanzahl des Begriffs „Open Innovation“ seit 2005 kontinuierlich an, sie war im November 2012 auf ihrem höchsten Stand ‒ Google Trends drückt den höchsten Stand in der absoluten Zahl 100 aus ‒ und ist seitdem weiterhin auf einem sehr hohen Niveau (Stand 01.12.2015: 90). [2] Zum Vergleich: 2004 waren die Suchanfragen zu „Open Innovation“ noch beim Stand null. Dies bestätigt die große Relevanz, sich mit dem Thema der kollektiven Intelligenz im Innovationsmanagement im Rahmen der Open Innovation auseinanderzusetzen.

1.2 Aktueller Forschungsstand

Im Jahr 2003 verfasste der amerikanische Wirtschaftswissenschaftler Henry Chesbrough das Buch „Open Innovation: The New Imperative for Creating and Profiting from Technology“, und er gilt seither als Wegbereiter dieses Innovationsprozesses. Zudem verfasste er diverse Artikel in Fachzeitschriften, wie beispielsweise in der MIT Sloan Management Review.

Seit Chesbroughs Buchveröffentlichung wird der Open-Innovation-Ansatz in der Literatur unterschiedlich aufgefasst. Die meisten Autoren sehen darin nur die Öffnung der Unternehmensgrenzen nach außen, also die Einbeziehung externer Akteure, wie beispielsweise beim Crowdsourcing (z. B. Franken, Prokaska, Gassmann). Andere wiederum schließen auch die interne Öffnung der Innovationskanäle im Unternehmen mit ein (z.B. Reichwald/Piller).

Diese Arbeit sieht in der Öffnung des internen Managements einen der Hauptaspekte und die Basis von und für Open Innovation und verwendet den Begriff sowohl für die interne als auch die externe Öffnung des Innovationsmanagements.

Bisher fehlt in der Literatur ein integrativer Ansatz, der die Bedingung für erfolgreiche Open Innovation vor allem in der Verknüpfung von internen mit externen Akteuren sieht. Außerdem werden die verschiedenen Anwendungen und Methoden der Open Innovation, wie z. B. Crowdsourcing, bislang nur insulär betrachtet und lediglich als Ergänzung zum klassischen Innovationsmanagement gesehen. Das Potenzial der kollektiven Intelligenz ist deshalb noch nicht ausgeschöpft. Zudem fehlen konkrete Handlungsvorschläge. Diese Forschungslücke gilt es zu schließen.

Es lässt sich der Literatur entnehmen, dass Unternehmen bisher zwar das Instrument der Kundenbefragung nutzen und ihre eigene Lieferantenkette mit einbeziehen. Doch werden weiterhin Crowdsourcing und internetbasierte Innovation vernachlässigt, obwohl wissenschaftliche Studien der Plattform InnoCentive zeigen, dass die meisten Problemlösungen von Experten kommen, die nicht aus der Branche des Unternehmens stammen, das den Auftrag erteilt (Enkel 2011:417). Die PwC-Studie bestätigt die Erkenntnis von InnoCentive: Im Bereich Produktinnovation ist Deutschland im Gegensatz zu anderen Ländern erfolgreicher, in manchen Bereichen hinkt es jedoch hinterher [3]. Deutsche Unternehmen fokussieren sich auf die Innovationsbereiche Produkte und Technologie. Das hängt nach Gackstatter et al. damit zusammen, dass sie vorwiegend mit wissenschaftlichen Einrichtungen zusammenarbeiten und dass an Universitäten eher Grundlagenforschung betrieben wird. Sie schlagen eine stärkere Zusammenarbeit mit Kunden und Wettbewerbern vor, damit das Innovationsergebnis marktnäher wird (2015:14). Genau an diesem Punkt setzt diese Masterthesis an.

Trotz des Mangels an Bereitschaft, Geschäftsmodellinnovationen zu generieren, wird in dieser Arbeit der Fokus auf die Produktinnovationen gelegt, da diese Art von Innovationen in Deutschland am meisten betrieben wird und, wie bereits beschrieben, noch weiterer Forschung bedarf.

Betrachtet wird vorrangig der B2C-Markt. Das bedeutet, der Innovations-prozess findet zwischen dem Unternehmen und Privatpersonen statt oder aber im Unternehmen selbst (Leopold 2015:11). Es stehen neue internetbasierte Formen, insbesondere das Crowdsourcing und seine Ausprägungen, im Sinne einer Interaktionsbeziehung zwischen Unternehmen und Privatpersonen im Vordergrund.

Der B2B-Markt erschließt natürlich weitere Möglichkeiten, die im Rahmen dieser Arbeit jedoch nicht analysiert werden können.

