Weltweit stehen viele Unternehmen vor der Herausforderung, bei der Künstlichen Intelligenz (KI) nicht den Anschluss zu verlieren und mit KI-Werkzeugen, die ihr spezifisches Wissen nutzen, Wettbewerbsvorteile zu erzielen. Diese Entwicklung führt zur Renaissance einer gestaltenden Management- und Innovationsforschung, die das Ziel hat, Theorie und Praxis zu verbinden. Dabei verlagert sich die Forschung von der empirischen Arbeit an Universitäten zu einem verbindenden Gestalten in Reallaboren des Wandels.

In diesem Blogpost skizziere ich die Entwicklung des gestaltenden Forschungsansatzes, zeige seine Vorteile auf und erläutere ein allgemeines Vorgehenskonzept.

Jahr der Entscheidung bei der Anwendung von KI

2026 könnte zum Jahr werden, in dem sich für viele Unternehmen entscheidet, ob bei der Anwendung von KI der Durchbruch gelingt oder ob es bei isolierten Pilotprojekten bleibt. Nach einer Analyse des Marktforschungsunternehmens Forrester berichten nur 15 Prozent der Entscheider, dass der Einsatz von KI bislang messbar zum operativen Ergebnis ihrer Unternehmen beigetragen hat. Dies könnte dazu führen, dass diese rund ein Viertel ihrer geplanten Ausgaben für KI auf 2027 verschieben. Die Gefahr bei einer zu zögerlichen KI-Anwendung ist jedoch, dass so ein Rückstand entsteht, der nur schwer aufzuholen ist.¹

Andererseits gelingt es Vorreiter-Unternehmen, mit einer an ihre spezifische Situation angepassten KI deutliche Wettbewerbsvorteile zu erzielen. Diese Pioniere praktizieren eine gestaltende Management- und Innovationsforschung, um so die Grundlage für Erfolge zu schaffen. Ein Beispiel ist Siemens, das das weltweite größte und breiteste Angebot an industriellen KI-Anwendungen gestalten und seinen Unternehmenswert verdoppeln möchte.²

Das Institut der Deutschen Wirtschaftsforschung (IW) prognostiziert, dass das Potenzial zur Steigerung der Bruttowertschöpfung durch den Einsatz von KI bis 2034 in Deutschland bei 440 Milliarden Euro liegt. Davon entfallen 110 Milliarden Euro auf mögliche Innovationen und 330 Milliarden Euro auf einer Steigerung der Produktivität. Für den Industriestandort Deutschland bildet vor allem die Anwendung von KI eine Chance. Das hat auch Google, die Tochter des US-Technologiekonzerns Alphabet erkannt. Man wird in Deutschland 5,5 Milliarden Euro investieren und in Berlin ein Zentrum für KI-Anwendungen eröffnen, wo auch eigene Forscher angesiedelt sind.³

Aus dieser neuen Lage ergeben sich spannende Implikationen für die Gestaltung von KI-Ökosystemen.

Gestaltung von KI-Ökosystemen

Die Chance für etablierte Unternehmen liegt in einer wissensspezifischen KI, bei der KI-Werkzeuge das spezielle Know-how der Unternehmen nutzen und verstärken.⁴ Dies gelingt am besten in KI-Ökosystemen.

Unter dem Begriff KI-Ökosystem versteht man ein dynamisches Netzwerk mit guten Verbindungen zwischen verschiedenen Akteuren, die KI-Technologien nutzen, um Innovationen zu gestalten und zu verbreiten. KI-Ökosysteme können auf eine Region konzentriert sein und sich um einen Kern herum entwickelt haben, z.B. eine Universität oder ein Unternehmen. Das bekannteste und einflussreichste KI-Ökosystem der Welt ist im Silicon Valley in der San Francisco Bay Area entstanden. Den Kern des Silicon Valley hat in den 1930er Jahren die Stanford University nahe Palo Alto gebildet. 1939 gründeten Bill Hewlett und David Packard dort in einer Garage das Unternehmen HP. Später haben sich hier führende Halbleiter-Unternehmen, die dem Tal seinen Namen gegeben haben und einige der großen KI-Anbieter angesiedelt.

