Digitalis I e Rung
Digitalis I e Rung
Daniel R. A. Schallmo
Klaus Lang · Thomas Werani
Barbara Krumay Hrsg.
Digitalisierung
Fallstudien, Tools und Erkenntnisse
für das digitale Zeitalter
Schwerpunkt Business Model Innovation
Digitalisierung
Fallstudien, Tools und Erkenntnisse für das
digitale Zeitalter
Hrsg.
Daniel R. A. Schallmo Klaus Lang
Hochschule Neu-Ulm Hochschule Neu-Ulm
Neu-Ulm, Deutschland Neu-Ulm, Deutschland
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detail-
lierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.
Springer Gabler
© Der/die Herausgeber bzw. der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH,
ein Teil von Springer Nature 2023
Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung, die nicht ausdrücklich
vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung des Verlags. Das gilt insbesondere
für Vervielfältigungen, Bearbeitungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Ver-
arbeitung in elektronischen Systemen.
Die Wiedergabe von allgemein beschreibenden Bezeichnungen, Marken, Unternehmensnamen etc. in diesem
Werk bedeutet nicht, dass diese frei durch jedermann benutzt werden dürfen. Die Berechtigung zur Benutzung
unterliegt, auch ohne gesonderten Hinweis hierzu, den Regeln des Markenrechts. Die Rechte des jeweiligen
Zeicheninhabers sind zu beachten.
Der Verlag, die Autoren und die Herausgeber gehen davon aus, dass die Angaben und Informationen in diesem
Werk zum Zeitpunkt der Veröffentlichung vollständig und korrekt sind. Weder der Verlag, noch die Autoren oder
die Herausgeber übernehmen, ausdrücklich oder implizit, Gewähr für den Inhalt des Werkes, etwaige Fehler oder
Äußerungen. Der Verlag bleibt im Hinblick auf geografische Zuordnungen und Gebietsbezeichnungen in ver-
öffentlichten Karten und Institutionsadressen neutral.
V
VI Vorwort
Eine digitale Strategie ist die strategische Form der Digitalisierungsabsichten eines
Unternehmens und befasst sich mit kurz- und mittelfristige Zielen und der Schaffung
neuer oder der Aufrechterhaltung von Wettbewerbsvorteilen. Innerhalb der digitalen
Strategie werden digitale Technologien und Methoden auf Produkte, Dienstleistungen,
Prozesse und Geschäftsmodelle angewendet. Um eine digitale Strategie zu entwickeln,
müssen das Unternehmen und sein aktuelles Umfeld als Grundlage für mehrere Zukunfts-
szenarien analysiert werden.
Der zweite Teil „Digitalstrategie“ beinhaltet folgende Beiträge: 5) Digitalstrategie:
Grundlagen, bestehende Ansätze und Vorgehensmodell, 6) Konzeption und Erprobung
eines Frameworks zur Digitalen Transformation auf Basis der Systemtheorie, 7) Strategi-
sche Planung des Einstiegs in die Plattformökonomie, 8) Fluch und Segen digitaler Dis-
ruption für den deutschen Mittelstand, 9) Digital Marketing Leadership – Modell und
empirische Ergebnisse aus dem B-to-B-Umfeld und 10) Digitalisierungs-induzierte Ver-
änderungen für die Geschäftsmodelle von B2B-Unternehmen.
Auf der taktischen Ebene wird die digitale Transformation von Geschäftsmodellen
durchgeführt. Die digitale Transformation von Geschäftsmodellen befasst sich mit einzel-
nen Geschäftsmodellelementen, dem gesamten Geschäftsmodell, Wertschöpfungsketten
und der Vernetzung verschiedener Akteure zu einem Wertschöpfungsnetzwerk. Die digi-
tale Transformation dient dazu, die digitale Strategie innerhalb von Geschäftsmodellen
klarer zu definieren. Sie basiert auf einem Ansatz mit einer Abfolge von Aufgaben und
Entscheidungen, die logisch und zeitlich miteinander verbunden sind.
Im dritten Teil „Digitale Transformation“ sind folgende Beiträge enthalten: 11) Die
Evolution der Digitalen Transformation, 12) Digitale Transformation und Technologien,
Strategien und Geschäftsmodelle – Ergebnisse einer systematischen Literaturanalyse, 13)
Digitale Transformation: etablierte Unternehmen im Spannungsfeld zwischen Kern-
geschäft und digitalen Innovationen, 14) Soziotechnisches Risikomanagement als Erfolgs-
faktor für die Digitale Transformation, 15) Human Resources – Treiber und Enabler der
digitalen Transformation und 16) Der Geschäftsmodellinnovations-Roadmap Ansatz für
die digitale Transformation.
Im Rahmen der digitalen Implementierung wird die Digitalstrategie umgesetzt und die
digitale Transformation des Geschäftsmodells unterstützt. Generell sind folgende Be-
reiche für die digitale Umsetzung relevant: Technische Implementierung (z. B. Ver-
wendung von Sensoren, Erstellung von Datenbanken und Vernetzung von Komponenten),
Organisation (z. B. Definition von Strukturen und Verantwortlichkeiten, Einrichtung von
Abteilungen und Definition von Prozessen), Fähigkeiten (z. B. IT-Know-how, Verwendung
von Tools für die Zusammenarbeit, Entwicklung von Fähigkeiten für Führung und Zu-
sammenarbeit und Erwerb von Methoden) und Kultur (z. B. kulturelle Verankerung im
Unternehmen, Sensibilisierung der Mitarbeiter, Kommunikation innerhalb des Unter-
nehmens).
Der letzte Teil „Digitale Implementierung“ enthält die folgenden Beiträge: 17) Digita-
lisierung der Produktion im Mittelstand: Status quo und Handlungsempfehlungen für eine
erfolgreiche Umsetzung, 18) Künstliche Intelligenz für die industrielle Produktion – Ein
Vorwort VII
IX
X Inhaltsverzeichnis
10 Digitalisierungs-induzierte
Veränderungen für die Geschäftsmodelle
von B2B-Unternehmen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
Alexander Brendel-Schauberger
21 Aus
Big Data wird Big Value: Warum es eine Daten-dominante Logik
braucht. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 553
Petra Kugler
22 Stellen
Sie sich vor, die Digitalisierung funktioniert! . . . . . . . . . . . . . . . . . . . . 569
Francesco Fusaro
23 Mehr
„Anarchie“ wagen? – Kooperationsmuster in
Innovationsnetzwerken und deren Entwicklung im Zuge der
Digitalisierung der Automobilbranche. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 613
Fabian Reck und Sebastian Posset
24 Digitale Wertschöpfungspotenziale in Ökosystemen am Beispiel
Pay-per-Part . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 643
Daniel Werth, Simon Hiller, Heiner Lasi und David Rygl
25 Status
Quo und Hürden der Digitalisierung im Supply Chain
Management bei KMU. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 665
Jürgen Grinninger, Philipp Kaiser und Christian Lieb
Autorenverzeichnis und Herausgeber
Autorenverzeichnis
Prof. Dr. Daniel Schallmo ist Ökonom, Unternehmensberater und Autor zahlreicher Pu-
blikationen. Er ist Professor für Digitale Transformation und Entrepreneurship an der
Hochschule Neu-Ulm, Direktor des Instituts für Entrepreneurship und Mitglied am Insti-
tut für Digitale Transformation. Zuvor war er Professor an der Technischen Hochschule
Ulm. Daniel Schallmo ist Gründer und Gesellschafter der Dr. Schallmo & Team GmbH,
die auf Beratung und Trainings spezialisiert ist (www.gemvini.de). Er ist ebenso Initiator
der Digital Excellence Group, einer Plattform für Beratung, Trainings und Studien zu dem
Thema der Digitalen Transformation (www.digital-excellence-group.com).
Seine Arbeits- und Forschungsschwerpunkte liegen im Kontext der Digitalisierung: die
Messung des Digitalen Reifegrads, die Entwicklung von Digitalstrategien, die Digitale
Transformation von Geschäftsmodellen und die Implementierung digitaler Initiativen.
Dazu gehören z. B. die Führung im digitalen Zeitalter, Technologien und die Gestaltung
von Organisationen.
Daniel Schallmo verfügt über mehrere Jahre Praxiserfahrung, die er in Unternehmen
der verarbeitenden Industrie, des Handels, der Medien, der Unternehmensberatung und
des Bauwesens gewonnen hat. Als Unternehmensberater unterstützt er DAX-Unternehmen
und mittelständische Unternehmen bei der Beantwortung unterschiedlicher Frage-
stellungen. Er ist sowohl in der Managementausbildung als auch in Bachelor- und Master-
studiengängen für die Themengebiete Design Thinking, Strategie-, Geschäftsmodell-,
Prozess- und Innovationsmanagement sowie Digitale Transformation als Dozent tätig und
war Gastprofessor an der Deutschen Universität in Kairo, Ägypten. Seine Methoden, ins-
besondere die Innovation von Geschäftsmodellen, wurden bereits über 200-mal und über
10.000 Teilnehmerinnen und Teilnehmern vorgestellt; dazu zählen auch Konferenzteilnah-
men und Vorträge (>100).
XIII
XIV Autorenverzeichnis und Herausgeber
Prof. Dr. Klaus Lang ist Professor für Unternehmensführung und Informations-
management an der Hochschule Neu-Ulm, Gründer und Leiter des Instituts für digitale
Transformation (IDT). Er ist Wirtschaftswissenschaftler und Informatiker, Dozent, Unter-
nehmensberater und Autor. Seine Forschungsschwerpunkte liegen in den Bereichen
IT-Strategie und Digitale Transformation.
Klaus Lang verfügt über zehn Jahre Praxiserfahrung in verschiedenen Beratungsunter-
nehmen. Als Studiendekan ist er für das Qualitätsmanagement der Fakultät verantwort-
lich. Eine Reihe von internationalen Partnerhochschulen werden von ihm betreut. Er ist als
unabhängiger Gutachter für die Bewertung von Studiengängen bei verschiedenen
Akkreditierungsstellen tätig. Klaus Lang ist außerdem Autor mehrerer Publikationen und
Referent auf Konferenzen.
Barbara Krumay studierte Wirtschaftsinformatik an der WU Wien and war vor ihrer
wissenschaftlichen Laufbahn in der IT-Beratung tätig. Sie ist in die wissenschaftliche
Community der Wirtschaftsinformatik aber auch der Information Systems Research durch
Publikationen aber auch als Conference Chair, Track Chair und Editor direkt eingebunden.
In ihrer Forschung betrachtet sie die Möglichkeiten, wie Informationssysteme von Orga-
nisationen genutzt werden können um Herausforderungen, die aus der Digitalisierung ent-
stehen, zu adressieren. Ihre Forschungsergebnisse wurden in hochrangigen wissenschaft-
lichen Journals publiziert. Seit 2019 ist sie Professorin und Institutsvorständin des Instituts
für Wirtschaftsinformatik – Information Engineering an der Johannes Kepler Uni-
versität Linz.
Abb. 1.1 Forschungsdesign des integrierten Ansatzes für die digitale Reife
(eigene Darstellung)���������������������������������������������������������������������������������� 7
Abb. 1.2 Dimensionen des integrierten Ansatzes für die digitale Reife
(eigene Darstellung)���������������������������������������������������������������������������������� 9
Abb. 1.3 Klassifikation im Kontext der Digitalisierung������������������������������������������ 10
Abb. 1.4 Verfahren zur Messung und Verbesserung der digitalen Reife
(eigene Darstellung)���������������������������������������������������������������������������������� 13
Abb. 1.5 Beispielhafte Initialanalyse für die digitale Reife
(eigene Darstellung)���������������������������������������������������������������������������������� 14
Abb. 1.6 Beispielhafte detaillierte Analyse der digitalen Reife auf der Ebene
der digitalen Transformation (eigene Darstellung) ���������������������������������� 16
Abb. 3.1 Die maslowsche Bedürfnispyramide (In Anlehnung an: https://www.
simplypsychology.org/maslow.html, o. J.)������������������������������������������������ 54
Abb. 3.2 Darstellung der Handlungsfelder in der digitalen Transformation.
(Quelle: Eigene Darstellung)�������������������������������������������������������������������� 55
Abb. 3.3 digital Canvas – (Schlimbach & Asghari, 2020)�������������������������������������� 57
Abb. 3.4 Darstellung Analyseprozess – eigene Darstellung������������������������������������ 58
Abb. 3.5 Digital Maturity Matrix, In Anlehnung an (Westerman et al., 2017)�������� 63
Abb. 3.6 In Anlehnung an die Reifegrad Matrix des KPMG Maturity
Assessment (Ennemann & Kalmeyer, 2016)�������������������������������������������� 64
Abb. 4.1 Vertriebsstruktur nach Homburg et al. (2012)������������������������������������������ 73
Abb. 4.2 Vertriebsstruktur nach Binckebanck (2016b)�������������������������������������������� 74
Abb. 4.3 Konzeption einer idealtypischen Vertriebsorganisation
(Malewski et al., 2020)������������������������������������������������������������������������������ 75
Abb. 4.4 Vorgehen im Rahmen der Modellbildung (Malewski et al., 2020) ���������� 76
Abb. 4.5 Entwicklung und Inhalte der Dimension Strategie und Planung.
(Quelle: Eigene Darstellung)�������������������������������������������������������������������� 77
Abb. 4.6 Entwicklung und Inhalte der Dimension Customer Relation.
(Quelle: Eigene Darstellung)�������������������������������������������������������������������� 78
XIX
XX Abbildungsverzeichnis
Abb. 4.7 Entwicklung und Inhalte der Dimension Fähigkeit und Kultur.
(Quelle: Eigene Darstellung)�������������������������������������������������������������������� 78
Abb. 4.8 Entwicklung und Inhalte der Dimension Organisation und Prozesse.
(Quelle: Eigene Darstellung)�������������������������������������������������������������������� 79
Abb. 4.9 Entwicklung und Inhalte der Dimension IT und Controlling.
(Quelle: Eigene Darstellung)�������������������������������������������������������������������� 80
Abb. 4.10 Entwicklung und Inhalte der Dimension Technologietrends.
(Quelle: Eigene Darstellung)�������������������������������������������������������������������� 80
Abb. 4.11 Entwicklung und Inhalte der Dimension IT und Technologie.
(Quelle: Eigene Darstellung)�������������������������������������������������������������������� 86
Abb. 4.12 Framework zur Bestimmung der digitalen Reife von
Vertriebsorganisationen (Malewski et al., 2020)�������������������������������������� 88
Abb. 4.13 Vorgehensmodell zur Bestimmung der digitalen Reife von
Vertriebsorganisationen. (Quelle: In Anlehnung an Appelfeller &
Feldmann, 2018) �������������������������������������������������������������������������������������� 93
Abb. 5.1 Bestandteile der Digitalstrategie (eigene Darstellung in Anlehnung
an Schallmo et al., 2018, S. 3)������������������������������������������������������������������ 101
Abb. 5.2 Einordnung in den Kontext der Digitalisierung (Schallmo,
2019, S. 34) ���������������������������������������������������������������������������������������������� 102
Abb. 5.3 Zusammenhang zwischen Digitalstrategie und Unternehmensstrategie
(eigene Darstellung)���������������������������������������������������������������������������������� 106
Abb. 5.4 Phasen zur Entwicklung einer Digitalstrategie (eigene Darstellung)�������������� 107
Abb. 5.5 Digitalstrategie-Matrix (Basis) (eigene Darstellung)�������������������������������� 110
Abb. 5.6 Vorgehensmodell zur Entwicklung einer Digitalstrategie
(eigene Darstellung)���������������������������������������������������������������������������������� 112
Abb. 6.1 Systemtheorie: Input, Output, Elemente, Beziehungen und Umwelt
(eigene Darstellung)���������������������������������������������������������������������������������� 121
Abb. 6.2 Unternehmen als soziale produktive Systeme. (Quelle:
in Anlehnung an Pfeiffer & Weiss, 1994; Wettengl, 2018) ���������������������� 122
Abb. 6.3 Systemtheorie-basiertes Framework für die digitale Transformation
(Neu-Ulmer Modell) (eigene Darstellung)����������������������������������������������� 135
Abb. 7.1 Treiber der Plattformökonomie. (Quelle: Eigene Darstellung)���������������� 152
Abb. 7.2 Die zehn wertvollsten Unternehmen der Welt von 1995 bis 2020.
(Quelle: Eigene Darstellung)�������������������������������������������������������������������� 154
Abb. 7.3 Phasen der strategischen Führung nach Gausemeier und Plass (2014)���������� 155
Abb. 7.4 Definierte Branchen für ein Anwendungsbeispiel in Anlehnung an
die NACE-Systematik der Europäischen Kommission (2008) ���������������� 157
Abb. 7.5 Plattformtendenz von Branchen nach Drewel (2021) ������������������������������ 159
Abb. 7.6 Eignung von Produktfamilien für digitale Plattformen nach Drewel
(2021)�������������������������������������������������������������������������������������������������������� 161
Abbildungsverzeichnis XXI
XXIX
XXX Tabellenverzeichnis
Tab. 8.1 Verschiedene Arten von Innovationen. (Quelle: Christensen, 1997)���������� 173
Tab. 8.2 Beispiele digitaler disruptiver Innovation. (Quelle: Autor)������������������������ 174
Tab. 8.3 Primäre und sekundäre Forschungsfragen. (Quelle: Autor) ���������������������� 177
Tab. 8.4 Merkmale von disruptiven Technologien. (Quelle: Bower &
Christensen, 1995)�������������������������������������������������������������������������������������� 178
Tab. 8.5 Unterscheidungsmerkmale digitaler disruptiver Innovation. (Quelle:
McQuivey, 2013)���������������������������������������������������������������������������������������� 181
Tab. 8.6 Ziele disruptiver Innovation aus makroökonomischer Sicht. (Quelle:
Capgemini, 2015) �������������������������������������������������������������������������������������� 181
Tab. 8.7 Ziele disruptiver Innovation aus mikroökonomischer Sicht.
(Quelle: Moore, 2015)�������������������������������������������������������������������������������� 182
Tab. 8.8 Merkmale deutscher mittelständischer Unternehmen. (Quelle:
Adaptiert von Kayser, 2003)���������������������������������������������������������������������� 183
Tab. 8.9 Definition des deutschen Mittelstandes. (Quelle: Autor)���������������������������� 183
Tab. 8.10 Prominente Management-Muster gescheiterter Firmen.
(Quelle: Bower & Christensen, 1995)�������������������������������������������������������� 187
Tab. 8.11 Herausforderungen im Umgang mit disruptiver Innovation.
(Quelle: O’Reilly & Tushman, 2016) �������������������������������������������������������� 188
Tab. 8.12 Kritikalität der Herausforderungen im Umgang mit digitaler
disruptiver Innovation. (Quelle: Thomond et al., 2003) ���������������������������� 188
Tab. 8.13 Zusammenfassung der Herausforderungen. (Quelle: Autor)���������������������� 189
Tab. 8.14 Zusammenfassung der Reaktionsstrategien. (Quelle: Autor) �������������������� 192
Tab. 8.15 Merkmale des deutschen Mittelstandes. (Quelle: Williams
et al., 2018) ������������������������������������������������������������������������������������������������ 193
Tab. 8.16 Spezifische Merkmale des deutschen Mittelstandes (Auszug).
(Quelle: Becker et al., 2008)���������������������������������������������������������������������� 194
Tab. 8.17 Hebel digitaler Technologien zur Veränderung von Branchen.
(Quelle: Forrester-Bericht, 2011)��������������������������������������������������������������� 195
Tab. 8.18 Definition der Interview-Stichprobengruppe. (Quelle: Autor) ������������������ 197
Tab. 8.19 Zwei verschiedene Typen von Interviewpartnern. (Quelle: Autor)������������ 198
Tab. 8.20 Liste der Interviewpartner (anonymisiert). (Quelle: Autor)������������������������ 198
Tab. 9.1 DML-Dimension���������������������������������������������������������������������������������������� 228
Tab. 9.2 Beurteilung des Gesamtmodells ���������������������������������������������������������������� 232
Tab. 9.3 Gütebeurteilung der Messmodelle�������������������������������������������������������������� 232
Tab. 9.4 Strukturmodell�������������������������������������������������������������������������������������������� 233
Tab. 9.5 DML-Niveaus differenziert nach dem internen und externen Erfolg �������� 235
Tab. 10.1 Ergebnisse der ersten Delphi-Runde���������������������������������������������������������� 252
Tab. 11.1 Definierende Attribute und Häufigkeit der digitization. (Quelle:
Eigene Darstellung)������������������������������������������������������������������������������������ 293
Tab. 13.1 Spannungsfelder zwischen Kerngeschäft und digitalen Innovationen���������� 368
Tabellenverzeichnis XXXI
Daniel Schallmo und Christopher A. Williams
Zusammenfassung
Das Ziel dieses Beitrags ist es, einen integrierten Ansatz zur Messung und Verbesse-
rung des digitalen Reifegrads zu entwickeln. Der integrierte Ansatz besteht aus drei
grundlegenden Ebenen für eine strategie-orientierte Digitalisierung. Dazu gehören di-
gitale Strategie, digitale Transformation und digitale Umsetzung. Der Ansatz besteht
auch aus drei relevanten Schritten: einer initialen Analyse des digitalen Reifegrads, ei-
ner detaillierten Analyse und der Ableitung von Maßnahmen. Aufbauend auf unserer
bisherigen Forschung (z. B. der Analyse von 25 Reifegradmodellen) haben wir semi-
strukturierte Interviews eingesetzt, um einen Ansatz für die Messung des digitalen Rei-
fegrads zu entwickeln. Der Beitrag bietet ein Ansatz zur Messung des digitalen Reife-
grads und skizziert eine geeignete Forschungsmethodik, um diesen Forschungsbereich
voranzubringen. Damit schließt sich eine bestehende Forschungslücke in Bezug auf die
Messung und Verbesserung des digitalen Reifegrads.
Schlüsselwörter
D. Schallmo (*)
Hochschule Neu-Ulm, Institut für Entrepreneurship und Institut für Digitale Transformation,
Neu-Ulm, Deutschland
E-Mail: [email protected]
C. A. Williams
Johannes Kepler Universität, Linz, Österreich
1.1 Einführung
Der digitale Reifegrad wurde in mehreren Publikationen diskutiert (Becker et al., 2009;
Tarhan et al., 2016; Williams & Schallmo, 2020). Im Allgemeinen bestehen Reifegradmo-
delle aus gemeinsamen Eigenschaften (Lahrmann et al., 2010), einschließlich 1) Reife-
gradkonzept, 2) Dimensionen und 3) Ebenen. Die meisten Ansätze skizzieren mehrere
Dimensionen eines Unternehmens und werden separat behandelt und bewertet. Dimensi-
onen in einem Reifegradmodell können als Grundkonzepte definiert werden, die aus Un-
terdimensionen und deren Anforderungen bestehen, die nach dem Reifegrad bewertet wer-
den (Hamidi et al., 2018; Mittal et al., 2018). Nach Ansicht der Forschung besteht der
primäre Zweck eines Reifegradmodells darin, die aktuellen Fähigkeiten eines Unterneh-
mens zu bewerten und die notwendigen Fähigkeiten für die Zukunft abzuleiten (Anggra-
hini et al., 2018). Die Reifegradforschung hat die digitalen Kompetenzen im Bereich
IT-Management (Becker et al., 2009), Supply Chain Sustainability (Correia et al., 2017),
Projektmanagement (Backlund et al., 2014) und Geschäftsprozesse (Tarhan et al., 2016)
eingehend untersucht. So gibt es beispielsweise rund 30 verschiedene Reifegradmodelle
im Bereich „Projektmanagement“ (Cook-Davies, 2002) und sogar 150 Reifegradmodelle
für „IT-Servicefähigkeit, strategische Ausrichtung, Innovationsmanagement, Programm-
management“, Unternehmensarchitektur oder Reifegrad des Wissensmanagements (De
Bruin et al., 2005). Die Definition eines digitalen Reifegradmodells ist aufgrund der unter-
schiedlichen verwendeten Begriffe etwas schwieriger zu operationalisieren. Im Rahmen
der Literaturauswertung werden folgende Kategorien als digital betrachtet (Williams &
Schallmo, 2020):
• Bereiche technologischer Aktivität: Dazu gehören Bereiche wie IT und Business In-
telligence.
• Verwendete digitale Begriffe: Dazu gehören bereits erwähnte Begriffe wie Digital, In-
dustrie 4.0, Smart, Daten, Cloud usw.
Insgesamt befasst sich der Reifegrad eines Untersuchungsgegenstands mit der Erfül-
lung bestimmter Kriterien, einschließlich Objektiven, Merkmalen oder Indikatoren (Be-
cker et al., 2009). Mehrere Dimensionen und Kriterien innerhalb dieser Dimensionen, die
notwendig sind, um einen Reifegrad zu erreichen, sind in Modellen wie CMMI (CMMI
Product Development Team, 2011) vordefiniert, werden aber oft nach einem Bottom-up-
Ansatz entwickelt, der das digitale Reifegradmodell sehr individuell an das Unternehmen
anpasst. Dieses Vorgehen ist allerdings sehr zeitaufwändig; ferner sind individuell entwi-
ckelte Reifegradmodell nicht auf andere Unternehmen übertragbar. Darüber hinaus kann
der Zeitpunkt, an dem das digitale Reifegradmodell entwickelt wird, willkürlich sein
(Pfeifer-Silberbach, 2005), da das Modell den aktuellen Zustand eines Unternehmens und
seine Produkte, Dienstleistungen, Geschäftsmodelle und Prozesse misst.
1.4 Forschungsmethode
1.4.1 Forschungsdesign
Eine Theorie kann anhand des „Grounded Theory“-Ansatzes entwickelt werden (Basker-
ville & Wood-Harper, 1998; Glaser, 1992; Glaser & Strauss, 1967; Kromrey, 2009; Martin
& Turner, 1986). Grundlegend ist dabei die Datenerhebung und -analyse. Die Theorie
basiert auf iterativer Datenerfassung und -analyse, um praktische statt abstrakte Erfahrun-
gen zu integrieren (Kromrey, 2009).
Basierend auf unserem Forschungsziel und den Forschungsfragen haben wir unsere
bisherige Forschung zur digitalen Reife integriert (z. B. Schallmo et al., 2020; Williams
et al., 2019; Williams & Schallmo, 2020) und Digitalisierung (z. B. Schallmo & Williams,
2017, 2020; Schallmo et al., 2017, 2018, 2019a, b).
1 Integrierter Ansatz für den digitalen Reifegrad: Ebenen, Vorgehen und detaillierte … 7
Abb. 1.1 Forschungsdesign des integrierten Ansatzes für die digitale Reife (eigene Darstellung)
Aufgrund der Komplexität im Kontext des digitalen Reifegrads wird empfohlen, einen
„Mixed Method“-Ansatz (d. h. qualitativ und quantitativ) zu verwenden, um Reifegrad-
modelle zu untersuchen (Frederico et al., 2020; Schumacher et al., 2016). Qualitative Me-
thoden wie semi-strukturierte Interviews gelten als geeignete Forschungsmethode zur
Entwicklung von Reifegradmodellen; in aktuellen Studien gab es diesbezüglich allerdings
einige Kritikpunkte. Zum Beispiel sind die Interviewtermine und die Transparenz, wie die
Interviews analysiert wurden, oft nicht klar (Kim et al., 2018; Warnecke et al., 2018). Da-
her folgt der Datenerhebung mit einem qualitativen Forschungsansatz die Analyse von
semi-strukturierten Interviews (Schmidt, 2004).
In Kombination mit unserer bisherigen Forschung haben wir semi-strukturierte Inter-
views eingesetzt, um eine erste Theorie (d. h. konzeptionelles Modell) für die Messung
des digitalen Reifegrads zu entwickeln. Unser Forschungsdesign ist in Abb. 1.1 dargestellt.
1.4.2 Datenerfassung
Um Einblicke von Experten zur Digitalisierung zu gewinnen, haben wir einen Leitfaden für
semi-strukturierte Interviews entwickelt. Der Interview-Leitfaden wurde zuvor getestet und
enthält die folgenden drei Fragenblöcke (weitere Einzelheiten siehe auch Abschn. 1.8):
8 D. Schallmo und C. A. Williams
Tab. 1.1 Befragte
Position Unternehmen/Institution Datum
Experte 1 Digital Transformation Fertigungsunternehmen für 30.04.2021
und Manager Verpackungsmaschinen
Experte 2
Experte 3 Projektleiter und Leiter Unternehmen für Engineering- 30.04.2021
der autonomen Dienstleistungen und Softwareentwicklung
Mobilität
Experte 4 Partner und Director Beratungsunternehmen zur Transformation 30.04.2021
Digital Solutions und Digitalisierung von Geschäftsmodellen,
Produkten und Prozessen
Experte 5 Executive Vice Unternehmen für Beratung und IT-Services 30.04.2021
President Industrie
Experte 6 Geschäftsführer Unternehmen für IT-Services 10.05.2021
Wir haben vom 30. April bis 10. Mai 2021 sechs Experten zur Digitalisierung aus Deutsch-
land befragt. Die semi-strukturierten Interviews sind in Tab. 1.1 dargestellt.
Im Rahmen unserer Datenanalyse konzentrieren wir uns auf die Ergebnisse des Mo-
dells zur Messung der digitalen Reife. Die Experten 1 und 2 wurden gemeinsam befragt,
da beide demselben Unternehmen angehören.
1.4.3 Qualitätskriterien
Um die Validität der Ergebnisse zu gewährleisten (Denzin, 1970), haben wir die Triangu-
lation auf verschiedene Weise angewandt, indem wir Daten aus verschiedenen Quellen
gewonnen haben. Zunächst haben wir bestehende Ansätze zur digitalen Reife und Digita-
lisierung kombiniert, um Vorteile und Erkenntnisse aus vorhandenem Wissen zu nutzen
(Denzin, 1970). Zweitens haben wir sechs semi-strukturierte Interviews geführt, um Er-
kenntnisse von Experten zur Digitalisierung zu gewinnen.
Die Reliabilität unseres Ansatzes wurde durch die Transkribierung der Ergebnisse der
semi-strukturierten Interviews sichergestellt. Die so gewonnenen Informationen bilden ein
empirisches Datenmuster und bilden in Kombination mit der bisherigen Arbeit die Grund-
lage für einen integrierten Ansatz zur digitalen Reife. Die Objektivität wurde durch Pre-
1 Integrierter Ansatz für den digitalen Reifegrad: Ebenen, Vorgehen und detaillierte … 9
Im Rahmen unseres integrierten Ansatzes befassen wir uns mit drei verschiedenen Dimen-
sionen: grundlegende Ebenen der strategie-orientierten Digitalisierung, Prozess zur Mes-
sung und Verbesserung der digitalen Reife sowie eine eingehende Analyse der digitalen
Reife. Die drei Dimensionen sind in Abb. 1.2 dargestellt.
Im folgenden Abschnitt zeigen wir jede Dimension unseres Modells, Auszüge aus den
Interviews und Schlussfolgerungen für die Weiterentwicklung unseres Modells auf.
Integrierter
Ansatz für die
Dimension 3: detaillierte Analyse der Dimension 2: Prozess zur Messung
digitalen Reife Digitale Reife und Verbesserung der digitalen Reife
1 2 3
Abb. 1.2 Dimensionen des integrierten Ansatzes für die digitale Reife (eigene Darstellung)
10 D. Schallmo und C. A. Williams
Digitalstrategie
Makro- Mikro-
Umfeld Umfeld
Digitale Transformation
im im
des Geschäftsmodells
digitalen digitalen
Kontext Kontext
Digitale Implementierung
men haben oft keine Klarheit darüber, welche Richtung sie in Bezug auf ihre Digitalstra-
tegie einschlagen und welche allgemeinen Grundsätze und Optionen anzuwenden sind.
Die erste Ebene der strategie-orientierten Digitalisierung ist die Digitalstrategie. Die
Digitalstrategie ist die ganzheitliche Ausrichtung von Digitalisierungsvorhaben in Unter-
nehmen und Organisationen, um den digitalen Wandel zu antizipieren und mitzugestalten.
Das mittel- und langfristige Ziel ist es, Wettbewerbsvorteile zu erhalten oder neu zu
schaffen.
Die Digitalstrategie wird anhand eines strukturierten Vorgehens entwickelt. Hierbei
werden digitale Technologien und neue Methoden auf Produkte, Prozesse oder ganze Ge-
schäftsmodelle angewendet, was den digitalen Reifegrad eines Unternehmens erhöht. Die
Digitalstrategie hat folgende Bestandteile: Vision, Mission, strategische Ziele, strategische
Erfolgsfaktoren, Werte sowie Projekte und Maßnahmen. Diese Bestandteile werden dabei
immer im Kontext der Digitalisierung betrachtet (Bharadwaj et al., 2013; Cordon et al.,
2016; Greiner et al., 2017; Hille et al., 2016; Kraewing, 2017; Peppard & Ward, 2016;
Petry, 2016; Rauser, 2016; Schallmo et al., 2018).
Die zweite Ebene der strategie-orientierten Digitalisierung ist die digitale Transforma-
tion von Geschäftsmodellen. Die Digitale Transformation von Geschäftsmodellen betrifft
einzelne Geschäftsmodell-Elemente, das gesamte Geschäftsmodell, Wertschöpfungsket-
ten sowie die Vernetzung unterschiedlicher Akteure in einem Wertschöpfungsnetzwerk.
Dabei dient die Digitale Transformation dazu, die Digitalstrategie in Geschäftsmodellen
zu konkretisieren. Sie erfolgt anhand eines Vorgehens mit einer Abfolge von Aufgaben
und Entscheidungen, die in logischem und zeitlichem Zusammenhang zueinanderstehen
(BMWi, 2015; Boueé & Schaible, 2015; Bowersox et al., 2005; Mazzone, 2014; Schallmo
et al., 2017; Westerman et al., 2011).
Die dritte Ebene der strategie-orientierten Digitalisierung ist die Umsetzung der Digi-
talstrategie beschäftigt und die digitale Transformation eines oder mehrerer Geschäftsmo-
1 Integrierter Ansatz für den digitalen Reifegrad: Ebenen, Vorgehen und detaillierte … 11
delle unterstützt (Cordon et al., 2016; Kraewing, 2017; Peppard & Ward, 2016; Petry,
2016; Rauser, 2016). Folgende Bereiche sind für die digitale Umsetzung relevant
(Schallmo & Williams, 2020):
Basierend auf den Interviews und Transkripten betrachten wir folgende Auszüge zu den
Ebenen der strategie-orientierten Digitalisierung:
• … Die drei Ebenen sind sehr wichtig und sehr sinnvoll … (E1)
• … Mit der Umsetzung, die man dann konkretisieren muss, ist es natürlich auch wichtig,
dass man […] wirklich etwas Konkretes macht … (E1)
• … Technologie, digitale Produkte, das haben wir haben – das ist eine zusätzliche Säule
bei den Geschäftsmodellen. Das wäre auf der untersten Ebene, aber ich denke, das ist
auch eine gute Möglichkeit, dies in diese zweite Ebene zu bringen, denn es ist eine
strategischere Frage als die anderen Bereiche. (E1)
• … Wenn es [digitale Strategie] am Anfang steht und man darauf aufbauen kann, [kann
es] die digitale Transformation vorantreiben … (E2)
• … Jedes Unternehmen sollte eine Digitalisierungsstrategie haben. Deshalb ist dies nur
schlüssig …, (E3)
• … Natürlich muss ich mich in bestimmten Bereichen und mit meinen Geschäftsmodel-
len und dann mit den vier Bereichen [Technologie, Organisation, Fähigkeiten, Kultur]
anpassen … (E3)
• … Was mir hier [digitale Strategie] fehlt, ist Differenzierung. Also, was wir hatten: die
Digitalisierung des Geschäftsmodells. Wir unterscheiden also zwischen zwei Berei-
chen. Einerseits habe ich die Digitalisierung meines Geschäftsmodells, d. h. die Digi-
talisierung meines Leistungsspektrums, meiner Produkte etc. Und auf der anderen
Seite die Digitalisierung meiner Services … (E4)
• … Ich sehe das Thema Kultur als überlegen … Wie ermächtige ich meine Organisation,
wie kommuniziere ich, nehme alle mit? Und für mich ist dies eher ein Rahmen, auf
dem das Ganze stattfindet … (E4)
12 D. Schallmo und C. A. Williams
• Die drei grundlegenden Ebenen sollten beibehalten werden, müssen aber an die spezi-
fischen Bedürfnisse des Unternehmens angepasst werden können.
