Künstliche Intelligenz | Competivation

Prozessorientierte KI zur Produktivitätssteigerung

12.03.25

Ein wichtiges Anwendungsfeld für Technologien der Künstlichen Intelligenz (KI) ist die Produktivitätssteigerung von Prozessen und Aufgaben. Diese bislang letzte Phase des Prozessmanagements hat eine längere Entwicklungsgeschichte, die weniger im Mittelpunkt des Interesses stand als die Gestaltung der Aufbauorganisation von Unternehmen. Inzwischen ist der Einsatz von prozessorientierter KI zu einer neuen Quelle von Wettbewerbsvorteilen geworden. Daher ist es spannend, sich näher mit der Entwicklung des Prozessmanagements zu beschäftigen.

In dieser Fortsetzung unserer Blogpost-Reihe zur Künstlichen Intelligenz beschäftige ich mich mit dem Beitrag der KI zu einer Produktivitätssteigerung von Prozessen, die Ressourcen für Innovationen freisetzt.

Entwicklung des Prozessmanagements

Die Entwicklung des Prozessmanagements ist in drei Phasen verlaufen. Diese Phasen sind durch ein Zusammenwirken der Ingenieurwissenschaft, Managementwissenschaft und Informationstechnik geprägt. Der Fokus der ersten Phase lag auf dem Produktionsmanagement. In der zweiten Phase verlagerte sich der Schwerpunkt auf das Management von Geschäftsprozessen. In der gegenwärtigen dritten Phase rückt das Management von prozessorientierter Künstlicher Intelligenz (KI) in den Mittelpunkt des Interesses.

In der ingenieurwissenschaftlich geprägten ersten Phase ging es vor allem um die Zerlegung, Gestaltung und Automatisierung von Produktionsprozessen. Bedeutende Rationalisierungsimpulse gingen Anfang des 20. Jahrhunderts von dem Ingenieur und Berater Frederick Winslow Taylor aus, der eine Zerlegung von Arbeitsabläufen in kleine Schritte propagierte. In der Produktionstechnik entstand eine Spezialisierung auf verschiedene Fachgebiete wie Fertigungstechnik sowie Prozess- und Verfahrenstechnik. Die Automatisierung von Produktionsprozessen erfolgte mit Hilfe der Mess- und Regeltechnik und der Robotik.

Die deutsche Industrie ist in diesem Bereich der Wirtschaft sowohl auf der Angebots- als auch auf der Nachfrageseite seit vielen Jahrzehnten weltweit führend.

IT-unterstützte Prozessoptimierung und -innovation

Die entscheidende Grundlage für eine zweite Phase des Prozessmanagements legte der deutsche Wirtschaftsinformatik-Professor und Unternehmensgründer August-Wilhelm Scheer. 1984 forderte Scheer in seinem Buch EDV-orientierte Betriebswirtschaftslehre, eine IT-unterstützte Prozessorganisation zu gestalten. Diesen Grundgedanken entwickelte er gemeinsam mit SAP, dem heute weltweit führenden Anbieter von Enterprise Resource Planning (ERP-) Systemen, weiter. In seinem 1991 erschienenen Buch Architektur integrierter Informationssysteme ARIS lieferte er ein Rahmenkonzept für die Beschreibung von Geschäftsprozessen.¹

Die Optimierung und Innovation von Geschäftsprozessen wird durch Referenzmodelle unterstützt. Anfang der 1990er Jahre entwickelte August Wilhelm Scheer gemeinsam mit SAP das Modell der Ereignisgesteuerten Prozesskette (EPK), um auch komplexere Prozesse zu beschreiben. Dieses Modell bildete die Grundlage für das R/3-System von SAP. Eine EPK besteht aus den vier Elementen²

Ereignis: Wann soll etwas gemacht werden?
Funktion: Was soll gemacht werden?
Organisationseinheit: Wer soll etwas machen?
und Informationsobjekte: Welche Informationen sind nötig?

Ein Enterprise Resource Planning (ERP-) System, ist eine modular aufgebaute Software, bei der betriebswirtschaftliche Anwendungen (Applikationen) durch eine gemeinsame Datenbasis verbunden sind. Typische Applikationen sind Finanzen und Controlling oder Einkauf und Logistik. Weitere Merkmale von ERP-Systemen sind z.B. die Prozessintegration, ein einheitliches Entwicklungskonzept, eine Client-/ Server-Architektur sowie die Trennung von organisatorischer Sicht und technischer Sicht (Mandantenfähigkeit). Die Einführung von ERP-Systemen erfolgt schrittweise funktionsorientiert bzw. prozessorientiert (sukzessiv) oder stichtagsbezogen (Big Bang).³

