Management Education | Competivation

Disruption der Management Education für KI-basierte Neuausrichtungen

10.10.25

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

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

Wettbewerbsvorteile durch KI-Qualifikation

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

Neuausrichtung und Transformation

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

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

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

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

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

Fehler bei KI-Initiativen

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

Management-Didaktik als Innovationsfeld

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

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

Management Education auf der Suche nach einer Balance

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

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

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

Management-Umfeld und Lehrinhalte

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

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

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

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

Entwicklung und Dokumentation

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

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

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

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

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

Theorie und Praxis der Management-Didaktik

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

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

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

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

Dabei verändern sich die Geschäftsmodelle und Skalierungsmöglichkeiten der Bildungsanbieter.

Geschäftsmodelle und Skalierungsmöglichkeiten

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

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

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

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

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

Kanäle und Trägerschaft

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

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

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

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

KI-basierte Disruption der Management Education

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

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

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

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

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

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

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

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

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

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

Konzepte für eine KI-unterstützte Management Education umsetzen

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

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

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

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

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

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

KI als Gamechanger für Learning Ecosystems

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

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

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

Das Beste aus zwei Welten verbinden

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

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

Stärken von Universitäten sind demgegenüber

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

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

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

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

Fazit

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

Literatur

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

[24] Kaufmann, T., Servatius, H.G., Das Internet der Dinge und Künstliche Intelligenz als Game Changer – Wege zu einem Management 4.0 und einer digitalen Architektur, SpringerVieweg 2020, S. 203 ff.

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

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

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

Disruption of management education for AI-based realignments

10.10.25

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

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

Competitive advantages through AI qualifications

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

Realignment and transformation

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

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

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

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

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

Mistakes in AI initiatives

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

Management didactics as a field of innovation

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

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

Management education in search of a balance

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

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

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

Management environment and teaching content

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

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

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

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

Development and documentation

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

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

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

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

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

Theory and practice of management didactics

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

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

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

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

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

Business models and scaling opportunities

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

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

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

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

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

Channels and trusteeship

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

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

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

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

AI-supported disruption of management education

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

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

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

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

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

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

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

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

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

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

Implementing concepts for AI-supported management education

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

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

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

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

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

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

AI as a game changer for learning ecosystems

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

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

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

Combining the best of both worlds

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

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

The strengths of universities, on the other hand, are

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

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

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

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

Conclusion

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

Literature

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

AI and the future of management education

09.04.25

The education and training of managers has gone through various phases in the past. At present, the negative consequences of too narrow a focus on theory are becoming increasingly clear and the idea of management as a dynamic profession that combines theory and practice is emerging. At the same time, artificial intelligence (AI) is changing learning and management education. Key drivers of this evolutionary change are disruptive learning ecosystems that are challenging the traditional players. The journey into this near future begins with an outline of the current patterns of success for a career in management.

In this new article in our series of blog posts on AI, I look at the present and future development of management education, in which artificial intelligence plays an important role.

Success patterns for a management career

In past decades, the proven success pattern for a turbo career in management consisted of the following steps:

Bachelor’s degree in engineering or information technology
short orientation phase in a reputable company
MBA at a renowned business school
further years of training in consulting, investment banking or private equity
change to a staff unit for corporate development and
rapid promotions on the way to management level.

However, this pattern of success is associated with two obvious disadvantages:

The limited work-life balance in professional services companies, which are considered to be labor-intensive, and
the cost barrier of MBA programs at well-known business schools.

For example, the cost of a one-year MBA course at one of Europe’s elite universities is between 80,000 and 100,000 euros. Added to this is the high cost of living at locations in metropolitan regions. In the USA, where most MBA programs last two years, the costs, including accommodation and health insurance, can add up to 250,000 euros.¹Applicants must therefore carefully consider whether such an investment and the associated loss of income is worthwhile.

In addition, starting in the USA and with a considerable delay, a second pattern of success has also emerged in Germany, albeit one that is associated with even greater risks. This path leads from an idea to the founding and scaling of a start-up. The players are usually creative, interdisciplinary teams that work on new business models with great commitment. A characteristic of successful founders is that they are also deeply involved in details and are familiar with important processes. There has long been no shortage of such talent in Germany, but there are deficits in the innovation policy framework. The situation has improved in recent years. But there is still a lot to be done.

One reason for the success patterns outlined above is that management science has become increasingly open to the technical sciences. Training in traditional engineering and the newer information technology qualifies students for a specialist career. However, a management career also requires skills in strategy, innovation, marketing, production, finance, organization and personnel management. An interdisciplinary management course teaches all of this. In addition, management education trains the skills that link to the technical sciences. An important field of application is the design of new business models.²

The pioneer of this development in Germany is the University of Stuttgart, where I have been teaching as an honorary professor since 1994 following my external habilitation. In Stuttgart, the technical-oriented business administration course was introduced as early as 1974, thus focusing on the connectivity of business and technology. The following diagram illustrates the segmentation of disciplines.

Less obvious than these patterns of success is a shift in focus in the content of management education and training. This development affects both business schools and traditional technology and business-oriented courses. One important point of criticism is their excessive focus on theory.

Too strong a focus on theory and its consequences

In an article published in the Harvard Business Review in 2005, the renowned US professors Warren Bennis and James O’Toole criticize a misguided development at American business schools. Triggered by funding from foundations, a stronger emphasis on scientific rigor in the form empirical treatment of relatively limited issues began there at the end of the 1950s. Publication in scientific journals became decisive for a career as a professor. Practical experience and the relevance of research fell by the wayside, playing an increasingly minor role in appointments^(3.

Unfortunately, the same development has been taking place at German universities for a long time. The result is a series of negative consequences:

Teaching has become less important than research
the professors bring less practical experience to their teaching and research
there are hardly any up-to-date textbooks, especially in dynamic subjects such as innovation management
research is dealing less and less with complex topics of practical relevance that are difficult to access using empirical methods
the target audience for the results of this research is primarily other researchers, while practitioners rarely read articles from scientific journals
many graduates are not immediately employable as project managers in demanding practical projects, even after completing a doctorate.

The major beneficiaries of this development have long been management consultancies and the consultants working there, who fill the gap left by business schools and universities. These winners distinguish themselves with their ability to tackle new, complex problems in a practice-oriented manner. As a result, consulting has become an important next step in professional development and a career accelerator. For clients, this causal chain has unfortunately increased their dependence on consultants.

It is astonishing that this development has not yet been analyzed and evaluated more critically by corporate practice. We therefore want to explore the question of what an approach to improvement could look like. To do this, management would have to transform itself into a dynamic profession.

