Geoffrey Hinton | Competivation

Innovationsnarrative für eine verbindende KI-Mehrebenen-Strategie

09.09.26

Beim Thema Künstliche Intelligenz (KI) steht Europa vor der Herausforderung, gegenüber den USA und China aufzuholen. Hierzu bedarf es einer verbindenden Mehrebenen-Strategie von der Makroebene der Geopolitik über die Mikroebene einzelner Unternehmen bis zur individuellen Ebene. Eine wichtige Grundlage dieser Strategie bildet die Pluralität von Innovationsnarrativen zu verschiedenen Aspekten des Aufholprozesses. Dieser Ansatz stellt eine Erweiterung der bislang von uns beschriebenen fünften Entwicklungsstufe des konnektiven strategischen Managements dar.

In dem neuen Blogpost gehe ich der Frage nach, wie Innovationsnarrative dazu beitragen können, dass Europa bei der Künstlichen Intelligenz mit einer verbindenden Mehrebenen-Strategie Wettbewerbsvorteile erringt.

Suche nach Innovationsnarrativen zur Künstlichen Intelligenz

KI-Experten vertreten die These, der Standort Deutschland habe eine Zukunft, wenn Wissenschaft und Wirtschaft besser zusammenarbeiten würden. Ein Problem sei seit langem die Umsetzung von Forschungsergebnissen in marktreife Produkte und Dienstleistungen.¹ Eine entscheidende Rolle spielen außerdem die politischen Rahmenbedingungen und die Einstellungen der Menschen. Um den Zukunftspessimismus zu überwinden und die Kräfte der Akteure zu verbinden, braucht es überzeugende Innovationsnarrative. Ein aktuelles Thema ist dabei die Künstliche Intelligenz.

Der Begriff Narrativ beschreibt eine sinnstiftende Erzählung, die Emotionen einer Zielgruppe anspricht und handlungsleitend wirkt. Diese klassische Definition bedarf einer differenzierten Betrachtung.

In seinem 1979 erschienenen Buch „Das Wissen der Postmoderne“ setzt sich der französische Philosoph Jean-Francois Lyotard kritisch mit der Vorstellung von einem Narrativ als großer Erzählung auseinander. Diese Meta-Narrative der Moderne, wie die Aufklärung oder der Kapitalismus, dienten primär einer politischen und philosophischen Rechtfertigung von Herrschaft, Wissenschaft und gesellschaftlichen Normen. Nach den Katastrophen des 20. Jahrhunderts hätten die Meta-Narrative ihre Glaubwürdigkeit und verbindende Kraft verloren. An ihre Stelle würden in der Postmoderne kleine Erzählungen treten. Diese Mikro-Narrative seien durch eine begrenzte Reichweite und einen lokalen Kontext gekennzeichnet, die auf wissensspezifischen Sprachspielen basieren. Charakteristisch für die Postmoderne sei eine Vielzahl nebeneinander existierender Erzählungen, die sich ergänzen, widersprechen und das Leben in einer pluralistischen Welt prägen.²

Für unsere heutige Vorstellung von Innovationsnarrativen ist Lyotards Ansatz visionär, da er bereits 1979 die positiven und negativen Wirkungen des KI-Zeitalters mit ihren Mechanismen und Brüchen antizipiert hat. Ein Kernkonzept in seinem Buch ist die Performativität einer postmodernen Welt, in der große Wahrheiten fehlen und Systeme nach dem Prinzip der maximalen Optimierung gestaltet werden. Diese Sichtweise ist tendenziell aber eher technikkritisch und unterschätzt den von Innovationen ausgehenden möglichen Nutzen.

Die Suche nach Innovationsnarrativen zur Künstlichen Intelligenz sollte daher Bedrohungen ernst nehmen, um positive Wirkungen zu erzeugen. Neutral formuliert ist ein Innovationsnarrativ eine strategische Erzählung, die den Sinn einer Neuerung erklärt. Diese Neuerungen können erstrebenswert erscheinen, sind aber häufig auch mit Bedrohungen verbunden. Daher erscheint Skepsis gegenüber einseitigen großen Erzählungen angebracht. Eine Herausforderung liegt in der Pluralität von Mikro-Narrativen, zwischen denen komplexe Wirkungen möglich sind.

Bedrohungen, die von KI-Technologien ausgehen, sind zunächst einmal existenzielle Risiken wie Arbeitsplatzvernichtung, Kontrollverlust und die Auslöschung der menschlichen Identität. Hinzu kommt ein Kompetenz-Paradoxon, bei dem technische Entwicklungen schneller verlaufen als die menschliche Anpassungsfähigkeit. Von zunehmender Bedeutung sind eine Verfälschung der Wahrheit und gesellschaftliche Spaltung, die sich in gezielter Desinformation und der Verstärkung von Vorurteilen zeigen. Dies führt zu Weckrufen, die eine bessere Regulierung fordern und Menschen als Kontrollinstanz sehen (Human-in-the-Loop).

Erzählungen, die die positiven Wirkungen von Künstlicher Intelligenz betonen, sehen daher den Menschen weiterhin im Mittelpunkt. KI ist lediglich ein Co-Pilot, der von Routineaufgaben entlastet und die menschlichen Fähigkeiten erweitert. Dies ermöglicht wirtschaftliche Chancen und führt zu Wettbewerbsvorteilen durch Produktivitätssteigerung und Innovationsführerschaft, erfordert aber auch neue Berufsbilder. Daneben entsteht ein ökologischer und gesellschaftlicher Nutzen durch eine bessere Bewältigung von komplexen Problemen wie dem Klimawandel und einer Demokratisierung von Autokratien. Wichtige Grundlagen hierfür sind Verantwortung und Vertrauen, die eine ethische Basis bilden, Sicherheit schaffen, Mitgestaltung erleichtern und letztlich Unabhängigkeit von Feinden unserer demokratischen Ordnung gewährleisten.

Die Suche nach Innovationsnarrativen, von denen Europa im Hinblick auf nächste KI-Wellen lernen kann, führt z.B. nach Kanada.

Von Kanada im Hinblick auf nächste KI-Wellen lernen

Wichtige Impulse für die Entwicklung der KI in Kanada sind von dem Physik-Nobelpreisträger Geoffrey Hinton ausgegangen. Hierzu zählen

die jahrzehntelange Arbeit zu neuronalen Netzen an der Universität Toronto, die ihm bei diesem in den 1980er und 90er Jahren weniger populären Thema den Freiraum und die notwendige finanzielle Unterstützung gegeben hat
der Aufbau eines nationalen Forschungsnetzwerks gemeinsam mit anderen KI-Pionieren
die Verbindung von Spitzenforschung und kanadischer Wirtschaft sowie
die Initiierung der weltweit ersten nationalen KI-Strategie im Jahr 2017.

So ist Kanada zu einem globalen Talent-Magneten geworden. 2023 beendete Hinton seine Zusammenarbeit mit Google und fokussierte sich stärker auf das Thema KI-Sicherheit. Seine Prominenz aufgrund des 2024 erhaltenen Nobelpreises nutzte er, um vor den Gefahren einer unkontrollierten KI zu warnen.³

Die nationale Non-Profit Organisation NEXT Canada verfolgt mit ihrem Innovationsprogramm Next AI das Ziel, Erfolg versprechende Gründer von der Idee bis zur Markreife zu begleiten, um Kanadas Führungsrolle bei der KI auszubauen. Das Programm basiert auf einer Mehrebenen-Strategie. Diese besteht aus

einer geographischen Ebene für die Regionen Toronto und Montreal
der komplementären Geschäftszyklus-Ebene für Innovationsteams in diesen führenden KI-Regionen und
einer Einbettung in die nationale KI-Strategie.

Entscheidend ist die gut koordinierte Verbindung der Ebenen. Angesichts des Erfolgs dieses Ansatzes sollte sich Europa intensiver mit der Entwicklung und Umsetzung von Mehrebenen-Strategien beschäftigen. Ein Beispiel für eine nächste Welle ist die Physical AI.

