KI als Werkzeug für das strategische Management

Die Künstliche Intelligenz (KI) entwickelt sich gegenwärtig zu einem mächtigen Werkzeug für das strategisches Management, das Lernprozesse beschleunigt, verstärkt und verändert. Dies gilt sowohl für die Unternehmensebene als auch für die Ebene der Funktionsbereiche und Geschäftsprozesse. Vorreiter-Unternehmen setzen eine wissensspezifische KI in den verschiedenen Phasen von Strategieprozessen ein und erzielen Wettbewerbsvorteile mit innovativen, KI-basierten Geschäftsmodellen. Dabei hat die generative KI den Charakter eines Weckrufs.

In unserer Blogpost-Rehe zur Künstlichen Intelligenz beschäftigt sich dieser Beitrag mit der Rolle von KI im strategischen Management. Darin erläutere ich die zunehmende Bedeutung von KI in Strategieprozessen.

Generative KI als Weckruf

Die Anwendung von Künstlicher Intelligenz im strategischen Management ist nicht neu. Bereits seit der Jahrtausendwende haben US-amerikanische Digital-Unternehmen wie Amazon die KI-basierte Personalisierung im Rahmen ihrer innovativen Geschäftsmodelle eingesetzt.¹ Erstaunlicherweise ist der Beitrag der KI vielen Nutzern dieser Geschäftsmodelle nicht bewusst.

In unserem 2020 erschienenen Buch Das Internet der Dinge und Künstliche Intelligenz als Game Changer haben wir den Strategieprozess für neue IoT- und KI-basierte Geschäftsmodelle beschrieben² und relevante Geschäftsmodellmuster behandelt.³ Zu dieser Zeit hielt sich das Interesse an dem Thema in Deutschland allerdings noch in Grenzen.

Der eigentliche Weckruf, der dann eine breite Öffentlichkeit wachgerüttelt hat, ist im November 2022 erfolgt, als OpenAI sein Dialogprogramm ChatGPT veröffentlichte. Diese Aktion löste einen Hype um die generative KI und große Sprachmodelle aus, dem eine gewisse Ernüchterung gefolgt ist.⁴

Viele Unternehmen fragen sich nun, welche Rolle die Künstliche Intelligenz in ihren Strategieprozessen spielen kann.

KI-unterstützte Strategieprozesse auf der Unternehmensebene

Eine Studie des Massachusetts Institute of Technology (MIT) kommt zu dem Ergebnis, dass Künstliche Intelligenz Lernprozesse beschleunigt und verstärkt.⁵ Ein solches erweitertes (augmented) Lernen setzt an den vorhandenen Lernfähigkeiten an. Ein wichtiges Anwendungsfeld sind die verschiedenen Phasen von innovativen Strategieprozessen, die Unternehmen zu einer neuen Form von Wettbewerbsvorteilen verhelfen.

Am Anfang steht ein KI-Audit zur Analyse der strategischen Ausgangssituationen des Unternehmens und seiner Anwendung von KI. Hieran schließt sich eine KI-unterstützte strategische Vorausschau (Foresight) an, die eine schnellere und leistungsfähigere Früherkennung ermöglicht. Die wissensspezifische KI ist auch ein Mittel bei der Neuausrichtung von Geschäftsmodellen. Eine weitere Phase ist die Gestaltung eines KI-orientierten Stakeholder-Ökosystems. Bei der Auswahl von Partnern gilt es, die richtige Balance zwischen Kooperation und Wettbewerb zu finden.

Eine Basis für relevante Anwendungen bilden innovative KI-Plattform-Architekturen, zu deren Realisierung Unternehmen in der Regel Partner benötigen. Die Umsetzung von Strategien erfolgt mit Hilfe eines agilen, KI-unterstützten Performance Managements. Dabei findet eine enge Abstimmung zwischen der Unternehmensebene und der Ebene verbundener Geschäftsprozesse statt.

Eine entscheidende Rolle bei agilen Strategieprozessen spielen strategische Lernschleifen, die in Form von schnellen Iterationen ablaufen. So wird die Analyse der strategischen Ausgangssituation zu einem dynamischen Prozess.