1.3 Zielsetzung

Die eben beschriebene Themenabgrenzung führt zu der Zielsetzung, die im Zusammenhang mit dem Thema der kollektiven Intelligenz im Innovationsmanagement verfolgt wird.

Als Unterfragen gilt es zu untersuchen: Was besagt das Open-Innovation-Modell? Was sind die Rahmenbedingungen für Open Innovation? Durch welche Maßnahmen und Methoden lassen sich Innovationskanäle sowohl intern als auch extern öffnen? Welche Erfolgsfaktoren lassen sich formulieren? Hier gilt es im Besonderen die Erfolgsfaktoren herauszuarbeiten, die das Potenzial ausmachen. Wie können externe und interne Erfolgsfaktoren integrativ zusammengeführt werden?

Den letzten beiden Unterfragen kommt besondere Bedeutung zu, da sie das Hauptziel dieser Arbeit darstellen, nämlich die Zusammenführung der Erfolgsfaktoren der verschiedenen Aspekte des Open- Innovation-Ansatzes in einem Erfolgsfaktorenmodell.

Als Hypothese lässt sich für das Arbeitsvorhaben formulieren:

Theoriegeleitetes Ziel der Arbeit ist es, die unterschiedlichen Betrachtungs-winkel der Hypothese zu analysieren und den aktuellen Forschungsstand zum Open-Innovation-Ansatz durch die Beschreibung möglicher Ausprägungen der Nutzung von kollektiver Intelligenz im Innovationsmanagement zu erörtern.

Aus der Literatur werden Rahmenbedingungen extrahiert und Faktoren herausgearbeitet, die als spezifische Erfolgsfaktoren benannt werden.

Als empirisches Ziel der Arbeit soll eigenständig ein integratives Erfolgs-faktorenmodell erstellt werden, in welchem die vorher extrahierten Erfolgsfaktoren zusammengefügt und folglich nicht mehr nur insulär betrachtet werden. Damit wird eine doppelte Zielsetzung verfolgt. Zum einen soll die wissenschaftliche Forschungslücke geschlossen werden, und zum anderen sollen Unternehmen Entscheidungen über die Gestaltung und Durchführung eines Open-Innovation-Ansatzes treffen können. Das Modell soll schließlich einen Beitrag zur Erfolgssteigerung eines Innovationsprozesses leisten.

1.4 Forschungsmethodik

Um das beschriebene Ziel zu erreichen, wird in dieser Arbeit ein qualitativer Ansatz mittels Literaturanalyse und Studienanalyse gewählt. Die Sekundärdatenanalyse ist eine geeignete Methode, um explanativ die Frage nach der Verwendung von kollektiver Intelligenz im Innovationsmanagement zu erfassen. Sie erlaubt eine ganzheitliche Perspektive des untersuchten Aspekts, die bei anderen Methoden nicht möglich wäre.

Die empirische Grundlage dieser Arbeit bilden verschiedene tiefgehende Studien zum Innovationsmanagement. Zusätzlich werden im Verlauf der Arbeit kurze Beispiele zur Veranschaulichung genutzt. Zu beachten ist, dass die Beispiele nur durch Recherche der öffentlich zugänglichen Information analysiert werden können. Unternehmensinterne Daten können in diese Arbeit nicht mit einfließen. In dieser Arbeit kann kein Einblick in die tatsächliche Strategie von Unternehmen gegeben werden.

Es werden jedoch Daten über die Gestaltung und Entwicklung, über Strategien sowie die Auswirkungen von Open Innovation aus der Literatur gesammelt. Diese Informationen ermöglichen die Benennung der spezifischen Charakteristika des Open-Innovation-Ansatzes, aus denen anhand einer induktiven Vorgehensweise Erfolgsfaktoren für das zu erstellende Modell abgeleitet werden können. Risikofaktoren werden nicht außen vor gelassen, sondern teilweise in Erfolgsfaktoren umgewandelt.

Das Gesamtziel, das Zusammenführen der Erfolgsfaktoren, kann somit in einzelne Subziele (Cluster) differenziert werden, unter denen sich die jeweiligen Erfolgsfaktoren sammeln. Schließlich werden die Erfolgsfaktoren gewichtet, um sie in ihrer Relevanz abzuwägen und anschließend in einem eigens erstellten Modell zusammengefügt. Da die Bewertungskriterien nicht in Geldwerten ausgedrückt werden können, wird das Modell mithilfe einer Nutzwertanalyse erstellt. Bei solch einer Analyse werden generell soziale Bewertungskriterien berücksichtigt, die sich an qualitativen Merkmalen orientieren (Eggert et al.). Das Modell trifft folglich Aussagen auf der Basis einer qualitativen Untersuchung. Die exakte Methodik, die bei der Erstellung des Modells angewandt wurde, wird in Abschnitt 8.1 genau erläutert.