Die Stanford University ist das Vorbild für Helmut Schöneberger gewesen, den Chef des Münchner Gründerzentrums Unternehmertum. Entscheidend für den Erfolg waren dabei die Zusammenarbeit mit der Technischen Universität München und die Unterstützung durch die BMW-Gesellschafterin Susanne Klatten: Daneben sind in München weitere Gründerzentren entstanden, wie z.B. das Center for Digital Technology and Management (CDTM), das den transdisziplinären Master-Studiengang Technology Management anbietet, dabei eng mit Industriepartnern zusammenarbeitet und über 250 Unternehmensgründungen hervorgebracht hat.

2025 haben Startups in München 3,3 Milliarden Euro Risikokapital erhalten und damit bei diesem Kriterium Berlin auf Rang 2 verdrängt, wo Jungunternehmen 2,7 Milliarden Euro einsammeln konnten. Daneben sind aber auch in anderen deutschen Regionen KI-Ökosysteme mit erfolgreichen Startups entstanden.

Schlüsselakteure in KI-Ökosystemen sind:

• Verantwortliche in relevanten Politikfeldern und auf verschiedenen Ebenen von Ländern und Regionen
• Universitäten und Schulen
• KI-Startups, die als Ausgründungen entstanden sind oder sich in einer Region angesiedelt haben
• Wagniskapitalgeber, die mit Venture Capital das Wachstum der KI-Startups finanzieren
• große Anbieter von KI-Hardware und -Software, die mit ihrer Kapitalkraft die Finanzmärkte prägen und einen erheblichen Einfluss auf Umwelt und Gesellschaft haben sowie
• etablierte Unternehmen und ihre Mitarbeitenden, die KI anwenden, mit Startups zusammenarbeiten und sich an ihnen beteiligen.

Ein interessantes Beispiel für neue Möglichkeiten der Zusammenarbeit zwischen etablierten Unternehmen und Startups liefert die Pharmaforschung.

In der Pharmabranche beschleunigen Techbio-Unternehmen, wie das französische Startup Owkin mithilfe von KI die frühe Wirkstoffforschung. Eine erste Welle von Medikamenten, die so entwickelt wurden, befindet sich in klinischen Studien. Eine mögliche Form der Zusammenarbeit ist, dass KI-Biotechs die frühe Wirkstoffsuche übernehmen und etablierte Pharma-Unternehmen die späteren Phasen und die Vermarktung. Eine andere Option ist, dass Pharma-Unternehmen die KI-Startups akquirieren und entsprechende eigene Kompetenzen aufbauen. In jedem Fall steht die forschungsintensive Branche vor einem grundlegenden Wandel, bei dem die Gestaltung von KI-Ökosystemen ein wichtiger Erfolgsfaktor ist.⁵ Das Beispiel verdeutlicht, dass sich mit dem Wandel von Branchen auch die Managementforschung verändert.

Künstliche Intelligenz ist aber nicht nur Treiber von Produktivität und Innovation, sondern stellt auch eine potenzielle Bedrohung dar. Angesichts der Veränderungen der Geopolitik kommt es für Europa darauf an, Gestaltungsmacht zurückzugewinnen. Ein wichtiges Mittel hierzu kann eine vertrauenswürdige KI sein. Die jüngste Auseinandersetzung zwischen der US-Regierung mit dem US-Startup Anthropic verdeutlicht, wie politisch die Gestaltung von KI-Ökosystemen inzwischen geworden ist.⁶ Auch dies führt zu gravierenden Veränderungen in der Managementforschung.