Management as a dynamic profession

The education and training of managers is characterized by the three dimensions of theory, practice and the dynamics of change. Particular challenges lie in the combination of theory and practice as well as the increasing dynamics of the corporate environment. The idea of management as a dynamic profession is based on the development of management education and training.

This development has taken place in various phases. The emergence of management as an interdisciplinary field has a long history. The success of many German hidden champions in recent decades and also the phenomenal rise of digital companies from the USA is primarily based on managers with the ability to combine technical and business expertise.

The early degree programs made an important contribution to this connectivity in the first phase. With their pronounced focus on practice, prospective managers were very well prepared for the challenges of working in organizations. This phase could be placed under the motto of the great social psychologist Kurt Lewin: „Nothing is as practical as a good theory“. This implies that an excellent professor can be expected to have extensive practical experience in addition to academic achievements.

In a second phase of management education, the academization already outlined took place in the sense of restricting research to empirical approaches for dealing with limited issues. The majority of dissertations and habilitations now follow this path, which rarely leads to far-reaching management innovations.

Today, new impetus usually comes from professors who are also active in executive education and consulting or even as company founders. The results are often published in practice-oriented journals such as the Harvard Business Review and books by international publishers. Although this type of professor is in the minority in terms of numbers, they make a significant contribution to innovations in management theory.

A reorientation of management education is emerging in a third phase. This phase takes account of the highly dynamic nature of change and creates a stronger link between theory and practice. The result is a management that sees itself as a dynamic profession. The aim is to create innovative content for research and teaching in order to meet the many new challenges.

The following are important criteria for management activities to become a profession:

Qualified training with a degree
practical experience with demanding tasks
ethical standards and possibly also
a form of regulation, e.g. of AI.

In this respect, management’s claim to be a profession is currently only partially fulfilled. However, management can learn from other application-oriented sciences such as medicine.

Learning from medical training

No sensible person would allow themselves to be treated by a doctor with little practical experience who has never worked in a hospital. In order to ensure that medical training is not just theoretical, chief physicians at renowned clinics often work as professors at universities alongside their practical work. Part of the training takes place in teaching hospitals and overall the system of universities and clinics is much more permeable than the training and further education of managers.

The more practice-oriented universities and the dual study programs offered by private business schools do offer an alternative to studying at universities. However, most providers only have a limited right to award doctorates. This means that the contribution made by doctoral students to research is largely missing.

In view of the universities‘ strong desire to maintain their position, the best that can be expected from them in management education and training is change in small steps. A first step could be to integrate theoretically qualified managers and their companies much more closely into teaching and research. A long-established approach to this is action research.⁴This involves interdisciplinary teams designing innovative practical projects, publishing the results and making them accessible for teaching purposes. This has long been a common approach in management consulting. Both theoretically oriented professors and practitioners would benefit from such cooperation between universities and companies.

One exciting question now is what new impetus for management education will come from artificial intelligence (AI).

AI is changing management education

According to a study by the British „Times Higher“ magazine, thirteen of the world’s best AI universities are in the USA, three in the UK, two in China, one in Switzerland and one in Singapore. So there is still „room for improvement“ for the countries of the European Union. Chinese companies see 2025 as a key year for AI applications. This is why China is increasingly focusing on specific industry models in addition to large language models.⁵This is a strategy that Germany could learn from.

In addition to industry-specific models, AI is also becoming increasingly important for training and development. Almost all companies are faced with the challenge of upskilling and reskilling their employees successfully and cost-effectively.

This also applies to management training and development. AI has a profound impact on four aspects of management. It changes:

Research and teaching as well as learning technologies
all functions and business processes of organizations
all economic sectors and the public sector as well as
management as a developing profession.

The practical skills of managers and employees who use AI as a tool are of great importance here.

Engineering and management courses are now facing the challenge of integrating the fundamentals and applications of artificial intelligence into their curriculum. The learning content is developing very dynamically and individual professors therefore often feel overwhelmed by this integration task. According to the European Union’s AI Act, companies are obliged to train employees who use AI systems in how to use them. Many companies are not yet aware of this. In July 2024, the German association Bitcom asked German managers about their attitude towards AI. According to the survey⁶
– 29% of respondents are cautious and 16% skeptical, but still
– 46% are keen to experiment and 9% are even enthusiastic.

Artificial intelligence is therefore both a learning content and a learning tool that is changing university teaching and practice.

In this context, it is remarkable how dynamically learning technologies have developed over the past two decades. We therefore want to take a look at the possible future of corporate learning.

Development towards AI-based corporate learning

Since the turn of the millennium, the development of learning technologies used by organizations has gone through the following four phases:

E-learning with Learning Management Systems (LMS) as a platform
further development of the LMS into a more competence-oriented learning in the sense of a personnel development system
digital microlearning with Learning Experience Platforms (LXP) and the increasing importance of videos, as well as
AI-based learning platforms that generate individualized content relatively independently.

In each of these phases, LearnTech providers have disappeared from the market and new ones have emerged. Providers that rely on AI include Absorb, Arist, Docebo, Growthspace, LearnUpon, Sana Labs, Uplimit and Work Ramp⁷

Planning the use of learning technologies in organizations is often not done top-down, but bottom-up by HR management and information technology. Cooperation with start-ups plays an important role here

The young Berlin-based company Doinstruct uses AI to train „desk-less“ employees. Gartner estimates this target group at 2.7 billion people worldwide. It is twice as large as the number of people who work at a desk. The company uses AI to generate short educational videos for „frontline workers“, who often have neither a laptop nor an email address. So far, Doinstruct has produced more than 250 training videos. Companies can personalize this offer. The basis for the generated videos is provided by well-known AI providers. Doinstruct’s experts select the content and scriptwriters prepare it. The company has developed software that sends the log-in via SMS. WhatsApp chats are also being considered. The content is translated into 25 languages.⁸

Procedure for AI-supported learning in management

The Doinstruct example shows what AI-supported learning in management can look like. It consists of seven steps that are adapted to the respective situation.

The first step is an AI-supported summary of existing learning content. This step requires prompting supported by reasoning models and a critical analysis of the AI-generated content. It is not intended to replace teachers, but above all to increase their productivity.

In step two, project-oriented action learning by universities and companies creates innovative, practice-oriented learning content. In this way, new knowledge and skills are incorporated into teaching.

The third step is about combining the basics with new content and structuring it into microlearning. These short sequences enable the modularization of learning programs.

A multimodal, didactic preparation is then the task of step four. In this way, a professional combination of text, sound and image is achieved, which is combined with practical exercises. These first four steps can be used for specific management disciplines and industries.

In the fifth step, there is the option of AI-supported individualization of the learning content. This allows it to be adapted to the specific situation of a company and individuals.

In the sixth step, innovative learning technologies are used to further develop learning platforms that enable scaling. Most companies will master this step together with LearnTech partners.