• Technologien sind bereits im Geschäftsmodell und in der Roadmap für die digitale
Transformation enthalten, sollten aber deutlicher hervorgehoben werden.
• Die Differenzierung zwischen Digitalisierung von Produkten/Dienstleistungen und
Servicebereitstellung (externe und interne Digitalisierung) ist im Geschäftsmodell und
in der Roadmap für die digitale Transformation enthalten, sollte aber deutlicher hervor-
gehoben werden.
• Kultur und Kommunikation sollten von Anfang an und auf allen drei Ebenen einbezo-
gen werden.
• Der gegenseitige Einfluss der vier Bereiche (Technologie, Organisation, Kompetenzen
und Kultur) wird auf der Umsetzungsebene berücksichtigt, sollte jedoch deutlicher her-
vorgehoben werden.
• Die Messung des Fortschritts auf jeder Ebene wird in dem Prozess berücksichtigt,
sollte jedoch deutlicher hervorgehoben werden.
1 Integrierter Ansatz für den digitalen Reifegrad: Ebenen, Vorgehen und detaillierte … 13
Die zweite Dimension beinhaltet den Prozess zur Messung und Verbesserung der digitalen
Reife und besteht aus den folgenden drei Schritten, die in Abb. 1.4 dargestellt sind: 1. ini-
tiale Analyse der digitalen Reife, 2. detaillierte Analyse und 3. Ableitung von Maßnah-
men. Die initiale Analyse unterstützt die Fokussierung auf die relevanten Ebenen der
strategie-orientierten Digitalisierung und ist als einfacher Überblick konzipiert. Die Ana-
lyse unterteilt sich in Ergebnisse (z. B. eine Digitalstrategie) und Organisation (z. B. Pro-
zess für digitale Strategie).
Inspiriert durch die Bewertung von Objekten im EFQM-Modell (EFQM, 2003) schla-
gen wir die vier Stufen der digitalen Reife für die erste Analyse vor, wie in Abb. 1.5 dar-
gestellt.
Auf dieser Grundlage werden die relevanten Bereiche für eine detaillierte Analyse aus-
gewählt. Diese Analyse liefert Details zu den einzelnen Ebenen der strategie-orientierten
Digitalisierung und enthaltenen Kriterien. Der dritte Schritt ist die Ableitung von Maßnah-
men zur Verbesserung der digitalen Reife eines Unternehmens.
Basierend auf den Interviews und Transkripten betrachten wir die folgenden Auszüge für
den Prozess zur Messung und Verbesserung der digitalen Reife:
• … Ich denke, wenn man es auf einer höheren Ebene betrachtet, macht es Sinn, und die
Ableitung von Maßnahmen – ich bin sowieso immer sehr Fan davon … (E1)
• … Guter Prozess … das ist sehr einfach … überhaupt nicht überflüssig … (E3)
1 2 3
Detaillierte Analyse der Ableitung von Maßnahmen zur
Initial-Analyse der
digitale Reife Verbesserung der digitalen Reife
digitale Reife
(für eine oder zwei Ebenen; z. B. digitale (für eine oder zwei Ebenen; z. B. digitale
(für alle drei Ebenen)
Transformation) Transformation)
• Einrichten einer
Technologiebewertung
Digitale Transformation Digitale Transformation • Testen neuer digitaler
des Geschäftsmodells des Geschäftsmodells Kundenkanäle
• Implementierung neuer digitaler
Dienste
• …
Abb. 1.4 Verfahren zur Messung und Verbesserung der digitalen Reife (eigene Darstellung)
14 D. Schallmo und C. A. Williams
Abb. 1.5 Beispielhafte Initialanalyse für die digitale Reife (eigene Darstellung)
• … Wie es jetzt präsentiert wird, passt aber vor allem das zentrale Element. Wie geht es
weiter? (E4)
• … Wir schauen uns sehr viel einen Zyklus an, so viel mehr, zum Beispiel, erste Ana-
lyse … (E5)
• … Eine grundlegende Steigerung durch einen Grad der Digitalisierung muss nicht un-
bedingt ein Ziel sein …. nicht unbedingt jeder lokale Digitalisierungsgradanstieg des
gesamten Unternehmens macht Sinn … (E5)
• … Den Reifegrad selbst, aber auch den Reifegrad der Umwelt … (E5)
• … Die Analysen sollten vor der Abfolge der Maßnahmen evaluiert werden … (E6)
• … Kann auch zwei verschiedene Teams in Unternehmen sein, also: Dass man das be-
wertet, Schwachstellen zeigt, und nur die Ableitung von Maßnahmen könnte jemand
anderes sein …. (E6)
Basierend auf dem oben beschriebenen Prozess zur Messung und Verbesserung der digi-
talen Reife und den Auszügen aus den Interviews sind folgende Schlussfolgerungen rele-
vant, um das Modell weiterzuentwickeln:
• Die drei Schritte des Prozesses sollten beibehalten werden, müssen aber an die spezifi-
schen Bedürfnisse des Unternehmens angepasst werden können.
• Der Zusammenhang zwischen der Bewertung der digitalen Reife, Maßnahmen und den
drei Ebenen der Digitalisierung (digitale Strategie, digitale Transformation und digitale
Umsetzung) sollte deutlicher hervorgehoben werden.
• Die Bewertung der digitalen Reife sollte kontinuierlich erfolgen, einschließlich der
Bewertung des Erfolgs von Maßnahmen (im Ansatz für die digitale Umsetzung behan-
delt) und Iterationen zwischen mehreren Schritten.
• Neben der Analyse des digitalen Reifegrads von Unternehmen sollte der digitale Reife-
grad des Umfelds analysiert werden, einschließlich einer Ausrichtung (im Ansatz der
digitalen Transformation abgedeckt).
• Die Auswertung der Analyse erfolgt in Schritt zwei (detaillierte Analyse), um sich auf
die relevanten Positionen zu konzentrieren.
Die dritte Dimension ist im Wesentlichen der zweite Schritt des beschriebenen Prozesses
und beinhaltet eine detaillierte Bewertung von relevanten Elementen. Die bewerteten Ele-
mente liefern Einblicke für jede Ebene der strategie-orientierten Digitalisierung – zum Bei-
spiel den Prozess zur Entwicklung einer Digitalstrategie, Verantwortlichkeiten, organi
satorische Integration, Existenz einer Vision etc. Daher werden die Ergebnisse
(z. B. Digitalstrategie, Geschäftsmodell) und grundlegende Schritte (z. B. Roadmap für die
digitale Transformation von Geschäftsmodellen) dekonstruiert und in die eingehende Ana-
lyse einbezogen. Jedes Element wird anhand einer Skala mit vier verschiedenen Graden
16 D. Schallmo und C. A. Williams
Elemente auf der Ebene der Digitale Reife im Potenzial zur Relevanz für die
digitalen Transformation (Ergebnis = Vergleich zum Weiterentwicklung Weiterentwicklung
Geschäftsmodell) stärksten des Elements des Elements, auch
Wettbewerber (1-4) Dringlichkeit (1-4)
(1-4)
Kundenkanäle
Kundenbeziehungen
Produkte und Dienstleistungen
Ressourcen
Fähigkeiten
Prozesse
…
…
Elemente auf der Ebene der Digitale Reife im Potenzial zur Relevanz für die
digitalen Transformation (Organisation Vergleich zum Weiterentwicklung Weiterentwicklung
= Geschäftsmodell) stärksten des Elements des Elements, auch
Wettbewerber (1-4) Dringlichkeit (1-4)
(1-4)
Verantwortung für die digitale
Transformation
Struktur für die digitale Transformation
Schritt 1: Digitale Realität
Schritt 2: Digitale Ambition
…
…
Abb. 1.6 Beispielhafte detaillierte Analyse der digitalen Reife auf der Ebene der digitalen Trans-
formation (eigene Darstellung)
(von 1 – sehr niedrig bis 4 – sehr hoch) für die folgenden Kriterien bewertet: digitale Reife,
Verbesserungspotenzial und Relevanz für das Unternehmen. Abb. 1.6 zeigt ein Beispiel für
eine eingehende Analyse der digitalen Reife auf der Ebene der digitalen Transformation.
Durch die Anwendung mehrerer Kategorien ist es möglich, sich noch stärker auf rele-
vante digitale Initiativen zur Verbesserung der digitalen Reife eines Unternehmens zu kon-
zentrieren. Es ist auch möglich, jedes Element verbal zu beschreiben, um mehr Einblicke
zu gewinnen. Zwei wichtige Punkte sind die Quantifizierung der digitalen Reife und die
Anpassung des integrierten Ansatzes an spezifische Unternehmensanforderungen.
Aufbauend auf den Interviews und Transkripten liegen folgende Auszüge für detaillierte
Analyse der digitalen Reife:
• … Ich finde es hilfreich – die drei Säulen zu betrachten und dann zu sagen: Ok, wie
beurteilen wir den digitalen Reifegrad, und wo sehen wir das Potenzial? (E2)
• … Und was ist die Relevanz? Ich glaube, wir könnten dann vielleicht noch detaillier-
tere und sogar einfachere Maßnahmen ableiten und wissen, was wichtig ist. (E2)
1 Integrierter Ansatz für den digitalen Reifegrad: Ebenen, Vorgehen und detaillierte … 17
• … Ich finde es gut, dass ich es jetzt hier sehe, dass man sich nicht nur die inneren, son-
dern auch die äußeren Faktoren anschaut – also die Kanäle, die nach draußen ge-
hen … (E3)
• … Zu den Elementen, denke ich, das ist schon ein sehr vollständiges Bild …, und so
können Sie auch den digitalen Reifegrad abfragen … (E3)
• … Das ist klar, logisch, gut und sehr einfach, also glaube ich nicht, dass Sie eine wei-
tere Skala hinzufügen müssen; das macht es nur komplizierter … (E3)
• … Und ich denke auch, dass das Potenzial gut ist. Relevanz: Ist die Frage, ob dies auf
alle einzelnen Bereiche angewendet werden kann …? (E3)
• … Ich finde es einfach, und doch gibt es auch ein vollständiges Bild … (E3)
• … Was ist die Referenz für die Bewertung? … (E4)
• … Hängt natürlich vom Kenntnisstand des jeweiligen Befragten ab … wie er es sieht
und wo er sich konzentrieren möchte … (E4)
• … Option 1: Wir haben keine Digitalisierungsstrategie, wir haben im Moment nichts
dazu geplant …. Option 2: Wir haben keine Digitalisierungsstrategie, aber wir pla-
nen …. Option 3 ist dann: Wir sind gerade dabei, die Digitalisierungsstrategie umzuset-
zen …, und Option 4 lautet: Wir haben sie abgeschlossen und befinden uns in der Op-
timierung [Phase] … (E4)
• … Was sind die nächsten Punkte, wohin ich gehen müsste? (E4)
• … Die Spalten geben mir eine positive Antwort … (E5)
• … Jetzt müssten wir die Metrik selbst anpassen …. Wie machen Sie das? Das war
Wahnsinn … (E5)
• … Und dann war die Diskussion da, und diese Diskussion hat sich im Nachhinein ge-
ändert, so dass der einzige wirkliche Nutzen davon die Diskussion war … (E5)
• … Ja, aber nehmen Sie das unternehmerische Risiko mit – mit jeder Zeile am Ende.
Also, das Risiko, dass ich dort auf dem Markt habe … und das Risiko, wenn ich mir
jetzt mein Geschäftsmodell am Kundenkanal ansehe, ist vielleicht höher, als ob ich –
keine Ahnung – völlig neu in der Organisation implementieren würde … (E6)
Basierend auf der oben beschriebenen detaillierten Analyse der digitalen Reife und den
Auszügen aus den Interviews sind folgende Schlussfolgerungen für die Weiterentwick-
lung des Modells relevant:
• Die Idee, eine erste Analyse und dann eine eingehende Analyse durchzuführen, sollte
beibehalten werden, muss aber an spezifische Unternehmensbedürfnisse angepasst
werden können.
• Es sollten keine zusätzlichen Skalen hinzugefügt werden, um die Komplexität gering
zu halten.
• Die Referenz für die Bewertung wurde durch den Vergleich des Unternehmens mit dem
stärksten Wettbewerber aufgenommen.
• In Bezug auf die Befragten sollten Experten in einem Unternehmen einbezogen werden
und nicht fachfremde Mitarbeiter.
18 D. Schallmo und C. A. Williams
• Eine differenziertere Bewertung (nicht geplant, geplant …) wurde in die erste Analyse
einbezogen; die Auswertung von 1 bis 4 könnte mehr erklärt oder individuali-
siert werden.
• Das Management der Komplexität sollte im Auge behalten werden.
• Die detaillierte Analyse kann auch als Kommunikationsinstrument gesehen werden,
um den Bedarf an Digitalisierungsprojekten zu ermitteln.
• Das jeweilige Risiko ist in der Skala „Relevanz für die Weiterentwicklung von Ele-
ment“ enthalten.
Unsere Forschung beinhaltet einen integrierten Ansatz zur Messung und Entwicklung der
digitalen Reife. Dieser Ansatz besteht aus mehreren grundlegenden Ebenen für die
strategie-orientierte Digitalisierung. Zu den grundlegenden Ebenen gehören Digitalstrate-
gie, digitale Transformation und digitale Umsetzung. Darüber hinaus beschrieben wir drei
relevante Schritte, darunter eine erste Analyse der digitalen Reife, eine detaillierte Analyse
und die Ableitung von Maßnahmen. Damit schließt sich eine bestehende Forschungslücke
in Bezug auf die Messung und Verbesserung der digitalen Reife.
Führungskräfte und Unternehmensentwickler werden von den Ergebnissen profitieren,
indem sie einen integrierten Ansatz für die digitale Reife vorfinden, der mehrere Ebenen
der Digitalisierung abdeckt. Der integrierte Ansatz ermöglicht es Unternehmen, ihr digita-
les Potenzial zu nutzen. Durch die Ableitung von Maßnahmen sind Unternehmen in der
Lage, ihre aktuelle Situation zu optimieren und einen deutlichen Wettbewerbsvorteil zu
schaffen. Spezifische Anforderungen von Unternehmen sollten durch eine Anpassung des
vorliegenden Ansatzes abgedeckt werden.
Unser Beitrag zielte darauf ab, unsere bestehende Forschung zur digitalen Reife fortzuset-
zen und unsere ersten Erkenntnisse über die Anwendbarkeit unseres integrierten Ansatzes
aufzuzeigen. Wir sehen die folgenden Einschränkungen in diesem Beitrag. Die Leser müs-
sen sich darüber im Klaren sein, dass die dargestellten Ergebnisse aufgrund theoretischer
Zwänge und weniger primärer Datenquellen möglicherweise nicht verallgemeinerbar
sind. Darüber hinaus erfordern die skizzierten Grundsätze und die vorgeschlagene For-
schungsmethodik eine weitere Untersuchung.
Weitere Untersuchungen über den integrierten Ansatz sind empfehlenswert. Praktiker
sollten dabei noch stärker in die weitere Forschung einbezogen werden, da der integrierte
Ansatz somit weiter getestet werden könnte, um zusätzliche empirische Daten zum Ver-
gleich bereitzustellen. Es wäre interessant, eine allgemein zugängliche und anonymisierte
1 Integrierter Ansatz für den digitalen Reifegrad: Ebenen, Vorgehen und detaillierte … 19
Ist das Thema der Digitalisierung in Ihrem Unternehmen strukturiert, wenn ja, wie
(z. B. verschiedene Ebenen, die betrachtet werden)?
Haben Sie in den letzten zwei Jahren Initiativen und Projekte im Kontext der Digitali-
sierung begonnen und durchgeführt, wenn ja, welche?
Welche Erfahrungen haben Sie bisher im Kontext der Digitalisierung gemacht?
Wird in Ihrem Unternehmen der Digitale Reifegrad gemessen, wenn ja, wie (z. B. Ebe-
nen, Grade …)?
Haben Sie in den letzten zwei Jahren Initiativen und Projekte im Kontext des Digitalen
Reifegrads begonnen und durchgeführt, wenn ja, welche?
Welche Erfahrungen haben Sie bisher im Kontext des Digitalen Reifegrads gemacht?
Wie ist Ihre Einschätzung bzgl. des Prozesses (Initialanalyse des Digitalen Reifegrads,
Detailanalyse des Digitalen Reifegrads, Ableitung von Maßnahmen)? Ist dieser praktika-
bel? Was fehlt? Was ist überflüssig?
Wie ist Ihre Einschätzung bzgl. der detaillierten Messung (Messung des digitalen Rei-
fegrads, Verbesserungspotenzial und Relevanz für das Unternehmen)? Ist diese praktika-
bel? Was fehlt? Was ist überflüssig?
20 D. Schallmo und C. A. Williams
Literatur
Schallmo, D., Williams, C. A., & Lohse, J. (2019a). Digital strategy: Integrated approach and gene-
ric options. International Journal of Innovation Management, 23(8).
Schallmo, D., Williams, C. A., & Lohse, J. (2019b). Digital strategy: Integrated approach and gene-
ric options. In Proceedings of the XXX ISPIM innovation conference, Florence, Italy, June 16–19,
2019. ISBN 9789523353510.
Schallmo, D., Lang, K., Hasler, D., Ehmig-Klassen, K., & Williams, C. A. (2020). An approach for
a digital maturity model for SMEs based on their requirements. In Proceedings of the XXXI
ISPIM innovation conference – „Innovating our common future“, Berlin, Germany, (virtual),
June 7–10, 2020. ISBN 9789523354661.
Schmidt, C. (2004). The analysis of semi-structured interviews. In A companion to qualitative rese-
arch (S. 253–258). Sage.
Schumacher, A., Erol, S., & Sihn, W. (2016). A maturity model for assessing industry 4.0 readiness
and maturity of manufacturing enterprises. Procedia CIRP, 52, 161–166.
Tarhan, A., Turetken, O., & Reijers, H. A. (2016). Business process maturity models: A systematic
literature review. Information and Software Technology, 75, 122–134.
Warnecke, D., Heyn, J., & Teuteberg, F. (2018). Nachhaltigkeit durch betriebliche Umweltinforma-
tionssysteme (BUIS)? Entwicklung und Evaluation eines Reifegradmodells für kleine und mitt-
lere Unternehmen (KMU). In Workshops der INFORMATIK 2018-Architekturen, Prozesse, Si-
cherheit und Nachhaltigkeit. Köllen Druck+ Verlag GmbH.
Westerman, G., Calméjane, C., Bonnet, D., Ferraris, P., & McAfee, A. (2011). Digital transforma-
tion: A roadmap for billiondollar organizations. MIT Center for Digital Business and Capgemini
Consulting, 1–68.
Williams, C. A., & Schallmo, D. (06–08. December 2020). How SMEs digitally mature: Conceptual
research framework and initial findings. In Proceedings of the ISPIM connects global „celebra-
ting the world of innovation“ (virtual). ISBN 9789523355668.
Williams, C. A., Schallmo, D., Lang, K., & Boardman, L. (2019). Digital maturity models for small
and medium-sized enterprises: A systematic literature review. ISPIM Conference Proceedings.
The International Society for Professional Innovation Management (ISPIM), 2019, 1–15.
Zusammenfassung
Der Beitrag stellt die Auswirkungen dar von Digitalisierung als neuartiger und lawinen-
artig umgesetzter Technik auf das Verhalten von Individuen und auf die Gesellschaft,
welche wiederum auf Unternehmen zurückwirken. Individuen sind Kunden und Liefe-
ranten, aber auch Mitarbeitende und bringen so ihre durch Digitalisierung veränderten
Verhaltensweisen mit in Unternehmen, die sich darauf einstellen müssen. Diese ver-
haltenswirksamen Auswirkungen von Digitalisierung (am Beispiel von sozialen
Massenmedien, Suchmaschinen und Möglichkeiten zur Verhaltensbeeinflussung) wer-
den hier dargestellt in Bezug auf Menschen, ihre Identität, auf Arbeit in der digitalen
Ökonomie und auf Führen in der Digitalisierung.
Schlüsselwörter
cc „Der Inhalt der Physik geht die Physiker an, die Auswirkung alle Menschen.“
Dürrenmatt (2015, S. 901)
A. Weiand (*)
Hochschule Neu-Ulm, Neu-Ulm, Deutschland
E-Mail: [email protected]
Es ist eine Binsenweisheit, dass das Verhalten von Menschen beeinflusst wird einerseits
von seinen Einstellungen und Motiven, andererseits aber auch durch seine Umwelt. Weit
gefasst besteht Umwelt aus so heterogenen Systemen wie Staaten mit ihren Gesetzen, aus
Kulturen, aus dem, was verlangt und an Verhalten eingeübt wird in Unternehmen, Ver-
einen, Religionsgemeinschaften, Familien … Andreas Reckwitz formuliert dies prägnant
(2019a, S. 206 f.): „Das Individuum ist keine autonome Einheit, sondern ein gesellschaft-
liches Produkt. Erst in der Gesellschaft wird aus dem Amalgam aus körperlichen und darin
auch psychischen Grundeigenschaften eines Menschen ein Subjekt: ein gesellschaftlich
vollwertiges Wesen, das im Idealfall jene Kompetenzen, Wunschstrukturen und Mentali-
täten verinnerlicht, welche die jeweilige Gesellschaftsform voraussetzt. Die psychische
Struktur ist damit immer schon eine psychosoziale Struktur.“ Jede Gesellschaft und jede
historische Entwicklungsstufe einer Gesellschaft bringen demnach in den sozialen Inter-
aktionen andere Formen von Subjektivität hervor mit jeweils anderen Erwartungen, Wün-
schen, Motiven etc.
Zur Umwelt zählt aber auch Technik, die uns als Konsumenten entgegentritt etwa als
Produkt mit bestimmten Eigenschaften/Features, das z. B. neue Möglichkeiten der ortsun-
gebundenen Kommunikation erlaubt, oder die uns als Arbeitnehmern entgegentritt als
Technik innerhalb einer Organisation, die eine bestimmte Arbeitsweise erfordert, ja er-
zwingt, da das technische Arrangement dazugehört zu Arbeitsvertrag und zu Arbeitsplatz.
„Wie in einer Gesellschaft gehandelt und gefühlt, wie produziert, geherrscht, kommuni-
ziert und imaginiert wird, ist entscheidend von den Formen der Technik und der Techno-
logie beeinflusst, über die sie verfügt.“ (Reckwitz, 2019b, S. 225) Anzumerken ist hier
allerdings, dass Technik nicht selbst „auf- oder entgegentritt“, sondern dass Technik in
einer Gesellschaft eingesetzt wird, dass ihr also nichts Naturhaft-Elementares eignet.
Digitalisierung ist ein enormer Technik-Schub, dessen Auswirkungen derzeit noch
nicht abzusehen sind. Er erfasst derzeit nicht nur Wirtschafts-Unternehmen, sondern reicht
durch sie weit in die Gesellschaft und andere gesellschaftliche Teil-Systeme wie Politik,
Religion, Wissenschaft, Erziehung, Recht, Kunst, Sport, Massenmedien, Gesundheits-
system sowie Intimbeziehungen und Familie hinein. Kaum ein Teil-System, das von Digi-
talisierung unberührt bleibt: Von interaktiven sozialen Massenmedien (Massenmedien)
über Dating-Portale (Intimbeziehungen) bis zum Tracking von individuellen Gesundheits-
daten (Gesundheitssystem) und hin zu E-Sports (Sport). Es ist oft nicht die Frage, ob
etwas digitalisierbar ist, sondern ob man es digitalisieren sollte. So sind elektronische
Wahlen zu Parlamenten prinzipiell möglich; diskutiert wird aber, ob Wahlen aufgrund des
hohen Symbolgehalts der demokratischen Mitbestimmung nicht weiterhin persönlich in
einem Wahllokal erfolgen sollten.
cc „Wir sind überzeugt, dass Portale wie Google, Facebook, Amazon oder Apple weit-
aus mächtiger sind, als die meisten Menschen ahnen, und dass unsere Zukunft durch
ihre weltweite Nutzung geprägt sein wird. Diese Plattformen stellen einen echten
2 Digitalisierung, Gesellschaft und Unternehmen 27
Paradigmenwechsel dar, ähnlich wie die Erfindung des Fernsehens. Ihre Macht be-
ruht auf der Fähigkeit, exponentiell zu wachsen. Mit Ausnahme von biologischen
Viren gibt es nichts, was sich mit derartiger Geschwindigkeit, Effizienz und
Aggressivität ausbreitet wie diese Technologieplattformen, und dies verleiht auch
ihren Machern, Eigentümern und Nutzern neue Macht.“ (Schmidt & Cohen, 2013,
S. 22) (Eric Schmidt, erst CEO, dann Executive Chairman von Google Inc., dann
Executive Chairman der Muttergesellschaft Alphabet Inc.)
Digitalisierung wird hier nicht verstanden als ein rein technischer Akt der Umwandlung
von analogen Daten in digitale (und damit leicht verarbeitbare/sortierbare, kopierbare/teil-
bare) Daten, sondern Digitalisierung wird begriffen als neue, umfassende technisch-
ökonomische Möglichkeiten für alle gesellschaftlichen Akteure. Diese Möglichkeiten bie-
ten sich insbesondere dem gesellschaftlichen Teilsystem Wirtschaft, dort insbesondere
den Informations- und Finanz-Unternehmen und dort insbesondere Google, Amazon,
Facebook, Apple (GAFA) (vgl. Staab, 2020, S. 21). Dabei „geschieht“ Digitalisierung
nicht, sondern sie wird von identifizierbaren Akteuren (Unternehmen, Regierungen,
Wissenschaftlern …) mit identifizierbaren Interessen entwickelt, als digitales Produkt
oder Dienstleistung in den Markt eingeführt/angeboten, forciert, erlaubt, toleriert …
Schauen wir uns im Folgenden exemplarisch an, welche Auswirkungen digitale Technik
auf Information und Kommunikation hat und welche Folgen es mit sich bringt für die
davon betroffenen Individuen und die Gesellschaft. Im Rückblick erscheint die Zeit der
klassischen Massenmedien wie Rundfunk, Tageszeitungen oder Fernsehen schon als his-
torische, vergangene Epoche, weit weg von den aktuellen digitalen Massenmedien wie
den sozialen Medien, die sich auf digital-basierte Kommunikationskanäle und An-
wendungen stützen, und ihrer Nutzung. Auch die klassischen Medien sind technisch her-
gestellte (Druckmaschinen, Rundfunk- und Fernsehstudio …) und distribuierte Medien,
auch ihr Konsum ist durch Technik vorgeprägt. Wo aber liegen die wichtigen Unter-
schiede? Armin Nassehi charakterisiert diese klassischen Massenmedien in Abgrenzung
von neuen, interaktiven Massenmedien wie folgt (2019, S. 276): „Diese klassische Form
lebt von einer eindeutigen Trennlinie zwischen Sender und Empfänger. Die Charakteris-
tika lauten:
• wenige Sender
• viele Empfänger, strukturiert parallel zum Sender
• eher einseitige Kommunikation
• hochschwelliger Zugang zu Sendefunktionen
• Professionalisierung/Verberuflichung der Senderfunktion.“
28 A. Weiand
Yvonne Hofstetter führt den Aufstieg von Tageszeitungen und Politmagazine zu Leit-
medien für die politische Kultur in Deutschland auf politische und gesetzliche Rahmen-
bedingungen zurück (2017, S. 34): „Die nach der Schreckensherrschaft des NS-Regimes
einsetzende gelebte Demokratisierung forderte die Pflicht zur ausgewogenen Bericht-
erstattung, bei der auch Minderheitsmeinungen eine Stimme fanden, die den strengen
Vorgaben des Presserechts, später des Medienrechts und der Rechtsprechung des
Bundesverfassungsgerichts genügen und ausgewogen so berichten und redaktionell ein-
wandfrei arbeiten mussten, dass Minderheiten immer wieder die Chance hatten, zur
Mehrheit zu werden.“ Hofstetter führt weiter aus zu den Funktionen dieser Massen-
medien (2017, S. 34): „Jeder konnte sich dieselben Informationen, in den allermeisten
Fällen aus gesicherten, zuverlässigen Quellen, beschaffen und sich eine Meinung
bilden.“
cc „Was wir über unsere Gesellschaft, ja über die Welt, in der wir leben, wissen, wissen
wir durch die Massenmedien. Das gilt nicht nur für unsere Kenntnis der Gesellschaft
und der Geschichte, sondern auch für unsere Kenntnis der Natur … Andererseits
wissen wir so viel über die Massenmedien, dass wir diesen Quellen nicht trauen
können. Wir wehren uns mit einem Manipulationsverdacht, der aber nicht zu
nennenswerten Konsequenzen führt, da das den Massenmedien entnommene Wis-
sen sich wie von selbst zu einem selbstverstärkenden Gefüge zusammenschließt.“
(Luhmann, 2004, S. 9)
• viele Sender
• viele Empfänger, weniger strukturiert
• multidirektionale Kommunikation
• niedrigschwelliger Zugang zu Sendefunktionen
• voraussetzungsloser Zugang zu Senderfunktion.“
2 Digitalisierung, Gesellschaft und Unternehmen 29
Jeder Teilnehmende wird potenziell zum Sender, was in den Frühzeiten des Internet oft
mit dem Versprechen einer radikal demokratisierten Kommunikation verbunden wurde:
Jeder könnte sich jetzt potenziell an alle Empfänger richten, so dass kommunikative Herr-
schaftspositionen entfallen würden. Dieses Versprechen hat sich mit dem Herausbilden
von mächtigen Quasi-Monopolen in bestimmten technologischen Bereichen (z. B. Google
für Suchfunktionen, Amazon für elektronische Marktplätze oder Facebook für soziale
Netzwerke) definitiv nicht erfüllt.
Mobile Kommunikation ist mittlerweile kein Privileg von Wenigen mehr, sondern ein
günstiges und zudem leicht handhabbares Massen-Kommunikationsinstrument geworden.
Was hat sich geändert außer dem Preis? Prinzipiell ist man über ein Smartphone jederzeit
und überall erreichbar. Zudem haben sich die technischen Möglichkeiten der Smartphones
gegenüber den ersten Mobile Phones derart entwickelt, dass neben der Telefonie viele
weitere, digitale Anwendungen möglich sind: Messenger-Funktion, mobiler E-Mail-
Verkehr, Adressbuch-Funktion, Kalenderfunktion, Streamen von Musik- oder sogar gro-
ßen Video-Dateien, Fotografieren … Dies führte dann auch zu einem dramatischen Um-
satzrückgang anderer Produkte oder deren kompletten Verschwinden wie z. B. Personal
Digital Assistant (das Produkt Palm), MP3-/ MP4-Player, Fotoapparate. Interessant sind in
diesem Kontext die Applikationen, die eine elektronisch vermittelte Kommunikation er-
lauben, die fast in Echtzeit erfolgt, zwei oder mehrere Mitglieder erlauben, das Erstellen
von offenen oder geschlossenen Gruppen beinhalten sowie den Austausch von Daten
(Fotos, Texte, Adressdaten, Videos …) ermöglichen: Social Media. Dank der techno-
logischen Entwicklung gibt es kein starres und hierarchisch gegliedertes Sender-Empfän-
ger-Modell, sondern jeder kann prinzipiell senden.
Schauen wir uns exemplarisch Suchmaschinen, das „Tor“ zur digitalen Welt (z. B. Goo-
gle), und soziale Medien (z. B. Facebook) an (zur Definition vgl. Wikipedia, 2021). Es gibt
mehrere wichtige Spezifika, die bei beiden erwähnt werden müssen. Dazu gehört zum
einen die technisch mögliche Personalisierung und Kontextualisierung von Informatio-
nen, die Felix Stalder am Beispiel von Google darstellt. Durch ein permanentes Daten-
tracking der Nutzer wird Google in die Lage versetzt, für den Nutzer einen auf ihn spezia-
lisierten Suchalgorithmus einzusetzen, der die Historie der persönlichen Suchabfragen
kennt und dementsprechend eine (dem Nutzer nicht bekannte) Vorauswahl unter den
Suchergebnissen trifft. Zu den Folgen führt Stalder aus (2019, S. 189): „Für jede Person
wird eine andere Ordnung erstellt und nicht mehr nur ein Ausschnitt aus einer vorgängig
bestehenden Ordnung. Die Welt wird nicht mehr repräsentiert; sie wird für jeden User ei-
gens generiert und anschließend präsentiert.“ Und weiter heißt es bei ihm (2019, S. 194):
„… denn Suchmaschinen beschreiben die Welt nicht nur, sie bringen sie auch hervor.“ So
entstehen persönliche oder gruppenbezogene „Filterblasen“ oder „Echokammern“ (Hofs-
tetter, 2017, S. 25 ff.) statt geteilten Wahrheiten. Dass diese technisch aufwändige perso-
30 A. Weiand
nalisierte Suche primär ökonomisch motiviert ist, ist mittlerweile (fast) jedem klar, da sich
personalisierte Werbung im Internet besser verkaufen lässt als klassische Werbung mit
immens großen Streuverlusten. Diese Filterblasen begünstigen aber das Entstehen ab-
gekapselter Kommunikations-Gemeinschaften, die beispielsweise Verschwörungsideo-
logien einen guten Nährboden bieten.
cc „With your permission you give us more information about you, about your friends,
and we can improve the quality of our searches,“ he said. „We don’t need you to type
at all. We know where you are. We know where you’ve been. We can more or less
(k)now what you’re thinking about.“ Eric Schmidt, Google’s CEO in The Atlan-
tic (2010)
Problematisch wird dies, da Suchmaschinen und soziale Medien für viele Menschen
die klassischen Massenmedien abgelöst haben als erste Informationsquelle. Diese Infor-
mationen aber werden primär ausgefiltert über persönliche Informationsvorlieben und
über Relevanz, wobei Relevanz definiert wird als das, was oft geteilt und gelikt wird, und
der Wahrheitsgehalt von Informationen kein relevantes Filterkriterium ist. Zudem „funk-
tionieren“ soziale Medien über fortwährende Skandalisierung. Hofstetter führt aus (2017,
S. 34): „Mit den sozialen Medien des 21. Jahrhunderts findet nun ein grundlegender Um-
bau unserer Kommunikation statt. Zur Letztbegründung unserer Online-Kommunikation
wird nunmehr das Erregende, die virale Künstlichkeit, der Internet-Hype.“ Es funktionie-
ren die Aufregung und der Skandal, die die Aufmerksamkeit der Nutzer fesseln und sie im
System halten sollen – damit lukrative Werbeplätze verkauft werden kann. Und die Nutzer
selbst sorgen mit ihren Beiträgen in den sozialen Medien dafür, dass fortlaufend Skandale
entstehen. Hate speech, Hass-Rede und Hass-Beiträge, sowie Cyber-Mobbing sind ein
Dauerphänomen seit Etablierung der sozialen Medien und gehören in diesem Medium
ohne Filterfunktion und (scheinbar) ohne individuelle Rechenschaftspflicht dazu. Nassehi
formuliert dazu prägnant (2019, S. 279):
„Um es plakativ zu sagen: Frei flottierende Kommunikation im Netz kennt wenig Selektions-
druck, weil die Verheißung, dass jeder prinzipiell alles sagen kann, eben dazu führt, dass ge-
meinschaftsstabilisierende Formen der Selektion außer Kraft gesetzt werden. Wer sagen
kann, was er will, wird das auch tun – und wenn das geschieht, nehmen Kommunikationsver-
läufe eher polemogene als gemeinschaftsstiftende Wege. Wer das für eine Krisendiagnose
hält, hatte zuvor unrealistische, nachgerade naive Erwartungen.“
„Bedenken wir aber: Der rationale Diskurs ist nicht der Zweck sozialer Medien. Dieser be-
steht vielmehr darin, Klicks zu generieren und zum Teilen anzuspornen … Sie sind dafür
gemacht, dass man immer wieder zu ihnen zurückkehrt, sich Beiträge ansieht und sie teilt.