Ein wichtiger Aspekt, der bei KI-Ökosystemen häufig übersehen wird, sind die ökologischen und sozialen Wirkungen, die von KI-Technologien ausgehen. So erfordern große Sprachmodelle die Arbeit von Crawlern, die Daten zusammentragen und Annatoren, die Texte und Bilder kommentieren, bewerten und beschriften. Diese Arbeit läuft versteckt von der Öffentlichkeit häufig in Ländern des „globalen Südens“ ab. Die Transparenz dieser Lieferketten ist gering.⁷

Managementforschung in Reallaboren des Wandels

In der betriebswirtschaftlichen Forschung dominieren seit langem empirische Ansätze, die überwiegend von Universitäten ausgehen. Die Ergebnisse ihrer Arbeiten publizieren die Autoren in wissenschaftlichen Fachzeitschriften, die Praktiker aber nur selten lesen. Die Kritik an diesem Rückzug in einen „wissenschaftlichen Elfenbeinturm“ bemängelt, die praktische Relevanz der Forschung habe abgenommen. Diese Kritik ist nicht neu, aber stärker geworden.⁸

Die Universitäten verteidigen ihre Position mit dem Argument, die Praxisrelevanz der empirischen Forschung basiere auf „Exkursionen ins Feld“, in denen die Sichtweisen relevanter Akteure analysiert würden. Das Ziel der Arbeiten liegt jedoch in der Regel nicht darin, konkrete Objekte wie z.B. neue KI-basierte Geschäftsmodelle in ihrem spezifischen Kontext zu gestalten.⁹

Insofern unterscheidet sich die betriebswirtschaftliche Forschung von dem gestaltenden Ansatz der Technikwissenschaften, der überwiegend in Laboren und Pilotanlagen abläuft.

Aufgrund der wachsenden Bedeutung einer inter- oder transdisziplinären Forschung nimmt auch in der Managementwissenschaft inzwischen der Anteil eines verbindenden Gestaltens zu. Diese praxisnahe, Design-orientierte Forschung erfolgt zunehmend in Reallaboren des Wandels.¹⁰ Ein wichtiger Treiber dieser Entwicklung ist die Künstliche Intelligenz, die als Motor für die Gründung von Startups und eine Neuausrichtung etablierter Unternehmen wirkt. Wir vertreten die Auffassung, die Managementforschung sollte nach einer Phase des Rückzugs in Universitäten wieder stärker in der Praxis stattfinden und dabei gestaltende Ansätze nutzen.

Mit dieser Antwort auf die Fragen nach dem Wie und Wo der Forschungsansätze beginnt ein neues Kapitel in der Entwicklungsgeschichte der Managementforschung. Ein wichtiges Kennzeichen dieser Neuausrichtung auf ein Connective Design ist eine Forschung, in der Wissenschaftler, Berater und Praktiker ihre verschiedenen Perspektiven und Stärken zusammenführen. Der Nutzen liegt in einer besseren Lösung komplexer Probleme ausgehend von neuen wissenschaftlichen Erkentnissen.¹¹

Ein Beispiel liefert die Entwicklung von humanoiden Robotern. In dem rasant wachsenden Markt haben die Unternehmen die besten Chancen, die Software- und Hardware-Kompetenz verbinden. Dabei sind Daten aus der realen Welt der größte Engpass. Der Metzinger Hersteller Neura Robotics hat sich daher entschieden, Trainingshallen für Roboter zu errichten. Eines der ersten dieser Gyms entsteht in Zusammenarbeit mit der Technischen Universität München im Munich Institute of Robotics and Machine Intelligence (MIRMI) am Flughafen München. Im internationalen Wettbewerb mit Unternehmen aus den USA und aus China kommt es bei dieser KI-Anwendung auf eine schnelle Skalierung an.¹²

Da die gestaltende Managementforschung weniger verbreitet ist, möchte ich kurz ihre Entwicklungsgeschichte skizzieren. Persönlich habe ich in den letzten Jahrzehnten immer wieder erlebt, wie unterschiedlich die Denk- und Sprachmuster der relevanten Akteure in Theorie und Praxis sind.