This lays the foundation for step seven, which focuses on AI-supported continuous improvement. Disruptive learning ecosystems play an important role in the implementation of such an approach.

Change through disruptive learning ecosystems

A disruptive learning ecosystem is a network of partners from politics, science, business and the learning community whose disruptive effect comes from innovative approaches and barriers that are difficult to overcome by traditional players.⁹One advantage of the emerging AI-based stakeholder ecosystems is better cooperation between the partners.

Such a learning ecosystem consists of the following players:

Politics that create a framework that promotes innovation
universities, consultants, trainers and authors who conduct research and offer learning content
traditional and innovative education providers that market learning content
AI and LearnTech providers who design learning platforms and
organizations and individuals in the dual role of customer and provider of learning content and data.

The opportunity for a more resilient Europe lies in taking a pioneering role in such new educational systems with trustworthy AI solutions. The goal is connective management education for the changing world of work in the AI age.

Connective management education for the AI age

An important characteristic of the fifth development stage of connective strategic management ¹⁰is personnel development that takes into account the specific requirements of the changing world of work in the AI age. This connective management education combines elements in the following fields:

Theory and practice (A)
training and further education (B)
specialization and interdisciplinarity (C) and
human strengths and artificial intelligence (D).

The harmonization of these elements is an important design approach within the framework of Strategy 5.0, which enables new competitive advantages. The basis for this is a changed attitude that is characterized by a future-oriented spirit. Such an attitude combines optimism with openness and curiosity with the joy of experimentation to create a mental agility that helps to recognize and exploit opportunities.¹¹

The first of these four fields is a better combination of theoretical principles and their practical application. This involves both training for a changed world of work and the further training of many people in a world of work that is changing as a result of AI. AI is giving rise to new professional specializations. At the same time, the importance of a more interdisciplinary approach to management education is increasing. Overall, it is important to combine human strengths in teaching and research, such as a forward-looking approach, with the use of AI as a tool.

This fourfold connectivity has now become one of our focal points in research, teaching and consulting.

Conclusion

Universities should strive for a stronger link between theory and practice in the education and training of managers. Medical training provides inspiration on the path to management as a dynamic profession
Artificial intelligence (AI) is not only changing the world of work, but also management education. AI is both a learning content and a tool
LearnTech providers and user companies are working on AI-based learning platforms, which are the focus of a new development phase in corporate learning
Disruptive learning ecosystems challenge traditional players, but also represent an opportunity to realign the European education system
Connective management education for the AI age combines elements in various fields.

Literature

[1] von Elm, K., Beware of lofty expectations. In: Handelsblatt, March 07/08/09, 2025, p. 36-37

[2] Servatius, H.G., Evolution of strategic management. In: Competivation Blog, 28.06.2024

[3] Bennis, W.G., O´ Toole, J., How Business Schools Lost Their Way. In: Harvard Business Review, May 2005, pp. 96-104

[4] Servatius, H.G., Generative AI and Mass Customized Action Learning. In: Competivation Blog, 28.08.2023

[5] Bomke, L., Gusbeth, S., Who will win the AI race? In: Handelsblatt, March 10, 2025, p.18

[6] Burkhardt, K., Anyone working with AI systems must be trained beforehand. In: Handelsblatt, March 18, 2025, p. 26-27

[7] Bersin, J., The $ 340 Billion Corporate Learning Industry is Poised for Disruption, March 23, 2024

[8] Schimroszik, N., Doinstruct trains employees with AI. In. Handelsblatt, March 19, 2025, p. 27

[9] Servatius, H.G., Designing innovative stakeholder ecosystems. In: Competivation Blog, 10.01.2023

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

[11] Pferdt, F.G., Radikal besser – Entfache den Zukunftsgeist, der in dir steckt, Hamburg 2025

KI und die Zukunft der Management Education

09.04.25

Die Aus- und Weiterbildung von Managern hat in der Vergangenheit verschiedene Phasen durchlaufen. Gegenwärtig werden die negativen Folgen einer zu engen Theorieorientierung immer deutlicher und es entsteht die Vorstellung vom Management als einer dynamischen, Theorie und Praxis verbindenden Profession. Parallel dazu verändert Künstliche Intelligenz (KI) das Lernen und die Management Education. Wichtige Treiber dieses evolutionär verlaufenden Wandels sind disruptive Learning Ecosystems, die die traditionellen Akteure herausfordern. Am Anfang der Reise in diese nahe Zukunft steht eine Skizze der gegenwärtigen Erfolgsmuster für eine Karriere im Management.

In unserer Blogpost-Reihe zur KI beschäftige ich mich in diesem neuen Beitrag mit der Gegenwart und zukünftigen Entwicklung der Management Education, bei der Künstliche Intelligenz eine wichtige Rolle spielt.

Erfolgsmuster für eine Management-Karriere

In den vergangenen Jahrzehnten bestand das bewährte Erfolgsmuster für eine Turbo-Karriere im Management aus den folgenden Schritten:

Bachelor-Studium in Ingenieurwissenschaft oder Informationstechnik
kurze Orientierungsphase in einem angesehenen Unternehmen
MBA an einer renommierten Business School
weitere Lehrjahre in Beratung, Investment Banking oder Private Equity
Wechsel in eine Stabseinheit für Unternehmensentwicklung und
schnelle Beförderungen auf dem Weg zur Führungsebene.

Allerdings ist dieses Erfolgsmuster mit zwei offensichtlichen Nachteilen verbunden:

Der eingeschränkten Work Life Balance in als arbeitsintensiv geltenden Professional-Service-Unternehmen und
der Kosten-Barriere von MBA-Programmen an bekannten Business Schools.

So liegen die Kosten für ein einjähriges MBA-Studium an einer der europäischen Elite-Hochschulen zwischen 80.000 und 100.000 Euro. Hinzu kommen die hohen Lebenshaltungskosten an Standorten in Metropol-Regionen. In den USA, wo die meisten MBA-Programme zwei Jahre dauern, summieren sich die Kosten inklusive Wohnheim und Krankenversicherung auf bis zu 250.000 Euro.¹Bewerber müssen daher genau überlegen, ob sich eine solche Investition und der damit verbundene Einkommensverzicht lohnen.

Daneben ist ausgehend von den USA und mit erheblicher Verzögerung auch in Deutschland ein zweites Erfolgsmuster entstanden, das allerdings mit noch größeren Risiken verbunden ist. Dieser Weg führt von einer Idee zur Gründung und Skalierung eines Start-ups. Die Akteure sind meist kreative, interdisziplinäre Teams, die mit großem Engagement an neuen Geschäftsmodellen arbeiten. Ein Kennzeichen erfolgreicher Gründer ist, dass sie auch tief in Details stecken und mit wichtigen Prozessen vertraut sind. Seit langem gibt es in Deutschland keinen Mangel an solchen Talenten, wohl aber Defizite bei den innovationspolitischen Rahmenbedingungen. Die Situation hat sich in den letzten Jahren zwar verbessert. Es bleibt aber immer noch viel zu tun.