Was diesem Zweck dienlich ist, wird gefördert.“
2 Digitalisierung, Gesellschaft und Unternehmen 31
In diesen Kontext gehört auch die vehemente Weigerung der Provider, Verantwortlich-
keit zu übernehmen für die über ihre Dienste geposteten Inhalte. Die Politik tut sich schwer
mit einer übernationalen Regelung (siehe netzpolitik.org, 2020 zum Netzwerkdurch-
setzungsgesetz); die Regelungen der Provider selbst sind undurchsichtig und für Externe
nicht transparent, was man am Fall der umstrittenen Sperrung des Facebook-Accounts des
ehemaligen US-Präsidenten Donald Trump sehen kann, die aus Sicht vieler Beobachter zu
lange auf sich warten ließ. Die Entscheidungsgremien der Provider selbst sind nicht demo-
kratisch legitimiert. Sie stehen im doppelten Zwiespalt zwischen dem Grundrecht auf freie
Meinungsäußerung und ihren sogenannten Gemeinschaftsstandards sowie zwischen Auf-
merksamkeit und Reichweite, die durch skandalisierende Äußerungen erreicht werden,
einerseits und dem Wohlwollen der Zivilgesellschaft andererseits, die sie zwingt, Ver-
antwortlichkeit zu übernehmen (siehe netzpolitik.org, 2021). Wichtig erscheint an dieser
Stelle der Hinweis, dass dies konkrete Erscheinungsformen von sozialen Medien sind, die
technisch möglich sind, aber nicht aus technischen Gründen zwingend in dieser Form um-
gesetzt werden müssten. Möglich wären prinzipiell auch andere Erscheinungsformen von
sozialen Medien.
Der Psychiater Manfred Spitzer war einer der ersten, der in seinem Bestseller „Digitale
Demenz. Wie wir uns und unsere Kinder um den Verstand bringen“ (2014) publikums-
wirksam aufmerksam machte auf negative Wirkungen der Nutzung u. a. von sozialen Me-
dien. Er zählt auf: gestörte Aufmerksamkeit, Desorientierung, schlechtere Noten bei Kin-
dern, Schlaflosigkeit, Depression, etc pp.
Einen anderen Aspekt neuer Medien beleuchten Richard H. Thaler und Cass R. Suns-
tein (2011) in ihrem Buch „Nudge“. Ihnen geht es um technische Möglichkeiten, das Ver-
halten von Nutzern zu beeinflussen, d. h. um intendiert verhaltensbeeinflussende Sozial-
Techniken. Bei den Autoren lag der Schwerpunkt in der Kreation von sogenannten
Entscheidungsarchitekturen, die „kluge“ Entscheidungen von Bürgern zum Sozialver-
sicherungssystem, zum Gesundheitssystem oder zum Umweltschutz befördern sollten.
Allerdings benennen die Autoren selbst ihren verhaltensbeeinflussenden Ansatz als einen
„libertären Paternalismus“. Kann man Entscheidungen von Bürgen nun zu „klugen“ Ent-
scheidungen machen durch Manipulation (was immer von einem bestimmten Standpunkt
aus betrachtet auch „klug“ bedeuten mag), dann lassen sich ihre Entscheidungen auch
32 A. Weiand
anders beeinflussen. Hier bieten sich den Betreibern sozialer Medien ungleich größere
Beeinflussungs-Möglichkeiten aufgrund der Daten, die in großen Mengen und fortlaufend
von den Nutzern selbst kreiert werden. Diese können analysiert und auch gegen ihre Nut-
zer verwendet werden. Sarah Spiekermann spricht hier mit einer schönen Wortneuschöpfung
von einem Technologiepaternalismus (2019, S. 254). Erinnert sei in diesem Kontext nur an
den Skandal um das Datenanalyse-Unternehmen Cambridge Analytica, dessen Dienste im
US-Wahlkampf 2016 und bei der Brexit-Kampagne zur gezielten Beeinflussung von Wäh-
lern in Anspruch genommen wurden („targeted posts“).
Der ehemalige Richter am Bundesverfassungsgericht, Wolfgang Hoffmann-Riem,
warnt deshalb eindrücklich vor den Möglichkeiten einer präskriptiven Analytik, mit der
Strategien formuliert werden können, um unbemerkt Einstellungen und Verhalten zu
beeinflussen (2017, S. 125 f.). Auch Stalder weist unter dem Begriff „Der dunkle Schat-
ten der Kybernetik“ auf die Möglichkeiten zur Verhaltensbeeinflussung hin (Stalder,
2019, S. 225): „In den sozialen Massenmedien ist die Fähigkeit, die Umgebung zu ma-
nipulieren, höchst einseitig verteilt. Sie ist einzig und allein den Akteuren auf der Rück-
seite vorbehalten, und diese setzen sie dazu ein, den Profit einer kleiner Gruppe zu ma-
ximieren und deren Macht zu erweitern. Man könnte diese Gruppe als den inneren Kern
des postdemokratischen Systems bezeichnen, bestehend aus den Spitzen der Wirtschaft,
der Politik und der Geheimdienste. Die Nutzer erfahren diese Macht, die den Möglich-
keitsraum ihrer alltäglichen Handlungen festlegt, meist in ihrer weichen Form, etwa
wenn neue Features eingeführt werden, welche die Informationsumgebung verändern.“
Anders als in der Zeit vor den neuen Massenmedien ist diese Macht unsichtbar und wird
nicht verhandelt: „Die Ausübung von Macht, welche die Gesellschaft formt, stützt sich
immer weniger auf einen inhaltlichen Grundkonsens, auf kulturelle Hegemonie, son-
dern auf das technokratische Argument der Alternativlosigkeit und das der Optimierung
durch umfassende Kontrolle und Manipulation der (informationellen) Umwelt, in der
sich Menschen selbst zurechtfinden müssen, ob sie nun zustimmen oder nicht.“ (Stalder,
2019, S. 242 f.)
Amazon führte im Jahr 2015 seinen intelligenten Lautsprecher Echo mit dem sprach-
gesteuerten, internetbasierten intelligenten persönlichen Assistenten Alexa ein. Dieses Ge-
rät nimmt permanent alle Umgebungsgeräusche auf, reagiert auf Aktivierungswörter
(„Alexa“) und führt Befehle (z. B. Bestellungen bei Amazon) aus. Alle Sprachbotschaften
werden dauerhaft bei Amazon gespeichert, Drittanbieter speichern Sprachbotschaften un-
begrenzt lange. Was als technisches Gadget Einzug in die Wohnzimmer nahm, nimmt die
Gestalt eines neuen, unheimlichen Gastes in der eigenen Wohnung an, der alle Gespräche
mithört und speichert. Es ist klar, dass sich bei vielen reflektierenden Konsumenten dann
die Gesprächsthemen ändern werden – oder Echo in den Wandschrank wandert. Cons-
tanze Kurz und Frank Rieger weisen auf die Konsequenzen hin (2017, S. 89): „Schließlich
kann man am Beispiel von unablässig die Umgebung aufnehmenden Computern – gleich,
ob es sich dabei um Fernseher, häusliche Assistenten oder Telefone handelt – ganz wunder-
bar über die Entwicklung sozialer Normen diskutieren. Denn diese verändern sich durch
den Einsatz von Technik unweigerlich.“
2 Digitalisierung, Gesellschaft und Unternehmen 33
Der Begriff der Identität wird in den Sozialwissenschaften (Soziologie, Psychologie, Pä
dagogik …) als einer der Kernbegriffe diskutiert, wenn auch jeweils mit anderen Akzentu-
ierungen. Unbestritten ist, dass persönliche Identität entsteht aufgrund vermittelnder Pro-
zesse zwischen Kultur, Gesellschaft und Individuen; Identität ist also jeweils sozial
konstituiert. Es bilden sich Verhaltensdispositionen und Selbstbilder heraus, die dem sich
selbst reflektierenden Individuum die Frage beantworten: „Wer bin ich?“ Durch die sozia-
len Massenmedien verändert sich der Prozess der Herausbildung von Identitäten wesent-
lich, dazu später mehr.
Jürgen Straub definiert Identität in einem Lehrbuch der Soziologie wie folgt (2018,
S. 175): „Identität bezeichnet den Zusammenhang, den jene höchst verschiedenen Ele-
mente und disparaten Momente, welche das Leben einer Person ausmachen, bilden kön-
nen. Dieser stets subjektiv erlebte und gedeutete Zusammenhang bildet eine Einheit oder
Gestalt, die mehr und anders ist als die bloße Summe ihrer Teile. Er ist im Übrigen niemals
einfach gegeben, sondern muss vom Subjekt aktiv gebildet und vergegenwärtigt werden,
etwa durch das Erzählen von Geschichten.“ Straub weist allerdings darauf hin, dass dies
eine westlich geprägte Definition ist und dass das Konzept der Identität je nach Kultur
anders interpretiert wird. Identitätsbildung geschieht in der realen Auseinandersetzung mit
anderen Personen, Gruppen, Institutionen und Gegenständen, denen das Individuum be-
gegnet. Mit dem Fortschreiten von (Transport- und Kommunikations-) Technik erweitert
sich der persönliche Bewegungsradius von Individuen, räumlich weiter entfernte Bezugs-
personen treten auf und traditionelle Bindungen zu Familie und zu unmittelbaren Bezugs-
personen am Wohnort nehmen an Bedeutung ab.
Mit den sozialen Massenmedien verändert sich dieser Prozess elementar: Die Bildung
von Identität geschieht öfters vermittelt über ein elektronisches Medium und orientiert an
sozialen Statusbeziehungen, die in sozialen Massenmedien kreiert werden. Dabei werden
persönliche Beziehungen „abstrakter“ und weniger reichhaltig an sinnlichen Erfahrungen
(sehen und hören und spüren …); es gibt vielleicht ein Mehr an Beziehungen und das In-
dividuum hat eine größere Auswahl, die Bindungen aber werden insgesamt „schwächer“
und unverbindlicher. Der Fokus von Identitätsarbeit verschiebt sich unmerklich von einer
Innen- zu einer Außengeleitetheit: „Der seelische Kreiselkompass innerer Gleichgewichts-
bildung wird durch das soziale Radargerät der Registrierung der Signale anderer ersetzt.“
(Bude zitiert bei Mau, 2018, S. 66) Stalder fasst zusammen (2019, S. 140): „Das Ziel be-
steht darin, die eigene, singuläre Identität zu etablieren. Der dazu notwendige Prozess ist
nicht mehr primär nach innen gewendet, er gipfelt nicht mehr in Fragen wie: „Wer bin ich
wirklich, frei von äußeren Einflüssen?“ Vielmehr richtet er sich nach außen. Er vollzieht
sich durch die Verbindung mit anderen und orientiert sich an Fragen wie: „Wer ist in mei-
nem Netzwerk, und was ist meine Position darin?““ Stalder fährt fort (2019, S. 143 f.):
„Einige empirisch arbeitende Soziologen haben dafür den Begriff des vernetzten
Individualismus (networked individualism) eingeführt. Sie stützen sich dabei auf die Be-
34 A. Weiand
obachtung, dass die Menschen in westlichen Gesellschaften (die Fallstudien sind zumeist
aus Nordamerika ) ihre Identität immer weniger über die Familie, den Arbeitsplatz oder
andere stabile Kollektive definieren, sondern zunehmend über ihre persönlichen sozialen
Netzwerke, also über die gemeinschaftlichen Formationen, in denen sie als Einzelne aktiv
sind und in denen sie als singuläre Personen wahrgenommen werden.“ In diesen sozialen
Netzwerken ist permanente Präsenz aber eine Voraussetzung, um als Individuum erkannt
und anerkannt zu werden. Das heißt, das Individuum muss sich dort permanent präsentie-
ren, wird aber gleichzeitig einer Bewertung durch andere unterzogen.
Ein Merkmal dieser sozialen Netzwerke ist der ständige Vergleich, der gezogen wird
zwischen den Teilnehmenden, messbar beispielsweise anhand der Anzahl an „Likes“ oder
positiven Kommentaren, an dem Feedback, das man erhält oder das man nicht erhält. Ist
die Teilnahme an sozialen Netzwerken zwar freiwillig, so entwickelt sich durch die Teil-
nahme ein Darstellungs-Druck. Die Entscheidung, ob etwas gelungen oder misslungen ist,
trifft dabei die „Gemeinschaft“ der anderen Teilnehmenden. Nicht-Bestätigung kann dann
zur Auflösung der eigenen, in diesen Netzwerken „kommunikativ-konstituierten sozialen
Existenz“ (Stalder, 2019, S. 139) führen. Stalder zitiert populäre „Tipps“, wie man den
eigenen Wert in sozialen Netzwerken steigern kann (2019, S. 140, vgl. Wikihow, 2021):
„Um zu bekommen, muss man geben. Nimm dir die Zeit, um ein Foto eines Freundes zu
kommentieren, oder um zu liken, was du siehst. Je öfter du das machst, desto eher werden
andere das erwidern. Wenn du nie die Bilder deiner follower anerkennst, dann wirst du im
Gegenzug auch nicht viel Anerkennung erhalten.“ Diese „Tipps“ entsprechen dann den
gängigen Praktiken zur „Suchmaschinenoptimierung“, bei denen Suchmaschinen dahin-
gehend beeinflusst werden sollen, einen bestimmten Inhalt als populär oder aktuell wahr-
zunehmen (vgl. Schmidt & Cohen, 2013, S. 63).
Teilnehmern wird in diesem Prozess Wert zugeschrieben, dessen Maßstab die Anzahl
an Likes oder Followern ist. Schwierig wird es für Individuen, wenn ihre Selbst-
konstituierung und ihr Selbstwert einzig von virtuellen Referenzgruppen abhängt.
cc „Valuation … bezeichnet jede soziale Praktik, „bei der Wert oder Werte von etwas
etabliert, eingeordnet, verhandelt, provoziert, erhalten, konstruiert und/oder heraus-
gefordert werden“. Wenn Wert nicht als gegeben, sondern als sozial hergestellt an-
gesehen wird, lautet eine Grundprämisse der Analyse solcher gesellschaftlichen
Vorgänge immer: Es hätte auch anders sein können!“ (Mau, 2018, S. 16)
Steffen Mau weist in seinem eindrucksvollen Buch „Das metrische Wir“ auf die Quanti-
fizierung des Sozialen und Vergleichsprozesse hin (2018, S. 49): „Zwar mag der Vergleich
eine anthropologische Konstante und dem Sozialen immanent sein – schon Kinder ver-
gleichen sich in vielerlei Hinsicht-, aber es gibt historisch und kulturell eine enorme Va-
rianz der Intensität und auch der Praktiken des Vergleichs.“ Mau zitiert einige Gesetz-
mäßigkeiten zu sozialen Vergleichen, denen wir auch in den sozialen Netzwerken
unterworfen sind (2018, S. 54 ff.):
2 Digitalisierung, Gesellschaft und Unternehmen 35
• „Von der Referenzgruppentheorie wissen wir, dass das Empfinden von Status eng damit
verknüpft ist, was andere innerhalb der relevanten Referenzgruppe haben, können oder
darstellen …: Je besser man bei diesen sozialen Vergleichen abschneidet, desto positi-
ver ist auch das Selbstwert- bzw. Statusgefühl und desto grösser ist in der Regel die
Zufriedenheit …
• Wir tendieren allerdings eher zu Aufwärts- als zu Abwärtsvergleichen … Studien zei-
gen weiterhin, dass Aufwärtsvergleiche eher mit Einbußen an Wohlbefinden einher-
gehen, während Abwärtsvergleiche tendenziell eine positive Wirkung auf das Selbst-
wertgefühl haben …
• Zugleich zeigt die Forschung, dass das unentwegte Vergleichen unserem Streben nach
Zufriedenheit im Wege stehen kann: Je wichtiger Menschen den Sozialvergleich neh-
men, desto weniger glücklich sind sie …
• Wir können an dieser Stelle einen weiteren Befund der Theorie sozialer Vergleichs-
prozesse hinzuziehen. Er besagt, dass die Vergleichsneigung desto größer ausfällt, je
unsicherer eine Person in der eigenen sozialen Position und der damit verbundenen
Selbstwahrnehmung ist.“
Eine gänzlich andere Auffassung von Identität präsentiert Eric Schmidt, erst CEO, dann
Executive Chairman von Google Inc., dann Executive Chairman der Muttergesellschaft
Alphabet Inc. Er versteht unter Identität nicht mehr das von einem Individuum in realen
sozialen Prozessen gewonnene Selbst, sondern primär eine Online-Identität. Diese lässt
sich mit einigen Mausklicks generieren und muss dann ungeachtet der körperlichen, geis-
tigen und seelischen Voraussetzungen des Individuums nur noch virtuell behauptet werden.
„In zehn Jahren wird die Erde mehr virtuelle als physische Bewohner haben. Fast alle Men-
schen werden über mehrere Online-Identitäten verfügen und sich zu lebendigen aktiven Ge-
meinschaften mit ihren gemeinsamen Interessen zusammenschließen, die unsere Welt ab-
bilden und bereichern.“
„Wir stehen vor einem Wandel von einer Identität, die in der physischen Welt entsteht und
in die virtuelle Welt projiziert wird, hinzu einer Identität, die in der virtuellen Welt geschaffen
und in der physischen Welt erlebt wird. Dies hat erhebliche Auswirkungen für Bürger, Staaten
und Unternehmen, die sich in der neuen digitalen Welt bewegen.“
„Die Identität wird in Zukunft das wertvollste Gut der Bürger sein, und sie wird vor allem
in virtuellen Medien existieren. Die Online-Erfahrung wird mit der Geburt beginnen, oder
vielleicht sogar schon früher.“ (Schmidt & Cohen, 2013, S. 55, 57, 60)
Es ist offen, welche Definition von „Identität“ in Zukunft die bestimmende sein wird. Im
Gegensatz zur radikal-verkürzten Auffassung von Schmidt & Cohen hat der deutsche
Soziologe Hartmut Rosa das Konzept der Resonanz wieder einem breiten Publikum be-
kannt gemacht (2018). Er unterscheidet Resonanzbeziehungen des Menschen zu anderen
Menschen, Resonanzbeziehungen zur Dingwelt und Resonanzbeziehungen zur Welt als
eine über das Individuum selbst hinausgehende Erfahrung. Resonanz ist für ihn ein Be-
ziehungsmodus. Altmeyer führt aus zur Bedeutung von Resonanz (2016, S. 193): „Wer
36 A. Weiand
Resonanz erhält, hat einen Beweis dafür, dass er sozial überhaupt vorhanden und von Be-
deutung ist. Resonanzbeziehungen sind deshalb lebens- und überlebensnotwendig. Ohne
Antworten des anderen beginnt das Selbst an der eigenen Existenz zu zweifeln. Ohne
Spiegelung und Echo aus der Umwelt fühlen wir uns verlassen und verloren.“ Rosa führt
in einem schönen Beispiel aus, welchen Einfluss Technik (in diesem Fall Smartphones)
auf uns und unsere Welt-Wahrnehmung haben. Ein längeres Zitat erscheint hierzu gerecht-
fertigt (Rosa, 2018, S. 716):
cc „Der kanadische Philosoph Marshall McLuhan … hat in den sechziger Jahren be-
merkt, dass jede technische Revolution paradoxerweise auch eine Selbst-Amputation
des Menschen ist.“ (Schirrmacher, 2009, S. 77 f.)
Wie sieht das Arbeiten in der digitalen Ökonomie aus und welche Jobs bilden sich heraus?
Für die postindustrielle Ökonomie haben die Arbeitssoziologen Maarten Goos und Alan
Manning (2003) die oft zitierte Unterteilung von Jobs in „lovely jobs“ und „lousy jobs“
geschaffen. Zu den lovely jobs gehören anspruchsvolle Tätigkeiten in Forschung und Ent-
wicklung, in Marketing und Beratung, in Bildung und der Medizin. Alle Jobs sind interes-
sante Tätigkeiten mit hohen benötigten Qualifikationen; diese Jobs werden dauerhaft
nachgefragt und sind dementsprechend mit einem hohen Entgelt und hohem Sozialprestige
versehen. Dem gegenüber steht die wachsende Anzahl an lousy jobs vor allem im Dienst-
leistungssektor: schlecht bezahlt, körperliche Routineaufgaben bei geringer Qualifikation,
oft auf Abruf, oft jenseits eines sicheren Normalarbeitsverhältnisses.
2 Digitalisierung, Gesellschaft und Unternehmen 37
Die Arbeit in der digitalen Ökonomie verteilt sich ebenfalls neu. So gibt es neue, hoch
bezahlte und deshalb attraktive Berufe wie den des Influencers, der im Grunde nichts an-
deres als Lebensberatung und Produktwerbung für eine scheinbar orientierungslose und
gelangweilte Zielgruppe anbietet (vgl. etwa Nymoen & Schmitt, 2021). Auf der anderen
Seite gibt es die lousy jobs, die über Job-Plattformen vermittelt werden. Diese Job-
Plattformen sind aktiv beispielsweise bei Personenbeförderung, Essens- und Paket-
zustellung sowie Unterkunftsvermittlung. Sie bieten über ihre Website/ihre App Aufträge
an, die dann von Selbständigen übernommen werden. Bezahlt wird jeweils der Plattform-
betreiber, der dann einen Anteil an die Selbständigen weitergibt. Diese verfügen nicht über
einen Arbeitsvertrag mit der Jobplattform und damit über keine Vergünstigungen eines
Normalarbeitsverhältnisses wie etwa feste Arbeitszeiten, Sozialversicherung, Urlaub …
Diese Lösung der traditionellen Bindung zwischen Arbeitgebern und Arbeitnehmern und
das Schwinden des klassischen Normalarbeitsverhältnisses hat nach Colin Crouch wesent-
liche Konsequenzen für unsere Gesellschaft, die im Umbruch ist. Die anstehenden Heraus-
forderungen wie eine noch stärkere Digitalisierung der Wirtschaft, die Umverteilung von
Arbeit und Einkommen, die Rettung der Sozialsysteme, die Bewältigung von Corona und
die noch wichtigere Bewältigung der Klimakatastrophe erfordern das Mitwirken aller und
ihr Engagement. Wie Crouch angesichts fragiler Beschäftigungsverhältnisse in der
„Gig-Wirtschaft“ aber anmerkt, sieht es mit den Voraussetzungen für dieses Engagement
aller schlecht aus (2019, S. 18): „Wie der Ökonom und Sozialreformer William Bever-
idge … anmerkte: Man kann von den Menschen nur dann erwarten, einen gesellschaft-
lichen Wandel zu begrüßen und an ihm mitzuarbeiten, wenn sie über ein hinreichendes
Maß grundlegender Sicherheit verfügen.“
cc „Was früher das Fließband war, sind heute die Apps und Algorithmen.“ (Nachtwey
& Staab, 2015, S. 76)
Das Arbeiten in der digitalen Ökonomie ist aber darüber hinaus gekennzeichnet durch
neue Möglichkeiten der Überwachung, die vor allem die lousy jobs trifft. People-Analytics-
Instrumente ermöglichen gerade dort eine digitale, permanente Überwachung (Staab
spricht von einem „algorithmischen Management“ (2020, S. 233)) – mit den ent-
sprechenden Konsequenzen im Hinblick etwa auf variable Entgeltbestandteile, Be-
förderungen, Personalentwicklung, den Verbleib im Unternehmen oder im Falle von platt-
formvermittelten Jobs die Möglichkeit, neue Aufträge zu erhalten (vgl. Staab, 2020,
S. 226 ff.). Dieser permanent arbeitenden Kontrollmaschinerie eignet eine einseitige
Transparenz, bei der nur die Betreiber wissen, welche Daten erhoben und verwertet wer-
den. Im Fall des Online-Modehändlers Zalando zwang letztendlich die Berliner Daten-
schutzbehörde das Unternehmen zu weitreichenden Änderungen an ihrer Software
„Zonar“ zur Überwachung ihrer Mitarbeiter (vgl. Hagelüken & Kläsgen, 2021). Bei Zonar
beurteilten Vorgesetzte und Kollegen umfassend Stärken und Schwächen von 5000 An-
gestellten, was sich auf Gehalt und Jobsicherheit auswirkte. Es gab eine Punkteskala, in
der Mitarbeiter zu Negativ-Bewertungen ihrer Kolleginnen und Kollegen verpflichtet
38 A. Weiand
waren, wenn sie auch positive Aspekte nannten. Philipp Staab & Sascha-Oliver Geschke
weisen auf drei exemplarische Konfliktfelder bei derartigen Rating- und Scoringtechnolo-
gien in der Arbeitswelt hin (2020, S. 57 f.):
• „Sofern solche Rating- und Scoringsysteme auf der Erhebung horizontaler Bewertungs-
daten basieren, sind Fragen der Legitimität von Kontrolle durch die permanente
wechselseitige Beobachtung der Beschäftigten wahrscheinlich, wie sich am Beispiel
von Zonar zeigen lässt.
• Wenn die in solchen Systemen erhobenen Daten algorithmisch verarbeitet werden,
ohne dass die Beschäftigten die zugrundeliegende Logik der jeweiligen Algorithmen
kennen, sind Konflikte um die Intransparenz der Bewertungsmaßstäbe und -prozedu-
ren ebenso wahrscheinlich.
• Solange der Extraktivismus personenbezogener Daten und deren Verarbeitung in
Blackbox-Algorithmen den Kern solcher Systeme bilden, werden sich wahrscheinlich
regelmäßig Fragen des Datenschutzes stellen. Gerade für Betriebsräte und Gewerk-
schaften ist dabei relevant zu wissen, dass datenschutzrechtliche Vergehen auf spezi-
fische Weise bearbeitet werden können, die von der gängigen Gewerkschaftspraxis ab-
weicht. Datenschutzbeauftragte sind im Falle von Problemanzeigen einzelner Personen
an Prüffristen gebunden, die zumindest theoretisch ein relativ schnelles Agieren gegen
eventuelle Rechtsbrüche möglich machen – ohne dass dafür ein spezifischer
Organisationsgrad von Belegschaften oder ein konfliktbereiter Betriebsrat vonnöten
sind. Zudem sind die mit der DSGVO verbundenen Bußgeldkataloge womöglich ein
probates Mittel um Beschäftigtenmacht zu stärken.“
Unter dem Stichwort der „Paradoxien der Rationalisierung und Lohnrepression“ fällt ihr
Fazit zu Zonar selbst aus der Perspektive des Unternehmens negativ aus (Staab &
Geschke, 2020, S. 58 f.): „Zweitens legen unsere Befunde deutliche Zweifel nahe hin-
sichtlich der betriebswirtschaftlichen Funktionalität von Zonar als Instrument betrieb-
licher Kontrolle. Das System ist mit hohem Aufwand verbunden und erzeugt zahlreiche
nicht intendierte Effekte wie eine Verschlechterung des Betriebsklimas, Stress und
psychologische Belastungen auf Seiten der Beschäftigten, Bummelstreiks und andere
Praktiken des verdeckten Widerstandes sowie das willentliche Ausscheiden einzelner
Arbeitnehmer_innen aus dem Unternehmen. All dies sind letztlich Faktoren, die der
Produktivität der Mitarbeiter_innen schaden – ganz zu schweigen von dem Umstand,
dass Zonar einen nicht zu vernachlässigenden Teil ihrer Arbeitszeit verschlingt und sich
dagegen die daraus resultierenden Erträge des Systems, im Sinne von Effizienzgewinnen,
kaum messen lassen.“
Diese neuen Arbeitsformen für viele kontrastieren merkwürdig mit den positiven Er-
zählungen über Empowerment, Talentschmieden und Förderung des persönlichen Wachs-
tums, die etwa Google selbst von der neuen Arbeits- und Lebenswelt bei Google präsen-
tiert (vgl. Bock, 2016, Senior Vice President People Operations von Google, Inc.).
2 Digitalisierung, Gesellschaft und Unternehmen 39
Führung kann man mit Kühlmann wie folgt definieren (2008, S. 22): „Führung ist jeder
beabsichtigte Versuch einer Person, durch ihr Handeln das Handeln anderer Mitglieder
eines Unternehmens derart zu beeinflussen, dass die gesetzten Unternehmensziele erreicht
werden.“ „Digitales Führen“ ist kein gebräuchlicher Begriff, eine bessere Formulierung
wäre stattdessen: Führen von Mitarbeitenden in einer digitalisierten Wirtschaft/Gesell-
schaft. Bei dieser Art von Führen kulminieren aus meiner Sicht vier Entwicklungslinien.
Zum einen durch neue elektronische Massenmedien veränderte Verhaltensweisen
von Menschen, die als Mitarbeitende diese Verhaltensweisen auch in die Unternehmen
mitbringen. Neben den weiter oben gezeigten Auswirkungen weist Rudolf Wimmer noch
auf eine direkte Auswirkung neuer Medien hin (2017, S. 200): „Die neuen Medien be-
sitzen organisationsintern eine erhebliche Sprengkraft. Sie überwinden räumliche und
zeitliche Begrenzungen – eine wesentliche Voraussetzung für die sich beschleunigen
den Internationalisierungsprozesse. Sie ermöglichen ganz neue Vernetzungsformen,
organisationsintern wie auch im Verhältnis zu externen Partnern. Sie stellen damit die
hierarchiestützenden, äußerst selektiven Kontaktformen der klassischen Berichtswege
total auf den Kopf. Letztlich machen sie Problemlösungswissen potenziell für jedermann
zugänglich, ein Umstand, der neue Beteiligungserwartungen an die Generierung und
Pflege dieses Wissens erzeugt und gleichzeitig neue Regelungen für die Nutzung dieses
Wissens erzwingt.“ Das heißt Kommunikation und Kommunikationswege müssen neu
gedacht werden. Auch Corporate Blogs als neue Form der Außenkommunikation sind von
Unternehmen selbst schwer zu kontrollieren.
Dann ermöglichen – rein instrumentell gesehen – digitale Kommunikations- und
Arbeits-Techniken ein anderes, räumliche und zeitliche Distanzen überbrückendes Füh-
ren. Das Führen virtueller Teams, d. h. von auf mehrere Standorte verteilten Mit-
arbeiter/-innen, durch digitale Kommunikations- und Moderationstechniken wird immer
einfacher. Immer mehr Arbeitsplätze können technisch gesehen leicht von einem physisch
im Unternehmen angesiedelten Arbeitsplatz verlagert werden hin an einen anderen Stand-
ort oder in ein Homeoffice; es entstehen dabei nur geringe Kosten für die benötigte IT;
eine Echtzeit-Kommunikation ist möglich. Es gibt zudem eine ausreichende Verfügbarkeit
von erprobten und sicheren elektronischen Kommunikations- und Kooperations-Tools.
Damit können entweder einzelne Arbeitsplätze oder alle Arbeitsplätze eines Teams räum-
lich ausgelagert werden oder bereits räumlich verteilte Arbeitsplätze können leicht zu
einem Arbeitsteam zusammengefasst werden. Sind die technischen Herausforderungen
eher leicht zu bearbeiten, so stellt sich die Frage, welche Auswirkungen eine rein virtuell
wahrgenommene Führung hat auf das Verhältnis zwischen Führungskraft und Mit-
arbeitenden.
Homeoffice als Verlagerung des Arbeitsplatzes vom Unternehmen in die Wohnung des
Arbeitnehmers betrifft dabei nur traditionelle Büroarbeitsplätze, so dass es eine Spaltung
der Arbeitnehmer/-innen geben wird in diejenigen mit Chancen auf Homeoffice und
40 A. Weiand
diejenigen, die weiterhin vor Ort Produktions- oder Servicetätigkeiten durchführen müs-
sen. Durch die Corona-Krise ausgelöst, hat Homeoffice einen großen Schub erhalten.
Backhaus et al. (2021, S. 18) bieten einen instruktiven Beitrag unter anderem zu „Chancen
und Risiken der Arbeit von zu Hause – aus der Sicht von Beschäftigten und von Be-
trieben“.
Zwei weitere Entwicklungslinien können hier nur kurz angesprochen, aber nicht ver-
tieft dargestellt werden. Digitalisierung bedeutet zudem, dass von Unternehmen Schnellig-
keit gefordert wird, in Produktentwicklung wie in Produkterstellung oder -lieferung. Zu-
erst wurden bei der Software-Entwicklung agile Methoden wie z. B. Scrum erprobt, die
mittlerweile aber im gesamten Unternehmen und in allen Funktionsbereichen eingesetzt
werden. Viele Autoren (z. B. Boos & Buzanich-Pöltl, 2020) weisen allerdings nachdrück-
lich auf veränderte organisationale Rahmenbedingungen hin (z. B. ein agiles Führungs-
verständnis oder agile Organisationsstrukturen), die zur Umsetzung agiler Methoden ge-
schaffen werden müssen – agiles Arbeiten mit neuen Methoden wird in einem ansonsten
gleich gebliebenen organisationalen Umfeld nicht funktionieren.
Hinzu kommt noch das Notwendigkeit einer organisationalen Ambidextrie („Beid-
händigkeit“), die durch die Digitalisierung immer wichtiger wird. Ambidextrie soll helfen,
disruptive Herausforderungen erfolgreich zu gestalten. Ambidextrie beschreibt die Fähig-
keit einer Organisation, gleichzeitig einander widersprechende Zielsetzungen zu ver-
folgen, die unterschiedliche Vorgehensweisen und Zeithorizonte erfordern: Exploitation
(Ausnutzung von Bestehendem) in Bezug auf das angestammte Kerngeschäft sowie Ex-
ploration (Erkundung von Neuem) als geschäftliche Neuentwicklung (vgl. Schumacher &
Wimmer, 2020).
Schauen wir uns das Themenfeld des Führens von virtuellen Arbeitsteams genauer an.
Sandra Müller definiert virtuelle Teams wie folgt (2017, S. 1): „Ein virtuelles Team ist
eine räumlich verteilte Arbeitsgruppe. Diese Organisationsform ermöglicht die Zu-
sammenarbeit über geografische, zeitliche und auch organisationale Grenzen hinweg. Die
Arbeitsgruppe arbeitet auf der Grundlage von Arbeitsaufträgen zusammen und erbringt
gemeinsame Ergebnisse. Die Kommunikation und Kooperation in den virtuellen Teams
erfolgt im Schwerpunkt durch die Nutzung von Informations- und Kommunikations-
techniken wie z. B. E-Mail, Telefon, Fax, Videokonferenz, Chats oder spezieller Software
für Arbeitsgruppen. Auf Face-to-Face-Kommunikation wird meistens verzichtet bzw. sie
ist aufgrund der räumlichen Entfernung nur selten durchführbar.“
Die Ermöglichung von Kommunikation und Kooperation über räumliche Grenzen hin-
weg erfolgt über IK-Techniken. Kai Matthiesen & Jonas Spengler konstatieren richtig,
dass nicht alle Medien die gleiche Bandbreite an Zeichen bieten wie eine Face-to-Face-
Kommunikation, wie in Tab. 2.1 sichtbar (2020, S. 32).
Allerdings stellen die Autoren auch fest, dass nicht für alle Arten von Kommunikation
und Problemlösung die gesamte Bandbreite an Zeichen vonnöten ist. Es könnte auch un-
nötige Komplexität reduziert werden durch die passende Wahl an Medien und damit an
Interaktion (Matthiesen & Spengler, 2020, S. 35):
2 Digitalisierung, Gesellschaft und Unternehmen 41
„Digitale Kommunikation ist kein Segen – sie ist aber auch kein Fluch. Durch den Wechsel
von analog zu digital verändert sich der Verständigungsprozess. Einerseits können digitale
Medien nur eine reduzierte Bandbreite an Zeichen „durchfiltern“. Dies erschwert die Ver-
ständigung in komplexen Interaktionen. Andererseits lässt sich im digitalen Raum bestimmen,
welche Signale wahrgenommen werden sollen. Daraus ergibt sich ein erhöhter Grad an Kon-
trolle für Interaktionsplaner*innen. Es gilt also, die Komplexitätslimitierungen des digitalen
Raumes zu erkennen und durch informierte Wahl des Mediums, die passende Zeichenband-
breite festzulegen.“
Ursula Bohn geht einen Schritt weiter, wenn sie elektronische Tools vorstellt, die im
Change Management eingesetzt werden können. Dabei unterscheidet sie vier sogenannte
Fokusfelder, bei denen Change elektronisch unterstützt werden kann (2020, S. 10 f.):
• Co-Design und Beteiligung, d. h. Beteiligung von vielen Betroffenen am Wandel bei-
spielsweise über digitale Whiteboards, auf denen trotz räumlicher Trennung gemeinsam
und zeitgleich Themen bearbeitet werden können.
• Wissensaustausch und Befähigung: Digitale Lernmanagementsysteme und Wissens-
plattformen befördern ein selbstgesteuertes und bedarfsorientiertes Lernen.
