domain-specific Artificial Intelligence (AI)

Competitive advantages with knowledge-based AI

11.02.25

In the past, there has probably never been a battle for competitive advantage that has been as dynamic as the current race in the field of artificial intelligence (AI). New opportunities are arising for Europe with knowledge-specific (domain-specific) AI. These opportunities build on the traditional strengths of the „old continent“. In order to catch up, it seems necessary to take a closer look at the topic of knowledge and its long history of development.

As part of our series on AI as a tool for strategies, this new blog post follows on from my explanation of strategic learning loops. First of all, it deals with the combination of knowledge management and AI technologies in the context of the fifth development stage of connective strategic management.

Battle for leadership in AI

The five companies with the highest market capitalization worldwide (as of December 2024) are Apple, Nvidia, Microsoft, Amazon and Alphabet. Artificial intelligence is an important value driver. Apple is worth 3.7 trillion euros. All 40 DAX companies together are only worth 1.9 trillion euros.¹

At the end of January 2025, the Chinese start-up Deepseek surprised the global public with a new AI language model that is said to be able to compete with the best models from Western tech giants, but requires less computing power and costs less. The news triggered a slide in US technology stocks. In the meantime, share price losses amounted to one trillion US dollars. The company, founded by Liang Wenfeng in 2023, relies on open source, i.e. the software is freely available to others. It is also said to have been trained without high-tech chips. This raises the question of whether the billions invested by US companies are really necessary. Deepseek’s good price-performance ratio is probably the result of a combination of different approaches, e.g. the composition of many small expert models, of which only the relevant ones are activated.²For European AI providers with less capital strength, this development may represent an opportunity.

Competitive advantages with AI from Europe

When it comes to artificial intelligence, Europe faces the task of catching up and reducing its dependence on large tech companies. It is also important to secure critical infrastructures and protect the intellectual property of organizations based here. This is particularly important for the many hidden champions and their outstanding expertise in specialist areas. After the hype and some disillusionment with large language models, new opportunities are now emerging for an AI strategy that builds on the strengths of the European economy. Knowledge-specific (domain-specific) artificial intelligence plays an important role in this , providing competitive advantages for many small and medium-sized companies. The Heidelberg-based start-up AlephAlpha has developed a new approach to this.

The advantage for companies is that they can design and operate language models with their own knowledge. Today’s models are based on the transformer architecture and a tokenizer that recognizes language patterns. For this purpose, large volumes of text are analyzed and broken down into individual components (text segmentation). AlephAlpha’s T-Free approach and its AI model Pharia work differently. T-Free stands for tokenizer-free and continuously processes groups of three adjacent characters. This makes it easier to adapt to other languages and terminologies. Together with the semiconductor manufacturer AMD and the Finnish start-up SiloAI, which was acquired by AMD, AlephAlpha has found a way to train industry- and company-specific terms („languages“) with significantly improved performance using T-Free. The approach also helps to increase AI sovereignty^(3).

A consortium of companies, universities and supercomputing centers is currently developing an AI for Europe. Peter Sarlin from SiloAI sees the new Open Europe LLM project as a „moonshot“. Participants from Germany include AlephAlpha and the Fraunhofer Institute for Intelligent Analysis and Information Systems (IAIS). Both the code and the research will be published as open source. The European Commission is to provide up to 54 million euros over the next three years. In international comparison, this sum is relatively small. However, a European AI that becomes a public good will significantly increase sovereignty^(4).

According to experts, Europe has the opportunity to gain a competitive edge in artificial intelligence if it succeeds in combining the following four success factors:⁵

Improved cooperation between politics, science, business and society
a focus on knowledge-specific AI applications
pooling resources to overcome disadvantages of scale and
the creation of trustworthy AI as a differentiating feature.

Such a combination requires connective strategic AI management. While French President Emmanuel Macron wants to invest 150 billion euros in European AI start-ups, the topic of artificial intelligence is unfortunately barely mentioned in the German parliamentary election campaign.

In the following, I would like to outline how knowledge management can be successfully combined with AI technologies.

