Foresight | Competivation

Eine kausale KI mit komplexen, evolutionären Systemen verbinden

13.08.26

Bei der Künstlichen Intelligenz (KI) vollzieht sich gegenwärtig ein Paradigmenwechsel von rein statistischen Korrelationen zu dynamischen Ursache-Wirkungsmodellen. Als Erfolg versprechende Grundlage für diese kausale KI bietet sich die Theorie komplexer, evolutionärer Systeme an, die unser Expertennetzwerk Competivation seit einigen Jahren auf reale Managementprobleme anwendet. Diese beiden Entwicklungslinien gilt es zu verbinden. Das Interesse von Investoren an dem Heidelberger Startup Kausable AI zeigt, wie groß das Potenzial dieses Paradigmenwechsels ist.

In unserem neuen Blogpost erläutere ich, wie die Managementtheorie komplexer, evolutionärer Systeme der kausalen KI zum Durchbruch verhelfen kann.

Frühphaseninvestment in Kausable AI

KI-Modelle, die mit Daten aus der Vergangenheit trainiert werden, kommen an ihre Grenzen, wenn etwas Unerwartetes eintritt. Sie müssen dann in einem aufwendigen Prozess angepasst werden. Das Heidelberger Startup Kausable AI ist von der Idee ausgegangen, dass eine neue Generation von Modellen lernen muss, besser mit dem ständigen Wandel umzugehen. Dafür hat das Unternehmen von Wagniskapitalgebern und bekannten KI-Forschern ein Frühphaseninvestment in Höhe von 12 Millionen Euro erhalten. Das mit synthetischen Daten trainierte Modell soll Ursachen und Wirkungen verstehen, daraus Hypothesen ableiten und aus Ergebnissen lernen, neue Herausforderungen zu meistern. Ob dieser Ansatz funktioniert, ist noch offen, der Bedarf aber groß, da die Bewältigung komplexer Probleme immer anspruchsvoller wird. So versuchen die Gründer mit ihrem Projekt TipPFN, Kipppunkte zu erkennen, an denen sich Systeme plötzlich verändern.¹

In dieser Situation benötigen innovative KI-Modelle eine praxistaugliche theoretische Grundlage.

Anwendung der Theorie komplexer, evolutionärer Systeme auf reale Managementprobleme

Die Entwicklung der Theorie komplexer evolutionärer Systeme und ihre Anwendung auf reale Managementprobleme habe ich vor kurzem in einem Artikel beschrieben.² Für die Verbindung mit einer KI, die Ursachen und Wirkungen versteht, sind einige Kennzeichen dieser Systeme von Bedeutung, die ich kurz erläutern möchte. Dies gilt insbesondere im Hinblick auf die komplexen Wechselwirkungen zwischen verschiedenen Ebenen wie Geopolitik, Umwelt, Staaten, Regionen, Unternehmen und Verwaltungen sowie Individuen und Gesellschaft.

Die Implikationen für eine Gestaltung von Mehrebenen-Strategien sind tiefgreifend. Eine KI-Unterstützung kann dazu beitragen, die Defizite traditioneller Managementpraktiken zu verringern.

Ein Kennzeichen komplexer, evolutionärer Systeme ist Offenheit. Daher ist es wichtig, auf jeder Systemebene den Einfluss von Umfeldfaktoren zu verstehen. Gegenwärtig stellt das Zusammenwirken verschiedener Risiken für die deutsche Wirtschaft eine neue Art von Bedrohung dar.

Dieses Umfeld ist durch eine große Dynamik gekennzeichnet. Daher stehen alle relevanten Akteure vor der Aufgabe, ein dynamisches Selbstbild zu entwickeln. Wichtige Impulse für ein solches Growth Mindset gehen von der Führung und Personalentwicklung aus.

Ein weiteres wichtiges Kennzeichen ist Verbundenheit. KI kann helfen, die komplexe Konnektivität zwischen Ebenen und Akteuren zu modellieren. So sind Probleme z.B. bei der Energiewende in der Vergangenheit aus Barrieren zwischen den Sektoren Politik, Wissenschaft, Wirtschaft und Gesellschaft entstanden.

Häufig wird dabei die Nichtlinearität der Prozesse unterschätzt. Hierunter versteht man die Erkenntnis, dass von kleinen Ereignissen große Wirkungen ausgehen können. Diese Wirkungen erkennt man meist aber erst nach dem Erreichen von Kipppunkten.

Ein Kennzeichen vieler Strategien ist Emergenz. Im Unterschied zu der verbreiteten Meinung, dass die oberste Führungsebene Strategien entwickelt, entstehen diese nicht selten ausgehend von Individuen mit einem besonderen Weitblick und verbreiten sich von außen oder von unten in der Hierarchie nach oben.

Ebenfalls unterschätzt wird die Pfadabhängigkeit. Gemeint ist damit die Bedeutung der Anfangsbedingungen für die weiteren Prozesse. Ein typisches Beispiel sind sachlogisch überzeugende Strategien, die an einer toxischen Organisationskultur scheitern.

Komplexe, evolutionäre Systeme sind durch Adaptivität gekennzeichnet. Diese Anpassung an neue Entwicklungen bei großer Unsicherheit hat aufgrund der gegenwärtigen geopolitischen Situation ein extremes Niveau erreicht.

Damit werden die Rahmenbedingungen für Selbstorganisation immer wichtiger. Erfolgreiche Digitalunternehmen vertrauen in die Arbeit von kompetenten, agilen Teams. Auf der anderen Seite ist bei der Personalführung „nach alter Schule“ Agilität noch ein Fremdwort.

Eng damit verknüpft ist die Bedeutung von Lernschleifen. Ein Indikator dafür, dass diese iterativen Lernprozesse funktionieren, sind Verantwortliche, die nicht Opfer einer Transformationsillusion werden und glauben, es sei ein neuer stabiler Gleichgewichtszustand erreichbar.

Das Verständnis komplexer, evolutionärer Systeme leistet einen wichtigen Beitrag, um der kausalen KI zum Durchbruch zu verhelfen. Hierzu ist es wichtig, sich mit der Bedeutung der drei Stufen einer Kausalitätseiter für dynamische Ursache-Wirkungsmodelle zu beschäftigen.

Bedeutung der drei Stufen einer Kausalitätsleiter

Die Bedeutung der von dem Turing-Preisträger Judea Pearl entwickelten drei Stufen der Kausalität liegt in der Überwindung der Grenzen reiner Mustererkennung hin zu Systemen, die Ursache-Wirkungszusammenhänge verstehen, hypothetische Szenarien durchspielen und nachvollziehbar handeln. Dabei unterscheidet Pearl zwischen den Stufen Beobachten, Handeln und Reflektieren.³

In der ersten Stufe des Beobachtens (Assoziation) geht es um das Erfassen von Daten und Mustern. Dies ist das Fundament des klassischen Deep Learning. Hierbei besteht das Problem darin, dass diese Systeme zwar Korrelationen erkennen, aber keine Kausalitäten, also nicht das Warum verstehen. Wenn sich die Rahmenbedingungen ändern (Dataset Shift), versagen traditionelle KI-Modelle oft.

Der Fokus der zweiten Stufe des Handelns (Intervention) liegt auf dem aktiven Eingreifen in ein System und dem Verändern von Variablen. Eine kausale KI verlässt auf dieser Stufe die passive Rolle. Sie kann in begrenztem Umfang vorhersagen, was geschehen könnte.

Die dritte Stufe des Reflektierens (kontrafaktisches Denken) spielt im Rahmen einer rückblickenden Betrachtung Alternativszenarien durch. Diese Stufe bildet eine Brücke zur menschlichen Kognition. Sie ermöglicht der KI ein echtes Lernen aus Fehlern durch hypothetische Simulationen.