„Zunächst ist es wichtig, sich vor Augen zu führen, dass die Arbeit im Change Management
grundsätzlich technologieagnostisch ist. Die Frage ist nicht, wie Change Management digita-
lisiert werden kann, sondern wie damit die Ziele am besten erreicht werden können. Tools
sind immer nur ein Hilfsmittel, um Verständigung, Diskurs, Beteiligung und Erkenntnis zu
schaffen. Erst wenn die Frage nach dem „Warum“ der Veränderung und das Ziel geklärt sind,
hat es Sinn, nach den bestmöglichen Mitteln zu suchen, um dieses Ziel zu erreichen … An
den Grundprinzipien von Change Management wird sich auch durch die voranschreitenden
Digitalisierung in den nächsten Jahren nichts substanziell ändern. Im Mittelpunkt ist und
bleibt der Mensch mit seinen Bedürfnissen. Allerdings bietet Digitalisierung die Chance, die
Art wie wir Change Management betreiben, weiter zu entwickeln und neu zu gestalten.“
Man könnte fortfahren: Und in einer digitalisierten Welt muss sich Change Management
auch weiterentwickeln, um anschlussfähig zu bleiben an veränderte Kommunikations-
verhalten.
Virtueller Kontakt ist aber allemal unverbindlicher als ein direkter persönlicher Kontakt.
Die zunehmende Vereinzelung von Mitarbeitenden im digitalen Homeoffice kann zu Ver-
einsamung und einer Zunahme von Leistungsdruck führen. Außerdem fehlt die unmittelbar
wahrnehmbare Unterstützung durch die Arbeitsgruppe. Von daher stellt sich die Frage nach
den spezifischen Aufgaben von Führung in der Digitalisierung. Michael Groß postuliert
hier erstaunlicher Weise die Wiederkehr alter Führungsaufgaben statt des Hochlebens von
digitalen Tools und von Software-Kenntnissen (2019, S. 17): „Je weiter die Digitalisierung
von Angeboten und Abläufen voranschreitet, auch in der Zusammenarbeit von Teams,
desto wichtiger werden analoge Fähigkeiten, um als Digital Leader erfolgreich zu sein. Das
Menschsein, schon immer Teil guter Führung, wird zum entscheidenden Merkmal.
Authentizität der eigenen Person prägt jeden Digital Leader.“ Deshalb gehören klassische
Führungsaufgaben wie etwa Vorbild-Funktion oder passgenaue Kommunikation zu einem
Digital Leader ebenso wie Selbstreflexion und ein kybernetisches Steuerungsverständnis,
das Wechselwirkungen einbeziehen kann (vgl. Wimmer, 2017, S. 200 ff.).
2.8 Gegen-Strategien
Der Psychologe Rüdiger Maas stellt in seinem Buch „Cyberpsychologie in der Arbeits-
welt“ (Maas, 2021) die Auswirkungen von Internetkonsum auf Menschen dar – und die
daraus resultierenden Probleme für Unternehmen. Er nennt exemplarisch Internetsucht
2 Digitalisierung, Gesellschaft und Unternehmen 43
aus der Angst heraus, etwas zu verpassen; ein laxer Umgang mit persönlichen Daten;
scheinbares Multitasking mit Qualitätsverlusten bei der Aufgabenausführung; unhinter-
fragtes Vertrauen in digitale Bewertungssysteme; Bilden von „Meinungsblasen“ ohne
Rückkoppelung zu anderen Informationsquellen; Anspruch auf eine schnelle Bedürfnis-
befriedigung. Er berichtet, dass Internetsucht offiziell als Krankheit in die internationale
statistische Klassifikation der Krankheiten und verwandter Gesundheitsprobleme (ICD)
aufgenommen werden soll (Schritt, 2021, S. 66).
Es gibt viele Empfehlungen, wie man einer Internet-Sucht, einer WhatsApp- oder einer
Instagram-Abhängigkeit begegnen oder entgehen kann. Oft findet aber eine Individuali-
sierung von Gegenmaßnahmen mit vielen guten Ratschlägen zur Selbstbeschränkung
beim digitalen Konsum statt (vgl. exemplarisch Grzanna, 2021, S. 13). Diese Individuali-
sierung ist unzulässig, da es doch gerade das Ziel der mächtigen Internet-Industrie ist, vor
allem jungen Konsumenten z. B. über Gamification so lange wie möglich am Bildschirm
von Laptop oder PC oder am Smartphone zu halten. Das wäre in etwa so, als wenn man
Kindern im Alter von vier bis sechs Jahren sagen würde, dass sie beim Warten mit den
Eltern an der Kasse im Supermarkt mehr Willensstärke aufbringen sollten angesichts der
vielen verlockenden Impulsware (Süßigkeiten, Spielzeug), die dort von den Handelsunter-
nehmen strategisch platziert wird.
Eine Steigerung individueller Gegenmaßnahmen ist ein radikaler Internet-„Aus-
stieg“, wie ihn etwa Rolf Dobelli, 2019 oder Guido Zurstiege, 2019 vorstellen. Beide
Autoren erklären, dass man beim Ausstieg beispielsweise aus digitalen Netzwerken
wenig an wichtigen „News“ oder „Kontakten“ verpasst, sondern sich im Gegenteil bes-
ser um die wichtigen Dinge des Lebens kümmern kann: Familie, Freundschaften, Er-
weiterung des eigenen Wissens-Horizontes. Dobelli empfiehlt speziell mit Blick auf
Print- wie elektronische Zeitungen und Zeitschriften, auf Push-Nachrichten oder auf
RSS-Feeds (2019, S. 22): „Ich kann Ihnen den News-Verzicht mit gutem Gewissen ans
Herz legen. Sie werden bessere Entscheidungen treffen. Sie werden ein besseres Leben
haben. Und glauben Sie mir: Sie werden nichts Wichtiges verpassen.“ Und dann listet er
nachvollziehbar Argument nach Argument aus der Psychologie auf, warum News und
ihr Konsum prinzipiell schlecht sind.
Sind individuelle Widerstandskraft und bewusstes Konsumieren wichtig, so sollten
trotzdem Hersteller und Anbieter mehr in die Pflicht genommen werden von den Gesetz-
gebern. Was aber wäre ein Maßstab? Die Maßstäbe der Hersteller sind eindeutig und im
Endeffekt renditeorientiert: viele Kunden, lange Nutzungsdauer, hohe Anzahl an ver-
kaufter Werbung, hoher Umsatz, hoher Gewinn. Was wären wichtige Gegenpositionen,
wenn es um digitale Produkte und Dienstleistungen geht? Eine Gegenposition zu einem
rein effizienz- und renditeorientierten Wirtschaften nimmt beispielsweise Sarah Spieker-
mann ein. Sie beschreibt in ihrem Buch „Digitale Ethik“, wie sie bei ihren studentischen
Programmierern über drei Fragenkomplexe einen Reflexionsprozess über die rein techni-
sche Umsetzung und über die Funktionalität der Codes hinaus anstößt (Spiekermann,
2019, S. 33):
44 A. Weiand
• „Wie wirkt sich die Technik, die ihr euch in eurer ersten Hausübung ausgedacht habt,
langfristig auf den Charakter der betroffenen Stakeholder, beispielsweise also der Ku-
riere und der Kunden, aus?
• Welche menschlichen, sozialen, ökonomischem oder sonstigen Werte sind im Positiven
wie im Negativen durch den neuen Dienst tangiert? Überwiegen Vor- oder Nachteile?
• Welche persönlichen Maximen oder Wertprioritäten seht ihr durch den Service be-
troffen, die ihr aus eurer Sicht für so wichtig haltet, dass ihr sie gerne in unserer Gesell-
schaft bewahren möchtet?“
Spiekermann führt aus, dass es ihr bei der ersten Frage um Entwicklung und Bewusst-
werdung von Tugenden als wünschenswerten sittlichen Eigenschaften von Menschen
geht. Tugenden würden benötigt, um zufrieden in einer Gemeinschaft zu leben. Ihre zweite
Frage ist utilitaristisch ausgerichtet und fragt nach dem Nutzen einer technischen Lösung,
Vor- und Nachteile werden hier gegeneinander abgewogen. Bei der dritten Frage dreht es
sich ethischen Maximen, die universal gelten sollten und an denen man sich orientieren
sollte. Es geht ihr letztendlich um Werte in einer „digitalen Ethik“ (Spiekermann, 2020,
S. 53): „Bei Ethik geht es also um eine Form des Lebens und Wirtschaftens, die Menschen
als Haltung durchgängig begleitet, und zwar eine Form und Haltung, die die Gemein-
schaft, das Sozialsystem und die Stabilität der Gruppe ebenso im Auge hat wie die Inte
ressen des Einzelnen. Kapitalgeber sind dabei auch nur Einzelne.“
Einer Veränderung von Menschen sind dadurch Grenzen gesetzt, da sich die Men-
schen nicht „einfach so“ zu einem neuen Verhalten anleiten lassen, auch nicht durch
gute, rational nachvollziehbare Gründe – ansonsten würde es beispielsweise weniger
Raucher geben, wenn Verhalten alleine über gute Gründe und Einsicht veränderbar
wäre. Denn, so konstatiert der Soziologe Nassehi, die Gründe für Handeln liegen in den
wenigsten Fällen bei bewussten Entscheidungen, sondern in den meisten Fällen bei
vor-bewussten Entscheidungen. Er stellt fest, dass Handeln oft bestimmt wird durch
Muster, Routinen und Gewohnheiten, so dass es weitgehend „automatisiert“ und damit
für den Handelnden ressourcenschonend erfolgen kann (Nassehi, 2013, S. 125 ff.). Und
diese Automatismen (und die soziale Konstruktion von dem, was „wirklich“ oder „wahr“
ist) lassen sich nicht durch neues, „besseres“ Wissen oder Appelle an die Moral ver-
ändern – man denke nur an die Klimakatastrophe und unser aller weitgehend davon
unberührtes Handeln. Die einzige Möglichkeit zur Änderung von Verhalten sieht Nas-
sehi in der Änderung von Rahmenbedingungen in Organisationen (Staat, Unternehmen,
Verbände, Schulen, Universitäten …), da in ihnen letztendlich auch das „Organisier-
bare“ einer Gesellschaft stecke.
cc „Die Umformung einer Gesellschaft kann man nicht den Ingenieuren überlassen, nicht
den Industriegiganten und schon gar nicht den Geheimdiensten, die angeblich Risiken
in selbstregulierten Systemen ausschließen wollen.“ (Schirrmacher, 2018, S. 68)
Kurz & Rieger fordern eine gesellschaftliche Diskussion und gesetzgeberische Aktio-
nen unter der Überschrift „In drei Schritten zu mehr Autonomie“ (2017, S. 95 ff.):
2 Digitalisierung, Gesellschaft und Unternehmen 45
• „Erstens müssen neben der Beschränkung der Datenerfassung die Auswirkungen der
Datenverwendung ins Zentrum der Diskussion rücken …
• Zweitens darf es keine Scheu geben, bestimmte Geschäftsmodelle anhand ihrer Aus-
wirkungen zu regulieren, ganz zu verbieten oder offen zu boykottieren, wenn der
Gesetzgeber zu langsam handelt …
• Drittens müssen wir uns deshalb über Macht unterhalten. Wieviel Macht wollen wir
einzelnen Unternehmen zugestehen und zu welchen Konditionen? Welche Möglich-
keiten zum Ausgleich, zur Eindämmung, zur Offenlegung von Machtstrukturen und
ihrer Methoden gibt es? Traditionell ist eines der Mittel zum gesellschaftlichen Macht-
ausgleich die Transparenz …“
Die bisherigen großen Auswirkungen von Digitalisierung auf alle menschlichen Lebens-
bereiche sind unbestritten – und können auch nicht wieder zurückgenommen werden. Es
dreht sich alleine um die weitere bewusste Gestaltung der Zukunft. Angesichts der immen-
sen technischen und wirtschaftlichen Möglichkeiten, die die Digitalisierung den wirtschaft-
lichen Akteuren bietet, müssen sich Politik und Bürger einig werden, welchen regulativen
Rahmen sie den primär wirtschaftlich orientierten Unternehmen geben.
46 A. Weiand
cc „Die überwiegende Mehrheit der Menschen wird gleichzeitig in zwei Welten leben
und arbeiten und zwei Regelsystemen unterstehen. An der virtuellen Welt werden
wir durch eine Vielzahl von Geräten teilhaben. In der physischen Welt werden wir
wie bisher mit den Gegebenheiten der Geographie, der Willkür der Herkunft (einige
kommen als reiche Menschen in reichen Ländern zur Welt, andere als Arme in
armen), Missgeschicken und Unglücksfällen sowie den guten und schlechten Seiten
der menschlichen Natur konfrontiert.“ (Schmidt & Cohen, 2013, S. 17)
Von daher stellt sich die Frage nach einem ethisch verantwortlichen Handeln. Ein
Rückblick ist hier angebracht: Der deutsche Philosoph Hans Jonas hatte bereits 1979 an-
gesichts der Atomenergie und der daraus resultierenden Möglichkeit einer globalen Ver-
nichtung von Leben auf die besondere Rolle von verantwortlichem Handeln hingewiesen
und seinen bekannten Imperativ formuliert (Jonas, 2020, S. 36):
„Handle so, dass die Wirkungen deiner Handlung verträglich sind mit der Permanenz echten
menschlichen Lebens auf Erden.“
Literatur
Altmeyer, M. (2016). Auf der Suche nach Resonanz. Wie sich das Seelenleben in der digitalen Mo-
derne verändert (2. Aufl.). Vandenhoeck & Ruprecht.
Backhaus, N., Ribbat, M., Robelski, S., Sommer, S., & Tisch, A. (2021). Arbeiten von zu Hause aus.
Aktiv gestalten, Chancen nutzen, Risiken minimieren. Personalführung, 5(2021), 14–20.
Bock, L. (2016). Work Rules! Wie Google die Art und Weise, wie wir arbeiten und leben, ver-
ändert. Vahlen.
Bohn, U. (2020). Unterhalb der Möglichkeiten. Zur Akzeptanz von digitalen Methoden im Wandel.
OrganisationsEntwicklung, 2(20) Düsseldorf, 6–12.
Boos, F., & Buzanich-Pöltl, B. (2020). Moving Organizations. Schäffer-Poeschel.
Crouch, C. (2019). Gig Economy. Prekäre Arbeit im Zeitalter von Uber. Minijobs & Co. Berlin.
Dobelli, R. (2019). Die Kunst des digitalen Lebens. Piper.
Dürrenmatt, F. (2015). Die Stücke. Diogenes Verlag.
Goos, M., & Manning, A. (2003). Lousy and lovely jobs: The rising polarization of work in Britain.
Review of Economics and Statistics, 89(1), 118–133. http://eprints.lse.ac.uk/20002/1/Lousy_and_
Lovely_Jobs_the_Rising_Polarization_of_Work_in_Britain.pdf. Zugegriffen am 06.05.2021.
Groß, M. (2019). Digital Leader Gamebook. Erfolgreich führen im digitalen Zeitalter. Haufe.
Grzanna, M. (22. April 2021). Wenn das Internet krank macht. Die Dosis macht es: Die Digitalisie-
rung dringt in alle Bereiche des Lebens ein. Soziale Medien wie Instagram und Twitter verändern
die Art, wie Menschen miteinander kommunizieren. Doch manchen schlägt der Konsum in der
virtuellen Welt auf die Psyche. Süddeutsche Zeitung, S. 17.
Hagelüken, A., & Kläsgen, M. (09. April 2021). „Permanenter Überwachungsdruck“. Zalando muss
sein umstrittenes Personalsystem anpassen. Süddeutsche Zeitung, S. 15.
Hoffmann-Riem, W. (2017). Re:claim Autonomy. Die Macht digitaler Konzerne. In J. Augstein
(Hrsg.), Reclaim Autonomy. Selbstermächtigung in der digitalen Weltordnung (S. 121–142).
Suhrkamp.
2 Digitalisierung, Gesellschaft und Unternehmen 47
Hofstetter, Y. (2017). Soziale Medien: Wer Newsfeeds auf Werbeplattformen liest, kann Propaganda
erwarten, aber nicht die Wahrheit. In J. Augstein (Hrsg.), Reclaim Autonomy. Selbstermächtigung
in der digitalen Weltordnung (S. 25–37). Suhrkamp.
Jonas, H. (2020). Das Prinzip Verantwortung. Versuch einer Ethik für die technologische Zivilisation
(8. Aufl.). Suhrkamp.
Kreye, A. (2021). Code und Vorurteil. Der Film „Coded Bias“ zeigt, warum die neue Welt des Algo-
rithmen genauso rassistisch ist wie die alte. Süddeutsche Zeitung 19.04.2021. S. 9.
Kühlmann, T. (2008). Mitarbeiterführung in internationalen Unternehmen. Kohlhammer.
Kurz, C., & Rieger, F. (2017). Autonomie und Handlungsfähigkeit in der digitalen Welt: Crossing
the „creepy line“? In J. Augstein (Hrsg.), Reclaim Autonomy. Selbstermächtigung in der digita-
len Weltordnung (S. 85–97). Suhrkamp.
Luhmann, N. (2004). Die Realität der Massenmedien (3. Aufl.). VS Verlag für Sozialwissenschaften/
GWV Fachverlage GmbH.
Maas, R. (2021). Cyberpsychologie in der Arbeitswelt. Was Führungskräfte über die Auswirkungen
des Internetkonsums wissen müssen. Carl Hanser Verlag.
Matthiesen, K., & Spengler, J. (2020). Verständigung mit Nicht-Anwesenden. Was leisten digitale
Formate? OrganisationsEntwicklung, 2(20) Düsseldorf, 31–35.
Mau, S. (2018). Das metrische Wir. Über die Quantifizierung des Sozialen. Suhrkamp.
Müller, S. (2017). Virtuelle Führung: Erfolgreiche Strategien und Tools für Teams in der digitalen
Arbeitswelt. Springer Gabler.
Nachtwey, O., & Staab, P. (2015). Die Avantgarde des digitalen Kapitalismus. In Mittelweg, 36.
06.12.2015/01.2016. Von Maschinen und Menschen – Arbeit im digitalen Kapitalismus.
S. 59–84.
Nassehi, A. (2013). Mit dem Taxi durch die Gesellschaft. Murmann.
Nassehi, A. (2019). Muster. Theorie der digitalen Gesellschaft. C.H. Beck.
netzpolitik.org. (2020). https://netzpolitik.org/2020/moderationsberichte-unter-dem-netzwerkdur
chsetzungsgesetz-sind-nicht-alle-gleich/. Zugegriffen am 05.05.2021.
netzpolitik.org. (2021). https://netzpolitik.org/2021/de-platforming-von-trump-facebooks-oversight-
board-loest-das-problem-der-sozialen-medien-nicht/. Zugegriffen am 05.05.2021.
Nymoen, O., & Schmitt, W. M. (2021). Influencer: Die Ideologie der Werbekörper. Suhrkamp.
Reckwitz, A. (2019a). Das Ende der Illusionen (2. Aufl.). Suhrkamp.
Reckwitz, A. (2019b). Die Gesellschaft der Singularitäten. Wissenschaftliche Sonderauflage.
Suhrkamp.
Rosa, H. (2018). Resonanz. Eine Soziologie der Weltbeziehung. Wissenschaftliche Sonderausgabe.
Suhrkamp.
Schirrmacher, F. (2009). Payback (2. Aufl.). Blessing.
Schirrmacher, F. (2018). Das Armband der Neelie Kross. In F. Schirrmacher (Hrsg.), Techno-
logischer Totalitarismus. Eine Debatte (2. Aufl., S. 62–69). Suhrkamp.
Schmidt, E., & Cohen, J. (2013). Die Vernetzung der Welt: Ein Blick in unsere Zukunft. Rowohlt
Buchverlag.
Schritt, S. (2021). Autorengespräch „Cyberpsychologie in der Arbeitswelt“. Personalführung,
5, 66–68.
Schumacher, T., & Wimmer, R. (2020). Widersprüchlichkeit gestalten. Zum Management von
Kern- und Innovationsgeschäft in der ambidextren Organisation. OrganisationsEntwicklung,
4(20), 10–15.
Spiekermann, S. (2019). Digitale Ethik: Ein Wertesystem für das 21. Jahrhundert. Droemer.
Spiekermann, S. (2020). Mit Bedacht. Ethische Säulen einer verantwortungsvollen digitalen Trans-
formation. iX. Magazin für professionelle Informationstechnik, 8, 52–54.
48 A. Weiand
Spitzer, M. (2014). Digitale Demenz. Wie wir uns und unsere Kinder um den Verstand bringen.
Droemer.
Staab, P. (2020). Digitaler Kapitalismus. Markt und Herrschaft in der Ökonomie der Unknappheit.
Suhrkamp.
Staab, P., & Geschke, S.-O. (2020). RATINGS ALS ARBEITS POLITISCHES KONFLIKT-
FELD. Das Beispiel Zalando. Band 429 der Reihe Study der Hans-Böckler-Stiftung.
Stalder, F. (2019). Kultur der Digitalität. Suhrkamp.
Straub, J. (2018). Identität. In J. Kopp & A. Steinbach (Hrsg.), Grundbegriffe der Soziologie
(12. Aufl., S. 175–180). Springer Fachmedien.
Suarez, D. (2017). Wie die Technik unser Denken verändert: Unser Geist in den sozialen Medien. In
J. Augstein (Hrsg.), Reclaim Autonomy. Selbstermächtigung in der digitalen Weltordnung
(S. 155–166). Suhrkamp.
Thaler, R. H., & Sunstein, C. R. (2011). Nudge. Wie man kluge Entscheidungen anstößt. Ullstein
(Originalausgabe 2008).
The Atlantic. (2010). Google’s CEO: ‚The laws are written by lobbyists‘. Eric Schmidt on the power
of lobbyists, a Google „implant“, and how China resembles a big business. https://www.theatlan-
tic.com/technology/archive/2010/10/googles-ceo-the-laws-are-written-by-lobbyists/63908//.
Zugegriffen am 11.05.2021. Vgl. die leicht abweichende mündliche Rede von Eric Schmidt ab
Minute 15:25.
Wikihow. (2021). How to get followers on Instagram. https://www.wikihow.com/Get-Followers-on-
Instagram. Zugegriffen am 12.05.2021
Wikipedia. (2021). Soziale Medien. https://de.wikipedia.org/wiki/Soziale_Medien. Zugegriffen am
08.05.2021.
Wimmer, R. (2017). Führung und Change Management als Grundlage einer dauerhaften Wett-
bewerbsfähigkeit. In H. Rühl & H. Asselmeyer (Hrsg.), Organisationen klug gestalten. Das
Handbuch für Organisationsentwicklung und Change Management (S. 191–209). Schäf-
fer-Poeschel.
Zurstiege, G. (2019). Taktiken der Entnetzung. Die Sehnsucht nach Stille im digitalen Zeitalter.
Suhrkamp.
Martin Gabriel
Zusammenfassung
Der nachfolgende Beitrag setzt sich mit der Herausforderung auseinander, wie in
Unternehmen die eigene digitale Reife unter dem Einsatz von Reifegradmodellen be
wertet werden kann. Seit der Einführung des Capability Maturity Model (CMM) im
Jahr 1991 haben sich in vielen Domänen Reifegradmodelle etabliert und stellen ein
wichtiges Instrument dar, um ganze Unternehmen oder einzelne Bereiche auf Basis des
Istzustandes zu bewerten und um Entwicklungsperspektiven für die Zukunft aufzu
zeigen. Ein Reifegradmodell bedient sich dabei einer festgelegten Struktur und legt ein
Rahmenwerk fest, welches zu einer Vergleichbarkeit von verschiedenen Bewertun
gen führt.
3.1 Einleitung
M. Gabriel (*)
St. Margarethen im Burgenland, Burgenland, Österreich
perspektiven aufzeigen (Becker et al., 2009). Nach aktuellen Schätzungen existieren der
zeit in etwa 200 Reifegradmodellen aus verschiedenen Domänen wie IT, Produktion und
Management (Schmelzer & Sesselmann, 2013).
Eines der Bekanntesten ist das CMMI (Capability Maturity Model Integration), wel
ches in der Softwareentwicklung eingesetzt wird und bereits 1984 in einer ersten Version
veröffentlicht wurde (Kasse, 2008).
Es gilt nun in diesem Beitrag die Frage zu beantworten, welches aus der Vielzahl von
vorhandenen Reifegradmodellen dazu geeignet ist, die digitale Reife eines Unternehmens
zu bestimmen, welche objektivierten Kriterien dazu notwendig sind und wie diese Reife
gradmodelle aufgebaut sind.
Laut einer Studie des MIT Sloan Management Review haben Unternehmen einen
hohen digitalen Reifegrad, wenn diese nicht nur digitale Leader innerhalb der Organisa
tion besitzen, sondern auch aktiv, welche hervorbringen (Kane et al., 2018).
Weder im Alltag noch in der Wissenschaft ist der Begriff des Modells einheitlich. Ein
Modell ist immer ein Abbild der Realität, wobei der Begriff als solches eine Doppeldeutig
keit aufweist. Ein Modell kann sowohl ein Vorbild sein oder aber ein Abbild von etwas
bereits Bestehenden (Stachowiak, 1973).
Der Autor Stachowiak (1973) analysierte in seinem Buch den Modellbegriff tief
ergehend und kam zu dem Schluss, dass der allgemeine Modellbegriff mit 3 Hauptmerk
malen beschrieben werden kann.
Abbildungsmerkmal
Modelle sind Abbildungen von originalen, natürlichen oder künstlichen Ursprungs, wobei
diese Originale wieder selbst Modelle von etwas sein können. Jede natürliche oder ma
schinelle erstellbare Entität kann dabei ein Original eines oder mehrere Modelle sein.
Verkürzungsmerkmal
Ein Modell umfasst nie alle Attribute eines Originals. Der Modellerschaffer bzw. der
Modellbenutzer verwenden nur die Attribute des Originals, welche für die Erstellung eines
Modells als sinnvoll erachtet werden. Dies hat zur Folge, dass aus einem Modell heraus
die Eigenschaften des Originals nie vollständig und objektiv bestimmbar sind.
Pragmatisches Merkmal
Der Modellbegriff kann auf Dreifache weise pragmatisch relativiert werden. Ein Modell
ist nur nicht die darstellende Form von etwas, sondern es wurde auch für jemanden er
schaffen. Modelle erfüllen Funktionen in ihrer Zeit und werden für einen bestimmten
Zweck gebildet.
3 Bewertung der digitalen Reife von Unternehmen mittels Reifegradmodellen 51
Aufbauend auf diese Merkmale können zwei verschiedene Ansätze und Modellver
ständnisse definiert werden. Jenes des abbildungsorientierten- und des konstruktions
orientierten Modellverständnisses (Schütte, 1998).
Abbildungsorientierte Modellverständnis
Das abbildungsorientierte Modellverständnis geht davon aus, dass in der Abbildung des
Modells sich die Realität widerspiegelt. Es wird angenommen, dass auf Basis von glei
chen Wahrnehmungen durch unterschiedliche Subjekte das Ergebnis stets die gleiche Ab
bildung bzw. das gleiche Modell hervorbringt. Dieses Modellverständnis wird als am
weitverbreitetsten angesehen (Adam, 1996).
Ein großer Kritikpunkt an diesem Verständnis ist die Tatsache, dass stets davon aus
gegangen wird, dass die modellierenden Subjekte bei gleichem Realitätsausschnitt zu den
selben Ergebnissen gelangen (Schütte, 1998).
Spezifische Erfahrungen sowie individuelle Sinneswahrnehmungen und das jeweilig
erlernte Wissen beeinflussen den Prozess der Modellierung. Jedes Individuum nimmt die
jeweilige Realität als seine eigene Realität wahr und kommt damit zu individuellen Er
gebnissen in der Modellierung. Dieser Umstand führt im speziellen dann zu Problemen,
wenn das Modell einen universellen Geltungsanspruch besitzen soll. Ein universeller
Geltungsanspruch ist bei der Modellierung durch ein einzelnes Subjekt nicht zu erzielen
(Lorenz, 1995).
Konstruktives Modellverständnis
Die Kritiken zum abbildungsorientierten Modellverständnis führten zum konstruktiven
Modellverständnis. Bei diesem wird davon ausgegangen, dass die Konstruktion des Mo
dells ein subjektiver und vom Individuum abhängiger Prozess ist. Das Subjekt erfasst
dabei einen Ausschnitt der Realität und überführt diesen in ein implizites Modell.
(Lorenz, 1995).
Ein Reifegradmodell besteht aus einer Folge von Reifegraden für eine bestimmte Klasse
von Objekten. Durch aufeinander folgende diskrete Rangstufen kann dadurch der ge
wünschte Entwicklungspfad von diesen bestimmten Objekten dargestellt werden. Dieser
Entwicklungspfad beginnt dabei von einem Anfangsstadium und endet bei der voll
kommenen Reife des zu betrachteten Objektes. Die Entwicklung entlang des festgelegten
Entwicklungspfades bedeutet eine stetige Steigerung bzw. Verbesserung der Leistungs
fähigkeit oder der Güte des Objekts. Zur Feststellung dieser Steigerung dient das Reife
gradmodell als Skala zur Beurteilung und Einstufung. Ein Reifegrad innerhalb des Reife
gradmodells ist durch definierte Merkmale des zu betrachtenden Objekts dargestellt. Um
die Erreichung eines Reifegrades betrachten zu können, sind erforderliche Merkmalsaus
52 M. Gabriel
prägungen definiert. Die einzelnen Reifegrade bauen dabei aufeinander auf und bilden ein
kumuliertes Gesamtbild, wobei ein hoher Reifegrad alle Merkmale und Anforderungen
der darunterliegenden Reifegrade beinhaltet und erfüllt (Becker, Knackstedt, & Pöppel
buß, Entwicklung von Reifegradmodellen für das IT-Management– Vorgehensmodell und
praktische Anwendung, 2009).
Ziele eines Reifegradmodells soll einerseits die Darstellung des Istzustandes und
andererseits der Ausblick auf den Sollzustand sein. Nach aktuellen Schätzungen existieren
derzeit in etwa 200 Reifegradmodellen aus verschiedenen Domänen wie IT, Produktion
und Management (Schmelzer & Sesselmann, 2013).
Eine andere Unterteilung von Reifegradmodellen kann nach deren Struktur vor
genommen werden. Hierbei werden drei Gruppen von Reifegradmodellen unterschieden
(Fraser et al., 2002).
Maturity Grids
Bei sogenannten Grid-Modellen wird ein Raster gebildet, indem jede Aktivität in jedem
Reifegrad textuell beschrieben wird. Dies hat zur Folge, dass diese Modelle eine geringe
Komplexität aufweisen, aber dadurch aus mehreren Seiten Text bestehen (Fraser
et al., 2002).
Likert-like questionnaire
Diese Art von Fragebögen kann, wenn richtig aufgebaut, als eine Art von einfachen Reife
gradmodellen mit geringer Komplexität betrachtet werden. Die Frage dient dabei als eine
Art Reifegrad und die Beantwortung als eine Einstufung. Bei dieser Art von Fragebögen
gilt aber, sobald es zu einer Frage mehr als eine Antwort gibt, handelt es sich um eine
Checkliste und nicht mehr um ein vereinfachtes Reifegradmodell (Fraser et al. 2002).
Eines der ersten Modelle, welches als Reifegradmodell bezeichnet werden kann, ist die
Bedürfnispyramide von Abraham Maslow (Abb. 3.1), welche im Jahr 1943 entwickelt
wurde. Dieses Modell umfasst fünf Stufen, wobei die ersten 4 Stufen von Maslow als
Mangelbedürfnisse und die letzte Stufe als Wachstumsbedürfnis beschrieben worden ist.
Nach dem Durchlaufen aller Stufen der Pyramide wurde der „Endzustand“ erreicht und
die Person gilt nach der Theorie von Maslow als „Reif“. Maslow selbst erkannte bei der
Entwicklung, dass ein Mensch zuerst alle Kriterien der vorhergehenden Stufe erfüllt haben
muss, bis er die nächste Stufe erreichen kann (Wongkayi, 2016).
Ein Modell, welches auch bereits die Bezeichnung „Reifegradmodell“ trug, war das
von Peter Crosby entwickelte Quality Management Maturity Grid (QMMG), welches im
Jahr 1979 veröffentlicht wurde. Beim QMMG handelt es sich um ein Raster, welches die
Reifegrade ähnlich wie die Maslowsche Bedürfnispyramide in 5 Stufen unterteilt. Dieses
Modell sollte dabei helfen die „Reife“ eines Unternehmens im Bezug des Qualitäts
managements darzustellen (Crosby, 2000).
54 M. Gabriel
Ein weiterer Meilenstein in Bezug auf die Entwicklung von Reifegradmodellen stellt die
Entwicklung des Capability Maturity Model (CMM) dar. Das CMM wurde aus der Not des
amerikanischen Verteidigungsministeriums (DoD) entwickelt, um Anbieter für zuver
lässige Software zu ermitteln. Das SEI (Software Engineering Institute) der Carnegie Mel
lon University arbeitete ab 1988 an der Entwicklung eines entsprechenden Modells, wel
ches im Jahr 1990 in der Version 1.0 veröffentlicht wurde. Dieses Modell, welches den
Namen Capability Maturity Model trug, gilt heute noch vielen als Referenzmodell. Aus
dem CMM entwickelte sich das Capability Maturity Model Integration (CMMI) (ITSM-Pro
cesses, o. J.)
Die digitale Transformation beschreibt einen fortlaufenden Prozess innerhalb von Organi
sationen. In der Literatur ist man sich einig, dass die digitale Transformation aus mehreren
Themenfeldern besteht, wobei die Anzahl und Inhalte der Themenfelder variiert. Abb. 3.2
zeigt einen Auszug von Themenfeldern, welche betrachtet werden müssen, um der digita
len Transformation erfolgreich begegnen zu können.
Jedes dieser Themenfelder hat nicht nur Einfluss auf den eigenen Teilbereich, sondern
wirkt sich auf die gesamte Organisation aus.
Die nachfolgende Aufzählung beschreibt die einzelnen Themenbereiche und aus
gewählte Konzepte im Detail, dabei stellt die Reihenfolge der Themen kein Ranking oder
Gewichtung dar.
3.4.1 Technisierung
Die Technisierung ist einer der Grundpfeiler der digitalen Transformation in Organisa
tionen. Ohne den Einsatz von Technologie kann eine Transformation auf digitaler
3 Bewertung der digitalen Reife von Unternehmen mittels Reifegradmodellen 55
Abb. 3.2 Darstellung der Handlungsfelder in der digitalen Transformation. (Quelle: Eigene Dar
stellung)
Ebene nicht durchgeführt werden. Dabei kann man unterscheiden, welchen Bereich der
Einsatz von Technologie berührt, wobei eine Überschneidung der einzelnen Bereiche
besteht.
In den meisten Unternehmen spielen die hierarchische Stufe des Mitarbeiters nur mehr
eine untergeordnete Rolle, wenn es um die Vergabe der Technik im Sinne von Hardware
geht. Mitarbeiter bekommen in der Regel sämtliches Equipment, welches Sie für die
tägliche Erledigung Ihrer beruflichen Aufgaben benötigen. Neben der benötigten Hard
ware wie zB Laptop & Mobiltelefon bieten die Unternehmen den Mitarbeitern auch eine
umfassende Softwareausstattung (Hoffmann et al., 2020).
Ein anderer Ansatz zur Technisierung innerhalb von Organisationen im Zuge der digi
talen Transformation kann das Konzept des „Bring your own device“ sein.
„Bring your own device“ beschreibt ein Konzept in der Arbeitswelt, bei dem Mit
arbeiter ihre eigenen privaten Geräte mit ins Unternehmen bringen, um damit zu arbeiten.
Meist erhalten die Arbeitnehmer dabei Zugriff auf betriebliche Ressourcen wie das
E-Mail- Postfach, den Kalender oder das Unternehmensnetzwerk. Das Ziel soll eine
Kostenreduzierung und eine gesteigerte Effizienz beim Arbeiten sein (Evans, 2020).
Das Konzept „Bring your own device“ bezieht sich dabei meist auf sogenannte mobile
Geräte, wie z. B. das Smartphone, Laptop oder Tablet. Während sich das Konzept in
Europa bei den meisten Unternehmen noch nicht durchgesetzt hat, sind in den USA be
reits 95 % der Unternehmen bereit, nach dem BYOD-Konzept zu arbeiten (Kohne
et al., 2015).
