Neuausrichtung | Competivation
KI-Strategien mit einem Forward Deployed Engineering umsetzen

KI-Strategien mit einem Forward Deployed Engineering umsetzen

Auf die Frage, wie etablierte Unternehmen eine KI-Strategie erfolgreich umsetzen, gibt es bislang kaum befriedigende Antworten. Dies ist insofern erstaunlich, als nahezu alle Unternehmen diese Frage beantworten müssen. Mögliche Erklärungen für die ungewöhnliche Situation liegen in der Komplexität und Dynamik des Themas. Eine weitere Ursache ist, dass sich die Strategieumsetzung bei KI-Technologien vom bisherigen Stand der Forschung zum Thema Technologie-Strategie unterscheidet. Unser Expertennetzwerk hat in den letzten Jahren ein allgemeines Rahmenkonzept zur Entwicklung und Umsetzung von KI-Strategien mit einem Forward Deployed Engineering (FDE) erprobt und Unternehmen bei der Anpassung an ihre spezifische Situation unterstützt. Zunächst möchte ich kurz auf die doppelte Herausforderung eingehen, vor der viele Unternehmen stehen.

In diesem Blogpost beschäftige ich mich mit den Fragen, welche Bedeutung das Trendthema Forward Deployed Engineering bei der Umsetzung von KI-Strategien hat und warum Unternehmen hier eigene Kompetenzen aufbauen sollten.

 

Doppelte Herausforderung für Unternehmen

Die Bedeutung der KI-Strategie für die Wettbewerbsfähigkeit von etablierten Unternehmen hat in den letzten Jahren deutlich zugenommen.1 Allerdings fehlt es den meisten Unternehmen an Erfahrung bei der Entwicklung und Umsetzung von KI-Strategien.

Hinzu kommt, dass KI-Strategien, die in strategische und organisatorische Neuausrichtungen eingebettet sind, einer häufigen Anpassung bedürfen. Diese Neuausrichtungen erfolgen in vielen Fällen noch während oder nach einer Restrukturierung mit traditionellen oder innovativen Ansätzen. Dabei ist die Verbindung zwischen den beiden Herausforderungen Restrukturierung und Neuausrichtung meist schwach. Im Rahmen einer Restrukturierung spielt die Resilienz bei der Krisenbewältigung eine wichtige Rolle, und das Thema KI steht auch bei aktuellen Restrukturierungsansätzen, wie dem Humanocracy-Konzept, nicht im Vordergrund.

Lernprozess Innovationsstrategie

In seinem 2020 erschienenen Buch Humanocracy hat der Management-Guru Gary Hamel einen Restrukturierungsansatz beschrieben, dessen Fokus auf dem Bürokratieabbau liegt. Hamel und sein Co-Autor kritisieren Hierarchien und plädieren für eine menschenzentrierte Organisation, die durch sieben Kernprinzipien wie z.B. Eigentümerschaft und Offenheit gekennzeichnet ist. In einer erweiterten Auflage beschäftigen sie sich auch mit dem Thema KI und vertreten die These, Bürokratie blockiere eine Ausschöpfung des KI-Potenzials. Arbeit müsse neu gedacht werden. Welche Rolle KI dabei genau spielt, behandeln die Autoren aber nur am Rande.2

Das bekannteste deutsche Unternehmen, das den Humanocracy-Ansatz anwendet und dafür den Begriff Dynamic Shared Ownership (DSO) geprägt hat, ist Bayer. Unter der Führung von Bill Anderson hat der Chemie- und Pharma-Konzern seine 13 Hierarchieebenen um 50 Prozent reduziert und zwei Drittel der Führungspositionen gestrichen. Bayer verändert aber nicht nur seine Organisationsstruktur, sondern setzt auch das Thema Agilität radikal um. Hierzu zählen 3

  • eine Dezentralisierung von Entscheidungen (Verlagerung von 95 Prozent direkt zu kunden- und produktnahen Einheiten)
  • die Schaffung von Entrepreneural Teams (relativ autonome, funktionsübergreifende Arbeitsgruppen, deren Mitglieder gleichzeitig zu einer „professionellen Heimat“ gehören)
  • ein iteratives Arbeiten im 90-Tage-Takt (mit Anwendung von agilen Methoden) sowie
  • ein neues Führungsverständnis nach dem VACC-Modell (Visionary, Architect, Catalyst, Coach).

Agilität wird so zum Kern einer veränderten Unternehmenskultur. Wie viele andere Unternehmen befindet sich auch Bayer im Prozess einer Neuausrichtung für das KI-Zeitalter.

Vor einigen Jahren haben wir begonnen, die Entwicklung des strategischen Managements in Stufen zu gliedern und die gegenwärtige fünfte Stufe verbindender Strategien zu analysieren.4 Bei dieser Strategie 5.0 stehen Unternehmen vor der Aufgabe einer dreifachen Neuausrichtung (Realignment), in der sie digitaler, nachhaltiger und resilienter werden müssen.5 Beim Thema KI kommen zu dieser zeitlichen Konnektivität die vertikale Verbindung verschiedener Ebenen von der Geopolitik bis zu den Individuen und horizontale Verbindungen auf jeder Ebene.6 Beispiele hierfür liefert die Konnektivität von Handlungsfeldern eines Unternehmens bei der Umsetzung seiner KI-Strategie. Vielen Unternehmen bereitet die Gestaltung dieser Verbindungen Schwierigkeiten.

 

Umsetzungsdefizite bei KI-Strategien

Der IT-Verband Bitkom hat ermittelt, dass der Anteil der Unternehmen in Deutschland, die KI einsetzen, innerhalb eines Jahres von 36 auf 57 Prozent gestiegen ist. Hierzu wurden rund 600 Unternehmen mit mehr als 20 Beschäftigten befragt. Drei Viertel der Unternehmen nutzen KI, um Fragen zu beantworten. Aber immerhin haben auch schon ein Drittel der Unternehmen mithilfe von KI neue Produkte und Dienstleistungen entwickelt. Bitkom urteilt daher, KI sei in der Wirtschaft angekommen.7 Nicht so positiv sieht es bei der Implementierung von KI-Strategien aus.

Nach einer im ersten Quartal 2026 von SAP gemeinsam mit dem US-Marktforscher IDC veröffentlichten Studie sagen zwar 81 Prozent der befragten Unternehmen, dass sie über eine KI-Strategie verfügen, allerdings haben nur 12 bis 16 Prozent diese bislang umgesetzt. In der Studie sind 620 IT-Führungskräfte in 15 Ländern befragt worden. Die größte Hürde bei der Umsetzung seien nicht die Infrastruktur oder die Daten, sondern fehlende KI-Kompetenzen, Veränderungsmüdigkeit und Widerstand der Beschäftigten.8 Daher erfordert die Umsetzung einer KI-Strategie ein integriertes Programm bei dem am Anfang zu klären ist, was das Unternehmen unter einer KI-Strategie versteht.

 

Was versteht man in Zeiten großer Unsicherheit unter einer KI-Strategie?

Die Literatur zum Thema KI-Strategie liefert eine Vielzahl von Definitionsversuchen, die der dynamischen Entwicklung des Themas aber nur zum Teil gerecht werden. Nach unserem Verständnis streben Akteure mit einer KI-Strategie an, Wettbewerbsvorteile in komplexen, evolutionären Systemen zu erreichen.9 Diese Systeme sind sowohl durch die Interaktion zwischen Menschen und KI-Technologien10 als auch durch die Interaktion von Akteuren auf verschiedenen Ebenen geprägt (z.B. der Ebene von Staaten und der von Organisationen). Auf der Ebene von Organisationen ist traditionell zwischen Akteuren zu unterscheiden, die KI-Technologien entwickeln und solchen die sie anwenden. Das AI Forward Deployed Engineering verbindet KI-Entwickler mit KI-Anwendern. Diese Definition bildet die Grundlage für die Konkretisierung einer KI-Strategie.11

Ein wichtiger Komplexitätstreiber in KI-Systemen ist gegenwärtig die Angst vor einem Kontrollverlust. Dabei herrscht große Unsicherheit bezüglich der Fragen

  • wie gefährlich und eigenständig KI-Technologien in relativ kurzer Zeit werden können und
  • wer für eine Eindämmung möglicher Bedrohungen verantwortlich ist.

Auslöser dieser Unsicherheit sind die ungeplanten „Ausbrüche“ neuer Programme führender KI-Unternehmen, die sich zunächst unbemerkt in die Systeme von anderen Unternehmen gehackt haben. Wenn nun z.B. Dario Amodei, der Chef von Anthropic warnt, eine Super-KI könne weite Teile des Internets lahmlegen und mahnt, man müsse die Entwicklung entschleunigen, so zweifeln viele Experten, ob ihn wirklich echte Sorge treibt oder ob er andere Beweggründe hat.12 Vor diesem Hintergrund spielt sich der Aufholprozess europäischer Unternehmen beim Thema KI ab.