KI-Audit zur Analyse der strategischen Ausgangssituation

Eine Studie des Instituts der deutschen Wirtschaft (IW) kommt zu dem Ergebnis, KI könne bundesweit 330 Milliarden Euro zur Bruttowertschöpfung beitragen. Jedes fünfte Unternehmen setzt bereits KI ein. Die meisten Anwendungen sind aber eher punktuell, z.B. in Form von Chatbots für Kundenanfragen. Erstaunlicherweise sagen 66 Prozent der Unternehmen, KI sei für ihr Geschäftsmodell nicht relevant. 36 Prozent halten die Integration in bestehende Systeme für schwierig. Über das fehlende Know-how der Beschäftigten klagen 47 Prozent. Der NRW-Ministerpräsident Hendrik Wüst glaubt aber dennoch, KI könne der Motor für einen wirtschaftlichen Aufschwung sein.⁶

Um dieses Ziel zu erreichen, sollten Unternehmen ein KI-Audit durchführen und sich z.B. mit der SWOT-Analyse einen Überblick zu ihrer strategischen Ausgangssituation verschaffen.⁷ Interessanterweise ähneln sich die Ergebnisse einer solchen Analyse der Stärken, Schwächen, Möglichkeiten und Bedrohungen. Eine Stärke vieler Unternehmen ist, dass sie über viel spezifisches Wissen verfügen, welches das Potenzial zu einer Erweiterung durch KI hat. Dem stehen häufig Schwächen bei einer systematischen Verankerung von KI in Strategien und Prozessen gegenüber. Die Möglichkeiten von KI liegen sowohl in der Produktivitätssteigerung als auch in Innovationsvorteilen durch neue Produkte, Dienstleistungen und Geschäftsmodelle. Andererseits gibt es vielfältige Bedrohungen durch Konkurrenten, nicht-europäische Stakeholder-Ökosysteme und einen Missbrauch der in Künstlicher Intelligenz steckenden Macht.⁸

Auf dieser Grundlage geht es dann in einem nächsten Schritt darum, sich mit Hilfe einer KI-unterstützten strategischen Vorausschau noch besser auf zukünftige Entwicklungen vorzubereiten.

KI-unterstützte strategische Vorausschau

Die in den 1970er und 80er Jahren geprägten Begriffe strategische Früherkennung und Vorausschau (Foresight) haben eine längere Vorgeschichte, in der noch heute verbreitete Methoden wie die Szenarioanalyse entstanden sind. Der von uns entwickelte Gamechanger-Radar ermöglicht eine Vorbereitung auf tiefgreifende Veränderungen.⁹ Mit einer KI-unterstützten strategischen Vorausschau schreiben Vorreiter-Unternehmen nun ein neues Foresight-Kapitel. Dieses Kapitel geht von einem Wandel der Art und Weise aus, wie Menschen im Internet nach Informationen suchen.

So hat Google die neue Suchfunktion „Übersicht mit KI“ entwickelt, die zusammenfassende Texte zu Themen liefert. Ein Beispiel ist in der folgenden Abbildung dargestellt. Das Thema, das ich eingegeben habe, lautet: „Applying Complexity Theory in Management“. Die Antwort, die Google liefert, ist überraschend gut. Sie beschreibt den Paradigmenwechsel im strategischen Management, der sich in den vergangenen Jahrzehnten vollzogen hat, umfassender und besser als viele einzelne Publikationen zu diesem Thema.

Foresight-Anwender werden relativ schnell lernen, ihre Prompting-Fähigkeiten zu verbessern. Daneben entstehen gegenwärtig KI-unterstützte Foresight-Plattformen, die das frühzeitige Erkennen neuer Trends, die sich meist in Form von schwachen Signalen ankündigen, vereinfachen und beschleunigen.

Natürlich stellt diese Entwicklung auch eine Bedrohung für das traditionelle, mit Werbung verknüpfte Suchmaschinengeschäft von Google dar. Das Start-up Perplexity versucht z.B. mit seiner benutzerfreundlichen „Antwortmaschine“, Google Nutzer abzujagen. Es bleibt abzuwarten, wie sich dies auf den Gewinnbringer des Marktführers auswirken wird.¹⁰