Eine Ursache der skizzierten Erfolgsmuster ist, dass sich die Managementwissenschaft immer mehr gegenüber den Technikwissenschaften geöffnet hat. Ausbildungen im klassischen Ingenieurwesen und der neueren Informationstechnik qualifizieren Studierende zwar für eine Fachlaufbahn. Für eine Führungslaufbahn sind darüber hinaus aber Kompetenzen in Strategie, Innovation, Marketing, Produktion, Finanzen, Organisation und Personalführung erforderlich. Eine interdisziplinäre Managementlehre vermittelt dies alles. Außerdem trainiert die Managementausbildung die verbindenden Fähigkeiten zu den Technikwissenschaften. Ein wichtiges Anwendungsfeld ist die Gestaltung neuer Geschäftsmodelle.²

Vorreiter dieser Entwicklung in Deutschland ist die Universität Stuttgart, an der ich nach externer Habilitation seit 1994 als Honorarprofessor lehre. In Stuttgart hat man bereits 1974 den Studiengang Technisch-orientierte Betriebswirtschaftslehre eingeführt und damit einen Fokus auf die Konnektivität von Wirtschaft und Technik gelegt. Die folgende Abbildung veranschaulicht die Segmentation von Fachdisziplinen.

Weniger offensichtlich als diese Erfolgsmuster ist eine Schwerpunktverlagerung bei den Inhalten der Aus- und Weiterbildung von Managern. Diese Entwicklung betrifft sowohl Business Schools als auch die klassischen technik- und wirtschaftsorientierten Studiengänge. Ein wichtiger Kritikpunkt ist deren zu starke Theorieorientierung.

Zu starke Theorieorientierung und ihre Folgen

In einem bereits 2005 im Harvard Business Review erschienenen Artikel kritisieren die renommierten US-Professoren Warren Bennis und James O‘Toole eine Fehlentwicklung an amerikanischen Business Schools. Ausgelöst durch die Förderung von Stiftungen begann dort Ende der 1950er Jahre eine stärkere Betonung von wissenschaftlicher Strenge (Rigor) in Form einer empirischen Behandlung relativ begrenzter Fragestellungen. Für eine Karriere als Professor entscheidend wurde die Publikation in wissenschaftlichen Fachzeitschriften. Auf der Strecke blieben dabei praktische Erfahrung und die Relevanz der Forschung, die bei Berufungen eine immer geringere Rolle spielten.³

Leider gibt es die gleiche Entwicklung seit langem auch an deutschen Universitäten. Das Ergebnis ist eine Reihe negativer Folgen:

So hat die Lehre gegenüber der Forschung an Bedeutung verloren.
Die Professoren bringen weniger praktische Erfahrung in ihre Lehre und Forschung ein
Insbesondere in dynamischen Fächern wie dem Innovationsmanagement gibt es kaum noch aktuelle Lehrbücher
Die Forschung beschäftigt sich immer weniger mit praxisrelevanten komplexen Themen, die für empirische Methoden schwer zugänglich sind
Die Zielgruppe für die Ergebnisse dieser Forschung sind vor allem andere Forscher, während Praktiker nur selten Artikel aus wissenschaftlichen Fachzeitschriften lesen
Viele Absolventen sind auch nach einer Promotion nicht unmittelbar als Projektleiter in anspruchsvollen Praxisprojekten einsetzbar.

Die großen Nutznießer dieser Entwicklung sind seit langem Managementberatungen und die dort tätigen Consultants, die die Lücke füllen, die Business Schools und Universitäten hinterlassen. Diese Gewinner profilieren sich mit der Fähigkeit zur praxisorientierten Bewältigung neuartiger, komplexer Probleme. So sind Beratungen zu einer wichtigen nächsten Weiterbildungsstufe und einem Karrierebeschleuniger geworden. Für Klienten hat aufgrund dieser Kausalkette die Abhängigkeit von Consultants leider zugenommen.

Es ist erstaunlich, dass diese Entwicklung von der Unternehmenspraxis bislang nicht noch kritischer analysiert und bewertet worden ist. Daher wollen wir der Frage nachgehen, wie ein Ansatz zur Verbesserung aussehen konnte. Hierzu müsste sich das Management zu einer dynamischen Profession wandeln.

Management als dynamische Profession

Die Aus- und Weiterbildung von Managern wird durch die drei Dimensionen Theorie, Praxis und Veränderungsdynamik geprägt. Besondere Herausforderungen liegen in der Verbindung von Theorie und Praxis sowie der zunehmenden Dynamik des Umfelds von Unternehmen. Die Vorstellung vom Management als einer dynamischen Profession setzt an der Entwicklung der Managementaus- und -weiterbildung an.

Diese Entwicklung ist in verschiedenen Phasen verlaufen. Die Entstehung des Managements als interdisziplinäres Fachgebiet hat eine lange Geschichte. Der Erfolg vieler deutscher Hidden Champions in den vergangenen Jahrzehnten und auch der phänomenale Aufstieg von Digital-Unternehmen aus den USA basiert vor allem auf Führungskräften mit der Fähigkeit zur Verbindung von Technik- und Wirtschaftskompetenz.

Zu dieser Konnektivität haben die frühen Studiengänge in der ersten Phase einen wichtigen Beitrag geleistet. Mit ihrem ausgeprägten Fokus auf die Praxis wurden angehende Manager sehr gut auf die Herausforderungen einer Tätigkeit in Organisationen vorbereitet. Diese Phase könnte man unter das Motto des großen Sozialpsychologen Kurt Lewin stellen: „Nichts ist so praktisch wie eine gute Theorie“. Dies impliziert, dass man von einem exzellenten Professor neben wissenschaftlichen Leistungen auch eine ausgeprägte praktische Erfahrung erwarten kann.

In einer zweiten Phase der Management Education kam es zu der bereits skizzierten Akademisierung im Sinne einer Beschränkung der Forschung auf empirische Ansätze zur Behandlung begrenzter Fragestellungen. Ein Großteil der Dissertationen und Habilitationen verfolgt inzwischen diesen Weg, der selten zu tiefgreifenden Management-Innovationen führt.