In den 1990er Jahren war das Reengineering der Geschäftsprozesse eines der wichtigsten Managementthemen. Ausgelöst hat den Hype das 1993 erschienene Buch Reengineering the Corporation von Michael Hammer und James Champy.⁴ Das ebenfalls 1993 publizierte Buch von Thomas Davenport beschäftigt sich mit Informationstechnologien als Treiber von Prozessinnovationen.⁵ Mein 1994 erschienenes Buch Reengineering-Programme umsetzen war die erste deutschsprachige Buchpublikation zu dem Thema.⁶

Der Untertitel „Von erstarrten Strukturen zu fließenden Prozessen“ knüpft an meine 1991 erschienene Habilitation an, in der ich den schrittweisen Paradigmenwechsel im strategischen Management von mechanistisch zu komplexitätsbewältigend behandele.⁷ Dieser Wechsel des Paradigmas sollte sich in einem evolutionären Wandel von Organisationen fortsetzen. Ein Beispiel ist eine Forschung und Produktion, die sich stärker am Kundenbedarf orientiert.

Seit 2015 forciert SAP die Migration seiner Kunden auf das ERP-System SAP S/4 HANA. Es stehen die folgenden Versionen zur Auswahl

On-Premise: Kunde erwirbt Softwarelizenz
Cloud: Installation in der Public Cloud von SAP und
Hybrid: Installation in einer Private Cloud.

Trotz Programmen wie Rise with SAP haben viele Bestandskunden noch keine Lizenzen für S/4 HANA gekauft. Eine Verbesserung soll die Akquisition des Bonner Start-ups LeanIX bringen. Dessen Plattform verschafft Unternehmen einen Überblick über ihre IT-Systeme (,,Google Map für die IT“). Das Nutzenversprechen ist eine Reduktion der Komplexität mehrerer ERP-Systeme mit unterschiedlicher individueller Konfiguration. So möchte SAP einen Wechsel zu S/4 HANA einfacher gestalten und seinen Kunden den Weg in die Cloud erleichtern. 2023 hat LeanIX einen KI-Assistenten eingeführt, der auf dem Sprachmodell GPT von OpenAI basiert.⁸

Eine erste Definition von Big Data stammt von Doug Laney aus dem Jahr 2001 (,,Datenmengen, die größer sind, als man es gewöhnt ist“). Seit etwa 2010 ersetzt der Begriff andere Bezeichnungen, wie z.B. Business Intelligence and Analytics. Wichtig sind dabei die fünf Vs: Volume, Velocity, Variety, Value and Validity. Die Verarbeitung von großen Datenmengen kann durch Cloud Computing erfolgen. Weltmarktführer in diesem Geschäftsfeld der ,,Hyperscaler“ ist Amazon Web Services (AWS) gefolgt von Microsoft (Azure). Zur Nutzung setzen viele Unternehmen das Geschäftsmodellmuster Pay-per-use ein.

Produktivitätssteigerung mit Robotic Process Automation

Neue Möglichkeiten zur Produktivitätssteigerung ergeben sich durch die auf dem Process Mining basierenden KI-Technologien. Das Process Mining ist in der Schnittmenge von Geschäftsprozess-Management und Big Data entstanden. Es analysiert Daten, die reale Prozesse erzeugen, analysiert diese, vergleicht Soll- mit Ist-Daten und beseitigt Mängel. Hieraus resultieren innovative Ansätze zur Produktivitätssteigerung mit Hilfe von Technologien der Künstlichen Intelligenz (KI). Eine solche KI-Technologie ist die Robotic Process Automation (RPA). RPA-Programme sind regelbasierte Softwareroboter (,,Bots“), die Routineaufgeben übernehmen können, z.B. die Reisekostenabrechnung.⁹ Das wertvollste deutsche Start-up, Celonis aus München, ist in diesem Feld tätig.

Ähnlich wie Celonis strebt nun auch SAP einen nächsten Entwicklungsschritt an. Im Rahmen seiner AI-first-Strategie hat SAP eine neue Business Data Cloud vorgestellt, die die Aufbereitung und Analyse von Daten erleichtern soll. Nach einer Studie des Verbands Bitkom schöpfen weniger als 40 Prozent der Unternehmen in Deutschland das Potenzial der ihnen zur Verfügung stehenden Daten aus. Die neue KI-Plattform ist eine Art Übersetzer, der die Daten in eine einheitliche Sprache überführen soll. Dabei arbeitet SAP mit dem US-Unternehmen Databricks zusammen. Die Datenbasis bildet die Grundlage für eine Weiterentwicklung des SAP-KI-Assistenten Joule zu einer Art „Superagent“ für eine Vielzahl von Aufgaben. Damit möchte SAP seine Produkte wieder zu einem „einheitlichen System“ in der Cloud zusammenführen. Das Nutzenversprechen ist eine Künstliche Intelligenz, die die ganze Organisation der SAP-Kunden produktiver macht.¹⁰

Zusammenarbeit mit KI-Assistenten

Die Data-Intelligence-Plattform von Databricks basiert auf einer Lakehouse-Architektur, die Data Lakes und Warehouses kombiniert. Ein Lakehouse basiert auf Open Source und offenen Standards. Es vereinfacht den Datenbestand, indem es Silos eliminiert.