Zum endgültigen Durchbruch der kausalen KI fehlt es gegenwärtig noch an Fortschritten in den folgenden vier Schlüsselbereichen:

Der automatischen Strukturentdeckung. Um aus Beobachtungsdaten zu erkennen, was Ursache und was Wirkung ist (Causal Discovery), bedarf es der Mitwirkung von menschlichen Experten, die über Methoden- und Fachkompetenz verfügen.
Einer Entwicklung von standardisierten Software-Frameworks. Es fehlen sowohl universelle, leicht verständliche Software-Bibliotheken für spezifische Anwendungen als auch Benchmarks für die Leistungsmessung kausaler Modelle.
Einem Mangel an Daten aus der Praxis bezüglich der Kausalitätsstufen zwei und drei. Um komplexe Anwendungsfelder zu simulieren, benötigt man bessere Methoden zur Generierung von synthetischen Daten.
Der Verbindung mit dem Deep Learning. Die Stärke der kausalen KI liegt im logischen Denken. Deep Learning ist gut im Verarbeiten von unstrukturierten Daten. Forschungsinstitute und Tech-Giganten arbeiten an einer Verschmelzung dieser beiden Welten (Causal Deep Learning).

An diesen Schlüsselbereichen setzt eine KI-unterstützte Anwendung der Theorie komplexer evolutionärer Systeme in der Managementpraxis an.

Zusammenarbeit verschiedener Akteursgruppen

Bei der Verbindung von kausaler KI mit komplexen, evolutionären Systemen spielt die Zusammenarbeit verschiedener Akteursgruppen eine wichtige Rolle. Diese Gruppen sind:

Managementforscher und Berater, die die Theorie komplexer, evolutionärer Systeme anwenden sowie
Praktiker, die über Erfahrung mit den aktuellen Herausforderungen von Unternehmen und Verwaltungen verfügen.

Diese beiden Gruppen liefern das „Human in the Loop“-Vorwissen und sollten ihre wertvolle Ressource schützen. Zu dieser Erfahrungsebene kommt die Ebene Technologie und Infrastruktur hinzu. Hier agieren:

KI-Experten, die an der Weiterentwicklung und Vermarktung von kausaler KI und deren Algorithmen arbeiten sowie
Cloud-Anbieter, die die Nutzung einer vertrauenswürdigen Infrastruktur und ihre Skalierung ermöglichen.

In der Vergangenheit hat unser Expertennetzwerk die Erfahrung gemacht, dass die Konnektivität dieser Akteure ein wichtiger Erfolgsfaktor ist. Insofern ist dieses Thema ein weiterer Baustein der von uns geprägten fünften Entwicklungsstufe eines verbindenden strategischen Managements.⁴

Dabei sollte man sich der Tatsache bewusst sein, dass auch für Digital-Giganten die Causal AI so etwas ist, wie der „Heilige Gral“ der nächsten KI-Generation. Eine solche Next AI setzt wieder mehr auf die sokratische Gesprächsmethode eines kritischen, schrittweisen Hinterfragens, um die für Sprachmodelle typischen Halluzinationen zu reduzieren.⁵ Ein interessantes Anwendungsfeld der kausalen KI ist die Entwicklung von positiven Zukunftsbildern mit Hilfe von strategischer Vorausschau.

Entwicklung von positiven Zukunftsbildern

Die strategische Vorausschau hat eine lange Entwicklungsgeschichte. Der Begriff Foresight ist zwar erst in den 1980er Jahren geprägt worden. Wichtige Methoden, wie die Szenario-Analyse, sind aber bereits in den 1960er Jahren entstanden, als Forschungsinstitute in den USA nach dem zweiten Weltkrieg ihren Schwerpunkt vom militärischen in den privatwirtschaftlichen Sektor verlagert haben.

Der von uns vor einigen Jahren entwickelte Game-Changer-Radar verfolgt das Ziel, tiefgreifende Veränderungen frühzeitig zu erkennen, um die sich bietenden Möglichkeiten zu nutzen, bevor es Wettbewerber tun.⁶ Diese Methode haben wir bei unserem 2020 erschienenen Buch zu KI als Game Changer genutzt.⁷

Eine strategische Vorausschau sollte stärker auf den Entwurf von positiven Zukunftsbildern gerichtet sein, die Zukunft als gestaltbaren Möglichkeitsraum betrachten.⁸ Eine kausale KI kann helfen, mögliche Entwicklungen und Wechselwirkungen systematisch zu durchdenken. Solche Zukunftsbilder sind der Ausgangspunkt für überzeugende Narrative, die die emotionale Verbundenheit erhöhen. Ein derartiges Narrativ braucht Deutschland gegenwärtig dringend.

Fazit

Kausale KI hat das Potenzial, Organisationen besser und kostengünstiger auf unerwartete Veränderungen vorzubereiten als traditionelle KI-Modelle
Die Anwendung der Theorie komplexer, evolutionärer Systeme im Management und die Kennzeichen dieser Theorie liefern für die kausale KI eine wichtige Grundlage
Diese theoretische Basis kann einen Beitrag zum Durchbruch der kausalen KI leisten. Dies erfordert eine Zusammenarbeit verschiedener Akteursgruppen
In der Praxis besteht ein großer Bedarf an positiven Zukunftsbildern, die wir mit Hilfe einer KI-unterstützten strategischen Vorausschau entwickeln.

Literatur

[1] Bomke, L., Berühmte KI-Forscher setzen auf diese deutschen Gründer. In: Handelsblatt, 24./ 25./ 26. Juli 2026, S. 31

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

[3] Pearl, J., Mackenzie, D., The Book of Why – The New Science of Cause and Effect, Neue Auflage, Basic Books 2026

[4] Servatius, H.G., Verbindendes strategisches Management im KI-Zeitalter. In: Competivation Blog, 22.05.2026

[5] Bomke, L., Dehari, L., Fokuhl, J., Mit Sokrates die KI trainieren. In: Handelsblatt, 12. August 2026, S. 26-27

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

[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

[8] Schön, N., Peters, N., Europa braucht dringend mehr Zukunftskompetenz. In: Handelsblatt, 5. August 2026, S. 14

Connecting causal AI with complex evolutionary systems

13.08.26

In the field of artificial intelligence (AI), a paradigm shift is currently underway from purely statistical correlations to dynamic cause-and-effect models. The theory of complex, evolutionary systems—which our expert network Competivation has been applying to real-world management problems for several years—offers a promising foundation for this causal AI. The goal is to integrate these two lines of development. Investor interest in the Heidelberg-based startup Kausable AI demonstrates just how great the potential of this paradigm shift is.

In our new blog post, I explain how the management theory of complex, evolutionary systems can help causal AI achieve a breakthrough.

Early-stage investment in Kausable AI

AI models trained on historical data reach their limits when something unexpected occurs. They then have to be adjusted through a time-consuming process. The Heidelberg-based company Kausable AI started with the idea that a new generation of models must learn to cope better with constant change. To this end, Kausable has received an early-stage investment of 12 million euros from venture capitalists and renowned AI researchers. The model, trained using synthetic data, is designed to understand causes and effects, derive hypotheses from them, and learn from results to master new challenges. Whether this approach will work remains to be seen, but the need is great, as tackling complex problems is becoming increasingly demanding. For example, with their project TipPFN, the founders are attempting to identify tipping points at which systems suddenly change.¹

In this context, innovative AI models require a practical theoretical foundation.

Applying the theory of complex, evolutionary systems to real-world management problems

I recently described the development of the theory of complex evolutionary systems and its application to real-world management problems in an article.² For this connection with an AI that understands causes and effects, certain characteristics of these systems are significant, which I would like to briefly explain. This is particularly true with regard to the complex interactions between different levels, such as geopolitics, the environment, states, regions, companies, and administrations, as well as individuals and society.

The implications for designing multilevel strategies are profound. AI support can help mitigate the shortcomings of traditional management practices.

A defining characteristic of complex, evolutionary systems is openness. It is therefore important to understand the influence of environmental factors at every level of the system. Currently, the interplay of various risks poses a new type of threat to the German economy.