Grundlagen und Pioniere einer gestaltenden Managementforschung

Die gestaltende Managementforschung basiert auf ähnlichen Grundlagen und wurde durch einige Pioniere geprägt.¹³ Diese Grundlagen sind:

1. Das von dem Sozialpsychologen Kurt Lewin ausgegangene Action Research. Lewin setzte sich für eine Verbindung von Theorie und Praxis ein, um reale Probleme zu lösen.
2. Die durch den Wirtschaftsnobelpreisträger Herbert Simon geprägte allgemeine Design-Theorie.¹⁴ Simon versteht hierunter eine Wissenschaft des Gestaltens von menschengemachten Artefakten und Systemen.
3. Die von dem Harvard-Professor Chris Argyris konzipierte Action Science.¹⁵ Argyris Ziel ist es vor allem, Wissen nutzbar zu machen, um Handlungen in Organisationen zu verbessern.
4. Dem von Alan Hevner an der Universität South Florida entwickelten Ansatz des Design Science Research (DSR).¹⁶ Bei diesem vor allem in der Wirtschaftsinformatik verbreiteten Konzept steht die Lösung von komplexen, realen Problemen durch innovative IT-Systeme im Mittelpunkt.
5. Das von verschiedenen Wissenschaftlern beschriebene Action Design Research (ADR), das Action Research und Design Science Research verbindet.

Pioniere einer gestaltenden Managementforschung sind unter anderem die an der Universität Eindhoven lehrenden Joan Ernst van Aken und Georges Romme sowie David Denyer von der Cranfield University in Großbritannien. Van Aken verfolgt das Ziel, die Kluft zwischen Managementtheorie und -praxis zu verringern. Im Vordergrund steht dabei eine transdisziplinäre Forschung zur Lösung praktischer Managementprobleme. Ausgehend von der Design-Theorie erprobt Romme iterative Prozesse bei der Organisationsgestaltung.¹⁷ Denyer sieht Managementwissen als gestaltbare Ressource, um reale Probleme zu lösen. Sein Ansatz zur Lösungsorientierung versucht, den Praxistransfer durch Wirkmechanismen und eine Evidenzprüfung mit verschiedenen Informationsquellen zu sichern.

Besonders deutlich werden die Vorteile eines gestaltungsorientierten Ansatzes in der Innovations- und Nachhaltigkeitsforschung.

Vorteile in der Innovations- und Nachhaltigkeitsforschung

Bei der Anwendung von KI entfalten sich die Vorteile einer gestaltenden Innovations- und Nachhaltigkeitsforschung vor allem in Unternehmen, die diesen Ansatz in selbstähnlichen Strategie 5.0-Laboren praktizieren. Das Ziel eines solchen Reallabors ist eine Verbindung der verschiedenen Handlungsfelder für KI-Anwendungen.¹⁸ Dabei hilft es, wenn das Gegenstromprinzip aus top-down entstehender KI-Strategie und einer sich bottom-up entwickelnden harmonischen Vielfalt der KI-Anwendungen funktioniert.

Nach unserer Erfahrung aus einer Reihe an Projekten haben die folgenden Vorteile eine besondere Bedeutung:

• Die Beseitigung von Innovationsbarrieren
• leistungsfähige und vertrauenswürdige Innovationsökosysteme
• motivierte Hochleistungsteams
• ein verbindendes Gestalten als Kernkompetenz
• ein verbesserter Technologietransfer
• beschleunigte Lernschleifen mit agilen Methoden sowie
• konkrete Ergebnisse und messbare Erfolge für alle Stakeholder.

Diese Vorteile ermöglichen eine Neuausrichtung von Innovationssystemen.

Die Defizite bei der deutschen Energie- und Mobilitätswende sind ein Beispiel dafür, wie wichtig es ist, Innovationsbarrieren zu beseitigen.¹⁹ Hierbei geht es darum, neue Erkenntnisse der Innovationsforschung in praktisches Handeln umzusetzen.