Das Beispiel der Physical AI

Nach Meinung von Robin Rombach, dem Mitgründer des Freiburger KI-Startups Black Forest Lab (BFL), entsteht gegenwärtig eine nächste technologische Welle, die Unternehmen aus Europa neue Möglichkeiten eröffnet. Hierbei geht es um KI-Systeme, die die physische Welt verstehen und mit ihr interagieren (Physical AI). Die Stärken, die Europa einbringt, sind eine relativ große Anzahl an KI-Forschern, eine Reihe von Spitzenuniversitäten und -Forschungseinrichtungen sowie die Vielfalt industrieller Anwendungen, bei denen die KI dazu beiträgt, reale Probleme zu lösen und Branchen neu auszurichten. Startups aus Europa, die inzwischen Milliardenbewertungen erzielen, nutzen diese Chancen mit wissensspezifischen (domain-specific) KI-Modellen, die auf eigenen Forschungsaktivitäten aufbauen und weltweit konkurrenzfähig sind. Ein erheblicher Teil des Wagniskapitals für diese Startups kommt jedoch immer noch aus den USA. Außerdem investieren dort die großen US-Technologiekonzerne Milliarden in Rechenzentren. Diese profitieren von schnellen Genehmigungen und niedrigen Energiekosten.⁴

Als neuer Wachstumsmarkt zeichnet sich die KI-basierte Robotik ab. Experten erwarten ein weltweites Wachstum des Robotikmarktes bis 2035 auf 2,5 Billionen US-Dollar – das 25-fache des heutigen Niveaus. China hat das Potenzial erkannt und verfolgt eine klare Strategie. Schon heute ist das Land der mit Abstand größte Markt und treibt hochautomatisierte Produktionsstrukturen voran, die ohne menschliche Arbeitskräfte auskommen (Dark-Factories). Das Unternehmen Unitree aus dem ostchinesischen Hangzhou ist der erste Hersteller humanoider Roboter, der auf dem chinesischen Festland börsennotiert ist. Seit den steigenden geopolitischen Spannungen mit den USA strebt die chinesische Regierung an, Unternehmen am heimischen Markt zu listen statt in New York.⁵

Künstliche Intelligenz wird zunehmend in Endgeräten eingesetzt, z.B. in Autos, wo sie das Fahrverhalten optimieren oder in Logistikrobotern. Diese dezentrale Edge AI ist ein Teilbereich der Physical AI. Während in Rechenzentren die Chips von Nvidia dominieren, kommen bei der Edge AI z.B. die Halbleiter des niederländischen Unternehmens NXP zum Einsatz. Diese müssen energieeffizient sein und eine lange Lebensdauer haben. Hier sind europäische Anbieter weltweit führend. Die Dezentralisierung der KI eröffnet auch für die Endgeräte-Hersteller neue Möglichkeiten.⁶

Modell-Router zur Auswahl der passenden KI

Parallel zu neuen Technologien gewinnt eine Kosten-Nutzen-Betrachtung von KI an Bedeutung. Denn je mehr KI-gestützte Produkte Unternehmen einsetzen, desto höher ist der Verbrauch an Recheneinheiten (Tokens), nach denen KI-Anbieter abrechnen. Angesichts steigender KI-Kosten fragen Kunden verstärkt, was die KI bringt und ob sie für alle Anwendungen die besonders teuren Frontier-Modelle aus den USA einsetzen müssen. Ein hoher Tokenverbrauch (Tokenmaxxing) führt nicht automatisch zu mehr Effizienz. Für weniger komplexe Aufgaben reichen häufig Open-Weight-Modelle, die fertig vortrainiert sind und die ein Unternehmen auf eigenen Servern betreiben kann. Das Berliner Startup Langdock und andere Anbieter haben Routing-Plattformen entwickelt, die Aufgaben analysieren und diese an die am besten geeignete KI weiterleiten. Die differenzierte Kosten-Nutzen-Betrachtung der Kunden ist für KI-Anbieter wie Anthropic und Open AI angesichts ihres geplanten Börsengangs eine Herausforderung.⁷

Mit den Modell-Routern entsteht ein neuer Milliardenmarkt, der durch das Bedürfnis der Unternehmen getrieben ist, die KI-Kosten in den Griff zu bekommen. An dem Router-Geschäft beteiligt sich auch der Chip-Gigant Nvidia, der mit Nemo Switchyard ein System vorgestellt hat, das die Modellauswahl automatisiert. Das Düsseldorfer Startup Kauz AI richtet sein Router-Geschäft gezielt auf Kunden in Europa aus. Neben den Kosten geht es bei dem Produkt Kauz Selection um die Hoheit über die Daten. Der Vorteil von spezialisierten Router-Anbietern ist, dass sie ihre Produkte ständig an die hohe Modell-Dynamik anpassen. Diesen Vorteil versuchen auch chinesische Anbieter zu nutzen. Insgesamt streben alle Anbieter an, den Kunden wieder mehr Macht zu geben.⁸

Die Disruption durch KI mit einem besseren Preis-Leistungsverhältnis geht ebenfalls von dem Pekinger Startup Moonshot aus. Dessen neues Open-Weight-Modell Kimi K3 erreicht sehr gute Ergebnisse, setzt dabei aber nicht auf das Gesetz der großen Masse (Scaling Law) und die Illusion, dass mehr Daten und Rechenleistung immer zu besseren Ergebnissen führen. Für den Gründer Yang Zhilin steht die Token-Effizienz im Vordergrund. Dabei kombiniert Moonshot die folgenden vier Ansätze:

Eine Unterscheidung zwischen nicht so wichtigen und länger gespeicherten wichtigen Informationen, was weniger Speicherplatz erfordert und schnellere Antworten ermöglicht (Delta Attention)
die gezielte Aufbereitung von Informationen aus vorherigen Schichten (Attention Residuals), die Ergebnisse weniger verwässert
eine Vielzahl spezialisierter Netze (Mixture of Experts), die genauere Zugriffe auf Informationen ermöglicht sowie
die Zerlegung einer Anfrage in kleine Subaufgaben und parallele Bearbeitung durch einzelne Agentensysteme (Agent Swarm).

Das Beispiel zeigt, dass der KI-Wettbewerb zwischen Wirtschaftsräumen noch härter geworden ist.⁹Hier setzen Mehrebenen-Strategien an.

Mehrebenen-Strategien als dritte Dimension der Konnektivität

In den vergangenen Jahrzehnten sind mehrere Ansätze für Mehrebenen-Strategien entstanden, die allerdings unterschiedliche Gliederungen und Definitionen der Ebenen verwenden. Das Grundprinzip einer Mehrebenen-Strategie hat bereits Mitte der 1990er Jahre Richard Whittington von der Said Business School der Universität Oxford in seinem Strategy-as-Practice-Konzept beschrieben.¹⁰ Die niederländische Transition-Forschung ausgehend von Frank Geels verfolgt ebenfalls seit Anfang der 2000er Jahre einen Multi-Level-Ansatz.¹¹ Die vierte Generation des St. Galler Management-Modells (SGMM) unterscheidet zwischen verschiedenen Ebenen im Sinne von Perspektiven.¹² Interessant ist auch der Ansatz der Microfoundations of Strategy, der eine Aggregation von den Individuen nach oben propagiert.¹³

Angesichts zahlreicher neuer Herausforderungen unterscheidet unsere Gliederung zwischen den Ebenen Makro (Geopolitik und Umwelt), Meso (Staaten und Regionen), Mikro (Unternehmen und Verwaltungen) sowie Gesellschaft und Individuen. Die Verbindung zwischen diesen Ebenen bezeichnen wir als vertikale Konnektivität.

Auch bei Mehrebenen-Strategien spielt das verbindende Gestalten (Conective Design) eine wichtige Rolle. Diese Fähigkeit haben wir in einer Publikation zur Entwicklung und zum Wandel des strategischen Managements behandelt.¹⁴ Der Schwerpunkt liegt hier auf der zeitlichen Konnektivität einer Verbindung der bislang fünf Entwicklungsstufen des strategischen Managements. Dabei spielt immer auch die horizontale Konnektivität auf einer einzelnen Ebene eine wichtige Rolle. Beispiele sind die verschiedenen Politikfelder eines Landes oder die Handlungsfelder und Akteure des Innovationssystems eines Unternehmens.¹⁵ Die folgende Abbildung veranschaulicht diese drei Dimensionen der Konnektivität.

