Disruption | Competivation

Disruption der Management Education für KI-basierte Neuausrichtungen

10.10.25

Eine der großen Herausforderungen, vor der Europa steht, ist die KI-basierte, strategische und organisatorische Neuausrichtung von Unternehmen. Eine wichtige Erfolgsvoraussetzung für diese Aufgabe ist die Verbesserung der Management Education im Rahmen eines lebenslangen Lernens. Dabei sind die Hochschullehre und die Personalentwicklung auf der Suche nach einer neuen Balance zwischen traditionellen und innovativen Ansätzen. Anhand von zehn Einflussfaktoren skizziere ich das Spektrum der vorhandenen Ausprägungen. Hieraus ergeben sich für Bildungsanbieter Chancen zur Differenzierung in einem härter werdenden internationalen Wettbewerb. Spannende Fragen sind, wer die seit langem begonnene Disruption der Management Education in welcher Form weiter vorantreibt.

In diesem Blogpost berichte ich über meine Erfahrungen in der Hochschullehre und Beratung zum Thema Personalentwicklung bei Neuausrichtungen.

Wettbewerbsvorteile durch KI-Qualifikation

Die Wettbewerbsvorteile im vergangenen Jahrhundert verdanken deutsche Unternehmen in einem erheblichen Maß ihren weltweit anerkannten Ingenieuren. Ähnlich wichtig für die Zukunft ist möglicherweise die Qualifikation bei der Entwicklung und Anwendung von Künstlicher Intelligenz (KI). Die Schlussfolgerung wäre, dass dann der Teil der Welt am erfolgreichsten ist, der seine Führungskräfte und Mitarbeitenden am besten in KI aus- und weiterbildet. Für die Zusammenarbeit von Unternehmen und Bildungsanbietern ergeben sich hieraus neue Möglichkeiten. Eine wichtige Rolle spielt dabei die Management-Didaktik für KI-basierte strategische und organisatorische Neuausrichtungen.¹Am Anfang steht eine Klärung grundlegender Begriffe.

Neuausrichtung und Transformation

Die Begriffe Neuausrichtung und Transformation haben eine Gemeinsamkeit und einen Unterschied. Die Gemeinsamkeit betrifft die Wirkungen des Wandels. Diese sind sowohl bei Neuausrichtungen als auch bei Transformationen tiefgreifend. Bei geringeren Wirkungen spricht man demgegenüber von einer Verbesserung. Unterschiedlich sind hingegen die Formen des Wandels.

Unter dem Begriff Neuausrichtung (Realignment oder besser „Innoalignment“) von Unternehmen verstehen wir einen innovativen Ansatz zur Abstimmung wichtiger Systemelemente z.B. Kunden, Geschäftsmodell, Strategie, Technologien, Mitarbeitende, Organisation und Kultur. Dabei kommt es darauf an, diese Systemelemente im Zusammenhang zu sehen. Neuausrichtungen entfalten ihre tiefgreifende Wirkung meist über einen längeren, nicht klar bestimmten Zeitraum in vielen parallelen Lernschritten. So verläuft z.B. der digitale Wandel seit Jahrzehnten in immer neuen Wellen. Durch diesen evolutionären Charakter unterscheiden sich Neuausrichtungen von zeitlich begrenzten Transformationen, bei denen der Wandel in einem großen Sprung erfolgt, der häufig auch Abwehrreaktionen auslöst.² Damit ähneln Transformationsprojekte Sanierungen, bei denen aber eine reaktive Krisenbewältigung im Vordergrund steht.

Der weit verbreitete Begriff Transformation lässt die Frage unbeantwortet, was danach passiert, wenn sich z.B. das Umfeld dynamisch weiterentwickelt oder der erhoffte Transformationserfolg ausbleibt. Möglicherweise liegt gerade in diesem illusionären Charakter des Begriffs ein Grund für dessen unreflektierte Verwendung. Daher ist es zu begrüßen, dass sich namenhafte Wissenschaftler wie der Soziologe Armin Nassehi inzwischen kritisch mit dem Thema Transformation auseinandersetzen.³

Offensichtlich meinen viele, die den Begriff Transformation verwenden, eigentlich einen zeitlich nicht begrenzten Prozess der Neuausrichtung oder hoffen zumindest, nach einer erfolgreichen Transformation würde sich irgendwann ein neuer stabiler Gleichgewichtszustand einstellen. Eine realitätsnahe Management Education sollte hingegen von klar definierten begrifflichen Grundlagen ausgehen.

Bei KI-basierten Neuausrichtungen, die durch eine hohe Unsicherheit geprägt sind, ist ein realitätsnahes Verständnis des Wandels eine wichtige Erfolgsvoraussetzung. Daneben kommt es auch auf die Vermeidung von Fehlern an.

Fehler bei KI-Initiativen

Verschiedene Studien belegen, dass nur ein geringer Teil der KI-Initiativen erfolgreich ist. Die Gründe hierfür sind vielfältig.⁴ Häufig gibt es überzogene Erwartungen und es fehlt eine gut aufbereitete Datengrundlage. Weitere mögliche Gründe sind unklare Richtlinien und eine unkoordinierte Anwendung von zu vielen KI-Tools. Die Hauptursache liegt aber wohl im Personalbereich angefangen bei überforderten Führungskräften über Defizite der Weiterbildungsangebote bis zur Sorge der Mitarbeitenden um ihren Arbeitsplatz. Daher sollten Unternehmen bei KI-basierten Neuausrichtungen dem Thema Management Education eine stärkere Bedeutung beimessen. So wird die Management-Didaktik immer mehr zu einem Innovationsfeld.

Management-Didaktik als Innovationsfeld

Unter dem Begriff Management-Didaktik versteht man die Theorie und Praxis des Lehrens und Lernens im Fachgebiet Management. Wichtige Innovationstreiber sind grundlegende Veränderungen der Arbeitswelt, die neue Managementkonzepte erfordern und der Einsatz von KI-unterstützten Lerntechnologien.

Seit der Prägung des aus dem Altgriechischen abgeleiteten Begriffs durch den Pädagogen und Theologen Comenius im frühen 17. Jahrhundert hat sich die Didaktik in vielfältiger Weise weiterentwickelt. Dennoch ist die Management-Didaktik ein Innovationsfeld, dessen Bedeutung lange von vielen unterschätzt wurde. Dies zeigt sich unter anderem daran, dass Hochschullehrer über keine Didaktik-Ausbildung verfügen müssen, sondern sich entsprechende Fähigkeiten im Verlauf ihrer Tätigkeit meist selbst aneignen. Ein solches Learning by Doing führt natürlich zu unterschiedlichen Ergebnissen.

Management Education auf der Suche nach einer Balance

Angesichts neuer Herausforderungen und Lerntechnologien verändert sich die Aus- und Weiterbildung im Management. Dabei gibt es eine Reihe von Einflussfaktoren, die jeweils ein breites Spektrum an Ausprägungen haben können. Ein Beispiel ist die Dokumentation von Lehrinhalten, die schon heute weniger in klassischen Lehrbüchern und stärker in Microlearnings erfolgt. Bei diesen Einflussfaktoren ist die Management-Didaktik auf der Suche nach einer neuen Balance zwischen traditionell und innovativ. Damit eröffnet sich für das immer wichtiger werdende lebenslange Lernen eine Vielfalt an Möglichkeiten. Bildungsanbieter wie Hochschulen und Verlage stehen vor der Aufgabe, sich in diesem Dschungel selbst neu auszurichten und den Lernenden interessante Karrierepfade zu eröffnen.

Aus meiner praktischen Tätigkeit als Hochschullehrer und Berater haben sich zehn Einflussfaktoren mit einem breiten Spektrum an Ausprägungen herauskristallisiert, die ich im Folgenden erläutere.

Die ersten beiden Faktoren sind das Management-Umfeld und die Lehrinhalte.

Management-Umfeld und Lehrinhalte

Im Vergleich zu heute war das Management-Umfeld früher relativ statisch und die Notwendigkeit eines lebenslangen Lernens erst in Ansätzen erkennbar. Dies hat sich grundlegend geändert. Das Ergebnis der hohen Umfelddynamik ist eine Verkürzung der Halbwertszeit des Wissens und Könnens.

Ein Beispiel liefert die generative Künstliche Intelligenz. Ende 2022 löste die Vorstellung des Textroboters ChatGPT durch OpenAI einen extremen Hype aus.⁵ Dem ist inzwischen eine gewisse Ernüchterung gefolgt und Experten warnen vor einer KI-Illusion.⁶ An Bedeutung hinzugewonnen hat hingegen die wissensspezifische (domain-specific) KI, die KI-Werkzeuge gezielt mit Anwendungen verbindet.⁷ Aus dieser Umfelddynamik ergibt sich die Notwendigkeit einer agilen Anpassung der Lehrinhalte. Dabei kommt es darauf an, Modewellen realistisch einzuordnen und das kritische Denken der Lernenden zu trainieren.

Neben der Dynamik der Lehrinhalte spielt die Balance zwischen Theorie und Praxis eine wichtige Rolle. Der Schwerpunkt des klassischen Management-Studiums liegt bei theoretischen Grundlagen und Konzepten, die primär wissenschaftlich orientierte Lehrende vermitteln. In den letzten Jahrzehnten haben die Bedeutung und der Einfluss von Managementberatern als Brückenschläger zwischen Theorie und Praxis zugenommen. In einem Prozess der Zusatzqualifikation verbessern externe Berater und Inhouse Consultants on-the-Job ihre praktischen Managementfähigkeiten in Form eines problemorientierten Lernens.⁸ Hochschulen sind gut beraten, diese komplexitätsbewältigende Form der Weiterbildung stärker in ihre Lehre zu integrieren.

Hieraus ergeben sich wichtige Implikationen für die Entwicklung und Dokumentation von Lehrinhalten.

Entwicklung und Dokumentation

Die Entwicklung von richtungsweisenden Lehrinhalten ist in der Vergangenheit vor allem durch einzelne Professoren erfolgt, die gemeinsam mit ihren Doktoranden fachspezifische Managementthemen bearbeitet haben. Bei den Lernenden ist so ein Baukasten aus abgegrenzten Elementen an Fachwissen entstanden. Dieses traditionelle Konzept bedarf der Ergänzung. Ein neuer Ansatz ist die Entwicklung von verbindenden Fähigkeiten durch interdisziplinäre Teams, die sowohl aus stärker theoretisch als auch stärker praktisch orientierten Mitgliedern bestehen.

Ein spannendes Anwendungsbeispiel liefert die wissensspezifische KI. Die Lehrinhalte verbinden KI-Grundlagen mit einer Anwendung in einzelnen Managementfeldern.⁹ Von Praktikern lernen die Studierenden, wie die Umsetzung einer strategischen und organisatorischen Neuausrichtung von Unternehmen gelingt.

Die Dokumentation von Lehrinhalten ist in der Vergangenheit vor allem in Form von fachspezifischen Lehrbüchern, Artikeln, Fallstudien und Vorlesungsunterlagen erfolgt. Lehrbuch-Klassiker sind zum Teil über Jahrzehnte in immer neuen Auflagen erschienen und dabei sehr umfangreich geworden. Derartige „Wälzer“ werden aber immer weniger geschrieben und noch weniger gelesen. Für Lernende ist es schwierig zu unterscheiden, welche Inhalte bei einem Werk mit mehreren hundert Seiten noch relevant sind und welche nicht. Die zukünftige Dokumentation von Lehrinhalten gleicht allerdings noch eher einem Experimentierfeld.

Auch hier spielt KI eine wichtige Rolle. Das Ziel sind multimodale Microlearnings, die interaktiv nutzbar und individualisiert sind. Bei der Gestaltung dieser Microlearnings arbeiten Anbieter von Inhalten und neuen Lerntechnologien wie Learning Experience Platforms (LXP) zusammen.¹⁰

Damit einher geht eine Veränderung der Theorie und Praxis der Management-Didaktik.

Theorie und Praxis der Management-Didaktik

Die Theorie der Management-Didaktik ist lange Zeit auf eine passive Rezeption von Wissen fokussiert gewesen. Der Anteil eines kreativen Gestaltens z.B. von neuen Geschäftsmodellen war dabei erstaunlich gering, obwohl in Fächern wie dem Innovationsmanagement bei dieser Fähigkeit ein Schwerpunkt liegen sollte. Auch hier findet gegenwärtig ein Veränderungsprozess statt. Dabei verlagert sich der Fokus in Richtung auf einen stärker aktiven, selbstgesteuerten Prozess. Eine Grundlage hierfür liefert die systemisch-konstruktivistische Pädagogik.¹¹

Die neue Generation der Lernenden wächst mit KI-Werkzeugen auf, und eine intelligente Eingabe (Prompting) wird gegenwärtig zur Kernkompetenz. KI beschleunigt aber nicht nur Routinearbeiten, sondern verbessert auch die Suche nach kreativen Lösungen.¹² Den Lehrenden und ihren Organisationen kommt die Aufgabe zu, hierfür geeignete Lernumgebungen zu schaffen.