Neben den Vorteilen bringt dieses Konzept als Teil der digitalen Transformation in der
Organisation auch Nachteile mit sich. Neben dem physischen Risiko, wie zum Beispiel
der Verlust von einem oder mehreren Geräten, kann auch der Verlust von Daten auf dem
Gerät zu einem erheblichen Schaden in der Organisation führen.
Unternehmen sind daher bereits in einer frühen Phase der Technisierung gefordert,
organisationsweite Standards und Regeln aufzustellen. Auch Normen und Zertifizierungen
wie zum Beispiel die ISO Norm 27001 für Informationssicherheit können dabei behilf
lich sein.
56 M. Gabriel
Einen weiteren Aspekt der Technisierung innerhalb der digitalen Transformation spielt
der Einsatz von Cloud-Diensten.
Mithilfe von Cloud-Diensten ist es möglich, jeden Mitarbeiter Orts- und zeitunabhängig
Informationen bereitzustellen sowie Rechenleistung und Speicherplatz auszulagern. Da
neben können verschiedene Tools genutzt werden, um miteinander in Kontakt zu bleiben
und Informationen einfach und in Echtzeit zu teilen.
3.4.2 Geschäftsmodell
Der Begriff des Geschäftsmodells hat sich in den letzten Jahren gewandelt. Er kann
als Teil eines Unternehmens betrachtet werden oder philosophisch wie von Peter Dru
cker, welcher den Begriff des Geschäftsmodells herunter gebrochen hat auf die
wesentlichen zwei Fragen „Wer ist der Kunde?“ und „Welchen Wert hat der Kunde?“
(Ovans, 2015).
Das Internet und andere digitale Technologien haben es Unternehmen vereinfacht,
auf eine disruptive Art und Weise ihre Geschäftsmodelle zu digitalisieren (Büllingen,
2017). Unternehmen erhoffen sich von der Digitalisierung ihres Geschäftsmodells eine
Steigerung der Marktposition und Vorteile gegenüber den Mitbewerbern (Hoffmann
et al., 2020).
(Gassmann & Sutter, 2019), beschreiben in ihrem Buch, das ein digitales Geschäfts
modell ein Element der vier Grundpfeiler der Digitalisierung darstellt. Durch die Digitali
sierung der Geschäftsprozesse werden die Bindung und Präsenz nach außen verstärkt.
Innerhalb des Unternehmens kann die Digitalisierung dazu führen, dass die Reaktionszeit
gesteigert wird.
Der Weg zum digitalen Geschäftsmodell ist nicht einfach und wird auch oft unter
schätzt. Die Änderungen im Geschäftsmodell umfassen nicht nur das Unternehmen und
seine Mitarbeiter als solches, sondern auch alle beteiligten Stakeholder wie Lieferanten
und Kunden. Die Veränderbarkeit und Anpassungsfähigkeit gegenüber dem Wettbewerb
rücken dadurch in den Mittelpunkt (Gassmann & Sutter, 2019).
Digital Canvas Als Hilfsmittel für die Entwicklung eins digitalen Geschäftsmodells
wurde von (Schlimbach & Asghari, 2020) der „digital Canvas“ entwickelt.
In der Literatur wird der Begriff Arbeitsmodell meist mit dem Begriff der Arbeitszeit
gleichgesetzt. Ein Arbeitsmodell besteht aus mehreren Dimensionen, wobei die Arbeits
zeit eine davon ist.
Im Bereich der Arbeitswelt findet sich die digitale Transformation oftmals in der Flexi
bilisierung der Arbeitsverhältnisse wieder. Waren früher die Mitarbeiter an einen Ort und
einer fest definierten Arbeitszeit gebunden, so gibt es jetzt in vielen Organisationen die
Möglichkeiten der Teilzeitarbeit, Gleitzeit oder Vertrauenszeit. Neben der zeitlichen
Komponente wird auch der Ort der zu erbringenden Leistung flexibel. Mobiles Arbeiten,
Homeoffice oder arbeiten direkt beim Kunden werden immer mehr umgesetzt.
Die digitale Transformation macht auch nicht vor den Themen Leadership und Führung
halt. Gesteigerte Kundenerwartungen und die Notwenigkeit der schnelleren Reaktions
fähigkeit verlangen von Führungspersönlichkeiten ein flexibleres und agileres Vorgehen
(Petry, 2010).
Um erfolgreich bei der digitalen Transformation im Unternehmen zu sein, ist es wich
tig, bestehende Führungspersonen zu leiten und neue Strategien zu entwickeln, um auf die
geänderte Situation reagieren zu können. (Sebastian et al., 2017).
58 M. Gabriel
Die digitale Transformation kann dabei als eine Art Orchester betrachtet werden, wobei
die Führungsperson den Dirigenten darstellt.
Zu einem ähnlichen Ergebnis kam (Schrage et al., 2021) in seiner neusten Studie im
MITSloan Management Review. Er führte eine Umfrage durch, bei der mehr als 90 % der
Befragten Führungspersonen angaben, dass eine gewisse digitale Affinität sie bei der Aus
übung Ihrer Rolle unterstützt.
Eine konträre Ansicht liefert die Studie „Impact of leadership on digital trans-
formation“. Die Autoren dieser Studie kamen zu dem Schluss, dass es keinen spezifischen
Führungsstil innerhalb der digitalen Transformation brauche, obwohl die Rolle des Füh
renden eine wichtige ist. (Sow & Aborbie, 2018).
Im vierten und letzten Schritt wurden die Merkmale der Reifegradmodelle aus den beiden
vorherigen Stufen dokumentiert.
Unter die Merkmale fielen der Aufbau und die Anzahl der Reifegradstufen, Bewertungs
kriterien, Anzahl und Inhalt der bewerteten Dimensionen sowie Meta-Informationen wie
Quelle, Veröffentlichungsdatum und Autoren. Die gesammelten Informationen wurden in
einem standardisierten Analyseformular erfasst und dokumentiert. Aufgrund des Umfangs
des Beitrags kann diese Übersicht nur einen Ausschnitt aller der am Markt befindlichen
Reifegradmodelle zum Thema digitale Transformation von Unternehmen aufzeigen.
Die Tab. 3.1 zeigt die analysierten und dokumentierten Reifegradmodelle sowie deren
Durchschnitts Note.
Die folgenden Abschnitte stellen einen detaillierten Überblick über die analysierten
Reifegradmodelle und stellen da.
Das Industry 4.0 Maturity Model wurde vom Fraunhofer Institut in Österreich entwickelt,
um Produktionsunternehmen dabei zu unterstützen, den Istzustand zu bewerten und um
den Weg aufzuzeigen, wie ein Sollzustand aussehen kann. Es gibt einen klar definierten
Prozess, welcher sich nicht nur mit der Bewertung des Reifegrades befasst, sondern auch
Hilfestellungen bietet, wenn es um die Themen Vision und Implementierung im Unter
nehmen geht.
Das Modell ist nicht frei verfügbar, allerdings gibt es die Möglichkeit, Online einen
sogenannten „Industrie 4.0 Quick-Check“ durchzuführen.
Das Reifegradmodell arbeitet mit Reifeattributen, welche dazu genutzt werden, den
IST-Reifegrad als auch den SOLL-Reifegrad zu bestimmen.
Das Konzept Industrie 4.0 wird dabei in 65 Reifeattribute zerlegt und soll dadurch dem
Unternehmen die Möglichkeit geben, die eigene Reife messbar zu machen.
Das Modell ist zielgerichtet auf Produktionsunternehmen, welche sich weiter in die Rich
tung Industrie 4.0 entwickeln möchten. Durch einen ausgeprägten und definierten Prozess
sowie der Menge an Kriterien zur Bestimmung der Reifegrade ist dieses Modell in der
Lage, Unternehmen ganzheitlich auf den Weg der digitalen Transformation zu begleiten.
Das Digital Maturity Model wurde von der Universität St. Gallen am Institut der Wirt
schaftsinformatik entwickelt. Es richtet sich unabhängig von Branchen an Unternehmen,
welche sich in der digitalen Transformation befinden. Es bewertet den Reifegrad von
Unternehmen anhand eines Fragebogens.
Das Modell ist ein rein deskriptives Modell, es zeigt Best Practices und Fähigkeiten
auf, gibt aber keine konkreten Handlungsanweisungen. Zum Zeitpunkt der Erstellung die
ses Beitrags war der Online-Fragebogen nicht frei verfügbar.
Die Bewertung und anschließende Bestimmung des Reifegrades wird mit einem Online-
Fragebogen durchgeführt. Der Fragebogen besteht aus den definierten Dimensionen des
Modells, wobei jede Dimension 3 Reifekriterien enthält. Jedes Reifekriterium wird mit
2–3 Fragen bewertet, wobei jede dieser Fragen mit konkreten Merkmalen definiert ist.
Das Modell gibt anhand einer Likert-Skala an, wie sehr die Merkmale auf ihr Unter
nehmen zutreffen.
In dem Modell werden zur Bestimmung des Reifegrades 7 Dimensionen betrachtet. Diese
sieben Dimensionen wurden aus der Business Engineering Landkarte von Hubert Österle
und Robert Winter abgeleitet.
Die Dimensionen wurden anhand bereits bestehender Reifegradmodelle und unter Ein
beziehung von Experteninterviews definiert. Die Reifegrade werden dabei nicht im Vor
hinein, sondern im Zuge der Befragung definiert.
62 M. Gabriel
Das Digital Maturity Model besitzt keine klare Fokussierung. Die Erhebung kann
branchenunabhängig durchgeführt werden. Neben der Branchenunabhängigkeit wird kein
spezifischer Themenbereich wie beispielsweise IOT oder Industrie 4.0 abgefragt. Auch
angegebene Referenzen des Modells spiegeln die Branchenunabhängigkeit wieder (Retail,
Industrie 4.0, Dienstleistung).
Die Digital Maturity Matrix wurde gemeinsam vom MIT Sloan Review mit Capgemini
Consulting entwickelt. Sie besteht aus vier Quadranten und zwei Dimensionen. Die Ma
trix bewertet neben den Fähigkeiten im Bereich der Anwendung von digitalen Techno
logien auch das digital Leadership.
Es werden zwei Dimensionen bewertet. Innerhalb dieser zwei Dimensionen können die
Unternehmen in vier Quadranten segmentiert werden, diese Quadranten werden als „Be
ginners“, „Conservatives“, „Fashionistas“ sowie „Digital Masters“ bezeichnet.
Die Dimension „Digital Capabilities“ beinhaltet alle technologiebasierten Initiativen
innerhalb des Unternehmens, welche die Förderung der Customerer Experience sowie die
Optimierung interner Prozesse und die Weiterentwicklung des Unternehmens zur Auf
gabe hat.
3 Bewertung der digitalen Reife von Unternehmen mittels Reifegradmodellen 63
Bei der zweiten Dimension „Leadership Capabilities“ liegt der Fokus auf die Steuerung
der digitalen Transformation. Dabei geht es vor allem um die Entwicklung einer starken
digitalen Vision für das jeweilige Unternehmen.
Die Abb. 3.5 zeigt den Aufbau der Digital Maturity Matrix. Die visuelle Darstellung ist
frei verfügbar.
Das Modell wurde erstmals im Jahr 2017 im Zuge einer Studie veröffentlicht.
Die Digital Maturity Matrix besitzt keine bestimmte Fokussierung, vielmehr kann das
Modell branchenunabhängig verwendet werden.
Das Modell basiert auf einen Prozess, welcher sich aus 4 Stufen zusammensetzt.
Zu Beginn werden die Motivation des Unternehmens betrachtet sowie die Ziele defi
niert. Im nächsten Schritt wird basierend auf den Ergebnissen das Assessment aufgesetzt
und Teilnehmer definiert. Im dritten Schritt wird das ausdefinierte Assessment durch
geführt und moderiert. Zum Schluss werden die Ergebnisse aus dem Assessment grafisch
aufbereitet und präsentiert.
Bei diesem Modell handelt es sich um ein proprietäres Modell von KPMG, deshalb
müssen auch zwingend Ressourcen dieser Beratungsgesellschaft zugekauft werden.
Es werden vier Dimensionen ähnlich der Digital Maturity Matrix für die Bewertung heran
gezogen. Eine Besonderheit dieses Modells ist der Vergleich mit Benchmarkwerten von
anderen Unternehmen.
Die Ergebnisse des Modells werden grafisch dargestellt und sind somit visuell leicht ver
ständlich. Abb. 3.6 zeigt die Matrix, auf welcher dieses Modell basiert.
Das FME Reifegradmodell wurde von der FME AG entwickelt und ist ein proprietäres
Reifegradmodell. Es besitzt ein klares Vorgehensmodell und bewertet die Dimensionen
mit fünf Reifegraden.
Der Aufbau des FME Reifegradmodells ist schlüssig und folgt einem klaren Vorgehens
modell, allerdings sind die einzelnen Betrachtungen in den jeweiligen Dimensionen um
fangreich. Zu Beginn wird für jede Dimension der IST-Reifegrad erhoben, um zu ver
stehen, wo man sich im Bereich der digitalen Transformation gegenüber von Mitbewerbern
befindet. Danach wird der SOLL-Reifegrad definiert. Dieser Sollreifegrad soll zeigen, wie
das Unternehmen in der Zukunft aufgestellt sein muss, um den Herausforderungen der
Digitalisierung gewachsen zu sein.
Im letzten Schritt werden mittels einer Gap-Analyse konkrete Maßnahmen definiert,
welche es dem Unternehmen ermöglichen sollen, von dem IST auf das prognostizierte
SOLL zu kommen.
Da es sich bei diesem Modell um ein entwickeltes Modell des Unternehmen FME han
delt, werden Beratungsleistungen gebraucht.
Eine visuelle Darstellung des Modells ist auf der Unternehmenswebseite verfügbar und
bietet auch einen Gesamtüberblick der bewerteten Dimensionen.
66 M. Gabriel
Es gibt bereits eine Reihe von Übersichtsarbeiten zum Thema Reifegradmodelle der digi
talen Transformation. Aktuell springen viele Institutionen wie Universitäten und Fach
hochschulen als auch Unternehmen auf den Zug der digitalen Transformation auf und
entwickeln eigene Reifegradmodelle. Viele dieser Reifegradmodelle sind dabei an Be
ratungsleistungen gebunden. Freie Reifegradmodelle findet man dagegen wesentlich sel
tener am Markt. Dies mag zum einen daran liegen, dass die Entwicklung eines umfang
reichen Reifegradmodells viel Zeit und Ressourcen in Anspruch nimmt und zum anderen
lässt sich mit der Beratung gutes Geld verdienen.
Literatur
Adam, D. (1996). Planung und Entscheidung. Modell – Ziele – Methoden (4. Aufl.). Gabler.
Becker, J., Knackstedt, R., & Pöppelbuß, J. (2009). Entwicklung von Reifegradmodellen für das
IT-Management. Wirtschaftsinformatik, 51, 249–260.
Büllingen, F. (2017). Wissenschaft trifft Praxis. Begleitforschung Mittelstand-Digital.
3 Bewertung der digitalen Reife von Unternehmen mittels Reifegradmodellen 67
content/uploads/2017/07/The_Digital_Advantage__How_Digital_Leaders_Outperform_their_
Peers_in_Every_Industry.pdf. Zugegriffen am 12.04.2021.
Wongkayi, T. (2016). Models of maturity (29. Nov 2016). https://modelsofmaturityblog.wordpress.
com/2016/11/29/maslows-model-of-maturity/. Zugegriffen am 12.04.2021.
Zusammenfassung
An der Schnittstelle zwischen dem eigenen Unternehmen, den Kunden und den Wett-
bewerben entstehen für den Vertrieb mehrdimensionale Anforderungen, die im digi-
talen Wandel wachsenden Handlungsdruck aufkommen lassen. Die Treiber der Digi-
talisierung können entsprechend der Schnittstellenrolle des Vertriebs im digitalen
Umfeld zu drei Handlungsfeldern verdichtet werden: (1) Die Interaktionsformen mit
dem Kunden müssen aufgrund der sich verändernden Kundenbedürfnisse in Ver-
bindung mit der Digitalisierung von Buying Centern analysiert und neu ausgelegt
werden. (2) Die Abstimmung interner Vertriebsabläufe muss hinsichtlich der wach-
senden Anzahl technologischer Hilfsmittel und des zunehmenden Digitalisierungs-
grades des eigenen Unternehmens angepasst werden. (3) Es muss eine Analyse des
digitalen Umfeldes stattfinden, um sich zu positionieren, von den Markteilnehmern
abzugrenzen sowie vor neuen Konkurrenten zu schützen. Die Umsetzung einzelner
Maßnahmen ist in diesem Zusammenhang jedoch nicht hinreichend. Das Streben
nach digitaler vertrieblicher Exzellenz als höchste Entwicklungsstufe setzt die um-
fassende Weiterentwicklung einer Vertriebsorganisation voraus, in der eine Vielzahl
M. J. Malewski
Berlin, Deutschland
C. Ahlfeld (*) · S. Maihöfer
Ruhr-Universität Bochum, Lehrstuhl für Industrial Sales and Service Engineering,
Bochum, Deutschland
E-Mail: [email protected]; [email protected]
Schlüsselwörter
4.1 Einleitung
bekleiden zunehmend Millenials Positionen in Buying Center, für die der Gebrauch
digitaler Medien in Entscheidungsprozessen zur Normalität gehört (IBM Institute for
Business Value, 2015).
3. Steigender Wettbewerbsdruck: Die fortschreitende Digitalisierung führt nicht nur zu
der Notwendigkeit, den Vertrieb international auszurichten (Badrinarayanan et al.,
2011). Darüber hinaus wird es schwieriger, die Produktqualität als alleinigen Wett-
bewerbsvorteil zu nutzen. Die Differenzierung muss auch durch ein individuelles Ver-
triebssystem erreicht werden (Binckebanck, 2016a).
4. Neue Wettbewerber: Neue Wettbewerber drängen mit unkonventionellen Geschäfts-
modellen und Vertriebskompetenz auf den Markt. So beanspruchen z. B. digitale Ver-
kaufsriesen wie Alibaba oder Amazon immer mehr Marktanteile für sich, weil sie als
Distributoren oder Aggregatoren agieren (Lässig et al., 2015).
5. Bestehende digitale Unternehmensstrategie: Im Zuge der Digitalisierung integrieren
immer mehr Unternehmen immer neuere Technologien, vor allem in Produktions-
prozesse – die Schnittstelle zum Kunden wird aber oft vernachlässigt, sodass aus zur
Geltung gebrachten Kosten- bzw. Erfolgspotenzialen resultierende Vorteile nicht zum
Kunden finden (Lässig et al., 2015).
6. Revolution der Interaktionsformen: Der Einsatz mobiler Endgeräte, webbasierte
Kommunikation sowie die Einbindung sozialer Medien verändern die bisherige Kom-
munikation mit Kunden grundlegend (Niehaus & Emrich, 2016).
Die zuvor beschriebenen Treiber der Digitalisierung können entsprechend der Schnitt-
stellenrolle des Vertriebs zu drei zentralen Handlungsfeldern im digitalen Wandel ver-
dichten werden:
1. Die Interaktionsformen mit dem Kunden müssen aufgrund der sich verändernden
Kundenbedürfnisse in Verbindung mit der Digitalisierung von Buying Centern ana-
lysiert und neu ausgelegt werden.
2. Die Abstimmung interner Vertriebsabläufe muss hinsichtlich der wachsenden An-
zahl technologischer Hilfsmittel und des zunehmenden Digitalisierungsgrades des
eigenen Unter-nehmens angepasst werden.
3. Es muss eine Analyse des digitalen Umfeldes stattfinden, um sich zu positionieren,
von den Markteilnehmern abzugrenzen sowie vor neuen Konkurrenten zu schützen.
Die durch die Digitalisierung induzierten Veränderungen dürfen aber nicht nur als Treiber,
sondern müssen gleichzeitig auch als strategische Ressource verstanden werden, die ge-
zielt zur Steigerung der unternehmerischen Wettbewerbsfähigkeit eingesetzt werden kön-
nen (Binckebanck, 2016a; Ingram et al., 2002; Storbacka et al., 2009). Dabei ist besonders
die Digitalisierung der eigenen Wertschöpfungskette bis hin zur Kundeninteraktion zum
Zwecke der Individualisierung der eigenen Leistung von Bedeutung. In diesem Bereich
können die Wettbewerbsdifferenzierung und Kundenorientierung unterstützt und eine
nachhaltige Stärkung der Wettbewerbsposition erreicht werden. Insbesondere ermöglicht
72 M. J. Malewski et al.
die systematische Sammlung und Verarbeitung von Kundendaten den Aufbau eines ganz-
heitlichen Marktverständnisses, das zu individuellen Kundenlösungen, höherer Kunden-
zufriedenheit und in der Folge zu erhöhter Zahlungsbereitschaft und Kundenloyalität
führt. Die Digitalisierung im Vertrieb bietet daher drei zentrale Vorteile, die dem Gesamt-
unternehmen zugutekommen (Binckebanck, 2016a; Strauß, 2013):
1. Vereinfachte Identifizierung und Analyse von Kunden sowie deren Bedürfnissen zur
kundenspezifischen Ansprache.
2. Zeitersparnis bei der Gewinnung der relevanten Informationen.
3. Überführung von Kundendaten in Planungs- und Steuerungssysteme.
Vor dem beschriebenen Hintergrund wird deutlich, dass die Digitalisierung im Vertrieb
nicht ausschließlich auf den Einsatz digitaler Technologien reduziert werden darf; viel-
mehr impliziert diese im Sinne einer kundenorientierten Unternehmensführung (Bruhn,
2002, 2009, 2012) auch – und vielleicht auch gerade im digitalen Zeitalter die ganzheit-
liche Ausrichtung und Anpassung von Strukturen und Prozessen sowie von Informations-
systemen und nicht zuletzt auch von individuellen sowie kollektiven Denk- und Ver-
haltensweisen an sich immer schneller ändernde Kundenpräferenzen, an immer länger
werdende Verkaufsprozesse mit immer mehr Akteuren, die Einfluss auf die Kaufent-
scheidung nehmen, und an ein sich aufgrund der fortschreitenden Digitalisierung ins-
gesamt kontinuierlich wandelndes im Umfeld.
In der Praxis fehlen allerdings Handlungsanleitungen bzw. -empfehlungen, die Unter-
nehmen dabei unterstützen, ihre Vertriebsorganisation im Hinblick einer zunehmenden
Digitalisierung ganzheitlich weiterzuentwickeln. Der vorliegende Beitrag beschreibt vor
diesem Hintergrund die Entwicklung eines Modells zur Bewertung der digitalen Reife von
Vertriebsorganisationen, das Unternehmen dabei unterstützen kann, die Vertriebs-
organisation zu analysieren und im Hinblick auf digitale Vertriebsexzellenz, zukunfts-
orientierte Organisationsformen und die Nutzung richtungsweisender Technologien
weiterzuentwickeln.
fizieren, die zur Spezifizierung der Gestaltungsebenen bzw. -dimensionen, auf denen sich
die Weiterentwicklung einer Vertriebsorganisation im Zuge der Digitalisierung vollziehen
muss, herangezogen werden kann.
So stammt eine frühe und generische Definition von Tushman und O’Reilly (1996),
nach der die Struktur des Vertriebs als ein Konstrukt aus Menschen, Organisation, Füh-
rung und Kultur sowie kritischen Aufgaben, Prozessen und der damit einhergehenden
Verwendung von Informationstechnologien zu verstehen ist, das im Sinne des Ansatzes
Structure follows Strategy mit der Strategie und Vision in Einklang stehen muss (Maier,
2015). Homburg et al. (2012) beschreiben die Struktur einer exzellenten Vertriebs-
organisation und fassen die einzelnen Aufgaben exzellenter Vertriebsarbeit zu den vier
übergeordneten Dimensionen Vertriebsstrategie, Vertriebsmanagement, Informations-
management und Kundenbeziehungsmanagement unter Einbezug der Vertriebspersönlich-
keit als ein weiteres Element exzellenter Vertriebsarbeit zusammen, vgl. Abb. 4.1.
Binckebanck (2016b) präsentiert eine idealtypische Vertriebsstruktur im Sinne eines
klassischen Input-Process-Output-Modells, indem er die Elemente einer idealtypischen
Vertriebsorganisation grundlegend in strategische Grundsatzentscheidungen (Input) und
Vertriebsergebnisse und Controlling (Output) differenziert und die Führungsebene als
verbindendes Element zwischen der Konzeptionsebene und der Durchführungsebene (Pro-
cess) definiert, vgl. Abb. 4.2.
Konzeptionsebene
Bestandteile
Vertriebsarbeit
Strategische
Entscheidungen
Kunden-
segmentierung Führungs-
Definition von ebene als Vertriebser-
Wettbewerbs- verbindung gebnisse und
vorteilen und Trans- Controlling
Kundenbezie- mission
hungsstrategie
Vertriebska-
nalstrategie
Durchführungs-
ebene
Vertriebspersönlichkeit
Selbst- Persönlich-
Selbst- Soziale Fach-
verstand- keits-
organisation Kompetenz kompetenz
nis merkmale
(1) Strategie und Planung In der Strategie sind im digitalen wie im klassischen Vertrieb
neben den zu erreichenden Vertriebszielen auch Entscheidungen z. B. im Hinblick auf die
76 M. J. Malewski et al.
(2) Customer Relation Die effiziente Gestaltung der Kundenkommunikation, eine mög-
lichst individuelle Kundenbearbeitung und die daraus resultierende Stärkung der Kunden-
beziehungen kann durch den Einsatz digitaler Informations- und Kommunikationstechno-
4 Digital Sales Excellence 77
Dimension Strategie und Planung: Entwicklung einer Safes Digitalstrategie und Vorgabe digitaler Erfolgsfaktoren
Strategie
Digitale Spitzenleistungen
und Planung
KPI, die Digitalisierung Planung und Steuerung durch KPI, die die
messbar machen f Digitalisierung einbeziehen
Sales Excellence Digital Sales Excellence
Abb. 4.5 Entwicklung und Inhalte der Dimension Strategie und Planung. (Quelle: Eigene Dar-
stellung)
logien unterstützt werden. Deshalb umfasst die Dimension Customer Relation (vgl.
Abb. 4.6) jene Erfolgsfaktoren, die für eine Vertriebsorganisation in Bezug auf die Be-
arbeitung von Kunden relevant sind, um ein exzellentes Kundenbeziehungsmanagement
zu gewährleisten.
(3) Fähigkeit und Kultur Da der digitale Wandel nicht nur strukturelle Veränderungen
impliziert, sondern auch die Zusammenarbeit und damit die Vertriebskultur verändert, ver-
eint die Dimension Fähigkeit und Kultur (vgl. Abb. 4.7) jene Erfolgsfaktoren, die dazu
beitragen, dass Kompetenzen auf fachlicher und persönlicher Ebene des Einzelnen und im
Kollektiv gestärkt werden. Diese reichen z. B. von der Anpassung der Vertriebskultur an
sich verändernde Rahmenbedingungen über die zielgerichtete Kommunikation von Ver-
änderungen an Mitarbeitende bis zum Einsatz von Blended-Learning zur Unterstützung
der kontinuierlichen Weiterentwicklung von Mitarbeitenden.
78 M. J. Malewski et al.
Dimension Customer Relation: Die Kundeninteraktion entwickelt sich zum Social Selling und wird durch Technologien effizienter gestaltet
Abb. 4.6 Entwicklung und Inhalte der Dimension Customer Relation. (Quelle: Eigene Darstellung)
Dimension Fähigkeit und Kultur: Eine ausgestaltete Vertriebstkultur und digitale Kompetenzen der Vertriebsmitarbeiter
Abb. 4.7 Entwicklung und Inhalte der Dimension Fähigkeit und Kultur. (Quelle: Eigene Dar-
stellung)
(4) Organisation und Prozesse Die Dimension Organisation und Prozesse (vgl. Abb. 4.8)
umfasst einerseits jene Erfolgsfaktoren, die die quantitativen Ergebnisgrößen der
Vertriebsleistung, wie z. B. Deckungsbeiträge oder Quoten, bedingen (Homburg et al.,
2012). Andererseits ist es für den Erfolg einer Vertriebsorganisation im digitalen Wandel
unumgänglich, die internen Abläufe so anzupassen, dass die Organisation den aus der
Digitalisierung im Umfeld resultierenden Veränderungen bestmöglich gewachsen ist (Be-
aringPoint., 2018).
4 Digital Sales Excellence 79
Dimension Organisation und Prozesse: Implementierung und Anwendung eines CRM 2.0 (Social CRM oder Collaborative CRM)
Organisation
Digitale Spitzenleistungen und Prozesse
Abb. 4.8 Entwicklung und Inhalte der Dimension Organisation und Prozesse. (Quelle: Eigene Dar-
stellung)
(6) Technologietrends Der digitale Wandel impliziert auch für den Vertrieb vielfältige
Möglichkeiten der Weiterentwicklung. Dennoch bleibt zu konstatieren, dass der Vertrieb
häufig nur „mitdigitalisiert“ wird und oftmals auf die Einführung eines Customer-
Relationship-
Management- oder eines Enterprise-Resource-Planning-Systems be-
schränkt bleibt (Elste, 2016). Vor diesem Hintergrund gilt es, die für den Vertrieb
relevanten Entwicklungen, maßgeblich, aber nicht ausschließlich in Bezug auf Informa-
tions- und Steuerungssysteme sowie neue Möglichkeiten und Formen der Market oder
Business Intelligence, zu erkennen (Schuh et al., 2011). Die Dimension Technologie-
trends (vgl. Abb. 4.10) umfasst deshalb die zur Identifikation, Bewertung und
Implementierung (informations-) technischer Lösungen im Vertrieb relevanten Erfolgs-
faktoren.
80 M. J. Malewski et al.
Dimension IT und Controlling: Einsatz digitaler Technologien und IT-Systeme zur vertriebsorientierten Datenverarbeitung
Abb. 4.9 Entwicklung und Inhalte der Dimension IT und Controlling. (Quelle: Eigene Darstellung)
Dimension Technologietrends: Innovationen auf dem Markt werden erkannt und zur Steigerung der Vertriebsleistung in die Abteilung überführt
Technologiefrüherkennung als
Technologieradar
Elemente Technologischer b übergreifender Prozess
Trends
Methoden der Technologieplanung und
Technologie Scans Wirkungsanalyse ausführliche Wirkungsanalyse
c
Technologieauswahl
Einkauf/Entwicklung zur Optimierung der
Technologieeinkauf
Integration d Vertriebsprozesse (z. B. RPA, Al, etc.)
Abb. 4.10 Entwicklung und Inhalte der Dimension Technologietrends. (Quelle: Eigene Dar-
stellung)
Das entwickelte Framework stellt einen für eine Vertriebsorganisation einheitliche Ele-
mente definierenden State of the Art dar. Durch die konsequente Ausrichtung der Dimen-
sionen an den drei in Abschn. 4.1 herausgearbeiteten zentralen Handlungsfeldern ist es auf
dieser Grundlage möglich, die notwendigen Gestaltungsaufgaben zu strukturieren und die
Implikationen der mit der Digitalisierung einhergehenden Veränderungen transparent zu
machen und damit eine strukturierte Weiterentwicklung einer Vertriebsorganisation zu ini
tiieren.
4 Digital Sales Excellence 81
Methodisches Vorgehen Das Vorgehen zur Weiterentwicklung des in Abschn. 4.3 be-
schriebenen Frameworks zur Bestimmung der digitalen Reife von Vertriebsorganisationen
zu einem Reifegradmodell folgt im Wesentlichen dem von Knackstedt et al. (2009) be-
schriebenen Vorgehensmodell zur Entwicklung von Reifegradmodellen. Vor dem Hinter-
grund der von den Autoren formulierten Forderungen nach einem iterativen und vor allem
multimethodischen Vorgehen einerseits und einer kontinuierlichen Evaluierung anderer-
seits, wurden zunächst die Inhalte der Dimensionen des Frameworks in Kooperation mit
Expert:innen einer international tätigen Management- und Technologieberatung im Rah-
men einer mehrstufigen, schriftlichen Online-Befragung auf Vollständigkeit, inhaltliche
Konsistenz und Problemadäquanz überprüft, vgl. Abschn. 4.4.1.
Vor dem Hintergrund der mit den Workshops verbundenen Ziele wurden diese grund-
legend in zwei Phasen differenziert: Das Ziel der ersten Phase bestand darin, den Begriff
Digital Sales Excellence vor dem Hintergrund der in Abschn. 4.2 beschriebenen Elemente
einer idealtypischen Vertriebskonzeption möglichst präzise zu definieren und die Aus-
wirkungen der durch den digitalen Wandel induzierten Veränderungen im Spannungsfeld
zwischen Mensch (z. B. in Bezug auf einen notwendig werdenden Mindshift), Technik
(z. B. in Bezug auf den Einsatz und die Nutzung neuer Technologien) und Organisation
(z. B. in Bezug auf Aufbau- und Ablauforganisation) zu beschreiben. Das Ziel der zweiten
Phase bestand aufbauend auf den Ergebnissen der ersten Phase darin, möglichst konkrete
Handlungsempfehlungen zu erarbeiten, die Unternehmen dabei unterstützen, ihre Ver-
triebsorganisation zu analysieren und im Hinblick auf digitale Vertriebsexzellenz, zu-
kunftsorientierte Organisationsformen und die Nutzung richtungsweisender Technologien
weiterzuentwickeln.
Die Grundlage für die Überprüfung der Dimensionen des Frameworks auf Vollständig-
keit, inhaltliche Konsistenz und Problemadäquanz bildet eine mehrstufige, schriftliche
Online-Befragung von insgesamt 15 Expert:innen (Consultants mit einer Beratungs-
erfahrung von mind. zwei Jahren in) einer international tätigen Management- und
Technologieberatung. Im Rahmen der Online-Befragung wurden drei verschiedene
Fragetypen verwendet:
4 Digital Sales Excellence 83
• Fragen vom Fragetyp 1 sind als geschlossene Fragen mit dem Ziel gestaltet, die Rele-
vanz der einzelnen inhaltlichen Aspekte im Hinblick auf die jeweilige Dimension des
Frameworks auf einer Likert-Skala von 1 (wenig relevant) bis 10 (sehr relevant) zu
beurteilen. In Verbindung mit jeder Frage dieses Typs wird außerdem abgefragt, ob der
im Fokus stehende inhaltliche Aspekt auch in Verbindung mit einer anderen Dimension
des Frameworks gebracht werden könnte (Einfachauswahl: Ja oder Nein).
• Fragen vom Fragetyp 2 sind in logischer Fortführung (logic jump) der Fragen vom
Fragetyp 1 ebenfalls als geschlossene Fragen mit dem Ziel gestaltet, Verbindungen des
jeweils im Fokus stehenden inhaltlichen Aspekts mit anderen Dimensionen des Frame-
works zu identifizieren. Aus diesem Grund sind hier Mehrfachnennungen durch Aus-
wahl vorgegebener Antworten, wie z. B. Strategie und Planung oder Fähigkeiten und
Kultur, also der Dimensionen des Frameworks, möglich.
• Fragen vom Fragetyp 3 sind ebenfalls als geschlossene Fragen (Einfachauswahl: Ja
oder Nein) mit dem Ziel gestaltet, die Einhaltung des sog. MECE-Prinzips (vgl. Blok-
dyk, 2018) zu überprüfen bzw. die inhaltliche Überschneidungsfreiheit der inhaltlichen
Aspekte in jeder einzelnen Dimension des Frameworks zu gewährleisten. Bei Fragen
dieses Fragetyps besteht im Falle der Verneinung der Frage die Möglichkeit, in einem
Freitextfeld Kommentare, inhaltliche Ergänzungen oder Konkretisierungen usw.
anzugeben.
Inhaltliche Überprüfung der Dimensionen Für die inhaltliche Validierung der Dimen-
sionen des Frameworks auf Basis der Antworten auf die Fragen des Fragetyps 1 wurde
aufgrund der geringen Stichprobengröße (n = 15) eine Auswertung auf der Grundlage
arithmetischer Mittelwerte gewählt; darüber hinaus wird aufgrund der spezifischen Aus-
richtung der Befragung angenommen, dass keine Störgrößen zu berücksichtigen sind. Zur
Beurteilung der Ergebnisse der Online-Befragung im Hinblick auf u. U. notwendig wer-
dende inhaltliche Anpassungen einzelner inhaltlicher Aspekte, einzelner Dimensionen
oder des Frameworks insgesamt wurden folgende Grenzwerte sowie damit korrespondie-
rende Maßnahmen festgelegt, vgl. Tab. 4.3.