Außerdem entwickeln Start-ups KI-Lösungen für spezifische Geschäftsprozesse wie das Qualitätsmanagement. Das Münchner Start-up Datagon AI hat eine KI entwickelt, die anstrebt, Produktionsdaten in ein individuelles und optimiertes Qualitätsmanagement umzuwandeln. Die KI lernt, welche Datenstruktur auf eine fehlerfreie Produktion z.B. von Fahrzeugen hindeutet und erkennt Abweichungen von dieser Struktur. So sollen 15 bis 20 Prozent mehr Fehler erkannt werden als mit standardisierten Testverfahren. Grundlage ist das Datenmuster eines fehlerfreien Produktionsprozesses. Datagon bezeichnet seine KI-Lösung als Game Changer für das Qualitätsmanagement.¹¹

Zunehmende Bedeutung bei der Produktivitätssteigerung haben auch KI-Assistenten für Routineaufgaben. Ein solcher KI-Assistent unterstützt z.B. den Vertrieb bei Würth. Das Motto von Reinhold Würth ist: „Sie sind nicht beim Würth angestellt, sondern bei Ihren Kunden“. Würth hat die Schraubenhandlung seines Vaters zu einem Weltkonzern für Montage- und Befestigungstechnik mit mehr als 20 Milliarden Euro Umsatz ausgebaut. Der bei Würth entwickelte KI-Assistent Pico hilft Vertriebsmitarbeitenden bei¹²

der Routenplanung für Kundentermine
administrativen Aufgaben über eine Sprachsteuerung im Auto, z.B. beim
Schreiben von Rechnungen
der Beantwortung komplexer Fragen zur Vorbereitung auf Kundentermine.

Die Grundlage bildet eine systematische Datenerfassung der Produkte und Kunden des Unternehmens. Das jährliche IT-Budget liegt derzeit bei einer halben Milliarde Euro. Etwa ein Zehntel davon fließt in neue KI-Anwendungen.

Während große Organisationen ihre eigenen KI-Assistenten entwickeln, brauchen kleinere Unternehmen einen Partner. Die Sparkassen planen, alle Arbeitsplätze mit einem persönlichen KI-Assistenten auszustatten. Diesen Chatbot S-KI-Pilot hat der Sparkassen-IT-Dienstleister Finanz Informatik (FI) entwickelt. Die KI-Anwendungen laufen in FI-Rechenzentren. Die Entwicklung des Chatbots ist zu 80 Prozent auf der Grundlage des frei zugänglichen GPT-Modells des französischen Unternehmens Mistral AI erfolgt. Das Training läuft auf Basis des spezifischen internen Sparkassen-Wissens, das im Internet und in Prozessdokumentationen verfügbar ist. Auf diese Weise möchte die Gruppe ihre KI-Souveränität erhalten und dem zunehmenden Fachkräftemangel entgegenwirken. Ein wichtiges Ziel sind effizientere und schnellere Prozesse.¹³ Diese Möglichkeiten haben kleinere Unternehmen in der Regel nicht. Sie benötigen daher einen vertrauenswürdigen Dienstleister möglichst aus Europa, um mit einer wissensspezifischen KI Wettbewerbsvorteile zu erreichen.

Handlungsfelder beim organisatorischen Wandel

Eine Produktivitätssteigerung mit prozessorientierter KI ist nicht die einzige Aufgabe beim organisatorischen Wandel. Hinzu kommen die Handlungsfelder Aufbauorganisation, Projektmanagement und Personalentwicklung. In der Verbindung dieser Handlungsfelder lieht gegenwärtig eine große Herausforderung

Handlungsfelder des organisatorischen Wandel

Neben traditionellen Ansätzen zum Abbau von Hierarchien erproben Unternehmen wie Bayer des von Gary Hamel entwickelten Humanocracy-Ansatz zur Gestaltung einer schlankeren Aufbauorganisation.¹⁴ Die Umsetzung eines agilen Projektmanagements ist vor allem in etablierten Unternehmen mit einer Änderung des Mindsets verbunden. Darüber hinaus erfordert beim Thema KI ein Up- und Reskilling einer großen Anzahl von Mitarbeitenden neue Wege in der Personalentwicklung. Für eine Verbindung dieser Handlungsfelder gibt es bislang noch keine allgemeine theoretische Grundlage.

Fazit

Das interdisziplinäre Fachgebiet des Prozessmanagements hat sich in drei Phasen entwickelt.
In der gegenwärtig letzten Phase entstehen neue Möglichkeiten zur Produktivitätssteigerung mit Hilfe von Künstlicher Intelligenz.
Wichtige Impulse gehen dabei von der Robotic Process Automation und von KI-Assistenten aus.
Eine gemeinsam von SAP und Databricks entwickelte neue Plattform basiert auf der Lakehouse-Architektur.