1.5 Aufbau der Arbeit

Um das Potenzial von kollektiver Intelligenz im Innovationsmanagement von Unternehmen erklären zu können, ist es zunächst notwendig, die Begriffe „Kollektive Intelligenz“ und „Innovationsmanagement“ zu definieren und deren Grundbegriffe und Bedeutung zu erläutern. Da das Closed-Innovation-Modell als Gegenpol zum Open-Innovation-Modell beschrieben wird, werden die in Kapitel 3 herausgefilterten Schwächen im Umkehrschluss als Erfolgsfaktoren für Open Innovation gesehen und unter Kapitel 5 gelistet. Hier werden vor allem die Schwächen der Closed Innovation herausgearbeitet, von denen auf das Open-Innovation-Modell geschlossen werden kann.

Um die Erfolgsfaktoren der Open Innovation benennen zu können, schließt eine umfassende Literaturanalyse zur kollektiven Intelligenz im Innovationsmanagement an.

Die Systemtheorie bietet die theoretische Grundlage für dynamische Systeme und somit auch die Voraussetzung für Open Innovation und kollektive Intelligenz. Diese wird in Kapitel 4 mithilfe von Literatur des Hauptvertreters der Systemtheorie, Niklas Luhmann, erklärt. Des Weiteren wird der Begriff „Netzwerk“ beschrieben, der sich aus der Systemtheorie ergibt und essenziell für Open Innovation ist. Denn ohne Netzwerke gäbe es keine kollektive Intelligenz.

In Kapitel 5 folgt die Erklärung des Open-Innovation-Modells und seiner Kernprozesse und Rahmenbedingungen. Die Rolle der kollektiven Intelligenz wird zur besseren Erklärung in interagierende und nicht interagierende Kollektive aufgeteilt.

Nun folgen zwei Kapitel (Kapitel 6 und 7) zu den verschiedenen Methoden der Open Innovation. In Kapitel 6 geht es um die Nutzung von externen Akteuren in der Open Innovation. Hier werden sowohl die Kernprozesse als auch mögliche Probleme bei der Umsetzung der jeweiligen Methoden vorgestellt. Die Konzentration liegt bewusst auf der internetbasierten Methode „Crowdsourcing“. Die Erklärung dazu wird in Abschnitt 6.1 gegeben.

In Kapitel 7 werden die Öffnung der Innovationskanäle im internen Innovationsmanagement und mit dieser einhergehend die aktive Gestaltung einer Open-Innovation-Kultur und die daraus resultierenden Auswirkungen auf Führung beschrieben.

Am Ende der Kapitel 2 sowie 4 bis 7 werden jeweils bedeutsame Inhalte herausgestellt, die für die Beantwortung der Forschungsfrage relevant sind und werden als Erfolgsfaktoren gelistet. Dies geschieht in der Reihenfolge, in der sie im Text erscheinen.

In einem letzten Schritt werden die gewonnenen Erfolgsfaktoren in Kapitel 8 zusammengefasst und in ein integriertes Erfolgsfaktorenmodell eingearbeitet. Schließlich wird in Kapitel 9 die anfangs gestellte Hypothese verifiziert bzw. falsifiziert, und es wird ein Fazit gegeben.

2. Definitionen und Grundlagen

Um das Potenzial von kollektiver Intelligenz im Innovationsmanagement zu verstehen und die Erfolgsfaktoren herausarbeiten zu können, sollen zunächst die Grundlagen und Definitionen zu den Begrifflichkeiten erläutert werden. Bereits in diesem Kapitel werden Erfolgsfaktoren extrahiert, die für die Beantwortung der Forschungsfrage verwendet werden.

2.1 Kollektive Intelligenz

Um die Forschungsfrage beantworten zu können, ist es notwendig, an die große Bedeutung von kollektiver Intelligenz heranzuführen, was im Folgenden mithilfe eines Vergleichs zwischen Einzelpersonen und Gruppen (Kollektiven) vorgenommen werden soll.