Eine Ursache für Defizite beim Thema Konnektivität ist die zunehmende Dynamik und Komplexität. In einem dynamischer gewordenen Umfeld tun sich Unternehmen mit traditioneller Hierarchie und Silostrukturen schwer, komplexe Probleme zu bewältigen. Parallel zu dieser vertikalen Konnektivität stellt für viele Organisationen die horizontale Konnektivität bei der Umsetzung des IT- und KI-unterstützten Prozessmanagements eine Herausforderung dar.¹⁶ Auch zwischen Organisationen bereitet die horizontale Konnektivität Schwierigkeiten. Ein Beispiel ist der Technologietransfer von Universitäten über Startups zu etablierten Unternehmen. Bei Neuausrichtungen z.B. im Rahmen der Energie- und Mobilitätswende hat sich die vertikale Konnektivität zwischen Organisationen als Engpassfaktor erwiesen. Hieraus ergibt sich die Forderung nach verbesserten Formen der Zusammenarbeit. Dies gilt auch für die Politik, Wissenschaft und Wirtschaft allgemein. Der Fraunhofer-Präsident Holger Hanselka fordert den Abbau von bürokratischen Hürden während des gesamten Innovationspfades.¹⁷

Das Ziel von Mehrebenen-Strategien ist es, Bedrohungen zu bewältigen und positive Wirkungen zu entfalten. Dies möchte ich anhand von Beispielen verdeutlichen und beginne auf der Makro-Ebene mit der Geopolitik und Umwelt.

Von der Geopolitik zu Regionen

Die Geopolitik bildet die oberste, rahmensetzende Ebene, die globale Spielregeln und strategische Allianzen prägt. Eine erste wichtige Rolle ist die Sicherung der technologischen Souveränität. Hier geht es darum, Abhängigkeiten zu reduzieren und die eigene Infrastruktur zu schützen. Zwischen den USA, China und Europa herrscht ein regulatorischer Systemwettbewerb um globale Standards. Dabei spielen eine geopolitische Blockbildung und Handelsbarrieren, wie z.B. Exportkontrollen, eine wichtige Rolle. Von zunehmender Bedeutung sind die nationale Sicherheit und Cyber-Abwehr bei einer asymmetrischen Kriegsführung. Globale Gremien ringen um eine Deutungshoheit und Standardisierung z.B. von technischen Protokollen.¹⁸ Gegenwärtig werfen die US-Regierung und Tech-Konzerne China vor, seine KI-Modelle mit US-Angeboten zu trainieren (Wissensdestillation). Das chinesische Handelsministerium widerspricht dem.¹⁹

Von geopolitischer Bedeutung sind auch die negativen Folgen der KI für die Umwelt. Hierzu zählen der hohe Stromverbrauch für das Training und die Nutzung von großen KI-Modellen, der CO₂-Verbrauch, wenn der Strom aus fossilen Quellen stammt, der enorme Wasserverbrauch zur Kühlung von Servern, der Elektroschrott von schnell veraltender Hardware und der Ressourcenverbrauch z.B. beim Abbau von seltenen Erden. In den USA gibt es bereits Proteste gegen den Neubau riesiger Rechenzentren. Einzelne Bundesstaaten erlassen umfassende neue KI-Gesetze. Die Stimmung in der Bevölkerung kippt. 71 Prozent der US-Amerikaner lehnen ein Rechenzentrum in ihrer Nachbarschaft ab.²⁰ Einen Ausweg böten grüne Rechenzentren, die in kühleren Regionen mit erneuerbaren Energien und geschlossenen Wasserkreisläufen arbeiten.

Auf der Meso-Ebene der Länder und Regionen stellt sich die Frage, wie Deutschland gemeinsam mit anderen Staaten beim Thema KI gegenüber den USA und China aufholen kann. Hierzu ist eine Reihe aufeinander abgestimmter strategischer Programme erforderlich wie

die Fokussierung auf KI-Anwendungen, die spezifische Fähigkeiten erfordern
eine intensive Zusammenarbeit von etablierten Unternehmen mit KI-Startups, deren Wachstum stärker aus Europa finanziert wird
die Skalierung von vertrauenswürdiger KI-Infrastruktur
eine Neuausrichtung der KI-Aus- und Weiterbildung sowie
die Nutzung einer innovationsfördernden Regulierung als Wettbewerbsvorteil.

Noch ist offen, wie viele europäische Anbieter von großen Sprachmodellen es geben sollte. In Japan versucht das Startup Sakana AI, die Abhängigkeit zu verringern. Hierzu arbeitet man mit einem System, in das verschiedene Modelle eingebettet sind. Es funktioniert ähnlich wie ein Dirigent, der einen Schwarm von Agenten koordiniert. Ein solches Orchestrieren ist auch für Europa eine Chance.²¹ Dabei kann die Vielfalt der Regionen ein Vorteil sein.

Bei der Entwicklung der KI in Regionen leisten Hidden Champions einen wichtigen Beitrag, indem Sie zu Praxispartnern für Forschungsinstitute werden. So wirken die weniger bekannten Weltmarktführer als

Datenlieferanten für spezifische KI
Investoren in nachhaltigkeitsorientierte Impact-Startups
Treiber regionaler KI-Ökosysteme und
Magneten für Tech-Talente.

Die Hidden Champions verbessern auf diese Weise nicht nur ihre eigene Wettbewerbsfähigkeit, sondern stärken auch die Finanzkraft der Kommunen. Ein Beispiel ist der Sensorspezialist ifm electronic mit Hauptsitz in Essen und einem Produktionsstandort in Tettnang am Bodensee. Das Unternehmen hat sich vom Sensorhersteller zur KI-Plattform für die Produktion entwickelt. Die Bedeutung von Hidden Champions für die Entwicklung von Regionen ist seit langem bekannt, ihre mögliche Rolle als KI-Vorreiter aber noch wenig erforscht. Hieraus entstehen gegenwärtig spannende neue Narrative.²²

Von Unternehmen zu Individuen

Auf der Mikro-Ebene der Unternehmen und Verwaltungen muss man sich mit der Frage beschäftigen, warum etablierten Organisationen eine KI-basierte Erneuerung so schwer fällt. Die Herausforderung liegt wohl darin, eine Reihe von Handlungsfeldern zu verbinden. Hierzu zählen

eine Strategie zur Neuausrichtung der Geschäftsmodelle
die Überwindung von kulturellen und personellen Barrieren
eine Entwicklung von KI-Kompetenzen von der Führungsebene über das Mittelmanagement bis zu Berufseinsteigern
die Gestaltung einer leistungsfähigen KI-Infrastruktur gemeinsam mit vertrauenswürdigen Partnern sowie
die Integration einzelner Pilotprojekte zu einem koordinierten Prozess des digitalen Wandels.

Trotz des weitverbreiteten Schlagwortes „digitale Transformation“ ist die Anzahl der Organisationen, denen diese Erneuerung gelungen ist, begrenzt.²³

Ein Erfolgsbeispiel ist das schwäbische Familienunternehmen Trumpf, das zu den Weltmarktführern beim Einsatz von Lasern in der Blechbearbeitung und Chipherstellung zählt. Das Unternehmen arbeitet an einer neuen Entwicklungsstufe der KI-unterstützten Robotik bei der Blechbearbeitung. So analysiert beim SortMaster Vision die KI mithilfe von Kameras die Lage von Blechteilen, die zu bearbeiten sind und errechnet daraus ein räumliches Bild der Situation, das den Sortiervorgang erleichtert. Dabei lernt die KI kontinuierlich von Daten aus der Praxis ohne eine aufwendige Neuprogrammierung. Trumpf strebt eine Führungsrolle bei KI-Anwendungen in der Produktion an. Das Beispiel zeigt, wie wichtig die Verbindung von spezifischem Wissen und KI-Kompetenz ist. Hiervon können andere Organisationen lernen.²⁴

Noch schlechter als Unternehmen ist es bislang der öffentlichen Verwaltung in Deutschland gelungen, den digitalen Wandel zu meistern. Dabei hätten wir von dem kleinen baltischen Staat Estland lernen können. Um 2000 entstand dort das Government-as-a-Plattform-Konzept. Danach stellt der Staat eine Plattform bereit, auf der alle Dienste aufbauen. Er definiert Standards, garantiert Sicherheit und Funktionalität. Hierauf basiert die Datenleitung X-Road, die aus einem Open-Source-Projekt entstanden ist. Die Grundidee war, dass Daten dezentral bei den einzelnen Organisationen verbleiben, aber zirkulieren können. Dies ist zu einem Exportschlager geworden, den das Unternehmen Cybernetica in mehr als 20 Ländern als Dienstleister einsetzt. Deutschland gehört nicht dazu, weil man hier schon vor langem eine nächste Generation entwickeln wollte, die besser ist.²⁵