Für komplexe Aufgabenstellungen wie die strategische Vorausschau bietet die Reasoning AI („argumentierende KI“) Vorteile. Sie wird inzwischen von einigen KI-Entwicklern angeboten. Beim Reasoning zerlegt die KI mögliche Anfragen in Teilprobleme und bearbeitet diese schrittweise. Ein solches langsameres Denken kostet mehr Computerleistung und Strom. Das „Nachdenken“ von KI nennen Entwickler Chain of Thought (CoT) im Sinne einer Argumentationskette. Reasoning-Modelle erreichen dies durch einen zusätzlichen Trainingsschritt, der mit Hilfe des Reinforcement Learning ausführliche Begründungen schult. Ähnlich wie ein erfahrener Mitarbeiter analysieren Reasoning-Modelle schrittweise komplexe Informationen. Dazu benötigen sie einen einzigen präzisen Prompt und viel Kontext. Die Anwendung von „argumentierender KI“ bei der strategischen Vorausschau befindet sich allerdings noch im Experimentierstadium.¹¹

KI-basierte Neuausrichtung von Geschäftsmodellen

Gegenwärtig entstehen innovative Geschäftsmodelle für eine KI-basierte Robotik. Hierin liegt eine Chance für Europa. Die Stanford-Professorin und große „Patin der KI“ Fei-Fei Li hat das Start-up World Labs gegründet, das KI-Modelle für eine räumliche Intelligenz von Robotern entwickelt, die Maschinen unterstützen. Auch die Google-Tochter DeepMind und der Digital-Gigant Nvidia arbeiten an Partnernetzwerken für KI-basierte menschenähnliche Roboter. Viele der Partner kommen aus Europa. Neben bekannten Robotik-Unternehmen entstehen hier Start-ups wie Anybotics (Schweiz) sowie Agile Robots, Neura Robotics und Quantum Systems aus Deutschland, die aber nicht über so große finanzielle Mittel verfügen, wie ihre Wettbewerber aus den USA (z.B. Figure AI und Covariant). Für Europa kommt es darauf an, möglichst schnell die Chancen zu nutzen, die sich aus der Verbindung von tiefem branchenspezifischem Wissen und innovativen KI-Modellen ergeben.¹²

Bei einer KI-basierten Neuausrichtung von Geschäftsmodellen sind zwei Dimensionen relevant. Diese Dimensionen sind die Produktivitätsorientierung und die Innovationsorientierung. Die meisten Unternehmen beginnen mit einer KI-basierten Produktivitätssteigerung und setzen KI bei Routineprozessen ein, um Personalkosten zu senken. Daneben sind inzwischen viele Anwendungsfelder für KI-basierte Innovationen entstanden. Wenn beide Dimensionen zusammenkommen, sprechen wir von einer KI-basierten Ambidextrie. Der Begriff Ambidextrie kennzeichnet ursprünglich im Sport die Fähigkeit zum Einsatz beider Hände. Übertragen auf das Management beschreibt Ambidextrous Leadership eine Führung, die eine gute Balance zwischen Innovation und Produktivität findet.¹³

Aufgrund der spezifischen Anwendungen dieser beiden Dimensionen in Branchen und Unternehmen ergibt sich eine große Vielfalt an KI-basierter Ambidextrie. Dabei sind die neuen Geschäftsmodelle in KI-orientierte Stakeholder-Ökosysteme eingebettet.

KI-orientierte Stakeholder-Ökosysteme

Die deutsche und die europäische Politik planen eine Leistungssteigerung ihres KI-Ökosystems. Angesichts einer sich wandelnden geopolitischen Lage sieht der Koalitionsvertrag der neuen Bundesregierung eine Stärkung der digitalen Souveränität vor. Die Digitalpolitik der Europäischen Union (EU) zielt in die gleiche Richtung. Geplant sind fünf riesige Rechenzentren, um den Rückstand bei der Künstlichen Intelligenz aufzuholen. Kandidaten für eine solche Gigafactory in Deutschland sind die Standorte Jülich und Stuttgart. Bei der KI-Regulierung möchte die EU die Wettbewerbsfähigkeit stärker in den Mittelpunkt stellen und Bürokratie abbauen. Hierzu liegt der Entwurf eines EU-Aktionsplans vor. Ob diese Maßnahmen ausreichen, um die Abhängigkeit von den großen Cloud-Anbietern (Hyperscaler) aus den USA zu verringern, bleibt abzuwarten.¹⁴

Auch bei einer Gestaltung des KI-orientierten Stakeholder-Ökosystems eines Unternehmens¹⁵ sind zwei Dimensionen zu beachten. Die eine Dimension ist die Abhängigkeit von mächtigen, nicht-europäischen KI-Anbietern. Um diese Abhängigkeit zu verringern, gewinnt als zweite Dimension für Unternehmen eine Verbesserung der eigenen Kompetenzen zur Entwicklung und Anwendung von Künstlicher Intelligenz an Bedeutung. In der Hype-Phase von KI-Grundlagenmodellen hat die Abhängigkeit von US-amerikanischen Anbietern zugenommen. Die Chance für Europa liegt nun vor allem bei wissensspezifischen KI-Modellen für verschiedene Anwendungen. Durch eine Verbindung dieser beiden Dimensionen entstehen hybride KI-Ökosysteme. Eine solche Konnektivität erfordert spezifische Fähigkeiten.