In Unternehmen werden gerne fachvertraute Einzelpersonen hinzugezogen, um eine komplexe Aufgabe lösen zu können. Nach Surowiecki konnte jedoch nachgewiesen werden, dass Urteile von sogenannten Experten weder im Einklang mit Auffassungen anderer Fachleute desselben Gebiets noch in sich stimmig sind. Übereinstimmungen liegen teilweise bei unter 50 %. Der Konsens unter Experten ist also genauso wahrscheinlich wie der Dissens. Warum wird so gerne ein Einzelner und nicht eine ganze Gruppe zurate gezogen? Die Tatsache, dass Gruppen bessere Lösungen generieren als ein einzelner Experte, wird oft nicht berücksichtigt. Und zwar deshalb, weil dem Durchschnittsdenken generell nicht vertraut wird, da es mit einem Kompromiss gleichgesetzt wird (Surowiecki 2005:61ff).

Ein Beispiel aus der Medienbranche veranschaulicht diesen Vergleich: Wenn ein Kandidat bei der TV-Sendung „Wer wird Millionär?“ eine Frage nicht beantworten kann, hat er die Möglichkeit, den „Expertenjoker“ zu ziehen oder das Publikum zu befragen. Wird der Expertenjoker gezogen, meldet sich eine Person (Experte) aus dem Publikum, die glaubt, die Frage richtig beantworten zu können. Diese Experten geben in 65 % der Fälle die richtige Antwort. Im Vergleich ist das jedoch nicht viel: Fragt der Kandidat das gesamte Studiopublikum, bekommt er sogar in 95 % der Fälle die richtige Antwort. Obwohl das Studiopublikum eine zufällig entstandene heterogene Gruppe von Menschen ist, ist es folglich klüger als ein einzelner Experte (Surowiecki 2005:23f).

„Wer wird Millionär?“ ist jedoch ein Frage-und-Antwort-Spiel, bei dem es immer eine richtige Antwort gibt. In Unternehmen ist es oft nicht so einfach, eine Antwort auf eine Fragestellung zu finden, wenn es überhaupt eine Fragestellung gibt (Surowiecki 2005:37). Was kann kollektive Intelligenz also unter der Bedingung von Ungewissheit leisten, also dann, wenn die richtige Antwort offen ist, weil sie noch nicht existiert, wie es oft in Unternehmen der Fall ist? Wie kollektive Intelligenz im Rahmen der Open Innovation in der Wirtschaft Anwendung finden kann, wird im Laufe dieser Arbeit erklärt. Vorab soll nun beschrieben werden, was genau unter kollektiver Intelligenz zu verstehen ist.

Es handelt sich um kollektive Intelligenz, wenn Menschen in Gruppen klüger handeln, als sie es alleine tun würden. Kollektive Intelligenz wird oft synonym mit den Begriffen „Schwarmintelligenz“ oder „Weisheit der vielen“ verwendet. Wirtschaftswissenschaftler Mark Prokaska merkt an, dass mit letzterem Begriff jedoch kritisch umgegangen werden sollte, da er bereits eine Aussage über die Leistungsfähigkeit einer Gruppe impliziert (2014:7). Jan Marco Leimeister, Professor für Wirtschaftsinformatik, beschreibt ein Kollektiv als eine Gruppe von Individuen, die nicht unbedingt die gleichen Ansichten vertreten müssen. Durch die verschiedenen Mitglieder können neue Aspekte zum Vorschein kommen, durch die ein Problem besser gelöst werden kann (2010:239).

Das Phänomen der kollektiven Intelligenz basiert auf der in der Tierwelt beobachtbaren Schwarmintelligenz. Unternehmensberater Jochen May erklärt: Schwarmintelligenz vernetzt Verhaltensweisen, um Delta-Plus-Effekte zu erzielen. Unter Delta-Plus-Effekten sind positive Gruppenergebnisse zu verstehen (May 2011:51). Anders gesagt: Durch Zusammenführen der kognitiven Fähigkeiten aller Schwarmmitglieder wird schließlich ein Ergebnis erzeugt, das für den Einzelnen nicht erreichbar gewesen wäre (May 2011:50f). Delta-Plus-Effekte lassen sich auf der Handlungsebene der einzelnen Akteure nicht unbedingt erkennen. Sie zeigen sich erst in Relation zu einem übergeordneten Bezugsrahmen. Dieser setzt Verhaltensnormen für die Schwarmmitglieder und erwartet bestimmte Ergebnisse (May 2011:68).

Ameisen, Fische, Gänse und viele andere Tierarten nutzen die Interaktion im Schwarm zum Fortbestehen ihrer Art. Mittlerweile können auch Roboter ‒ bei Rettungseinsätzen ‒ und Drohnen ‒ im Militär ‒ kollektive Intelligenz nutzen, indem sie nur funktionieren, wenn zwischen ihnen Signale geschaltet werden und sie miteinander kommunizieren.