This environment is characterized by high dynamism. Consequently, all relevant stakeholders face the challenge of developing a growth mindset. Leadership and human resources development provide important impetus for such a self-image.

Another key characteristic is interconnectedness. AI can help model the complex connectivity between levels and stakeholders. For example, problems related to the energy transition in the past have arisen from barriers between the sectors of politics, science, business, and society.

The nonlinearity of these processes is often underestimated. This refers to the realization that small events can have major effects. However, these effects are usually only recognized after tipping points have been reached.

A hallmark of many strategies is emergence. Contrary to the widespread belief that top management develops strategies, these often originate with individuals possessing exceptional foresight and spread from the outside or from the bottom up through the hierarchy.

Path dependence is also underestimated. This refers to the importance of initial conditions for subsequent processes. A typical example is strategies that are logically sound but fail due to a toxic organizational culture.

Complex, evolutionary systems are characterized by adaptivity. This adaptation to new developments amid high uncertainty has reached an extreme level due to the current geopolitical situation.

As a result, the framework conditions for self-organization are becoming increasingly important. Successful digital companies rely on the work of competent, agile teams. On the other hand, in “old-school” personnel management, agility is still a foreign concept.

Closely linked to this is the importance of learning loops. One indicator that these iterative learning processes are working is when leaders do not fall victim to a “transformation illusion” and believe that a new, stable state of equilibrium is achievable.

Understanding complex, evolutionary systems plays a key role in helping causal AI achieve a breakthrough. To this end, it is important to examine the significance of the three levels of a causality ladder for dynamic cause-and-effect models.

Significance of the three levels of the causality ladder

The significance of the three levels of causality developed by Turing Award winner Judea Pearl lies in overcoming the limitations of pure pattern recognition to create systems that understand cause-and-effect relationships, run through hypothetical scenarios, and act in a comprehensible manner. Pearl distinguishes between the levels of observation, action, and reflection.³

The first level of observation (association) involves capturing data and patterns. This is the foundation of classical deep learning. The problem here is that while these systems recognize correlations, they do not recognize causalities—in other words, they do not understand the “why.” When the framework conditions change (dataset shift), traditional AI models often fail.

The focus of the second level of action lies on actively intervening in a system and altering variables. At this stage, causal AI moves beyond its passive role. It can predict, to a limited extent, what might happen.

The third level of reflection (counterfactual thinking) explores alternative scenarios as part of a retrospective analysis. This stage bridges the gap to human cognition. It enables AI to truly learn from mistakes through hypothetical simulations.

For a definitive breakthrough in causal AI, progress is currently still lacking in the following four key areas:

Automatic structure discovery. To identify cause and effect from observational data (causal discovery), the involvement of human experts with methodological and subject-matter expertise is required.
The development of standardized software frameworks. There is a lack of both universal, easily understandable software libraries for specific applications and benchmarks for measuring the performance of causal models.
A lack of real-world data regarding causality levels two and three. To simulate complex application domains, better methods for generating synthetic data are needed.
The connection to deep learning. The strength of causal AI lies in logical thinking. Deep learning excels at processing unstructured data. Research institutes and tech giants are working to merge these two worlds (causal deep learning).

An AI-supported application of the theory of complex evolutionary systems in management practice focuses on these key areas.

Cooperation among different stakeholder groups

When combining causal AI with complex, evolutionary systems, cooperation among various stakeholder groups plays a crucial role. These groups include:

Management researchers and consultants who apply the theory of complex evolutionary systems, as well as
practitioners who have experience with the current challenges facing companies and government agencies.

These two groups provide the “human-in-the-loop” prior knowledge and should safeguard this valuable resource. In addition to this experiential level, there is the level of technology and infrastructure. Here, the following groups are active:

AI experts who work on the further development and commercialization of causal AI and its algorithms, as well as
cloud providers who enable the use of a trustworthy infrastructure and its scalability.

In the past, our network of experts has found that the connectivity among these stakeholders is a key success factor. In this respect, the topic is another building block of the fifth stage of development in connective strategic management, a concept we have coined.⁴

It is important to recognize that, even for digital giants, causal AI is something like the “Holy Grail” of the next generation of AI. Such “Next AI” relies more heavily on the Socratic method of critical, step-by-step questioning to reduce the hallucinations typical of language models.⁵ An interesting application of causal AI is the development of positive visions of the future through strategic foresight.

Development of positive visions of the future

Strategic foresight has a long history of development. Although the term “foresight” was not coined until the 1980s, key methods—such as scenario analysis—emerged as early as the 1960s, when research institutes in the U.S. shifted their focus from the military to the private sector following World War II.

The Game-Changer Radar, which we developed several years ago, aims to identify profound changes at an early stage in order to capitalize on emerging opportunities before competitors do.⁶ We used this method in our book on AI as a game changer, published in 2020.⁷

Strategic foresight should focus more on designing positive visions of the future that view the future as a space of possibilities that can be shaped.⁸ Causal AI can help systematically think through possible developments and interactions. Such visions of the future serve as the starting point for compelling narratives that foster a stronger emotional connection. Germany urgently needs such a narrative at this time.

Conclusion

Causal AI has the potential to prepare organizations for unexpected changes more effectively and cost-efficiently than traditional AI models
The application of the theory of complex, evolutionary systems in management and the characteristics of this theory provide an important foundation for causal AI
This theoretical base can contribute to a breakthrough in causal AI. This requires cooperation among different stakeholder groups
In practice, there is a great need for positive visions of the future, which we develop with the help of AI-supported strategic foresight.

References

[1] Bomke, L., Renowned AI Researchers Are Backing These German Founders. In: Handelsblatt, July 24, 25, and 26, 2026, p. 31

[2] Servatius, H.G., Learning to Design Solutions for Complex Management Problems. In: Competivation Blog, July 15, 2025

[3] Pearl, J., Mackenzie, D., The Book of Why – The New Science of Cause and Effect, New Edition, Basic Books 2026

[4] Servatius, H.G., Connective Strategic Management in the AI Era. In: Competivation Blog, May 22, 2026

[5] Bomke, L., Dehari, L., Fokuhl, J., Training AI with Socrates. In: Handelsblatt, August 12, 2026, pp. 26-27

[6] Servatius, H.G., Strategic Foresight with a Game-Changer Radar. In: Competivation Blog, January 27, 2021

[7] 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

[8] Schön, N., Peters, N., Europe Urgently Needs More Future Competence. In: Handelsblatt, August 5, 2026, p. 14

Evolution des strategischen Managements

28.06.24

Digital-Unternehmen haben die erste Entwicklungsstufe des markt- und finanzorientierten strategischen Managements mit einer zweiten Stufe verbunden, die durch Technologie und Innovation geprägt ist. Bereits vor der Entstehung des strategischen Managements ist eine solche Konnektivität grundlegender Orientierungen ein Erfolgsfaktor der europäischen Hidden Champions gewesen. In der Fähigkeit zur Verbindung liegt auch gegenwärtig eine Chance für die europäische Industrie, die sich ausgehend von ihren traditionellen Stärken neu in Richtung auf Digitalisierung, Nachhaltigkeit und Resilienz ausrichten muss.

In diesem Blogpost erläutere ich die Grundlagen und Charakteristika der ersten beiden Entwicklungsstufen des strategischen Managements und gehe auf die Rolle der generativen Künstlichen Intelligenz (KI) als Game Changer ein.

Verbindung von Strategie 1.0 und 2.0

Fast jedes zweite deutsche Unternehmen befürchtet, dass eine Deindustrialisierung des Standorts Deutschlands kaum noch aufzuhalten ist und dieser weiter an Attraktivität verliert. Das ist das ernüchternde Ergebnis einer Studie des Bundesverbands der Deutschen Industrie (BDI). Nach Meinung der Befragten sei die Lage so schlecht wie schon lange nicht mehr.¹

Natürlich ist dies vor allem ein Weckruf an die Politik. Daneben stellt sich aber die Frage, wie Unternehmen ihr strategische Managements an ein verändertes Umfeld anpassen können.