Literatur

[1] Scheer, A.W., ARIS – Vom Geschäftsprozess zum Anwendungssystem, 4. Aufl., Berlin 2002

[2] Gadatsch, A., Grundkurs Geschäftsprozess-Management, 10. Aufl., Wiesbaden 2023, S. 126ff.

[3] Gadatsch, a.a.O., S.202ff.

[4] Hammer, M., Champy, J., Reengineering the Corporation – A Manifesto for Business Revolution, New York 1993

[5] Davenport, T.H., Process Innovation – Reengineering Work through Innovation Technology, Boston 1993

[6] Servatius, H.G., Reengineering-Programme umsetzen – Von erstarrten Strukturen zu fließenden Prozessen, Stuttgart 1994

[7] Servatius, H.G., Vom strategischen Management zur evolutionären Führung – Auf dem Wege zu einem ganzheitlichen Denken und Handeln, Stuttgart 1991

[8] Alvares de Souza Soares, P., et al., SAP kauft das Bonner Software-Start-up LeanIX. In: Handelsblatt, 8./9./10. September 2023, S. 23

[9] Gadatsch, a.a.O., S. 289ff.

[10] Kerkmann, C., SAP stellt „Superagenten“ vor. In: Handelsblatt, 14./15./16. Februar 2025, S. 30-31

[11] Knees, L., Bis zu 20 Prozent weniger Fehler. In: Handelsblatt, 21./22./23.Februar 2025, S. 34

[12] Buchenau, M., Ein Beifahrer namens Pico. In: Handelsblatt, 27./28./29. Dezember 2024, S.32

[13] Atzler, E., Kröner, A., KI-Assistent für 190.000 Mitarbeiter. In: Handelsblatt, 9. Januar 2025, S.28-29

[14] Hamel, G., Zanini, M., Humanocracy – Creating Organizations as Amazing as the People Inside Them, Boston 2020

Warum der digitale Wandel evolutionär verläuft

09.11.21

Der Versuch, etablierte Organisationen digital zu transformieren, führt oft zu enttäuschten Erwartungen. Eine digitale Evolution ist Erfolg versprechender.

In diesem Blogpost stellen wir das grundlegende Verständnis, wie sich der digitale Wandel vollzieht, auf den Prüfstand.

Defizite bei der Digitalisierung

Defizite bei der Digitalisierung haben in unserem Land viele Ursachen. Offensichtlich fehlen auf der politischen Ebene sowohl ein Konzept zur Koordination der verschiedenen Ministerien als auch ein Ansatz zur Umsetzung notwendiger Programme.¹ Aber auch beim Technologietransfer von der Grundlagenforschung zu praktischen Anwendungen klaffen Anspruch und Wirklichkeit weit auseinander. So hat z.B. das mit vielen Millionen Euro geförderte Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) den Trend zum maschinellen Lernen verpasst.²

Neben diesen Versäumnissen geht aber auch das grundlegende Verständnis des digitalen Wandels möglicherweise von falschen Annahmen aus. Eine solche Fehleinschätzung ist die Vorstellung vieler Beobachter, die Digitalisierung verlaufe in Form einer Transformation.

Digitale Transformation oder Evolution?

Ohne Zweifel gehört die Digitalisierung zu den großen Herausforderungen für Organisationen. Es mehren sich jedoch die Stimmen von Praktikern, die meinen, der weit verbreitete Begriff digitale Transformation sei inzwischen zu einem Schlagwort mit unklarer Bedeutung geworden, das in die Irre führe und vielleicht sogar den Wandel gefährde.³ Immerhin spreche man seit rund fünfzig Jahren von Digitalisierung und ein Ende dieses Prozesses ist nicht absehbar.

Außerdem passe der Begriff digitale Evolution (oder Entwicklung) besser, da offene Systeme ständig in Bewegung sind. Hieraus resultiere die Bedeutung der Fähigkeit umzudenken, die den Erfolg von Digitalunternehmen ausmache. In einer Reihe von Branchen wie z.B. dem Handel komme es auch nicht zu einem vollständigen Wandel vom Analog- zum Digitalgeschäft, wie der Begriff Transformation suggeriere, sondern zu einer spezifischen Verbindung von analogen und digitalen Elementen.

Ein weiterer wichtiger Aspekt ist, dass digitale Transformationsprogramme oft nicht die mit diesem Begriff verbundenen hohen Erwartungen erfüllen. Dennoch hält sich die Vorstellung von einer umfassenden Transformation etablierter Organisationen ausgehend von digitalen Technologien hartnäckig.⁴

Häufig spricht man auch von einer notwendigen digitalen Transformation, wenn, wie z.B. in der öffentlichen Verwaltung, über Jahrzehnte versäumt wurde, notwendige Maßnahmen umzusetzen. In diesem Kontext hat der Begriff eine reaktive Komponente, die auf Führungsdefizite hindeutet.