Bei der Praxis der Management-Didaktik gibt es große Unterschiede z.B. zwischen Deutschland und den USA. Während bei uns das Erlernen von Konzepten und die Anwendung in Übungen im Vordergrund steht, ist die Managementlehre in den USA seit Jahrzehnten durch Fallstudien (Cases) geprägt. Von Managementberatungen sind wichtige Impulse zur Problemlösung in Projekten ausgegangen. Das Collaborative Learning betont stärker bottom-up ablaufende Lernprozesse durch unternehmensinterne Teams, bei denen Trainern eine Coaching-Rolle zukommt.¹³

Innovative Bildungsanbieter arbeiten daran, ein solches KI-unterstütztes Projektlernen bereits frühzeitig in der Ausbildung zu schulen. So verbessern sie die Karrierechancen der Lernenden und differenzieren sich von traditionellen Universitäten.

Dabei verändern sich die Geschäftsmodelle und Skalierungsmöglichkeiten der Bildungsanbieter.

Geschäftsmodelle und Skalierungsmöglichkeiten

Das traditionelle „Geschäftsmodell“ von führenden Universitäten basiert auf dem Prinzip der Wissenschaftsfreiheit, das in Deutschland durch das Grundgesetz gesichert ist. Danach haben Professoren das Recht, ihre Lehrinhalte individuell zu gestalten. Bei privaten Hochschulen, die an mehrehren Standorten tätig sind, kommen Lehrinhalte zunehmend von Modulverantwortlichen, die die Unterlagen weniger erfahrenen Dozenten als Anregung zur Verfügung stellen. Beim Teamteaching entwickeln interdisziplinäre Teams mit einem unterschiedlichen Erfahrungshintergrund die Lehrinhalte. Diese veränderten Geschäftsmodelle können sowohl auf eine Kostensenkung als auch auf die Realisierung von Preisprämien ausgerichtet sein.

Der verstorbene Harvard-Professor Clayton Christensen hat bereits 2010 auf das Disruptionspotenzial von Geschäftsmodell-Innovationen in der Management Education hingewiesen, das sich immer stärker entfaltet.¹⁴

Das klassische Modell der Skalierung von Universitäten basiert auf der weltweiten Verbreitung der Bücher und Artikel von Management-Gurus, Case Studies und der Reputation der Bildungsanbieter. Diese Reputation ermöglicht die hohen Preise von MBA-Programmen und einer zum Teil unternehmensspezifischen Executive Education. Mit den in den 2010er Jahren entstandenen Massive Open Online Courses (MOOCs) sind neue Möglichkeiten für Lernplattformen hinzugekommen, um relativ kostengünstig eine große Anzahl von Lernenden zu erreichen.

Es ist abzusehen, dass in den nächsten Jahren die meisten Unternehmen beim Thema KI eine auf die spezifischen Bedürfnisse zugeschnittene Weiterbildung ihrer Mitarbeitenden benötigen.¹⁵ Den sozialen Sprengstoff dieses Themas sollten Unternehmen nicht unterschätzen, wenn sie eine Vielzahl von Beschäftigten entlassen müssen.

Weitere Faktoren sind daher die Kanäle und die Trägerschaft einer Management Education.

Kanäle und Trägerschaft

Während das klassische Präsenzlernen einer großen Anzahl von Studierenden wenig Interaktionsmöglichkeiten bietet, sind Kleingruppen relativ kostenintensiv. Online-Lernen hat eine Reihe von Vorteilen, aber häufig nicht die Erlebnisqualität eines persönlichen Lernens in Dialogen. Daher versuchen innovative Bildungsanbieter mit neuen Formen die Vorteile der verschiedenen Kanäle zu verbinden. Weit verbreitet ist inzwischen ein Blended Learning mit Präsenz- und Onlineveranstaltungen. Eine Lernform mit langer Tradition, die eine Renaissance erleben könnte, ist das in die Arbeit integrierte Lernen. Die Wurzeln liegen bei der im Handwerk verbreiteten dualen Berufsausbildung. Eine Neuinterpretation geht vom Einsatz digitaler Technologien wie der Virtual Reality (VR) aus.

Seit einigen Jahren setzen Unternehmen VR-Brillen zur Aus- und Weiterbildung am Arbeitsplatz ein. Auch Business Schools wie Insead experimentieren mit VR-Brillen in der Management Education.¹⁶

Hochschulen in öffentlich-rechtlicher Trägerschaft stehen bei der Management Education in einem zunehmenden Wettbewerb mit privaten Bildungsanbietern, die höhere Preise verlangen, aber auch als individueller und flexibler gelten. Diese bieten häufig neben Vollzeit-Studiengängen auch duale Programme an, in denen die Studierenden einen Teil ihrer Arbeitszeit bei einem Partnerunternehmen verbringen. Duale Studiengänge sind sehr populär, haben aus meiner Sicht ihr volles Potenzial aber noch nicht ausgeschöpft. Eine Verbesserungsmöglichkeit besteht in der gezielten Koordination zwischen dem Lernen an der Hochschule und dem Sammeln von passgenauen, praktischen Erfahrungen im Unternehmen.

Daher bieten wir den Studierenden individuell zugeschnittene Aufgaben für ein handlungsorientiertes Lernen bei ihren Praxispartnern an. Spannend wird es, wenn sich in ein solches Projektlernen z.B. beim Thema KI auch die Vorgesetzten der Studierenden mit ihrer Erfahrung einbringen.¹⁷

KI-basierte Disruption der Management Education

Die Skizze dieser Faktoren mit ihren unterschiedlichen Ausprägungen zeigt das Potenzial einer KI-basierten Disruption der Management Education.¹⁸ Dabei liefert die Künstliche Intelligenz sowohl neue Inhalte als auch neue Werkzeuge für eine Aus- und Weiterbildung im Management mit weit reichenden Implikationen für die Geschäftsmodelle von Hochschulen, Unternehmen, Verlagen und Anbietern von Lerntechnologien.

Unter dem Begriff Geschäftsmodell-Disruption versteht man ein Geschäftsmodell mit einem neuen Wertversprechen für Kunden und Barrieren, die für etablierte Wettbewerber schwer zu überwinden sind.¹⁹ So tun sich z.B. die traditionellen Universitäten schwer, veränderte Studiengänge mit KI als Grundlagen- und Querschnittsdisziplin sowie innovativen Inhalten und Lerntechnologien zu realisieren. Die größte Barriere ist hier das ausgeprägte Beharrungsbestreben der Verantwortlichen, das Neuausrichtungen erschwert.

Das Thema KI eröffnet für die Management Education Disruptionsmöglichkeiten mit einem Ausmaß, das noch nicht in vollem Umfang absehbar ist.²⁰ Ein möglicher Weg führt über die KI-unterstützte Verbesserung der individuellen Qualität der Lehre. In der folgenden Abbildung sind hierzu einige Punkte zusammengefasst.

Der Grundgedanke besteht darin, dass KI den Lehrenden nicht ersetzt, sondern ihn dabei unterstützt, die Qualität seiner Arbeit zu verbessern. Eine wichtige Leitidee ist, dass der individuelle Lehrstil, den die KI erkennt, erhalten bleibt. Anhand vorgegebener Kriterien führt die KI dann anhand von Lehrproben eine Stärken-Schwächen-Analyse durch. Ein erster Ansatzpunkt ist der Ausbau von Stärken z.B. die Verwendung von anschaulichen Beispielen und eine Verringerung von Schwächen wie z.B. zu viel Frontalunterricht.

Ein Punkt mit Optimierungspotenzial bei vielen Lehrenden verfolgt das Ziel, die Karrierechancen der Lernenden im KI-Zeitalter zu verbessern. Ein wichtiger Beitrag hierzu ist, Lehrinhalte zu vermitteln, die technologische Anwendungserfahrung mit sozialen Fähigkeiten verbinden.²¹ Die eigentlichen Future Skills erfordern eine Kombination der Kompetenz verschiedener Spezialisten, die KI unterstützen kann. Dies gilt insbesondere für komplexe Aufgaben bei der Interaktion mit Kunden und Mitarbeitenden z.B. im Rahmen von anspruchsvollen Verkaufsgesprächen oder Konflikten in Teams.

Eine Aufgabe, die viele Lehrende seit langem überfordert, ist die kontinuierliche und gezielte Aktualisierung ihrer Lehrinhalte in Form von Beispielen, Fragen und kurzen Fallstudien. Auch bei einer Bewältigung dieser Herausforderung kann KI helfen und zur Gestaltung neuer Lehrinhalte beitragen.

Ein weiterer Punkt ist der Einsatz von KI-Chatbots, um die Lernenden dabei zu begleiten, die Lehrinhalte Schritt für Schritt zu erschließen. Dieses Ziel verfolgt z.B. Google mit dem KI-Modell Gemini und der Software Guided Learning, die anstrebt, Neugier und kritisches Denken zu fördern.²² Die Zukunftsvision ist, dass jeder Mensch einen persönlichen KI-Tutor erhält, der sich an seine individuellen Lernbedürfnisse anpasst.

Neben einer Individualisierung des Lernens z.B. bei komplexen Projekten wird die Zusammenarbeit von Lehrenden immer wichtiger. Die KI unterstützt im Rahmen des Teamteaching die Verbindung zu benachbarten Themen z.B. bei interdisziplinären Aufgabenstellungen.

Mehr Freiraum für diese qualitativen Verbesserungen schaffen KI-Werkzeuge, die Effizienzpotenziale bei Routinetätigkeiten ausschöpfen. Ein Beispiel ist die Unterstützung bei der Bewertung von Prüfungsleistungen, die viel Zeit in Anspruch nimmt.

Insgesamt führen diese und weitere Punkte zu einer nächsten Generation der Management Education, bei der Lehrende und Lernende KI-unterstützt zusammenarbeiten. Dies kann dazu beitragen, den Mindset in den jeweiligen Lebensabschnitten weiterzuentwickeln. Die Frage ist nun, wie es gelingt, eine solche Management Education in die Praxis umzusetzen.

Konzepte für eine KI-unterstützte Management Education umsetzen

Vielen Hochschulen und Unternehmen scheint nicht bewusst zu sein, wie stark sich die Managementaus- und -weiterbildung im KI-Zeitalter verändert. Zwar fehlt es nicht an Literatur zu den theoretischen Grundlagen einer solchen Neuausrichtung,²³ wohl aber an Konzepten für die praktische Umsetzung.

Man hat den Eindruck, dass sich die meisten Akteure noch in individuellen Experimentierphasen befinden, die sie mit begrenztem Einsatz und Zurückhaltung durchlaufen. Anders agieren große KI-Anbieter, die ihren Kunden kostenlose Schulungsprogramme offerieren, um sie so an sich zu binden. Der Ansatz hat den Vorteil, dass zumindest mit einer klaren Zielsetzung gehandelt wird. Es ist aber notwendig, dass Hochschulen und Unternehmen ihre eigenen Konzepte für eine KI-unterstützte Management Education realisieren.

Ein Kennzeichen erfolgreicher Konzepte ist die verbindende Gestaltung der folgenden drei Dimensionen:

Die gemeinsame Erarbeitung und kontinuierliche Aktualisierung von relevanten interdisziplinären Lehrinhalten
die Realisierung einer innovativen Management-Didaktik und
die individuelle Anpassung an unterschiedliche Zielgruppen von Schülern über Studierende bis zu Berufstätigen und Führungskräften.

Die Entwicklung und Umsetzung dieser Konzepte wird vielen Akteuren nicht im Alleingang gelingen. Eine absehbare Konsequenz der Disruption der Management Education ist, dass z.B. private Bildungsanbieter, die veraltete Lehrinhalte und -methoden anbieten, irgendwann vom Markt verschwinden.

Den größten Handlungsdruck beim Wandel von Bildungsökosystemen haben vermutlich die Unternehmen, die eine große Zahl ihrer Mitarbeitenden bei KI-basierten Neuausrichtungen weiterbilden müssen. Diese Unternehmen werden verstärkt eine Zusammenarbeit mit innovativen Partnern anstreben. Daher gilt auch hier die Erkenntnis, dass in jeder Disruption eine Chance liegt. Diese Chance nutzen weltweit Learning Ecosystems, die KI als Gamechanger verstehen.

KI als Gamechanger für Learning Ecosystems

In unserem 2020 erschienenen Buch zu KI als Gamechanger haben wir Defizite der deutschen Digitalpolitik benannt.²⁴ Dese Defizite bestehen bis heute auch in der Bildungspolitik, die innovationsfördernde Rahmenbedingungen für die Entwicklung und Anwendung von KI schaffen müsste. Wichtige Anregungen kommen dabei von KI-Initiativen in anderen Teilen der Welt. So ist in der Zukunftsstadt Masdar nahe Abu Dhabi in den Vereinigten Arabischen Emiraten die erste reine KI-Universität der Welt entstanden. In Saudi-Arabien haben mittlerweile 86 Prozent der Bachelor-Studiengänge einen KI-Fokus.²⁵

Im weltweiten Wettbewerb um die beste KI-Unterstützung der Management Education werden mit hoher Wahrscheinlichkeit Learning Ecosystems eine führende Rolle spielen, in denen verschiedene Partner zusammenarbeiten. Zu den möglichen Partnern zählen neben dem Staat Bildungsinstitutionen, KI- und LearnTech-Anbieter sowie Unternehmen und öffentliche Organisationen als Kunden. In den USA, in China, in den Golfstaaten und auch in Europa zeichnen sich neue Formen der Zusammenarbeit ab, aber der Ausgang des Rennens ist offen.