Aufgabe des strategischen Managements als interdisziplinäres Fachgebiet ist es, die Unternehmensentwicklung zu gestalten und neue Herausforderungen zu meistern. In den letzten Jahrzehnten haben sich die Rahmenbedingungen für die Wirtschaft grundlegend verändert. Die sich daraus ergebende Evolution des strategischen Managements gliedern wir in fünf Entwicklungsstufen.² Zwischen diesen Stufen gibt es vielfältige Wechselwirkungen und Rückkopplungen. Gegenwärtig von besonderer Bedeutung ist die Verbindung zwischen der Strategie 1.0 und der Strategie 2.0. Eine wichtige Rolle spielen dabei Digital-Unternehmen.³

Vier grundlegende Orientierungen

Das strategische Management hat sich seit den 1960er Jahren aus der strategischen Planung entwickelt.⁴ Bereits lange vorher lag eine Stärke der wenig bekannten europäischen Weltmarktführer in ihrer Verbindung der Technologie-, Innovations-, Markt- und Finanzorientierung. Bis heute sind die vier grundlegenden Orientierungen bei diesem Unternehmenstyp auf spezifische, wissensintensive Geschäftsfelder fokussiert.⁵ Dies hat zum hohen Ansehen des German Engineering in der Welt beigetragen.

Der Siegeszug der ersten Entwicklungsstufe eines markt- und finanzorientierten strategischen Managements begann hingegen in diversifizierten US-amerikanischen Großunternehmen. Ein wichtiger Nutzen für die Verantwortlichen lag in der integrativen Sicht betrieblicher Funktionen und der Unterstützung von Portfolio-Entscheidungen. In den 1970er Jahren erreichte diese neuen Managementlehre deutsche Großunternehmen. Parallel dazu gewannen Funktionalstrategien an Bedeutung. Die Strategieumsetzung scheiterte aber häufig an einer von der Personalführung nicht bewältigten Komplexität.

Technologie- und Innovationsaspekte spielten in dieser ersten Stufe eine untergeordnete Rolle. Daher war die Verbreitung des strategischen Managements bei europäischen Hidden Champions und im Mittelstand eher gering. Dies hat mich Ende der 1970er Jahre bewogen, mit einer Promotion zum strategischen Technologie-Management zu beginnen. Interessanterweise befand sich in dieser Zeit die US-amerikanische Industrie in einer tiefen Krise.⁶ In meiner Dissertation habe ich eine ressourcenorientierte Methodik für die Entstehung von Technologiestrategien entwickelt und damit einen Beitrag zur zweiten Entwicklungsstufe eines technologie- und innovationsorientierten strategischen Managements geleistet.⁷ Dabei war eine wichtige Erkenntnis, dass erfolgreiche Innovationssysteme von Unternehmen aus verbundenen Handlungsfeldern bestehen. Bei deren Gestaltung kommt es auf die Fähigkeit an, die Entstehung und Umsetzung von Strategien mit einer unternehmerischen Kultur zu verbinden.⁸

In Europa weniger erfolgreich verlaufen ist die Erschließung des Potenzials digitaler Querschnittstechnologien. So waren es letztlich US-amerikanische Start-ups, die im Rahmen von verschiedenen Digitalisierungswellen die erste und die zweite Entwicklungsstufe des strategischen Managements zusammengeführt haben. Auf diese Weise sind die heute wertvollsten Unternehmen der Welt entstanden. Die Abbildung veranschaulicht die vier Orientierungen, die die ersten beiden Entwicklungsstufen des strategischen Managements verbinden.

Im folgenden möchte ich die Grundlagen und Charakteristika dieser beiden Entwicklungsstufen näher erläutern.

Markt- und finanzorientiertes strategisches Management

Die Ursprünge des Strategiebegriffs liegen im militärischen Sektor. Eine frühe Übertragung auf die Wirtschaft erfolgte an der Harvard Business School, wo man 1911 einen Kurs zum Thema Business Policy startete, um eine Klammer für die betriebswirtschaftlichen Funktionslehren zu schaffen. Schwerpunkt der Unternehmenspolitik sind die Themen Vision und Mission.⁹ Eine weitere Grundlage der ersten Stufe ist der Blick in mögliche Zukünfte, was der Begriff Foresight umschreibt.¹⁰ In dieser Entstehungsphase hat das strategische Management allmählich die bis dahin verbreitete Langfristplanung verdrängt. Allerdings ist das strategische Management nie ein homogenes Konzept gewesen. Relativ früh sind verschiedene Schulen entstanden, die die Vielzahl möglicher Strategieprozesse beschreiben. Dabei ist der analytische Prozess nur eine der Varianten.¹¹

Im Mittelpunkt der ersten Entwicklungsstufe des strategischen Managements (Strategie 1.0) steht der Fokus auf Wettbewerbsvorteile in Absatzmärkten.¹² Das übergeordnete Ziel ist eine Steigerung des Unternehmenswertes für die Anteilseigner.¹³ Gegen diese dominierende Shareholder-Value-Sicht konnte sich die Stakeholder-Theorie zunächst nicht durchsetzen. Einen starken Einfluss auf die praktische Strategiearbeit hatte die durch Wissenschaftler und Managementberatungen geprägte Positionierungsschule, die die Strategieentwicklung als primär analytischen Prozess betrachtet. Eine populäre Methode ist die aus heutiger Sicht relativ mechanistisch erscheinende Portfolio-Analyse strategischer Geschäftselder.¹⁴

Der Hauptkritikunkt an der Strategie 1.0 ist, dass es mit dem primär analytischen Vorgehen allein nicht gelingt, Umsetzungsprobleme zu meistern. Zu einem Scheitern der Strategie-Implementierung tragen die Top-down-Vorgehensweise und die schwierige Harmonisierung von Funktionalstrategien bei. Trotz der Kritik ist diese erste Entwicklungsstufe vor allem in etablierten Großunternehmen lange Zeit weit verbreitet gewesen. Sie steht auch immer noch im Mittelpunkt der Lehre vieler Hochschulen, die zwischen den Fächern strategisches Management und Technologie- und Innovationsmanagement unterscheiden.

Technologie- und innovationsorientiertes strategisches Management

Die zweite, technologie- und innovationsorientierte Stufe des strategischen Managements basiert stärker auf Unternehmertum. Daher liefert für eine Strategie 2.0 die Entrepreneurship-Forschung eine wichtige Grundlage.¹⁵ In den USA haben die Finanzierung von Start-ups durch Venture Capital¹⁶ und das Corporate Venture Management viel früher an Bedeutung gewonnen als in Europa.¹⁷ Eine weitere wichtige Grundlage ist die ganzheitliche Designtheorie, die der Wirtschaftsnobelpreisträger Herbert Simon geprägt hat.¹⁸ Von den betriebswirtschaftlichen Funktionslehren behandeln vor allem das Forschungs- und Entwicklungs-(F&E) Management¹⁹ und das Produktionsmanagement²⁰ technologische Themen.