Ein moderner KI-Pionier, der mit seinem Team den ersten Artikel zur Frage geschrieben hat, wie KI-Modelle lernen können, ein wahrscheinliches nächstes Wort in einem Text vorherzusagen, ist der an der Universität Montreal in Kanada forschende Yoshua Bengio. Er warnt seit längerem vor einem Kontrollverlust und hat 2025 das nicht kommerziell orientierte KI-Unternehmen Law Zero gegründet, um leistungsfähige KI-Systeme zu entwickeln, die von Grund auf sicher sind. Law Zero wird mit 188 Millionen Euro von Kanada und Deutschland unterstützt und plant die Eröffnung eines Büros in Berlin. Er nennt diese Systeme Scientist AI (Forscher-KI), weil sie die Welt auf eine wissenschaftliche Art betrachten und dabei eine große Wissensbasis nutzen. Für die Sicherheit ist wichtig, dass sich diese KI an menschliche Verbote hält. Ein solcher regelkonformer Ansatz würde die Verhandlungsmacht gegenüber den USA und China stärken.13

 

Programm-Management zur Umsetzung einer KI-Strategie

Was nach aktuellen Erfahrungen den Erfolg bei der Umsetzung einer KI-Strategie ausmacht, ist die Gestaltung eines Programm-Managements mit verbundenen Handlungsfeldern. Eine wichtige Klammer bildet dabei das AI Forward Deployed Engineering (FDE). Der ursprünglich im militärischen Kontext verwendete Begriff „forward deployed“ bedeutet, dass beim Kunden vor Ort eingesetzte Fachkräfte technische Systeme implementieren. Die durch vielfältige Wechselwirkungen verbundenen Handlungsfelder sind:

  1. Ein KI-Audit und strategische Vorausschau als Grundlage für die Ableitung einer KI-Grundstrategie
  2. der Weg von KI-Pilotprojekten zu KI-basierten Geschäftsmodellen
  3. die Auswahl von strategischen Partnern mit Kompetenz im AI Forward Deployed Engineering
  4. eine Qualifizierung von Führungskräften und Personal für das KI-Zeitalter
  5. die Neuausrichtung von Organisationen für eine Koevolution von menschlichen Fähigkeiten und agentischer KI
  6. die Gestaltung eines veränderten Performance Managements für Mensch-KI-Systeme.
Lernprozess Innovationsstrategie

Angesichts der dynamischen Entwicklung der KI-Technologien, des Wettbewerbs und des politischen Umfelds ist bei diesem Programm-Management Agilität ein wichtiger Erfolgsfaktor.

 

KI-Audit, strategische Vorausschau und Ableitung einer KI-Grundstrategie

Unternehmen, die die Entwicklung ihrer KI-Strategie systematisch angehen, beginnen im Rahmen einer Analyse der strategischen Ausgangssituation häufig mit einem KI-Audit. Nach dem Grundprinzip der SWOT-Analyse betrachten sie dabei die Stärken und Schwächen des Unternehmens beim Thema KI sowie KI-spezifische Möglichkeiten und Bedrohungen im Umfeld.

Angesichts neuer KI-Wellen gewinnt das Thema der strategischen Vorausschau (Foresight) an Bedeutung. Nach dem Hype um große Sprachmodelle stehen dabei innovative Technologien wie z.B. die physische KI im Mittelpunkt des Interesses. Daneben hat Künstliche Intelligenz das Potenzial, den Foresight-Prozess selbst zu beschleunigen und inhaltlich zu verbessern. Aus den Ergebnissen eines KI-Audits und einer KI-unterstützten Vorausschau lassen sich KI-Grundstrategien ableiten, wie z.B. ein Fokus auf Produktivitätssteigerung, der Einsatz von KI für Innovationen oder die Kombination von beidem in Form einer KI-basierten Ambidextrie.14

So möchte z.B. BMW bis 2028 ein KI-orchestriertes Unternehmen werden. Damit gemeint ist die dritte Stufe des Umbaus seines Operating Models (OM). In der ersten Stufe unterstützt KI die Mitarbeitenden bei einzelnen Aufgaben. Gegenwärtig befindet man sich im Übergang zu Stufe zwei, in der KI-Agenten ganze Abläufe übernehmen. Im OM 3.0 arbeiten dann mehrere Agenten über Abteilungsgrenzen hinweg zusammen. Als besonders geeignet hierfür sieht Vorstand Nicolai Martin den Einkauf. Das jährliche Einkaufsvolumen von BMW beträgt 80 Milliarden Euro. Mit KI-Agenten will er einen mittleren dreistelligen Millionenbetrag einsparen.15

 

Anstelle eines solchen systematischen Ansatzes experimentieren viele Unternehmen in Form von KI-Pilotprojekten, denen aber keine klare Strategie zugrunde liegt.

 

Von KI-Pilotprojekten zu KI-basierten Geschäftsmodellen

Die Gefahr bei unkoordinierten, individuellen KI-Aktivitäten und KI-Pilotprojekten ist, dass ein Flickenteppich entsteht, der nicht zu einer dauerhaften Wertsteigerung führt. Besser ist eine schrittweise Neuausrichtung zu KI-basierten Geschäftsmodellen.

Der Begriff Business Model ist in der Managementlehre vor einem Vierteljahrhundert im Zuge der Entwicklung des Electronic Commerce entstanden. Weit verbreitet zur Beschreibung und Weiterentwicklung von Geschäftsmodellen ist der 2010 publizierte Business Model Canvas mit seinen neun Handlungsfeldern.16

Diesen Analyserahmen, der z.B. das Thema Nachhaltigkeit völlig ausklammert,17 haben wir an die Besonderheiten von KI-basierten Geschäftsmodellen angepasst. Unser AI Business Model Canvas hat elf verbundene Handlungsfelder. In der praktischen Arbeit bewährt er sich als Methode zur Gestaltung der dynamischen Evolution von Geschäftsmodellen.

Lernprozess Innovationsstrategie

Die Entwicklungsreise beginnt in vielen Unternehmen mit einer Nutzung der Ressourcen von KI-Partnerunternehmen, z.B. den Anbietern großer Sprachmodelle oder KI-Startups und ihren Finanzpartnern. Dieser Beginn hat häufig eher einen experimentellen als einen strategischen Charakter. Das Ergebnis ist eine Vielzahl wenig aufeinander abgestimmter Kooperationen. Ein aktueller Trend ist, dass KI-Unternehmen wie Open AI, Anthropic und Softwareanbieter wie SAP auf das beim US-Unternehmen Palantir entstandene Forward Deployed Engineering setzen, um ihren Kunden zu einer besseren Umsetzung von deren KI-Strategien zu verhelfen.

Das Ziel sind zunächst häufig KI-unterstützte Produktivitätssteigerungen bei Wertschöpfungs- und Kundenprozessen. Dabei zeichnet sich ein allmählicher Übergang von KI-Assistenten zu KI-Agenten ab, die unter menschlicher Kontrolle Teilaufgaben übernehmen. Anzustreben ist die Auswahl von strategischen KI-Partnern mit einer klar formulierten eigenen Strategie, die auch die Risiken einer Zusammenarbeit berücksichtigt.

Parallel dazu stellt sich für Unternehmen die Frage, welche KI-Ressourcen sie selbst aufbauen sollen. Dabei reicht das KI-relevante Spektrum von den eingesetzten Technologien und der Infrastruktur über eine einheitliche Datenbasis bis zur Nutzung des eigenen Wissens und einer Verbesserung der KI-Kompetenz.

Zu den vorhandenen Kosten kommen durch KI verursachte zusätzliche Kosten, die zunehmend systematisch erfasst werden. Die erhofften Produktivitätssteigerungen bleiben aber nicht selten aus, was inzwischen zu einer KI-Ernüchterung geführt hat. Daher gewinnen Router-Modelle an Bedeutung, die die KI-Technologien mit dem besten Preis-Leistungsverhältnis für die jeweilige Aufgabe auswählen.

Neben diesen ressourcenorientierten Strategieansätzen beschäftigen sich Unternehmen mit dem durch KI induzierten Wandel des Kundenverhaltens. Dieser Wandel hat neben branchenspezifischen Aspekten auch eine segmentspezifische Komponente, die von frühen Anwendern bis zu erfahrenen Nutzern geht.