Combining knowledge management with AI technologies

The collaboration between humans and AI works in a similar way to pole vaulting. The pole is a tool that enhances the jumper’s abilities if they master the tool.

The use of AI changes people’s knowledge work in the following three dimensions:

Time savings through automation of routine activities
Expanding skills in processing both data-intensive and unstructured tasks and
individualized learning for the further development of human skills.

The potential of AI as a tool lies in the interaction of these dimensions.

With the combination of knowledge management and AI technologies, a new way of achieving competitive advantages is now emerging. The starting point is the activation of companies‘ specific knowledge and skills. Added to this is the use of the potential of AI to expand competencies and thus to differentiate themselves from the competition. The third and decisive point is the systematic improvement of skills that combine knowledge and AI. This requires targeted training and further education.

For Jeanette zu Fürstenberg, Head of Europe at the US investment company General Catalyst, the opportunities for the European economy lie in combining the big data and knowledge of established companies with AI technologies^(6).

In the following, I would like to explain the connection between knowledge management and artificial intelligence and discuss the implications for strategic management in this and the next blog posts.

Knowledge for innovative business models has a long history of development from ancient Greece to today’s knowledge society. In the 1990s, the conviction prevailed that the creation of new knowledge is an important source of competitive advantage. However, this hype surrounding knowledge management was followed by disillusionment. At the same time, US start-ups succeeded in linking knowledge-based value creation and value enhancement with digital business models.

The development of AI technologies has progressed from symbolic AI and neural networks to generative AI (GenAI). In 2024, four AI researchers were awarded Nobel Prizes. But the hype surrounding large language models is turning into disillusionment. Small language models have a number of advantages. They are cheaper and easier to adapt to specific applications. Here, too, the question arises as to how the dangers of AI can be contained.

The combination of these two topics leads to the realization that knowledge-specific AI is an important process and design element in strategies. A distinction can be made between the corporate strategy level and the functional strategy level. AI is a new tool for supporting strategy processes and the collaboration of strategy teams. In addition, AI enables the design of innovative products, services and business models. At the functional level, AI makes important contributions to increasing the productivity of connected business processes. In addition, AI-supported, agile performance management leads to better complexity management than traditional approaches.

Since knowledge management forms a basis for the use of AI technologies, I would first like to outline the development of the topic of knowledge from ancient Greece to the knowledge society.

From ancient Greece to the knowledge society

In ancient Greece in the 3rd century BC, the philosopher Plato and his student Aristotle discussed the question of whether deductive or empirical theories of knowledge lead to the acquisition of knowledge.

At the beginning of the modern era, Rene Descartes (1596-1650) propagated a separation between the subject of knowledge and the object of knowledge. This so-called Cartesian division was to occupy science for a long time to come.

The German philosopher Immanuel Kant (1724-1804) attempted a synthesis. Logical thinking and experience work together.

At the beginning of the twentieth century, American pragmatism, with representatives such as William James, was concerned with the relationship between knowledge and action.

In 1969, Peter Drucker coined the concept of a knowledge society characterized by knowledge work and knowledge workers^(7.

The work of Chris Argyris and Donald Schön on single loop and double loop learning,⁸which formed the basis for the concept of a learning organization, has been of great practical relevance since the late 1970s.

Surprisingly, the topic of knowledge did not play a decisive role in the resource-oriented view of strategic management that emerged in the early 1990s.

From today’s perspective, we define knowledge as a resource and the result of learning processes that people create in exchange with teams, organizations and artificial intelligence.

Creation of new knowledge as a source of competitive advantage

The concept of implicit or tacit knowledge, which the natural scientist and philosopher Michael Polanyi coined back in the 1950s, is important for the creation of new knowledge.⁹In the case of tacit knowledge, someone knows how to do something, but their knowledge is implicit in their skills. It is difficult to document verbally or in writing in the form of explicit knowledge.

In the mid-1990s, Japanese scientists Nonaka and Takeuchi described how new knowledge as a source of competitive advantage arises from the following four forms of knowledge exchange:⁽¹⁰

From implicit to implicit (socialization)
from implicit to explicit (externalization)
from explicit to explicit (combination) and
from explicit to implicit (internalization).