Studien zum Einsatz von KI gehen davon aus, dass für viele Unternehmen zunächst die Steigerung der Produktivität im Vordergrund steht. Darüber hinaus eröffnet KI vielfältige Möglichkeiten zur Geschäftsmodell-Innovation.²⁶ Beide Ansätze haben einen großen Einfluss auf die Zukunft der Arbeit. Neben einem Stellenabbau bei Routineaufgaben entstehen neue Jobprofile z.B. bei der Kontrolle von KI-Ergebnissen.²⁷ Hierauf müssen sich Bildungsanbieter einstellen. Ein wichtiger Erfolgsfaktor ist, Lernende für die Arbeit mit KI zu motivieren.

Das Beste aus zwei Welten verbinden

Neben meiner Tätigkeit als Honorarprofessor an der Universität Stuttgart arbeite ich seit langem als externer Dozent in dualen Studiengängen von privaten Business Schools. Universitäten und Business Schools haben unterschiedliche Stärken, die sich eigentlich ideal ergänzen. Hierzu zählen bei den Business Schools

Lehrkräfte mit Erfahrung außerhalb des Bildungssektors
Studierende, die neben ihrem Studium in der Praxis arbeiten und
Unternehmen als Praxispartner, die eine KI-basierte Neuausrichtung bewältigen müssen.

Stärken von Universitäten sind demgegenüber

ein breites Spektrum an relevanten Fachgebieten wie Betriebswirtschaft, Informatik und Ingenieurwissenschaften
Professoren und Doktoranden mit einem Fokus auf die Forschung sowie
eine Finanzierung durch den öffentlichen Sektor und durch Drittmittel.

Daher würde es nahe liegen, dass diese beiden Anbietertypen beim Thema KI kooperieren.

In der Praxis ist dies bislang aber eher die Ausnahme als die Regel. Ein möglicher Ansatz wären gemeinsame Projekte, in denen Akteure aus beiden „Lagern“ mit klar definierten Zielen zusammenarbeiten. Dem steht gegenwärtig jedoch eine ausgeprägte Distanz der öffentlichen und privaten Hochschulen im Wege.

Ein erfolgversprechender Weg, um das Beste aus zwei Welten zu verbinden wäre, die Bearbeitung komplexer Probleme in Unternehmen zum Gegenstand von Abschlussarbeiten zu machen. Ein Beispiel ist der Einsatz von KI im Vertrieb gemeinsam mit Start-ups wie dem Berliner Unternehmen Parloa. Dabei trainieren die Lehrenden und die Lernenden gemeinsam die Anwendung von Problemlösungsmethoden in Projekten, also eine Kompetenz, die im KI-Zeitalter immer wichtiger wird. Gleichzeitig entsteht eine anwendungsorientierte Alternative zu der stark empirieorientierten Managementforschung, die in den letzten Jahrzehnten immer dominanter geworden ist, für Praktiker aber häufig eine relativ geringe Relevanz hat.

Fazit

Im Rahmen von KI-basierten strategischen und organisatorischen Neuausrichtungen von Unternehmen spielt die Aus- und Weiterbildung eine wichtige Rolle
Bei der Gestaltung einer innovativen Management-Didaktik wirken eine Reihe von Einflussfaktoren zusammen.
Das Disruptionspotenzial der KI kann in der Management Education zu einer Marktbereinigung beitragen.
Bei der Umsetzung einer KI-unterstützten Management Education verändern innovative Learning Ecosystems die Spielregeln des Wettbewerbs.

Literatur

[1] Servatius, H.G., Entwicklung und Wandel des strategischen Managements. In: Competivation Blog, 19.09.2025

[2] Servatius, H.G., Dreifache strategische Neuausrichtung. In: Competivation Blog, 07.06.2024

[3] Nassehi, A., Kritik der großen Geste – Anders über gesellschaftliche Transformation nachdenken, 2. Aufl., C.H.Beck 2024

[4] Merten, M., Wie kann KI wirklich Mehrwert bringen? In: Handelsblatt, 2. September 2025, S. 24-25

[5] Bomke, L., Holtermann, F., Scheuer, S., Zwischen Hype und Ernüchterung. In: Handelsblatt, 29./30./31. August 2025, S. 48-53

[6] Dörner, A., Holtermann, F., Wiebe, F., Die KI-Illusion. In: Handelsblatt, 22./23./24. August 2025, S. 1, 4-7

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

[8] Servatius, H.G., Lernen, Lösungen für komplexe Managementprobleme zu gestalten. In: Competivation Blog, 15.07.2025

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

[10] Floor, N., This is Learning Experience Design – What it is, how it works, and why it matters, Pearson Education 2023

[11] Reich, K., Systemisch-konstruktivistische Pädagogik – Einführung in die Grundlagen einer interaktionistisch-konstruktivistischen Pädagogik, Beltz 2010

[12] Servatius, H.G., KI als Werkzeug für das strategische Management. In: Competivation Blog, 01.05.2025

[13] Hernandez, N., Collaborative Learning – How to Upskill from Within and Turn L&D into Your Competitive Advantage, Kogan Page 2023

[14] Christensen, C.M., Horn, M.B., Johnson, C.W., Disrupting Class – How Disruptive Innovation Will Change the Way the World Learns, McGraw-Hill 2010

[15] Servatius, H.G., Generative KI und ein Mass Customized Action Learning. In: Competivation Blog, 28.08.2023

[16] Stern, I., Epstein, A., Landau, D., Making VR a Reality in Business Classrooms. In: Harvard Business Review, 8. November 2021

[17] Jones, D., Modern PBL – Project-Based-Learning in the Digital Age, Teacher Goals 2024

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

[19] Servatius, H.G., Woran erkennt man ein disruptives Geschäftsmodell? In: Competivation Blog, 27.07.2016

[20] Servatius, H.G., Disruption in der Management Education. In: Competivation Blog, 29.05.2019

[21] von Schwanewede, S., Den eigenen Arbeitswert im KI-Zeitalter sichern. In: Handelsblatt, 16. September 2025, S. 22-23

[22] Scheuer, S., Chatbot Gemini soll beim Lernen helfen. In: Handelsblatt, 8. September 2025, S. 24

[23] de Witt, C., Gloerfeld, C., Wrede, S.E. (Hrsg.), Künstliche Intelligenz in der Bildung, Springer 2023

[24] 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. 203 ff.

[25] Witsch, K., Bomke, L., Rogg, I., Die neuen Tech-Großmächte. In: Handelsblatt, 2./3./4./5. Oktober 2025, S. 42-48

[26] Hübner, G., Künstliche Intelligenz als Wachstumstreiber. In: Handelsblatt, 28. November 2025, S. 28

[27] Burkhardt, K., Effizienz und neue Aufgaben. In: Handelsblatt, 25. September 2025, S. 30

Disruption of management education for AI-based realignments

10.10.25

One of the major challenges facing Europe is the AI-based strategic and organizational realignment of companies. An important prerequisite for success in this task is the improvement of management education within the framework of lifelong learning. In this context, university teaching and human resources development are seeking a new balance between traditional and innovative approaches. Using ten influencing factors, I outline the spectrum of existing characteristics. This presents opportunities for education providers to differentiate themselves in an increasingly competitive international market. Exciting questions arise as to who will continue to drive forward the long-standing disruption of management education and in what form.

In this blog post, I report on my experiences in university teaching and consulting on the topic of personnel development in the context of realignments.

Competitive advantages through AI qualifications

German companies owe their competitive advantages in the past century to a large extent to their globally recognized engineers. Qualifications in the development and application of artificial intelligence (AI) may be similarly important for the future. The conclusion would be that the part of the world that trains and educates its managers and employees best in AI will be the most successful. This opens up new opportunities for cooperation between companies and education providers. Management didactics for AI-based strategic and organizational realignments play an important role here.¹ The first step is to clarify basic terms.

Realignment and transformation

The terms realignment and transformation have one thing in common and one difference. The commonality concerns the effects of change. These are profound in both realignments and transformations. In contrast, when the effects are minor, we speak of improvement. What differs, however, are the forms of change.

By the term realignment (or, better, „innoalignment“) of companies, we mean an innovative approach to coordinating important system elements, e.g., customers, business model, strategy, technologies, employees, organization, and culture. It is important to view these system elements in context. Realignments usually unfold their profound effects over a longer, not clearly defined period of time in many parallel learning steps. For example, digital change has been progressing for decades in ever new waves. This evolutionary character distinguishes realignments from time-limited transformations, in which change takes place in a big leap that often triggers defensive reactions.² In this respect, transformation projects are similar to restructuring projects, which, however, focus on reactive crisis management.

The widely used term „transformation“ leaves unanswered the question of what happens afterwards, for example, if the environment continues to develop dynamically or if the hoped-for success of the transformation fails to materialize. Perhaps it is precisely this illusory nature of the term that is one reason for its unreflective use. It is therefore to be welcomed that renowned scientists such as sociologist Armin Nassehi are now taking a critical look at the topic of transformation.³

It seems that many who use the term transformation actually mean a process of realignment that is not limited in time, or at least hope that a new stable equilibrium will eventually be established after a successful transformation. Realistic management education, on the other hand, should be based on clearly defined conceptual foundations.

In the case of AI-based realignments, which are characterized by a high degree of uncertainty, a realistic understanding of change is an important prerequisite for success. It is also important to avoid mistakes.

Mistakes in AI initiatives

Various studies show that only a small proportion of AI initiatives are successful. There are many reasons for this.⁴ Often^,expectations are exaggerated and there is a lack of well-prepared data. Other possible reasons include unclear guidelines and the uncoordinated use of too many AI tools. However, the main cause probably lies in the area of human resources, ranging from overburdened managers and a lack of training opportunities to employees‘ concerns about their jobs. Companies should therefore attach greater importance to management education when undertaking AI-based realignments. Management didactics is thus increasingly becoming a field of innovation.

Management didactics as a field of innovation

The term „management didactics“ refers to the theory and practice of teaching and learning in the field of management. Important drivers of innovation include fundamental changes in the world of work, which require new management concepts, and the use of AI-supported learning technologies.

Since the term, derived from ancient Greek, was coined by the educator and theologian Comenius in the early 17th century, didactics has evolved in many ways. Nevertheless, management didactics is a field of innovation whose importance has long been underestimated by many. This is evident, among other things, in the fact that university teachers are not required to have any training in didactics, but usually acquire the relevant skills themselves in the course of their work. Such learning by doing naturally leads to varying results.

Management education in search of a balance

In light of new challenges and learning technologies, management education and training are changing. There are a number of influencing factors, each of which can have a wide range of characteristics. One example is the documentation of teaching content, which is already less common in traditional textbooks and more prevalent in microlearning. In light of these influencing factors, management didactics is searching for a new balance between traditional and innovative approaches. This opens up a wide range of possibilities for lifelong learning, which is becoming increasingly important. Educational providers such as universities and publishers are faced with the task of reorienting themselves in this jungle and opening up interesting career paths for learners.

From my practical experience as a professor and consultant, ten influencing factors with a wide range of characteristics have emerged, which I will explain below.

The first two factors are the management environment and the teaching content.

Management environment and teaching content

Compared to today, the management environment used to be relatively static, and the need for lifelong learning was only beginning to emerge. This has changed fundamentally. The result of the highly dynamic environment is a shortening of the half-life of knowledge and skills.

One example is generative artificial intelligence. At the end of 2022, the introduction of the text robot ChatGPT by OpenAI triggered extreme hype.⁵ This has since been followed by a certain disillusionment, and experts are warning of an AI illusion.⁶ On the other hand, domain-specific AI, which specifically combines AI tools with applications, has gained in importance.⁷ These dynamic circumstances necessitate agile adaptation of teaching content. It is important to realistically assess trends and train learners to think critically.

In addition to the dynamics of teaching content, the balance between theory and practice plays an important role. The focus of traditional management studies is on theoretical foundations and concepts that are primarily taught by academically oriented instructors. In recent decades, the importance and influence of management consultants as bridge builders between theory and practice has increased. In a process of additional qualification, external consultants and in-house consultants improve their practical management skills on the job in the form of problem-oriented learning.⁸ Universities would be well advised to integrate this complexity-managing form of continuing education more strongly into their teaching.

This has important implications for the development and documentation of teaching content.

Development and documentation

In the past, the development of pioneering teaching content has been carried out primarily by individual professors who have worked on subject-specific management topics together with their doctoral students. This has resulted in a modular system of distinct elements of specialist knowledge for learners. This traditional concept needs to be supplemented. A new approach is the development of connecting skills by interdisciplinary teams consisting of both more theoretically and more practically oriented members.

Domain-specific AI provides an exciting example of this approach. The teaching content combines AI fundamentals with applications in individual management fields.⁹ Students learn from practitioners how to successfully implement a strategic and organizational realignment of companies.