Der Zweck von Schwarmintelligenz wurde beschrieben, doch was sind die Voraussetzungen und Erfolgsfaktoren für schwarmintelligente Gruppen?

Für Prokaska sind Selbstorganisation, Anpassungsfähigkeit und Robustheit wichtige Voraussetzungen und Erfolgsfaktoren für Schwarmintelligenz. Selbstorganisation bedeutet für ihn, dass die Gruppen ihre Aufgaben ohne externe Überwachung erledigen (2014:25). May formuliert ferner vier Grundbausteine, auf denen Schwarmintelligenz beruht: die übergeordnete Steuereinheit, Delta-Plus-Effekte, Verhaltenskodex und Motivation.

Die übergeordnete Steuereinheit definiert die erwünschten Delta-Plus-Effekte und entwickelt für den Schwarm einen auf seine kognitiven Fähigkeiten abgestellten Verhaltenskodex. Dieser Verhaltenskodex bildet das Herzstück der Schwarmintelligenz und unterliegt hohen Anforderungen: Er muss einerseits Freiheitsgrade zulassen, ohne die kollektive Kompetenz im Schwarm nicht nutzbar ist. Andererseits muss der Kodex gewährleisten, dass seine Befolgung mehr oder minder automatisch zum gewünschten Delta-Plus-Effekt führt (May 2011:99).

Im Falle einer Analyse der beiden Auffassungen wäre für Prokaska der Unterschied zwischen Schwarmintelligenz in der Natur und kollektiver Intelligenz in einem wirtschaftlichen Kontext die Selbstorganisation. Doch durch die Tatsache, dass sich Individuen in einem betriebswirtschaftlichen Rahmen unter dem Dach eines Unternehmens oder einer Organisation befinden, agieren sie geleitet und nicht eigenständig. Die Voraussetzung der Selbstorganisation kann in einem Unternehmen folglich nicht erfüllt werden ‒ oder nur bis zu einem gewissen Grad ‒ und scheidet somit als Erfolgsfaktor aus. Aus diesem Grund treffen im wirtschaftlichen Kontext die von May formulierten Grundbausteine für kollektive Intelligenz wahrscheinlich eher zu als die Bausteine von Prokaska, und sie werden als Erfolgsfaktoren definiert. Ein Höchstgrad an Eigenständigkeit des Kollektivs sollte jedoch auch im Unternehmen angestrebt werden. In Kapitel 7 wird genauer darauf eingegangen.

Aus den Erfolgsfaktoren von Prokaska wird nur „Robustheit“ in das Modell übernommen. „Anpassungsfähigkeit“ scheidet aus, da sich dieser Faktor dem Erfolgsfaktor „Heterogenität“, der sich im weiteren Verlauf dieser Arbeit als zentraler Erfolgsfaktor herausstellt, widerspricht.

Welche Wirkungen ergeben sich aus diesen Erkenntnissen für das Innovationsmanagement von Unternehmen? In einem betriebswirtschaftlichen Kontext geht es, wie auch in der Natur, immer um die Kumulierung von Intelligenz und damit um die Schaffung von Intelligenzsynergien (Delta-Plus-Effekte), schreibt Betriebswirtschaftler Patrick Ulrich (2010:389). Die positiven bzw. negativen Effekte, die mit der kollektiven Intelligenz einhergehen, wirken sich jedoch bei interagierenden und nicht interagierenden Kollektiven unterschiedlich aus, was in Kapitel 5 ausführlicher behandelt wird. Ein wichtiger Vorteil ist zudem, dass kollektive Intelligenz bei jedem einzelnen Gruppenmitglied Innovationsdruck fördert.

Innovation braucht nach Kruse jedoch Eigenverantwortung und Spielräume (Freiheitsgrade) (2005:26). Folglich kann kollektive Intelligenz in einem betriebswirtschaftlichen Kontext nur funktionieren, wenn offene Innovationskanäle vorhanden sind. Aus diesem Grund wird in dieser Arbeit kollektive Intelligenz im Rahmen des Open-Innovation-Modells analysiert, da der Open-Innovation-Ansatz solch offene Kanäle zulässt. Um den Open-Innovation-Ansatz erläutern zu können, muss zunächst der Begriff „Innovation“ im betriebswirtschaftlichen Kontext abgegrenzt werden.

2.2 Innovation im betriebswirtschaftlichen Kontext

Wie einleitend erwähnt, spielen Innovationen für den wirtschaftlichen Erfolg eines Unternehmens eine zentrale Rolle. Schon Anfang des 20. Jahrhunderts definierte Joseph Schumpeter Innovation im wirtschaftlichen Kontext als Treiber für Wachstum und wirtschaftlichen Erfolg (Prokaska 2014:30). Er war jedoch auch der Meinung, dass neue Ideen, Produkte oder technische Erfindungen allein noch keine Innovation ausmachen. Seiner Meinung nach handelt es sich erst dann um Innovationen, wenn die neu entwickelten Produkte erfolgreich am Markt etabliert sind (Prokaska 2014:30).