These forms of knowledge exchange are crucial to the success of hidden champions. The combination of knowledge, skills and action has a long tradition there. The creation of new knowledge, the development of skills and their implementation in practical action often take place in learning processes in which – similar to sport – demonstration and imitation play an important role. These learning processes can be documented and scaled using videos, for example.

This provides new impulses for the application of knowledge-specific artificial intelligence

Hype and disillusionment in knowledge management

In the second half of the 1990s, knowledge management experienced a hype phase, which was followed by disillusionment. The hype was mainly triggered by the book The Knowledge Creating Company by Nonaka and Takeuchi, which deals with knowledge management in Japanese companies.

Ultimately, however, the importance of tacit knowledge has not really been understood „in the West“. The focus of companies and consultants has been on extracting and synthesizing existing explicit knowledge („if HP knew what HP knows…“). This proved to be difficult and costly and contributed to disillusionment in the 2000s.

A pragmatic approach that linked knowledge, skills and action did not play a major role in the publications of the time.

Knowledge-based value creation, value enhancement and AI-based business models

Knowledge-based value creation, value enhancement and the connection with digital business models are the subject of our book WissensWert ⁽KnowledgeValue⁾, published in 2001.¹¹Work on this began in the mid-1990s, inspired by the increasing importance of knowledge management. It followed on from the „reengineering wave“ and IT-based innovations in routine processes. Our initial hypothesis was that knowledge-based value creation and value enhancement with knowledge open up new opportunities for achieving competitive advantages.

At the same time, new digital business models have emerged with internet technologies, initially in online retail (electronic business). Following the collapse of the new economy, start-ups such as Amazon, Google and Facebook have achieved leading market positions and have become the most valuable companies in the world.

Europe has become heavily dependent on digital business models. Looking back, it is astonishing how little people here have noticed that business model innovations based on AI applications have emerged since the turn of the millennium.

In the early 2000s, then Princeton computer science professor Fei-Fei Li began building the largest database in AI research (Computervision, later ImageNet). One user was the online bookseller Amazon. Founded in 1994, the company is regarded as the inventor of AI-based personal product recommendations.¹²Since 2003, Amazon has been using the item-to-item collaborative filtering method for this purpose.

Another AI user was Facebook with a social network that uses machine learning to bring people together („matching“) who have things in common. Machine learning models sort personalized advertising according to the highest probability of success, thus establishing innovative business models such as Google’s search engine and its RankBrain algorithm. Spotify’s music streaming business model, Netflix’s video streaming and the short video platform of the Chinese Bytedance subsidiary TikTok are also based on the AI-based principle of personal recommendations.

This means that many people have been in daily contact with AI applications since the turn of the millennium without realizing it. Europe is currently facing the challenge of making better use of the new opportunities offered by AI than in the past.

Conclusion

In view of the extreme competitive dynamics in artificial intelligence, Europe must catch up and reduce its dependency
One way to do this is to combine company-specific knowledge with innovative AI technologies such as the tokenizer-free approach
The success of today’s tech giants since the turn of the millennium is based on the creative application of
Knowledge-specific artificial intelligence could build on and continue the success story of the European hidden champions.

Literature

[1] Sommer U., USA dominates like never before. In: Handelsblatt, December 27/28/29, 2024, p.1, 6-8

[2] Gusbeth, S. et al, Sputnik moment. In: Handelsblatt, January 31, February 1-2, 2025, pp. 50-55

[3] Holzki, L., Up to 400 percent more efficient. In: Handelsblatt, January 22, 2025, p. 23

[4] Holzki, L., 54 million for a European AI. In: Handelsblatt, February 4, 2025, p. 18-19

[5] Bomke, L., Knees, L., Wo Europa Chnacen im KI-Rennen hat. In: Handelsblatt, February 10, 2025, p. 20-21

[6] zu Fürstenberg, J., „We need much more capital that also takes risks“ (Interview), In: Handelsblatt, January 31, February 1-2, 2025, pp. 32-33

[7] Drucker, P.F., The Age of Disconinuity – Guidelines to our Changing Society Butterworth-Heinemann 1969