Neue Impulse kommen heute meist von Professoren, die auch in der Executive Education und Beratung oder sogar als Unternehmensgründer tätig sind. Die Ergebnisse werden häufig in praxisorientierten Zeitschriften wie dem Harvard Business Review und Büchern internationaler Verlage publiziert. Dieser Professorentyp ist zahlenmäßig zwar in der Minderheit, liefert aber einen erheblichen Beitrag zu Innovationen in der Managementlehre.

Eine Neuausrichtung der Management Education zeichnet sich in einer dritten Phase ab. Diese Phase trägt der hohen Veränderungsdynamik Rechnung und es kommt zu einer stärkeren Verbindung von Theorie und Praxis. Das Ergebnis ist ein Management, das sich als dynamische Profession versteht. Das Ziel ist die Schaffung von innovativen Inhalten für die Forschung und Lehre, um die vielfältigen neuen Herausforderungen zu bewältigen.

Dabei sind wichtige Kriterien, damit aus der Tätigkeit im Management eine Profession wird

eine qualifizierte Ausbildung mit Abschluss
praktische Erfahrung bei anspruchsvollen Aufgaben
ethische Standards und möglicherweise auch
eine Form der Regulierung z.B. von KI.

Insofern ist der Anspruch des Managements, eine Profession zu sein, gegenwärtig nur teilweise erfüllt. Lernen kann das Management hingegen von anderen anwendungsorientierten Wissenschaften wie der Medizin.

Lernen von der Mediziner-Ausbildung

Kein vernünftiger Mensch würde sich von einem Arzt mit wenig Praxiserfahrung behandeln lassen, der noch nie in einem Krankenhaus tätig war. Um die Mediziner-Ausbildung nicht nur theoretisch zu gestalten, arbeiten Chefärzte renommierter Kliniken neben ihrer praktischen Tätigkeit häufig als Professoren an Universitäten. Ein Teil der Ausbildung findet in Lehrkrankenhäusern statt und insgesamt ist das System aus Universitäten und Kliniken sehr viel durchlässiger als die Aus- und Weiterbildung von Managern.

Dort gibt es zwar mit den stärker praxisorientierten Hochschulen und den von privaten Business Schools angebotenen dualen Studiengängen eine Alternative zum Studium an Universitäten. Die meisten Anbieter haben aber nur ein eingeschränktes Promotionsrecht. Damit fehlt weitgehend der von Doktoranden geleistete Beitrag zur Forschung.

Angesichts des starken Beharrungsbestrebens der Universitäten ist von diesen bei der Aus- und Weiterbildung im Management bestenfalls ein Wandel in kleinen Schritten zu erwarten. Ein erster Schritt könnte darin bestehen, theoretisch qualifizierte Führungskräfte und deren Unternehmen wesentlich stärker in die Lehre und Forschung zu integrieren. Ein seit langem bekannter Ansatz hierzu ist die handlungsorientierte Forschung (Action Research).⁴ Dabei gestalten interdisziplinäre Teams innovative Praxisprojekte, publizieren die Ergebnisse und machen sie so für die Lehre zugänglich. Dies ist eine seit langem in der Managementberatung übliche Vorgehensweise. Von einer solchen Zusammenarbeit zwischen Universitäten und Unternehmen würden sowohl eher theoretisch orientierte Professoren als auch Praktiker profitieren.

Eine spannende Frage ist nun, welche neuen Impulse für die Management Education von der Künstlichen Intelligenz (KI) ausgehen.

KI verändert die Management Education

Nach einer Studie des britischen „Times Higher“-Magazins kommen dreizehn der weltweit besten KI-Universitäten aus den USA, drei aus Großbritannien, zwei aus China sowie eine aus der Schweiz und aus Singapur. Für die Staaten der Europäischen Union ist also noch „Luft nach oben“. Chinesische Unternehmen sehen 2025 als ein Schlüsseljahr für KI-Anwendungen. Deshalb setzt China neben großen Sprachmodellen verstärkt auf spezifische Industriemodelle.⁵ Dies ist eine Strategie, von der Deutschland lernen könnte.

Neben branchenspezifischen Modellen wird KI auch für die Aus- und Weiterbildung immer wichtiger. Nahezu alle Unternehmen stehen vor der Herausforderung, ein Up- und Reskilling ihrer Mitarbeitenden erfolgreich und kostengünstig zu gestalten.

Dies gilt auch für die Aus- und Weiterbildung im Management. Dabei hat KI tiefgreifende Auswirkungen auf vier Aspekte des Managements. Sie verändert:

sowohl die Forschung und Lehre als auch die Lerntechnologien
alle Bereiche und Geschäftsprozesse von Organisationen
alle Wirtschaftsbranchen und den öffentlichen Sektor sowie
das Management als sich entwickelnde Profession.

Eine große Bedeutung haben dabei die praktischen Fähigkeiten von Führungskräften und Mitarbeitenden, die KI als Werkzeug anwenden.

Ingenieur- und wirtschaftswissenschaftliche Studiengänge stehen nun vor der Herausforderung, Grundlagen und Anwendungen der Künstlichen Intelligenz in ihr Lehrangebot zu integrieren. Die Lerninhalte entwickeln sich sehr dynamisch und einzelne Professoren fühlen sich daher mit dieser Integrationsaufgabe häufig überfordert. Für Unternehmen besteht nach dem AI Act der Europäischen Union die Verpflichtung, Mitarbeitende, die KI-Systeme nutzen, im Umgang damit zu schulen. Vielen Unternehmen ist dies noch nicht bewusst. Der Bundesverband Bitcom hat im Juli 2024 deutsche Führungskräfte nach ihrer Haltung zu KI befragt. Danach sind ⁶
– 29% der Befragten vorsichtig und 16% skeptisch, aber immerhin
– 46% experimentierfreudig und 9% sogar enthusiastisch.

Künstliche Intelligenz ist also sowohl Lerninhalt als auch Lernwerkzeug, das die Hochschullehre und die Praxis verändert.

In diesem Zusammenhang ist es bemerkenswert, wie dynamisch die Entwicklung in den vergangenen zwei Jahrzehnten bei Lerntechnologien verlaufen ist. Daher wollen wir einen Blick in die mögliche Zukunft des Corporate Learning werfen.

Entwicklung zu einem KI-basierten Corporate Learning

Die Entwicklung der Lerntechnologien, die Organisationen nutzen, ist seit der Jahrtausendwende in den folgenden vier Phasen verlaufen:

E-Learning mit Learning Managements Systems (LMS) als Plattform
Weiterentwicklung der LMS zu einem stärker Kompetenz-orientierten Lernen im Sinne eines Personalentwicklungssystems
Digitale Microlearnings mit Learning Experience Platforms (LXP) und einer zunehmenden Bedeutung von Videos sowie
KI-basierte Lernplattformen, die relativ selbständig individualisierte Inhalte generieren.