Künstliche Intelligenz verändert nicht nur die Kundenprozesse, sondern auch die Kundenbeziehungen. Sie ermöglicht eine stärkere Personalisierung in Echtzeit, schnelle Antworten, Reaktionen durch agentische KI-Bots und mehr Zeit für die persönliche Kundeninteraktion bei komplexen Aufgaben. Die technische Umsetzung erfolgt durch eine Integration von KI in die Customer Relationship Management (CRM-) Systeme.

Dies ermöglicht KI-basierte Wertversprechen für Kunden mit Preisvorteilen und Innovationen der Produkte und Dienstleistungen. Bedarf nach einer gestaltungsorientierten Managementforschung besteht noch bei neuen KI-basierten Geschäftsmodellmustern. Ein Beispiel ist das Muster Automation as a Service. Hierzu entwickeln etablierte Automatisierungsspezialisten wie Siemens verstärkt eigene Kompetenz im Forward Deployed Engineering.

Das Ziel ist ein erfolgreiches Wachstum durch KI-induzierte Umsätze, das zu einer dauerhaften Wertsteigerung führt. Europäische Unternehmen stehen hier vor der Herausforderung, im Wettbewerb mit den USA und China aufzuholen. Der integrierte Ansatz des AI Business Model Canvas leistet dabei einen wichtigen Beitrag. Im Vergleich zu traditionellen Canvas-Modellen haben wir zwei Handlungsfelder ergänzt.

Das erste behandelt die bereits aus dem Sustainable Business Model Canvas bekannten Wirkungen des eigenen KI-Ökosystems auf Umwelt und Gesellschaft. Wichtige Themen sind z.B. der Aufbau von grünen Rechenzentren und die Sicherung von durch KI bedrohten Arbeitsplätzen mit Hilfe von Weiterbildung.

Das zweite Feld beschäftigt sich neben der öffentlichen KI-Förderung mit Wegen zur KI-Regulierung und einem Schutz vor den Bedrohungen durch KI. Diese beiden Felder verdeutlichen, dass Künstliche Intelligenz eine Mehrebenen-Strategie benötigt, die ich in unserem letzten Blogpost erläutert habe.

 

Auswahl von strategischen Partnern mit Kompetenz im AI Forward Deployed Engineering

Bei der Auswahl von strategischen Partnern stellt sich die Frage nach deren Leistungsfähigkeit und Vertrauenswürdigkeit.18 Dies gilt in besonderem Maße für das von dem politisch umstrittenen US-Milliardär Peter Thiel und dem heutigen CEO Alexander Karp 2003 mitgegründete Unternehmen Palantir, das das dort entstandene Forward Deployed Engineering (FDE) im Zuge seiner KI-Offensive zu einem AI FDE weiterentwickelt hat. Unabhängig von den politischen Positionen der beiden ist es wichtig, deren Grundideen zu kennen, die die Entwicklung des FDE-Pioniers geprägt haben.

Den gegenwärtigen Hype um das FDE-Thema hat eine 2025 publizierte MIT-Studie ausgelöst, die zu dem Ergebnis kommt, dass 95 Prozent der GenAI-Pilotprojekte von Unternehmen nicht die erhofften wirtschaftlichen Erfolge bringen. Die Ursache für das Scheitern der Initiativen liegt aber meist nicht an den KI-Modellen selbst, sondern in der Lücke auf dem Weg vom Modell zur Umsetzung beim Kunden.19

Die theoretischen Grundideen von Peter Thiel und Alexander Karp, auf denen das Forward Deployed Engineering bei Palantir aufbaut, sind:20

  1. Eine Mensch-Maschine Symbiose statt reiner KI-Automatisierung (Thiel und Karp). Die Stärke von KI liegt im Strukturieren großer Datenmengen. Aber es braucht Menschen mit Intuition, um Muster in komplexen Kontexten zu erkennen.
  2. Die institutionelle Verhaltenslehre mit dem Konzept des „antizipatorischen Kellners“ (Karp). IT-Dienstleister sollten keine unterwürfigen Befehlsempfänger sein, die Pflichtenhefte abarbeiten, ohne das eigentliche Problem des Kunden zu verstehen. Der Kellner kennt die Abläufe in der Küche (Software) ebenso gut wie die Wünsche des Gastes (Kunden). Er hat genügend Selbstbewusstsein, den Gast kompetent umzuleiten, wenn dieser etwas Unkluges bestellen möchte.
  3. Vermeidung von Wettbewerb durch ein einzigartiges Geschäftsmodell (Thiel). Software as a Service lässt sich leicht kopieren. Die wahre Barriere, die den Wandel zu einem anderen Anbieter verhindert (Burggraben oder Moat) entsteht dort, wo Software auf die unordentliche, reale Welt trifft. Hierauf basiert das Konzept „von der Schotterstraße zur asphaltierten Autobahn“.
  4. Pragmatik in der Lebenswelt gegen abstrakte Theorie (Karp). Im echten Leben gibt es keine sauberen Datenstruktren und universell gültigen IT-Architekturen vom Reißbrett. FDEs sind „Ingenieur-Diplomaten“, die pragmatisch agieren müssen. Dabei ist perfekter Code zweitrangig. Entscheidend ist ein Code, der auch in Krisensituationen funktioniert.

Palantirs erfolgreiches Geschäftsmodell ist somit das erstaunliche Ergebnis von Thiels ökonomischer Monopoltheorie und Karps sozialwissenschaftlichem Verständnis von menschlichen Interaktionen, bei denen Software – und später KI – in die Realität des Kunden hineinoperieren.

Lernprozess Innovationsstrategie

Für die Berufspraxis (Craft) eines Forward Deployed Engineering ist das Zusammenspiel von zwei Rollen charakteristisch, die Palantir als Echo und Delta bezeichnet. Die Echo-Rolle besteht darin, tief in die Kunden-Organisation einzutauchen, um ein oft verstecktes Kernproblem zu identifizieren. Dies erfordert ein gutes Fach- und Branchenwissen. Der Echo-Typ ist aber kein zufriedener Praktiker, sondern eher ein „Domänen-Rebell“, der erkennt, was gegenwärtig nicht gut läuft und worin die Ursachen liegen. Dazu muss er auch die Kultur einer Organisation und die interne Politik von Abteilungen verstehen.

Aus diesem Was und Warum ergeben sich Anforderungen für den Delta-Typ. Dieser entwickelt in verschiedenen Lernschleifen funktionierende Lösungen, die nicht immer deckungsgleich mit den ursprünglichen Kundenvorstellungen sein müssen. Entscheidend bei dem Wie ist, ob sich die Lösung schließlich im Kundenalltag bewährt. Dies erfordert neben technischer Kompetenz eine „gezackte“ (jagged) Intelligenz, die das ungleichmäßige Fähigkeitsprofil von KI berücksichtigt. Dieses gleicht einer Klippenlandschaft mit steilen Spitzen (Genialität) und tiefen Tälern (Totalausfall).

Die intensive Zusammenarbeit mit dem Kunden (Engagement) in einem AI-FDE-Projekt wird in die folgenden drei Phasen gegliedert:

  1. Scope (Anforderungsabgrenzung)
  2. Validate (Machbarkeitsnachweis) und
  3. Deliver (Bereitstellung).

In der Scoping-Phase geht es darum, das Kundenproblem präzise zu erfassen und in eine technische KI-Spezifikation zu übersetzen. Bei der Validation steht die Frage im Vordergrund, ob das identifizierte Problem tatsächlich eine hohe Priorität hat. Falls nicht, wird der Scope entsprechend angepasst. Die praktische Einbettung einer Lösung in die Infrastruktur eines Kunden erfolgt dann in der Deliver-Phase.

Das Palantir-Konzept „von der Schotterstraße zur asphaltierten Autobahn“ meint, dass es beim Forward Deployed Engineering zwei Arten von Lösungen gibt. Die erste ist die beim Kunden entstandenen Lösung, für die er bezahlt („die Schotterstraße“). Aus einer größeren Anzahl solcher Kundenlösungen gestaltet der Anbieter einen systematischen Lerneffekt, der in seine eigene Plattform einfließt („die asphaltierte Autobahn“) und Wettbewerbsvorteile ermöglicht. Dieser Effekt ist aus dem Consulting seit langem bekannt, erreicht beim FDE und milliardenschweren KI-Plattformen aber eine neue Dimension.

Daher sollten Kunden bei einer Zusammenarbeit mit FDE-Anbietern eine Abwägung treffen zwischen

  • der erhöhten Geschwindigkeit, die der Anbieter ermöglicht
  • dem Verlust an Abstraktionswissen, das nicht im Kundenunternehmen, sondern beim Anbieter entsteht
  • der zunehmenden Abhängigkeit von einem oder mehreren KI-Plattformanbietern sowie
  • laufenden Nutzungskosten, die an Externe fließen und fehlender eigener Kompetenz für notwendige Weiterentwicklungen.