[8] Argyris, L., Schön, D.A., Organizational Learning – A Theory of Action Perspective, Addison Wesley 1978

[9] Polanyi, M., Implicit Knowledge, Suhrkamp 1985

[10] Nonaka, I., Takeuchi, H., The Knowledge-Creating Company – How Japanese Companies Create the Dynamics of Innovation, Oxford University Press 1995

[11] Palass, B., Servatius, H.G., WissensWert – Mit Knowledge Management erfolgreich im E-Business, Schäffer-Poeschel 2001

[12] Meckel, M., Steinacker, L., Alles überall auf einmal – Wie Künstliche Intelligenz unsere Welt verändert und was wir dabei gewinnen können, Rowohlt 2024

Wettbewerbsvorteile mit wissensspezifischer KI

11.02.25

In der Vergangenheit hat es wohl noch nie einen Kampf um Wettbewerbsvorteile gegeben, der so dynamisch verlaufen ist, wie das gegenwärtige Rennen beim Thema Künstliche Intelligenz (KI). Für Europa ergeben sich neue Möglichkeiten mit einer wissensspezifischen (domain-specific) KI. Diese Chancen bauen auf den traditionellen Stärken des „alten Kontinents“ auf. Um den vorhandenen Rückstand aufzuholen, erscheint es notwendig, sich vertieft mit dem Thema Wissen und dessen langer Entwicklungsgeschichte zu beschäftigen.

Im Rahmen unserer Reihe zu KI als Werkzeug für Strategien knüpft dieser neue Blogpost an meine Erläuterung von strategischen Lernschleifen an. Zunächst geht es um die Verbindung von Wissensmanagement und KI-Technologien im Rahmen der fünften Entwicklungsstufe eines konnektiven strategischen Managements.

Kampf um die Führung bei KI

Die fünf Unternehmen mit dem weltweit höchsten Börsenwert sind (Stand Dezember 2024) Apple, Nvidia, Microsoft, Amazon und Alphabet. Ein wichtiger Werttreiber ist die Künstliche Intelligenz. Der Wert von Apple liegt bei 3,7 Billionen Euro. Alle 40 DAX-Konzerne zusammen kommen nur auf einen Wert von 1,9 Billionen Euro.¹

Ende Januar 2025 überraschte das chinesische Start-up Deepseek die Weltöffentlichkeit mit einem neuen KI-Sprachmodell, das mit den besten Modellen westlicher Tech-Riesen mithalten können soll, aber weniger Rechenleistung benötigt und geringere Kosten verursacht. Die Nachricht löste einen Kursrutsch bei US-Technologiewerten aus. Die Kursverluste summierten sich zwischenzeitlich auf eine Billion US-Dollar. Das von Liang Wenfeng 2023 gegründete Unternehmen setzt auf Open Source, d.h. die Software steht anderen frei zur Verfügung. Außerdem soll sie ohne Hightech-Chips trainiert worden sein. Damit stellt sich die Frage, ob die Milliardeninvestitionen der US-Konzerne wirklich erforderlich sind. Das gute Preis-Leistungsverhältnis bei Deepseek resultiert wahrscheinlich aus einer Kombination verschiedener Ansätze, z.B. der Zusammensetzung aus vielen kleinen Expertenmodellen, von denen jeweils nur die relevanten aktiviert werden.² Für europäische KI-Anbieter, die über weniger Kapitalkraft verfügen, liegt in dieser Entwicklung möglicherweise eine Chance.

Wettbewerbsvorteile mit KI aus Europa

Beim Thema Künstliche Intelligenz steht Europa vor der Aufgabe, aufzuholen und die Abhängigkeit von großen Tech-Unternehmen zu verringern. Außerdem gilt es, kritische Infrastrukturen zu sichern und das geistige Eigentum der hier ansässigen Organisationen zu schützen. Dies ist in besonderem Maße für die vielen Hidden Champions und deren herausragende Kompetenzen in Spezialgebieten von Bedeutung. Nach dem Hype und einer gewissen Ernüchterung bei großen Sprachmodellen zeichnen sich nun neue Möglichkeiten für eine KI-Strategie ab, die auf den Stärken der europäischen Wirtschaft aufbaut. Eine wichtige Rolle spielt dabei die wissensspezifische (domain-specific) Künstliche Intelligenz, die Wettbewerbsvorteile auch für die vielen kleineren und mittelgroßen Unternehmen ermöglicht. Das Heidelberger Start-up AlephAlpha hat hierzu einen neuen Ansatz entwickelt.