In jeder dieser Phasen sind LearnTech-Anbieter vom Markt verschwunden und neue hinzugekommen. Anbieter, die auf KI setzen, sind z.B. Absorb, Arist, Docebo, Growthspace, LearnUpon, Sana Labs, Uplimit und Work Ramp.⁷

Eine Planung der Anwendung von Lerntechnologien in Organisationen erfolgt häufig nicht top-down, sondern bottom-up durch das Personalmanagement und die Informationstechnik. Eine wichtige Rolle spielt dabei die Zusammenarbeit mit Start-ups.

Das junge Berliner Unternehmen Doinstruct setzt KI zur Schulung von „schreibtischlosen“ Mitarbeitenden ein. Gartner schätzt diese Zielgruppe weltweit auf 2,7 Milliarden Personen. Sie ist doppelt so groß, wie die Zahl derjenigen, die am Schreibtisch arbeiten. Mit Hilfe von KI generiert das Unternehmen kurze Lernvideos für „Frontline Worker“, die häufig weder einen Laptop noch eine E-Mail-Adresse haben. Bislang hat Doinstruct mehr als 250 Schulungsvideos produziert. Unternehmen können dieses Angebot personalisieren. Die Grundlage für die generierten Videos liefern namhafte KI-Anbieter. Fachexperten kümmern sich bei Doinstruct um die Auswahl der Inhalte, Drehbuchautoren um deren Aufbereitung. Das Unternehmen hat eine Software entwickelt, die den Log-in über SMS verschickt. Man denkt auch über WhatsApp-Chats nach. Die Inhalte werden in 25 Sprachen übersetzt.⁸

Vorgehen bei einem KI-unterstützten Lernen im Management

Das Beispiel Doinstruct zeigt, wie ein KI-unterstütztes Lernen im Management aussehen kann. Es besteht aus sieben Schritten, die an die jeweilige Situation angepasst werden.

Im ersten Schritt erfolgt eine KI-unterstützte Zusammenfassung von vorhandenen Lerninhalten. Dieser Schritt erfordert ein mit Reasoning-Modellen gestaltetes Prompting und eine kritische Analyse der mit KI generierten Inhalte. Er soll die Lehrenden nicht ersetzen sondern vor allem ihre Produktivität steigern.

In Schritt zwei schafft ein projektorientiertes Action Learning von Hochschulen und Unternehmen innovative, praxisorientierte Lerninhalte. Auf diese Weise fließt neues Wissen und Können in die Lehre ein.

Im dritten Schritt geht es um eine Verbindung von Grundlagen und neuen Inhalten sowie deren Strukturierung in Microlearnings. Diese kurzen Sequenzen ermöglichen eine Modularisierung von Lernprogrammen.

Eine multimodale, didaktische Aufbereitung ist dann die Aufgabe von Schritt vier. Auf diese Weise wird eine professionelle Verbindung von Text, Ton und Bild erreicht, die mit praktischen Übungen kombiniert wird. Diese ersten vier Schritte können für spezifische Managementdisziplinen und Branchen eingesetzt werden.

Im fünften Schritt besteht die Möglichkeit einer KI-unterstützten Individualisierung der Lerninhalte. Diese werden so an die spezifische Situation eines Unternehmens und einzelner Personen angepasst.

Mit Hilfe innovativer Lerntechnologien erfolgt im sechsten Schritt eine Weiterentwicklung von Lernplattformen, die eine Skalierung ermöglichen. Diesen Schritt werden die meisten Unternehmen gemeinsam mit LearnTech-Partnern meistern.

Damit ist die Grundlage gelegt für Schritt sieben, der auf eine KI-unterstützte kontinuierliche Verbesserung gerichtet ist. Bei der Umsetzung eines solchen Vorgehens spielen disruptive Learning Ecosystems eine wichtige Rolle.

Wandel durch disruptive Learning Ecosystems

Unter einem disruptiven Learning Ecosystem versteht man ein Netzwerk von Partnern aus Politik, Wissenschaft, Wirtschaft sowie den Lernenden, dessen Disruptionswirkung von innovativen Ansätzen und Barrieren ausgeht, die durch traditionelle Akteure schwer zu überwinden sind.⁹ Ein Vorteil der entstehenden KI-basierten Stakeholder-Ökosysteme ist die bessere Zusammenarbeit der Partner.

Ein solches Learning Ecosystem besteht aus den folgenden Akteuren:

Der Politik, die einen innovationsfördernen Rahmen schafft
Hochschulen, Consultants, Trainern und Autoren, die forschen und Lerninhalte anbieten
traditionellen und innovativen Bildungsanbietern, die Lerninhalte vermarkten
KI- und LearnTech-Anbietern, die Lernplattformen gestalten sowie
Organisationen und einzelnen Personen in der Doppelrolle als Kunden sowie als Anbieter von Lerninhalten und Daten.

Die Chance für ein resilienteres Europa besteht darin, mit vertrauenswürdigen KI-Lösungen eine Vorreiterrolle bei solchen neuartigen Bildungssystemen zu übernehmen. Das Ziel ist eine konnektive Management Education für die im KI-Zeitalter veränderte Arbeitswelt.

Konnektive Management Education für das KI-Zeitalter

Ein wichtiges Kennzeichen der fünften Entwicklungsstufe des verbindenden strategischen Managements¹⁰ ist eine Personalentwicklung, die den spezifischen Anforderungen der sich im KI-Zeitalter verändernden Arbeitswelt Rechnung trägt. Diese konnektive Management Education verbindet Elemente in den folgenden Feldern:

Theorie und Praxis (A)
Ausbildung und Weiterbildung (B)
Spezialisierung und Interdisziplinarität (C) sowie
menschliche Stärken und Künstliche Intelligenz (D).

Die Harmonisierung dieser Elemente ist ein wichtiger Gestaltungsansatz im Rahmen der Strategie 5.0, die neue Wettbewerbsvorteile ermöglicht. Die Grundlage hierfür bildet eine veränderte Haltung, die durch Zukunftsgeist geprägt ist. Eine solche Haltung kombiniert Optimismus mit Offenheit und Neugier mit Experimentierfreude zu einer mentalen Beweglichkeit, die hilft, Chancen zu erkennen und zu nutzen.¹¹

Das erste dieser vier Felder ist eine bessere Verbindung von theoretischen Grundlagen und deren praktischer Anwendung. Dabei geht es sowohl um die Ausbildung für eine veränderte Arbeitswelt als auch um die Weiterbildung vieler Menschen in einer sich durch KI verändernden Arbeitswelt. Mit KI entstehen neue fachliche Spezialisierungen. Gleichzeitig steigt die Bedeutung einer stärker interdisziplinären Ausrichtung der Management Education. Insgesamt gilt es, menschliche Stärken in Lehre und Forschung wie z.B. Zukunftsgeist mit der Anwendung von KI als Werkzeug zu verbinden.