Auch wenn die durchschnittliche Bewertung in Bezug auf die sechs Dimensionen einen
Wert erreicht, auf dessen Basis das Framework in Einklang mit den vorgenannten Rahmen-
bedingungen insgesamt als akzeptiert angesehen werden kann, liegen die durchschnittlichen
Bewertungen z. T deutlich unterhalb der definierten Grenzen, ab der ein Aspekt oder eine
Dimension als akzeptiert angesehen werden kann, vgl. Tab. 4.4.
Zwar wurde keiner der insgesamt 36 abgefragten inhaltlichen Aspekte schlechter als
mit dem Wert 4 bewertet, dennoch erreichen insgesamt 13 inhaltliche Aspekte aus den
Dimensionen Strategie und Planung, Customer Relation, Fähigkeit und Kultur, Organisa-
tion und Prozesse sowie Technologietrends keinen Wert, der eine Akzeptanz im zuvor be-
schriebenen Sinne rechtfertigt. In Einklang mit den in Tab. 4.3 festgelegten Maßnahmen
wurden diese Aspekte deshalb in Zusammenarbeit mit den jeweiligen Expert:innen kri-
84 M. J. Malewski et al.
Tab. 4.4 Durchschnittliche Bewertungen der Inhalte (a–f) der Dimensionen (1–6)
tisch hinterfragt und inhaltlich überarbeitet. Auf diese Weise wurden die inhaltlichen As-
pekte wie folgt überarbeitet, vgl. Tab. 4.5.
Für die Auswertung der Antworten auf die Fragen des Fragetyps 3 wurde auch deshalb
ein qualitatives Vorgehen gewählt, weil bereits im Vorfeld der Online-Befragung an-
genommen werden konnte, dass aufgrund des Umfangs der Befragung (in Abhängigkeit
von dem individuellen Antwortverhalten mind. 71 Fragen, max. 107 Fragen) nur wenige
Expert:innen die Möglichkeit wahrnehmen würden, in einem Freitextfeld zusätzliche
Kommentare, inhaltliche Ergänzungen oder Konkretisierungen auszuführen. Erwartungs-
gemäß nutzten auch nur zwei der insgesamt 15 Expert:innen diese Möglichkeit; im Nach-
gang zu der Online-Befragung wurde jedoch von einem Großteil der befragten Expert:in-
nen auf unterschiedlichen, teilweise informellen Wegen zurückgemeldet, dass die
Dimensionen IT und Controlling sowie Technologietrends inhaltlich nur schwerlich bzw.
gar nicht voneinander zu trennen seien. In Verbindung mit der ohnehin vergleichsweise
sehr niedrigen Bewertung des inhaltlichen Aspektes 6a der Dimension Technologietrends
(vgl. Tab. 4.4) wurde deshalb die Frage nach der Sinnhaftigkeit des Fortbestandes der ge-
samten Dimension gestellt.
Die kritische Diskussion dieser Frage mit den jeweiligen Expert:innen führte im Ergeb-
nis dazu, die beiden ursprünglichen Dimensionen IT und Controlling sowie Technologie-
trends zu einer einzigen Dimension IT und Technologie (vgl. Abb. 4.11) zu vereinen und
in dieser jene Erfolgsfaktoren zu integrieren, die zur Etablierung und Aufrechterhaltung
einer bedarfsgerechten Technologie- bzw. IT-Landschaft im Vertrieb beitragen. Im Hin-
blick auf die Kundenbearbeitung unterstützen besonders Analyse- und Steuerungssysteme
die Vertriebsorganisation, weil den Mitarbeitenden vertriebsrelevante Markt-, Kunden-
4 Digital Sales Excellence 85
und Wettbewerbsinformationen, aber auch Informationen über die eigenen Abläufe zur
Verfügung gestellt werden. Darüber hinaus wird auch die Weiterentwicklung bestehender
Technologien berücksichtigt – hinsichtlich der Passgenauigkeit der bereits eingesetzten
Systeme, beispielsweise eines CRM- oder ERP-Systems, sind z. B. Trend- und Bedarfs-
analysen Teil der neu geschaffenen Dimension.
86 M. J. Malewski et al.
Abb. 4.11 Entwicklung und Inhalte der Dimension IT und Technologie. (Quelle: Eigene Dar-
stellung)
Untersuchung der Zusammenhänge Die Fragen des Fragetyps 2 zielen darauf ab, Zu-
sammenhänge zwischen den Dimensionen des Frameworks zu identifizieren. Vor diesem
Hintergrund wurde eine einfache Einflussanalyse zur Auswertung der Ergebnisse der On-
line-Befragung mit dem Ziel durchgeführt zu bestimmen, in welchem Maß welche Di-
mension beeinflusst wird bzw. in welchem Maß eine Dimension Einfluss auf andere Di-
mensionen nimmt. Zur Ermittlung des Beziehungsgefüges innerhalb des Frameworks
wurden zunächst die arithmetischen Mittelwerte aus den Antworten auf die Fragen des
Fragetyps 2 zur Ermittlung Zusammenhänge zwischen den Dimensionen ermittelt, vgl.
Tab. 4.6.
Im Ergebnis wird deutlich, dass die Dimension (1) Strategie und Planung die durch-
schnittlich höchste Anzahl von Verbindungen zu anderen Dimensionen aufweist und
damit eine aktiv beeinflussende Rolle im Beziehungsgefüge einnimmt. Dieser Umstand
ist insofern erwartungsgemäß, weil diese Dimension vor dem Hintergrund ihrer inhalt-
lichen Bedeutung (vgl. Abschn. 4.3) die in allen anderen Dimensionen zu treffenden
Entscheidungen determiniert. Die im Durchschnitt ähnlich hohe Anzahl von Ver-
bindungen der Dimension (2) Customer Relation zu anderen Dimensionen ist insofern
zu begründen, als dass sich in dieser Dimension die in strategischer Hinsicht getroffenen
Entscheidungen in konkreten Maßnahmen bzw. Aktionen operativer Natur manifestie-
ren, für deren Durchführung bestimmte Voraussetzungen z. B. in struktureller und pro-
zessualer sowie technologischer Hinsicht notwendig sind, die wiederum Bestandteil
anderer Dimensionen („Befähigerdimensionen“) sind. Vor diesem Hintergrund sind des-
halb die bei kumulierter Betrachtung aller Verbindungen zwischen den Dimensionen
4 Digital Sales Excellence 87
μn beschreibt den Mittelwert der von einer Dimension n ausgehenden Verbindungen zu anderen Di-
mensionen; dabei gilt: Je größer der Wert ist, den μn annimmt, desto größer ist der Einfluss der Di-
mension n im Beziehungsgefüge.
Tab. 4.7 Kumulierte Betrachtung der Verbindungen zwischen den Dimensionen (1–6)
Abb. 4.12 Framework zur Bestimmung der digitalen Reife von Vertriebsorganisationen (Malewski
et al., 2020)
4 Digital Sales Excellence 89
cc Digital Sales Excellence verbindet die bedarfsgerechte Auswahl und den prozess-
orientieren Einsatz IT-gestützter Hilfsmittel (Technologien) zur Verarbeitung relevan-
ter interner und externer Daten im Rahmen vertriebsstrategischer Grundsatzent-
scheidungen mit der Struktur sowie der Arbeitsweise einer agilen Organisation und
Mitarbeitenden, die in ihrer täglichen Arbeit Kundenzufriedenheit und Innovation an-
streben, mit dem Ziel, die Absatzergebnisse durch eine optimale Kundenkollaboration
nachhaltig zu steigern und den Vertrieb als eigenständigen Wettbewerbsvorteil zu
positionieren.
Ausgehend von dieser Definition wurden in einem iterativen Vorgehen und einer ab-
schließenden Synthese der Arbeitsergebnisse die nachfolgenden generischen Reifegrad-
stufen entwickelt:
1. Digital Beginner (Reifegrad 1): In der Organisation existieren keine oder nur sehr
wenige Kenntnisse im Hinblick auf die durch die zunehmende Digitalisierung resul-
tierenden Auswirkungen; die Organisation ist insgesamt durch starke Beharrungs-
kräfte gekennzeichnet und für die Notwendigkeit von Veränderungen weder in struk-
tureller, noch in prozessualer und technologischer Hinsicht sensibilisiert bzw.
empfänglich.
2. Digital Minded (Reifegrad 2): Aufgrund des in der Organisation entstandenen
Bewusstseins, den durch die zunehmende Digitalisierung resultierenden Auswirkungen
begegnen zu müssen, existieren erste, noch sehr generische Konzepte für die Weiter-
entwicklung in einzelnen Bereichen; konkrete Umsetzungspläne oder gar Pilotprojekte
werden nicht verfolgt.
3. Digital Readiness (Reifegrad 3): Es existiert ein bereichsübergreifender bzw.
organisationsweiter Konsens in Bezug auf die Notwendigkeit zur Veränderung bzw.
Anpassung sowie in Bezug auf die mit diesen Veränderungen verfolgten Ziele (Nut-
zen); es liegen ausgearbeitete Konzepte für strukturelle sowie prozessuale und
technologische Veränderungen in immer mehr Bereichen vor, deren Umsetzung pro-
jektiert ist.
90 M. J. Malewski et al.
Ein weiteres Ergebnis der ersten Phase der Workshops besteht darüber hinaus in der
Formulierung eines Nutzenversprechens in Bezug auf die Anwendung des zu ent-
wickelnden Reifegradmodells in der Praxis: Das Nutzenversprechen des zu ent-
wickelnden Reifegradmodells besteht explizit darin, dass mit der Analyse des Ist-Zu-
standes auch konkrete Handlungsempfehlungen für eine schrittweise Weiterentwicklung
der Vertriebsorganisation verbunden sind bzw. werden können. Mit diesem einher geht
deshalb die Anforderung, dass in der praktischen Anwendung des zu entwickelnden
Reifegradmodells zu gewährleisten ist, dass die in einer Reifegradstufe definierten In-
halte vollständig umgesetzt worden sind, bevor die Weiterentwicklung in Richtung des
nächsthöheren Reifegrades erfolgen kann. Erst die Festlegung dieser Nebenbedingung
macht es möglich, auf Basis der zuvor entwickelten Reifegradstufen konkrete Hand-
lungsempfehlungen für jede Dimension des Frameworks abzuleiten und damit eine Art
Roadmap zur Weiterentwicklung der Vertriebsorganisation bis zum Erreichen der Digi-
tal Sales Excellence zu formulieren.
Vor dem Hintergrund des Ziels, die fünf zuvor entwickelten Reifegradstufen auf die einzel-
nen Dimensionen des Frameworks zu adaptieren, um mit diesen korrespondierende Hand-
lungsempfehlungen für die ganzheitliche Weiterentwicklung einer Vertriebsorganisation im
digitalen Wandel abzuleiten, wurden auf Basis einer übergeordneten Fallstudie aus dem
Beratungsalltag der Expert:innen drei Fallbeispiele entwickelt, die inhaltlich an jeweils
zwei Dimensionen des Frameworks ausgerichtet sind. Die Entscheidung, welche Dimen-
sionen miteinander kombiniert werden, wurde zum einen vor dem Hintergrund der jeweili-
gen Fachgebiete bzw. Spezialisierungen der Expert:innen und zum anderen vor dem Hinter-
grund der folgenden inhaltlichen Überlegungen getroffen: Während die Dimensionen
Customer Relation sowie Fähigkeit und Kultur miteinander kombiniert wurden, um De-
fizite einerseits in Bezug auf das für die digitale Transformation notwendige Mindset und
andererseits in Bezug auf die Kundeninterkation abzubilden, wurden die Dimensionen
Strategie und Planung sowie Organisation und Prozesse miteinander kombiniert, um ver-
4 Digital Sales Excellence 91
Fallbeispiel (Auszug)
Die Mahlhöfer GmbH & Co. KG ist mit Blick auf die zahlreichen Digitalisierungs-
initiativen, die die Geschäftsführung in den vergangenen Jahren auf den Weg gebracht
hat, im Vergleich zu ihren Marktbegleitern durchaus als Vorzeigeunternehmen in ihrer
Branche zu sehen. Doch trotz aller mit zum Teil sehr hohen Kosten verbundenen Ver-
änderungen sind keine positiven Effekte in Bezug auf relevante Ergebnisgrößen des
Unternehmens zu verzeichnen. Die Zahlen geben der Geschäftsführung indes Grund zu
der Annahme, dass die Ursache dafür im Vertrieb begründet liegt und beauftragt des-
halb eine unabhängige Management- und Technologieberatung mit der umfassenden
Analyse der Vertriebsorganisation. Die findigen Berater:innen kommen in ihrem Ab-
schlussbericht zu dem folgenden ernüchternden Ergebnis: […]
Wenngleich allgemeine Wertvorstellungen, die von der übergeordneten Unter-
nehmenskultur vorgegeben werden, die tägliche Arbeit im Vertrieb prägen, existiert,
wenn überhaupt, eine nur sehr diffuse Vorstellung z. B. in Bezug auf die Rolle und das
Selbstverständnis der Abteilung sowohl im Innen- als auch im Außenverhältnis. Zwar
versteht sich der Vertrieb als die zentrale Schnittstelle zum Kunden, aber darüber, wel-
che Aufgaben an dieser Schnittstelle mit welchen Hilfsmitteln im Hinblick auf ein
ganzheitliches Kundenerlebnis zu bearbeiten sind, herrscht absolute Unwissenheit. Die
Befragung der im Vertrieb Mitarbeitenden förderte darüber hinaus zutage, dass die mit
den Digitalisierungsinitiativen verbundenen Ziele „von oben“ schon kommuniziert
werden – nur die Frage, was die bzw. der Einzelne dazu beitragen kann, soll oder gar
muss, die gesetzten Ziele zu erreichen, und in welcher Hinsicht und vor allem wie sich
jede:r Einzelne auch individuell, z. B. in Bezug auf Kompetenzen und Einstellungen,
weiterentwickeln muss, bleibt vollkommen unbeantwortet. Diese Ungewissheit hat
nach Ansicht der Berater:innen zur Entstehung einer gewissen „Verharrungsmentalität“
geführt, die sicherlich auch dem Umstand geschuldet ist, dass ein Großteil der im Ver-
trieb Mitarbeitenden nur eine sehr vage Vorstellung von der „Digitalisierung im Ver-
trieb“ hat und damit vor allem mobiles Arbeiten verbindet. An dieser Grundeinstellung
92 M. J. Malewski et al.
ändern aber auch die von Seiten des Unternehmens angebotenen Schulungs- und Quali-
fizierungsprogramme nur wenig, weil diese einerseits nicht auf die individuellen Be-
darfe der im Vertrieb Mitarbeitenden abgestimmt sind und andererseits das Thema „Di-
gitalisierung“ nur in rudimentären Grundzügen behandelt wird. ◄
Mit dem Ziel, die generisch formulierten Reifegradstufen auf die inhaltlichen Aspekte
der einzelnen Dimensionen des Frameworks mit einem hohen Detaillierungsgrad zu adap-
tieren und mit diesen korrespondierende Handlungsempfehlungen abzuleiten, bestand die
Aufgabe der Expert:innen darin, für die in den drei Fallbeispielen jeweils im Fokus ste-
henden Dimensionen auf Basis ihrer Erfahrung in der Praxis denkbare und vor allem sinn-
voll bzw. realistisch umzusetzende Maßnahmen bzw. Handlungsempfehlungen zur Er-
reichung der fünf Reifegradstufen zu entwickeln. Ein Teil der Ergebnisse der Workshops
sind für die Reifegradstufe Digital Readiness am Beispiel der Dimension Fähigkeit und
Kultur in Tab. 4.8 dargestellt.
Tab. 4.8 Ergebnisse der Workshops am Beispiel der Dimension Fähigkeit und Kultur (Auszug)
Digital Readiness
a Es existiert ein Konzept zur Ausgestaltung der Vertriebskultur; in diesem ist ein Idealzustand
in Bezug auf das Selbstverständnis, das Verhalten und die Rolle der im Vertrieb
Mitarbeitenden im eigenen Unternehmen und ggü. Kunden beschrieben; es sind Anreize
(Incentives) definiert, die Mitarbeitende motivieren, einen aktiven Beitrag zur Ausarbeitung
der Vertriebskultur beizutragen.
b Der aus der Digitalisierung resultierende Nutzen bzw. Mehrwert für die Organisation und die
bzw. den Einzelne:n ist ebenso klar formuliert und kommuniziert wie die damit verbundenen
Anforderungen an die im Vertrieb Mitarbeitenden; aus strategischen Entscheidungen
resultierende Ziele werden nicht nur regelmäßig kommuniziert, sondern auch für verschiedene
Ebenen operationalisiert.
c Die im Vertrieb Mitarbeitenden sind sich der Wichtigkeit ihrer Rolle als zentrale Schnittstelle
zum Kunden und damit als Wissens- und Ideengeber:in innerhalb der eigenen Organisation
bewusst; es herrscht ein Verständnis in Bezug auf den Zusammenhang zwischen einer
erfolgreichen Kundeninteraktion und dem eigenen Erfolg.
d Es existiert ein Instrument (Assessment-Tool) zur Bewertung der individuellen Schulungs-
bzw. Qualifizierungsbedarfe vor allem in Bezug auf sog. Digital Skills der im Vertrieb
Mitarbeitenden; es sind Anreize (Incentives) definiert, die Mitarbeitende motivieren, sich
kontinuierlich weiterzubilden.
e Die Erwartungen bzw. Anforderungen an eine Digital Sales Personality sind
organisationsspezifisch definiert; die Ausbildung bzw. Weiterentwicklung der im Vertrieb
Mitarbeitenden z. B. in Bezug auf ihre Teamfähigkeit und Flexibilität im Sinne der Digital
Sales Personality wird durch ein entsprechendes Trainingskonzept gezielt gefördert.
f Schulungs- und Qualifizierungsmaßnahmen sind inhaltlich optimal bzw. individuell auf die im
Vertrieb Mitarbeitenden abgestimmt; klassische Offline-Angebote bzw. Offline-Inhalte werden
vereinzelt durch Online-Angebote ergänzt; die Wirksamkeit der Maßnahmen wird
systematisch erhoben und reflektiert.
4 Digital Sales Excellence 93
4.5 Zusammenfassung
Das entwickelte Reifegradmodell repräsentiert in Bezug auf die fünf Dimensionen und vor
allem in Bezug auf die darin abgebildeten inhaltlichen Aspekte einen umfassenden State of
the Art, der für Vertriebsorganisationen einheitliche Elemente definiert und diese in Be-
ziehung zueinander setzt. Die konsequente Ausrichtung an den drei als zentral heraus-
gestellten Handlungsfeldern ermöglicht es auf der einen Seite, die Implikationen der mit der
Digitalisierung einhergehenden Veränderungen transparent zu machen. Auf der anderen
Seite unterstützt es Unternehmen in der praktischen Anwendung dabei, individuelle Ent-
wicklungspotenziale auf dem Weg zur Digital Sales Excellence aufzudecken und die für eine
ganzheitliche Weiterentwicklung notwendigen Gestaltungsaufgaben zu initiieren. Zur Ge-
währleistung der zielgerichteten Umsetzung wurde das Reifegradmodell in das in Abb. 4.13
in Anlehnung an Appelfeller und Feldmann (2018) dargestellte Vorgehensmodell integriert.
Abschließend bleibt herauszustellen, dass das beschriebene Reifegrademodell vor-
nehmlich aus einer anwendungsorientierten Perspektive mit dem Ziel entwickelt worden
ist, Unternehmen neben der Möglichkeit zur Analyse des Ist-Zustandes ihrer Vertriebs-
organisation auch konkrete Handlungsempfehlungen bzw. -vorschläge für eine schritt-
weise Weiterentwicklung anzubieten, um auf dieser Grundlage die Weiterentwicklung
ihrer Vertriebsorganisation bis zum Erreichen der Digital Sales Excellence zielgerichtet zu
planen. Vor dem Hintergrund der im Ergebnis erfolgreichen Pilotierung des entwickelten
Reifegradmodells bei ausgewählten Lead Usern bleibt festzuhalten, dass das Modell dem
zuvor formulierten Ziel bzw. Anspruch gerecht wird, und dass die Absicht besteht, die in
Abb. 4.13 Vorgehensmodell zur Bestimmung der digitalen Reife von Vertriebsorganisationen.
(Quelle: In Anlehnung an Appelfeller & Feldmann, 2018)
94 M. J. Malewski et al.
Literatur
Ahlemann, F., Schroeder, C., & Teuteberg, F. (2005). Kompetenz- und Reifegradmodelle für das
Projektmanagement. Grundlagen, Vergleich und Einsatz, ISPRI-Arbeitsbericht. Univ., FB Wirt-
schaftswiss., Organisation u. Wirtschaftsinformatik.
Amberg, M., Bodendorf, F., & Möslein, K. (2011). Wertschöpfungsorientierte Wirtschaftsinformatik.
Springer.
Appelfeller, W., & Feldmann, C. (2018). Die digitale Transformation des Unternehmens. Systema-
tischer Leitfaden mit zehn Elementen zur Strukturierung und Reifegradmessung. Springer Gabler.
Badrinarayanan, V., Madhavaram, S., & Granot, E. (2011). Global virtual sales teams (GVSTs): A
conceptual framework of the influence of intellectual and social capital on effectiveness. Journal
of Personal Selling & Sales Management, 31(3), 311–324.
BearingPoint. (2018). Digital Organization Management (DOM) – A challenge beyond technology,
BearingPoint’s digital service offerings. BearingPoint GmbH.
Binckebanck, L. (2016a). Digital Sales Excellence: Neue Technologien im Vertrieb aus strategischer
Perspektive. In L. Binckebanck & R. Elste (Hrsg.), Digitalisierung im Vertrieb. Strategien zum
Einsatz neuer Technologien in Vertriebsorganisationen (S. 189–354). Springer Gabler.
Binckebanck, L. (2016b). Digital Sales Excellence: Systematischer Einsatz neuer Technologien im
operativen Vertrieb. In L. Binckebanck & R. Elste (Hrsg.), Digitalisierung im Vertrieb. Strategien
zum Einsatz neuer Technologien in Vertriebsorganisationen (S. 521–558). Springer Gabler.
Blokdyk, G. 2018. MECE Principle a Complete Guide – 2019 Edition, Emereo Pty Limited.
Bruhn, M. (2002). Integrierte Kundenorientierung. Implementierung einer kundenorientierten
Unternehmensführung. Gabler.
Bruhn, M. (2009). Das Konzept der kundenorientierten Unternehmensführung. In H. H. Hinterhuber
& K. Matzler (Hrsg.), Kundenorientierte Unternehmensführung. Kundenorientierung – Kunden-
zufriedenheit – Kundenbindung (S. 33–68). Gabler.
Bruhn, M. (2012). Kundenorientierung. Bausteine für ein exzellentes Customer Relationship Ma-
nagement (CRM). dtv.
Bullinger, H. J. (2012). Fokus Technologiemarkt. Technologiepotenziale identifizieren – Markt-
chancen realisieren. Hanser.
Devaraj, S., Fan, M., & Kohli, R. (2002). Antecedents of B2C Channel Satisfaction and Preference.
Validating e-Commerce Metrics. Information Systems Research, 13(3), 316–333.
Elste, R. (2016). Paradigmenwechsel im Vertrieb. Konsequenzen neuer Technologien für das
Kundenmanagement. In L. Binckebanck & R. Elste (Hrsg.), Digitalisierung im Vertrieb. Strate-
gien zum Einsatz neuer Technologien in Vertriebsorganisationen (S. 3–27). Springer Gabler.
Fend, L., & Hofmann, J. (2018). Digitalisierung in Industrie-, Handels- und Dienstleistungsunter-
nehmen. Konzepte – Lösungen – Beispiele. Springer Fachmedien.
Gebhardt, C., & Handschuh, M. (2016). Wie die Digitalisierung den B2B-Vertrieb verändert. Sales
Management Review, 25(1), 44–55.
Gerybadze, A. (2004). Technologie- und Innovationsmanagement. Strategie, Organisation und Im-
plementierung. Vahlen.
Grande, M. (2014). 100 Minuten für Anforderungsmanagement. Springer Vieweg.
Hofbauer, G., & Hellwig, C. (2016). Professionelles Vertriebsmanagement. Der prozessorientierte
Ansatz aus Anbieter- und Beschaffersicht. Publicis MCD Werbeagentur GmbH.
4 Digital Sales Excellence 95
Homburg, C., Schäfer, H., & Schneider, J. (2012). Sales Excellence. Vertriebsmanagement mit Sys-
tem. Springer Gabler.
IBM Institute for Business Value. (2015). To buy or not to buy? How Millennials are reshaping B2B
marketing. IBM Corporation.
Ingram, T. N., LaForge, R. W., & Leigh, T. W. (2002). Selling in the new millennium. Industrial
Marketing Management, 31(7), 559–567.
Knackstedt, R., Pöppelbuß, J., & Becker, J. (2009). Vorgehensmodell zur Entwicklung von Reife-
gradmodellen. In Business Services: Konzepte, Technologien, Anwendungen (9. Internationale
Tagung Wirtschaftsinformatik, 25.-27. Februar 2009, S. 535–544).
Lang, E. (2012). Die Vertriebs-Offensive. Erfolgsstrategien für umkämpfte Märkte. Springer Gabler.
Lässig, R., Leutiger, P., Fey, A., Hentschel, S., Tornier, S., & Hirt, F. (2015). Die digitale Zukunft des
B2B-Vertriebs. Warum Industriegüterunternehmen sich auf veränderte Anforderungen ihrer Kun-
den einstellen müssen. Roland Berger GmbH.
Leußer, W., Hippner, H., & Wilde, K. D. (2011). CRM – Grundlagen, Konzepte und Prozesse. In
H. Hippner, B. Hubrich & K. D. Wilde (Hrsg.), Grundlagen des CRM. Strategie, Geschäfts-
prozesse und IT-Unterstützung (S. 15–55). Gabler.
Lipp, U., & Will, H. (2008). Das große Workshop-Buch: Konzeption, Inszenierung und Moderation
von Klausuren, Besprechungen und Seminaren. Beltz.
Maier, J. 2015. The ambidextrous organization: exploring the new while exploiting the now, Hound-
mills, Basingstoke Hampshire: Palgrave Macmillan.
Malewski, M. J., Ahlfeld, C., & Maihöfer, S. (2020). Mit einem Framework zur digitalen Reife.
Sales Excellence, 29(3), 40–43.
Möhrle, M. G., & Isenmann, R. (2017). Grundlagen des Technologie-Roadmapping. In M. G. Möhrle
& R. Isenmann (Hrsg.), Technologie-Roadmapping. Zukunftsstrategien für Technologieunter-
nehmen (S. 1–16). Springer Vieweg.
Niehaus, A., & Emrich, K. (2016). Ansätze und Erfolgsfaktoren für die Digitalisierung von Ver-
triebsstrategien. In L. Binckebanck & R. Elste (Hrsg.), Digitalisierung im Vertrieb. Strategien
zum Einsatz neuer Technologien in Vertriebsorganisationen (S. 47–63). Springer Gabler.
Rusnjak, A., & Schallmo, D. (Hrsg.). (2018). Customer Experience im Zeitalter des Kunden. Best
Practices, Lessons Learned und Forschungsergebnisse. Springer Gabler.
Schiersmann, C., & Thiel, H. U. (2018). Organisationsentwicklung. Prinzipien und Strategien von
Veränderungsprozessen. Springer VS.
Schuh, G., Klappert, S., & Moll, T. (2011). Ordnungsrahmen Technologiemanagement. In G. Schuh
& S. Klappert (Hrsg.), Technologiemanagement: Handbuch Produktion und Management 2
(S. 11–31). Springer.
Shea, M., & Cain, M. (2018). B2B digital sales transformation. Three global leaders share best
practices. Forrester Research, Inc.
Specht, D., Behrens, S., & Richter, M. (2017). Strategische Planung mit Roadmaps. Möglichkeiten
für das Innovationsmanagement, die Personalbedarfs- und Fabrikplanung. In M. G. Möhrle &
R. Isenmann (Hrsg.), Technologie-Roadmapping. Zukunftsstrategien für Technologieunter-
nehmen (S. 65–82). Springer Vieweg.
Storbacka, K., Ryals, L., Davies, I. A., & Nenonen, S. (2009). The changing role of sales. viewing
sales as a strategic, cross-functional process. European Journal of Marketing, 43(7/8), 890–906.
Strauß, R. E. (2013). Digital Business Excellence. Strategien und Erfolgsfaktoren im E-Business.
Schäffer-Poeschel.
Tushman, M. L., & O’Reilly, C. A. (1996). Ambidextrous organizations: Managing evolutionary and
revolutionary change. California Management Review, 38(4), 8–29.
Wolf, T., & Strohschen, J. H. (2018). Digitalisierung. Definition und Reife. Quantitative Bewertung
der digitalen Reife. Informatik-Spektrum, 41(1), 56–64.
96 M. J. Malewski et al.
Maja Julia Malewski studierte von 2011 bis 2017 „Sales Enginee-
ring and Product Management“ an der Ruhr-Universität Bochum und
untersuchte in ihrer Masterarbeit das Konzept der Digital Sales Excel-
lence. Seit dem Abschluss ihres Masterstudiums ist sie bei der un-
abhängigen Management- und Technologieberatung BearingPoint
GmbH beschäftigt und befasst sich insbesondere mit den Themen der
IT-getriebene Geschäftsentwicklung, der Optimierung technischer
Prozesse sowie der zielgerichteten Entwicklung und Einbindung von
CRM-Systemen in unterschiedlichen Industrien.
Zusammenfassung
Die Digitalisierung hat in den letzten Jahren sowohl in der Praxis als auch in der
Wissenschaft an Relevanz gewonnen. In diesem Zusammenhang ist auch das Thema
der Digitalstrategie in den Vordergrund gerückt. Im Rahmen des vorliegenden Beitrags
gehen wir zunächst auf die Grundlagen der Digitalstrategie ein. Hierbei betrachten wir
bestehende Definitionen und leiten auf dieser Basis eine eigene Definition ab. Ferner
betrachten wir die Bestandteile einer Digitalstrategie und ordnen diese in einen Gesamt-
kontext ein. Anschließend gehen wir kurz auf acht Ansätze, die sich mit der Ent-
wicklung einer Digitalstrategie auseinandersetzen, ein und vergleichen diese. Auf Basis
der bestehenden Ansätze zeigen wir dann ein Vorgehensmodell auf, das dazu dient, eine
Digitalstrategie zu entwickeln. Das Vorgehensmodell besteht aus sechs Phasen und be-
inhaltet auch einen Ansatz für vier generische Digitalstrategien.
D. Schallmo (*)
Institut für Entrepreneurship, Hochschule Neu-Ulm, Neu-Ulm, Deutschland
E-Mail: [email protected]
J. Lohse
Hoppe Marine GmbH, München, Deutschland
Schlüsselwörter
5.1 Grundlagen
Digitalstrategie
Vision
Wo möchten wir mit unserem
Unternehmen im digitalen Kontext in
Zukunft (z. B. fünf Jahre) stehen?
Mission
Strategische Für wen erfüllen wir welchen
Erfolgsfaktoren Auftrag im digitalen Kontext? Werte
Welche
Welche Werte sind
strategischen
für uns im digitalen
Erfolgsfaktoren Strategische Ziele Kontext relevant?
liegen im digitalen Welche strategischen Ziele
Kontext vor? sind im digitalen Kontext für
uns relevant?
Abb. 5.1 Bestandteile der Digitalstrategie (eigene Darstellung in Anlehnung an Schallmo et al.,
2018, S. 3)
102 D. Schallmo und J. Lohse
Nachdem wir in dem Beitrag „Roadmap zur digitalen Transformation in der Energie-
wirtschaft: So gelingt der Wandel vom Versorger zum Utility 4.0-Anbieter“ (Schallmo &
Herbort, 2017) den Fokus auf die Digitale Transformation gelegt haben, betrachten wir in
dem vorliegenden Beitrag das Thema der Digitalstrategie. Die Digitalstrategie behandelt
einen wesentlichen Baustein im Kontext der Digitalisierung. In diesem Zusammenhang ist
es sinnvoll, eine Einordnung der Digitalstrategie in den Gesamtkontext vorzunehmen.
Wir betrachten dabei neben der Digitalstrategie folgende drei wesentliche Aspekte:
Umfeld im digitalen Kontext, Digitale Transformation von Geschäftsmodellen, Digitale
Implementierung, deren Zusammenhang in Abb. 5.2 dargestellt ist.
Digitalstrategie
Makro- Mikro-
Umwelt Umwelt
Digitale Transformation
im im
von Geschäftsmodellen
digitalen digitalen
Kontext Kontext
Digitale Implementierung
Abb. 5.2 Einordnung in den Kontext der Digitalisierung (Schallmo, 2019, S. 34)
5 Digitalstrategie: Grundlagen, bestehende Ansätze und Vorgehensmodell 103
Digitale Implementierung
Die Digitale Implementierung setzt die Digitale Strategie um und unterstützt die Digitale
Transformation eines Geschäftsmodells/mehrerer Geschäftsmodelle von Unternehmen.
Im Rahmen der Digitalen Implementierung sind die folgenden Bereiche relevant:
Nachfolgende werden acht ausgewählte Ansätze kurz vorgestellt. Eine detaillierte Be-
trachtung und weitere Ansätze finden sich (Schallmo et al., 2018, S. 4 ff.).
In der bestehenden Literatur ist bisher kein integrativer Ansatz für die Entwicklung einer
Digitalstrategie zu finden. In Tab. 5.2 sind die acht Ansätze anhand der wesentlichen Cha-
rakteristika dargestellt. Nahezu keiner der Ansätze basiert auf mehr als zwei verschiedenen
Quellen. Einigen Ansätzen liegen eine theoretische Recherche oder Fallstudien bzw.
Tab. 5.2 Vergleich der Grundlagen bestehender Ansätze (eigene Darstellung)
Greiner Peppard Cordon Hille Bharadwaj
Kraewing et al. Rauser und Ward Petry et al. et al. et al.
(2017) (2017) (2016) (2016) (2016) (2016) (2016) (2013)
Basis Theoretische Recherche ● ● ● ●
Wissenschaftliche Studie(n) ● ○ ○
Praxiserfahrung durch Beratung ● ● ●
Fallstudien/Praxisanalysen ○ ● ○ ●
Einordnung Digitalstrategie ist wesentlicher Bestandteil der ● ● ● ● ●
und Unternehmensstrategie
wesentliche Digitalstrategie und Unternehmensstrategie sind ○ ○
Prinzipien dasselbe
Digitalstrategie-Anteil an der ● ● ○
Unternehmensstrategie ist abhängig von der
digitalen Reife
Digitalstrategie als gebündelte Reaktion auf ○ ● ● ●
Digitalisierungstreiber
Fokus sowohl nach innen (Effizienz) als auch nach ● ● ● ○ ● ○ ○ ○
außen (Wertsteigerung beim Kunden)
Schnelligkeit/Einfachheit vor Perfektion/ ● ● ● ○ ○ ●
Komplexität
Erfolg nur mit „richtigem“/qualifiziertem Team ● ● ○
Breite Verankerung in Organisation und Kultur ● ● ●
wichtig
5 Digitalstrategie: Grundlagen, bestehende Ansätze und Vorgehensmodell
Phasen-ab- sequenziell ● ● ● ● ○
folge individuell ● ○ ○
kontinuierlich/iterativ ● ● ● ○ ○
● trifft zu
○ trifft teilweise zu
105
106 D. Schallmo und J. Lohse
A: B: C:
Digitalstrategie ist von der Digitalstrategie ist Teil der Digitalstrategie ist die
Unternehmensstrategie losgelöst Unternehmensstrategie Unternehmensstrategie
Unternehmens-
Unternehmens- Unternehmens-
Digitalstrategie Digitalstrategie strategie =
strategie strategie
Digitalstrategie
Auf Basis der bestehenden Ansätze zur Digitalstrategie (siehe für eine detaillierte Er-
läuterung: (Schallmo et al., 2018), S. 4 ff.), erfolgt nun die Darstellung einer Vorgehens-
weise, die dazu dient, strukturiert eine Digitalstrategie zu entwickeln. Die Vorgehensweise
besteht aus sechs Phasen, die in Abb. 5.4 dargestellt sind.