Wenn also das zu lösende Problem einen wichtigen eigenen Wettbewerbsvorteil betrifft, Datensouveränität oberste Priorität hat oder eine langfristige Kostenkontrolle und Wertsteigerung angestrebt werden, sollte das Unternehmen eher auf eigene FDE-Kompetenz setzen.

Deshalb liegt die Verantwortung für die Auswahl von strategischen KI-Partnern und die eigene Personalstrategie beim Vorstand bzw. der Geschäftsführung („beim CEO“).

Lernprozess Innovationsstrategie

Dabei sind die folgenden drei Dimensionen eines neu interpretierten KI-Performance-Konzepts zu beachten:

  1. die Leistungsfähigkeit der eingesetzten KI-Modelle
  2. die Vertrauenswürdigkeit der strategischen KI-Partner und
  3. das Verhältnis von KI-Ergebnissen zu KI-Kosten nach der Umsetzung eines ersten KI-Projekts und längerfristig.

Nicht selten entsteht ein Performance-Paradoxon, bei dem die Leistungsfähigkeit der Modelle je nach Aufgabe unterschiedlich, die Vertrauenswürdigkeit der Partner gering und das langfristige Ergebnis-Kosten-Verhältnis schlecht ist.

Einen anderen Ansatz als die KI-Entwickler, deren Schwerpunkt bei großen Sprachmodellen liegt, die sich mit Zahlen schwertun, verfolgt SAP. Gemeinsam mit dem übernommenen Freiburger Startup Prior Labs setzt man in Walldorf auf die Anpassung von Tabellenmodellen, die Daten verarbeiten, an wissensspezifische Geschäftsprozesse. Beim Forward Deployed Engineering gibt es eine Rückbesinnung auf die Erfahrungen der eigenen Gründerjahre. Aus der Sicht des SAP-Technikchefs Philipp Herzog geht es darum, die Arbeitsweisen von Wissensarbeitern genau zu studieren, dafür die richtigen KI-Agenten zu entwickeln und die entsprechenden Muster zu erkennen, die auf der SAP-Plattform laufen.21

Für die KI-Strategie von SAP von erheblicher Bedeutung ist die Beteiligung an dem Startup Nova Intelligence, zu dessen Gründern Alexander Zeier gehört, der zusammen mit Hasso Plattner SAP HANA entwickelt hat. In den meisten Unternehmen liegt ein Großteil des Wissens, wie die Organisation arbeitet, im gewachsenen Eigencode des SAP-Systems. Eine agentische KI-Plattform, die das SAP-System modernisiert, muss dieses Wissen zunächst erfassen. Auf diesem spezifischen Wissensmodell der Geschäftsprozesse bauen die Anwendungen der nächsten Jahre auf. In der Vergangenheit ist der Umstieg auf S/4 HANA über zwei Wege erfolgt:Erstens Greenfield, bei dem die Eigenentwicklungen zurückbleiben und zweitens Brownfield, bei dem alles, was sich angesammelt hat, auf die neue Plattform gebracht wird. Nova Intelligence hat einen neuen Modernisierungsansatz entwickelt, für den sich gegenwärtig der Name Cleanfield etabliert. Dieser Ansatz geht von der Frage aus, was vom Bestand übernommen werden soll und was das Unternehmen neu gestalten möchte. Cleanfield bedeutet also: Erst bereinigen und dann konvertieren. Mit diesem Ansatz ist bereits einer Reihe von Unternehmen der Übergang zu S/4 HANA und agentischer KI gelungen.22

Eine wichtige Rolle bei der Neuausrichtung von SAP und seinen Kunden spielt die Qualifizierung für die veränderten Aufgaben.

 

Qualifizierung von Führungskräften und Personal für das KI-Zeitalter

Angesichts der Gefahr, dass der Hype um das Forward Deployed Engineering vor allem den großen KI-Entwicklern Vorteile bringt, stellt sich die Frage, wie eine Qualifizierungsoffensive aussehen müsste, damit FDE zur Kernkompetenz möglichst vieler KI-Anwender wird.23

Bislang gibt es bei KI-Anwenderunternehmen erst wenige Pioniere, die in der Personalentwicklung neue Wege gehen. Da der Markt für FDEs leergefegt ist, setzen z.B. Siemens, Mercedes Benz, Bayer und die Allianz auf interne Upskilling-Programme. Wichtige Ziele sind

  • die Entwicklung einer Build-To-Learn-Kultur
  • ein Training von Fachexperten für die Echo- und Delta-Rollen sowie
  • der Aufbau eigener KI-Plattformen zum Schutz von erfolgskritischen Kompetenzen.

Parallel dazu wäre es wichtig, im Rahmen einer europäischen KI-Mehrebenen-Strategie die Aus- und Weiterbildung von FDEs zu verbessern. Eine solche Bildungsoffensive erfordert gezielte Verbindungen zwischen den klassischen IT-, Ingenieur- und Management-Studiengängen, die die Lernenden auf neue Berufsbilder wie das des FDEs nicht nur theoretisch sondern auch praktisch vorbereiten. Diese Verbindungen wären von großer Bedeutung für den Mittelstand mit seinen zahlreichen Hidden Champions, deren Knowhow nicht in Richtung Digitalgiganten abfließen sollte.

Eine solche bildungspolitische Offensive ist leider bislang erst in Ansätzen erkennbar. Sie eröffnet aber auch Chancen für die Lehre und Forschung von Universitäten, die bereit sind, diese Möglichkeiten zu nutzen. In der Tätigkeit unseres Expertennetzwerks verknüpfen wir die transdisziplinäre, praxisorientierte Lehre mit einer gestaltenden Managementforschung und Beratung.24

Eine wichtige Rolle spielt dabei die Ontologie einer KI-Plattform. Der von dem deutschen Philosophen Jacob Lorhard bereits 1606 geprägte Begriff Ontologie beschreibt ursprünglich die Lehre vom Sein. Diesen Gedanken hat der US-Informatiker Tom Gruber 1993 auf die KI-Forschung übertragen. Hier bildet die Ontologie im Sinne der Spezifikation einer Konzeptionalisierung die Grundlage für Plattformen. Unter einer KI-Plattform-Ontologie versteht man die formale, maschinenlesbare Beschreibung eines Fachgebiets (Domäne) innerhalb einer KI-Umgebung. Diese legt fest, welche Entitäten (z.B. Kunden und Produkte), Eigenschaften, Beziehungen und logische Regeln existieren. Dadurch fungiert die Ontologie als eine Art standardisierte Wissenslandkarte, die unstrukturierte Unternehmensdaten in ein konsistentes semantisches Gesamtmodell übersetzt.25

Die Bedeutung einer solchen KI-Plattform-Ontologie für die Weiterbildung in KI-Anwenderunternehmen liegt darin, dass die Ontologie den Übersetzer zwischen der menschlichen Geschäftssprache und der technischen KI-Logik bildet. Dies verändert nicht nur z.B. das Onboarding und die relevanten Prompting-Fähigkeiten, sondern es entsteht auch ein Qualifikationsbedarf von Mitarbeitenden aus Fachbereichen, die das Unternehmen zu „Ontologie-Managern“ weiterbildet. Deren Aufgabe ist es, die Ontologie zu pflegen und kontinuierlich mit neuem Fachwissen zu füttern. Da diese Tätigkeit Wettbewerbsvorteile sichert, sollten Unternehmen sie nicht an Externe übertragen.

Der Microsoft-CEO Satya Nadella bezeichnet die gegenwärtige Asymmetrie zwischen KI-Anwendern und KI-Entwicklern als umgekehrtes Informationsparadoxon. Damit meint er eine Einbahnstraße des Wissens, bei der sich die Macht und die Wissensverhältnisse zugunsten des KI-Entwicklers verschieben, während der KI-Anwender dessen Modelle nutzt.26

Lernprozess Innovationsstrategie

Der KI-Entwickler trainiert seine KI-Modelle nicht nur mit den öffentlich zugänglichen Daten aus dem Internet. Er lernt auch bei jeder Interaktion aus dem „Intelligenz-Abgas“ des Anwenders. Gleichzeitig verbietet er dem Anwender das Lernen aus den Antworten der KI, um dessen eigenes Modell zu verbessern (Modell-Destillation).