Seit den 1980er Jahren hat sich die zweite Stufe des strategischen Managements sehr dynamisch in verschiedenen Phasen entwickelt.²¹ Der Fokus liegt dabei auf Technologien und Innovationsvorteilen. Das Technologie- und Innovationsmanagement integriert klassische Managementaufgaben in einem systemorientierten Ansatz.²² Hervorzuheben ist dabei die Bedeutung der Personalführung, Kultur und Organisation. Die Aufgabe von Innovationsmanagern liegt in der Gestaltung der verbundenen Handlungsfelder des Innovationssystems ihres Untenehmens.²³ Diese systemorientierte Betrachtung von Handlungsfeldern bildet für die beteiligten Akteure einen gemeinsamen Rahmen. Die Evolution eines solchen offenen, komplexen Systems ergibt sich aus der Interaktion der Akteure mit ihrem Umfeld. In den letzten Jahrzehnten hat die Bedeutung von neuen Geschäftsmodellen²⁴ und einer innovationsfördernden Kultur²⁵ stark zugenommen. Dabei haben zunächst vor allem Start-ups mit agilen Methoden das Potenzial digitaler Technologien genutzt.²⁶

Aus diesen Start-ups sind die US-amerikanischen Digital-Giganten hervorgegangen, deren Marktmacht teilweise auch kritisch gesehen wird. Für etablierte Unternehmen stellen der digitale Wandel und die damit verbundene Abhängigkeit von IT-Unternehmen eine große Herausforderung dar.²⁷ In der folgenden Abbildung ist die zeitliche Entwicklung des technologie- und innovationsorientierten strategischen Managements zusammengefasst.

Eine neue Digitalisierungswelle geht von der generativen Künstlichen Intelligenz (KI) mit großen Sprachmodellen aus, die Produktivitätsvorteile und veränderte Formen der Wissensarbeit ermöglicht. Im Juni 2024 ist der KI-Ausrüster Nvidia kurzfristig das wertvollste börsenorientierte Unternehmen der Welt geworden.²⁸ In dieser aktuellen Welle könnten die Karten zwischen Unternehmen und Wirtschaftsblöcken neu gemischt werden. Es stellt sich die Frage, wie Europa die sich hieraus ergebenden Risiken meistern kann.

Die generative KI als Game Changer für Europa

Als wir 2020 unser Buch Das Internet der Dinge und Künstliche Intelligenz als Game Changer publiziert haben, war der gegenwärtige Hype um die generative KI noch nicht absehbar. Im letzten Kapitel des Buchs setzen wir uns kritisch mit der europäischen und der deutschen Innovationspolitik auseindander.²⁹ Eine spannende Frage ist, inwieweit die generative KI zu einer erfolgreichen Neuausrichtung der deutschen Wirtschaft beiträgt oder ihren weiteren Niedergang beschleunigt. Beides erscheint möglich. Daher befindet sich unser Land an einem Wendepunkt.

Aus der Erfolgsgeschichte der europäischen Hidden Champions können wir lernen, dass es entscheidend auf eine Verbindung der Sektoren Politik, Wissenschaft, Wirtschaft und Gesellschaft sowie der strategischen Handlungsfelder von Unternehmen ankommt. Unsere Empfehlung ist daher zu versuchen, eine Kultur der Verbundenheit zurückzugewinnen. Wichtig wäre es, dass alle Beteiligten einen entsprechenden Mindset entwickeln. Den sollten die Eliten vorleben und hoffen, dass die Bürgerinnen und Bürger ihrem Beispiel folgen. Die Aus- und Weiterbildung zum Thema Cultural Connectedness kann hierzu einen Beitrag leisten.

Fazit

– Der Erfolg von Digital-Unternehmen resultiert aus der Verbindung der ersten und der zweiten Entwicklungsstufe des strategischen Managements

– Ein Problem der ersten markt- und finanzorientierten Stufe ist die Komplexitätsbewältigung bei der Strategieumsetzung

-Den Digital-Champions gelingt es besser als etablierten Unternehmen, das Potenzial der Informationstechnik zu nutzen und die verbundenen Handlungsfelder ihrer Innovationssysteme erfolgreich zu gestalten

– Mit dem Thema generative Künstliche Intelligenz (KI) hat bei der Verbindung von Strategie 1.0 und 2.0 ein neues Kapitel begonnen

Literatur

[1] Höpner, A., „Deindustrialisierung kann kaum noch aufgehalten werden“. In: Handelsblatt, 18.Juni 2024, S.18

[2] Servatius, H.G., Strategie 5.0 zur Bewältigung der neuen Herausforderungen. In: Competivation Blog, 28.06.2022

[3] Servatius, H.G., Personalführung im Zeitalter eines Connective Managements. In: Competivation Blog, 19.01.2021

[4] Ansoff, I.H., Declerck, R.P., Hayes, R.L. (Hrsg.), From Strategic Planning to Strategic Management, John Wiley 1976

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

[6] Hayes, R.H., Wheelwright, S.C., Restoring Our Competitive Edge – Competing Through Manufacturing, John Wiley 1984

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

[8] Schein, E.H., Organizational Culture and Leadership – A Dynamic View, Jossey Bass 1986

[9] Bleicher, K., Das Konzept Integriertes Management, Campus 1991

[10] Müller, A.W., Müller-Stewens, G., Strategie Foresight – Trend- und Zukunftsforschung in Unternehmen – Instrumente, Prozesse, Fallstudien, Schäffer Poeschel 2009

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

[12] Porter, M.E., Competitive Strategy – Techniques for Analyzing Industries and Competititors, The Free Press 1980

[13] Rappaport A., Creating Shareholder Value – The New Standard for Business Performance, The Free Press 1986

[14] Kirsch, W., Roventa, P. (Hrsg.), Bausteine des Strategischen Managements – Dialoge zwischen Wissenschaft und Praxis, De Gruyter, 1983

[15] Ronstadt, R.C., Entrepreneurship – Text, Cases and Notes, Lord Publishing 1984

[16] Gladstone, D.J., Venture Capital Handbook – An Entrepreneur’s Guide to Obtaining Capital To Start a Business, Buy a Business, Or Expand An Existing Business, Reston Publishing 1983

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

[18] Simon, H.A., The Sciences of the Artificial, 2.Aufl., MIT Press 1981 (1.Aufl. 1969)

[19] Brockhoff, K., Forschung und Entwicklung – Planung und Kontrolle, Oldenbourg 1988

[20] Zäpfel, G., Strategisches Produktionsmanagement, De Gruyter Oldenbourg 2000

[21] Zahn, E. (Hrsg.), Handbuch Technologie-Management, Schäffer-Poeschel 1995

[22] Servatius, H.G., Piller, F.T. (Hrsg.), Der Innovationsmanager – Wertsteigerung durch ein ganzheitliches Innovationsmanagement, Symposion 2014

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

[24] Osterwalder, A., Pigneur, Y., Business Model Generation – A Handbook for Visionaries, Game Changers, and Challengers, Wiley 2010

[25] Mc Afee, A., The Geek Way – The Radical Mindset That Drives Extraordinary Results, Macmillan Business 2023

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

[27] Rogers, D.L., The Digital Transformation Roadmap – Rebuild Your Organization for Continuous Change, Columbia Business School Publishing 2023

[28] Brüntjen, J.S., Narat, I., Maisch, M., Kursbebeben erschüttert Nvidia. In: Handelsblatt, 26.Juni 2024, S.30-31

[29] 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, Springer Vieweg 2020, S.203 ff.

Evolution of strategic management

28.06.24

Digital companies have combined the first development stage of market- and finance-oriented strategic management with a second stage characterized by technology and innovation. Even before the emergence of strategic management, such connectivity of fundamental orientations has been a success factor of European hidden champions. The ability to connect is also currently an opportunity for European industry, which must reorient itself towards digitalization, sustainability and resilience based on its traditional strengths.

In this blog post, I explain the basics and characteristics of the first two development stages of strategic management and discuss the role of generative artificial intelligence (AI) as a game changer.

Linking strategy 1.0 and 2.0

Almost every second German company fears that the deindustrialization of Germany as a business location can hardly be stopped and that it will continue to lose its attractiveness. This is the sobering result of a study by the Federation of German Industries (BDI). According to the respondents, the situation is worse than it has been for a long time.¹

Of course, this is above all a wake-up call for politicians. However, it also raises the question of how companies can adapt their strategic management to a changed environment.