Besorgniserregend ist darüber hinaus, dass der Begriff einer digitalen und auch ökologischen Transformation aller Lebensbereiche gerne von politischen Gruppierungen benutzt wird, die eigentlich einen umfassenden Systemwechsel mit radikalen Veränderungen anstreben. Transformation ist hier ein Tarnbegriff, der in Wahrheit eine politische Machtverschiebung meint, dies aber nicht offen ausspricht.

Gemeinsamkeit und Unterschiede

Beim Thema Digitalisierung hat die Managementlehre den Transformationsbegriff relativ unkritisch aus der Politikwissenschaft übernommen.⁵ Daher gehen wir der Frage nach, was mit Transformation und was mit Evolution gemeint ist. Hieraus ergeben sich die Unterschiede zwischen einer digitalen Transformation und einer digitalen Evolution.

Eine Gemeinsamkeit beider Konzepte ist die Anwendung digitaler Querschnittstechnologien, deren Ursprünge z.B. bei der Künstlichen Intelligenz in den 1950er Jahren und beim Internet der Dinge in den 1990er Jahren liegen.⁶ Insbesondere die Konvergenz dieser Technologiefelder zu einer Artificial Intelligence of Things (AIoT) hat einen starken Einfluss (Impact) auf Wirtschaft, Politik und Gesellschaft. So sind digitale Technologien zu einer wichtigen Quelle für Wettbewerbsvorteile von Unternehmen und den Wohlstand von Staaten geworden.

Der Begriff Transformation beschreibt die grundlegende Veränderung z.B. eines politischen Systems oder des Geschäftsmodells eines Unternehmens. Eng mit diesem Begriff verknüpft ist die Vorstellung des Übergangs (Transition) von einem (Gleichgewichts-)Zustand zu einem anderen. Oft geht dies einher mit einer negativen Bewertung des alten und einer positiven Bewertung des neuen Zustands. Ein Beispiel ist die Unterscheidung zwischen der Old Economy und einer New Economy um die Jahrtausendwende. Eine solche negative Bewertung des alten Zustands führt nicht selten zum Widerstand der betroffenen Akteure und der Entstehung von Blockaden z.B. von Teilen der etablierten Organisation gegenüber neuen Digitaleinheiten.

Interessant ist auch, dass Unternehmen, deren Geschäftsmodell von einer digitalen Disruption bedroht ist, wie z.B. in der Tourismusbranche oder im Handel, häufig nicht mit einer umfassenden Transformation reagieren, sondern mit einer hybriden Strategie, die die Fortsetzung des analogen Geschäfts mit einer schrittweisen Digitalisierung kombiniert. So hat der Lebensmittelhändler Rewe vor knapp sieben Jahren das damalige Start-up Commercetools akquiriert, das Software für den elektronischen Handel entwickelt und heute sehr erfolgreich ist. Rewe-Chef Lionel Souque ist der Meinung, der Tanker Rewe brauche viele kleine Schnellboote. die ungefähr in die gleiche Richtung fahren, denen man aber ansonsten Freiheiten lässt.⁵ Diese Strategie lässt sich eher als digitale Evolution beschreiben.

Als Evolution bezeichnet man allgemein die schrittweise Weiterentwicklung z.B. von biologischen, technischen, wirtschaftlichen oder sozialen Systemen. Evolution ermöglicht eine Bewältigung von Komplexität durch geeignete Rahmenbedingungen und eine stärker selbstorganisierte Zusammenarbeit der Akteure. Im Mittelpunkt stehen gemeinsame ergebnisoffene Lernprozesse ausgehend von Hypothesen, die getestet werden. Eine zentrale Erkenntnis der neueren Komplexitätstheorie ist, dass dieses Erfolgsmuster nicht auf die Evolution von biologischen Systemen beschränkt ist, sondern auch für Organisationen und Volkswirtschaften gilt.⁸ Dabei ist wichtig, dass ein evolutionärer Ansatz die Verbindungen (Konnektivität) zwischen Systemen, ihren Bausteinen und den relevanten Akteuren (Stakeholdern) fördert.⁹ Deshalb erscheint das Konzept einer Evolution oder Koevolution besser als ein transformativer Ansatz für die Digitalisierung von politischen und wirtschaftlichen Systemen geeignet.