Angesichts der geopolitischen Unsicherheiten stehen Unternehmen bei der Gestaltung ihres KI-Ökosystems vor der schweren Aufgabe, die richtigen Partnern zu finden. Dabei sind die Übergänge zwischen Kooperation und Wettbewerb fließend. Eine solche Situation beschreibt der Begriff Coopetition.¹⁶ Für eine Kombination von Cooperation und Competition fehlen bei KI-Ökosystemen bislang aber noch die theoretischen Grundlagen. Ein wichtiges Anwendungsfeld ist die Auswahl und eigene Entwicklung von innovativen KI-Plattform-Architekturen.

Innovative KI-Plattform-Architekturen

Der Chiphersteller AMD und das zu AMD gehörende finnische Start-up Silo AI arbeiten mit den Unternehmen der schwedischen Wallenberg-Gruppe zusammen. Der Nvidia-Wettbewerber AMD hat eine Partnerschaft mit 38 Unternehmen bekannt gegeben. Hierzu gehören u.a. AstraZeneca, Scania, Saab, Ericsson und IKEA. Die Zusammenarbeit koordiniert das Wallenberg-Innovationsnetzwerk Combient. Das Ziel ist eine Skalierung unternehmensspezifischer KI-Modelle. Während OpenAI seine KI-Modelle auf Nvidia-Chips trainiert, verwendet Silo AI Chips von AMD. Die Rolle von Silo AI ist, den Einsatz von KI-Modellen bei Unternehmen, die AMD-Plattformen nutzen, zu beschleunigen. Eine wichtige Rolle spielt dabei, auf welcher Infrastruktur die Arbeiten begonnen haben, da ein Umzug aufwändig ist. Silo AI setzt multimodale KI-Agenten ein, also Modelle, die neben Sprache auch Bilder und Audiodateien verarbeiten.¹⁷

Etablierte Digital-Unternehmen praktizieren seit geraumer Zeit eine Organisationsform, in deren Zentrum sich eine IT-Plattform befindet.¹⁸ Mit der zunehmenden Bedeutung von Künstlicher Intelligenz wird dieses Konzept für etablierte Unternehmen immer relevanter. Dabei verbinden innovative KI-Plattform-Architekturen sowohl die strategische und die operative Ebene als auch zentrale und dezentrale Organisationseinheiten. Dies ermöglicht, dass alle Geschäftsprozesse und Projekte Zugang zu einer gemeinsamen Datenbasis haben. Aufgrund ihrer verbindenden Rolle werden KI-Plattformen somit nicht nur zu einem Strategiebaustein, sondern auch zu einem wichtigen organisatorischen Gestaltungselement. Eine nicht einfach zu beantwortende Frage ist, wie groß der Anteil von Partnern und der eigene Anteil bei einer solchen KI-Plattform sein soll.

Innovative Plattform-Architekturen liefern auch die Infrastruktur für ein KI-unterstütztes Performance Management.

KI-unterstütztes Performance Management

Bei der Beantwortung der Frage, wie Künstliche Intelligenz das Performance Management verbessern kann, hilft ein Blick in die Geschichte der Leistungsmessung. Wichtige konzeptionelle Grundlagen liefern das von Peter Drucker entwickelte Management bei Objectives (MbO) und die von dem Organisationspsychologen Edwin Locke stammende Zielsetzungstheorie. Bereits in den 1980er Jahren entstand bei Intel die agile Objectives and Key Results (OKR-) Methode, die der Wagniskapitalgeber Kleiner Perkins z.B. bei Google einsetzte.¹⁹ In Deutschland wesentlich bekannter ist die aus einer Best-Practice-Studie von Robert Kaplan und David Norton hervorgegangene Balanced-Scorecard-Methode.²⁰ Ein von Kleiner Perkins und dem Start-up Betterworks gestaltetes, KI-unterstütztes Performance Management zielt nun auf eine bessere Verbindung von Strategie und Motivation ab.