Dabei liegt der Vorteil für Unternehmen darin, Sprachmodelle mit eigenem Wissen zu gestalten und zu betreiben. Heutige Modelle basieren auf der Transformer-Architektur und einem Tokenizer, der Sprachmuster erkennt. Hierzu werden große Textmengen analysiert und in einzelne Bausteine zerlegt (Text-Segmentierung). AlephAlphas T-Free-Ansatz und sein KI-Modell Pharia funktionieren anders. T-Free steht für Tokenizer-frei und verarbeitet fortlaufend Gruppen aus drei nebeneinander liegenden Zeichen. So gelingt eine einfachere Anpassung an andere Sprachen und Begriffswelten. Gemeinsam mit dem Halbleiterhersteller AMD und dem von AMD übernommenen finnischen Start-up SiloAI hat AlephAlpha mit T-Free einen Weg gefunden, branchen- und unternehmensspezifische Begriffe („Sprachen“) mit einer deutlich verbesserten Leistung zu trainieren. Außerdem hilft der Ansatz, die KI-Souveränität zu erhöhen.³

Ein Konsortium aus Unternehmen, Universitäten und Supercomputing-Zentren entwickelt gegenwärtig eine KI für Europa. Peter Sarlin von SiloAI betrachtet das neue Open Europe LLM-Projekt als „Moonshot“. Aus Deutschland sind unter anderem AlephAlpha und das Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme (IAIS) beteiligt. Sowohl der Code als auch die Forschung werden Open Source veröffentlicht. Die Europäische Kommission soll für die nächsten drei Jahre bis zu 54 Millionen Euro bereitstellen. Im internationalen Vergleich ist diese Summe relativ klein. Eine europäische KI, die zum Gemeingut wird, erhöht aber entscheidend die Souveränität.⁴

Nach Einschätzung von Experten hat Europa die Chance, bei der Künstlichen Intelligenz Wettbewerbsvorteile zu erzielen, wenn es gelingt, die folgenden vier Erfolgsfaktoren zu verbinden:⁵

Eine verbesserte Zusammenarbeit von Politik, Wissenschaft, Wirtschaft und Gesellschaft
eine Fokussierung auf wissensspezifische KI-Anwendungen
die Bündelung von Ressourcen, um Größennachteile zu überwinden und
die Schaffung einer vertrauenswürdigen KI als Differenzierungsmerkmal.

Eine solche Verbindung erfordert ein konnektives strategisches KI-Management. Während Frankreichs Präsident Emmanuel Macron 150 Milliarden Euro in europäische KI-Start-ups investieren möchte, kommt das Thema Künstliche Intelligenz im deutschen Bundestagswahlkampf leider kaum vor.

Im Folgenden möchte ich skizzieren, wie die Verbindung von Wissensmanagement mit KI-Technologien gelingt.

Verbindung von Wissensmanagement mit KI-Technologien

Die Zusammenarbeit von Mensch und KI funktioniert ähnlich wie Stabhochsprung. Dabei ist der Stab ein Werkzeug, das die Fähigkeiten des Springers und der Springerin verstärkt, wenn diese das Werkzeug beherrschen.

Eine Nutzung von KI verändert die Wissensarbeit von Menschen in den folgenden drei Dimensionen:

Zeitersparnis durch eine Automatisierung von Routinetätigkeiten
Erweiterung der Fähigkeiten bei einer Bearbeitung sowohl von datenintensiven als auch von unstrukturierten Aufgaben und
individualisiertes Lernen zur Weiterentwicklung von menschlichen Fähigkeiten.

Im Zusammenwirken dieser Dimensionen liegt das Potenzial des Werkzeugs KI.