Seit Joseph Schumpeter den Begriff „Innovation“ in die Wirtschaftswelt eingeführt hat, haben sich viele Nuancen bezüglich der Interpretation gebildet. Über folgende zwei Sachverhalte sind sich die Wissenschaftler jedoch größtenteils einig: Erstens beinhalten alle Interpretationen die Entwicklung von etwas Neuem als dem zentralen Merkmal von Innovation (Ili 2010:22), und zweitens ist im betriebswirtschaftlichen Kontext mit dem Begriff „Innovation“ immer ein monetärer Nutzen verbunden (Stern/Jaberg 2010:8). Da es jedoch keine genauere einheitliche Definition des Begriffs „Innovation“ gibt, muss für den Verlauf dieser Arbeit der Begriff abgegrenzt werden. Dafür werden vorerst zwei verschiedene Definitionen erläutert:

Braun definiert Innovationen als „revolutionäre Neuerungen im Rahmen unternehmerischer Tätigkeit“ (Braun 1991:3). Hauschildt und Salomo sind jedoch anderer Meinung: „Innovationen sind qualitativ neuartige Produkte oder Verfahren, die sich gegenüber einem Vergleichszustand ‚merklichʿ (...) unterscheiden.“ (2011:4f)

Bei der Analyse der beiden genannten Definitionen zeigt sich vor allem die Unterscheidung zwischen „radikalen“ und „inkrementellen“ Innovationen.

Die radikalen Innovationen basieren auf völlig neuen Technologien, wie beispielsweise der Erfindung des Telefons oder des Computers. Die inkrementellen Innovationen hingegen beinhalten geringe Veränderungen im Hinblick auf das Potenzial der etablierten Hauptfunktionen (Ili 2010:23). Zudem gibt es „disruptive“ Innovationen, worunter eine Technologie zu verstehen ist, die eine bereits bestehende Technologie vollkommen verdrängt. Als Beispiel wäre hier die Digitalkamera zu nennen, die die Fotoapparate abgelöst hat, oder das MP3-Format, das die CDs ersetzt hat (Hüsig/Soppe 2011).

Um wieder auf die Definitionen zurückzukommen: Diese Arbeit schließt sich der Definition von Hauschildt und Salomo an, da sie Innovationen generell als neuartige Produkte und Verfahren deuten. Swetlana Franken ist der gleichen Meinung wie Hauschildt und Salomo. Sie erweitert deren Definition in Bezug auf Innovation um Geschäftsmodellinnovation und eine Innovationsfähigkeit, die sich auf alle Vorgänge, Prozesse und Strukturen sowie innovative Führungsstile bezieht (Franken 2012a:12). Hier muss also eine weitere Unterscheidung vorgenommen werden, und zwar in Produkt- und Prozessinnovationen. Produktinnovationen sind neue Produkte, die ein Unternehmen auf den Markt gebracht hat. Prozessinnovationen betreffen die Verbesserung innerhalb der Produktentstehung. Im Rahmen von Geschäftsmodellinnovationen werden in einem Unternehmen ganzheitlich neue Wege beschritten (Ili 2010:23f).

Vom Begriff „Innovation“ muss der Begriff „Invention“ abgegrenzt werden. Die beiden Begriffe sind eng miteinander verbunden, differenzieren jedoch hinsichtlich einer zeitlichen Verzögerung bei ihrer Entstehung.

Invention bezeichnet nach Serhan Ili den schöpferischen Akt bzw. die Idee für ein neues Produkt, während mit Innovation auch die kommerzielle Vermarktung gemeint ist (2010:22). Auch Kathrin Möslein definiert Inventionen als den ersten Geistesblitz und somit den ersten Schritt im Innovationsprozess (2009:5). Folglich ist die Innovation eine am Markt umgesetzte Invention (Ili 2010:22). Hier stellt sich die Frage, ob „Open Innovation“ nicht eigentlich „Open Invention“ heißen müsste. Denn beim Crowdsourcing geht es beispielsweise um die Generierung neuer Ideen und die Nutzung der kollektiven Intelligenz und nicht unbedingt um die tatsächliche Markteinführung. Crowdsourcing ist Teil des Open-Innovation-Modells, das sich als Antwort auf die Schwächen der Closed Innovation entwickelt. Beide Modelle finden im Rahmen des Innovationsmanagements statt.