Das Ziel ist die Gestaltung von leistungsfähigen und vertrauenswürdigen Innovationsökosystemen.²⁰ Ein Kennzeichen dieser Systeme ist die bessere Zusammenarbeit der Akteure aus den Sektoren Politik, Wissenschaft, Wirtschaft und Gesellschaft.

Eine Schlüsselrolle bei der gestaltenden Innovationsforschung haben motivierte Hochleistungsteams.²¹ Führungskräften kommt die Aufgabe zu, ein unternehmerisches Selbstbild vorzuleben und zu fördern. Dies beginnt bei der Ausbildung und setzt sich in der beruflichen Tätigkeit fort.

Eine dabei zu entwickelnde Kernkompetenz ist das verbindende Gestalten.²² Dies erfordert eine Neuausrichtung von Lehre und Forschung mit KI als Werkzeug. Eine solche Human-Centric AI durchdringt alle Disziplinen.

Ein positiver Nebeneffekt ist der verbesserte Technologietransfer.²³ Dabei geht es um eine Überwindung des deutschen Paradoxes zwischen Stärken in der Grundlagenforschung und Schwächen bei der Vermarktung.

Ein Mittel hierzu sind beschleunigte Lernschleifen in Organisationen.²⁴ Dabei kommen agile Methoden zum Einsatz. Wichtig ist, ein allgemeines Vorgehenskonzept an spezifische Problemtypen und die jeweilige Situation anzupassen.

Dabei sollten sich alle Stakeholder an konkreten Ergebnissen und messbaren Erfolgen orientieren.²⁵ Bei gemeinsamen Programmen erfolgt dies mit Hilfe eines transparenten Performance Managements.

Im Folgenden möchte ich ein geeignetes Vorgehenskonzept erläutern.

Schritte eines allgemeinen Vorgehenskonzepts

Ein Beispiel für gestaltende Innovations- und Nachhaltigkeitsforschung ist die KI-basierte strategische und organisatorische Neuausrichtung eines Unternehmens.²⁶ Bei Themen wie diesem hat sich ein allgemeines Vorgehenskonzept bewährt, das aus den in der Abbildung dargestellten sechs Schritten besteht.

Der erste Schritt ist eine Analyse des Standes der Forschung sowie von Best-Practise-Beispielen und der spezifischen Ausgangssituation. Hierbei stellt sich die Aufgabe, eine interne und eine externe Perspektive in einem Audit zu verbinden.

Entscheidend ist dann, ein umfassendes Verständnis der Problemkomplexität zu entwickeln, deren Ursachen zu verstehen und sich dabei zwischen den relevanten Akteuren abzustimmen. Erfolgreicher als disziplinäre Forschungsansätze ist dabei eine Zusammenarbeit verschiedener Fachbereiche mit der Praxis.

Auch bei der anschließenden Gestaltung und Auswahl von kreativen Lösungsansätzen spielen transdisziplinäre Teams eine wichtige Rolle. Was für eine einzelne Organisation Neuland, ist kann dabei in der Summe durchaus zu einem wissenschaftlichen Erkenntnisfortschritt beitragen.

Ein prägendes Kennzeichen der Design-orientierten Innovationsforschung ist die Durchführung von Pilotprojekten für Minimum Viable Solutions (MVS). Diese „minimal funktionsfähigen Lösungen“ werden in Reallaboren des Wandels getestet. Für etablierte Unternehmen erfordert das Arbeiten in Lernschleifen häufig einen Wandel des Mindset. Bei dieser Aufgabe kann die Personalentwicklung unterstützen.

Der fünfte Schritt ist die Planung und Durchführung der Umsetzung. Dies ist eng verbunden mit einer Finanzierung der Skalierung. Deutsche Startups beklagen seit langem Nachteile z.B. gegenüber den USA. Daher ist gerade bei diesem Schritt eine Verbesserung der politischen Rahmenbedingungen anzustreben.