Disruptive Geschäftsmodelle und eine neue Phase der Produktivitätssteigerung

Eine solche digitale Evolution von Unternehmen vollzieht sich gegenwärtig in zwei wichtigen Handlungsfeldern, die miteinander verbunden sind. Der Fokus des ersten Handlungsfeldes, das mit dem Online-Handel (E-Commerce) Mitte der 1990er Jahre begonnen hat, liegt bei der Disruption durch innovative Geschäftsmodelle und dort insbesondere bei den Bausteinen Wertversprechen, Kundenkanäle und Art der Gewinnerzielung.¹⁰

Das zweite Handlungsfeld startete als Weiterentwicklung des Business Process Reengineering Ende der 1990er Jahre mit dem Process Mining. Der 2011 geprägte Begriff Industrie 4.0 betonte die Bedeutung von Anwendungen in der Produktion. Aus einer Verknüpfung dieser Ansätze mit der AIoT-Technologie Robotic Process Automation (RPA) hat sich eine neue Phase der Produktivitätssteigerung entwickelt.¹¹ Das Münchner Start-up-Unternehmen Celonis bezeichnet dies als Execution Management System (EMS), SAP spricht von Business Process Intelligence (BPI). Parallel zu dieser Digitalisierung der Prozesse entwickelten sich die Anbieter von Low-Code-Software weiter. So wurde z.B. das israelische Start-up-Unternehmen Monday.com bei seinem Börsengang in den USA mit sieben Milliarden Dollar bewertet.¹²

Die Disruption durch innovative Geschäftsmodelle geht vor allem von Start-ups und den großen Tech-Konzernen aus. Da die angegriffenen etablierten Unternehmen Ausmaß und Geschwindigkeit der Disruption schwer einschätzen können, reagieren sie häufig mit dem Aufbau von Corporate Digital Units, die in der Regel einen kulturellen Abstand zur Basisorganisation haben.¹³ Viele Unternehmen befinden sich gegenwärtig in dieser Phase, Andere wie z.B. Daimler haben sich bereits wieder von einem solchen Ansatz verabschiedet und setzen auf die innovative Weiterentwicklung des Kerngeschäfts.¹⁴

Die digitale Architektur als Barriere

Eine bedeutende Barriere für die von einer Disruption des eigenen Geschäfts-modelles betroffenen Unternehmen ist ihre digitale Architektur. Häufig existiert keine zentrale Technologie- und Daten-Plattform oder man befindet sich in einer großen Abhängigkeit von Plattform-Partnern, die einen wichtigen Teil der KI-basierten Wertschöpfung übernehmen.¹⁵

Die Relevanz dieser Barriere resultiert unter anderem daraus, dass eine weiterentwickelte digitale Architektur das Bindeglied zwischen innovativen Geschäftsmodellen und produktiveren Prozessen bildet.

Zunehmende Bedeutung von Business Process Intelligence

Wichtige Impulse für das Process Mining sind von dem niederländischen Professor Wil van der Aalst ausgegangen, der an der RWTH Aachen die Gruppe Process and Data Science leitet.¹⁶ In Verbindung mit Robotic Process Automation entstehen in praktisch allen Branchen und auch im öffentlichen Sektor neue Möglichkeiten zur Steigerung der Produktivität von Kernprozessen. Der Co-Geschäftsführer von Celonis, Bastian Nominacher schätzt, dass der adressierbare Markt 60 bis 70 Milliarden Dollar groß ist.¹⁷ Wil von der Aalst arbeitet neben seiner Tätigkeit an der RWTH Aachen als Chef-Wissenschaftler für Celonis.¹⁸

Nach der Übernahme des Start-ups Signavio sieht SAP den Geschäftsbereich Business Process Intelligence als Kern seines Geschäftsmodells.¹⁹ Natürlich wird es bei dieser neuen Phase einer AIoT- getriebenen Produktivitätssteigerung Pioniere und Nachzügler geben. Leider gehören zu den Nachzüglern in Deutschland auch die öffentlichen Verwaltungen, für die das Thema eine große Herausforderung darstellt.

Ein konnnektives Management, das disruptive Geschäftsmodelle und produktivere Prozesse verbindet, entwickelt den seit langem bekannten Ambidextrie-Ansatz weiter, der eine Balance zwischen Exploration und Exploitation anstrebt.²⁰ Die großen Digitalkonzerne setzen dabei auf das Rahmenkonzept einer Plattform-Organisation mit agilen Teams.²¹

Führungskompetenzen bei einer digitalen Evolution

Möglicherweise hat sich der Begriff der digitalen Transformation so lange gehalten, weil er gut zu einem machtdominierten traditionellen Management passt, bei dem die Chefetage strategische Pläne entwickelt, die die „Untergebenen“ dann umsetzen. Diese Vorstellung ist natürlich so heute nicht mehr zeitgemäß. In meiner 1991 erschienenen Habilitation habe ich die notwendig erscheinende Weiterentwicklung des strategischen Managements zu einer evolutionären Führung beschrieben.²² Im Mittelpunkt stehen dabei die Gestaltung eines Ordnungsrahmens für gemeinsame Lernprozesse und das Hinterfragen von Annahmen.