Mit der Verbindung von Wissensmanagement und KI-Technologien zeichnet sich nun eine neue Möglichkeit zur Erzielung von Wettbewerbsvorteilen ab. Die Ausgangsbasis bildet die Aktivierung des spezifischen Wissens und Könnens von Unternehmen. Hinzu kommt eine Nutzung des Potenzials von KI zur Erweiterung der Kompetenzen und damit zur Differenzierung im Wettbewerb. Entscheidend ist dann als dritter Punkt die systematische Verbesserung von Fähigkeiten, die Wissen und KI verbinden. Dies erfordert eine gezielte Aus- und Weiterbildung.

Für Jeanette zu Fürstenberg, der Europa-Verantwortlichen der US-Investmentgesellschaft General Catalyst, bestehen die Möglichkeiten der europäischen Wirtschaft in einer Verbindung des großen Datenbestandes und Wissens etablierter Unternehmen mit KI-Technologien.⁶

Im Folgenden möchte ich den Zusammenhang zwischen Wissensmanagement und Künstlicher Intelligenz erläutern und in diesem und den nächsten Blogposts die Implikationen für das strategische Management behandeln.

Das Wissen für innovative Geschäftsmodelle hat eine lange Entwicklungsgeschichte von der griechischen Antike bis zur heutigen Wissensgesellschaft. In den 1990er Jahren setzte sich die Überzeugung durch, dass die Schaffung von neuem Wissen eine wichtige Quelle von Wettbewerbsvorteilen ist. Nach diesem Hype beim Thema Wissensmanagement folgte aber eine Ernüchterung. Gleichzeitig gelang es US-amerikanischen Start-ups, eine wissensbasierte Wertschöpfung und Wertsteigerung mit digitalen Geschäftsmodellen zu verknüpfen.

Die Entwicklung der KI-Technologien ist von der symbolischen KI und neuronalen Netzwerken zur generativen KI (GenAI) verlaufen. 2024 wurden vier KI-Forscher mit Nobelpreisen ausgezeichnet. Aber bei dem Hype um große Sprachmodelle zeichnet sich eine Ernüchterung ab. Kleine Sprachmodelle haben eine Reihe von Vorteilen. Sie sind kostengünstiger und leichter an spezifische Anwendungen anpassbar. Auch hier stellt sich die Frage, wie die Gefahren von KI einzudämmen sind.

Aus der Verbindung dieser beiden Themenfelder resultiert die Erkenntnis, dass die wissensspezifische KI ein wichtiges Prozess- und Gestaltungselement in Strategien ist. Dabei kann man zwischen der Ebene der Unternehmensstrategie und der Ebene der Funktionalstrategien unterscheiden. KI ist ein neues Werkzeug zur Unterstützung von Strategieprozessen und der Zusammenarbeit von Strategieteams. Darüber hinaus ermöglicht KI die Gestaltung innovativer Produkte, Dienstleistungen und Geschäftsmodelle. Auf der funktionalen Ebene leistet KI wichtige Beiträge zur Produktivitätssteigerung verbundener Geschäftsprozesse. Außerdem führt ein KI-unterstütztes, agiles Performance Management zu einer besseren Komplexitätsbewältigung als die traditionellen Ansätze.

Da das Wissensmanagement eine Grundlage für den Einsatz von KI-Technologien bildet, möchte ich zunächst die Entwicklung des Themas Wissen von der griechischen Antike bis zur Wissensgesellschaft skizzieren.

Von der griechischen Antike zur Wissensgesellschaft

In der griechischen Antike diskutierten der Philosoph Platon und sein Schüler Aristoteles im 3. Jahrhundert vor Christus die Frage, ob deduktive oder empirische Erkenntnistheorien zum Wissenserwerb führen.

Zu Beginn der Neuzeit propagierte Rene Descartes (1596-1650) eine Trennung zwischen dem Subjekt des Wissenden und dem Objekt des Wissens. Diese sogenannte kartesianische Spaltung sollte die Wissenschaft noch lange beschäftigen.

Der deutsche Philosoph Immanuel Kant (1724-1804) versuchte eine Synthese. Dabei wirken logisches Denken und Erfahrung zusammen.