Auf der anderen Seite zahlt der Anwender nicht nur einmal für die Nutzung des KI-Modells des Entwicklers, sondern auch ein zweites Mal mit seinem internen Wissen, das an den Entwickler abfließt. So verliert der Anwender kontinuierlich an Wettbewerbsfähigkeit. Nadella empfiehlt Gegenmaßnahmen, die fünf Prinzipien folgen. Hierzu zählen neben einer Kontrolle der eigenen Daten und eigenes Training der Modelle, eine Wahlfreiheit der Entwickler und eine Kombination der Modelle. Das Ziel eines Zusammenwirkens dieser Prinzipien ist eine Verbesserung der eigenen KI-Ressourcen.

Diese provokante Einschätzung von Nadella stößt zwar in Europa auf große Zustimmung. Aber insbesondere kleinen und mittelgroßen Unternehmen fällt die Umsetzung der Gegenmaßnahmen schwer. Außerdem sollte man sich bewusst machen, das Microsoft nicht nur Milliarden in Open AI investiert hat, sondern mit seiner Cloud-Plattform Azure auch an den Entwicklern von KI-Modellen verdient.

Eine wichtige Frage ist daher, ob es KI-Anwenderunternehmen gelingt, mit einer Qualifizierungsoffensive auch die sich abzeichnenden organisatorischen Neuausrichtungen zu meistern.

 

KI-basierte Neuausrichtung von Organisationen und Veränderung des Performance Managements

Bei der KI-basierten Neuausrichtung von Organisationen und einer Veränderung des Performance Managements gibt es interessante Entwicklungen, auf die ich voraussichtlich in meinen nächsten Artikeln eingehen werde. Hier ist die Lage allerdings etwas unübersichtlich, sodass nicht ganz klar ist, welche neuen Trends sich in der Praxis durchsetzen werden. Eine wichtige Rolle spielen dabei die Wechselwirkungen zwischen KI-basierten strategischen und organisatorischen Neuausrichtungen mit ihren Implikationen für einen grundlegenden Wandel der Ableitung von Zielen und der Art, wie die Leistung von Menschen und KI-Agenten gemessen wird.

 

Fazit

  • Viele Unternehmen sagen, sie hätten inzwischen eine KI-Strategie, deren Umsetzung ihnen jedoch Schwierigkeiten bereitet
  • Eine der Ursachen für diese Schwierigkeiten ist eine große Unsicherheit bezüglich möglicher Bedrohungen durch KI-Technologien
  • Die Umsetzung einer KI-Strategie erfordert ein Programm-Management mit verbundenen Handlungsfeldern
  • Den Weg von KI-Pilotprojekten zu KI-basierten Geschäftsmodellen unterstützt ein AI Business Model Canvas als Gestaltungsrahmen für die Geschäftsmodell-Evolution
  • Viele KI-Entwickler setzen inzwischen auf das bei Palantir entstandene Forward Deployed Engineering, das auf einigen Grundideen basiert und zwischen zwei Rollen sowie drei Phasen unterscheidet
  • Für KI-Anwender ist es gefährlich, dass ihr Wissen dabei systematisch an die KI-Entwickler abfließt, was bei denen zu Wettbewerbsvorteilen führt
  • In der Personalentwicklung von KI-Anwendern gewinnt das Verständnis der KI-Plattform-Ontologie des eigenen Unternehmens an Bedeutung

 

Literatur

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

[2] Hamel, G., Zanini, M., Humanocracy – Creating Organizations as Amazing as the People Inside Them, Updated and Expanded, Harvard Business Review Press 2025

[3] Viel. O., Dynamic Shared Ownership – How Bayer is Rewiring the Enterprise for Agility, Purpose, and AI Readiness, 24. Juli 2025

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

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

[6] Servatius, H.G., Innovationsnarrative für eine verbindende KI-Mehrebenen-Strategie. In: Competivation Blog, 09.09.2026

[7] Mensch, T., KI-Erfolg hängt am Management. In: Handelsblatt, 13. Oktober 2026, S. 26

[8] Misra, S., Die meisten Unternehmen haben eine KI-Strategie. Was die besten 8% anders machen. In: SAP-Website, 8. Mai 2026

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

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

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

[12] Alvarez de Souza Soarez, M. et al., Die Welt im Griff der KI. In: Handelsblatt, 18./ 19./ 20. September 2026, S. 6-12

[13] Bengio, Y., „Diese KIs betrügen, obwohl sie es nicht dürfen“ (Interview). In: Handelsblatt, 25./ 26./ 27. September 2026, S. 38-39

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

[15] Bomke, L., Stippler, F., KI-Geschäftsmodell soll BMW Milliarden einsparen. In: Handelsblatt, 17. Oktober 2026, S. 26-27

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

[17] Servatius, H.G., Nachhaltige Geschäftsmodelle durch eine verbesserte Stakeholder-Interaktion. In: Competivation Blog, 11.04.2018

[18] Servatius, H.G., Gestaltung von vertrauenswürdigen Hochleistungssystemen. In: Competivation Blog, 29.01.2026

[19] Goldmann, S., MIT-Report – 95% of Generative AI at Companies are Failing. In: Fortune, 18. August 2025

[20] Gramatikov, R., Forward Deployed – Inside the Palantir Framework that Solved Enterprise AI, Amazon Digital Services 2026

[21] Alvarez de Souza Soares, P., Kerkmann, C., Wie SAP trotz KI-Rückstand wieder gewinnen will. In: Handelsblatt, 5. Oktober 2026, S. 24-25

[22] Zeier, A., Agentische KI verändert die Ökonomie der SAP-Systeme. In: E3-Beilage, November 2026, S. 10-21

[23] Servatius, H.G., Disruption der Management Education für KI-basierte Neuausrichtungen. In: Competivation Blog, 29.10.2025

[24] Seratius, H.G., Gestaltende Innovationsforschung zu KI-Anwendungen. In: Competivation Blog, 25.03.2026

[25] Talisman, J., Ontology Pipeline – A Framework for Building Knowledge Infrastructures, Technics Publications 2026

[26] Nadella, S., The Reverse Information Paradox. In: Plattform X, 12. Juli 2026

Evolution des strategischen Managements

Evolution des strategischen Managements

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

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

 

Verbindung von Strategie 1.0 und 2.0

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

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

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

 

Vier grundlegende Orientierungen

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

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

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

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

Lernprozess Innovationsstrategie

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

 

Markt- und finanzorientiertes strategisches Management

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

Lernprozess Innovationsstrategie

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

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

 

Technologie- und innovationsorientiertes strategisches Management

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

Lernprozess Innovationsstrategie

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

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

Lernprozess Innovationsstrategie

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

 

Die generative KI als Game Changer für Europa

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

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

 

Fazit

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

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

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

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

 

Literatur

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Triple strategic realignment

Triple strategic realignment

Many companies are currently facing the task of becoming more digital, more sustainable and more resilient. The automotive industry provides an example of this triple strategic realignment. The necessary complex process requires the change of a system of interconnected fields of action. The question arises as to how companies can succeed in mastering such a process together with politics, science and society.

 

In this blog post, I explain the difference between the terms transformation and realignment and explain why the concept of transformation is based on an outdated understanding of management that is unfortunately still widespread.

 

Automotive companies that need to become more digital, sustainable and resilient

Established automotive companies are in the fifth development stage of a connective strategic management,1  in which they must become more digital, more sustainable and more resilient. So far, management theory and practice have provided little guidance for such a triple realignment. However, it is becoming increasingly clear that the idea of a comprehensive, temporary transformation is illusory and will not lead to the desired results.

When we published our book on the ecological reorientation of automotive companies in 1994, we never thought that the mobility turnaround in Germany would take so long.2 Ultimately, a strategic reorientation towards sustainable forms of propulsion only came about in response to political and competitive pressure. Traditional companies in the industry are now facing a threat from disruptive stakeholder ecosystems.3 They are looking for suitable answers and are preparing for a complex change with various options.

Digitalization is the second important area of realignment and is being driven primarily by large tech companies and start-ups. It has taken place in various waves and affects both the automotive product and key business processes. Digital technologies have the character of game changers, which the general public has become aware of at the latest since the hype surrounding generative artificial intelligence (AI).4 The design of innovative stakeholder ecosystems is also crucial in this field. Trustworthy AI certainly opens up opportunities for Europe.

Parallel to these developments, the geopolitical crises have increased the importance of a resilience-oriented realignment.5 The focus here is on improving the resilience of Western companies in the various stages of value creation. Relevant fields include raw materials, batteries, semiconductors and AI applications. For example, the leading US chip manufacturer Nvidia is heavily dependent on the Taiwanese contract manufacturer TSMC.6 This example shows that although this third dimension of realignment is linked to the other dimensions, it requires specific approaches.