In the past, teaching content has mainly been documented in the form of subject-specific textbooks, articles, case studies, and lecture notes. Some classic textbooks have been published in new editions over decades and have become very comprehensive. However, such „tomes“ are being written less and less and read even less. It is difficult for learners to distinguish which content in a work of several hundred pages is still relevant and which is not. However, the future documentation of teaching content is still more like a field of experimentation.

AI also plays an important role here. The goal is multimodal microlearning that is interactive and individualized. Content providers and new learning technologies such as learning experience platforms (LXP) are working together to design this microlearning^.

This is accompanied by a change in the theory and practice of management didactics.¹⁰

Theory and practice of management didactics

For a long time, management didactics theory has focused on the passive reception of knowledge. The proportion of creative design, e.g., of new business models, was surprisingly low, even though subjects such as innovation management should focus on this skill. Here, too, a process of change is currently taking place. The focus is shifting toward a more active, self-directed process. Systemic-constructivist pedagogy provides a basis for this.¹¹

The new generation of learners is growing up with AI tools, and intelligent input (prompting) is currently becoming a core competency. AI not only speeds up routine tasks, but also improves the search for creative solutions.¹² Teachers and their organizations have the task of creating suitable learning environments for this.

There are major differences in the practice of management didactics between Germany and the USA, for example. While the focus in Germany is on learning concepts and applying them in exercises, management teaching in the USA has been dominated by case studies for decades. Management consultancies have provided important impetus for problem solving in projects. Collaborative learning places greater emphasis on bottom-up learning processes through internal company teams, in which trainers take on a coaching role.¹³

Innovative education providers are working to incorporate AI-supported project-based learning into education at an early stage. In this way, they are improving the career opportunities of learners and differentiating themselves from traditional universities.

This is changing the business models and scaling options of education providers.

Business models and scaling opportunities

The traditional „business model“ of leading universities is based on the principle of academic freedom, which is enshrined in Germany’s Basic Law. According to this principle, professors have the right to design their teaching content individually. At private business schools that operate at multiple locations, teaching content increasingly comes from module coordinators, who make the materials available to less experienced lecturers as inspiration. In team teaching, interdisciplinary teams with different backgrounds develop the teaching content. These changed business models can be geared toward both cost reduction and the realization of price premiums.

The late Harvard professor Clayton Christensen pointed out as early as 2010 the disruptive potential of business model innovations in management education, which is becoming increasingly apparent.¹⁴

The classic model of university scaling is based on the worldwide distribution of books and articles by management gurus, case studies, and the reputation of educational providers. This reputation enables the high prices of MBA programs and, in some cases, company-specific executive education. With the emergence of Massive Open Online Courses (MOOCs) in the 2010s, new opportunities have arisen for learning platforms to reach a large number of learners at relatively low cost.

It is foreseeable that in the coming years, most companies will need to provide their employees with continuing education tailored to their specific needs in the field of AI.¹⁵ Companies should not underestimate the social explosiveness of this issue if they have to lay off a large number of employees.

Other factors to consider are the channels and trusteeship of management education.

Channels and trusteeship

While traditional classroom learning offers little opportunity for interaction among large numbers of students, small groups are relatively cost-intensive. Online learning has a number of advantages, but often lacks the experiential quality of face-to-face learning through dialogue. Innovative education providers are therefore trying to combine the advantages of different channels with new formats. Blended learning, combining face-to-face and online events, is now widespread. One form of learning with a long tradition that could be experiencing a renaissance is work-integrated learning. Its roots lie in the dual vocational training system common in the skilled trades. A new interpretation is based on the use of digital technologies such as virtual reality (VR).

For several years now, companies have been using VR glasses for training and further education in the workplace. Business schools such as Insead are also experimenting with VR glasses in management education.¹⁶

Publicly funded universities are facing increasing competition in management education from private education providers, which charge higher prices but are also considered more individual and flexible. In addition to full-time courses, these often offer dual programs in which students spend part of their working time at a partner company. Dual study programs are very popular, but in my opinion, they have not yet reached their full potential. One area for improvement is the targeted coordination between learning at the business school and gaining relevant, practical experience in the company.

That is why we offer students individually tailored tasks for action-oriented learning with their practical partners. It becomes exciting when, for example, in a project learning situation on the topic of AI^, the students‘ supervisors also contribute their experience.¹⁷

AI-supported disruption of management education

The outline of these factors with their different characteristics shows the potential for AI-supported disruption in management education.¹⁸ Artificial intelligence provides both new content and new tools for management education and training, with far-reaching implications for the business models of universities, companies, publishers, and providers of learning technologies.

The term business model disruption refers to a business model with a new value proposition for customers and barriers that are difficult for established competitors to overcome.¹⁹ Traditional universities, for example, are struggling to implement changed degree programs with AI as a basic and cross-disciplinary subject, as well as innovative content and learning technologies. The biggest barrier here is the pronounced reluctance of those responsible to change, which makes realignment difficult.

The topic of AI opens up opportunities for disruption in management education on a scale that cannot yet be fully predicted.²⁰ One possible path is through AI-supported improvement of the individual quality of teaching. The following figure summarizes a few points on this topic.

The basic idea is that AI does not replace teachers, but rather supports them in improving the quality of their work. An important guiding principle is that the individual teaching style recognized by AI is retained. Based on specified criteria, AI then performs a strengths and weaknesses analysis using teaching samples. A first starting point is the development of strengths, e.g., the use of illustrative examples, and a reduction of weaknesses, e.g., too much frontal teaching.

One area with potential for optimization among many teachers is the goal of improving students‘ career opportunities in the AI age. An important contribution to this is to teach content that combines technological application experience with social skills.²¹ The actual future skills require a combination of the expertise of various specialists, which AI can support. This is particularly true for complex tasks involving interaction with customers and employees, e.g., in the context of challenging sales talks or conflicts within teams.

One task that has long overwhelmed many teachers is the continuous and targeted updating of their teaching content in the form of examples, questions, and short case studies. AI can also help to overcome this challenge and contribute to the design of new teaching content.

Another point is the use of AI chatbots to help learners explore the teaching content step by step. Google, for example, is pursuing this goal with its Gemini AI model and Guided Learning software, which aims to promote curiosity and critical thinking.²² The vision for the future is that every person will have a personal AI tutor who adapts to their individual learning needs.

In addition to individualizing learning, e.g., in complex projects, collaboration between teachers is becoming increasingly important. AI supports team teaching by helping to connect related topics, e.g., in interdisciplinary tasks.

AI tools that exploit efficiency potential in routine activities create more scope for these qualitative improvements. One example is support in the evaluation of exam performance, which is very time-consuming.

Overall, these and other points are leading to a next generation of management education in which teachers and learners work together with the support of AI. This can help to further develop the mindset in the respective stages of life. The question now is how to successfully implement AI-supported management education in practice.

Implementing concepts for AI-supported management education

Many universities and companies do not seem to be aware of how much management education and training is changing in the age of AI. Although there is no shortage of literature on the theoretical foundations of such a realignment,²³ there is a lack of concepts for practical implementation.

One gets the impression that most players are still in individual experimental phases, which they are going through with limited commitment and caution. Large AI providers are acting differently, offering their customers free training programs in order to retain them. This approach has the advantage that it is at least based on clear objectives. However, it is necessary for universities and companies to implement their own concepts for AI-supported management education.

A hallmark of successful concepts is the connective design of the following three dimensions:

The joint development and continuous updating of relevant interdisciplinary teaching content
The implementation of innovative management teaching methods
Individual adaptation to different target groups, from school pupils and students to professionals and executives.

Many players will not be able to develop and implement these concepts on their own. One foreseeable consequence of the disruption of management education is that private education providers offering outdated teaching content and methods, for example, will eventually disappear from the market.

The greatest pressure to act in the change of educational ecosystems is likely to be felt by companies that need to retrain a large number of their employees in AI-supported realignments. These companies will increasingly seek to collaborate with innovative partners. Therefore, the realization that every disruption presents an opportunity also applies here. Learning ecosystems around the world that understand AI as a game changer are taking advantage of this opportunity.

AI as a game changer for learning ecosystems

In our book on AI as a game changer, published in 2020, we identified shortcomings in German digital policy.²⁴ These shortcomings still exist today in education policy, which should create conditions that promote innovation for the development and application of AI. Important inspiration comes from AI initiatives in other parts of the world. For example, the world’s first AI-only university has been established in the future city of Masdar near Abu Dhabi in the United Arab Emirates. In Saudi Arabia, 86 percent of bachelor’s degree programs now have an AI focus.²⁵

In the global competition for the best AI support for management education, learning ecosystems in which various partners work together are likely to play a leading role. Possible partners include educational institutions, AI and LearnTech providers, as well as companies and public organizations as customers. New forms of cooperation are emerging in the US, China, the Gulf states, and Europe, but the outcome of the race is still open.

Studies on the use of AI assume that for many companies, the initial focus will be on increasing productivity. In addition, AI opens up a wide range of opportunities for business model innovation.²⁶ Both approaches have a major impact on the future of work. In addition to job cuts in routine tasks, new job profiles are emerging, e.g., in the monitoring of AI results.²⁷ Education providers must adapt to this. An important success factor is motivating learners to work with AI.

Combining the best of both worlds

In addition to my work as an honorary professor at the University of Stuttgart, I have long been an external lecturer in dual degree programs at private business schools. Universities and business schools have different strengths that actually complement each other perfectly. In the case of business schools, these include

teachers with experience outside the education sector
students who work in the field alongside their studies, and
companies as practical partners that need to manage an AI-supported realignment.

The strengths of universities, on the other hand, are

a broad spectrum of relevant subject areas such as business administration, computer science, and engineering
professors and doctoral students with a focus on research, as well as
funding from the public sector and third-party sources.

It would therefore seem logical for these two types of providers to cooperate on the subject of AI.

In practice, however, this has been the exception rather than the rule. One possible approach would be joint projects in which actors from both „camps“ work together with clearly defined goals. Currently, however, this is hindered by a pronounced distance between public and private business schools.

One promising way to combine the best of both worlds is to make the solution of complex problems in companies the subject of final theses. One example is the use of AI in sales and the cooperation with start-ups such as the Berlin-based company Parloa. In this context, teachers and students jointly train the application of problem-solving methods in projects, a skill that is becoming increasingly important in the age of AI. At the same time, this creates an application-oriented alternative to the strongly empirical management research that has become dominant in recent decades but is often of relatively little relevance to practitioners.

Conclusion

Training and further education play an important role in the AI-supported strategic and organizational realignment of companies
A number of influencing factors come together in the design of innovative management didactics
The disruptive potential of AI can contribute to market consolidation in management education
When implementing AI-supported management education, innovative learning ecosystems are changing the rules of competition.

Literature

[1] Servatius, H.G., Development and change in strategic management. In: Competivation Blog, September 19, 2025

[2] Servatius, H.G., Triple strategic realignment. In: Competivation Blog, June 7, 2024

[3] Nassehi, A., Critique of the grand gesture – Thinking differently about social transformation, 2nd edition, C.H.Beck 2024

[4] Merten, M., How can AI really add value? In: Handelsblatt, September 2, 2025, pp. 24-25

[5] Bomke, L., Holtermann, F., Scheuer, S., Between hype and disillusionment. In: Handelsblatt, August 29/30/31, 2025, pp. 48-53

[6] Dörner, A., Holtermann, F., Wiebe, F., The AI illusion. In: Handelsblatt, August 22/23/24, 2025, pp. 1, 4-7

[7] Servatius, H.G., Development of AI technologies. In: Competivation Blog, February 19, 2025

[8] Servatius, H.G., Learning to design solutions for complex management problems. In: Competivation Blog, July 15, 2025

[9] Servatius, H.G., Competitive advantages with knowledge-specific AI. In: Competivation Blog, February 11, 2025

[10] Floor, N., This is learning experience design – What it is, how it works, and why it matters, Pearson Education 2023

[11] Reich, K., Systemic-constructivist pedagogy – Introduction to the fundamentals of interactionist-constructivist pedagogy, Beltz 2010

[12] Servatius, H.G., AI as a tool for strategic management. In: Competivation Blog, May 1, 2025

[13] Hernandez, N., Collaborative learning – How to upskill from within and turn L&D into your competitive advantage, Kogan Page 2023

[14] Christensen, C.M., Horn, M.B., Johnson, C.W., Disrupting class – How disruptive innovation will change the way the world learns, McGraw-Hill 2010

[15] Servatius, H.G., Generative AI and Mass Customized Action Learning. In: Competivation Blog, August 28, 2023

[16] Stern, I., Epstein, A., Landau, D., Making VR a Reality in Business Classrooms. In: Harvard Business Review, November 8, 2021

[17] Jones, D., Modern PBL – Project-based learning in the digital age, Teacher Goals 2024

[18] Servatius, H.G., AI and the future of management education. In: Competivation Blog, April 9, 2025

[19] Servatius, H.G., How to recognize a disruptive business model. In: Competivation Blog, July 27, 2016

[20] Servatius, H.G., Disruption in management education. In: Competivation Blog, May 29, 2019

[21] von Schwanewede, S., Securing your own job value in the age of AI. In: Handelsblatt, September 16, 2025, pp. 22-23

[22] Scheuer, S., Chatbot Gemini to help with learning. In: Handelsblatt, September 8, 2025, p. 24

[23] de Witt, C., Gloerfeld, C., Wrede, S.E. (eds.), Artificial intelligence in education, Springer 2023

[24] Kaufmann, T., Servatius, H.G., The internet of things and artificial intelligence as game changers – Paths to Management 4.0 and a Digital Architecture, SpringerVieweg 2020, p. 203 ff.