Der gegenwärtige deutsche Digitalminister plant einen gemeinsamen Baukasten aus Standards, Software und Infrastruktur. Dieser „Deutschland-Stack“ soll die Behörden schlanker machen. Der Plan trifft allerdings auf vorhandene Fachverfahren und Software-Architekturen. Ein erstes sichtbares Produkt für die Bürger soll die „Deutschland-App“ werden.²⁶ Kritiker bezeichnen sie als reine „Schaufensterdigitalisierung“. Die Herausforderung liege nicht in der App, sondern in den Prozessen dahinter. Der Ausgang eines Pilotprojektes ist offen.²⁷

Allgemein stellt sich die Frage, welche Implikationen von der KI in einem Industrieland wie Deutschland für die Gesellschaft ausgehen. Angesichts einer Vielzahl von Krisen betreffen diese Implikationen vor allem den Wandel der Arbeitswelt. Hier besteht die Gefahr einer Spaltung der Gesellschaft in wenige Gewinner, die sich durch KI ergebende Chancen nutzen und eine Vielzahl von Verlierern, deren Stellen wegfallen oder sich so verändern, dass sie diesem Druck nicht standhalten. Populisten nutzen die Entwicklung, um von einer Polarisierung zu profitieren. Umso wichtiger ist eine Intensivierung der KI- orientierten Aus- und -weiterbildung als Gegengewicht, um die gesellschaftliche Resilienz zu stärken. Eine bedeutende Rolle können dabei die Alltagserfahrungen von Menschen spielen, die erkennen, wie ihnen die KI z.B. bei juristischen und medizinischen Fragen hilft. Insgesamt erscheint eine bessere Zusammenarbeit verschiedener Politikfelder notwendig, um sich auf diesen Wandel vorzubereiten.²⁸

In der Arbeitswelt zeichnen sich für den Einzelnen auf allen Hierarchieebenen gravierende Umbrüche ab. Dies gilt vor allem für das Management. Für Berufseinsteiger verlieren Routinetätigkeiten, die die KI übernimmt, an Bedeutung. Wichtiger wird es, schon während der Ausbildung Wissen für den Umgang mit KI zu erwerben. Im Mittelmanagement und auf der Top-Ebene verändern sich vor allem die Kompetenzen zur Personalführung. Persönliche Erfahrung bei KI-Strategien und der KI-basierten Produktivitätssteigerung sind inzwischen eine Voraussetzung für Führungspositionen. Dabei übernimmt die KI die Rolle eines Sparringspartners. Die von KI ausgehenden Verwerfungen fallen in eine Zeit, in der Unternehmen ohnehin Hierarchieebenen und Stellen abbauen. Dies trägt zur Verunsicherung bei. Eine wichtige Aufgabe der verbleibenden Führungskräfte ist es, KI-basierte Produktivitätspotenziale auszuschöpfen und frei werdende Kapazitäten für die Gestaltung von Neuem zu nutzen. Ein Innovationsnarrativ sollte diesen positiven Aspekt betonen.²⁹

Kunden der Bank OCBC in Singapur können ihr Portfolio seit kurzem mit einem Avatar besprechen. Dennoch plant die Bank nicht, Personal abzubauen, sondern möchte die Belegschaft vergrößern, um weiter zu wachsen. Damit liegt der OCBC-Chef auf einer Linie mit Singapurs Regierung, die beim Einsatz von KI zu den globalen Vorreitern zählen möchte, aber gleichzeitig sicherstellen will, dass es beim KI-Umbau der Finanzbranche zu keinen massenhaften Jobverlusten kommt. Hierzu gibt es einen Pakt zwischen Regierung, Finanzinstituten und Gewerkschaft. Den Kern bildet ein Weiterbildungs- und Umschulungsprogramm, das darauf abzielt, die Mitarbeitenden für neue Aufgaben zu befähigen. Bei Singapurs führender Bank haben inzwischen alle 40.000 Beschäftigten ein KI-Grundlagentraining erhalten, 11.000 sind für neue Aufgaben qualifiziert worden, die durch den KI-Einsatz entstanden sind. Eine führende Rolle in der Weiterbildung spielt Singapurs Institute of Banking and Finance (IBF).³⁰

Verbindende Wirkung trotz Bedrohungen?

Die Betrachtung von möglichen Innovationsnarrativen auf den verschiedenen Ebenen ergibt insgesamt ein vielfältiges Bild. Es stellt sich die Frage, wie diese Narrative im Rahmen einer KI-Mehrebenen-Strategie ihre verbindende Wirkung entfalten können, obwohl von der KI erhebliche Bedrohungen ausgehen.

Wir haben gesehen, dass es auf der Makro-Ebene bei der Geopolitik vor allem um die KI-Vorherrschaft und Verringerung von Abhängigkeiten durch digitale Souveränität geht. KI kann wie z.B. bei großen Rechenzentren negative Wirkungen auf die Umwelt haben. Hieraus ergibt sich die Bedeutung einer grünen KI.

Auf der Meso-Ebene der Länder steht Deutschland vor der Aufgabe, mit einer Reihe aufeinander abgestimmte Programme gegenüber den USA und China aufzuholen. In den einzelnen Regionen sollten die zahlreichen Hidden Champions mit ihrem spezifischen Anwendungswissen eine Treiberrolle übernehmen.

Auf der Mikroebene müssen vor allem etablierte Unternehmen herausfinden, wo die Ursachen für ihre Probleme beim digitalen Wandel liegen und für deren Bewältigung geeignete Lösungen finden. Ob die neuen Ansätze zur Digitalisierung der Verwaltung in Deutschland erfolgreich sind, bleibt abzuwarten. Auf jeden Fall können wir von anderen Ländern lernen.

Die gravierenden Implikationen der KI für die gesellschaftliche Ebene erfordern neue Formen der Resilienz, um die Gefahr einer Spaltung zu verringern. Für jeden Einzelnen verändert sich vor allem in Managementberufen die Arbeit auf allen Hierarchiestufen grundlegend. Diese Punkte sind in der folgenden Abbildung zusammengefasst.

Bei der Beantwortung der Frage nach der verbindenden Wirkung trotz möglicher Bedrohungen ist eine erste Erkenntnis, dass Mikro-Narrative eine positive und eine negative Ausprägung haben können. Die verbindende Wirkung verstärkt sich bei einem Zusammenwirken der positiven Ausprägungen. Negative Ausprägungen schwächen sie ab. Es kommt daher darauf an, den Verstärkereffekt möglichst vieler positiver Mikro-Narrative zu nutzen.

Eine zweite Erkenntnis ist, dass es dabei keinen Selbstläufereffekt gibt und man gegenüber vereinfachenden, großen KI-Erzählungen skeptisch sein sollte. So ist die technologische Führerschaft der USA angesichts einer autokratischen Regierung äußerst fragil. Dieser Fragilität sollte sich ein europäisches KI-Narrativ bewusst sein, wenn man den Verstärkereffekt einer verbindenden Mehrebenen-Strategie nutzt.

Aus diesen Erkenntnissen ergeben sich die folgenden Empfehlungen für die Gestaltung einer verbindenden KI-Mehrebenen-Strategie:

Im Mittelpunkt des „Brückenbaus“ zwischen den Ebenen sollten Menschen mit ihren gemeinsamen Werten stehen
Narrative, die mit Bedrohungen ehrlich umgehen, sind glaubwürdiger als Utopien oder Dystopien und
im Rahmen von konstruktiven Zukunftsbildern stärken Geschichten aus dem Alltag von Menschen die Selbstwirksamkeit der Gesellschaft.

Insofern ist die Bewältigung der KI-Herausforderungen eine gemeinsame Gestaltungsaufgabe, bei der Narrative den möglichen Nutzen für die Menschen verdeutlichen.

Implikationen für die Forschung und Lehre

Für die Forschung und Lehre ergibt sich eine Vielzahl spannender Fragen. Wichtige Impulse liefert eine Verbindung der kausalen KI mit der Managementtheorie komplexer, evolutionärer Systeme.³¹ Entsprechend richten sich im KI-Zeitalter auch Bildungsanbieter wie Universitäten und Business Schools neu aus.³²

Im Fokus stehen dabei die folgenden Handlungsfelder:

KI-Entwicklungs- und -Anwendungskompetenz
ein verbindendes strategisches Management (Strategie 5.0) auf allen Ebenen
der Wandel von Aufgabenfeldern und Geschäftsprozessen durch KI sowie
eine Verbindung der Personalführung mit dem KI-Management.