Anfang des zwanzigsten Jahrhunderts beschäftigte sich der amerikanische Pragmatismus mit Vertretern wie William James mit der Beziehung zwischen Wissen und Handeln.

1969 prägte Peter Drucker den Begriff einer durch Wissensarbeit und Knowledge Worker geprägten Wissensgesellschaft.⁷

Von großer praktischer Relevanz waren dann seit Ende der 1970er Jahre die Arbeiten von Chris Argyris und Donald Schön zum Single Loop und Double Loop Learning,⁸ die die Grundlage für das Konzept einer lernenden Organisation bildeten.

Erstaunlicherweise spielte das Thema Wissen in der Anfang der 1990er Jahren entstandenen ressourcenorientierten Sichtweise des strategischen Managements keine entscheidende Rolle.

Aus heutiger Sicht definieren wir Wissen als Ressource und Ergebnis von Lernprozessen, die Menschen im Austausch mit Teams, Organisationen und Künstlicher Intelligenz gestalten.

Schaffung von neuem Wissen als Quelle von Wettbewerbsvorteilen

Für die Schaffung von neuem Wissen ist der Begriff des impliziten oder stillen (tacit) Wissens von Bedeutung, den der Naturwissenschaftler und Philosoph Michael Polanyi bereits seit den 1950er Jahren geprägt hat.⁹ Beim stillen Wissen weiß jemand, wie es geht, aber sein Wissen steckt implizit in seinem Können. Es ist schwer verbal oder schriftlich in Form von explizitem Wissen zu dokumentieren.

Die japanischen Wissenschaftler Nonaka und Takeuchi haben Mitte der 1990er Jahre beschrieben, wie neues Wissen als Quelle von Wettbewerbsvorteilen aus den folgenden vier Formen einer Wissensumwandlung entsteht:¹⁰

Von implizit zu implizit (Sozialisation)
von implizit zu explizit (Externalisierung)
von explizit zu explizit (Kombination) und
von explizit zu implizit (Internalisierung).

Diese Formen der Wissensumwandlung sind für den Erfolg von Hidden Champions entscheidend. Dort hat die Verbindung von Wissen, Können und Handeln eine lange Tradition. Die Schaffung von neuem Wissen, die Entwicklung von Fähigkeiten und die Umsetzung in praktisches Handeln erfolgen häufig in Lernprozessen bei denen – ähnlich wie im Sport – das Vormachen und Nachmachen eine wichtige Rolle spielen. Diese Lernprozesse sind z.B. mit Videos dokumentier- und skalierbar.

Hieraus ergeben sich neue Impulse für die Anwendung von wissensspezifischer Künstlicher Intelligenz.

Hype und Ernüchterung beim Wissensmanagement

In der zweiten Hälfte der 1990er Jahren erlebte das Wissensmanagement eine Hype-Phase, der aber eine Ernüchterung folgte. Auslöser des Hypes war vor allem das Buch The Knowledge Creating Company von Nonaka und Takeuchi, das das Wissensmanagement japanischer Unternehmen behandelt.

Letztlich ist die Bedeutung von implizitem Wissen „im Westen“ aber nicht wirklich verstanden worden. Der Schwerpunkt von Unternehmen und Beratern lag bei der Extraktion und Zusammenführung des vorhandenen expliziten Wissens („wenn HP wüsste, was HP weiß…“). Dies hat sich als schwierig und kostspielig erwiesen und in den 2000er Jahren zu einer Ernüchterung beigetragen.

Ein pragmatischer Ansatz, der Wissen, Können und Handeln verknüpft, spielte in den Publikationen dieser Zeit keine große Rolle.

Wissensbasierte Wertschöpfung, Wertsteigerung und KI-basierte Geschäftsmodelle

Eine wissensbasierte Wertschöpfung, Wertsteigerung und Verbindung mit digitalen Geschäftsmodellen behandelt unser 2001 erschienenes Buch WissensWert.¹¹ Die Arbeiten hierzu haben Mitte der 1990er Jahre angeregt durch die zunehmende Bedeutung des Wissensmanagements begonnen. Sie knüpfen an die „Reengineering-Welle“ und IT-basierte Innovationen bei Routineprozessen an. Unsere Ausgangsthese war, dass eine wissensbasierte Wertschöpfung und die Wertsteigerung mit Wissen neue Möglichkeiten zur Erzielung von Wettbewerbsvorteilen eröffnen.