The task of strategic management as an interdisciplinary field is to shape corporate development and master new challenges. In recent decades, the framework conditions for the economy have changed fundamentally. We divide the resulting evolution of strategic management into five development stages.² There are many interactions and feedback loops between these stages. The link between Strategy 1.0 and Strategy 2.0 is currently of particular importance, with digital companies playing a key role.³

Four basic orientations

Strategic management has developed from strategic planning since the 1960s.⁴ Long before that, one of the strengths of the little-known European world market leaders was their combination of technology, innovation, market and financial orientation. To this day, the four basic orientations of this type of company are focused on specific, knowledge-intensive business areas.⁵ This has contributed to the high reputation of German engineering in the world.

The triumphant advance of the first development stage of market- and finance-oriented strategic management, on the other hand, began in diversified large US companies. An important benefit for those responsible lay in the integrative view of operational functions and the support of portfolio decisions. This new management theory reached large German companies in the 1970s. At the same time, functional strategies gained in importance. However, strategy implementation often failed due to a complexity that was not mastered by personnel management.

Technology and innovation aspects played a subordinate role in this first stage. As a result, the spread of strategic management among European hidden champions and SMEs was rather low. This prompted me to start a doctorate in strategic technology management at the end of the 1970s. Interestingly, the US industry was in a deep crisis at that time.⁶ In my dissertation, I developed a resource-oriented methodology for the development of technology strategies and thus made a contribution to the second development stage of technology and innovation-oriented strategic management.⁷ An important finding was that successful corporate innovation systems consist of interconnected fields of action. Their design depends on the ability to combine the development and implementation of strategies with an entrepreneurial culture. ⁸

In Europe, tapping into the potential of digital cross-sectional technologies has been less successful. Ultimately, it was US start-ups that brought together the first and second development stages of strategic management as part of various waves of digitalization. This is how the most valuable companies in the world today were created. The diagram illustrates the four orientations that link the first two development stages of strategic management.

In the following, I would like to explain the basics and characteristics of these two stages of development in more detail.

Market and finance-oriented strategic management

The origins of the concept of strategy lie in the military sector. An early transfer to the business world took place at Harvard Business School, where a course on business policy was launched in 1911 to create a framework for business management theory. The focus of business policy is on vision and mission.⁹ Another foundation of the first stage is a look into possible futures, which is described by the term foresight.¹⁰ In this development phase, strategic management gradually replaced the long-term planning that had been widespread until then. However, strategic management has never been a homogeneous concept. Various schools emerged relatively early on to describe the multitude of possible strategic processes. The analytical process is only one of the variants. ¹¹

The focus of the first development stage of strategic management (Strategy 1.0) is on competitive advantages in sales markets.¹² The overriding goal is to increase the value of the company for shareholders.¹³ Stakeholder theory was initially unable to assert itself against this dominant shareholder value view. The positioning school, which was shaped by academics and management consultancies and views strategy development as a primarily analytical process, had a strong influence on practical strategy work. One popular method is the portfolio analysis of strategic business fields, which seems relatively mechanistic from today’s perspective. ¹⁴

The main criticism of Strategy 1.0 is that the primarily analytical approach alone does not succeed in overcoming implementation problems. The top-down approach and the difficulty of harmonizing functional strategies contribute to the failure of strategy implementation. Despite criticism, this first stage of development has long been widespread, especially in established large companies. It is also still the focus of teaching at many universities, which differentiate between the subjects of strategic management and technology and innovation management.

Technology and innovation-oriented strategic management

The second, technology and innovation-oriented stage of strategic management is based more strongly on entrepreneurship. Entrepreneurship research therefore provides an important basis for Strategy 2.0.¹⁵ In the USA, the financing of start-ups through venture capital¹⁶ and corporate venture management gained importance much earlier than in Europe.¹⁷ Another important foundation is the holistic design theory coined by Nobel Prize winner Herbert Simon.¹⁸ Of the functional business management theories, research and development (R&D) management¹⁹ and production management²⁰ deal primarily with technological topics.

Since the 1980s, the second stage of strategic management has developed very dynamically in various phases.²¹ The focus here is on technologies and innovation advantages. Technology and innovation management integrates classic management tasks in a system-oriented approach.²² The importance of personnel management, culture and organization should be emphasized. The task of innovation managers is to shape the connected fields of action of their company’s innovation system.²³ This system-oriented view of fields of action forms a common framework for the actors involved. The evolution of such an open, complex system results from the interaction of the actors with their environment. In recent decades, the importance of new business models²⁴ and a culture that promotes innovation²⁵ has increased significantly. Initially, it was primarily start-ups with agile methods that exploited the potential of digital technologies.²⁶

These start-ups have given rise to the US digital giants, whose market power is sometimes viewed critically. For established companies, digital change and the associated dependence on IT companies represent a major challenge.²⁷ The following figure summarizes the development of technology and innovation-oriented strategic management over time.

A new wave of digitalization is coming from generative artificial intelligence (AI) with large language models, which enables productivity advantages and changed forms of knowledge work. In June 2024, AI supplier Nvidia briefly became the most valuable listed company in the world.²⁸ In this current wave, the cards between companies and economic blocs could be reshuffled. The question arises as to how Europe can master the resulting risks.

Generative AI as a game changer for Europe

When we published our book The Internet of Things and Artificial Intelligence as a Game Changer in 2020, the current hype surrounding generative AI was not yet foreseeable. In the last chapter of the book, we take a critical look at European and German innovation policy.²⁹ An exciting question is to what extent generative AI will contribute to a successful reorientation of the German economy or accelerate its further decline. Both seem possible. Our country is therefore at a turning point.

We can learn from the success story of the European hidden champions that it is crucial to connect the sectors of politics, science, business and society as well as the strategic fields of action of companies. Our recommendation is therefore to try to regain a culture of solidarity. It would be important for everyone involved to develop a corresponding mindset. The elites should set an example and hope that citizens will follow their example. Education and training on the topic of cultural connectedness can contribute to this.

Conclusion

The success of digital companies results from the combination of the first and second development stages of strategic management
One problem of the first market- and finance-oriented stage is coping with the complexity of strategy implementation
Digital champions are better than established companies at exploiting the potential of information technology and successfully shaping the associated fields of action of their innovation systems
A new chapter in the combination of Strategy 1.0 and 2.0 has begun with the topic of generative artificial intelligence (AI)

Literature

[1] Höpner, A., „Deindustrialization can hardly be stopped“. In: Handelsblatt, June 18, 2024, p.18

[2] Servatius, H.G., Strategy 5.0 for mastering the new challenges. In: Competivation Blog, 28.06.2022

[3] Servatius, H.G., Personnel management in the age of connective management. In: Competivation Blog, 19.01.2021

[4] Ansoff, I.H., Declerck, R.P., Hayes, R.L. (eds.), From Strategic Planning to Strategic Management, John Wiley 1976

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

[6] Hayes, R.H., Wheelwright, S.C., Restoring Our Competitive Edge – Competing Through Manufacturing, John Wiley 1984

[7] Servatius, H.G., Methodology of Strategic Technology Management – Basis for Successful Innovations, Erich Schmidt 1985

[8] Schein, E.H., Organizational Culture and Leadership – A Dynamic View, Jossey Bass 1986

[9] Bleicher, K., Das Konzept Integriertes Management, Campus 1991

[10] Müller, A.W., Müller-Stewens, G., Strategie Foresight – Trend- und Zukunftsforschung in Unternehmen – Instrumente, Prozesse, Fallstudien, Schäffer Poeschel 2009

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

[12] Porter, M.E., Competitive Strategy – Techniques for Analyzing Industries and Competitors, The Free Press 1980

[13] Rappaport A., Creating Shareholder Value – The New Standard for Business Performance, The Free Press 1986

[14] Kirsch, W., Roventa, P. (eds.), Bausteine des Strategischen Managements – Dialoge zwischen Wissenschaft und Praxis, De Gruyter, 1983

[15] Ronstadt, R.C., Entrepreneurship – Text, Cases and Notes, Lord Publishing 1984