5 Digitalstrategie: Grundlagen, bestehende Ansätze und Vorgehensmodell 107
1 2 3 4 5 6
Strategische Strategische Strategische Strategisches Strategische Strategie-
Analyse extern Prognose Analyse intern Leitbild Optionen formulierung
Es handelt es sich um eine generelle Vorgehensweise für die Entwicklung einer Digital-
strategie. Je nach Anforderung des Unternehmens, können in einzelnen Phasen Schwer-
punkte gesetzt werden, bzw. Phasen selektiv bearbeitet werden. Die Phasen zur Ent-
wicklung einer Digitalstrategie lehnen sich ebenfalls an bestehenden Ansätzen zur
Entwicklung von Unternehmensstrategien an, da wir die Digitalstrategie als Teil einer
Unternehmensstrategie verstehen, bzw. die Digitalstrategie mit der Unternehmensstrategie
gleichsetzen. Die Phasen werden nachfolgend mit einem kurzen Beispiel erläutert. Selbst-
verständlich würde in der Praxis eine weitreichendere Gewinnung von Ergebnissen in den
jeweiligen Phasen stattfinden. Uns geht es an dieser Stelle darum, eine exemplarische An-
wendung aufzuzeigen.
Beispiel
Für ein etabliertes Unternehmen aus der Energiewirtschaft können aus der Makro-
Umwelt z. B. folgende technologische Einflussfaktoren relevant sein: Smart Grids,
Smart Meter und Predictive Analytics. Rechtliche Einflussfaktoren können z. B. die
Umwelt-Gesetzgebung und Energie-Subventionen sein. Aus der Mikro-Umwelt kön-
nen z. B. Eintrittsbarrieren für neue Wettbewerber in Form von hohen Infrastruktur-
kosten und die zunehmende Transparenz auf der Angebotsseite sein. ◄
Strategische Prognose
Die erhobenen Einflussfaktoren aus der vorherigen Phase werden hinsichtlich ihrer zu-
künftigen Relevanz (z. B. zehn Jahre) ausgewählt und anschließend bewertet und priori-
siert. Dabei liegt der Fokus auf der zukünftigen Entwicklung, um darauf aufbauend für die
Makro- und Mikro-Umwelt Szenarien abzuleiten (Kraewing, 2017; Cordon et al., 2016;
Hille et al., 2016).
Beispiel Im Rahmen der strategischen Prognose können für ein Unternehmen aus der
Energiewirtschaft z. B. folgende zwei Szenarien abgeleitet werden. Szenario 1: Unter-
108 D. Schallmo und J. Lohse
Diese Szenarien würden in der Praxis detaillierter beschrieben und mit Eintrittswahr-
scheinlichkeiten bewertet werden.
Beispiel Für die Analyse das Unternehmen aus der Energiewirtschaft könnten z. B. eine
agile Organisation, teilautomatisierte interne und externe Prozesse und technisches
Know-how vorliegen. Ferner liegen im Bereich aktueller Initiativen ein Chief Digital Offi-
cer, Digitaltage zur Information und Qualifikation der Mitarbeiter und Projekte zur Instal-
lation von Smart Meter bei Nutzern vor. Im Vergleich zum Wettbewerb innerhalb der Re-
gion weist das Unternehmen in den einzelnen Bereichen besondere Stärken auf. Daraus
lässt sich ableiten, dass der aktuelle digitale Reifegrad mit mittel zu bewerten ist.
Strategisches Leitbild
Auf Basis der ersten drei Phasen werden innerhalb dieser Phase zunächst aktuelle und zu-
künftige Handlungsfelder zu identifiziert. Diese Handlungsfelder können erste Ideen und
Ansätze zu Operational Excellence (OP-EX; Prozesse) oder zu Customer Experience
(CU-EX; Kundenerfahrung) beinhalten.
Das erstellte strategische Leitbild im digitalen Kontext wird ggf. mit dem vorhandenen
strategischen Leitbild der Unternehmensstrategie abgeglichen.
Beispiel Für unser Unternehmen aus der Energiewirtschaft können z. B. folgende Hand-
lungsfelder identifiziert werden: Schulung aller Abteilungsleiter in Bezug auf die Digitale
Transformation ihres Bereichs, Anstoßen von Kooperationen mit Forschungseinrichtungen
und Initiierung eines Digitalisierungsrates bestehend aus unterschiedlichen Stakeholdern.
Strategische Optionen
Auf Basis der Ergebnisse der vorangegangenen Phasen und insbesondere auf Basis der
Szenarien werden nun strategische Optionen (Kraewing, 2017; Cordon et al., 2016; Hille
et al., 2016) im digitalen Kontext für das Unternehmen abgeleitet. Hierbei kommen eben-
falls generische Digitalstrategien zum Einsatz.
• Leistungen: Worauf wird der Fokus im Hinblick auf die Leistungen gelegt? Welche
Leistungen werden primär erbracht? Liegt der Fokus auf materiellen Leistungen
(z. B. Produkte/Komponenten), oder auf immateriellen Leistungen (z. B. Dienst-
leistungen/Informationen)?
110 D. Schallmo und J. Lohse
• Rolle: Worauf wird der Fokus im Hinblick auf die Rolle gelegt? Welche Rolle wird
primär eingenommen? Liegt der Fokus auf der Erstellung von Leistungen, oder auf
dem Aufbau/dem Betrieb einer Plattform?
Die beiden Dimensionen lassen sich miteinander kombinieren, wodurch sich vier generi-
sche Digitalstrategien ableiten lassen, die in die Digitalstrategie-Matrix (Basis) integriert
und in Abb. 5.5 dargestellt sind.
Die vier generischen Digitalstrategien sind nachfolgend kurz erläutert:
• Product Provider: hierbei liegt der Fokus auf der Bereitstellung von materiellen Leis-
tungen, wie Produkte und Komponenten. Diese werden dann entweder selbst direkt
oder auf einer Plattform, bzw. einem Plattform-Betreiber angeboten. Beispiele sind
hierfür: Hersteller von Notebooks und Hersteller von Automobilzulieferteilen.
• Service Provider: diese Digitalstrategie stellt primär immaterielle Leistungen, wie
Dienstleistungen und Informationen bereit. Diese werden dann, analog zum Product
Digitalstrategie-Matrix (Basis)
Aufbau und Betrieb einer
Product Service
Plattform
Platform Platform
Worauf wird der Fokus im
Hinblick auf Rolle gelegt?
Operator Operator
Erstellung von
Leistungen
Product Service
Provider Provider
Dienstleistungen/
Produkte/Komponenten
Informationen
Provider, entweder direkt, oder auf einer Plattform, bzw. einem Plattform Betreiber an-
geboten. Beispiele sind hierfür: Versicherungsunternehmen und Logistikdienstleister.
• Product Platform Operator: im Rahmen dieser Digitalstrategie liegt der Schwerpunkt
auf den Aufbau und dem Betrieb einer Produkt-Plattform. Hierbei werden eigene/fremde
materielle Leistungen einzeln, oder als Bündel auf einer Plattform angeboten. Beispiele
sind hierfür: Online-Händler für Elektronikartikel und Online-Händler für Schuhe.
• Service Platform Operator: die Digitalstrategie des Service Platform Operator fokus-
siert sich primär auf den Aufbau und den Betrieb einer Dienstleistungs-Plattform. Hier-
bei werden eigene/fremde immaterielle Leistungen einzeln, oder als Bündel auf einer
Plattform angeboten. Beispiele sind hierfür: Vergleichsplattform für Strom und Platt-
form für die Vermittlung von Übernachtungen.
Die vier generischen Digitalstrategien stellen Reinformen dar und kommen in der Praxis
oftmals als Kombination vor. So kann z. B. ein Online-Händler für Elektronikartikel (Pro-
dukt) auch eine Versicherung und eine Finanzierung (Dienstleistung) anbieten. Die vier
generischen Digitalstrategien bieten, je nach Ausgangslage und Zielsetzung unterschied-
liche Einstiegspunkte sowie Entwicklungsmöglichkeiten. Das heißt, dass ein Unternehmen
aktuell ein Product Provider ist und sich zukünftig zu einem Product Platform Provider
entwickeln möchte.
Mit Hilfe der vier generischen Digitalstrategien können für das Unternehmen strategi-
sche Optionen abgeleitet werden. Die strategischen Optionen dienen dazu, die wahr-
scheinlichsten Szenarien zu antizipieren. Ferner können auch strategische Optionen ab-
geleitet werden, um selbst (Mit-)Gestalter von Szenarien zu sein. Die abgeleiteten
strategischen Optionen werden anschließend bewertet. Anschließend werden die relevan-
ten strategischen Optionen ausgewählt.
Beispiel Unser Unternehmen aus der Energiewirtschaft könnte sich z. B. dazu ent-
scheiden, statt Produktanbieter (z. B. Gas) zu sein, in Zukunft auch mehr Dienstleistungen
(z. B. Energieberatung) anzubieten und zusätzlich ein Kundenportal anzubieten, auf dem
auch Leistungen Dritter integriert und angeboten werden. Somit würde das Unternehmen
die Digitalstrategie des Product and Service Platform Operator (Mischform) anstreben.
Strategieformulierung
Innerhalb der letzten Phase werden die relevanten strategischen Optionen mit Projekten
und Maßnahmen ausgeprägt (Kraewing, 2017; Rauser, 2016; Peppard & Ward, 2016;
Petry, 2016; Cordon et al., 2016). Hierbei erfolgt ggf. auch ein Abgleich mit der Unter-
nehmensstrategie und dem erstellten Leitbild. Im Rahmen der Strategieformulierung kann
z. B. der Fokus von Projekten auf Operational Excellence (OP-EX; Prozesse), bzw. auf
Customer Experience (CU-EX; Kundenerfahrung) liegen.
In Kombination mit dem entwickelten Leitbild stellen die Projekte und Maßnahmen die
Digitalstrategie dar.
112 D. Schallmo und J. Lohse
Analyse der Szenarien Systeme, Kontext Bewertung von Fokus auf OP-EX
Einflussfaktoren Technologien, Entwicklung der strategischen und CU-EX
aus der Mikro- Fähigkeiten und Vision, Mission, Optionen Ggf. Abgleich mit
Umwelt, insb. aktuelle Initiativen strategischen Auswahl Unternehmens-
Kunden und im digitalen Ziele, strategischer strategie
Wettbewerber Kontext strategischen Optionen
Analyse des Erfolgsfaktoren
digitalen und Werte im
Reifegrads digitalen Kontext
Aktuelle Szenarien für die Aktuelle Aktuelle und Bewertete Digitalstrategie
Einflussfaktoren Makro- und Mikro- Ausprägung des zukünftige strategische mit Projekten und
Ergebnisse
Beispiel Für unser Unternehmen aus der Energiewirtschaft könnten z. B. folgende Pro-
jekte abgeleitet werden: Ausbau der agilen Organisation (z. B. mittels Schulungen der
Mitarbeiter und Restrukturierung); Ausbau des digitalen Know-hows und Aufbau von Ko-
operationen (z. B. mittels der Etablierung einer digitalen Einheit, Einstellung eines Chief
Digital Officers und Gründung eines Netzwerks für Digitalisierung in der Energiewirt-
schaft); Sensibilisierung und Begeisterung von Mitarbeitern (z. B. mittels Digitaltagen
und Informationen im Intranet).
In Abb. 5.6 sind die einzelnen Phasen jeweils mit der Zielsetzung, den Aktivitäten und
den Ergebnissen zusammengefasst.
Die ausformulierte Digitalstrategie ist nun der Ausgangspunkt, um bestehende Ge-
schäftsmodelle digital zu transformieren, oder neue Geschäftsmodelle zu entwickeln.
5.4 Zusammenfassung
Im Rahmen des vorliegenden Beitrags haben wir die Grundlagen zur Digitalstrategie auf-
gezeigt und sind dabei auf bestehende Definitionen eingegangen. Neben einer eigenen
Definition haben wir die Bestandteile einer Digitalstrategie betrachtet und eine Ein-
ordnung dieser in einen Gesamtkontext vorgenommen.
5 Digitalstrategie: Grundlagen, bestehende Ansätze und Vorgehensmodell 113
Im Anschluss sind wir auf acht theoretische Ansätze eingegangen, die sich mit der Ent-
wicklung einer Digitalstrategie auseinandersetzen und haben diese miteinander ver-
gleichen. Auf Basis der bestehenden Ansätze haben wir dann ein Vorgehensmodell mit
sechs Phasen aufgezeigt, das dazu dient, eine Digitalstrategie zu entwickeln. Die sechs
Phasen sind: strategische Analyse extern, strategische Prognose, strategische Analyse in-
tern, strategisches Leitbild, strategische Optionen und Strategieformulierung. Im Rahmen
des Vorgehensmodells haben wir ebenso vier generische Digitalstrategien vorgestellt: Pro-
duct Provider, Service Provider, Product Platform Operator und Service Platform Operator.
Literatur
Zusammenfassung
Dieses Kapitel untersucht den Beitrag der Systemtheorie zur Umsetzung von Vorhaben
zur Digitalen Transformation (DT) von Unternehmen. Grundlegend hierfür ist ein Ver-
ständnis von Unternehmen als produktive soziale Systeme, welche mit der Umwelt
agieren und aus Menschen, Technologien und Organisation bestehen. Untersuchungs-
gegenstand waren bestehende Ansätze und Modelle zur Digitalen Transformation,
Beschreibungsmodelle (Templates) für Geschäftsmodelle und Geschäftsmodell-
innovationen und Modelle zur Bewertung der digitalen Reife von Unternehmen. Im
Rahmen der Analyse wurden die bestehenden Modelle aus Wissenschaft an der
Terminologie der Systemtheorie gespiegelt und Lücken identifiziert. Ergebnis der Ana-
lyse war, dass viele Modelle zwar wichtige Handlungsfelder zur DT adressieren, je-
doch die Einbettung und die Interaktion von Unternehmen mit der Umwelt, ins-
besondere mit Stakeholdern, nicht adäquat abdecken und damit eine systematische und
ganzheitliche Betrachtung erschweren. In einem zweiten Schritt wurde auf Basis der
Analyseergebnisse und der Systemtheorie als Analyseansatz ein Framework zur DT
von Unternehmen entwickelt und anhand von drei Case Studies erprobt. Es zeigte sich,
dass eine systemtheoretische Perspektive zu einer ganzheitlichen, stabilen, und stärker
kundenzentrierten Sicht beitragen, und damit die Umsetzung und das Change-Manage-
ment von DT effektiv unterstützen kann.
Schlüsselwörter
6.1 Einleitung
In Literatur und Praxis mangelt es nicht an Ansätzen, Modellen und Frameworks zur Um-
setzung der Digitalen Transformation (DT) von Unternehmen (z. B. Schallmo & Williams,
2018). Während kommerzielle Beratungsunternehmen und Softwarefirmen eine Vielzahl
von Modellen und Frameworks veröffentlicht haben, sind nur wenige Modelle und Frame-
works der Digitalen Transformation aus der akademischen Forschung hervorgegangen
(Peter et al., 2020). Theoretische Frameworks mit Handlungsfeldern wurden beispiels-
weise von Kane et al. (2016) und Westerman et al. (2011) entwickelt. Impulse zur Um-
setzung der DT in der Praxis kommen auch von Reifegradmodellen zur Bewertung der
digitalen Reife einer Organisation mit allerdings den Schwachpunkten einer phänomeno-
logischen Herleitung und einer unzureichenden empirischen Validierung (Bumann &
Peter, 2019). Praktische Modelle für DT basieren meist auf der Beobachtung von
ad-hoc-Problemen und -Handlungsfeldern, anstatt aus einer wissenschaftlichen Theorie
abgeleitet zu werden. Ein weiterer Forschungsstrang zur DT sind Modelle (Templates) zur
Beschreibung von Geschäftsmodellen (Gassmann et al., 2014; Osterwalder & Pigneur,
2010; Schallmo, 2013). Diese Modelle ermöglichen es, die Geschäftslogik von Unter-
nehmen aufzuzeigen und Geschäftsmodellinnovationen zu entwickeln (Porter & Heppel-
mann, 2015). Da sie sich hauptsächlich auf die Wertschöpfung (Amit & Zott, 2001) kon-
zentrieren, vernachlässigen sie aber relevante Aspekte, wie z. B. die Dynamik, Hierarchien
oder Informationsflüsse (Massa et al., 2018). Diesen Modellen fehlt ein ganzheitlicher
Ansatz und eine theoretische Fundierung. Sie müssen im Laufe der Zeit angepasst werden,
wenn neue Herausforderungen und Entwicklungen (neue Organisationskonzepte, Techno-
logien, Märkte oder Kundenbedürfnisse) und damit neue Handlungsfelder für die DT ent-
stehen. In der Praxis bleiben trotz all der Veröffentlichungen jedoch die Forschungs-
erkenntnisse und die praktischen Anleitungen für die Umsetzung der DT von Unternehmen
begrenzt (Peter et al., 2020), nicht zuletzt ein Grund, warum viele DT-Projekte häufig
scheitern (Bughin et al., 2018).
Vielen Organisationen fällt es schwer, DT ganzheitlich anzugehen und Handlungsfelder
systematisch abzuleiten – wie zum Beispiel in den Bereichen Talentgewinnung, Kultur,
Führung, Strategie oder Technologien (Kane et al., 2016) – und diese effektiv umzusetzen.
Unternehmen fehlt es häufig an Zeit, Geld oder Know-how, um digitale Initiativen effektiv
anzugehen (Arendt, 2008) und sie ziehen es häufig vor, eine konkrete, aber für sich isolierte
Problemstellung zu lösen, anstatt einen übergreifenden, ganzheitlichen und unternehmens-
weiten Ansatz zu verfolgen, um vom Nutzenpotenzial der DT vollständig profitieren zu
können (Kane et al., 2017). Grundsätzlich benötigt DT einen strukturierteren und integrier-
ten Ansatz, um verständlicher, zuverlässiger und gleichzeitig effektiver zu sein.
6 Konzeption und Erprobung eines Frameworks zur Digitalen Transformation auf … 119
Um diese Herausforderung anzugehen, zielt dieser Beitrag darauf ab, die bestehende
Vielfalt an Modellen mit den grundlegenden Konzepten der Systemtheorie zu analysieren
und hierbei die Terminologie der Systemtheorie anzuwenden, um in einem nächsten
Schritt ein konzeptionelles DT-Framework zu entwickeln und zu erproben. Die System-
theorie wird hier zugrunde gelegt, weil sie als Theorie für die Analyse von Unternehmen
anerkannt ist (Bleicher, 1972; Ulrich, 1968). Sie bietet eine solide und gut erforschte theo-
retische Grundlage, die zeitlich beständig ist. Darüber hinaus wurde sie bereits umfassend
im organisatorischen und geschäftlichen Kontext erforscht, jedoch nicht oder unzureichend
im Hinblick auf DT.
DT und insbesondere die Entwicklung neuer digitaler Geschäftsmodelle gilt als eine
der größten Herausforderungen für Unternehmen im digitalen Zeitalter (Gassmann et al.,
2014; Davenport & Westerman, 2018; Hess et al., 2016). DT wird als ein Prozess wahr-
genommen, der darauf abzielt, ein Unternehmen zu verbessern, indem er durch Kombina-
tionen von Informations-, Computer- und Kommunikationstechnologien signifikante Ver-
änderungen ihrer Eigenschaften auslöst (Vial, 2019), S. 118. Die DT von Unternehmen
beinhaltet die schnelle Integration, Anpassung und Nutzung von entstehenden digitalen
Technologien in Geschäftsprozesse und Produkte, was auch Veränderungen im Geschäfts-
modell, der Unternehmenskultur und in einigen Kompetenzen erfordert (Morakanyane
et al., 2017; (Morakanyane et al., 2020; Berman, 2012), (Matt et al., 2015). Die Trans-
formation eines Unternehmens hinsichtlich dieser Anforderungen erweist sich als eine
mehrdimensionale, komplexe und risikoreiche Herausforderung.
6.2.1 Forschungsfragen
In diesem Beitrag nehmen wir eine systemtheoretische Perspektive auf die DT von Unter-
nehmen ein, die zu einer ganzheitlichen Betrachtung beiträgt und dazu dienen soll, Vor-
haben der DT effektiv zu managen. Wir verwenden das auf der Systemtheorie basierende
Modell von Unternehmen, welches von (Bleicher, 1972; Ulrich, 1968) vorgeschlagen wird
und Unternehmen als produktive soziale Systeme begreift.
Basierend auf den vorangegangenen Überlegungen werden die folgenden drei
Forschungsfragen untersucht:
1. Wie kann die Systemtheorie genutzt werden, um die zahlreichen Ansätze, Modelle und
Frameworks zur erfolgreichen Bewältigung der DT von Unternehmen zu analysieren
und zu strukturieren?
2. Wie kann die Systemtheorie zur Entwicklung eines ganzheitlichen konzeptionellen
Frameworks für die DT von Unternehmen beitragen? Wie können vorhandene Ansätze
für Frameworks der Digitalisierung zu einem ganzheitlicheren und zeitlich un-
abhängigeren Ansatz kombiniert werden, um die DT zu ermöglichen und aus welchen
Elementen setzt sich dieser zusammen?
120 K. Lang et al.
3. Wie kann ein auf der Systemtheorie basierendes Framework in der Praxis zu einer
ganzheitlichen DT von Unternehmen beitragen? Wie kann dieses Modell in der Praxis
evaluiert und angewendet werden? Liefert die Anwendung der Systemtheorie Anhalts-
punkte und Erkenntnisse für eine umfassendere und ganzheitlichere Gestaltung und
effektive Implementierung von unternehmensweiter DT?
6.2.2 Forschungsdesign
Einem deduktiven Forschungsansatz folgend (Hyde, 2000) haben wir Konzepte und
Terminologie der Systemtheorie für die DT von Unternehmen übernommen und ein von
der Systemtheorie abgeleitetes Framework für DT entwickelt.
Wir haben mit einer Literaturanalyse (Webster & Watson, 2002) zur allgemeinen
Systemtheorie (Abschn. 6.3.1) und dessen Weiterentwicklungen für den Einsatz in der
Unternehmensführung (Abschn. 6.3.2) begonnen. Basierend auf der Literaturanalyse zur
Systemtheorie haben wir Kriterien abgeleitet, um bestehende Modelle für die DT zu be-
werten (Abschn. 6.3.3).
Im zweiten Teil haben wir Geschäftsmodell-Templates (Abschn. 6.4.1), Modelle zur
DT und Digitalisierung (Abschn. 6.4.2) sowie Reifegradmodelle für die DT (Abschn. 6.4.3)
analysiert, die auf verschiedenen Ansätzen basieren und unterschiedliche Handlungsfelder
(z. B. digitale Strategie, DT, Prozesse und Implementierung) betonen (z. B. Schallmo &
Williams, 2018). Basierend auf der Analyse der vielfältigen Ansätze und Modelle haben
wir die Konzepte und Terminologie der Systemtheorie auf DT übertragen und ein auf der
Systemtheorie basierendes Modell zur erfolgreichen Bewältigung der DT entwickelt
(Abschn. 6.5). Dazu wurden die Gestaltungsprinzipien des Design Science angewendet
(Hevner et al., 2004).
Abschließend haben wir unser Framework durch Fallstudien validiert, indem wir das
Framework auf mehrere mittelständische Unternehmen der süddeutschen Fertigungs-
industrie angewendet haben (Abschn. 6.6). Der Fallstudien-Ansatz wurde gewählt, weil
sie als effektive Methode gilt, um Theorien zu erforschen und zu verifizieren. Sie ermög-
licht es, neue Phänomene in der Managementpraxis leicht zu erfassen und nachzuvoll-
ziehen (Eisenhardt, 1989; Yin, 2018). Als empirische Forschungsmethode können Fall-
studien Fragen nach dem „Warum?“ und „Wie?“ beantworten (Stake, 1995; Yin, 1994)
und die Antworten auf die Frage nach dem, was sein sollte, weiter untersuchen.
Zunächst wird die Allgemeine Systemtheorie (General System Theory) und deren zu-
grundeliegende Terminologie erklärt, um sie im nächsten Schritt auf Unternehmen, die als
soziale produktive Systeme verstanden werden, anzuwenden. Anschließend leiten wir auf
6 Konzeption und Erprobung eines Frameworks zur Digitalen Transformation auf … 121
der Systemtheorie basierende Kriterien zur Beurteilung der Ansätze, Modelle und Kon-
zepte für DT von Unternehmen ab.
Die Systemtheorie ist für die Analyse und Modellierung von Phänomenen in vielen Be-
reichen weit verbreitet, z. B. in der Psychologie, Biologie, den Wirtschafts- oder Sozial-
wissenschaften. Die Forschungsobjekte werden als Systeme betrachtet, aus denen Er-
kenntnisse und Wissen abgeleitet werden können. Ursprünglich wurde sie von dem
Biologen von Bertalanffy (Von Bertalanffy, 1950, 1951) als das transdisziplinäre Studium
der abstrakten Organisation von Phänomenen vorgestellt, unabhängig von ihrer Be-
schaffenheit, Art oder räumlichen oder zeitlichen Dimension der Existenz. Sie untersucht
sowohl Prinzipien, die allen komplexen Objekten gemein sind, als auch die (meist mathe-
matischen) Modelle, die zu ihrer Beschreibung verwendet werden können (Heylighen &
Joslyn, 1992), S. 1.
Die Systemtheorie ist nach Luhmann (1984) eine besonders beeindruckende Super-
theorie, die die soziale Realität abbilden kann. Sie kann auf viele verschiedene Bereiche
angewendet werden. Es sind sehr ähnliche Konzeptionen unabhängig voneinander in ver-
schiedenen Wissenschaftszweigen entwickelt worden (Von Bertalanffy, 1950). Heute sind
beispielsweise ganzheitliche Interpretationen in den vielfältigen Wissenschaftsdisziplinen
vorherrschend, während in der Vergangenheit häufig atomistische Erklärungen üblich
waren. Die Systemtheorie gilt als zeitlich unabhängig; Beer (Beer & Beer, 1979), S. 7
definiert ein System als eine Menge von dynamisch zusammenhängenden Elementen ohne
zeitliche Begrenzung nach einem kohärenten Muster und für einen definierten Zweck.
Abb. 6.1 zeigt ein beispielhaftes System mit seinen ineinandergreifenden Elementen, In-
put und Output, und die umgebende Umwelt.
Systeme haben eine funktionale Ausrichtung (Luhmann, 1988). Die Spezialisierung
auf bestimmte Problemlösungen kann als charakteristisch und konstituierend für jedes
Unternehmen, das als System betrachtet wird, angesehen werden. Darüber hinaus ist es so
Umwelt
System
Input Output
Abb. 6.1 Systemtheorie: Input, Output, Elemente, Beziehungen und Umwelt (eigene Darstellung)
122 K. Lang et al.
konzipiert, dass es ein spezielles funktionales Bedürfnis erfüllt, was der ursprüngliche
Grund für seine Entstehung war.
Ähnlich wie biologische Organismen können auch Unternehmen als Systeme interpretiert
werden, die mit ihrer Umwelt interagieren, um zu überleben. Johnson et al. (1964) und
Ulrich (1968) haben die Systemtheorie auf Unternehmen und Management übertragen,
und Bleicher (1972) erkannte die Eignung systemtheoretischer Ideen und Begrifflich-
keiten, um Gestaltungsempfehlungen für Managementprobleme abzuleiten. Er vertritt die
These, das Systemdenken ein integratives Verständnis von komplexeren Zusammen-
hängen unterstützt. Soziale Organisationen haben die einzigartige Fähigkeit, sich anzu-
passen, sich gegen Bedrohungen zu wehren, und um Chancen in der Umwelt zu konkur-
rieren. Ulrich (1968) beschreibt ein Unternehmen als ein produktives soziales System, in
dem die Ergebnisse des betrieblichen Prozesses (Output) von einer Entscheidungsinstanz,
welche die Kompetenz und Befugnis hat, verschiedene Korrekturen, Regelungen und An-
passungen vorzunehmen, kontrolliert und mit einem Sollwert verglichen werden. Neben
diesen eher einfachen Regelkreiskonzepten hilft die Systemtheorie dabei, Modelle zu ent-
werfen, die dem komplexen Charakter des Unternehmens durch kontinuierliche Lern-
prozesse gerecht werden.
Unternehmen als Systeme sind ganzheitliche Strukturen, die in die Summe der äußeren
Einflüsse einer größeren Umwelt eingebunden sind, auf die sie reagieren müssen. Systeme
werden daher als Handlungseinheiten verstanden, die Strategien zur Komplexitäts-
reduktion anwenden müssen, um die Probleme einer komplexen und sich verändernden
Umwelt zu bewältigen und um zu überleben.
Abb. 6.2 zeigt ein auf der Systemtheorie basierendes Unternehmensmodell mit seinen
in Beziehung zueinanderstehenden Elementen: Organisation, Mitarbeiter und Techno-
Umwelt
Mensch Technologie
Abb. 6.2 Unternehmen als soziale produktive Systeme. (Quelle: in Anlehnung an Pfeiffer & Weiss,
1994; Wettengl, 2018)
6 Konzeption und Erprobung eines Frameworks zur Digitalen Transformation auf … 123
logie. Der Input kann über Lieferanten von Beschaffungsmärkten bereitgestellt werden
und Output auf Absatzmärkten verkauft werden. Beide Markttypen sind Teil der sich stetig
verändernden Umwelt des Systems (Pfeiffer & Weiss, 1994; Wettengl, 2018). Die System-
theorie hat die Managementlehre nachhaltig beeinflusst, da viele von der Systemtheorie
formulierten Fragen und Probleme heute zum Standard geworden sind. Basierend auf der
Organisationstheorie wurden Impulse aus der Systemtheorie in Konzepte umgesetzt.
Die Systemtheorie lässt sich auf die DT von Unternehmen übertragen, da Systeme den
Auswirkungen von disruptiven Technologien, Menschen, und ihren komplexen Be-
ziehungen in einer Organisation ausgesetzt sind, die mit externen Faktoren (z. B. Kunden,
Lieferanten, und anderen Stakeholdern) interagiert.
Konzepte der Systemtheorie und die Anwendung der Theorie auf das Management durch
Bleicher (1972) und Ulrich (1968) sind durch eine Reihe von spezifischen Begriffen
gekennzeichnet. Unternehmen als soziale produktive Systeme können durch die folgenden
Konstrukte der Systemtheorie beschrieben werden.
Ein System ist in sich geschlossen, besteht aus Teilsystemen bzw. Elementen, Input
und Output und befindet sich in ständiger Veränderung. Systeme entstehen durch die sub-
jektive und vom Erkenntniszweck getriebene Festlegung einer Grenze, die die Unter-
scheidung zwischen dem System und seiner Umwelt ermöglicht. Die Elemente innerhalb
eines Systems, die Organisation aus Strukturen und Prozessen, Mitarbeiter und Techno-
logien bzw. Maschinen, beeinflussen sich gegenseitig. Das System kann nur durch die
Interaktion der Elemente funktionieren und Bedeutung haben (Bleicher & Müller-Ste-
wens, 1996).
Input Input ist etwas, das in ein System eingebracht und in dessen Betrieb verwendet
wird, um einen Output oder ein Ergebnis zu erzielen. Output ist die Information, die von
einem System oder Prozess oder einem Teil eines Prozesses aus einem bestimmten Input
erzeugt wird (z. B. die Ergebnisse eines Vorgangs). Im Falle eines mehrstufigen Prozesses
kann der Output eines Teils eines Prozesses der Input für einen anderen Teil des Prozesses
sein (Ulrich, 1968).
Umwelt Obwohl Organisationen durch den Einsatz von Systemgrenzen versuchen, sich
von ihrer Umwelt abzuschotten, sind sie nicht isoliert (von Bertalanffy, 1951); Unter-
nehmen interagieren mit Kunden, Lieferanten und untereinander und sind von Ver-
änderungen und Umbrüchen betroffen (Singh & Hess, 2017). Offene Systeme stehen im
Austausch mit der Umwelt und können durch interne Prozesse nach Synergien suchen
(Liboni et al., 2015). Vergleichbar mit biologischen Systemen eliminiert die Umwelt die
Vielfalt der Systeme, die sich nicht oder nicht ausreichend an die spezifischen äußeren
124 K. Lang et al.
Organisation Eine Reihe von Geschäftsprozessen und ein Fokus auf die interne Ge-
staltung sowie die Struktur eines Organisationssystems tragen zu einer effizienten und
effektiven Input-Output-Leistung bei (Rummler & Brache, 1995). Dazu zählt beispiels-
weise, wie Abteilungen zusammenarbeiten, um Arbeit zu erledigen.
Mitarbeiter Ein System kann als eine komplexe soziale Organisation konzeptualisiert
werden, die aus Menschen mit unterschiedlichen Weltanschauungen, Fähigkeiten, Talen-
ten, widersprüchlichen Interessen und asymmetrischer sowie unausgewogener Einfluss-
kraft besteht.
Nachdem im vorhergehenden Abschnitt ein Analyseraster auf Basis der Systemtheorie er-
arbeitet wurde, werden in diesem Abschnitt die in der Literatur identifizierten Ansätze,
Modelle und Frameworks der DT analysiert, indem diese der Begriffswelt der System-
theorie zugeordnet werden. Gegenstand der Analyse sind hierbei Frameworks (Templates)
zur Beschreibung von Geschäftsmodellen, Frameworks für die DT sowie Reifegrad-
modelle zur DT. Jeder der folgenden Abschnitte gliedert sich in eine Definition des Unter-
suchungsgegenstandes, einer Aufbereitung in Form einer Tabelle (siehe Abschn. 6.1) mit
der Zuordnung der Komponenten zu den Begriffen der Systemtheorie und einer ab-
schließenden Analyse und Bewertung.
6 Konzeption und Erprobung eines Frameworks zur Digitalen Transformation auf … 125
In den letzten Jahren war DT ein Hype für Wissenschaft und Forschung, und es wurden
verschiedenartige Ansätze, Modelle und Frameworks zur DT geschaffen. In diesem Ver-
lauf hat sich insbesondere aufgrund der Arbeiten von Osterwalder und Pigneur (2010) das
Konstrukt „Geschäftsmodell“ als Methode zur DT etabliert. Methoden zur Geschäfts-
modellbeschreibung werden häufig in Bezug auf Initiativen der DT und insbesondere di-
gitale Produktinnovationen angewendet (z. B. Porter & Heppelmann, 2015). Da Unter-
nehmen auf der Suche nach Innovationsmöglichkeiten sind, wird die Anpassung ihres
Geschäftsmodells als Schlüsselfaktor für das Überleben der Firma angesehen (Gassmann
et al., 2014). Daher erkennen wir eine inhaltliche Nähe zwischen Frameworks für die Mo-
dellierung von Geschäftsmodellen und Modellen zur DT. In Tab. 6.1 haben wir drei be-
kannte Modellierungsmethoden für Geschäftsmodell untersucht (Osterwalder & Pigneur,
2010; Gassmann et al., 2014; Schallmo, 2013). Geschäftsmodelle stellen grundsätzlich
den Inhalt, die Struktur und die Steuerung von Transaktionen dar, die so konzipiert sind,
dass sie Wertschöpfung erzeugen (Amit & Zott, 2001). Sie werden als „die heuristische
Logik, die technisches Potenzial mit der Realisierung von wirtschaftlichem Nutzen ver-
bindet“ gesehen (Chesbrough & Rosenbloom, 2002). Geschäftsmodelle werden zudem als
eine Architektur für Produkt-, Dienstleistungs- und Informationsflüsse (Timmers, 1998)
beschrieben, einschließlich einer Beschreibung der Geschäftsakteure, ihrer Rollen des
potenziellen Nutzens sowie möglicher Einnahmequellen. Geschäftsmodelle konzentrieren
sich auf die Wertschöpfung, -bereitstellung und -erfassung (Teece, 2010), vernachlässigen
aber viele andere Aspekte, wie z. B. Dynamik, Hierarchien und detaillierte Informations-
flüsse (Massa et al., 2018).