Dreißig Jahre später argumentiert der Organisationspsychologe und Wharton-Professor Adam Grant ähnlich. Er unterscheidet zwischen den Mindsets von Predigern, Politikern, Staatsanwälten und Wissenschaftlern. Der Mindset traditioneller Manager gleiche dem der drei erstgennanten Berufsgruppen. Dabei bestehe aber immer die Gefahr einer Selbstüberschätzung. Der Mindset erfolgreiche Start-ups und Digital-Unternehmer ähnele hingegen eher dem von Wissenschaftlern. Charakteristisch für deren Mindset seien Zyklen des Überdenkens, die durch Demut. Zweifel und Neugier geprägt sind.²³

Ein solcher Rethinking Cycle anstelle des Overconfidence Cycle bildet die Grundlage für eine erfolgreiche digitale Evolution. Der Overconfidence Cycle kann hingegen leicht zu der irrigen Annahme führen, der Prozess einer digitalen Transformation sei abgeschlossen.

Für Deutschland, das sich ja gerne als Land der Denker, Wissenschaftler und Ingenieure sieht, sind das eigentlich gute Nachrichten. Es wäre allerdings notwendig, bei der Vermittlung von Führungskompetenzen stärker auf evolutionäre Zyklen des Überdenkens und agile Umsetzungsprozesse zu setzen.

Fazit

Die Digitalisierung verläuft eher nach dem Muster einer digitalen Evolution als dem einer digitalen Transformation
Die beiden miteinander verbundenen Handlungsfelder einer digitalen Evolution sind die Disruption durch innovative Geschäftsmodelle und eine Produktivitätssteigerung mit Business Process Intelligence
In beiden Handlungsfeldern spielt die Gestaltung eines Ordnungsrahmens für gemeinsame Lernprozesse eine zentrale Rolle
Wichtige Führungskompetenzen erfolgreicher Digital-Unternehmer sind die Moderation von Zyklen des Überdenkens von Hypothesen und eine Förderung agiler Umsetzungsprozesse

Literatur

[1] Alvares de Souza Soares, P., Kyriasoglou, C.: Systemausfall im Kanzleramt. In: Manager Magazin, Oktober 2021, S. 78-84

[2] Scholz, C.: Anspruch und Realität. In: Handelsblatt, 20. September 2021, S.12-13

[3] MacInnes, B.: Digital Transformation or Digital Evolution. In: MicroScope, 1. April 2021

[4] Saldanha, T.: Why Digital Transformations Fail – The Surprising Disciplines of How to Take Off and Stay Ahead, Oakland 2019

[5] Sandschneider, E.: Stabilität und Transformation politischer Systeme – Stand und Perspektiven politikwissenschaftlicher Transformationsforschung, Wiesbaden 1995

[6] 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. 3ff.

[7] Kolf, F.: Rewe baut Tech-Einhorn auf. In: Handelsblatt, 13./15./16. Mai 2021, S. 22

[8] Beinhocker, E.D.: Die Entstehung des Wohlstands – Wie die Evolution die Wirtschaft antreibt, Landsberg am Lech 2007

[9] Servatius, H.G.: Komplexitätsbewältigung als Treiber eines Connective Managements. In: Competivation Blog, 31.03.2021

[10] Kaufmann, Servatius, a.a.O., S. 31 ff.

[11] Kaufmann, Servatius, a.a.O., S. 93 ff.

[12] Jahn, T.: Workflow-Software zum Selberbauen. In: Handelsblatt, 14. Juni 2021, S. 44

[13] Kaufmann, Servatius, a.a.O., S. 73 ff.

[14] Kyriasoglou, C.: Ausgebremst. In: Manager Magazin, Februar 2020, S. 62-66

[15] Iansiti, M., Lakhani, K.R.: Competing in the Age of AI – Strategy and Leadership When Algorithms and Networks Run the World, Boston 2020

[16] van der Aalst, W.M.P.: Process Mining – Data Science in Action, Second Edition, Heidelberg 2016

[17] Holzki, L.: Celonis-Chef: „Wir haben noch viel größere Visionen“. In: Handelsblatt, 4./5./6. Juni 2021, S. 16-17

[18] Holzki, L.: Chefwissenschaftler für das wertvollste Start-up. In: Handelsblatt, 25. August 2021, S. 46

[19] Kapalschinski, C., Kerkmann C.: SAP will Milliardenzukauf zum Zukunftskern machen. In: Handelsblatt, 1. Juni 2021, S. 21

[20] Tushman, M.L., O’Reilly C.A.: Ambidextrous Organization – Managing Evolutionary and Revolutionary Change. In: California Management Review, 1996, Nr. 4, S. 8-30

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

[22] Servatius, H.G.: Vom strategischen Management zur evolutionären Führung – Auf dem Wege zu einem ganzheitlichen Denken und Handeln, Stuttgart 1991

[23] Grant, A.: Think Again – The Power of Knowing What You Don’t Know, London 2021, S. 27ff.