Besonders gefragt ist gegenwärtig eine duale Aus- und Weiterbildung, die neue theoretische Erkenntnisse und praktische Erfahrungen verknüpft. Ein Thema ist das Vibe Coding, bei dem Softwareentwickler den Code nicht mehr Zeile für Zeile selbst schreiben, sondern einer KI vorgeben, was sie erstellen soll.

Hinweise auf relevante Qualifikationen liefert das Mannheimer Startup Osapiens, das an Agenten-Plattformen arbeitet, die z.B. den Fluss von Nachhaltigkeitsdaten in wichtige Entscheidungen unterstützen. Früher sei es darum gegangen, wer den besten Code schreibt, sagt der Mitgründer Stefan Wawrzinek. Heute wäre es wichtig, das große Ganze zu verstehen, um Strategien in einem umfassenden Sinne zu gestalten.³³

Fazit

Um beim Thema Künstliche Intelligenz Wettbewerbsvorteile zu erzielen, benötigt Europa eine Mehrebenen-Strategie
Innovationsnarrative in Form von Mikro-Erzählungen bilden hierfür eine wichtige Grundlage
Gegenwärtig entstehen neue Technologiewellen, wie z.B. die Physical AI, bei denen Europa seine Stärken einbringen kann
Unser Ansatz zu Mehrebenen-Strategien unterscheidet zwischen Geopolitik und Umwelt (Makro-Ebene), Staaten und Regionen (Meso-Ebene), Unternehmen und Verwaltungen (Mikro-Ebene) sowie der Ebene Gesellschaft und Individuum
Eine Verbindung dieser Ebenen bezeichnen wir als vertikale Konnektivität. Diese dritte Dimension neben der zeitlichen und der horizontalen Konnektivität erweitert das verbindende strategische Management (Strategie 5.0)
Die Vielfalt an Mikro-Narrativen verdeutlicht das Ziel von Mehrebenen-Strategien, Bedrohungen zu bewältigen und positive Wirkungen zu entfalten
Die verbindende Wirkung von Innovationsnarrativen ergibt sich aus dem Verstärkereffekt vieler positiver, kleiner Erzählungen. Gegenüber der Fragilität großer KI-Narrative ist Skepsis angebracht
Für die Gestaltung einer KI-Mehrebenen-Strategie folgt, dass von glaubwürdigen Alltagsgeschichten, die den Nutzen für Menschen deutlich machen, eine verbindende Wirkung ausgeht
Beispiele liefern erfolgreiche, persönliche Entwicklungen in einer zunehmend durch KI geprägten Arbeitswelt

Literatur

[1] Klüwer, T., Zukunft made in Germany – Warum wir jetzt Innovationen fördern müssen, um unseren Wohlstand zu retten, Rowohlt 2025

[2] Lyotard, J.F., Das postmoderne Wissen, 10. Aufl., Passage Verlag 2025

[3] Oppert, S., Geoffrey Hinton – The Untold Story of AI‘s Hidden Risks and the Man Who Warned The World, Independently 2025

[4] Bomke, L., Europas zweite Chance – Milliardenwette auf neue KI-Labore. In: Handelsblatt, 22. Juni 2026, S. 26-27

[5] Benninghoff, M., Chinas neuer Börsenrausch. In: Handelsblatt, 20. August 2026, S. 34-35

[6] Hoffer, J., KI in Endgeräten kommt „schneller als erwartet“. In: Handelsblatt, 25. August 2026, S. 20

[7] Alvarez de Souza Soares, P. et al., Die Rebellion der KI-Kunden. In: Handelsblatt, 10./ 11./ 12. Juli 2026, S. 34-40

[8] Bomke, L., Holtermann, F., Scheuer, S., Die neuen Türsteher der KI-Wirtschaft. In: Handelsblatt, 21./ 22./ 23. August 2026, S. 26-27

[9] Scheuer, S., Dieses chinesische Modell sorgt weltweit für Aufsehen. In: Handelsblatt, 20. Juli 2026, S. 24

[10] Whittington, R., Strategy as Practice, In: Long Range Planning, 1996, Heft 5, S. 731-735

[11] Geels, F., Technological Transitions as Evolutionary Reconfiguration Processes – A Multi-level Perspective and a Case Study. In: Reasearch Policy, 2002, Ausgaben 8-9, S. 1257-1274

[12] Rüegg-Sturm, J., Grand, S., Das St. Galler Management-Modell, 3. Aufl., Haupt 2017

[13] Foss, N.J., Felin, T., Strategic Organization – A Field in Search of Micro Foundations. In: Strategic Organization, November 2005, Heft 3, S. 441-455

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

[15] Servatius, H.G., Innovationssysteme gestalten und befähigen. In: Competivation Blog, 22.02.2018

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

[17] Delhaes, D., Forscher und Industrie fordern mehr Freiraum für Innovationen. In: Handelsblatt, 31. August 2026, S. 14

[18] Brands, H., (Hrsg.), Geopolitics of AI – Power, Conflicts, and the Future of Global Order, Johns Hopkins University Press 2026

[19] Gusbeth, S., Heide, D., Der Kampf um die KI-Vorherrschaft. In: Handelsblatt, 04. August 2026, S. 6-7

[20] Heide, D., Alvarez de Souza Soares, P., Die KI-Rebellion der Gouverneure. In: Handelsblatt, 15. Juli 2026, S. 10-11

[21] Kölling, M., Knees, L., Warum Japan nicht auf Anthropic angewiesen ist. In: Handelsblatt, 3./ 4./ 5. Juli 2026, S. 30-31

[22] Simon, H., Hidden Champions – Die neuen Spielregeln im chinesischen Jahrhundert, Campus 2021

[23] Davenport, T.H., Mittal, N., All in on AI – How Smart Companies Win Big with Artificial Intelligence, Harvard Business Press 2023

[24] Buchenau, M., Trumpf auf dem Weg zum Machinen-Menschen. In: Handelsblatt, 28./ 29./ 30. August 2026, S. 42-43

[25] Lutz, J., Zwei digitale Staaten, von denen Unternehmen träumen. In: Handelsblatt, 15./ 16./ 17. Mai 2026, S. 60-62

[26] Fokul, J., Der Architekt des digitalen Deutschlands. In: Handelsblatt, 15./ 16./ 17. Mai 2026, S. 64-65

[27] Fokuhl, J., Nur ein Chatbot vor dem alten Behördenapparat? In: Handelsblatt, 17. August 2026, S. 12-13

[28] Baecker, D., Digitalisierung, Suhrkamp 2026

[29] Hougaard, R., Carter, J., More Human – How the Power of AI Can Transform the Way You Lead, Harvard Business Review Press 2025

[30] Peer, M., Banken versprechen KI-Umbau ohne Massenentlassungen. In: Handelsblatt, 1. September 2026, S. 36

[31] Servatius, H.G., Eine kausale KI mit komplexen, evolutionären Systemen verbinden. In: Compativation Blog, 13.08.2026

[32] Fleig, S., Künstliche Intelligenz stellt Karriereversprechen infrage. In: Handelsblatt, 4. September 2026, S. 36-37

[33] Schimroszik, N., „Wir rollen monatlich neue KI-Agenten aus“ (Interview mit Stefan Wawrzinek). In: Handelsblatt, 7. September 2026, S. 26-27

Innovation narratives for a connective multi-level AI strategy

09.09.26

When it comes to Artificial Intelligence (AI), Europe faces the challenge of catching up with the U.S. and China. This requires a connective, multi-level strategy spanning from the macro level of geopolitics through the micro level of companies to the level of individuals. An important foundation of this strategy is the plurality of innovation narratives addressing various aspects of the catch-up process. This approach represents an extension of the fifth stage of connective strategic management that we have described thus far.

In this new blog post, I explore how innovation narratives can help Europe gain a competitive edge in Artificial Intelligence through a connective multi-level strategy.

Search for innovation narratives on Artificial Intelligence

AI experts argue that Germany’s future as a hub for AI depends on closer collaboration between academia and industry. A long-standing problem has been the translation of research findings into market-ready products and services.¹ The political framework and people’s mindsets also play a decisive role. To overcome pessimism about the future and unite the efforts of all stakeholders, compelling innovation narratives are needed. A current topic in this context is Artificial Intelligence.

The term “narrative” describes a meaningful story that appeals to the emotions of a target audience and guides their actions. This classic definition requires a nuanced examination.