Für das Jahr 2025 gehört die Künstliche Intelligenz zwar zu den Topthemen des Managements, viele Unternehmen formulieren aber weder konkrete KI-Ziele noch messen sie die Ergebnisse. Eine weltweite BCG-Studie, in der 1800 Manager befragt wurden, kommt zu dem Ergebnis, dass nur 24 Prozent der Unternehmen ihre operativen und finanziellen KI-Ziele nachverfolgen. Ein KI-unterstütztes Performance Management steht vor drei Herausforderungen. Diese Herausforderungen sind:²¹

1. Frühe Erprobungsversuche nicht abwürgen
2. geeignete Schlüsselergebnisse für den Erfolg einer einzelnen Maßnahme festlegen und darüber hinaus
3. die längerfristigen Effekte erfassen, die aus dem Zusammenwirken verschiedener Maßnahmen resultieren.

Die agile OKR-Methode liefert hierfür eine konzeptionelle Basis, bedarf aber einer Anpassung. Der OKR-Pionier Kleiner Perkins ist einer der Kapitalgeber des Anbieters von Performance-Management-Software Betterworks. Die Vision des 2013 gegründeten Unternehmens mit Sitz in Palo Alto ist, das traditionelle Performance Management weiterzuentwickeln. Eine wichtige Rolle spielt dabei KI als Co-Pilot. Zeitgewinne bei Routineaufgaben können Manager so in eine bessere Harmonisierung strategischer und operativer Projekte investieren. Wichtige Anwendungsfälle (Use Cases) sind:²²

• Eine Abstimmung von anspruchsvollen Unternehmenszielen und persönlichen Zielen
• datenbasierte, motivierende Feedbacks sowie
• die Unterstützung von Kommunikations- und Lernprozessen.

Der angestrebte Nutzen, der zum Gesamterfolg beiträgt, ist:

• Eine Verringerung von Voreingenommenheit (bias), mehr Fairness und Objektivität
• eine erhöhte Produktivität sowie
• bessere persönliche Beziehungen.

Damit kommt das Performance Management dem schon von der Zielsetzungstheorie verfolgten Motivationsgedanken einen Schritt näher.

Mit der zunehmenden Bedeutung von Künstlicher Intelligenz im strategischen Management wird neben praktischen Fähigkeiten beim Umgang mit KI als Werkzeug die geopolitische Kompetenz bei der Zusammenarbeit mit Stakeholdern immer wichtiger. Eine Grundlage hierfür ist ein starkes Zukunftsnarrativ.

Ein starkes Zukunftsnarrativ als Grundlage

In unserem 2020 erschienenen Buch zum Gamechanger-Potenzial der Künstlichen Intelligenz haben wir uns kritisch mit der europäischen und der deutschen Digitalpolitik auseinandergesetzt.²³ Die neue Bundesregierung steht nun vor der Aufgabe, ein starkes Zukunftsnarrativ zu entwickeln, das verschiedene Politikfelder verbindet.²⁴ Ein Ansatz zu einer solchen dringend benötigten, großen Erzählung ist die Anwendung von vertrauenswürdiger KI sowohl zur Steigerung der Produktivität als auch zur Lösung der Innovations- und Umweltprobleme von Organisationen. Im Mittelpunkt steht dabei die bereits skizzierte neue Form der Ambidextrie.

Die traditionelle Ambidextrie strebt eine Balance zwischen der Erschließung von Innovationspotenzialen (Exploration) und der Ausschöpfung von Produktivität (Exploitation) an. Mit Hilfe einer KI, die vertrauenswürdig sein sollte, bietet sich nun die Möglichkeit, gleichzeitig

• durch Produktivitätssteigerungen die Arbeitskosten zu senken, dem Fachkräftemangel zu begegnen²⁵ und
• qualifiziertes Personal stärker zu digitalen und ökologischen Neuausrichtung von Organisationen einzusetzen.²⁶

Angesichts der veränderten geopolitischen Lage ergibt sich für eine AI made in Europe ein Zeitfenster, das der „alte Kontinent“ nutzen sollte, um die Weltmarktführerschaft bei notwendigen Nachhaltigkeitsinnovationen anzustreben.²⁷ Aufgrund der Vielzahl der zu bewältigenden Krisen erfordert dies zunächst ein resilienzorientiertes strategisches Management.²⁸

Fazit

• Strategieprozesse werden durch die Anwendung von Künstlicher Intelligenz leistungsfähiger
• Eine wissensspezifische KI unterstützt die strategische Vorausschau, eine Neuausrichtung von Geschäftsmodellen, die Gestaltung von Stakeholder-Ökosystemen, innovative Plattform-Architekturen und das Performance Management
• Vorreiter-Unternehmen arbeiten an einer KI-basierten Ambidextrie
• Angesichts der geopolitischen Herausforderungen kommt es entscheidend auf die Wahl der richtigen Partner an.