[25] Witsch, K., Bomke, L., Rogg, I., The new tech superpowers. In: Handelsblatt, October 2/3/4/5, 2025, pp. 42-48

[26] Hübner, G., Artificial intelligence as a growth driver. In: Handelsblatt, November 28, 2025, p. 28

[27] Burkhardt, K., Efficiency and new tasks. In: Handelsblatt, September 25, 2025, p. 30

GenAI-based strategic learning loops as a connecting process pattern

01.11.24

The fifth development stage of a connective strategic management aims to make organizations and countries more digital, sustainable and resilient. In this stage, pioneering companies are realigning their strategic processes. The focus here is on GenAI-based strategic learning loops as a connecting process pattern. This innovative approach has the potential to improve the management of complexity. Here too, generative artificial intelligence (GenAI) is a driver and game changer. With the help of AI, strategy teams can further develop their individual leadership strengths and take advantage of the opportunities offered by new technologies. At the same time, it is important to reduce the risks associated with these technologies. A suitable containment approach for this currently only exists in its infancy. An alternative to the powerful digital giants is currently emerging in Germany.

In the first part of this blog post, I explain why the concept of strategic learning loops is becoming increasingly important for corporate success.

Disruption with GenAI made in Germany

If you are looking for successful strategy processes in Germany, the Schwarz Group, which has made the discount king Dieter Schwarz the richest citizen in the country, is an interesting lesson. First of all, the development of the discounters Lidl and Kaufland is a successful example of demand-side disruption.¹ Building on this, the Schwarz Group began producing its own food and setting up a recycling subsidiary.

With the Schwarz Digits division, which focuses on digital sovereignty, the Group’s disruption strategy is taking on a new dimension. The digital division’s portfolio currently consists of the following strategic business units and investments:

Stackit offers a sovereign cloud solution with technical infrastructure in Germany and Austria
The start-up Aleph Alpha is working on independent and transparent artificial intelligence
XM Cyber uncovers security vulnerabilities with the power of attack simulation
and finally, as a pioneer in data protection and encryption, Wire provides secure communication.

The highest growth rates worldwide are forecasted for this bundle of strategic business areas.² Sovereign, trustworthy AI made in Germany³ could prove to be a complement to the offerings of the digital giants, with whom cooperation is of course also possible.

Walter Wolf, CEO of Schwarz Digits, emphasizes the importance of specific knowledge for the company’s success, which must be protected. In October 2024, the company also deepened its partnership with SAP so that Stackit customers can take advantage of the comprehensive RISE with SAP offering.⁴

The universities, research institutions and start-ups supported by the Schwarz Group form the core of an innovation ecosystem⁵ in the region around Heilbronn and Heidelberg, which is highly attractive to partners from all over Europe.

With the Data Hub Europe, Schwarz Digits is now working with Deutsche Bahn to create a data platform for training specific, proprietary and confidential AI models.⁶ This example shows that successful strategy processes for digital innovations based on entrepreneurs are also possible in Germany.

In our book „The Internet of Things and Artificial Intelligence as a Game Changer“, published in 2020, we described the importance of linking centralized and decentralized processes with strategic learning loops.⁷ The central strategy processes take place at the level of the entire company. Agile strategy teams work at the decentralized level and are networked with each other as well as with the central level and its IT architecture.

In the following sections, I would like to explain how companies can better exploit the potential of strategy processes today. I will start with some basics.

Various strategy terms, behavioral patterns and strategy schools

The term strategy has different meanings. In his famous 5Ps, Henry Mintzberg mentions the plan, the ploy, the pattern, the position and the perspective.⁸ From today’s perspective, the different patterns of behavior that occur in certain types of companies and in specific situations are particularly relevant. For example, the visionary pattern of innovative companies, the classic pattern of established large companies, the agile pattern of start-ups and the scaling pattern of companies with a digital platform business model differ significantly from one another. Added to this is the cost-cutting pattern of companies undergoing restructuring.

Mintzberg and his co-authors also published a description of ten schools of strategy that have emerged since the 1960s in 1999.⁹ For example, the positioning school propagated by consulting firms and Harvard professor Michael Porter views strategy development and implementation primarily as an analytical process. When this school came to Germany in the 1970s and 80s, it met with a relatively high level of acceptance, particularly in established large companies.

The many world market leaders that are little known to the general public, for whom Hermann Simon coined the term „hidden champions“ in 1990,¹⁰ tend to practice a combination of the entrepreneurial school, the learning and cultural school. From the perspective of the learning school, strategies and, above all, innovations arise from the complex interaction of a large number of players. Such an emerging process is also an important success factor in many digital companies.¹¹

The first three of the ten schools are prescriptive in nature, i.e. they attempt to describe how strategy processes should work. The more recent seven schools, which include the learning school, are descriptive. Their aim is to describe how strategy processes actually take place.

My experience from strategy consulting for many DAX companies and even more „hidden champions“ is that strategy processes are much more complex in practice and usually combine different schools of strategy. This applies in particular to the combination of different behavioral patterns, e.g. in the context of mergers and acquisitions.

An important, but for a long time not well understood concept for managing the complexity of strategy processes are strategic learning loops and their emergence from various subject areas.

Development of strategic learning loops

The concept of strategic learning loops has emerged from two subject areas that have developed relatively separately from each other. The first area is strategy processes – surprisingly an area that has been neglected by management science and practice after a great deal of early work and in which there has been little progress. I have been concerned about these deficits for a long time.

After my dissertation on strategic technology management in 1985¹² , I had hoped that the successful implementation of technical innovations in the USA with the help of corporate venture management would also meet with broad approval in Germany. Unfortunately, the timing was not right when I published my book on this topic in 1988.¹³ It would take more than a decade before the investment of established companies in start-ups gradually gained in importance in Germany as well. Based on my experience from a large number of consulting projects with deficits in strategy processes, I began to look for the causes of these difficulties. In doing so, I was able to build on what I had learned in the meantime about innovation culture and strategic change.

In my post-doctoral thesis, published in 1991, I critically examined traditional strategic management „field commander style“. The alternative concept is evolutionary leadership of learning organizations.¹⁴ Successful digital start-ups have made this paradigm shift in strategic management from mechanistic to overcoming complexity and are now the most valuable companies in the world.¹⁵

Since the 1980s, problems in the implementation of strategies have become more of a focus of interest and various approaches to performance management have emerged. Semiconductor pioneer Intel developed the Objectives and Key Results (OKR) method, which was primarily used by start-ups such as Google.¹⁶ In Germany, the balanced scorecard method, which emerged from a best practice study by Robert Kaplan and David Norton and follows a more traditional top-down concept, became much better known.¹⁷

The second topic is learning loops, which have their roots in action research developed by social psychologist Kurt Lewin back in the 1940s.¹⁸ Such an approach in the form of a spiral of repetitive loops has become an important method of organizational development that favours a bottom-up approach. For a long time, however, the thinking patterns of strategists and organizational developers had little in common. This only changed with the increasing importance of strategic change.¹⁹

The great practical relevance of learning loops today lies in the fact that they are part of the basic procedural concept of agile methods such as design thinking, scrum and lean start-up.²⁰ These agile methods have made a decisive contribution to the success of digital companies, but still meet with resistance in many established companies. It is important to understand that the scrum method was developed on the basis of the theory of complex adaptive systems. In agile organizations, the main task of managers is to create a suitable framework for more self-organization.

Combining these two topics with generative artificial intelligence as a driver now enables a fundamental realignment of strategy processes.²¹

Realignment of strategy processes

Pioneering companies with whom we work pursue the following three approaches when realigning their strategy processes:

A breakdown of the processes into the phases of thinking, acting and communicative dissemination and change with strategic learning loops as a connecting process pattern
improving the relevant strategic skills of project teams based on individual leadership strengths and
exploiting the opportunities of company-specific generative artificial intelligence (GenAI) and containing its risks.

In the following, I will go into more detail about our experiences with the first two approaches. The last point will be the subject of the second part of this blog post.

Process phases and strategic learning loops

One shortcoming of traditional top-down strategy processes is the separation between the phases

creative strategic thinking that leads to the development or emergence of strategies and
practical strategic action to implement the strategies in the form of programs and projects that run alongside day-to-day operations.

At the interface between strategy generation and implementation, established companies have corporate development departments that are often supported by ambitious external consultants for challenging and unpleasant tasks. Empirical research on the success rate of this approach is limited. However, a growing number of negative practical examples show that this traditional understanding of the process needs to be revised.²²

In addition to these two phases, there is a third phase in which the shortcomings in bureaucratic organizations are particularly pronounced. This phase is about the communicative dissemination of strategies and a change designed as a learning process.

In recent decades, start-ups and successful digital companies have provided important impetus for this. For a long time now, software development has no longer been carried out using the waterfall method but with an agile mindset.²³ This is based on the aforementioned paradigm shift in strategic management from mechanistic to overcoming complexity. Strategic learning loops, which are increasingly GenAI-based, play an important role.

The basic principle of a strategic learning loop known from the lean start-up method is: formulate assumptions (hypotheses), design something (e.g. a further developed business model), test the assumptions, learn from the test results and, if necessary, pivot. In the digital world, these learning loops are the basics of successful management. However, encrusted silo organizations in business, administration and politics that are resistant to advice resist them with great emotional intensity.

The success of strategic learning loops lies in the fact that they combine the three phases of strategy processes described above. This creates a complexity-overcoming process pattern that is clearly superior to traditional approaches. The disruptive effect of this process pattern is a difficult barrier to overcome for established companies with „old-school“ managers.

Confirmation in training and further education

An interesting experience from university teaching in dual programs, in which people who work in different companies have the opportunity to share their experiences in a „fear-free space“, is the following: While one group of students experiences the unifying process pattern of strategic learning loops as an everyday working reality, for the other group this pattern is a foreign world in which attempts to change from within are perceived as futile or dangerous.

When the second group is asked whether external intervention by consultants, trainers or coaches would be promising, opinions are divided. One sub-group believes that this also has an alibi function at best. The other group believes that there is a certain openness to professional change agents because the signs of crisis are increasing and change is therefore necessary.

These personal experiences over a relatively long period of time confirm the thesis that Europe is divided into two management worlds. This gives rise to suggestions for answering the question of how strategy teams can improve their relevant skills.

Improvement of strategic capabilities

As in team sports, successful strategy teams are made up of players with different strengths. Creative strategic thinkers, analytically gifted planners, energetic implementers, strong communicators and empathetic change agents ideally act as strategy process champions in a team. However, many companies do not take full advantage of the opportunities to improve team performance in strategy processes, even though there are proven methods for doing so.

A well-known approach is the StrengthFinder concept, which divides personal leadership strengths into the categories of strategic thinking, implementation, influence on others and relationship development.²⁴ The figure shows the mapping of 34 identified strengths to these categories based on Don Clifton’s research.

This concept is suitable for the assessment of managers, the composition of high-performance teams and the targeted further development of individual skills.

The use of generative artificial intelligence is now opening up new opportunities. This once again demonstrates the relevance of the term „hype cycle“ coined by Gartner consultant Jackie Fenn in 1995.²⁵ The media hype cycle for new technologies often takes place in the following stages

basic research
technological trigger
exaggerated expectations up to a peak
disillusionment into the valley of disappointment
path to a realistic assessment and finally
a plateau in productivity.

I will discuss this and new developments in the application of generative AI in strategy processes in the second part of this blog post.

The example of Porsche shows how this can work in practice.

Changing rules of the game through AI in Porsche’s liquid organization

Sajjad Khan, Porsche’s IT Director, believes that AI is the next big wave that will fundamentally change the rules of competition. This game-changer effect lies in the possibilities of small and large language models to develop software faster. The goal must be the transition from the traditional hardware-first to a software-first approach. To achieve this, the mindset must change. His goal is to create a liquid organization in which everything is in flux and which works in turbo mode. The art of appropriate leadership is the close exchange with employees.²⁶

The idea of a liquid or fluid organization has fascinated me for a long time. The subtitle of my book „Implementing Reengineering Programs“, published in 1994, is „From rigid structures to fluid processes“. In the publication, I tried to expand the then dominant view of IT-driven process innovations²⁷ to include aspects such as interface competence, the fluidization of organizations and the mental change required for this.²⁸ What has been booming since then is the implementation of resource management and customer relationship management software. Unfortunately, only a few established companies succeed in making the strategic change to fluid forms of organization and management, which is designed as a learning process. It is therefore to be hoped that they will master the current AI wave better than previous waves of digitalization.