The following diagram illustrates the three dimensions of realignment. The specific approaches relate to the transitions

– from analog to digital, but also trustworthy

– from primarily financially oriented to sustainable, but also realistic and

– from dependent to resilient but also strategic.

This is a key challenge for the European economy and politics in the coming years.

Lernprozess Innovationsstrategie

To this end, it is important to understand the difference between the widely used term transformation and the term realignment.

 

Difference between transformation and realignment

The term transformation has a long history of development. As early as 1944, Karl Polanyi used it as a political term of struggle to express his demand for a change in the capitalist system.7 In the 1990s, consultants understood the term transformation of organizations to mean comprehensive change.8 In doing so, they sought to differentiate themselves from the reengineering concept, which was perceived as too mechanistic. Today, transformation has become a buzzword with unclear content. This is clearly illustrated by the current term twin transformation, which suggests that digital and green change have a twin character. 9

In order to bring clarity to this confusion of terms, we differentiate between a temporal and a content dimension in organizational change. We define transformation as a temporary, comprehensive change. This brings a transformation task close to restructuring and is now also interpreted in this sense by many management consultants. In contrast, we understand realignment as a longer-term, specific change, e.g. with a focus on digitalization, sustainability or resilience.

Lernprozess Innovationsstrategie

The idea that a digital transformation is possible in the short term and comprehensively underestimates the complexity of the task. We believe this idea is illusory. Such a transformation illusion is the cause of many failures.

The term alignment of a company describes a well-coordinated connection of important system elements (e.g. business model, strategy, innovation, core competencies, organization, IT systems, culture and stakeholders) with regard to a common vision and purpose. In the course of their development, such alignment has been lost in many companies and at the same time the task of realignment in the sense of a realization arises.10

Based on these definitions, I would like to explore the question of what the complexity of a triple realignment consists of and what approach companies can use to overcome this complexity.

 

Complexity of a triple realignment

A key finding is that the complexity of a triple realignment lies in the connection of different fields of action. This triple realignment requires the change of a complex system. The transformation illusion consists of the assumption that such a change is possible with the help of one-off top-down planning. This mechanistic strategy paradigm is outdated and has now been superseded by a new paradigm that focuses on managing complexity.11 The diagram shows important fields of action for such a

Lernprozess Innovationsstrategie

Over the past sixty years, strategic management has developed in five stages. Strategy 5.0 connects the development stages. Companies manage this connectivity in various fields of action. A common vision plays an important role here as a bracket for an innovation, sustainability and resilience strategy. The focal points of a realignment of business models result from these strategies.

A second field of action is responding to or shaping disruptive stakeholder ecosystems. The research and development (R&D) management of companies, together with stakeholders from politics, science and society, is aimed at achieving competitive advantages in innovative technologies.

Field of action number three is digital, sustainable and resilient value creation. A current topic here is increasing productivity with AI-based business processes and knowledge-intensive applications. This topic affects almost all sectors and company sizes.

Mastering these fields of action requires a change in human resource management and culture as well as the development of new skills. Important impetus for overcoming complexity comes from connective leadership with agile methods, which start-ups and digital champions have implemented more consistently than established companies.

There is a close connection between this and changes in the organization, IT architecture and project management. Established companies find it difficult to transfer the concept of a platform organization with agile teams developed by digital champions to their own situation.

Action area number six is value enhancement with financial and non-financial reporting. Many companies limit themselves to a reactive approach in order to comply with new sustainability guidelines. It makes more sense to see sustainability as an opportunity for innovation.

A promising approach to this triple realignment, which connects various fields of action, is based on a breakdown into phases and learning loops. This approach differs fundamentally from rigid roadmap concepts,12 which are widely used in the literature but have often failed in practice.

 

Procedure for a triple realignment

Structuring the approach of complex tasks into phases and learning loops is based on the action learning model, which also forms the basis for agile methods. Similar to the scaling of agile teams, the challenge here is to bring the entire organization together in an iterative process. In practice, it has proven useful to divide each of the learning loops into the six phases shown in the diagram.

Lernprozess Innovationsstrategie

A realignment begins with an analysis of the company’s specific initial situation combined with a look into the future (foresight). Particular attention should be paid to the early recognition of possible radical changes. This requires a high level of contextual intelligence in order to correctly assess the complexity of external developments.

In the next phase, the task is to develop a vision for a triple realignment. One trigger may be the need to overcome crises and regain resilience. For many companies, the topic of sustainability has a meaningful effect. Digital technologies provide the potential for renewal. It is crucial to involve employees in this process and to credibly convey a spirit of optimism that provides the positive energy for the subsequent phases.

The vision forms the framework for prioritizing the dimensions of digital, sustainable and resilient as well as the fields of action for a realignment. In an initial learning loop, the company works on the challenges with the highest priority. Lower-priority tasks are completed according to the same pattern in later learning loops. This iterative approach makes an important contribution to overcoming complexity. Management often reassesses the current situation of the company and its environment after each learning loop.

In many companies, a triple realignment fails due to the existing governance model. By governance, we mean the interplay between human resource management, culture, organization and control. The supervisory board must ensure that the governance is suitable for changing this complex system and take appropriate measures if this is not the case. This fourth phase is therefore crucial to overall success. A misconceived approach to transformation contributes to an increased likelihood of joint failure between the board, management, employees and external advisors. It is possible that a restructuring may be necessary before the realignment. However, it is important to communicate this clearly and not hide behind a vaguely formulated transformation concept.

Another important hurdle is implementation in the form of programs and projects, which takes place in phase five. Coordinating the fields of action with the help of agile and transparent performance management has proven its worth here. A suitable approach is the Objectives and Key Results (OKR) method. This is used successfully by start-ups and successful digital giants, but still frequently encounters the barriers of a silo culture in established companies. In this respect, the success of the individual phases builds on each other. Without suitable governance in phase four, the coordination of the fields of action will not succeed. Feedback is therefore of great importance in this process.

The sixth and final phase is human resource development in the form of specific action learning by many. In view of the growing importance of generative AI, companies are increasingly faced with the question of how they should organize the further training of many employees during an ongoing digital realignment. As there has been nothing comparable in recent economic history, new approaches are needed here. These should start with school education. Unfortunately, Germany has largely missed out on this and is now facing the need to further develop its education system. However, the economy cannot wait for this and must take the initiative itself when it comes to human resource development.

Our practical experience shows that this approach has the character of a framework concept that each company must adapt to its specific situation. We support managers in this adaptation by combining consulting with personnel development. In this way, we achieve a better price-performance ratio for our clients than with traditional management consulting.

 

Conclusion

– Companies must currently master a triple strategic realignment and become more digital as well as more sustainable and resilient

– We understand the term realignment to mean a long-term, specific change

– The complexity of a triple realignment lies in the processing of different fields of action that are linked to each other

– In this form of change, an iterative process structured in phases and learning loops has proven its worth

 

Literature

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

[2] Berger, R., Servatius, H.G., Krätzer, A., Die Zukunft des Autos hat erst begonnen – Ökologisches Umsteuern als Chance, Pieper 1994

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

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

[5] Servatius, H.G., Resilience-oriented strategic management. In: Competivation Blog, 15.03.2023

[6] Hofer, J. et al, Nvidia’s Taiwan risk. In: Handelsblatt, May 28, 2024, p.1, 4-5

[7] Polanyi, K., The Great Transformation – Political and Economic Origins of Societies and Economic Systems, Suhrkamp 1973

[8] Goullart, F.J., Kelly, J.N., Transforming the Organization, Mc Graw Hill 1995

[9] Christmann, A.S., et al, The Twin Transformation Butterfly. In: Business Information Systems Engineering, January 23, 2024

[10] Trevor, J., Re:Align – A Leadership Blueprint for Overcoming Disruption and Improving Performance, Bloomsbury 2022

[11] Servatius, H.G., With a strategy 5.0 to success with Digital GreenTech. In: Fesidis, B., Röß, S.A., Rummel, S.(Eds.), With digitalization and sustainability to a climate-neutral company, SpringerGabler 2023, pp.71-94

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

Triple strategic realignment

Dreifache strategische Neuausrichtung

Gegenwärtig stehen viele Unternehmen vor der Aufgabe, digitaler, nachhaltiger und resilienter zu werden. Ein Beispiel für diese dreifache strategische Neuausrichtung liefert die Automobilindustrie. Der notwendige komplexe Prozess erfordert den Wandel eines Systems verbundener Handlungsfelder. Es stellt sich die Frage, wie es Unternehmen gemeinsam mit der Politik, Wissenschaft und Gesellschaft gelingen kann, einen derartigen Prozess zu meistern.