Parallel dazu erfolgt eine transparente Leistungsmessung z.B. mit der Objectives and Key Results (OKR-) Methode. Transparent bedeutet in diesem Zusammenhang, dass das Performance Management nicht in sektoralen Silos stattfindet. Für eine Politik, die zwar Ziele festlegt, aber die Erfolgsmessung vernachlässigt, ist dies mit einem Lernprozess verbunden, der auf eine gemeinsame Systemgestaltung durch Innovationsmanager gerichtet ist.

Innovationsmanager gestalten komplexe, evolutionäre Systeme

Bereits in unserer 2014 erschienenen Buchpublikation „Der Innovationsmanager“ sind wir zu dem Ergebnis gekommen, dass eine zentrale Aufgabe von Innovationsmanagern in der Gestaltung von Innovationssystemen und einer Verbindung verschiedener Handlungsfelder liegt.²⁷ Danach haben wir uns intensiv mit der verhaltensökonomischen Perspektive eines solchen verbindenden Gestaltens beschäftigt.²⁸

Die wissenschaftliche Grundlage für das Connective Design bildet die Theorie komplexer, evolutionärer Systeme. Die Übertragung dieses Ansatzes auf sozio-technische Systeme hat einen Paradigmenwechsel im strategischen Management ausgelöst.²⁹ Das neue Management-Paradigma haben US-amerikanische Digital-Unternehmen besser gemeistert als die europäische Wirtschaft.³⁰

Eine weitere Erkenntnis ist, dass es sich bei der Innovationsforschung um eine transdisziplinäre Gestaltungsaufgabe handelt.

Inter- oder transdisziplinär?

Wir verwenden bewusst den Begriff transdisziplinär, um deutlich zu machen, dass es nicht nur wie bei dem Begriff interdisziplinär um die Vermittlung zwischen wissenschaftlichen Fächern geht, sondern auch um die Einbeziehung von nichtwissenschaftlichen Akteuren und eine Verbindung zwischen der Theorie und einem praktischen Gestalten.³¹ Die besondere Komplexität einer transdisziplinären Innovationsforschung resultiert aus

• der Heterogenität der Disziplinen, die von der naturwissenschaftlichen und technischen Forschung über verschiedene Politikfelder bis zur Managementwissenschaft und Organisationspsychologie reicht
• den verschiedenen Interessen und Denkmustern z.B. von Wissenschaftlern und Praktikern
• der Dynamik der Entwicklung und der Anzahl von Ebenen, von der Geopolitik bis zum einzelnen Menschen sowie
• den unterschiedlichen Rollen der Akteure, z.B. als neutraler Beobachter oder persönlich Betroffener.

Leider mangelt es der transdisziplinären Innovationsforschung in Universitäten bislang an Anerkennung. Die Ursachen hierfür sind vielfältig. Ein wichtiger Grund ist wohl, dass das traditionelle Wissenschafts- und Publikationssystem eher disziplinäre Spitzenleistungen honoriert. Dies ist eine Chance für die anwendungsorientierte Forschung.

Transdisziplinäre Forschung zu Nachhaltigkeitsinnovationen

Unsere 1994 erschienene Buchpublikation zum „ökologischen Umsteuern“ von Automobilunternehmen ist aus Beratungsprojekten und einer begleitenden Forschung an der Universität Stuttgart entstanden.³² Diese Forschung war transdisziplinär, aber nur eingeschränkt gestaltend, weil deutsche Unternehmen und die Politik damals unsere Empfehlungen z.B. zu neuen Antriebssystemen nicht umgesetzt haben.

Dreißig Jahre später kämpft die für die deutsche Wirtschaft so wichtige Branche mit gravierenden Problemen. VW, der nach Fahrzeugabsatz zweitgrößte Automobilhersteller weltweit, befindet sich in einem Prozess der strategischen und organisatorischen Neuausrichtung.³³ Gleichzeitig sind die geopolitischen Rahmenbedingungen von extremer Unsicherheit geprägt.