In his 1979 book The Postmodern Condition: A Report on Knowledge, the French philosopher Jean-François Lyotard critically examines the idea of a narrative as a grand story. These meta-narratives of modernity—such as the enlightenment or capitalism—served primarily to provide political and philosophical justification for domination, science, and social norms. Following the catastrophes of the 20th century, these meta-narratives are said to have lost their credibility and unifying power. In postmodernism, they are replaced by small narratives. These micro-narratives are characterized by a limited scope and a local context, based on knowledge-specific language games. A defining feature of postmodernism is a multitude of coexisting narratives that complement and contradict one another and shape life in a pluralistic world.²

Lyotard’s approach is visionary for our current understanding of innovation narratives, as he anticipated as early as 1979 the positive and negative effects of the AI era, with its mechanisms and ruptures. A core concept in his book is the performativity of a postmodern world in which grand truths are absent and systems are designed according to the principle of maximum optimization. However, this perspective tends to be rather critical of technology and underestimates the potential benefits arising from innovations.

The search for innovation narratives on artificial intelligence should therefore take threats seriously in order to generate positive effects. Put neutrally, an innovation narrative is a strategic story that explains the purpose of an innovation. These innovations may appear desirable, but they are often associated with threats as well. Therefore, skepticism toward one-sided grand narratives seems appropriate. One challenge lies in the plurality of micro-narratives, among which complex interactions are possible.

Threats posed by AI technologies are, first and foremost, existential risks such as job loss, loss of control, and the eradication of human identity. Added to this is a competence paradox, in which technological developments outpace human adaptability. Of increasing importance are the distortion of truth and social division, which manifest in targeted disinformation and the reinforcement of prejudices. This leads to wake-up calls demanding better regulation and viewing human-in-the-loop.

Narratives that emphasize the positive effects of artificial intelligence therefore continue to place humans at the center. AI is merely a co-pilot that relieves humans of routine tasks and enhances human capabilities. This creates economic opportunities and leads to competitive advantages through increased productivity and leadership in innovation, but it also requires new job profiles. In addition, environmental and societal benefits arise from better management of complex problems such as climate change and the democratization of autocracies. Key foundations for this are responsibility and trust, which form an ethical basis, create security, facilitate public participation, and ultimately ensure independence from enemies of our democratic order.

The search for innovation narratives from which Europe can learn in preparation for the next waves of AI leads, for example, to Canada.

Learning from Canada in preparation for the next waves of AI

Key impetus for the development of AI in Canada has come from Geoffrey Hinton, a Nobel laureate in physics. This includes

decades of work on neural networks at the University of Toronto, which gave him the freedom and necessary financial support to pursue this topic—which was less popular in the 1980s and 1990s
the establishment of a national research network in collaboration with other AI pioneers
the integration of cutting-edge research with the Canadian business community, and
the launch of the world’s first national AI strategy in 2017.

As a result, Canada has become a global magnet for talent. In 2023, Hinton ended his collaboration with Google and shifted his focus more toward AI safety. He used the prominence he gained from winning the Nobel Prize in 2024 to warn of the dangers of uncontrolled AI.³

Through its innovation program Next AI, the national nonprofit organization NEXT Canada aims to support promising founders from the idea stage through to market readiness in order to expand Canada’s leadership role in AI. The program is based on a multi-level strategy. This consists of

a geographic level for the Toronto and Montreal regions
a complementary business cycle level for innovation teams in these leading AI regions, and
integration into the national AI strategy.

The key is a well-coordinated connection of these levels. Given the success of this approach, Europe should focus more intensively on the development and implementation of multi-level strategies. One example of the next wave is Physical AI.

The example of Physical AI

According to Robin Rombach, co-founder of the Freiburg-based AI startup Black Forest Lab (BFL), a new technological wave is currently emerging that opens up new opportunities for European companies. This involves AI systems that understand and interact with the physical world (Physical AI). Europe’s strengths include a relatively large number of AI researchers, a number of top universities and research institutions, and the diversity of industrial applications in which AI helps solve real-world problems and realign industries. European startups, which are now achieving valuations in the billions, are capitalizing on these opportunities with domain-specific AI models that build on their own research activities and are competitive on a global scale. However, a significant portion of the venture capital for these startups still comes from the U.S. In addition, major U.S. technology conglomerates are investing billions in data centers there. These benefit from fast approvals and low energy costs.⁴

AI-based robotics is emerging as a new growth market. Experts expect the global robotics market to grow to $2.5 trillion by 2035—25 times its current level. China has recognized this potential and is pursuing a clear strategy. The country is already by far the largest market and is driving the development of highly automated production structures that operate without human labor (“dark factories”). Unitree, a company based in Hangzhou in eastern China, is the first manufacturer of humanoid robots to be publicly traded on the mainland Chinese stock market. Since geopolitical tensions with the U.S. have escalated, the Chinese government has been encouraging companies to list on the domestic market rather than in New York.⁵

Artificial intelligence is increasingly being used in end devices, such as in cars, where it optimizes driving behavior, or in logistics robots. This decentralized edge AI is a subset of physical AI. While Nvidia chips dominate in data centers, edge AI relies on semiconductors from the Dutch company NXP, for example. These must be energy-efficient and have a long service life. European suppliers are global leaders in this field. The decentralization of AI also opens up new opportunities for end-device manufacturers.⁶

Model router for selecting the right AI

Alongside new technologies, a cost-benefit analysis of AI is becoming increasingly important. This is because the more AI-powered products companies use, the higher their consumption of computing units (tokens)—which AI providers use to bill customers. In light of rising AI costs, customers are increasingly asking what benefits AI provides and whether they need to use the particularly expensive “frontier” models from the U.S. for all applications. High token consumption (tokenmaxxing) does not automatically lead to greater efficiency. For less complex tasks, open-weight models—which are pre-trained and can be run by a company on its own servers—are often sufficient. The Berlin-based startup Langdock and other providers have developed routing platforms that analyze tasks and forward them to the most suitable AI. Customers’ nuanced cost-benefit analysis poses a challenge for AI providers such as Anthropic and OpenAI in light of their planned initial public offerings (IPOs).⁷

Model routers are giving rise to a new billion-dollar market driven by companies’ need to get AI costs under control. Chip giant Nvidia is also entering the router business; with Nemo Switchyard, it has introduced a system that automates model selection. The Düsseldorf-based startup Kauz AI is specifically targeting customers in Europe with its router business. In addition to cost, the Kauz Selection product focuses on data sovereignty. The advantage of specialized router providers is that they constantly adapt their products to the rapidly changing model landscape. Chinese providers are also trying to capitalize on this advantage. Overall, all providers aim to give customers more power again.⁸

Disruption driven by AI with a better price-performance ratio is also coming from the Beijing-based startup Moonshot. Its new open-weight model, Kimi K3, achieves very good results without relying on the scaling law or the illusion that more data and computing power always lead to better results. For founder Yang Zhilin, token efficiency is the top priority. To this end, Moonshot combines the following four approaches:

A distinction between less important information and important information stored for longer periods, which requires less storage space and enables faster responses (Delta Attention)
The targeted processing of information from previous layers (Attention Residuals), which results in less diluted outcomes
a multitude of specialized networks (Mixture of Experts), which enables more precise access to information, as well as
the decomposition of a query into small subtasks and parallel processing by individual agent systems (Agent Swarm).

This example shows that AI competition among economic regions has become even fiercer.⁹ This is where multilevel strategies come into play.

Multi-level strategies as the third dimension of connectivity

Over the past few decades, several approaches to multi-level strategies have emerged, though they employ different classifications and definitions of the levels. The basic principle of a multi-level strategy was already described in the mid-1990s by Richard Whittington of the Said Business School at the University of Oxford in his “Strategy-as-Practice” concept.¹⁰ Dutch transition research, building on the work of Frank Geels, has also been pursuing a multi-level approach since the early 2000s.¹¹ The fourth generation of the St. Gallen Management Model (SGMM) distinguishes between different levels in terms of perspectives.¹² Also of interest is the “Microfoundations of Strategy” approach, which advocates an aggregation from the individual level upward.¹³

In light of numerous new challenges, our framework distinguishes between the macro level (geopolitics and the environment), the meso level (nations and regions), the micro level (companies and public administrations), as well as society and individuals. We refer to the links between these levels as vertical connectivity.

Connective design also plays an important role in multi-level strategies. We discussed this capability in a publication on the development and evolution of strategic management.¹⁴ The focus here is on the temporal connectivity linking the five stages of strategic management identified to date. Horizontal connectivity within a single level also always plays an important role. Examples include a country’s various policy areas or the fields of action and actors within a company’s innovation system.¹⁵ The following figure illustrates these three dimensions of connectivity.