[16] Gladstone, D.J., Venture Capital Handbook – An Entrepreneur’s Guide to Obtaining Capital To Start a Business, Buy a Business, Or Expand An Existing Business, Reston Publishing 1983

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

[18] Simon, H.A., The Sciences of the Artificial, 2nd ed., MIT Press 1981 (1st ed. 1969)

[19] Brockhoff, K., Research and Development – Planning and Control, Oldenbourg 1988

[20] Zäpfel, G., Strategic Production Management, De Gruyter Oldenbourg 2000

[21] Zahn, E. (ed.), Handbuch Technologie-Management, Schäffer-Poeschel 1995

[22] Servatius, H.G., Piller, F.T. (eds.), The innovation manager – value enhancement through holistic innovation management, Symposion 2014

[23] Servatius, H.G., Triple strategic realignment, Competivation Blog, 07.06.2024

[24] Osterwalder, A., Pigneur, Y., Business Model Generation – A Handbook for Visionaries, Game Changers, and Challengers, Wiley 2010

[25] Mc Afee, A., The Geek Way – The Radical Mindset That Drives Extraordinary Results, Macmillan Business 2023

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

[27] Rogers, D.L., The Digital Transformation Roadmap – Rebuild Your Organization for Continuous Change, Columbia Business School Publishing 2023

[28] Brüntjen, J.S., Narat, I., Maisch, M., Share price quake shakes Nvidia. In: Handelsblatt, June 26, 2024, p.30-31

Strategische Vorausschau mit einem Game-Changer-Radar

27.01.21

Am Anfang des Innovationsstrategie-Prozess steht die Vorausschau (Foresight) auf mögliche zukünftige Entwicklungen. Ein Game-Changer-Radar hilft beim Erkennen radikaler Innovationschancen.

In diesem Blogpost stellen wir einen neuen Ansatz vor, mit dem Sie die strategische Vorausschau in Ihrer Organisation verbessern können.

Beschleunigung an strategischen Wendepunkten

Die sogenannte Mobilitätswende hat sich lange abgezeichnet, nimmt aber gegenwärtig an Fahrt auf. Dies ist kein ungewöhnlicher Vorgang. In der Regel gibt es frühzeitig schwache Signale, mit denen sich strategische Wendepunkte (Inflection Points) ankündigen. Diese Signale werden häufig zunächst langsam stärker und erreichen dann eine Beschleunigungsphase, in der die Entwicklung in eine radikale Richtung geht oder sich wieder abschwächt.¹ Strategische Wendepunkte eröffnen neue unternehmerische Möglichkeiten und stehen oft am Begin radikaler Innovationen. Die auf diese Weise entstehenden neuen Megatrends sind häufig zunächst nicht offensichtlich.² Was die Führung daher benötigt, um diese Chancen zu nutzen, ist eine verbesserte Corporate Foresight als erste Phase des Innovationsstrategie-Prozess.³

Weiterentwicklung der traditionellen Foresight-Prozesse

Unter Corporate Foresight versteht man die Aktivitäten eines Unternehmens zur Vorausschau und Vorbereitung auf Veränderungen des Umfelds. Das Ziel ist die Entwicklung von möglichen Zukunftsvorstellungen. Dabei kommen Konzepte der Trend- und Zukunftsforschung, wie die Delphi-Methode und die Szenario-Analyse zum Einsatz, die schon vor Jahrzehnten entstanden sind.

Ein aktuelles Thema ist die Gestaltung der IT-Architektur von Unternehmen. Hier zeichnet sich seit langem eine Entwicklung von Insellösungen über Enterprise Architecture Tools zu neuen IoT- und KI-basierten Plattformkonzepten ab.⁴ Die Aufgabe von Corporate Foresight ist es, die für das eigene Unternehmen relevanten Trends herauszuarbeiten. Ein wichtiger Aspekt ist dabei die Beobachtung der IT-Anbieter. Neben etablierten Akteuren spielen auch Start-ups wie LeanIX, Bizzdesign ,Avolution und die BOC Group eine Rolle.⁵

Foresight ist ein durch die Führung und das Innovationsklima geprägter kreativer Prozess, der in fünf Phasen ablaufen kann. Diese sind auf eine Beantwortung der folgenden Fragen gerichtet:⁶

Die Suchrichtung ableiten: Was ist für das Unternehmen der relevante Suchraum?
Implizites und explizites Wissen generieren: Welche neuen Entwicklungen und Trends gibt es?
Interpretieren: Welche Bedeutung haben diese Trends für das Unternehmen?
Innovationsfelder identifizieren: Welche relevanten Innovationsfelder entstehen gegenwärtig?
Handeln: Welche Schlussfolgerungen leiten Entscheider aus den Erkenntnissen ab?

Ein solcher Foresight-Prozess ist in der Regel in Strategie- und Innovationsprozesse integriert. Man spricht daher auch von Strategy and Innovation Foresight. Die Bearbeitung der Phasen erfolgt in einem iterativen Lernprozess durch agile Foresight-Teams, die interdisziplinär zusammenarbeiten.

Die meisten Foresight-Methoden sind stark analyseorientiert. Daher vernachlässigen viele Unternehmen die Phase der Interpretation. Während die Analyse auf einen Austausch von Informationen und die Lösung konkreter Probleme gerichtet ist, kommt es bei der Interpretation darauf an, dass die Teilnehmer in einem offenen Prozess neue Bedeutungen entdecken.⁷ Dies ist insbesondere im Hinblick auf radikale Innovationen wichtig, fällt aber häufig dem Druck, schnelle Ergebnisse zu erzielen, zum Opfer.

Interessant ist nun, dass sich die Foresight-Forschung in der Vergangenheit wenig mit dem Thema radikale Innovation beschäftigt hat und auch in der Foresight-Praxis meist nicht zwischen inkrementellen und radikalen Innovationen unterschieden wird.⁸ Eine Weiterentwicklung der traditionellen Foresight-Prozesse sollte daher die Besonderheiten von radikalen Innovationen stärker berücksichtigen. Ein Ansatz hierzu ist der von uns entwickelte Game-Changer-Radar.

Game-Changer-Radar am Beispiel von individueller Mobilität im Stadtverkehr

Der Grundgedanke des Game-Changer-Radars ist, einen Suchraum in Suchfelder zu gliedern. Für jedes dieser Suchfelder analysiert das Foresight-Team relevante Entwicklungen und interpretiert, ob diese Entwicklungen einen radikalen Verlauf haben könnten. Eine Aufgabe, die viel strategische Intuition erfordert, ist es dann, die radikalen Entwicklungen zu verbinden und hieraus Zukunftsentwürfe mit Game-Changer-Potenzial abzuleiten.

Dieses Vorgehen wollen wir am Beispiel des Suchraums „Individuelle Mobilität im Stadtverkehr“ erläutern. Relevante Suchfelder für radikale Entwicklungen sind:

Die Regulierung
die Corona-Krise
neue Transportmittel
neue Antriebstechnologien
Mobility as a Service
das autonome Fahren
eine seamless („nahtlose“) Mobility und
das Kundenerlebnis.

Im Folgenden skizzieren wir radikale Entwicklungen, die sich auf einen strategischen Wendepunkt zubewegen und möglicherweise beschleunigen.

Angesichts der Umweltbelastungen in Städten gibt es im Suchfeld Regulierung Entwicklungen zur Begrenzung der individuellen Mobilität z.B. durch Fahrverbote für ältere Diesel-Fahrzeuge und Umweltspuren, die zu langen Staus führen. Diese Entwicklungen könnten sich weiter verstärken. Der Ausgang ist weitgehend offen.

Eine gegenläufige Tendenz geht von der Corona-Krise aus. Der öffentliche Personennahverkehr ist reduziert und Fahrgäste fürchten die Infektionsrisiken. Möglich erscheint daher eine zumindest befristete Rückkehr zur individuellen Mobilität.