Das Beispiel verdeutlicht, dass beim Thema Nachhaltigkeitsinnovation eine transdisziplinäre und gestaltende Forschung für die Sicherung des Wohlstands unseres Landes von entscheidender Bedeutung ist. ³⁴ In den letzten Jahren hat sich das Thema dynamisch weiterentwickelt. Dabei ist die Verbindung von Umwelttechnik und Künstlicher Intelligenz in den Mittelpunkt des Interesses gerückt. Aus der Zusammenarbeit von etablierten Unternehmen mit Digital Greentech Startups können neue Marktführer entstehen, wenn es der europäischen Politik gelingt, die Rahmenbedingungen zu verbessern. ³⁵

Ein Beispiel ist das deutsch-luxemburgische Startup R3 Robotics, das eine KI-gestützte Robotik-Plattform für das Batterierecycling entwickelt hat. Auf diese Weise kann Europa seine Abhängigkeit von Importen verringern und die Nachhaltigkeit von Batterien erhöhen.³⁶

Nach meiner persönlichen Erfahrung sind Studierende an solchen Themen nach wie vor sehr interessiert, weil sie die sich ergebenden Karrierechancen erkennen. Hiervon gehen für unser Expertenetzwerk wichtige Impulse aus.

Verbindung von Managementberatung und Personalentwicklung mit einer gestaltenden Innovations- und Nachhaltigkeitsforschung

Unser Expertennetzwerk Competivation verbindet seit langem Managementberatung und Personalentwicklung. Der Vorteil für die Klienten ist ein besseres Preis-Leistungsverhältnis als bei traditionellen Consultants, da ein Schwerpunkt auf der Qualifikation der Mitarbeitenden liegt, die aktiv in die Projekte eingebunden sind.

Seit einigen Jahren ergänzen wir diese Dienstleistung durch eine gestaltende Innovations- und Nachhaltigkeitsforschung. Dabei betreuen wir die Abschlussarbeiten von dualen Studierenden und externen Doktoranden, die in der Klientenorganisation an entsprechenden Projekten arbeiten. Hierbei liegt der Vorteil darin, dass die Forschung auf die spezifische Situation des Unternehmens zugeschnitten ist. Die Forschenden und ihr Unternehmen profitieren von der langen Erfahrung unserer Experten.

Mit diesem Ansatz hat Competivation ein internationales Alleinstellungsmerkmal geschaffen, das auf die Bedürfnisse des KI-Zeitalters ausgerichtet ist.

Eine gestaltende Forschung hat auch weit reichende Implikationen für die Hochschullehre. Dabei verstehen wir uns als innovativen Bildungsanbieter, der die Fähigkeit zu einem KI-unterstützten verbindenden Gestalten von Lösungen für komplexe Managementprobleme vermittelt.³⁷

Fazit

• Bei der Anwendung von KI stehen viele Unternehmen vor der Aufgabe, ihre Position zu verteidigen und mit einem spezifischen Ansatz Wettbewerbsvorteile zu erzielen
• Dabei kommt es entscheidend auf die Gestaltung von KI-Ökosystemen an
• Parallel zu dieser Entwicklung verlagern sich Forschungsansatz und -ort in Richtung auf eine gestaltende Innovationsforschung in Reallaboren des Wandels
• Dabei erlebt die gestaltende Management- und Innovationsforschung eine Renaissance, die sich aus einer Reihe von Vorteilen ergibt
• Bei diesem transdisziplinären Forschungsansatz hat sich ein Vorgehen in sechs Schritten bewährt, das an den jeweiligen Problemtyp und die Situation angepasst wird.