One cause of shortcomings in connectivity is increasing dynamism and complexity. In an environment that has become more dynamic, companies with traditional hierarchies and silo structures struggle to tackle complex problems. Parallel to this vertical connectivity, horizontal connectivity poses a challenge for many organizations when implementing IT- and AI-supported process management.¹⁶ Horizontal connectivity also poses difficulties between organizations. One example is the transfer of technology from universities to established companies via startups. In the context of strategic realignments—such as those related to the energy and mobility transitions—, vertical connectivity between organizations has proven to be a bottleneck. This highlights the need for improved forms of collaboration. This applies to politics, academia, and the business sector in general. Fraunhofer President Holger Hanselka calls for the removal of bureaucratic hurdles throughout the entire innovation pathway.¹⁷

The goal of multi-level strategies is to address threats and generate positive effects. I would like to illustrate this with examples, starting at the macro level with geopolitics and the environment.

From geopolitics to regions

Geopolitics forms the highest, framework-setting level that shapes global rules and strategic alliances. A primary role is ensuring technological sovereignty. The goal here is to reduce dependencies and protect one’s own infrastructure. A regulatory competition over global standards is underway between the U.S., China, and Europe. Geopolitical bloc formation and trade barriers—such as export controls—play a significant role in this context. National security and cyber defense are becoming increasingly important in the context of asymmetric warfare. Global bodies are vying for interpretive authority and standardization, for example, of technical protocols.¹⁸ Currently, the U.S. government and tech companies accuse China of training its AI models using U.S. technologies (knowledge distillation). The Chinese Ministry of Commerce denies this.¹⁹

The negative environmental impacts of AI are also of geopolitical significance. These include the high electricity consumption required for training and operating large AI models, CO₂ emissions when electricity comes from fossil fuels, the enormous water consumption needed to cool servers, electronic waste from rapidly obsolescent hardware, and resource consumption—for example, in the mining of rare earth elements. In the U.S., there are already protests against the construction of new, massive data centers. Individual states are enacting comprehensive new AI laws. Public sentiment is shifting. 71 percent of Americans oppose a data center in their neighborhood.²⁰ Green data centers—operating in cooler regions with renewable energy and closed-loop water systems—could offer a solution.

At the meso-level of nations and regions, the question arises of how Germany, together with other countries, can catch up with the U.S. and China in the field of AI. This requires a series of coordinated strategic programs, such as

a focus on AI applications that require specific capabilities
intensive collaboration between established companies and AI startups, with their growth funded more heavily from Europe
scaling up trustworthy AI infrastructure
a realignment of AI education and training, as well as
the use of innovation-friendly regulation as a competitive advantage.

It remains to be seen how many European providers of large language models there should be. In Japan, the startup Sakana AI is attempting to reduce this dependence. To this end, it is working with a system in which various models are embedded. It functions similarly to a conductor coordinating a swarm of agents. Such orchestration also presents an opportunity for Europe.²¹ The diversity of the regions can be an advantage in this regard.

Hidden champions play a key role in regional AI development by serving as practical partners for research institutes. Therefore, these lesser-known global market leaders act as

data providers for specific AI
investors in sustainability-focused impact startups
drivers of regional AI ecosystems, and
magnets for tech talent.

In this way, hidden champions not only improve their own competitiveness but also strengthen the financial strength of local communities. One example is the sensor specialist ifm electronic, headquartered in Essen with a production site at Tettnang on Lake Constance. The company has evolved from a sensor manufacturer into an AI platform for production. The importance of hidden champions for regional development has long been recognized, but their potential role as AI pioneers has yet to be fully explored. This is currently giving rise to exciting new narratives.²²

From companies to individuals

At the micro level of companies and public administration, we must address the question of why established organizations find AI-based change so difficult. The challenge likely lies in integrating a range of areas of action. These include

a strategy for realigning business models
overcoming cultural and personnel barriers
developing AI competencies from the executive level through middle management down to entry-level employees
designing a high-performance AI infrastructure in collaboration with trusted partners, as well as
integrating individual pilot projects into a coordinated process of changing organizations.

Despite the widespread use of the buzzword “digital transformation,” the number of organizations that have successfully achieved this level of change is limited.²³

One success story is the Swabian family-owned company Trumpf, which ranks among the global market leaders in the use of lasers for sheet metal processing and chip manufacturing. The company is working on a new stage of development in AI-supported robotics for sheet metal processing. For example, in the SortMaster Vision, AI uses cameras to analyze the position of sheet metal parts to be processed and calculates a spatial image of the situation, which facilitates the sorting process. In doing so, the AI continuously learns from real-world data without the need for extensive reprogramming. Trumpf aims to take a leading role in AI applications in production. This example demonstrates how important it is to combine specific knowledge with AI expertise. Other organizations can learn from this.²⁴

So far, public administration in Germany has fared even worse than the private sector in mastering the digital change. Yet we could have learned from the small Baltic state of Estonia. Around 2000, the “Government-as-a-Platform” concept emerged there. Under this concept, the government provides a platform on which all services are built. It defines standards and guarantees security and functionality. The X-Road data pipeline, which originated from an open-source project, is based on this concept. The basic idea was that data would remain decentralized within individual organizations but could still circulate. This has become a major export success, deployed by the company Cybernetica as a service provider in more than 20 countries. Germany is not among them because, here, there have long been plans to develop a next generation that is even better.²⁵

The current German Minister for Digital Affairs is planning a unified framework consisting of standards, software, and infrastructure. This “Deutschland-Stack” is intended to streamline government agencies. However, the plan faces challenges from existing specialized procedures and software architectures. The “Deutschland-App” is set to be the first visible product for citizens.²⁶ Critics describe it as nothing more than “window-dressing digitalization.” They argue that the challenge lies not in the app itself, but in the processes behind it. The outcome of a pilot project remains to be seen.²⁷

More generally, the question arises as to what implications AI has for society in an industrialized country like Germany. In light of a multitude of crises, these implications primarily concern the transition of the world of work. Here, there is a risk of a societal divide between a few winners who capitalize on the opportunities created by AI and a multitude of losers whose jobs are eliminated or changed in ways that leave them unable to withstand this pressure. Populists are exploiting this development to capitalize on polarization. This makes it all the more important to intensify AI-oriented education and training as a counterbalance to strengthen societal resilience. The everyday experiences of people who recognize how AI helps them—for example, with legal and medical issues—can play a significant role in this regard. Overall, better cooperation across various policy areas appears necessary to prepare for this change process.²⁸

In the world of work, major upheavals are on the horizon for individuals at all hierarchical levels. This applies above all to management. For those just entering the workforce, routine tasks—which AI is taking over—are becoming less important. It is becoming increasingly relevant to acquire knowledge on how to work with AI already during one’s training. In middle management and at the top level, the competencies required for personnel management are changing in particular. Personal experience with AI strategies and AI-driven productivity gains has now become a prerequisite for leadership positions. In this context, AI takes on the role of a sparring partner. The upheavals caused by AI are occurring at a time when companies are already streamlining hierarchical levels and cutting jobs. This contributes to a sense of uncertainty. An important task for the remaining executives is to tap into AI-based productivity potential and use the freed-up capacity to create something new. An innovation narrative should emphasize this positive aspect.²⁹

Customers of OCBC Bank in Singapore have recently been able to discuss their portfolios with an avatar. Nevertheless, the bank has no plans to cut staff; rather, it aims to expand its workforce to continue growing. In this regard, the OCBC CEO is in line with the Singaporean government, which wants to be among the global pioneers in the use of AI but at the same time seeks to ensure that the AI-driven realignment of the financial sector does not result in massive job losses. To this end, there is a pact between the government, financial institutions, and the labor union. At its core is a continuing education and retraining program designed to equip employees for new roles. At Singapore’s leading bank, all 40,000 employees have now received basic AI training, and 11,000 have been qualified for new roles created by the use of AI. Singapore’s Institute of Banking and Finance (IBF) plays a leading role in continuing education.³⁰

A connective effect despite threats?

An examination of potential innovation narratives at various levels reveals a diverse picture overall. This raises the question of how these narratives can exert a connective effect within the framework of a multi-level AI strategy, even though AI poses significant threats.

We have seen that, at the macro level, geopolitics is primarily concerned with AI supremacy and reducing dependencies through digital sovereignty. AI can have negative environmental impacts, as is the case, for example, with large data centers. This underscores the importance of green AI.