Diese vierfache Konnektivität ist inzwischen zu einem unserer Schwerpunkte in Forschung, Lehre und Beratung geworden.

Fazit

Universitäten sollten bei der Aus- und Weiterbildung von Managern eine stärkere Verbindung von Theorie und Praxis anstreben. Auf dem Weg zu einem Management als dynamischer Profession liefert die Mediziner-Ausbildung Anregungen
Künstliche Intelligenz (KI) verändert nicht nur die Arbeitswelt, sondern auch die Management Education. Dabei ist KI sowohl Lerninhalt als auch Werkzeug
LearnTech-Anbieter und Anwender-Unternehmen arbeiten an KI-basierten Lernplattformen, die im Fokus einer neuen Entwicklungsphase des Corporate Learning stehen
Disruptive Learning Ecosystems fordern die traditionellen Akteure heraus, stellen aber auch eine Chance für die Neuausrichtung des europäischen Bildungssystems dar
Eine konnektive Management Education für das KI-Zeitalter verbindet Elemente in verschiedenen Feldern.

Literatur

[1] von Elm, K., Vorsicht vor hochfliegenden Erwartungen. In: Handelsblatt, 07./08./09. März 2025, S. 36-37

[2] Servatius, H.G., Evolution des strategischen Managements. In: Competivation Blog, 28.06.2024

[3] Bennis, W.G., O´Toole, J., How Business Schools Lost Their Way. In: Harvard Business Review, Mai 2005, S. 96-104

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

[5] Bomke, L., Gusbeth, S., Wer gewinnt das KI-Rennen? In: Handelsblatt, 10. März 2025, S.18

[6] Burkhardt, K., Wer mit KI-Systemen arbeitet, muss vorher geschult werden. In: Handelsblatt, 18. März 2025, S. 26-27

[7] Bersin, J., The $ 340 Billion Corporate Learning Industry is Poised for Disruption, 23. März 2024

[8] Schimroszik, N., Doinstruct schult Mitarbeiter mit KI. In. Handelsblatt, 19. März 2025, S. 27

[9] Servatius, H.G., Gestaltung von innovativen Stakeholder-Ökosystemen. In: Competivation Blog, 10.01.2023

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

[11] Pferdt, F.G., Radikal besser – Entfache den Zukunftsgeist, der in dir steckt, Hamburg 2025

Mentoring-Programme für die Entwicklung konnektiver Fähigkeiten

10.05.21

Bei der Aus- und Weiterbildung von Managern kommt das Thema Konnektivität zu kurz. Abhilfe schaffen kann eine neue Form von Mentoring-Programmen.

In diesen Blogpost erläutern wir, wie ein Mentoring for Connectivity bei der Bewältigung komplexer Aufgaben hilft.

Verbindung von strategischen Verhaltensmustern

Im Wettbewerb um das beste Auto-Betriebssystem treten die europäischen Hersteller und Zulieferer gegen Techkonzerne an. Bei diesem Wettbewerb spielt Softwarekompetenz eine entscheidende Rolle. So kommt eine McKinsey-Studie zu dem Ergebnis, dass der Markt für Autosoftware von heute rund 35 Milliarden US-Dollar bis 2030 auf rund 84 Milliarden wachsen wird.¹

Zur Bewältigung komplexer Aufgaben wie der Digitalisierung von Automobilen müssen Führungskräfte heute in der Lage sein, unterschiedliche strategische Verhaltensmuster zu verbinden. Unter diesem Begriff verstehen wir die häufig tief in der Kultur einer Organisation verankerten Verhaltenscharakteristika der Strategiearbeit.² Neben dem visionären und dem analyseorientierten Muster werden das in Plattform-Unternehmen ausgeprägte kooperative Muster und das agile Muster von Start-ups immer wichtiger. Eine situationsgerechte Verbindung dieser Muster ist jedoch nicht einfach. Im Rahmen von sogenannten T-shaped Skills erfordert eine solche Verbindung besondere konnektive Fähigkeiten.

T-shaped Skills

Der Begriff T-shaped Skills beschreibt die Kombination aus der Tiefe der Fähigkeiten in einem Gebiet und der Breite der Fähigkeiten. Wer über „T-förmige Fähigkeiten“ verfügt, ist also sowohl Spezialist als auch Generalist.³ Bei der Aus- und Weiterbildung von Managern dominierte lange Zeit die Spezialisierung. So wurden Ingenieure zu Technologie-Spezialisten und Betriebswirte zu Funktionsspezialisten trainiert. Diese Fokussierung bildete die Grundlage für den angestrebten Expertenstatus, eine Beurteilung durch Vorgesetzte und weit verbreitete Silokarrieren.

Die Defizite dieser Schwerpunktsetzung auf den vertikalen T-Balken sind seit langem bekannt. Neben der Spezialisierung sollten Führungskräfte daher auch über eine gewisse Breite an Fähigkeiten verfügen, die der horizontale T-Balken symbolisiert.

Als Erfolg versprechender Weg zur Erlangung dieser Fähigkeiten gilt das Projektmanagement. Auch der Erfolg von agilen Methoden wie Design Thinking und Scrum basiert nicht zuletzt auf dem Nutzenversprechen einer Förderung von Interdisziplinarität. Bei keiner dieser Methoden liegt jedoch der Schwerpunkt auf einer Verbindung unterschiedlicher Denk- und Verhaltensmuster. Diese immer wichtiger werdenden Fähigkeiten werden eher vorausgesetzt und bei der Anwendung z.B. von Design Thinking praktiziert.

Wir vertreten daher die These, dass die Aus- und Weiterbildung von Managern konnektive Fähigkeiten vernachlässigt. Diese Defizite treten z.B. beim digitalen Wandel deutlich zu Tage. So haben viele Unternehmen Schwierigkeiten bei der Verbindung zwischen einem eher stabilitätsorientierten und einem agilen Mindset.⁴ Ein vielversprechender Ansatz zur Bewältigung dieser Schwierigkeiten sind Mentoring-Programme.

Formen des Mentoring

Die Wurzeln des Begriffs Mentoring liegen in der griechischen Mythologie. So vertraute einst Odysseus seinen Sohn dem Freund Mentor an, als er in den Trojanischen Krieg aufbrach. In Unternehmen unterstützt ein erfahrener Mentor, der bzw. die nicht Vorgesetzter einer anderen Person ist, seinen Mentee über einen bestimmten Zeitraum. Bei der klassischen Anwendung dieses Personalentwicklungs-konzepts kommt der Mentor aus dem eigenen Unternehmen. Die inhaltlichen Schwerpunkte liegen bei der Begleitung z.B. beim Eintritt in das Unternehmen oder einer Beförderung.