2.3 Gewonnene Erfolgsfaktoren

Aus vorangegangenen Überlegungen und Analysen lassen sich Erfolgsfaktoren (EF) ableiten, die vorerst in Themenkomplexe (Cluster) eingeteilt und anschließend ins Erfolgsfaktorenmodell eingearbeitet werden.

Erfolgsfaktoren für kollektive Intelligenz:
EF1: Delta-Plus-Effekt
EF2: Robustheit
EF3: Übergeordnete Steuereinheit
EF4: Verhaltenskodex
EF5: Motivation
EF6: Freiheitsgrade
EF7: Offene Innovationskanäle
Erfolgsfaktoren für Innovationen:
EF1: Marktetablierung
EF2: Entwicklung von etwas Neuem
EF3: Monetärer Nutzen

3. Closed Innovation: Das klassische Innovationsmanagement

Sowohl Inventionen als auch Innovationen müssen in Unternehmen geregelt werden. Dafür ist das Innovationsmanagement zuständig. Um die Frage zu beantworten, wie Unternehmen das Potenzial der kollektiven Intelligenz ausschöpfen und es sich im Innovationsmanagement zu Nutze machen können, wird das Open-Innovation-Modell als Gegenpol zum klassischen Innovationsmanagement (Closed-Innovation-Modell) erläutert. Um den Unterschied zwischen den beiden Modellen zu verdeutlichen, wird nun in diesem Kapitel das klassische Innovationsmanagement beschrieben.

Zu beachten ist, dass in diesem Kapitel keine Erfolgsfaktoren aus dem Text extrahiert werden können, da Basiswissen vermittelt werden soll. Es werden allerdings die Schwächen der Closed Innovation herausgearbeitet, von denen im Umkehrschluss auf die Erfolgsfaktoren der Open Innovation geschlossen wird. Diese werden am Ende dieses Kapitels zusammengefasst, jedoch erst in Kapitel 5 in die Liste der Erfolgsfaktoren eingebettet.

3.1 Aufgaben und Ziele des Innovationsmanagements

Arthur Little definiert Innovationsmanagement als einen Managementvorgang, der von der Entstehung einer neuen Idee bis zur praktischen Anwendung führt (Little 1997:155). Anhand der vorhergehenden Kapitel kann gefolgert werden, dass das Innovationsmanagement einen wesentlichen Bestandteil der Firmenstruktur ausmachen sollte, da Innovationen einen Großteil zum wirtschaftlichen Erfolg beitragen. Auch Little ist der Meinung, dass das Innovationsmanagement nicht neben dem operativen Geschäft her laufen sollte, sondern das gesamte Unternehmen erfassen und die Trennung von Gestalten und Verwalten aufheben sollte (Little 1997:38).

In der Praxis bedeutet Innovationsmanagement, dass eine Innovation vor allem dann entsteht, wenn beispielsweise Kenntnisse über Produkte oder Geschäftsmodelle auf eine neue Weise miteinander verbunden werden (Enkel/Horváth 2010:293).

Als Ziele des Innovationsmanagements formulieren Stern und Jaberg eine Verbesserung der Wettbewerbsposition und damit einhergehend Gewinn-erzielung, Wachstum und eine angemessene Vermarktung von Erfindungen (Stern/Jaberg 2010:9).

Zu den Aufgaben des Innovationsmanagements zählen nach denselben die Festlegung der Innovationsziele, das rechtzeitige Erkennen zukünftiger Kundenbedürfnisse, das Treffen von Entscheidungen zur Durchführung von Innovationen, die Entwicklung einer innovationsförderlichen Unternehmens-kultur und die gezielte Planung von Innovationsprozessen (2010:9).

3.2 Der klassische Innovationsprozess

Im klassischen Innovationsmanagement wird davon ausgegangen, dass der gesamte Innovationsprozess innerhalb des Unternehmens abläuft. In diesem Ansatz gilt eine starke FandE-Abteilung als unabdingbar für den Erfolg des Unternehmens. Wenn in dieser Abteilung Ideen für Innovationen fehlen, dann kann das Unternehmen nur wenige neue Produkte auf den Markt bringen (Vollmann et al. 2012:13). Bis eine Innovation auf den Markt kommt, durchläuft sie verschiedene Phasen. Der Innovationsprozess bezeichnet die Gesamtheit dieser Phasen (Prokaska 2014:30) und bildet die Grundlage für den Ablauf des Innovationsprojekts (Leopold 2015:17).