At the meso level of the nations, Germany faces the challenge of catching up with the U.S. and China through a series of coordinated AI programs. In the different regions, the numerous hidden champions, with their specific application expertise, should take on a leading role.

At the micro level, established companies in particular must identify the root causes of their challenges in digital change and find appropriate solutions to address them. It remains to be seen whether the new approaches to digitizing public administration in Germany will be successful. In any case, we can learn from other countries.

The serious implications of AI for society require new forms of resilience to reduce the risk of social division. For each individual—especially those in management roles—work is undergoing fundamental changes at all hierarchical levels. These points are summarized in the following figure.

When addressing the question of the connecting effect despite potential threats, a key insight is that micro-narratives can have both positive and negative manifestations. The connectivity is amplified when positive manifestations interact. Negative manifestations weaken it. It is therefore crucial to leverage the amplifying effect of as many positive micro-narratives as possible.

A second insight is that there is no “self-sustaining” effect here, and one should be skeptical of oversimplified, grand narratives about AI. For example, the United States’ technological leadership is extremely fragile in the face of an autocratic government. A European AI narrative should be mindful of this fragility when leveraging the amplifying effect of a cohesive, multi-level strategy.

These insights lead to the following recommendations for designing a connective, multi-level AI strategy:

People and their shared values should be at the heart of “bridge-building” between the levels
narratives that deal honestly with threats are more credible than utopias or dystopias, and
within the framework of constructive visions of the future, stories drawn from people’s everyday lives strengthen society’s sense of self-efficacy.

In this respect, addressing AI challenges is a shared task of shaping the future, in which narratives highlight the potential benefits for people.

Implications for research and teaching

A multitude of exciting questions arise for research and teaching. Important insights come from linking causal AI with management theory of complex, evolutionary systems.³¹ Accordingly, educational institutions such as universities and business schools are also realigning their strategies in the AI era.³²

The focus is on the following areas of action:

AI development and application competencies
A connective strategic management (Strategy 5.0) at all levels
A change of areas of responsibility and business processes through AI, as well as
The integration of human resources management with AI management.

There is currently a high demand for dual education and training programs that combine new theoretical insights with practical experience. One topic is Vibe Coding, in which software developers no longer write the code line by line themselves but instead instruct an AI on what to create.

The Mannheim-based startup Osapiens, which is working on agent platforms that, for example, support the flow of sustainability data into key decisions, provides insights into relevant qualifications. In the past, the focus was on who could write the best code, says co-founder Stefan Wawrzinek. Today, it is important to understand the big picture in order to shape strategies in a comprehensive sense.³³

Conclusion

To gain a competitive edge in the field of artificial intelligence, Europe needs a multi-level strategy
Innovation narratives in the form of micro-stories provide an important foundation for this
New waves of technology are currently emerging—such as Physical AI—where Europe can leverage its strengths
Our approach to multi-level strategies distinguishes between geopolitics and the environment (macro level), nations and regions (meso level), companies and public administration (micro level), and the level of society and the individual
We refer to the connection between these levels as vertical connectivity. This third dimension—alongside temporal and horizontal connectivity—expands the scope of connective strategic management (Strategy 5.0)
The diversity of micro-narratives illustrates the goal of multi-level strategies: to manage threats and generate positive impacts
The connecting effect of innovation narratives stems from the amplifying effect of many positive, small-scale stories. Given the fragility of grand AI narratives, skepticism is warranted
For the design of a multi-level AI strategy, it follows that credible everyday stories that clearly demonstrate the benefits for people have a connecting effect
Examples include successful, personal developments in a work environment increasingly shaped by AI.

References

[1] Klüwer, T., The Future Made in Germany—Why We Must Promote Innovation Now to Save Our Prosperity, Rowohlt 2025

[2] Lyotard, J.F., The Postmodern Condition: A Report on Knowledge, University of Minnesota Press 1984

[3] Oppert, S., Geoffrey Hinton – The Untold Story of AI’s Hidden Risks and the Man Who Warned the World, Independently 2025

[4] Bomke, L., Europe’s Second Chance—A Billion-Dollar Bet on New AI Labs. In: Handelsblatt, June 22, 2026, pp. 26-27

[5] Benninghoff, M., China’s New Stock Market Frenzy. In: Handelsblatt, August 20, 2026, pp. 34-35

[6] Hoffer, J., AI in End Devices Is Coming ‘Faster Than Expected. In: Handelsblatt, August 25, 2026, p. 20

[7] Alvarez de Souza Soares, P., et al., The Rebellion of AI Customers. In: Handelsblatt, July 10, 11, and 12, 2026, pp. 34-40

[8] Bomke, L., Holtermann, F., Scheuer, S., The New Gatekeepers of the AI Economy. In: Handelsblatt, August 21, 22, and 23, 2026, pp. 26-27

[9] Scheuer, S., This Chinese Model Is Causing a Stir Worldwide. In: Handelsblatt, July 20, 2026, p. 24

[10] Whittington, R., Strategy as Practice. In: Long Range Planning, 1996, Issue 5, pp. 731-735

[11] Geels, F., Technological Transitions as Evolutionary Reconfiguration Processes – A Multi-level Perspective and a Case Study. In: Research Policy, 2002, Issues 8-9, pp. 1257-1274

[12] Rüegg-Sturm, J., Grand, S., The St. Gallen Management Model, 3rd ed., Haupt 2017

[13] Foss, N.J., Felin, T., Strategic Organization – A Field in Search of Micro Foundations. In: Strategic Organization, November 2005, Issue 3, pp. 441-455

[14] Servatius, H.G., Development and Change in Strategic Management. In: Competivation Blog, September 19, 2025

[15] Servatius, H.G., Designing and Empowering Innovation Systems. In: Competivation Blog, February 22, 2018

[16] Servatius, H.G., Process-Oriented AI for Productivity Gains. In: Competivation Blog, March 12, 2025

[17] Delhaes, D., Researchers and Industry Call for More Freedom for Innovation. In: Handelsblatt, August 31, 2026, p. 14

[18] Brands, H. (ed.), Geopolitics of AI – Power, Conflicts, and the Future of Global Order, Johns Hopkins University Press, 2026

[19] Gusbeth, S., Heide, D., The Battle for AI Supremacy. In: Handelsblatt, August 4, 2026, pp. 6-7

[20] Heide, D., Alvarez de Souza Soares, P., The Governors’ AI Rebellion. In: Handelsblatt, July 15, 2026, pp. 10-11

[21] Kölling, M., Knees, L., Why Japan Doesn’t Depend on Anthropic. In: Handelsblatt, July 3, 4, and 5, 2026, pp. 30-31

[22] Simon, H., Hidden Champions – The New Rules of the Game in the Chinese Century, Campus 2021

[23] Davenport, T.H., Mittal, N., All In on AI – How Smart Companies Win Big with Artificial Intelligence, Harvard Business Press 2023

[24] Buchenau, M., Trump on the Path to Becoming a Machine-Human. In: Handelsblatt, August 28, 29, and 30, 2026, pp. 42-43

[25] Lutz, J., Two Digital States That Companies Dream Of. In: Handelsblatt, May 15, 16, and 17, 2026, pp. 60-62

[26] Fokul, J., The Architect of Digital Germany. In: Handelsblatt, May 15, 16, and 17, 2026, pp. 64-65

[27] Fokuhl, J., Just a Chatbot in Front of the Old Bureaucratic Apparatus? In: Handelsblatt, August 17, 2026, pp. 12-13

[28] Baecker, D., Digitalization, Suhrkamp 2026

[29] Hougaard, R., Carter, J., More Human – How the Power of AI Can Transform the Way You Lead, Harvard Business Review Press 2025

[30] Peer, M., Banks Promise AI Transformation Without Mass Layoffs. In: Handelsblatt, September 1, 2026, p. 36

[31] Servatius, H.G., Connecting Causal AI with Complex Evolutionary Systems. In: Compativation Blog, August 13, 2026

[32] Fleig, S., Artificial Intelligence Challenges Career Prospects. In: Handelsblatt, September 4, 2026, pp. 36-37

[33] Schimroszik, N., We Roll Out New AI Agents Every Month (Interview with Stefan Wawrzinek). In: Handelsblatt, September 7, 2026, pp. 26-27

Innovationsnarrative für eine verbindende KI-Mehrebenen-Strategie

Neueste Beiträge

CONNECTIVE MANAGEMENT