Literatur

[1] Bomke, L., Wie Unternehmen den KI-Stresstest bestehen. In: Handelsblatt, 18. Februar 2026, S. 24

[2] Busch, R., „Wir erschaffen das industrielle Gegenstück zu ChatGPT“ (Interview). In: Manager Magazin, März 2026, S. 86-90

[3] Scheer, O., Das 440-Milliarden-Euro-Potenzial. In: Handelsblatt, 25. Februar 2026, S. 12

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

[5] Smolak, H., Mehr Wirkstoffe, weniger Jobs? In: Handelsblatt, 24. Februar 2026, S. 22

[6] Matthes, S., Die Verfassungskrise der Maschinen. In: Handelsblatt, 13./14./15. März 2026, S. 5

[7] Muldoon, J., Feeding the Machine – Hinter den Kulissen der KI-Imperien, Harper Collins 2025

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

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

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

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

[12] Buchenau, M., et al., Die deutschen Konkurrenten der Tesla-Roboter. In: Handelsblatt, 25.03.2026, S. 22-23

[13] Obdenakker, R., Cuijpers, C., Design Science Methodology for the Management Science – From Foundations to Implementation, Springer 2025

[14] Simon, H.A., The Sciences of the Artificial, 3. Aufl., MIT Press1996

[15] Argyris, C., Putnam, R., McLain Smith, A., Action Science – Concepts, Methods and Skills for Research and Intervention, Jossey-Bass 1985

[16] Hevner, A.R., et al., Design Science in Information Systems Research. In: MIS Quarterly, März 2004, S. 75-105

[17] Romme, G., The Quest for Professionalism – The Case of Management and Entrepreneurship, Paperbackshop UK Import 2016

[18] Servatius, H.G., Fraktale Organisation von Strategie 5.0-Laboren. In: Competivation Blog, 28.03.2023

[19] Servatius, H.G., Auf dem Weg zu einem neuen wirtschaftspolitischen Narrativ. In: Competivation Blog, 16.05.2022

[20] Servatius, H.G., Design von smarten Innovationsökosystemen. In: Competivation Blog, 12.05.2017

[21] Servatius, H.G., Eine Organisation auf Leistung trimmen. In: Harvard Manager, 1988, Nr. 4, S. 128-134

[22] Servatius, H.G., Let‘s Connect! Personalentwicklung für Stakeholder-Ökosysteme. In: IM+io, 2023, Heft 1, S. 40-41

[23] Servatius, H.G., Innovationsstrategien gemeinsam mit Stakeholdern gestalten. In: Competivation Blog, 31.08.2018

[24] Servatius, H.G., GenAI-basierte strategische Lernschleifen als verbindendes Prozessmuster. In: Competivation Blog, 15.08.2024

[25] Servatius, H.G., Von der digitalen Fitness zu Key Performance Indicators. In: Competivation Blog, 05.07.2017

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

[27] Servatius, H.G., Gestaltung des Innovationssystems von Unternehmen. In: Servatius, H.G., Piller, F.D., (Hrsg.), Der Innovationsmanager – Wertsteigerung durch ein ganzheitliches Innovationsmanagement, Symposion 2014, S. 21-64

[28] Servatius, H.G., Wie Manager das Innovationssystem verhaltensökonomisch gestalten. In: IM+io, September 2015, Heft 3, S. 20-27

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

[30] Servatius, H.G., Von erfolgreichen Digital-Unternehmen lernen. In: Competivation Blog, 12.07.2024

[31] Schmohl, T., Philipp, T. (Hrsg.), Handbuch transdisziplinäre Didaktik, Transcript 2021

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

[33] Backovic, L., Weniger Volkswagen wagen. In: Handelsblatt, 20./ 21./ 22. März 2026, S. 50-54

[34] Servatius, H.G., Konnektivität bei Nachhaltigkeitsinnovationen. In: Competivation Blog, 01.02.2022

[35] 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

[36] Höpner, A., Mit KI Elektroautos recyceln. In: Handelsblatt, 23. März 2026, S. 29

[37] Servatius H.G., Disruption der Management Education für KI-basierte Neuausrichtungen. In: Competivation Blog, 10.10.2025