Im Suchfeld neue Transportmittel sind mit E-Bikes und E-Scootern innovative Kategorien entstanden, die sich steigender Beliebtheit erfreuen. Damit einher geht eine wachsende Kritik an der Sicherheit und Umweltverträglichkeit vor allem von E-Scootern. Dies begünstigt möglicherweise den Durchbruch von anderen Kleinfahrzeugen, die mit geringeren Risiken für die Verkehrsteilnehmer verbunden sind.

Das Suchfeld mit dem größten Veränderungsdruck für die Automobilindustrie waren in den letzten Jahren neue Antriebstechnologien. Nahezu alle Hersteller sind inzwischen dabei, ihr Angebot an Fahrzeugen mit Elektroantrieb zu erweitern. Dabei werden der breiten Öffentlichkeit erst allmählich die Probleme der vorherrschenden Lithium-Ionen-Technologie bewusst. Dies könnte zumindest mittelfristig die Suche nach alternativen Batterietechnologien verstärken. Ein anderes Dauerproblem ist die Ladeinfrastruktur, die viele Nutzer ohne entsprechende Möglichkeiten im Wohnhaus oder am Arbeitsplatz abwarten lässt, bis sich bessere Konzepte durchsetzen.

Ein weiteres Suchfeld, in dem viele Automobilunternehmen radikale Veränderungen erwartet haben, ist Mobility as a Service. Während beim Car Sharing eine gewisse Ernüchterung eingetreten zu sein scheint, wartet das Ridepooling z.B. mit Sammeltaxidiensten noch auf seinen Durchbruch. Bei neuen Fahrdiensten nimmt der Druck auf Unternehmen wie Uber zu, sich in einen Regulierungsrahmen einzuordnen.

Deutlich realistischer geworden ist die Einschätzung beim autonomen Fahren. In Städten sind die Anforderungen an Künstliche Intelligenz (KI-) Technologien so hoch, dass der Weg zu wirtschaftlichen Lösungen wohl noch weit ist. Die gilt zumindest für das Level 5, bei dem es keinen Fahrer mehr gibt.

Ein Hoffnungsträger für viele Kommunen ist die Seamless („nahtlose“) Mobility. Hierunter versteht man Mobilitätsketten, bei denen die Teilnehmer unterschiedliche Transportmittel nutzen. Eine wichtige Rolle spielen dabei Mobility Hubs wie Bahnhöfe oder Umsteigestationen und Multimodalitäts-Apps, die die Nutzer bei ihrer Planung unterstützen.

Ein weiteres spannendes Suchfeld ist das angestrebte Kundenerlebnis mit seinen Implikationen für die Markengestaltung und Kundenbeziehungen. Spannend insofern, als bislang offen ist, in welche Richtung sich z.B. die Statussymbole verschiedener Kundengruppen verändern. Ebenfalls offen ist, ob das Influencer-Marketing im Mobilitätssektor einen ähnlichen Bedeutungszuwachs erlebt, wie in anderen Bereichen.

Strategische Intuition bei der Verbindung von radikalen Entwicklungen

Die gedankliche Verbindung möglicher radikaler Entwicklungen erfordert strategische Intuition, eine Fähigkeit, über die die meisten Game Changer in besonderer Weise verfügen. Der Ausgangspunkt ist zunächst einmal eine geistige Bereitschaft, die typisch für die aktive Suche nach Lösungsansätzen ist. Auf dieser Grundlage gelingt es dann, mit Hilfe von strategischer Intuition eigene und fremde Wissenselemente in einem kreativen Gedanken zu kombinieren. Strategische Intuition ist wichtig in neuartigen Situationen, benötigt aber meist Zeit, um sich zu entwickeln.⁹ Hierdurch unterscheidet sie sich von der Experten-Intuition z.B. eines Feuerwehrmanns, der in einer Gefahrensituation sehr schnell eine Lösung finden muss.

Personen mit strategischer Intuition haben ein ausgeprägtes assoziatives Denkvermögen. Dabei wirkt das Gehirn als intelligenter Speicher, der – häufig in einem entspannten Zustand – Wissenselemente aus unterschiedlichen Bereichen verbindet und kreative Synthesen schafft.

Der Game-Changer-Radar unterstützt also die strategische Analyse relevanter Entwicklungen in einem abgeleiteten Suchraum, die Interpretation ihrer Bedeutung im Hinblick auf radikale Wendepunkte und die Verbindung dieser Entwicklungen mit Hilfe von strategischer Intuition.

Anwendungsfall eines Connective Managements

In unserem letzten Blogpost habe ich mich mit der zunehmenden Bedeutung eines Connective Management beschäftigt, das verschiedene Bausteine von Systemen, Akteursgruppen oder Entwicklungen verbindet.¹⁰ Der Game-Changer-Radar ist eine konkrete Managementmethode, bei der eine solche Fähigkeit zur Konnektivität angewendet wird. Diese Fähigkeit ist in vielen etablierten Unternehmen nicht mehr so ausgeprägt vorhanden oder wird von der Führung nicht genügend gefördert. Dies ist einer der Gründe, warum sich diese Unternehmen bei radikalen Innovationen schwertun und im Wettbewerb mit Game Changern den Kürzeren ziehen.¹¹ Daher kann der Game-Changer-Radar einen wichtigen Beitrag zur Verbesserung von konnektiven Fähigkeiten leisten.

Fazit

Unternehmen, die in der Vergangenheit stärker auf inkrementelle Innovationen ausgerichtet waren, sollten ihre Foresight-Prozesse verbessern, um die Möglichkeit von radikalen Innovationen frühzeitig zu erkennen und zu nutzen
Ein methodischer Ansatz hierzu ist der Game-Changer-Radar, der hilft, radikale Entwicklungen z.B. bei innovativen Technologien und in neuen Anwendungsfeldern zu verbinden
Eine wichtige Rolle spielt dabei strategische Intuition, die eine besondere Ausprägung der Fähigkeit zur Konnektivität darstellt
Strategische Vorausschau mit einem Game-Changer-Radar ist also ein Beispiel dafür, wie Unternehmen ein Connective Management in der Praxis umsetzen können

Literatur

[1] McGrath, R.: Seeing Around Corners – How to Spot Inflection Points in Business Before They Happen, Boston 2019, S. 139 ff.

[2] Bhargava, R.: Non Obvious Megatrends – How to See What Others Miss to Predict the Future, 2020

[3] Servatius, H.G.: Analyse von Geschäftsmodell-Portfolios und Verbesserung des Risikomanagements. In: Competivation Blog, 19.11.2020

[4] 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, Wiesbaden 2020, S. 101 ff.

[5] Heckel, M.: Ein Navi für die IT. In: Handelsblatt, 20. Januar 2021, S. 42-43

[6] Day, G.S., Schoemaker, P.J.H.: Peripheral Vision – Detecting the Weak Signals That Will Make or Break Your Company, Boston 2006

[7] Lester, R.K., Piore, M.J.: Innovation – The Missing Dimension, Cambridge 2004

[8] Gordon, A., Ramic, M., Rohrbeck, R., Spaniol, M.: 50 Years of Corporate and Organizational Foresight – Looking Back and Going Forward. In: Technological Forecasting and Social Change, 2020, Vol. 154

[9] Duggan, W.: Strategic Intuition – The Creative Spark in Human Achievement, New York 2007

[10] Servatius, H.G.: Personalführung im Zeitalter eines Connective Managements. In: Competivation Blog, 19.01.2021

[11] Servatius, H.G. Mit radikalen Entwicklungen gegen die Corona-Krise. In: Competivation Blog, 28.04.2020

Eine kausale KI mit komplexen, evolutionären Systemen verbinden

Connecting causal AI with complex evolutionary systems

Evolution des strategischen Managements

Evolution of strategic management

Strategische Vorausschau mit einem Game-Changer-Radar

Neueste Beiträge

CONNECTIVE MANAGEMENT