 

In diesem Blogpost erläutere ich den Unterschied zwischen den Begriffen Transformation und Neuausrichtung und begründe, warum das Transformationskonzept auf einem nicht mehr zeitgemäßen Managementverständnis basiert, das leider immer noch weit verbreitet ist.

 

Automobilunternehmen, die digitaler, nachhaltiger und resilienter werden müssen

Etablierte Automobilunternehmen befinden sich in der fünften Entwicklungsstufe eines verbindenden strategischen Managements,1 in der sie digitaler, nachhaltiger und resilienter werden müssen. Für eine solche dreifache Neuausrichtung (Triple Realignment) liefern die Managementtheorie und -praxis bislang kaum Anleitungen. Immer deutlicher wird aber, dass die Vorstellung von einer umfassenden, befristeten Transformation illusionär ist und nicht zu den gewünschten Ergebnissen führt.

Als wir 1994 unser Buch zum ökologischen Umsteuern von Automobilunternehmen publiziert haben, hätten wir nicht gedacht, dass die Mobilitätswende in Deutschland so lange dauert.2 Letztlich ist eine strategische Neuausrichtung auf nachhaltige Antriebsformen erst als Reaktion auf den Druck der Politik und des Wettbewerbs erfolgt. Die traditionellen Unternehmen der Branche befinden sich heute in einer Bedrohungslage, die von disruptiven Stakeholder-Ökosystemen ausgeht.3 Sie sind auf der Suche nach geeigneten Antworten und stellen sich auf einen komplexen Wandel mit verschiedenen Optionen ein.

Die Digitalisierung als zweites wichtiges Feld einer Neuausrichtung wird vor allen von den großen Tech-Konzernen und von Start-ups getrieben. Sie ist in verschiedenen Wellen verlaufen und betrifft sowohl das Produkt Automobil als auch wesentliche Geschäftsprozesse. Digitale Technologien haben den Charakter von Game Changern, was spätestens seit dem Hype um die generative Künstliche Intelligenz (KI) einer breiten Öffentlichkeit bewusst geworden ist.4 Auch in diesem Feld kommt es entscheidend auf die Gestaltung von innovativen Stakeholder-Ökosystemen an. Dabei eröffnet eine vertrauenswürdige KI für Europa durchaus Chancen.

Parallel zu diesen Entwicklungen hat mit den geopolitischen Krisen die Bedeutung einer resilienzorientierten Neuausrichtung zugenommen.5 Im Mittelpunkt steht dabei eine Verbesserung der Widerstandskraft westlicher Unternehmen in den verschiedenen Stufen der Wertschöpfung. Relevante Felder sind Rohstoffe, Batterien, Halbleiter und KI-Anwendungen. So ist z.B. der führende US-Chiphersteller Nvidia stark von dem taiwanesischen Auftragsfertiger TSMC abhängig.6 Das Beispiel zeigt, dass diese dritte Dimension einer Neuausrichtung zwar mit den anderen Dimensionen verbunden ist, aber spezifische Ansätze erfordert.

Die folgende Abbildung veranschaulicht die drei Dimensionen einer Neuausrichtung. Die spezifischen Ansätze betreffen die Übergänge

– von analog zu digitaler, aber auch vertrauenswürdig

– von primär finanzorientiert zu nachhaltiger, aber auch realistisch und

– von abhängig zu resilienter, aber auch strategisch.

Für die europäische Wirtschaft und Politik ist dies eine zentrale Herausforderung der nächsten Jahre.

Lernprozess Innovationsstrategie

Hierzu ist es wichtig, den Unterschied zwischen dem weit verbreiteten Begriff Transformation und dem Begriff Neuausrichtung zu verstehen.

 

Unterschied zwischen Transformation und Neuausrichtung

Der Begriff Transformation hat eine längere Entwicklungsgeschichte. Bereits 1944 verwendet ihn Karl Polanyi als politischen Kampfbegriff, um seiner Forderung nach einem Wandel des kapitalistischen Systems Ausdruck zu verleihen.7 In den 1990er Jahren verstehen Consultants unter dem Begriff Transformation von Organisationen einen umfassenden Wandel.8 Damit streben sie eine Abgrenzung von dem als zu mechanistisch empfundenen Reengineering-Konzept an. Heute ist Transformation zu einem Schlagwort mit unklarem Inhalt geworden. Deutlich wird dies am Beispiel des aktuellen Begriffs Twin Transformation, der suggeriert, dass der digitale und der grüne Wandel einen Zwillingscharakter hätten.9

Um Ordnung in diese Begriffsunklarheiten zu bringen, unterscheiden wir beim Wandel von Organisationen zwischen einer zeitlichen und einer inhaltlichen Dimension. Als Transformation bezeichnen wir einen zeitlich befristeten, umfassenden Wandel. Damit rückt eine Transformationsaufgabe in die Nähe der Sanierung und wird von vielen Managementberatern inzwischen auch in diesem Sinne interpretiert. Demgegenüber verstehen wir unter einer Neuausrichtung einen längerfristig orientierten, spezifischen Wandel z.B. mit den Schwerpunkten Digitalisierung, Nachhaltigkeit oder Resilienz.

Lernprozess Innovationsstrategie

Die Vorstellung, eine digitale Transformation sei kurzfristig und umfassend möglich, unterschätzt die Komplexität der Aufgabe. Wir halten diese Vorstellung für illusionär. Eine solche Transformationsillusion ist die Ursache für viele Fehlschläge.

Der Begriff der Ausrichtung (Alignment) eines Unternehmens beschreibt eine gut abgestimmte Verbindung wichtiger Systemelemente (z.B. Geschäftsmodell, Strategie, Innovation, Kernkompetenzen, Organisation, IT-Systeme, Kultur und Stakeholder) im Hinblick auf eine gemeinsame Vision und einen Sinn. Im Verlauf ihrer Entwicklung ist in vielen Unternehmen ein solches Alignment verloren gegangen und gleichzeitig stellt sich die Aufgabe einer Neuausrichtung im Sine eines Realignments.10

Ausgehend von diesen Definitionen möchte ich im folgenden der Frage nachgehen, worin die Komplexität einer dreifachen Neuausrichtung besteht und mit welcher Vorgehensweise Unternehmen diese Komplexität bewältigen können.

 

Komplexität einer dreifachen Neuausrichtung

Eine zentrale Erkenntnis ist, dass die Komplexität einer dreifachen Neuausrichtung in der Verbindung verschiedener Handlungsfelder liegt. Dieses Triple Realignment erfordert den Wandel eines komplexen Systems. Die Transformationsillusion besteht in der Annahme, ein solcher Wandel sei mit Hilfe einer einmaligen Top-down-Planung möglich. Dieses mechanistische Strategie-Paradigma ist überholt und inzwischen von einem neuen Paradigma verdrängt worden, in dessen Zentrum die Bewältigung von Komplexität steht.11 In der Abbildung sind wichtige Handlungsfelder einer solchen Neuausrichtung dargestellt.

Lernprozess Innovationsstrategie

In den vergangenen sechzig Jahren ist die Entwicklung des strategischen Managements in fünf Stufen verlaufen. Eine Strategie 5.0 verbindet die Entwicklungsstufen. Unternehmen bewältigen diese Konnektivität in verschiedenen Handlungsfeldern. Eine wichtige Rolle spielt dabei die gemeinsame Vision als Klammer für eine Innovations-, Nachhaltigkeits- und Resilienzstrategie. Aus diesen Strategien ergeben sich die Schwerpunkte einer Neuausrichtung der Geschäftsmodelle.

Ein zweites Handlungsfeld ist die Reaktion auf oder Gestaltung von disruptiven Stakeholder-Ökosystemen. Dabei ist das Forschungs- und Entwicklungs (F&E-) Management von Unternehmen gemeinsam mit Akteuren aus Politik, Wissenschaft und Gesellschaft auf das Erreichen von Wettbewerbsvorteilen bei innovativen Technologien gerichtet.

Handlungsfeld Nummer drei ist die digitale, nachhaltige und resiliente Wertschöpfung. Ein aktuelles Thema ist hierbei gegenwärtig die Produktivitätssteigerung mit KI-basierten Geschäftsprozessen und wissensintensiven Anwendungen. Dieses Thema betrifft nahezu alle Branchen und Unternehmensgrößen.

Die Bewältigung dieser Handlungsfelder erfordert einen Wandel der Personalführung und Kultur sowie die Entwicklung von neuen Kompetenzen. Wichtige Impulse zur Komplexitätsbewältigung gehen dabei von einer verbindenden Führung mit agilen Methoden aus, die Start-ups und Digital-Champions konsequenter umgesetzt haben als etablierte Unternehmen.