In der Literatur findet sich eine Vielzahl unterschiedlicher Ausprägungen des klassischen Innovationsprozesses. In der Regel wird er jedoch durch ein linear-sequenzielles Phasenmodell visualisiert. Zu beachten ist, dass der Prozess in der Realität natürlich nicht unbedingt stringent abläuft, sondern durch Wiederholungen und Brüche gekennzeichnet ist (Leopold 2015:17f).

Im Rahmen dieser Arbeit kann nicht auf alle Modelle eingegangen werden. Deshalb werden nur die Modelle von Geschka (Abb. 1) und Thom (Abb. 2) vorgestellt. Nach Prokaska sind diese für die Erklärung des Basisprozesses geeignet, da die Darstellungen eines optimalen Innovationsprozesses allgemein gehalten und somit auf reale Gegebenheiten übertragbar sind (Prokaska 2014:31).

Abbildung 1 Phasenmodell des Innovationsprozesses nach Geschka (Eigene Darstellung. Quelle: Geschka 1993:160.) [Dies ist eine Leseprobe: Abbildungen und Tabellen werden nicht angezeigt]

Geschka unterscheidet in seinem Modell zwischen dem Innovationsprozess und dem Innovationsprojekt. Prokaska fällt auf, dass Geschka dem eigentlichen Innovationsobjekt eine Vorphase vorangestellt hat, in die alle Aktivitäten von der Initiierung einer Innovationsidee bis hin zur Aufnahme des Innovationsprojekts fallen (Geschka 1993:161f).

Im Sinne der Innovationsverkürzung unterteilt Geschka die einzelnen Phasen nicht. Wenn allerdings die Planung von Innovationen im Mittelpunkt steht, kommt der Vorphase eine zentrale Bedeutung zu. Sie ist dann in die Phasen strategische Orientierung, Ideenfindung und Bewertung sowie Auswahl zu unterteilen (Prokaska 2014:32[4]).

In der Vorphase – vor Aufnahme des eigentlichen Innovationsprojekts – kann viel Zeit eingespart werden (Geschka 1993:161ff). In Phase 1 beginnt das Innovationsprojekt mit der Aufnahme der Projektbearbeitung und der Entwicklung einer Produktstrategie (Geschka 1993:164ff). In Phase 2 nimmt der Arbeitsumfang erheblich zu. Bis zu diesem Zeitpunkt hat das Projektteam meist alleine gearbeitet. Nun sollten weitere Entwicklungskapazitäten bereitgestellt werden (Geschka 1993:167). In Phase 3 werden die Voraussetzungen geschaffen, um die Produktion aufnehmen zu können. Das gesamte Projekt wird noch einmal kritisch geprüft (Geschka 1993:169f). Parallel zum Aufbau der Produktion werden in Phase 4 bereits Vorarbeiten für die Markteinführung geleistet (die Phasen 3 und 4 überschneiden sich). Der Grund dafür liegt darin, dass, wenn die Produktion anläuft, die Marketingstrategie bereits greifen muss (Geschka 1993:170f).

Im Gegensatz zu Geschka wählte Thom eine andere Herangehensweise mithilfe eines Dreiphasenschemas. In diesem Schema unterteilt er den Innovationsprozess in die Hauptphasen Ideengenerierung, Ideenakzeptierung und Ideenrealisierung (Prokaska 2014:32). Die Phasen sind selbsterklärend.

[...]


[1] U.a. Durchgeführt von dem Wegbereiter der „Open Innovation“ Henry Chesbrough.

[2] https://www.google.com/trends/explore#q=open%20innovation

[3] Bei bereits 18 % der weltweit befragten Firmen liegt der Innovationsschwerpunkt auf Service Innovation, in Deutschland hingegen sind es nur 9 %. Auf den Bereich Costumer Experience fokussieren sich nur 5 % (im Vergleich zu 9 % weltweit) und auf Geschäftsmodellinnovation nur 7 % (im Vergleich zu 10 % weltweit) (Gackstatter 2013:14).

[4] Primärquelle: Geschka 1993:160 (geprüft).

Details

Seiten
125
Jahr
2016
ISBN (eBook)
9783668208131
ISBN (Buch)
9783946458920
Dateigröße
1.3 MB
Sprache
Deutsch
Katalognummer
v317894
Institution / Hochschule
Mediadesign Hochschule für Design und Informatik GmbH München – Medien- und Kommunikationsmanagement
Note
1,3
Schlagworte
Erfolgsfaktoren Innovation Management Crowd Crwodsourcing Schwarmintelligenz Unternehmen Markt Lead-User-Ansatz intern extern kollektive Intelligenz

Autor

Teilen

Zurück

Titel: Kollektive Intelligenz im Innovationsmanagement