Zur gleichen Zeit sind mit den Internet-Technologien zunächst im Online-Handel (Electronic Business) neue digitale Geschäftsmodelle entstanden. Nach dem Zusammenbruch der New Economy haben Start-ups wie Amazon, Google und Facebook führende Marktpositionen erreicht und sind zu den wertvollsten Unternehmen der Welt geworden.

Europa ist bei digitalen Geschäftsmodellen in eine starke Abhängigkeit geraten. Im Rückblick ist es erstaunlich, wie wenig man hier bemerkt hat, dass seit der Jahrtausendwende Geschäftsmodell-Innovationen entstanden sind, die auf KI-Anwendungen basieren.

In den frühen 2000er Jahren begann die damalige Princeton-Informatikprofessorin Fei-Fei Li mit dem Aufbau der größten Datenbank der KI-Forschung (Computervision, später ImageNet). Ein Anwender war der Online-Buchhändler Amazon. Das 1994 gegründete Unternehmen gilt als Erfinder KI-basierter persönlicher Produktempfehlungen.¹² Seit 2003 verwendet Amazon hierfür die Methode des Item-to-Item Collaborative Filtering.

Ein weiterer KI-Anwender war Facebook mit einem sozialen Netzwerk, das maschinelles Lernen nutzt, um Leute zusammenzubringen („matching“), die Gemeinsamkeiten haben. Maschinelle Lernmodelle sortieren personalisierte Werbung nach der höchsten Erfolgswahrscheinlichkeit und begründeten so innovative Geschäftsmodelle, wie die Suchmaschine von Google und deren RankBrain-Algorithmus. Auf dem KI-basierten Prinzip persönlicher Empfehlungen bauen auch das Musikstreaming-Geschäftsmodell von Spotify, das Videostreaming von Netflix und die Kurzvideoplattform der chinesischen Bytedance-Tochter TikTok auf.

Viele Menschen haben also bereits seit der Jahrtausendwende täglichen Kontakt mit KI-Anwendungen, ohne sich dessen bewusst zu sein. Europa steht gegenwärtig vor der Herausforderung, die sich bietenden neuen Chancen beim Thema KI besser zu nutzen als in der Vergangenheit.

Fazit

Angesichts der extremen Wettbewerbsdynamik bei der Künstlichen Intelligenz muss Europa aufholen und seine Anhängigkeit verringern
Eine Möglichkeit hierzu eröffnet die Verbindung von unternehmens-spezifischem Wissen mit innovativen KI-Technologien wie dem Tokenizer-Free-Ansatz
Der Erfolg der heutigen Tech-Giganten seit der Jahrtausendwende basiert auf einer kreativen Anwendung von KI
Eine wissensspezifische Künstliche Intelligenz könnte an die Erfolgsgeschichte der europäischen Hidden Champions anknüpfen und diese fortsetzen.

Literatur

[1] Sommer U., USA dominiert wie nie. In: Handelsblatt, 27./28./29. Dezember 2024, S.1, 6-8

[2] Gusbeth, S. et al., Sputnik-Moment. In: Handelsblatt, 31. Januar, 1./2. Februar 2025, S. 50-55

[3] Holzki, L., Bis zu 400 Prozent leistungsfähiger. In: Handelsblatt, 22. Januar 2025, S. 23

[4] Holzki, L., 54 Millionen für eine Europa-KI. In: Handelsblatt, 4. Februar 2025, S. 18-19

[5] Bomke, L., Knees, L., Wo Europa Chnacen im KI-Rennen hat. In: Handelsblatt, 10. Februar 2025, S. 20-21

[6] zu Fürstenberg, J., „Wir brauchen viel mehr Kapital, das auch mal ins Risiko geht“ (Interview), In: Handelsblatt, 31. Januar, 1./2. Februar 2025, S. 32-33