Hierbei besteht ein enger Zusammenhang zum Wandel der Organisation, der IT-Architektur und des Projektmanagements. Etablierten Unternehmen fällt es schwer, das bei Digital-Champions entstandene Konzept einer Plattform-Organisation mit agilen Teams auf ihre eigene Situation zu übertragen.

Handlungsfeld Nummer sechs ist die Wertsteigung mit einer finanziellen und nicht-finanziellen Berichterstattung. Viele Unternehmen beschränken sich auf ein reaktives Vorgehen zur Erfüllung von neuen Nachhaltigkeitsrichtlinien. Sinnvoller erscheint es, das Thema Nachhaltigkeit als Innovationschance zu sehen.

Ein Erfolg versprechendes Vorgehen bei dieser dreifachen Neuausrichtung, das verschiedene Handlungsfelder verbindet, geht von einer Gliederung in Phasen und Lernschleifen aus. Dieses Vorgehen unterscheidet sich grundlegend von starren Roadmap-Konzepten,12 die in der Literatur weit verbreitet, in der Praxis aber häufig gescheitert sind.

 

Vorgehen bei einer dreifachen Neuausrichtung

Eine Gliederung des Vorgehens bei komplexen Aufgaben in Phasen und Lernschleifen basiert auf dem Modell des Action Learning, das auch die Grundlage für agile Methoden bildet. Ähnlich wie bei der Skalierung agiler Teams liegt die Herausforderung hier darin, die gesamte Organisation in einem iterativen Prozess zusammenzuführen. In der Praxis hat es sich bewährt, jede der Lernschleifen in die in der Abbildung dargestellten sechs Phasen zu gliedern.

Lernprozess Innovationsstrategie

Am Anfang einer Neuausrichtung steht die Analyse der spezifischen Ausgangssituation des Unternehmens verbunden mit einem Blick in die Zukunft (Foresight). Ein besonderes Augenmerk sollte dabei auf der Früherkennung möglicher radikaler Veränderungen liegen. Dies erfordert eine ausgeprägte kontextuelle Intelligenz, um die Komplexität externer Entwicklungen richtig einzuschätzen.

In einer nächsten Phase stellt sich die Aufgabe, für die dreifache Neuausrichtung eine Vision zu entwickeln. Ein Auslöser kann die Notwendigkeit sein, Krisen zu meistern und Resilienz zurückzugewinnen. Sinn stiftend wirkt dabei für viele Unternehmen das Thema Nachhaltigkeit. Dabei liefern digitale Technologien das Potenzial für eine Erneuerung. Entscheidend ist, die Mitarbeitenden in diesen Prozess einzubeziehen und glaubwürdig eine Aufbruchsstimmung zu vermitteln, die die positive Energie für die nachfolgenden Phasen liefert.

Die Vision bildet den Rahmen für eine Priorisierung der Dimensionen digital, nachhaltig und resilient sowie der Handlungsfelder einer Neuausrichtung. In einer ersten Lernschleife bearbeitet das Unternehmen die Herausforderungen mit der höchsten Priorität. Die Erledigung von geringer priorisierten Aufgaben erfolgt nach dem gleichen Muster in späteren Lernschleifen. Dieses iterative Vorgehen leistet einen wichtigen Beitrag zur Komplexitätsbewältigung. Häufig bewertet die Führung nach jeder Lernschleife die aktuelle Situation des Unternehmens und seines Umfelds neu.

In vielen Unternehmen scheitert eine dreifache Neuausrichtung an dem vorhandenen Governance-Modell. Dabei verstehen wir unter Governance das Zusammenspiel von Personalführung, Kultur, Organisation und Kontrolle. Der Aufsichtsrat muss sicherstellen, dass die Governance für den Wandel dieses komplexen Systems geeignet ist und entsprechende Maßnahmen ergreifen, wenn dies nicht der Fall ist. Daher ist diese vierte Phase für den Gesamterfolg von entscheidender Bedeutung. Ein falsch verstandenes Transformationskonzept trägt dazu bei, dass sich die Wahrscheinlichkeit eines gemeinsames Versagens von Aufsichtsgremium, Führung, Mitarbeitenden und externen Beratern erhöht. Dabei kann es möglich sein, dass vor der Neuausrichtung eine Sanierung erforderlich ist. Wichtig ist, dies dann aber auch klar zu kommunizieren und sich nicht hinter einem vage formulierten Transformationsbegriff zu verstecken.

Eine weitere wichtige Hürde ist die Umsetzung in Form von Programmen und Projekten, die in Phase fünf erfolgt. Hierbei hat sich die Koordination der Handlungsfelder mit Hilfe eines agilen und transparenten Performance Managements bewährt. Ein geeigneter Ansatz ist die Objectives and Key Results (OKR-) Methode. Diese wird von Start-ups und erfolgreichen Digital-Giganten erfolgreich angewendet, stößt in etablierten Unternehmen aber immer noch häufig auf die Barrieren einer Silo-Kultur. Insofern baut der Erfolg der einzelnen Phasen aufeinander auf. Ohne eine geeignete Governance in Phase vier wird die Koordination der Handlungsfelder nicht gelingen. Daher sind bei diesem Prozess die Rückkopplungen von großer Bedeutung.

Die sechste und letzte Phase ist die Personalentwicklung in Form eines spezifischen Handlungslernen von Vielen. Angesichts der zunehmenden Bedeutung der generativen KI stehen Unternehmen zunehmend vor der Frage, wie sie während einer laufenden digitalen Neuausrichtung die Weiterbildung vieler Mitarbeitender gestalten sollen. Da es in der jüngeren Wirtschaftsgeschichte nichts Vergleichbares gegeben hat, sind hier neue Wege gefragt. Diese müssten schon bei der Schulausbildung beginnen. Leider hat Deutschland das weitgehend verschlafen und steht nun vor einer Weiterentwicklung seines Bildungssystems. Hierauf kann die Wirtschaft aber nicht warten und muss beim Thema Personalentwicklung selbst die Initiative ergreifen.

Unsere praktische Erfahrung zeigt, dass diese Vorgehensweise den Charakter eines Rahmenkonzepts hat, das jedes Unternehmen an seine spezifische Situation anpassen muss. Wir unterstützen Führungskräfte bei dieser Anpassung, indem wir Beratung mit Personalentwicklung verknüpfen. Auf diese Weise erreichen wir für unsere Klienten ein besseres Preis-Leistungsverhältnis als beim klassischen Management Consulting.

 

Fazit

  • Unternehmen müssen gegenwärtig eine dreifache strategische Neuausrichtung  meistern und sowohl digitaler als auch nachhaltiger und resilienter   werden
  • Dabei verstehen wir unter dem Begriff Neuausrichtung einen längerfristig orientierten, spezifischen Wandel
  • Die Komplexität einer dreifachen Neuausrichtung besteht in der Bearbeitung verschiedener Handlungsfelder, die miteinander verbunden sind
  • Bei dieser Form des Wandels hat sich einer iterativer Prozess bewährt, der in Phasen und Lernschleifen gegliedert ist

 

Literatur

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

[2] Berger, R., Servatius, H.G., Krätzer, A., Die Zukunft des Autos hat erst begonnen – Ökologisches Umsteuern als Chance, Pieper 1994

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

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

[5] Servatius, H.G., Resilienzorientiertes strategisches Management. In: Competivation Blog, 15.03.2023

[6] Hofer, J. et al., NvidiasTaiwan-Risiko. In: Handelsblatt, 28.Mai 2024, S.1, 4-5

[7] Polanyi, K., The Great Transformation – Politische und ökonomische Ursprünge von Gesellschaften und Wirtschaftssystemen, Suhrkamp 1973

[8] Goullart, F.J., Kelly, J.N., Transforming the Organization, Mc Graw Hill 1995

[9] Christmann, A.S., et al., The Twin Transformation Butterfly. In: Business Information Systems Engineering, 23.Januar 2024

[10] Trevor, J., Re:Align – A Leadership Blueprint for Overcoming Disruption and Improving Performance, Bloomsbury 2022

[11] Servatius, H.G., Mit einer Strategie 5.0 zu Erfolgen bei Digital GreenTech. In: Fesidis, B., Röß, S.A., Rummel, S.(Hrsg.), Mit Digitalisierung und Nachhaltigkeit zum klimaneutralen Unternehmen, SpringerGabler 2023, S.71-94

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

Interessiert?

CONNECTIVE MANAGEMENT

Vereinbaren Sie einen unverbindlichen Gesprächstermin:

 














    +49 (0)211 454 3731