Daneben gibt es auch das Cross Mentoring durch Vertreter anderer Unternehmen. So bereiten ehemalige Top-Manager von Chairman Mentors International Führungskräfte auf neue Aufgaben vor. Auch Personal- und Strategieberater wie Egon Zehnder, McKinsey und die Boston Consulting Group haben das Potenzial dieses Marktes erkannt.⁵

Während in der Vergangenheit der Schwerpunkt des Mentoring bei den vorhandenen Aufgaben lag, beschäftigt sich das New Mentoring explizit mit innovativen Managementthemen. Mentoren können wie z.B. beim Reverse Mentoring als junge Digitalexperten aus dem eigenen Unternehmen kommen oder auch von außen. Ein solches innovatives Thema ist die Weiterentwicklung verbindender Fähigkeiten und deren Anwendung im Rahmen eines Connective Managements.⁶

Konnektive Fähigkeiten in Software-Unternehmen

Das Konzept eines Connective Managements, das sowohl Management- und Organisationsbausteine als auch die relevanten Akteure verbindet, ist in erfolgreichen Digital-Unternehmen entstanden. Eine besondere Rolle spielt dabei die gegenüber dem klassischen Management veränderte Beziehung zwischen der Führungsebene und den Softwareentwicklern. Während Unternehmensgründer im Handwerk und in Hidden Champions in der Regel auch die ausführenden Tätigkeiten beherrschen, hat das Top-Management etablierter Unternehmen häufig eine große fachliche Distanz zur Arbeitsebene. Dies ist in Software-Unternehmen anders. Viele der Gründer und Top-Manager kommen selbst aus dem Software Engineering und pflegen daher eine enge Zusammenarbeit mit Programmierern und Datenexperten. Die Führungsebene verfügt also über ausgeprägte konnektive Fähigkeiten, die das Verhältnis zwischen der Entwicklung und der Umsetzung von Strategien prägen.

Phasen der Software-Wertschöpfung

Von erfolgreichen Software-Unternehmen kann man nicht nur lernen, wie sich die Software-Wertschöpfung verändert hat, sondern auch, wie diese Unternehmen die Zusammenarbeit von Führungskräften, Software-Ingenieuren und Kunden gestalten.⁷

Die Software-Wertschöpfung hat in den letzten Jahrzehnten verschiedene Phasen durchlaufen

von der Entwicklung von Lösungspaketen wie Enterprise Resource Planning (ERP) durch wenige große Anbieter
über Software as a Service (SaaS)
bis zur Kooperation mit Platform as a Service (PaaS-) Anbietern, die eine relative kostengünstige Infrastruktur für Software-Microservices liefern.

Dabei ist die Eigenentwicklung von Software zu einem zentralen Faktor der kundenorientierten Erzielung von Wettbewerbsvorteilen geworden. Im Zeitalter von „Build and buy Software or die“ spielt daher die Konnektivität von Kunden, Unternehmensführung und Software Engineering eine entscheidende Rolle.

Mentoring for Connectivity

Die Herausforderung für etablierte Unternehmen beim digitalen Wandel liegt darin, dass sich Führungskräfte und Softwareentwickler im Hinblick auf die Kundenorientierung weiterentwickeln. Eine zentrale Frage für die Führung ist: Was ist das Kundenproblem? Bei der Beantwortung der Frage, wie dieses Kundenproblem zu lösen ist, brauchen Software-Ingenieure einen gewissen Freiraum.

Ein Mentoring for Connectivity hilft beiden Gruppen, mentale Barrieren (Mindtraps) zu überwinden.⁸ Dabei lernen die Führungskräfte, die Arbeitsweise von Softwareentwicklern besser zu verstehen. Parallel dazu lernen die Software-Ingenieure, sich auf die Erwartungen von Führungskräften einzustellen. Die Überwindung von „Ego-Fallen“ im Rahmen des eigenen Karriereweges ist eine der vielen Aufgaben eines New Mentoring, bei dem Spezialisten für neue Managementthemen helfen können.

Digitale Entwicklung als gemeinsamer Lernprozess

Angesichts des mäßigen Erfolgs vieler Programme zur digitalen Transformation wird es Zeit umzudenken. Führende Software-Unternehmen wenden – bewusst, wie z.B. Alphabet oder unbewusst – Erkenntnisse der Komplexitätstheorie an.⁹

Sie schaffen günstige Rahmenbedingungen für eine verbesserte Konnektivität der technischen Bausteine und der relevanten Akteure. Die angestrebte digitale Entwicklung in etablierten Unternehmen sollte ebenfalls an diesen Hebeln ansetzen. Mit einem Augenzwinkern könnte man daher fragen: Stecken Sie noch in der digitalen Transformation fest oder gestalten Sie diese Entwicklung als motivierenden Lernprozess?

Fazit

Konnektive Fähigkeiten verbinden unterschiedliche Denk- und Verhaltensmuster
Mentoring-Programme helfen, Defizite bei diesen Fähigkeiten zu überwinden
Von Software-Unternehmen können etablierte Organisationen lernen, wie man die Konnektivität von Kunden, Unternehmensführung und Software Engineering als Quelle von Wettbewerbsvorteilen nutzt
Ein Mentoring for Connectivity hilft bei der Überwindung von mentalen Barrieren

Literatur

[1] Fasse, M. et al.: Der Wettstreit um das Gehirn des Autos. In: Handelsblatt, 03. Mai 2021, S. 6-8

[2] 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. 68ff.

[3] Leonard-Barton, D.: Wellsprings of Knowledge – Building and Sustaining the Sources of Innovation, Boston 1995, S. 74 ff.

[4] Servatius, H.G.: Wege zu einem agilen Mindset. In: Competivation Blog, 09.08.20218

[5] Buchhorn, E.: Lernen von den Besten. In: Manager Magazin, November 2020, S. 96-103

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

[7] Lawson, J.: Ask Your Developer – How to Harness the Power of Software Developers and Win in the 21^st Century, New York 2021

[8] Garvey Berger, J.: Unlocking Leadership Mindtraps – How to Thrive in Complexity, Stanford 2019, S. 112 ff.

[9] Brown, S. L., Eisenhardt, K. M.: Competing on the Edge – Strategy as Structured Chaos, Boston 1998

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

Disruption der Management Education für KI-basierte Neuausrichtungen

Disruption of management education for AI-based realignments

AI and the future of management education

KI und die Zukunft der Management Education

Mentoring-Programme für die Entwicklung konnektiver Fähigkeiten

Neueste Beiträge

CONNECTIVE MANAGEMENT