Conclusion

The concept of strategic learning loops has emerged from the combination of two subject areas that have developed relatively separately from each other: Firstly, the learning school of strategy processes and secondly, action research as the basis for agile methods.
Strategic learning loops are a connecting process pattern that enables a realignment of strategy processes.
With generative artificial intelligence (GenAI), digital companies have developed a powerful tool that opens up great opportunities but also harbors considerable risks. This tool also has a game-changing effect on strategy processes.
The aim of politics, science, business and society in a resilient Europe should be to play a pioneering role in the development of a sovereign, trustworthy GenAI and its application in strategic processes.

Literature

[1] Servatius, H.G., How do you recognize a disruptive business model? In: Competivation Blog, 27.06.2016

[2] Scheppe, M., These industries will shape the economy in 2040, in: Handelsblatt, October 24, 2024, p.22-23

[3] Fokuhl. J., Bomke, L., AI „made in Germany“, in: Handelsblatt, October 22, 2024, p.6-7

[4] Wolf, W., „Many consider the data-sovereign cloud to be a utopia“, in: Trend Report, November 2024, p.12

[5] Fransman, M., Innovation Ecosystems – Increasing Competitiveness, Cambridge University Press 2018

[6] Holzki, L., Fokul, J., Deutsche Bahn and Schwarz Group plan data marketplace, in: Handelsblatt, October 25/26/27, 2024, p.24

[7] 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, p. 56 ff.

[8] Mintzberg, H., The Strategy Concept – Five Ps for Strategy, in: California Management Review, 1987, pp.11-24

[9] Mintzberg, H., Ahlstrand, B., Lampel, J., Strategy Safari – Eine Reise durch die Wildnis des strategischen Managements, Ueberreuter 1999

[10] Simon, H., Hidden Champions des 21. Jahrhunderts – Die Erfolgsstrategien unbekannter Weltmarktführer, Campus 2007

[11] McAfee, A., The Geek Way – The Radical Mindset That Drives Extraordinary Results, Macmillan Business 2023, p.103 ff.

[12] Servatius, H.G., Methodik des strategischen Technologie-Managements – Grundlage für erfolgreiche Innovationen, Erich Schmidt Verlag 1985

[13] Servatius, H.G., New Venture Management – Successful Solution of Innovation Problems for Technology Companies, Gabler 1988

[14] Servatius, H.G., Vom Strategischen Management zur Evolutionären Führung – Auf dem Weg zu einem ganzheitlichen Denken und Handeln, C.E. Poeschel Verlag 1991

[15] Servatius, H.G., Learning from successful digital companies, in: Competivation Blog, 12.07.2024

[16] Doerr, J., Measure What Matters: OKRs – the Simple Idea That Drives 10x Growth, Portfolio Penguin 2018

[17] Kaplan, R.S., Norton, D.P., The Execution Premium – Linking Strategy to Operations for Competitive Advantage, Harvard Business Press 2008

[18] Krizanits, J., Einführung in die Methoden der systemischen Organisationsberatung, Carl-Auer 2013, p.9 ff.

[19] Tichy, N.M., Managing Strategic Change – Technical, Political, and Cultural Dynamics, John Wiley & Sons 1983

[20] Ries, E., The Lean Startup – How Today’s Entrepreuners Use Continuous Innovation to Create Radically Successful Businesses, Crown Currency 2011

[21] Servatius H.G., Triple strategic realignment, in: Competivation Blog, 07.06.2024

[22] Mazzucato, M., Collington, R.H., Die große Consulting-Show – Wie die Beratungsbranche unsere Unternehmen schwächtt, den Staat unterwandert und die Wirtschaft vereinnahmt, Campus 2023

[23] Servatius, H.G., Ways to an agile mindset, in: Competivation Blog, 09.08.2018

[24] Rath, T., Conchie, B., Strengths Based Leadership – Great Leaders, Teams, and Why People Follow, Gallup Press 2008

[25] Fenn, J., Raskino, M., Mastering the Hype Cycle – How to Choose the Right Innovation at the Right Time, Harvard Business Review Press 2008

[26] Hucko, M., „AI completely changes the rules of the game“ (Interview with Sajjad Khan), in: Manager Magazin; November 2024, p.66-68

[27] Davenport, T.H., Process Innovation – Reengineering Work through Information Technology, Harvard Business School Press 1993

[28] Servatius, H.G., Reengineering-Programme umsetzen – Von erstarrten Strukturen zu fließenden Prozessen, Schaeffer-Poeschel 1994

GenAI-basierte strategische Lernschleifen als verbindendes Prozessmuster

01.11.24

Die fünfte Entwicklungsstufe eines konnektiven strategischen Managements verfolgt das Ziel, dass Organisationen und Staaten digitaler, nachhaltiger und resilienter werden. In dieser Stufe richten Vorreiter-Unternehmen ihre Strategieprozesse neu aus. Im Mittelpunkt stehen dabei GenAI-basierte strategische Lernschleifen als verbindendes Prozessmuster. Dieser innovative Ansatz hat das Potenzial zu einer besseren Bewältigung von Komplexität. Auch hier ist die generative Künstliche Intelligenz (KI) ein Treiber und Game Changer. Mit Hilfe von KI entwickeln Strategieteams ihre individuellen Führungsstärken weiter und nutzen die Chancen der neuen Technologien. Gleichzeitig gilt es, die mit diesen Technologien verbundenen Risiken einzudämmen. Ein hierzu geeigneter Containment-Ansatz existiert gegenwärtig erst in Ansätzen. Eine Alternative zu den immer mächtiger werdenden Digitalgiganten entsteht gegenwärtig in Deutschland.

Im ersten Teil dieses Blogposts erläutere ich, warum das Konzept der strategischen Lernschleifen von zunehmender Bedeutung für den Unternehmenserfolg ist.

Disruption mit GenAI made in Germany

Wenn man nach erfolgreichen Strategieprozessen in Deutschland sucht, ist die Schwarz Gruppe, die den Discount-König Dieter Schwarz zum reichsten Bürger des Landes gemacht hat, ein interessantes Lehrstück. Zunächst einmal ist die Entwicklung der Discounter Lidl und Kaufland ein Erfolgsbeispiel für nachfrageseitige Disruption.¹ Darauf aufbauend begann die Schwarz Gruppe mit der Eigenproduktion von Lebensmitteln und dem Aufbau einer Recycling-Tochtergesellschaft.

Mit der auf digitale Souveränität ausgerichteten Sparte Schwarz Digits erreicht die Disruptionsstrategie der Gruppe eine neue Dimension. Das Portfolio der Digitalsparte besteht gegenwärtig aus den folgenden strategischen Geschäftsfeldern und Beteiligungen:

Stackit bietet eine souveräne Cloud-Lösung mit technischer Infrastruktur in Deutschland und Österreich an
Das Start-up Aleph Alpha arbeitet an einer unabhängigen und transparenten Künstlichen Intelligenz
XM Cyber deckt Sicherheitslücken mit der Macht der Angriffssimulation auf
und schließlich liefert Wire als Vorreiter bei Datenschutz und Verschlüsselung eine sichere Kommunikation.

Für dieses Bündel strategischer Geschäftsfelder werden weltweit die größten Wachstumsraten prognostiziert.² Eine souveräne, vertrauenswürdige KI made in Germany³ könnte sich als Ergänzung zu den Angeboten der Digitalgiganten erweisen, mit denen natürlich auch Kooperationen möglich sind.

Walter Wolf, Vorstand von Schwarz Digits, betont die Bedeutung von spezifischem Wissen für den Unternehmenserfolg, das es zu schützen gilt. Im Oktober 2024 hat das Unternehmen außerdem seine Partnerschaft mit SAP vertieft, sodass Stackit-Kunden das umfassende Angebot von RISE with SAP nutzen können.⁴

Die von der Schwarz Gruppe geförderten Hochschulen, Forschungseinrichtungen und Start-ups bilden den Kern eines Innovationsökosystems⁵ in der Region um Heilbronn und Heidelberg, das für Partner aus ganz Europa eine hohe Anziehungskraft hat.

Mit dem Data Hub Europe schafft Schwarz Digits nun gemeinsam mit der Deutschen Bahn eine Datenplattform für das Training von spezifischen, unternehmenseigenen und vertraulichen KI-Modellen.⁶ Das Beispiel zeigt, dass auch in Deutschland von Unternehmern ausgehende, erfolgreiche Strategieprozesse für digitale Innovationen möglich sind.

In unserem 2020 erschienenen Buch „Das Internet der Dinge und Künstliche Intelligenz als Game Changer“ haben wir beschrieben, dass es dabei auf eine mit strategischen Lernschleifen realisierte Verbindung von zentralen und dezentralen Prozessen ankommt.⁷ Die zentralen Strategieprozesse laufen auf der Ebene des gesamten Unternehmens ab. Auf der dezentralen Ebene arbeiten agile Strategieteams, die sowohl untereinander als auch mit der zentralen Ebene und deren IT-Architektur vernetzt sind.

In den folgenden Abschnitten möchte ich erläutern, wie Unternehmen heute das Potenzial von Strategieprozessen besser ausschöpfen können. Beginnen werde ich mit einigen Grundlagen.

Verschiedene Strategiebegriffe, Verhaltensmuster und Strategieschulen

Der Begriff Strategie hat unterschiedliche Bedeutungen. Henry Mintzberg nennt in seinen berühmten 5P den Plan, die List (Ploy), das Verhaltensmuster (Pattern), die Wettbewerbsposition (Position) und das Bewusstsein (Perspective).⁸ Aus heutiger Sicht besonders relevant sind die verschiedenen Verhaltensmuster, die bei bestimmten Unternehmenstypen und in spezifischen Situationen auftreten. So unterscheiden sich das visionäre Muster von innovativen Unternehmen, das klassische Muster von etablierten Großunternehmen, das agile Muster von Start-ups und das Skalierungsmuster von Unternehmen mit einem digitalen Plattform-Geschäftsmodell deutlich voneinander. Hinzu kommt das Kostensenkungsmuster von Unternehmen, die sich in der Restrukturierung befinden.

Von Mintzberg und seinen Co-Autoren stammt auch die 1999 erschienene Beschreibung von zehn Strategieschulen, die seit den 1960er Jahren entstanden sind.⁹ So betrachtet z.B. die von Beratungsunternehmen und dem Harvard-Professor Michael Porter propagierte Positionierungsschule die Strategieentwicklung und -umsetzung primär als analytischen Prozess. Als diese Schule in den 1970er und 80er Jahren nach Deutschland kam, stieß sie vor allem in etablierten Großunternehmen auf eine relativ große Akzeptanz.

Die vielen, in der breiten Öffentlichkeit wenig bekannten Weltmarktführer, für die Hermann Simon 1990 den Begriff „Hidden Champions“ geprägt hat,¹⁰ praktizierten eher eine Kombination aus der unternehmerischen Schule sowie der Lern- und der Kulturschule. Aus Sicht der Lernschule entstehen Strategien und vor allem auch Innovationen aus der komplexen Interaktion einer Vielzahl von Akteuren. Ein solcher sich herausbildender Prozess ist auch in vielen Digital-Unternehmen ein wichtiger Erfolgsfaktor.¹¹

Die ersten drei der zehn Schulen haben einen präskriptiven Charakter, das heißt sie versuchen zu beschreiben, wie Strategieprozesse ablaufen sollten. Die neueren sieben Schulen, zu denen auch die Lernschule gehört, sind deskriptiv. Ihr Anspruch ist zu beschreiben, wie Strategieprozesse tatsächlich ablaufen.

Meine Erfahrung aus der Strategieberatung von vielen DAX-Unternehmen und von noch mehr „Hidden-Champions“ ist, dass Strategieprozesse in der Praxis noch wesentlich komplexer sind und meist verschiedene Strategieschulen verknüpfen. Dies gilt insbesondere bei der Verbindung verschiedener Verhaltensmuster z.B. im Rahmen von Beteiligungen und Akquisitionen.

Ein wichtiges, aber lange Zeit nicht gut verstandenes Konzept zur Bewältigung der Komplexität von Strategieprozessen sind strategische Lernschleifen und deren Entstehung aus verschiedenen Themenfeldern.

Entstehung von strategischen Lernschleifen

Das Konzept der strategischen Lernschleifen ist aus zwei Themenfeldern entstanden, die sich relativ getrennt voneinander entwickelt haben. Das erste Themenfeld sind Strategieprozesse – erstaunlicherweise ein nach einer Vielzahl früher Arbeiten von der Managementwissenschaft und -praxis vernachlässigtes Gebiet, in dem es kaum Fortschritte gegeben hat. Diese Defizite beschäftigen mich seit langem.

Nach meiner Dissertation zum strategischen Technologie-Management im Jahr 1985¹² hatte ich gehofft, dass die in den USA erfolgreiche Umsetzung von technischen Innovationen mit Hilfe eines Corporate Venture Managements auch in Deutschland auf eine breite Zustimmung stoßen würde. Leider stimmte das Timing bei meiner Buchpublikation 1988 zu diesem Thema nicht.¹³ Es sollte noch über ein Jahrzehnt dauern, bis die Beteiligung von etablierten Unternehmen an Start-ups auch in Deutschland allmählich an Bedeutung gewann. Aufgrund der Erfahrung aus einer Vielzahl von Beratungsprojekten mit Defiziten bei Strategieprozessen begann ich, nach den Ursachen für diese Schwierigkeiten zu suchen. Dabei konnte ich auf dem aufbauen, was ich in der Zwischenzeit über die Themen Innovationskultur und strategischer Wandel gelernt hatte.