Literatur

[1] Servatius, H.G., Wettbewerbsvorteile mit wissensspezifischer KI. In: Competivation Blog, 11.02.2025

[2] Kaufmann, T., Servatius, H.G., Das Internet der Dinge und Künstliche Intelligenz als Game Changer – Wege zu einem Management 4.0 und einer digitalen Architektur, SpringerVieweg 2020, S. 56ff.

[3] Kaufmann, Servatius, a.a.O., S. 34ff.

[4] Servatius, H.G., Entwicklung der KI-Technologien. In: Competivation Blog, 19.02.2025

[5] Alavi, M., Westerman, G., How GenAI Will Transform Knowledge Work. In: Harvard Business Review, 7. November 2023

[6] Höning, A., Kowalewski, R., Jeder fünfte Betrieb in NRW nutzt KI. In: Rheinische Post, 13. November 2025, S. 1

[7] Servatius, H.G., Auditierung des Innovationssystems eines Unternehmens. In: Competivation Blog, 19.03.2015

[8] Suleyman, M., Bhaskar, M., The Coming Wave – Technology, Power and the Twenty-First Century‘s Greatest Dilemma, Crown 2013

[9] Servatius, H.G., Strategische Vorausschau mit einem Game-Changer-Radar. In: Competivation Blog, 27.01.2021

[10] Alvares de Souza Soares, P., Geldmaschine Google – Wie lange noch? In: Handelsblatt, 25./26./27. April 2025, S. 26-27

[11] Knees, L., Warum Nutzer mehr für langsame KI zahlen. In: Handelsblatt, 31. März 2025, S. 24-25

[12] Holtermann, F., Schimroszik, N., Die Roboter kommen! In: Handelsblatt, 3./4./5. Januar 2025, S. 44-48

[13] O’Reilley, C., Tushman, M., Lead and Disrupt – How to Solve the Innovator‘s Dilemma, Stanford Business Books 2016

[14] Bomke, L., et al., Europa will eigene KI-Factories bauen. In: Handelsblatt, 9. April 2025, S. 6-7

[15] Servatius, H.G., Gestaltung von innovativen Stakeholder-Ökosystemen. In: Competivation Blog, 10.01.2023

[16] Brandenburger, A.M., Nalebuff, B.J., Co-Opetition – A Revolutionary Mindset That Combines Competition and Co-Operation, Bantam 1996

[17] Holzki, L., AMD schließt Partnerschaft mit der Industrie. In: Handelsblatt, 30. Januar 2025, S. 24

[18] Servatius, H.G., Die Ressourcen-Plattform mit agilen Teams als neue Organisationsform. In: Competivation Blog, 12.01.2021

[19] Doerr, J., Measure What Matters – How Google, Bono and the Gates Foundation Rock the World with OKRs, Portfolio/Penguin 2018

[20] Kaplan, R.S., Norton, D.P., Balanced Scorecard – Translating Strategy into Action, Harvard Business School Press 1996

[21] Bomke, L., Höppner, A., Nur wenige Unternehmen messen ihre KI-Initiativen. In: Handelsblatt, 16. Januar 2025, S. 21

[22] Gouldsberry, M., The Pivotal Role of AI in Performance Management, 11. Januar 2025

[23] Kaufmann, Servatius, a.a.O, S. 203ff.

[24] Servatius, H.G., Auf dem Weg zu einem neuen wirtschaftspolitischen Narrativ. In: Competivation Blog, 16.05.2022

[25] Servatius, H.G., Prozessorientierte KI zur Produktivitätssteigerung. In: Competivation Blog, 12.03.2025

[26] Servatius, H.G., KI und die Zukunft der Management Education. In: Competivation Blog, 09.04.2025

[27] Servatius, H.G., Nachhaltigkeitsorientiertes strategisches Management. In: Competivation Blog, 15.08.2024

[28] Servatius, H.G., Resilienzorientiertes strategisches Management. In: Competivation Blog, 15.03.2024