Das Internet der Dinge und Künstliche Intelligenz als Game Changer

21.11.19

Beim Herbsttreffen des Expertenkreises Innovationsmanagement in Familienunternehmen bei SAP in Ratingen haben wir unser Anfang 2020 erscheinendes neues Buch vorgestellt und uns mit der Frage beschäftigt, wie das Internet der Dinge und Künstliche Intelligenz das Management, die IT-Architekturen und die Innovationspolitik verändern.

Wertsteigerung mit datengetriebenen Geschäftsmodellen

Zu Beginn unseres Treffens in der von Walter Brune erbauten SAP-Niederlassung in Ratingen¹ erläuterte unser Gastgeber Timothy Kaufmann die Aktivitäten seines Unternehmens beim Thema Internet der Dinge (IoT) und Künstliche Intelligenz (KI). Von zentraler Bedeutung ist dabei die Wertsteigerung von Unternehmen mit datengetriebenen, digitalen Geschäftsmodellen. Eine solche Wertsteigerung gelingt jedoch nur mit einer guten Verknüpfung der IoT- und KI-Systeme mit den Geschäftsprozessen des Unternehmens und seiner Partner. Dies erfordert eine Weiterentwicklung der IoT- und KI-Architekturen.

Anschließend präsentierte Herr Kaufmann die Referenzarchitektur der Open Industry 4.0 Alliance, deren Gründungsmitglied SAP ist.² In der Diskussion standen die Herausforderungen von Familienunternehmen bei der Gestaltung von Innovationsökosystemen und der Zusammenarbeit mit Plattformpartnern im Mittelpunkt.

Neues Buch zum Thema der Veranstaltung

Anfang 2020 erscheint bei Springer Vieweg das neue Buch von Timothy Kaufmann und mir zum Thema: Das Internet der Dinge und Künstliche Intelligenz als Game Changer.³ Ich habe beschrieben, wie es zu unserer Zusammenarbeit gekommen ist und was die Schwerpunkte des Buches sind. Wir analysieren anhand von zahlreichen Praxisbeispielen, wie digitale Technologien das Management, die IT-Architekturen und die Innovationspolitik verändern. Dieser Game-Changer-Effekt betrifft auch Familienunternehmen, die einen Großteil der Beschäftigten in Deutschland sichern.

Ausführlich bin ich dann auf einen der Bausteine des neuen Management 4.0-Paradigmas eingegangen, den wir in unserem Buch behandeln: Den digitalen Wandel in einer evolutionären Organisation. Mit den Teilnehmern haben wir die Frage diskutiert, ob die in den letzten Jahren entstandenen Digitaleinheiten lediglich eine erste Phase auf dem Weg zu einer stärkeren Digitalisierung der gesamten Organisation kennzeichnen und wie es Unternehmen gelingt, neue Ansätze wie Scrum@Scale umzusetzen.

Ausgehend von einer kritischen Auseinandersetzung mit dem Schlagwort „digitale Transformation“ habe ich unseren Ansatz zur Gestaltung einer evolutionären Organisation vorgestellt. Im Mittelpunkt stehen dabei gemeinsame Lernprozesse zu drängenden organisatorischen Fragen, wie der Produktivitätssteigerung mit KI-Technologien. Eine wichtige Rolle spielen in diesem Zusammenhang neue Formen des Lernens am Arbeitsplatz.⁴

Besuch im SAP Digital Studio und Impulsstatements

Wie SAP Unternehmen bei derartigen Lernprozessen unterstützt, konnten wir anschließend beim Besuch des SAP Digital Studios erleben. Kai Wussow von SAP zeigte, wie SAP in diesem Studio mit Erklärgrafiken und Modellen arbeitet und die Design-Thinking-Methode als Keimzelle für neues Denken nutzt.⁵

Im Rahmen von Impulsstatements stellte Dr. Stefan Neuhaus von Insta, dem Spezialisten für Gebäude- und Lichtlösungen, die Smart-Living-Initiative des Bundeswirtschaftsministeriums vor, bei der sein Unternehmen mitwirkt.⁶ Ein Schwerpunkt liegt bei KI-Anwendungen. Wir haben intensiv hinterfragt, wie Unternehmen die Ergebnisse einer solchen vorwettbewerblichen Projektphase anschließend im Kampf mit den Digital-Giganten aus den USA und China nutzen können.

In der abschließenden Diskussion wurde deutlich, dass die teilnehmenden Unternehmen die Relevanz von IoT- und KI-Technologien erkannt haben. Eine Herausforderung ist zum Teil jedoch noch, aus dieser Erkenntnis passgenaue Programme abzuleiten und die richtigen Partner zu finden.

Literatur

Warum der digitale Wandel evolutionär verläuft

Das Internet der Dinge und Künstliche Intelligenz als Game Changer

Neueste Beiträge

CONNECTIVE MANAGEMENT