In meiner 1991 erschienenen Habilitationsschrift habe ich mich dann kritisch mit dem traditionellen strategischen Management „nach Feldherrenart“ auseinandergesetzt. Der Gegenentwurf ist eine evolutionäre Führung lernender Organisationen.¹⁴ Erfolgreiche Digital-Start-ups haben diesen Paradigmenwechsel im strategischen Management von mechanistisch zu komplexitätsbewältigend vollzogen und sind zu den wertvollsten Unternehmen der Welt geworden.¹⁵

Schon seit den 1980er Jahren waren Probleme bei der Umsetzung von Strategien stärker in den Mittelpunkt des Interesses gerückt und es entstanden verschiedene Ansätze des Performance Managements. Der Halbleiterpionier Intel entwickelte die Objectives and Key Results (OKR-) Methode, die vor allem Start-ups wie Google anwendeten.¹⁶ In Deutschland wesentlich bekannter wurde die aus einer Best Practice-Studie von Robert Kaplan und David Norton hervorgegangene Balanced Scorecard-Methode, die ein eher traditionelles Top-down-Konzept verfolgt.¹⁷

Das zweite Themenfeld sind Lernschleifen (Learning Loops), deren Wurzeln im Action Research liegen, das der Sozialpsychologe Kurt Lewin bereits in den 1940er Jahren entwickelt hat.¹⁸ Ein solches Vorgehen in Form einer Spirale aus sich wiederholenden Schleifen ist zu einer wichtigen Methode der Organisationsentwicklung geworden, die ein Bottom up-Vorgehen präferiert. Die Denkmuster der Strategen und der Organisationsentwickler hatten lange Zeit aber wenig Berührungspunkte. Dies änderte sich erst mit der zunehmenden Bedeutung des strategischen Wandels.¹⁹

Die große praktische Relevanz von Lernschleifen liegt heute darin, dass sie zum grundlegenden Vorgehenskonzept bei agilen Methoden wie Design Thinking, Scrum und Lean Start-up gehören.²⁰ Diese agilen Methoden haben entscheidend zum Erfolg von Digital-Unternehmen beigetragen, stoßen in vielen etablierten Unternehmen aber immer noch auf Widerstand. Dabei ist es wichtig zu verstehen, dass die Scrum-Methode auf der Grundlage der Theorie komplexer adaptiver Systeme entstanden ist. In agilen Organisationen besteht die Aufgabe von Führungskräften vor allem darin, einen geeigneten Rahmen für mehr Selbstorganisation zu schaffen.

Eine Verbindung dieser beiden Themenfelder mit generativer Künstlicher Intelligenz als Treiber ermöglicht nun eine grundlegende Neuausrichtung (Realignment) von Strategieprozessen.²¹

Neuausrichtung von Strategieprozessen

Vorreiter-Unternehmen, mit denen wir zusammenarbeiten, verfolgen bei dieser Neuausrichtung ihrer Strategieprozesse die folgenden drei Ansätze:

Eine Gliederung der Prozesse in die Phasen Denken, Handeln sowie kommunikative Verbreitung und Wandel mit strategischen Lernschleifen als einem verbindenden Prozessmuster
die Verbesserung der relevanten strategischen Fähigkeiten von Projektteams ausgehend von individuellen Führungsstärken sowie
die Nutzung der Chancen einer unternehmensspezifischen, generativen Künstlichen Intelligenz (GenAI) und Eindämmung ihrer Risiken.

Im Folgenden werde ich auf unsere Erfahrungen mit den ersten beiden Ansätzen näher eingehen. Der letzte Punkt ist dann Gegenstand des zweiten Teils dieses Blogposts.

Prozessphasen und strategische Lernschleifen

Ein Defizit der traditionellen Top-down-Strategieprozesse ist die Trennung zwischen den Phasen

eines kreativen strategischen Denkens, das zur Entwicklung oder Entstehung von Strategien führt und
eines praktischen strategischen Handelns zur Umsetzung der Strategien in Form von Programmen und Projekten, die neben dem operativen Tagesgeschäft ablaufen.

An der Schnittstelle zwischen der Strategiegenerierung und der -umsetzung arbeiten in etablierten Unternehmen Stabstellen für Unternehmensentwicklung, die bei anspruchsvollen und unangenehmen Aufgaben häufig von ehrgeizigen externen Beratern unterstützt werden. Die empirische Forschung zur Erfolgsquote dieses Ansatzes ist zwar begrenzt. Sich häufende negative praktische Beispiele zeigen jedoch, dass dieses traditionelle Prozessverständnis einer Erneuerung bedarf.²²

Zu diesen beiden Phasen kommt eine dritte Phase hinzu, bei der die Mängel in bürokratischen Organisationen besonders ausgeprägt sind. In dieser Phase geht es um die kommunikative Verbreitung von Strategien und einen als Lernprozess gestalteten Wandel.

In den letzten Jahrzehnten sind wichtige Impulse hierzu von Start-ups und erfolgreichen Digital-Unternehmen ausgegangen. Die Softwareentwicklung erfolgt dort seit langem nicht mehr nach der Wasserfall-Methode sondern mit einem agilen Mindset.²³ Die Grundlage bildet der erwähnte Paradigmenwechsel im strategischen Management von mechanistisch zu komplexitätsbewältigend. Eine wichtige Rolle spielen strategische Lernschleifen, die zunehmend GenAI-basiert ablaufen.

Das von der Lean Start-up-Methode bekannte Grundprinzip einer strategischen Lernschleife ist: Annahmen (Hypothesen) formulieren, etwas gestalten (designen, z.B. ein weiterentwickeltes Geschäftsmodell), die Annahmen testen, aus den Testergebnissen lernen und gegebenenfalls einen Richtungswechsel (pivot) vornehmen. In der digitalen Welt sind diese Lernschleifen das kleine Einmaleins erfolgreichen Managements. Verkrustete und beratungsresistente Silo-Organisationen in der Wirtschaft, Verwaltung und Politik wehren sich dagegen aber mit einer hohen emotionalen Intensität.

Die Erfolgswirkung von strategischen Lernschleifen liegt darin, dass sie die drei beschriebenen Phasen von Strategieprozessen verbinden. Auf diese Weise entsteht ein komplexitätsbewältigendes Prozessmuster, das den traditionellen Ansätzen deutlich überlegen ist. Die disruptive Wirkung dieses Prozessmusters bildet für etablierte Unternehmen mit „Führungskräften der alten Schule“ eine schwer zu überwindende Barriere.

Bestätigung in der Aus- und Weiterbildung

Eine interessante Erfahrung aus der Hochschullehre in dualen Programmen, in denen Menschen, die in unterschiedlichen Unternehmen arbeiten, die Gelegenheit haben, in einem „angstfreien Raum“ ihre Erfahrungen auszutauschen, ist die folgende: Während die eine Gruppe der Studierenden das verbindende Prozessmuster strategischer Lernschleifen als alltägliche Arbeitsrealität erlebt, ist für die andere Gruppe dieses Muster eine fremde Welt, in der der Versuch zu einer Veränderung von innen als zwecklos oder gefährlich wahrgenommen wird.

Bei der Frage an die zweite Gruppe, ob denn eine externe Intervention durch Berater, Trainer oder Coaches Erfolg versprechend wäre, sind die Meinungen geteilt. Die eine Untergruppe glaubt, auch das habe bestenfalls eine Alibifunktion. Die andere Gruppe meint, es gebe eine gewisse Offenheit für professionelle Change Agents, weil sich die Krisensignale verstärken und daher ein Wandel notwendig sei.

Diese persönlichen Erfahrungen über einen relativ langen Zeitraum bestätigen die These, dass Europa in zwei Managementwelten geteilt ist. Hieraus ergeben sich Anregungen zur Beantwortung der Frage, wie Strategieteams ihre relevanten Fähigkeiten verbessern können.

Verbesserung der strategischen Fähigkeiten

Wie in Mannschaftssportarten bestehen auch erfolgreiche Strategieteams aus Akteuren mit unterschiedlichen Stärken. Kreative strategische Denker, analytisch begabte Planer, tatkräftige Umsetzer, kommunikationsstarke Verbreiter und einfühlsame Veränderer agieren im Idealfall im Team als Strategieprozess-Champion. Viele Unternehmen schöpfen aber die Möglichkeiten zur Verbesserung der Teamleistung bei Strategieprozessen nicht aus, obwohl es hierfür bewährte Methoden gibt.

Ein bekannter Ansatz ist das StrengthFinder-Konzept, das persönliche Führungsstärken in die Kategorien strategisches Denken, Umsetzung, Einfluss auf andere und Entwicklung von Beziehungen gliedert.²⁴ In der Abbildung ist die auf der Forschung von Don Clifton basierende Zuordnung von 34 identifizierten Stärken zu diesen Kategorien dargestellt.

Dieses Konzept eignet sich für ein Assessment von Führungskräften, die Zusammenstellung von leistungsfähigen Teams und die zielgerichtete Weiterentwicklung von individuellen Fähigkeiten.

Mit dem Einsatz von generativer Künstlicher Intelligenz ergeben sich nun neue Möglichkeiten. Dabei zeigt sich wieder einmal die Relevanz des 1995 von der Gartner-Beraterin Jackie Fenn geprägten Begriffs „Hype-Zyklus“.²⁵ Der Verlauf des Medienrummels (Hype Cycle) bei neuen Technologien erfolgt häufig in den Abschnitten

Grundlagenforschung
technologischer Auslöser
überzogene Erwartungen bis zu einem Gipfelpunkt
Ernüchterung bis ins Tal der Enttäuschung
Pfad zu einer realistischen Einschätzung und schließlich
einem Plateau der Produktivität.

Hierauf und auf neue Entwicklungen bei der Anwendung von generativer KI in Strategieprozessen werde ich in den nächsten Blogposts eingehen.

Wie das in der Praxis funktionieren kann, zeigt das Beispiel Porsche.

Veränderte Spielregeln durch KI in der fließenden Organisation von Porsche

Sajjad Khan, der IT-Vorstand von Porsche, vertritt die Auffassung, KI sei die nächste große Welle, die die Spielregeln des Wettbewerbs grundlegend verändere. Dieser Game-Changer-Effekt liege in den Möglichkeiten von Small and Large Language Models, Software schneller zu entwickeln. Das Ziel müsse der Übergang vom traditionellen Hardware first- zu einem Software first-Ansatz sein. Um dies zu erreichen, müsse sich der Mindset ändern. Sein Ziel sei es, eine Liquid Organization zu schaffen, in der alles im Fluss ist und die im Turbomodus arbeite. Die Kunst einer entsprechenden Führung sei dabei der enge Austausch mit den Mitarbeitenden.²⁶

Die Vorstellung von einer flüssigen (liquid) oder fließenden (fluid) Organisation fasziniert mich schon lange. Der Untertitel meines 1994 erschienenen Buchs „Reengineering-Programme umsetzen“ lautet „Von erstarrten Strukturen zu fließenden Prozessen“. In der Publikation habe ich versucht, die damals dominierende Sichtweise von IT-getriebenen Prozessinnovationen²⁷ um Aspekte wie Schnittstellenkompetenz, eine Fluidisierung von Organisationen und den hierzu notwendigen mentalen Wandel zu erweitern.²⁸ Was seit dieser Zeit boomt, ist die Implementation von Ressourcenmanagement- und Kundenbeziehungsmanagement- Software. Der als Lernprozess gestaltete strategische Wandel zu fließenden Organisations- und Führungsformen gelingt leider nur wenigen etablierten Unternehmen. Es ist daher zu hoffen, dass diese die gegenwärtige KI-Welle besser meistern als die früheren Digitalisierungswellen.

Fazit

Das Konzept der strategischen Lernschleifen ist aus der Verbindung von zwei Themenfeldern entstanden, die sich relativ getrennt voneinander entwickelt haben: Erstens der Lernschule von Strategieprozessen und zweitens dem Action Research als Grundlage für agile Methoden.
Strategische Lernschleifen sind ein verbindendes Prozessmuster, das eine Neuausrichtung (Realignment) von Strategieprozessen ermöglicht.
Mit der generativen Künstlichen Intelligenz (GenAI) haben Digital-Unternehmen ein mächtiges Werkzeug entwickelt, das große Chancen eröffnet, aber auch erhebliche Risiken birgt. Dieses Werkzeug hat auch für Strategieprozesse eine Game-Changer-Wirkung.
Das Ziel von Politik, Wissenschaft, Wirtschaft und Gesellschaft eines resilienten Europas sollte es sein, bei der Entwicklung einer souveränen, vertrauenswürdigen GenAI und deren Anwendung in Strategieprozessen eine Vorreiterrolle zu übernehmen.

Literatur

[1] Servatius, H.G., Woran erkennt man ein disruptives Geschäftsmodell? In: Competivation Blog, 27.06.2016

[2] Scheppe, M., Diese Industrien prägen die Wirtschaft 2040, in: Handelsblatt, 24.Oktober 2024, S.22-23

[3] Fokuhl. J., Bomke, L., KI „made in Germany“, in: Handelsblatt, 22. Oktober 2024, S.6-7

[4] Wolf, W., „Viele halten die datensouveräne Cloud für eine Utopie“, in: Trend Report, November 2024, S.12

[5] Fransman, M., Innovation Ecosystems – Increasing Competiteveness, Cambridge University Press 2018

[6] Holzki, L., Fokul, J., Bahn und Schwarz-Gruppe planen Daten-Marktplatz, in: Handelsblatt, 25./26./27. Oktober 2024, S.24

[7] 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. 56 ff.

[8] Mintzberg, H., The Strategy Concept – Five Ps for Strategy, in: California Management Review, 1987, S.11-24

[9] Mintzberg, H., Ahlstrand, B., Lampel, J., Strategy Safari – Eine Reise durch die Wildnis des strategischen Managements, Ueberreuter 1999

[10] Simon, H., Hidden Champions des 21. Jahrhunderts – Die Erfolgsstrategien unbekannter Weltmarktführer, Campus 2007

[11] McAfee, A., The Geek Way – The Radical Mindset That Drives Extraordinary Results, Macmillan Business 2023, S.103 ff.

[12] Servatius, H.G., Methodik des strategischen Technologie-Managements – Grundlage für erfolgreiche Innovationen, Erich Schmidt Verlag 1985

[13] Servatius, H.G., New Venture Management – Erfolgreiche Lösung von Innovationsproblemen für Technologie-Unternehmen, Gabler 1988

[14] Servatius, H.G., Vom Strategischen Management zur Evolutionären Führung – Auf dem Wege zu einem ganzheitlichen Denken und Handeln, C.E. Poeschel Verlag 1991

[15] Servatius, H.G., Von erfolgreichen Digital-Unternehmen lernen, in: Competivation Blog, 12.07.2024

[16] Doerr, J., Measure What Matters: OKRs – the Simple Idea That Drives 10x Growth, Portfolio Penguin 2018

[17] Kaplan, R.S., Norton, D.P., The Execution Premium – Linking Strategy to Operations for Competitive Advantage, Harvard Business Press 2008

[18] Krizanits, J., Einführung in die Methoden der systemischen Organisationsberatung, Carl-Auer 2013, S.9 ff.

[19] Tichy, N.M., Managing Strategic Change – Technical, Political, and Cultural Dynamics, John Wiley & Sons 1983

[20] Ries, E., The Lean Startup – How Today’s Entrepreuners Use Continuous Innovation to Create Radically Successful Businesses, Crown Currency 2011

[21] Servatius H.G., Dreifache strategische Neuausrichtung, in: Competivation Blog, 07.06.2024

[22] Mazzucato, M., Collington, R.H., Die große Consulting-Show – Wie die Beratungsbranche unsere Unternehmen schwächt, den Staat unterwandert und die Wirtschaft vereinnahmt, Campus 2023

[23] Servatius, H.G., Wege zu einem agilen Mindset, in: Competivation Blog, 09.08.2018

[24] Rath, T., Conchie, B., Strengths Based Leadership – Great Leaders, Teams, and Why People Follow, Gallup Press 2008

[25] Fenn, J., Raskino, M., Mastering the Hype Cycle – How to Choose the Right Innovation at the Right Time, Harvard Business Review Press 2008

[26] Hucko, M., „KI verändert die Spielregeln komplett“ (Interview mit Sajjad Khan), in: Manager Magazin; November 2024, S.66-68

[27] Davenport, T.H., Process Innovation – Reengineering Work through Information Technology, Harvard Business School Press 1993

[28] Servatius, H.G., Reengineering-Programme umsetzen – Von erstarrten Strukturen zu fließenden Prozessen, Schaeffer-Poeschel 1994

Disruption in der Management Education

29.05.19

Beim digitalen Wandel spielt die Managementaus- und -weiterbildung eine entscheidende Rolle. Auch hier gewinnen disruptive Ansätze an Bedeutung.

Angriffsflächen für Disruptionen in der Aus- und Weiterbildung von Managern

Spätestens seit den Buch-Publikationen des Harvard-Professors Clayton Christensen haben disruptive Ansätze¹ auch die Managementaus- und -weiterbildung erreicht.² Dabei bildet die traditionelle Management Education vier große Angriffsflächen für Disruptionen:

Die überwiegend akademische Erfahrung von Universitätsprofessoren der Betriebswirtschaftslehre
die Dominanz des Präsenzunterrichts an Hochschulen und bei Seminaranbietern
die rein textbasierten Lehrmittel von Buch- und Fachzeitschriften-Verlagen sowie
die relativ geringe Verbreitung innovativer Learntech-Lösungen.

Deshalb überrascht es nicht, dass wichtige Disruptionen in der Aus- und Weiterbildung vor allem durch neue Anbieter, wie den 2011 vom früheren Stanford-Professor und Google X Labs Founder Sebastian Thrun gegründeten Startup Udacity, erfolgen. Udacity bietet neben Massive Open Online Courses (MOOCs) zu Technologiethemen weitere Services an, wie ein persönliches Coaching und Unterstützung bei der Jobsuche.

Inzwischen sind auch in Deutschland eine Reihe von Dienstleistern entstanden, z.B. die XU Exponential University, Masterplan, Neue Fische und die Shiftschool, die versuchen, sich im milliardenschweren Markt für Technologie- und Management Education zu positionieren.³ Der Schwerpunkt dieser Organisationen liegt bei der Vermittlung von praktischen Fähigkeiten zum digitalen Wandel, die von den traditionellen Hochschulen lange vernachlässigt worden sind.

Disruption mit neuen Lernformen

Die Disruption in der Management Education erfolgt vor allem mit neuen Lernformen für unterschiedliche Lehrinhalte. Dabei kann man bei den Lehrinhalten unterscheiden zwischen

theoretischen und konzeptionellen Grundlagen, die traditionell im Rahmen von Vorlesungen und Übungen vermittelt werden sowie
Fallstudien, die man mit Hilfe von eigenen oder zugekauften Cases lehrt

An diesen beiden Lehrinhalten setzen die disruptiven Lernformen an, die wir kurz erläutern wollen.

Von der traditionellen Vorlesung zu neuen Formen unternehmensspezifischer Programme

Es ist erstaunlich, wie lange sich die traditionelle Kombination aus Vorlesung und Übung als vorherrschende Form der Vermittlung von Lehrinhalten in der Management-Ausbildung gehalten hat. Seit Ende der 1990er Jahre gewinnt das E-Learning mit digitalen Medien an Bedeutung. In der Praxis erfolgt das häufig mit einfachen Lernvideos, bei denen der Lehrende in die Kamera blickt und vor einem grünen Hintergrund mit animierten Grafiken (Motion Design) agiert. Diese Lernvideos ähneln also Vorlesungen, bieten aber nicht die Abwechslung eines realen Klassenraumes. Daher empfinden die meisten Lernenden das Anschauen derartiger Videos nach kurzer Zeit als langweilig.

Unternehmen fordern seit langem, dass die Weiterbildung an ihre spezifischen Bedürfnisse angepasst sein sollte. Viele Business Schools bieten daher Customized Programs an. Die führenden Anbieter solcher unternehmensspezifischen Programme waren 2018 IESE in Barcelona, Duke in North Carolina, IMD in Lausanne, die London Business School und HEC in Paris. Auf die Top-90-Liste der Financial Times haben es nur drei deutsche Hochschulen geschafft, die die Plätze 23, 38 und 80 belegen.⁴ Es bleibt abzuwarten, ob es deutschen Anbietern gelingt aufzuholen. Für die Mehrzahl der kleinen und mittelgroßen Unternehmen (KMU) sind derartige Kurse aber vermutlich ohnehin nicht der richtige Weg zur Bewältigung des digitalen Wandels.

Eine Disruptionsmöglichkeit sind neuartige Formen unternehmensspezifischer Programme kombiniert mit professionellen Lernvideos. Dieser Ansatz verbindet eine Customization vor Ort mit interaktiven Videoformaten, die Mitarbeiter wirklich zum Lernen motivieren. Diese Programme werden inhaltlich von spezialisierten Dienstleitern gestaltet, die unter Nutzung der weltweit besten aktuellen Lehrinhalte ein auf die Herausforderungen des Unternehmens zugeschnittenes Lehrprogramm entwickeln. Das Training findet sowohl vor Ort als auch online in Microlearnings statt. Der Vorteil für das Unternehmen ist, dass das Lernen besser mit der individuellen Arbeit einer größeren Anzahl an Mitarbeitern verknüpft werden kann, die nicht zu einer weit entfernt liegenden Hochschule reisen müssen. Nach diesem Prinzip haben wir auch unseren Kurs Innovationsmanagement konzipiert, den wir kontinuierlich weiterentwickeln.

Der Vorteil professioneller Lernvideos gegenüber dem Präsenzlernen ist, dass man mehr Menschen jederzeit und an jedem Ort erreichen kann. Gegenüber dem textbasierten Lernen haben gut gemachte Videos den Vorteil, dass Bilder und Musik eine stärkere emotionale Wirkung entfalten können. Deshalb sollte man anstreben, Lehrtexte in eine Bildsprache zu übersetzen und das Video nicht mit Inhalten zu überladen.⁵Professionelle Lernvideos ergänzen also die anderen Lernformen und stärken den Zusammenhalt in der Community der Lernenden.

Von zugekauften Case Studies zum erfahrungsbasierten Projektlernen

In der angelsächsischen Management Education dominiert seit langem die Fallstudienmethode. Deren Ursprung liegt in der Ausbildung von Jura-Studenten an der Harvard Law School. 1920 begann die Harvard Business School mit den ersten Case Studies für Wirtschaftsstudenten. Daraus ist inzwischen ein weltweiter Markt geworden, in dem vor allem amerikanische Business Schools Fallstudien für die Studierenden und Teaching Notes für den Lehrenden produzieren. In den letzten Jahren hat jedoch die Kritik an dieser Lernform zugenommen.⁶Neben nicht mehr relevanten Inhalten, einem großen Leseaufwand und der fehlenden Vermittlung von praktischen Fähigkeiten kann man bemängeln, dass sowohl die Lehrenden als auch die Lernenden über etwas diskutieren, das sie nicht selbst erlebt haben. Daher bleiben die Cases immer relativ weit von der persönlichen Erfahrung entfernt.

Eine disruptive Lernform, die zugekaufte Cases zumindest ergänzt, ist das erfahrungsbasierte Projektlernen. Eine Möglichkeit besteht darin, in der Lehre stärker auf Praktiker zu setzen, die ihre persönlichen Projekterfahrungen einbringen und neben dem Wissen auch die erforderlichen Fähigkeiten vermitteln. Eine solche erfahrungsbasierte Lehre ist in der Regel umfassender und eher in der Lage, die Komplexität einer persönlich erlebten Situation zu erfassen.

Die zweite Möglichkeit ist das Lernen im Rahmen von realen Projekten. Eine verbreitete Variante ist das Entsenden von Studenten in Unternehmen, die dort unter Anleitung Abschluss (Capstone-) Projekte bearbeiten.⁷Einer der Vorteile für die Unternehmen besteht darin, so mögliche neue Mitarbeiter kennenzulernen. Eine weitere Variante ist die Bearbeitung von realen Lernprojekten durch die Mitarbeiter des Unternehmens. Diese Variante erfordert ein klares Commitment der Führung und den Einsatz qualifizierter Trainer, die die Verbindung zwischen dem Projekt und den relevanten konzeptionellen Grundlagen herstellen.

Unsere Arbeit zeigt, dass sich mit dem erfahrungsbasierten Projektlernen für Unternehmen ein besseres Preis-Leistungsverhältnis erzielen lässt als mit der Entsendung einzelner Mitarbeiter an Business Schools oder der Delegation des digitalen Wandels an hoch bezahlte Berater. In Verbindung mit professionellen Lernvideos entsteht so ein New Blended Learning, das allmählich seine disruptive Wirkung entfaltet.

Literatur

Servatius, H.G.: Woran erkennt man ein disruptives Gesellschaftsmodell? In: Competivation Blog, 27.07.2016
Christensen, C.M., Eyring, H.J.: The Innovative University – Changing the DNA of Higher Education From the Inside Out, San Francisco 2011
Christensen, C.M., Horn, M.B., Johnson, C.W.: Disruptive Class – How Disruptive Innovation Will Change the Way the World Learns, New York 2008
Micijevic, A., Schröder, M.: „Man muss bereit sein für permanente Veränderung“. In: Handelsblatt, 06.03.2019, S.22-23
Financial Times: Executive Education – Customised, 2018
O’Neill, E.: How to Accelerate Employee Training and Development – The Essential Guide, 2019
Jack, A.: Why Harvard’s Case Studies are Under Fire. In: Financial Times, 29.10.2018
Levy, J.: A Look into Project-Based Learning in Business Education, 17.03.2017

Disruption der Management Education für KI-basierte Neuausrichtungen

Disruption of management education for AI-based realignments

GenAI-based strategic learning loops as a connecting process pattern

GenAI-basierte strategische Lernschleifen als verbindendes Prozessmuster

Disruption in der Management Education

Neueste Beiträge

CONNECTIVE MANAGEMENT