Aus Tab. 6.1, der die Kategorisierung der einzelnen Komponenten entsprechender An-
sätze zu Begriffen der Systemtheorie veranschaulicht, ist ersichtlich, dass die überwiegend
verwendeten Geschäftsmodellansätze den Fokus auf Organisation, Output und Umwelt
legen, aber in der Regel eine ganzheitliche Betrachtung fehlt, da Input, Mitarbeiter und
Technologie häufig vernachlässigt werden. Die Komponente der Organisation wird von
allen drei Geschäftsmodellansätzen stark betont und auch Mitarbeiter und Technologie
werden in gewissem Maße mit einbezogen. Darüber hinaus sind die Finanzen (Einnahmen
und Ausgaben) eine wichtige Teilkomponente der Organisation. Alle drei oben auf-
geführten Ansätze definieren Wertschöpfung als ein Ergebnis, das an die Umwelt – ge-
nauer gesagt, an den Kunden – geliefert wird.
Daher konzentrieren sich alle Ansätze auf die Innenperspektive, um dem Kunden einen
Nutzen zu liefern und somit die Kundenorientierung zu fördern. Dementsprechend fehlt
eine Außenperspektive, die die Einbeziehung von Kunden und speziell Lieferanten des
Unternehmens beinhaltet. Eine Außenperspektive ist jedoch zwingend erforderlich, um
ein Unternehmen an Umweltveränderungen anzupassen, da die Systemtheorie besagt,
dass nicht angepasste Systeme ausscheiden. Wir können auch feststellen, dass sich die
Modelle in ihrer Komplexität unterscheiden; Gassmann et al. (2014) schlagen das ein-
126 K. Lang et al.
Tab. 6.1 Abbildung existierender Frameworks zur Geschäftsmodellinnovation auf die Termino-
logie der Systemtheorie
Autor (Jahr) Input Organisation Mitarbeiter Technologie Output Umwelt
Gassmann Value chain Value Customer
et al. (2014) Revenue proposition
model
Osterwalder Key activities Key Key Value Key
& Pigneur Customer resources resources Proposition partners
(2010) Relationship Customer
Channels segments
Cost structure
Revenue
streams
Schallmo Value- Value-added Value- Benefit Customer
(2013) added dimension added dimension dimension
dimension (processes) dimension Partner
(resources) Financial (skills) dimension
dimension
(revenue,
expenses)
fachste Modell vor, das die Wertschöpfung stark betont, und Osterwalder und Pigneur
(2010) unterstützen eine komplexere Zusammensetzung eines Geschäftsmodells, das die
gesamte Organisation abbildet.
Gegenstand dieses Abschnitts ist die systemtheoretische Analyse von Ansätzen, Frame-
works und Modellen zur DT.
Vial (2019) bietet eine umfassende Übersicht von 23 Definitionen für die DT. DT be-
fasst sich mit allen Aspekten eines Organisationssystems, wie z. B. der Nutzung digitaler
Technologien sowie organisatorischer und menschlicher Fähigkeiten zur Verbesserung
von Geschäftsprozessen und Unternehmenserfolg (Westerman et al., 2011; Westerman
et al., 2014; Karagiannaki et al., 2017), der Steuerung und Rationalisierung von Geschäfts-
prozessen und Märkten (Matt et al., 2015), der Schaffung neuer Geschäftsmodelle (Fitz-
gerald et al., 2014) und der Verbesserung bestehender physischer Produkte mit digitalen
Funktionen (Berghaus & Back, 2016) sowie der Umgestaltung des Kundenerlebnisses
(Piccinini et al., 2015) und der Vertriebs- und Kommunikationskanäle (Horlach et al.,
2017). DT ist mehr als nur ein einfaches Technologie-Upgrade (Andriole, 2017) und hat
einen ganzheitlichen Charakter (Hartl & Hess, 2017). Darüber hinaus erfordert DT Fähig-
keiten, die sowohl die Gewinnung und den Austausch von Daten als auch deren Analyse
und Umwandlung in nutzbare Informationen umfassen.
6 Konzeption und Erprobung eines Frameworks zur Digitalen Transformation auf … 127
Bei der Betrachtung von DT konzentrierte sich die aktuelle Forschung häufig auf deren
Auswirkungen auf die Geschäftsstrategie (z. B. Vial, 2019). Während einige Autoren die
Auffassung vertreten, dass DT die Strategie beeinflusst und Chancen aufgrund innovativer
digitaler Technologien (Tan et al., 2015) oder einer Zusammenführung oder Angleichung
zwischen IT/IS-Strategien und Geschäftsstrategie schafft, sehen andere eine klare Ab-
grenzung. Wir definieren Digitalstrategie in Anlehnung an Schallmo et al. (2019) wie
folgt als:
cc The strategic form of digitization intentions of companies. The short and mid-term
objectives are to create new or to maintain competitive advantages. Within the digital stra-
tegy, digital technologies and methods are applied to products, services, processes, and
business models. In order to develop a digital strategy, the company and its environment
have to be analyzed as a basis for several future scenarios. The digital strategy consists of
a vision, mission, strategic objectives, strategic success factors, values, and measures.
Digitale Reifegradmodelle werden in der Praxis häufig verwendet, um den Reifegrad eines
Unternehmens in Bezug auf digitale Initiativen zu bestimmen, oft über eine DT-Roadmap,
128
Tab. 6.2 Abbildung existierender Ansätze, Modelle und Frameworks zur Digitalen Transformation auf die Terminologie der Systemtheorie
Autor (Jahr) Input Organisation Mitarbeiter Technologie Output Umwelt
Aguiar et al. Operations (Business Organization Operations (Enter- Value proposition Customer (Customer
(2019) Processes, Monito- (Innovation, HR, prise Architecture, (Products, Services, Experience, Digital
ring and Control, Culture, Collabora- Digitalization and Portfolio) Channels)
Portfolio), Trans- tion, Knowledge, Automation)
formation Manage- Communication,
ment (Digital Business Agility)
Strategy, Changes,
Governance, Business
Model, Structure),
Data (Information,
Data, Security)
Ismail et al. Business model, People/employees Technologies Customer experience Networks (including the
(2017) Operations (compri- (incl. skills, talent (comprising digitally entire value system),
sing processes and and culture) enabled products and Operating environment,
decision-making) services) Customers, competition,
Financial, operatio- start-ups
nal, differentiation
and innovation
contexts
K. Lang et al.
Morakanyane Determine Develop Digital Cultivate Digital Determine Digital Determine Digital
et al. (2020) Digital Vision Culture: Organiza- Drivers: Technologies Triggers
Drivers: Establish Digital tional Leadership to be Leveraged Determine Impacts:
Other Organization: Digital Traits, Good Define, Determine,
resources Innovation Functional Governance Measure Impacts Facing
that and Implementation Practices the Customer
impact Structure Determine Digital
Determine Transfor- Drivers: Skills and
med Areas: Opportu- Capacities Required,
nities, Target Areas, Digital Leadership
DT Initiatives, Traits
Determine Impacts:
Define, Determine,
Measure Impacts
Facing the Organiza-
tion
Peter et al. Process engineering, Digital leadership Cloud and data, new Customer centricity
(2020) Digital business and culture technologies Digital marketing
development, Digital
marketing
Vial (2019) Strategic responses: Structural Changes: Disruptions: Data Changes in value Disruptions: Consumer
digital business & culture, leadership, availability creation process: Value behavior, Competition
digital transformation employees, skills Use of digital Proposition, Value
strategy Organizational technologies network, Digital
Structural Changes: barriers: resistance, channels, Agility,
Organizational inertia Ambidexterity
structure
6 Konzeption und Erprobung eines Frameworks zur Digitalen Transformation auf …
129
130 K. Lang et al.
Tab. 6.3 Abbildung existierender digitaler Reifegradmodelle auf die Terminologie der Systemtheorie
Autor
(Jahr) Input Organisation Mitarbeiter Technologie Output Umwelt
Back & Organization Collaboration Process Product Customer
Berghaus Strategy Culture & digitization innovations experience
(2016); Transformation expertise Information
Berghaus management technology
et al.
(2017)
Boasman- Strategy Culture Technology Customer
Patel Operations
(2019)
Heinrich Digital strategy Talent and Ecosystem
(2016) and targets capabilities leverage
Organization Culture change
structure
Test-and-learn
approach
Hentrich Digital Digital Digital
(2014) identities commerce ecosystem
Digital
consumption
Wyss Digital strategy Organizational New Digital
(2017) & digital structure technologies customer
business models (people & processes
Digital culture) Digital
operational products
processes and services
Strategie, Geschäftsmodelle und operativen Prozesse – und lassen den Aspekt der Umwelt
teilweise völlig außer Acht (Back & Berghaus, 2016; Berghaus & Back, 2016; Berghaus
et al., 2017; Wyss, 2017; Boasman-Patel, 2019). Diejenigen, die die Umwelt als wichtige
Dimension betrachten, vernachlässigen andererseits teilweise das, was innerhalb des Sys-
tems liegt, insbesondere den Einfluss digitaler Technologien (z. B. Heinrich, 2016; Hen-
trich, 2014).
Das Kernziel dieses Beitrags ist die Entwicklung eines auf der Systemtheorie basie-
renden Frameworks für DT. Durch die Anwendung der Systemtheorie, seiner Termino-
logie und Konzepte auf Unternehmen wird eine ganzheitliche Sicht auf die Hand-
lungsfelder für DT angestrebt. Diesem Ansatz folgend werden ein Unternehmen bzw.
eine Organisationseinheit als ein System betrachtet, das auf verschiedene Weise mit
seiner Umwelt und insbesondere mit seinen Kunden und Lieferanten verbunden ist
und mit diesen interagiert.
Basierend auf den Elementen der Allgemeinen Systemtheorie, die auf einen Unter-
nehmens- und Managementkontext angewandt werden, und der Bewertung bestehender
Modelle und Frameworks aus der DT sowie verwandter Konzepte aus der Geschäfts-
modellinnovation und der digitalen Reife bis hin zur Systemtheorie, haben wir sechs
Hauptdimensionen für unser Modell identifiziert: digitales Geschäftsmodell, Input,
Lieferantenschnittstelle, Unternehmen, Produkte und Dienstleistungen sowie die Kunden-
schnittstelle. Die Zusammenfassung der Literatur und die Anwendung auf unsere Dimen-
sionen sind in Tab. 6.4 dargestellt.
Diese sechs großen Handlungsfelder zeigen die Schlüsselbereiche für eine Digitale
Transformation auf und sind in unserem Modell in Abb. 6.3 dargestellt. Hier stehen die
Schnittstellen der Beziehung zur Umwelt und insbesondere die Interaktion und die Schnitt-
stelle zu Kunden, Lieferanten und anderen Stakeholdern im Vordergrund. Dieser In-
side-Out-Ansatz verschiebt den Digitalisierungsschwerpunkt von den Unternehmens-
prozessen hin zu den Interaktionen mit der externen Umwelt. Der systemtheoretische
Blick auf die Innensicht des Systems führt zu Unterscheidungen zwischen Technologie,
Organisation und Mensch und resultiert in digitalen Handlungsfeldern bei der Gestaltung
von Technologien, Prozessen und Mitarbeitern.
A. Geschäftsmodell: Die Entwicklung einer Strategie für die DT umfasst die organisatori-
sche Verankerung von DT im Unternehmen und die Entwicklung eines Ertragsmodells
(Gassmann et al., 2014), um festzulegen, wie mit digitalen Initiativen Erträge erzielt
werden können. Im Hinblick auf die Systemtheorie dient das Geschäftsmodell mit sei-
nen verschiedenen Elementen als die projizierte Struktur des Systems und der Be-
ziehungen zwischen seinen Elementen, während die Implementierung und das tägliche
Tab. 6.4 Anwendung der Konzepte auf ein systemtheoretischen Begriffen basierendes Framework für die digitale Transformation
132
Tab. 6.4 (Fortsetzung)
A. Geschäfts- C. Lieferanten- D. Unter- E. Produkte & F. Kunden-
Autor (Jahr) modell B. Input schnittstelle nehmen Dienstleistung. schnittstelle
Organisation Technologie Mitarbeiter
Boasman- Strategy Operations Technology Culture Customer
Patel (2019)
Heinrich Digital Organization Talent and Ecosystem
et al. (2016) strategy and structure capabilities leverage
targets Test-and-learn Culture change
approach
Hentrich Digital identities Digital Digital
(2014) commerce ecosystem
Digital
consumption
Wyss (2017) Digital Digital operational New techno- Organizational Digital Digital
strategy and processes logies structure: products and customer
digital (people & services processes
business culture)
model
K. Lang et al.
6 Konzeption und Erprobung eines Frameworks zur Digitalen Transformation auf … 135
Abb. 6.3 Systemtheorie-basiertes Framework für die digitale Transformation (Neu-Ulmer Modell)
(eigene Darstellung)
Leben die Funktion des Systems widerspiegeln oder, um es mit der Geschäftsmodell-
Literatur zu vergleichen, das „Grundprinzip, wie eine Organisation Wert schafft, liefert
und erfasst“ (Osterwalder & Pigneur, 2010). Einige Autoren beziehen das Geschäfts-
modell explizit in ihr DT-Framework mit ein (z. B. Ismail et al., 2017; Vial, 2019),
während andere die Digitalstrategie (Vial, 2019; Heinrich, 2016), die explizite Etablie-
rung einer digitalen Vision (Morakanyane et al., 2020) oder das Transformations-
management (Aguiar et al., 2019; Back & Berghaus, 2016; Berghaus et al., 2017) als
eigene Felder betrachten.
B. Input: Lieferanten und Partner liefern Input für das System, der aus der Umwelt
stammt. Diese Dimension scheint eine der am wenigsten erforschten in der Literatur
bezüglich DT zu sein. Während Schallmo (2013) den Input zu den Ressourcen der
Wertschöpfungsdimension zählt, sprechen Morakanyane et al. (Morakanyane et al.,
2020) von anderen Ressourcen als Technologien, die die digitale Transformation be-
einflussen.
C. Lieferantenschnittstelle: Externe Partner und das Ökosystem müssen über neue digi-
tale Schnittstellen in das System integriert werden. Basierend auf der Terminologie der
Systemtheorie definieren wir die Grenze des Systems, über die Input in das System
geliefert wird, als Lieferantenschnittstelle. In der Geschäftsmodell-Literatur werden
diese Schnittstellen grob als Schlüsselpartner (Osterwalder & Pigneur, 2010) oder
Partnerdimensionen (Schallmo, 2013) bezeichnet, andere Autoren sprechen von gan-
zen Wertschöpfungsnetzwerken (Ismail et al., 2017) oder allgemeinen Ökosystem-
Hebelwirkungen (Heinrich, 2016), fokussieren sich aber meist auf den Kunden, anstatt
auf mögliche Lieferanten oder Partner. Wenn man bedenkt, dass DT mehr ist als ein
Projekt zur Verbesserung der Lieferkette (Andriole, 2017), müssen Unternehmen
ähnliche Fragen bezüglich der digitalen Kommunikation mit sowie dem Management
von möglichen Lieferanten und Partnern stellen.
136 K. Lang et al.
kation (Back & Berghaus, 2016; Berghaus et al., 2017) eine neue unternehmerische
Agilität (Aguiar et al., 2019) und letztlich die digitale Identität des Unternehmens de-
finieren.
E. Produkte und Dienstleistungen: Der Output in der Systemtheorie ist die Summe der
Produkte und Dienstleistungen, die durch Prozesse, Mitarbeiter und Technologie
innerhalb eines Systems entstehen. In Bezug auf Geschäftsmodellinnovationen wird er
häufig als Wertversprechen verstanden (Osterwalder & Pigneur, 2010; Gassmann
et al., 2014; Schallmo, 2013) und beschreibt den Wert, den ein Unternehmen für den
Kunden in Form von Produkten, Dienstleistungen oder einer Kombination aus beidem
schafft. Einige Modelle, die sich mit DT beschäftigen (Aguiar et al., 2019; Vial, 2019),
verwenden diese Terminologie ebenfalls.
Neue disruptive Technologien (insbesondere das Internet der Dinge) ermöglichen
die Digitalisierung bestehender Produkte sowie die Entwicklung von smarten Produk-
ten und smarten Dienstleistungen (Porter & Heppelmann, 2015). Andere Forschungen
verwenden ähnliche Begriffe wie digitale (Wyss, 2017) oder digital unterstützte Pro-
dukte und Dienstleistungen (Ismail et al., 2017), ganz allgemein Produktinnovation
(Back & Berghaus, 2016; Berghaus et al., 2017) oder Digital Commerce (Hen-
trich, 2014).
F. Kundenschnittstelle: Als Kundenschnittstelle definieren wir die Grenze des Systems,
über die der Output an den Kunden geliefert wird. Eine zentrale Rolle in der DT spielt
die Entwicklung von Kundenplattformen, über die Kundentransaktionen abgewickelt
werden. Digitale Kundenschnittstellen können in Form von mobilen Apps oder Web-
portalen auftreten und zu neuen digitalen Plattformen und Ökosystemen führen. Die
Wertschöpfung erfolgt zunehmend über digitale Kanäle (Aguiar et al., 2019) und digi-
tales Marketing (Peter et al., 2020) sowie innerhalb von Wertschöpfungsnetzwerken
aufgrund des veränderten Kundenverhaltens (Vial, 2019). Dieser Fokus auf Kunden-
orientierung (Peter et al., 2020) hilft, das digitale Ökosystem zu nutzen (Heinrich,
2016) und den digitalen Konsum zu erleichtern (Hentrich, 2014). Daher sehen Mora-
kanyane et al. (Morakanyane et al., 2020) es als erfolgskritisch an, alle kunden-
relevanten Aspekte zu definieren, zu bestimmen und zu messen.
Um das vorgeschlagene Framework zu validieren, wurde die Methode der Fallstudie an-
gewandt, da „qualitative Fallstudien gut geeignet sind, um Wie- und Warum-Fragen zu
beantworten und ein gegenwärtiges Phänomen in seinem realen Umfeld zu untersuchen“
(Yin, 2013). Mehrere Fallstudien erhöhen die Generalisierbarkeit der Ergebnisse sowie die
externe Validität. IT-Artefakte können in Bezug auf Funktionalität, Vollständigkeit, Kon-
sistenz, Genauigkeit, Leistung, Zuverlässigkeit, Benutzerfreundlichkeit, Eignung für die
Organisation sowie weiteren relevanten Qualitätsmerkmalen bewertet werden (Hevner
et al., 2004). Mit Hilfe von Fallstudien kann das entworfene Artefakt in einer bestimmten
138 K. Lang et al.
Diese Forschung zielt darauf ab, einen Beitrag zur Unterstützung von DT durch die Ent-
wicklung einer theoretischen Grundlage für DT in Unternehmen zu leisten. Die Ergeb-
nisse verbessern das Verständnis dafür, wie DT in Organisationen durch eine Analyse, die
auf einer ganzheitlichen von der wissenschaftlichen Theorie abgeleiteten Methode basiert,
ermöglicht werden kann. Obwohl die Systemtheorie von Haus aus als komplex gilt,
verfügt sie über eine hohe konzeptionelle Präzision und trägt durch ihre universelle An-
wendbarkeit und Beschreibung aller Arten von Phänomenen zur Beobachtung und Ana-
lyse der sozialen Realität bei. Ihr stabiles und zeitunabhängiges theoretisches Fundament
ermöglicht es der Systemtheorie, über Jahrzehnte hinweg immer wieder neue Forschungs-
erkenntnisse zu produzieren.
Die Ergebnisse geben dem Leser einen Einblick in die DT aus einer systemtheoretischen
Perspektive und führen zu einer umfassenden Struktur für den Umgang mit DT. Das vor-
gestellte Modell ist ein intuitiver und kundenzentrierter Ansatz, der bei der zukünftigen
Weiterentwicklung des Themas genutzt werden kann.
Die Forschungsergebnisse lassen sich dahingehend zusammenfassen, dass das vor-
geschlagene, auf der Systemtheorie basierende Framework zu einer ganzheitlicheren Be-
6 Konzeption und Erprobung eines Frameworks zur Digitalen Transformation auf … 141
trachtung von DT beitragen kann, indem es alle Aktivitäten entlang der sechs Dimensio-
nen des Frameworks in den Fokus nimmt. Die Erkenntnisse können als DT-Roadmap
verwendet werden (z. B. digitale Reifegradanalyse, digitale Strategie-entwicklung
und -implementierung). Darüber hinaus erwies es sich als effektives Visualisierungs- und
Kommunikationsmodell für alle Handlungsbedarfe der DT innerhalb und außerhalb des
Unternehmens. Werden digitale Transformationsinitiativen mit einer klaren Struktur für
Maßnahmen begonnen, kann dies das Risiko des Scheiterns mindern und Führungskräfte
in die Lage versetzen, Probleme der Unternehmens-transformation aufgrund der hohen
Variabilität von Technologien und Kundenbedürfnissen effektiv zu bewältigen.
Diese Arbeit kommt nicht ohne Einschränkungen und theoretische Abgrenzungen aus.
Erstens bietet das Framework eine ganzheitliche Perspektive auf die DT und damit einen
relativ breiten Überblick über ein Unternehmen. So lassen sich zwar Handlungsfelder für
eine erfolgreiche DT ableiten, für eine detaillierte Anleitung ist jedoch weitere Forschung
ratsam. Zweitens ist die untersuchte bestehende Literatur zur Definition der Handlungs-
felder zwar repräsentativ, aber nicht allumfassend. Schließlich ist diese Studie insofern
begrenzt, als das entwickelte Framework lediglich durch die Anwendung auf drei KMU in
Süddeutschland validiert wurde, die unser Modell einerseits erfolgreich anwandten, es
andererseits aber für unterschiedliche Zwecke nutzten (z. B. Geschäftsmodellinnovation,
Prozessoptimierung oder Implementierung neuer Technologien). Wir empfehlen daher,
die Gesamtzahl zusätzlicher Anwendungsfälle zu erhöhen, um jedes Handlungsfeld zu
validieren und die Anwendbarkeit über Unternehmen verschiedener Größen und geo-
grafischer Regionen hinweg sicherzustellen.
Literatur
Aguiar, T., Gomes, S. B., da Cunha, P. R., & da Silva, M. M. (2019). Digital transformation capabi
lity maturity model framework. 2019 IEEE 23rd International Enterprise Distributed Object
Computing Conference (EDOC). IEEE.
Amit, R., & Zott, C. (2001). Value creation in e-business. Strategic Management Journal, 22,
493–520.
Andriole, S. J. (2017). Five myths about digital transformation. MIT Sloan Management Review,
58, 19–22.
Arendt, L. (2008). Barriers to ICT adoption in SMEs: How to bridge the digital divide? Journal of
Systems and Information Technology, 10, 93–108.
Back, A., & Berghaus, S. (2016). Digital Maturity & Transformation Studie. Über das Digital Matu-
rity Model [Online]. https://iwi.unisg.ch/wp-content/uploads/digitalmaturitymodel_download_
v2.0-1.pdf. Zugegriffen am 13.05.2021.
Beer, S., & Beer, T. (1979). The heart of enterprise. Wiley.
142 K. Lang et al.
Berghaus, S., & Back, A. (2016). Stages in digital business transformation: Results of an empirical
maturity study. MCIS 2016 Proceedings.
Berghaus, S., Back, A., & Kaltenrieder, B. (2017). Digital maturity & transformation report
[Online]. https://office-roxx.de/wp-content/uploads/2019/01/digital-maturity-transformation-
report-2017.pdf. Zugegriffen am 13.05.2021.
Berman, S. J. (2012). Digital transformation: Opportunities to create new business models. Strategy
& Leadership, 40, 16–24.
Bleicher, K. (1972). Organisation als System. Springer.
Bleicher, K., & Müller-Stewens, G. (1996). Unternehmenskultur. In W. Eversheim & G. Schuh
(Hrsg.), Betriebshütte und Management. Springer.
Boasman-Patel, A. (2019). Digital transformation & maturity [Online]. tmforum. https://www.tmfo-
rum.org/digital-transformation-maturity/#overview. Zugegriffen am 13.05.2021.
Bughin, J., Catlin, T., Hirt, M., & Willmott, P. (2018). Why digital strategies fail. McKinseyQuar
terly, 61–75.
Bumann, J., & Peter, M. K. (2019). Action fields of digital transformation – A review and compara-
tive analysis of digital transformation maturity models and frameworks. In M. Aeschbacher,
K. Hinkelmann & A. Verkuil (Hrsg.), Digitalisierung und andere Innovationsformen im Manage
ment. Innovation und Unternehmertum. Edition Gesowip.
Chesbrough, H., & Rosenbloom, R. S. (2002). The role of the business model in capturing value
from innovation: Evidence from Xerox Corporation’s technology spin-off companies. Industrial
and Corporate Change, 11, 529–555.
Davenport, T. H., & Westerman, G. (2018). Why so many high-profile digital transformations fail.
Harvard Business Review, 9, 1–5.
Eisenhardt, K. M. (1989). Building theories from case study research. The Academy of Management
Review, 14, 532–550.
Fitzgerald, M., Kruschwitz, N., Bonnet, D., & Welch, M. (2014). Embracing digital technology: A
new strategic imperative. MIT Sloan Management Review, 55, 1–14.
Gassmann, O., Frankenberger, K., & Csik, M. (2014). The business model navigator – 55 models
that will revolutionise your business. Financial Times Prentice Hall.
Hartl, E., & Hess, T. (2017). The role of cultural values for digital transformation: Insights from a
Delphi study. Proceedings of the 23rd Americas Conference on Information Systems (AMCIS
2017). Boston.
Heinrich, U. (2016). Digital Maturity and value assessment fuer den oeffentlichen Sektor [Online].
McKinsey digital. https://docplayer.org/8484104-Mckinsey-digital-digital-maturity-and-value-
assessment-fuer-den-oeffentlichen-sektor.html. Zugegriffen am 13.05.2021.
Hentrich, C. (2014). Digitalisierungsbarometer [Online]. PWC. https://www.pwc.de/de/digitale-
transformation/assets/pwc_digitalisierungsbarometer_2014.pdf. Zugegriffen am 13.05.2021.
Hess, T., Matt, C., Benlian, A., & Wiesböck, F. (2016). Options for formulating a digital trans-
formation strategy. MIS Quarterly Executive, 15, 123–139.
Hevner, A. R., March, S. T., Park, J., & Ram, S. (2004). Design science in information systems re-
search. MIS Quarterly, 28, 75–105.
Heylighen, F., & Joslyn, C. (1992). What is systems theory. Principia cybernetica web, 1.
Horlach, B., Drews, P., Schirmer, I., & Böhmann, T. (2017). Increasing the agility of IT delivery:
Five types of bimodal IT organization. Hawaii International Conference on System Scien-
ces. Hawaii.
Hyde, K. F. (2000). Recognising deductive processes in qualitative research. Qualitative Market
Research: An International Journal, 3, 82–89.
Ismail, M. H., Khater, M., & Zaki, M. (2017). Digital business transformation and strategy: What do
we know so far. Cambridge Service Alliance, 10, 1–35.
6 Konzeption und Erprobung eines Frameworks zur Digitalen Transformation auf … 143
Johnson, R. A., Kast, F. E., & Rosenzweig, J. E. (1964). Systems theory and management. Manage
ment Science, 10, 367–384.
Kane, G. C., Palmer, D., Phillips, A. N., Kiron, D., & Buckley, N. (2016). Aligning the organization
for its digital future. MIT Sloan Management Review and Deloitte University Press.
Kane, G. C., Palmer, D., Phillips, A. N, Kiron, D., & Buckley, N. (2017). Achieving digital maturity.
MIT Sloan Management Review and Deloitte University Press.
Karagiannaki, A., Vergados, G., & Fouskas, K. (2017). The impact of digital transformation in the
financial services industry: Insights from an open innovation initiative in fintech in Greece. Me-
diterranean Conference on Information Systems (MCIS).
Liboni, L. B., Cezarino, L., Caldana, A. C. F., & Donaires, O. S. (2015). Diagnosing failure in an
organizational strategic alliance for new product development. Systems Research and Behavioral
Science, 32, 721–734.
Luhmann, N. (1984). Soziale Systeme: Grundriss einer allgemeinen Theorie. Suhrkamp.
Luhmann, N. (1988). Die Wirtschaft der Gesellschaft. Suhrkamp.
Massa, L., Gianluigi, V., & Tucci, C. (2018). Business models and complexity. Journal of Business
Models, 6, 59–71.
Matt, C., Hess, T., & Benlian, A. (2015). Digital transformation strategies. Business & Information
Systems Engineering, 57, 339–343.
Morakanyane, R., Grace, A., & O’Reilly, P. (2017). Conceptualizing digital transformation in busi
ness organizations: A systematic review of literature. 30th Bled eConference: Digital trans-
formation – From connecting things to transforming our lives. Bled.
Morakanyane, R., O’Reilly, P., & McAvoy, J. 2020. Determining digital transformation success
factors. Proceedings of the 53rd Hawaii International Conference on System Sciences. Hawaii.
Osterwalder, A., & Pigneur, Y. (2010). Business model generation – A handbook for visionaries,
game changers, and challengers. Wiley.
Peter, M. K., Kraft, C., & Lindeque, J. (2020). Strategic action fields of digital transformation: An
exploration of the strategic action fields of Swiss SMEs and large enterprises. Journal of Strategy
and Management, 13, 160–180.
Pfeiffer, W., & Weiss, E. (1994). Lean Management: Grundlagen der Führung und Organisation
lernender Unternehmen. Erich Schmidt Verlag GmbH & Co KG.
Piccinini, E., Hanelt, A., Gregory, R., & Kolbe, L. (2015). Transforming industrial business: The
impact of digital transformation on automotive organizations. International conference on infor-
mation systems. Fort Worth.
Porter, M. E. (1979). How competitive forces shape strategy. Harvard Business Review, 57, 137–145.
Porter, M. E., & Heppelmann, J. E. (2015). How smart, connected products are transforming com-
panies. Harvard Business Review, 93, 96–114.
Remane, G., Hanelt, A., Wiesböck, F., & Kolbe, L. (2017). Digital maturity in traditional indus
tries – An exploratory analysis. Proceedings of the 25th European Conference on Information
Systems (ECIS). Guimarães.
Rummler, G. A., & Brache, A. P. (1995). Improving performance: How to manage the white space
on the organization chart. Jossey-Bass.
Schallmo, D. (2013). Geschäftsmodell-Innovation. Springer Fachmedien.
Schallmo, D., Williams, C. A., & Lohse, J. (2019). Digital strategy – Integrated approach and gene-
ric options. International Journal of Innovation Management, 23, 1–24.
Schallmo, D., Lang, K., Hasler, D., Ehmig-Klassen, K., & Williams, C. A. (2020). An Approach for
a digital maturity model for SMEs based on their requirements. The ISPIM innovation confe-
rence – Innovating our common future. Berlin.
Schallmo, D. R. A., & Williams, C. A. (2018). Digital transformation now! Guiding the successful
digitalization of your business model. Springer International Publishing AG.
144 K. Lang et al.
Singh, A., & Hess, T. (2017). How chief digital officers promote the digital transformation of their
companies. MIS Quarterly Executive, 16, 1–17.
Stake, R. E. (1995). The art of case study research. Sage Publications.
Tan, B., Pan, S. L., Lu, X., & Huang, L. (2015). The role of IS capabilities in the development of
multi-sided platforms: The digital ecosystem strategy of Alibaba.com. Journal of the Association
for Information Systems, 16, 248–280.
Teece, D. J. (2010). Business models, business strategy and innovation. Long Range Planning, 43,
172–194.
Timmers, P. (1998). Business models for electronic markets. Electronic Markets, 8, 3–8.
Ulrich, H. (1968). Die Unternehmung als produktives soziales System, .
Vial, G. (2019). Understanding digital transformation: A review and a research agenda. The Journal
of Strategic Information Systems, 28, 118–144.
Von Bertalanffy, L. (1950). An outline of general system theory. British Journal for the Philosophy
of Science, I, 134–165.
Von Bertalanffy, L. (1951). Problems of general system theory. Human Biology, 23, 302–312.
Webster, J., & Watson, R. T. (2002). Analyzing the past to prepare for the future: Writing a literature
review. MIS Quarterly, 26, xiii–xxiii.
Weill, P., & Woerner, S. L. (2013). Optimizing your digital business model [Online]. MIT Sloan
Management Review. https://sloanreview.mit.edu/article/optimizing-your-digital-business-model/.
Zugegriffen am 29.10.2020.
Westerman, G., Calméjane, C., Bonnet, D., Ferraris, P., & MCafee, A. (2011). Digital Trans
formation: A roadmap for billion-dollar organizations. MIT Center for Digital Business and
Capgemini Consulting.
Westerman, G., Bonnet, D., & MCafee, A. (2014). The nine elements of digital transformation. MIT
Sloan Management Review, 55, 1–6.
Wettengl, S. (2018). Einführung in die Betriebswirtschaftslehre. Wiley-VCH.
Wyss, M. (2017). Digitaler Reifegrad von Schweizer KMU [Online]. Luzern: Hochschule Luzern.
http://defl.ch/wp-content/uploads/2017/01/Studienresultat-Digitaler-Reifegrad-von-KMU.pdf.
Zugegriffen am 13.05.2021.
Yin, R. K. (1994). Discovering the future of the case study. Method in evaluation research. Evalua
tion Practice, 15, 283–290.
Yin, R. K. (2013). Validity and generalization in future case study evaluations. Evaluation, 19,
321–332.
Yin, R. K. (2018). Case study research and applications: Design and methods. Sage Publications.
Yoon, S. W., & Kuchinke, K. P. (2005). Systems theory and technology. Lenses to analyze an orga-
nization. Performance Improvement, 44, 15–20.
Zusammenfassung
Schlüsselwörter
7.1 Einleitung
Die Literatur liefert Unternehmen eine Vielzahl an Methoden für die Entwicklung von
Plattformgeschäftsmodellen, um selbst den Einstieg in die Plattformökonomie zu ge-
stalten. Eine marktseitige Analyse des Bedarfs für eine Plattform ist häufig sekundär. Be-
vor ein Unternehmen jedoch die Entscheidung trifft, wie es in der Plattformökonomie
partizipieren kann, ist zu prüfen, ob eine Partizipation ökonomisch sinnvoll ist. Die er-
forderliche marktseitige Analyse von Zielbranche und Marktleistung in der Plattformöko-
nomie erfordern neue Ansätze und Methoden, die Gegenstand von diesem Kapitel sind.
Der Aufstieg von digitalen Plattformen setzt traditionelle Unternehmen unter Druck und
verändert die Wettbewerbsarena (Alstyne et al., 2016). In dem folgenden Abschnitt wird
auf die Elemente eingegangen, die das Disruptionspotenzial von digitalen Plattformen be-
gründen. Im Anschluss an die begriffliche Abgrenzung werden die zwei wesentlichen Säu-
len des Erfolgs von digitalen Plattformen vorgestellt. Ferner werden technologische Befä-
higer und marktseitige Forderungen erläutert, die das Disruptionspotenzial von digitalen
Plattformen stützen. Der Abschnitt schließt mit einer Analyse der tatsächlichen öko-
nomischen Relevanz von digitalen Plattformen.
zahlte Preis die Möglichkeit eröffnet, andere Marktseiten zu subventionieren (Rochet &
Tirole, 2006). Für traditionelle Geschäftsmodelle ist eine Preisstrategie unterhalb der an-
fallenden Kosten nicht nachhaltig. Unternehmen, die in mehrseitigen Märkten operieren,
können hingegen durch die S ubventionierung einer Marktteilnehmerseite den öko-
nomischen Gesamtwert mehren (Reillier & Reillier, 2017). Evans und Schmalensee er-
gänzen, dass Unternehmen Plattformen sowohl physisch als auch digital betreiben können
(Evans & Schmalensee, 2016). Im Zuge der zunehmenden Digitalisierung haben jedoch
insbesondere digitale Plattformen eine hohe Relevanz, auf die dieses Kapitel im Detail ein-
gehen wird. Für die nachstehenden Ausführungen wird die Definition von Parker et al.
(2017) aufgegriffen. Eine digitale Plattform ermöglicht wertschöpfende Interaktionen zwi-
schen Produzenten und Kunden. Die Plattform stellt den Plattformteilnehmern hierzu eine
digitale Infrastruktur bereit und bestimmt, unter welchen Rahmenbedingungen und Regeln
die Interaktion stattfindet (Parker et al., 2017).
Um Plattformanbieter von traditionellen Unternehmen unterscheiden zu können, hat
sich ferner der Begriff Pipeline-Unternehmen für letztere etabliert. Um digitale Platt-
formen von traditionellen Unternehmensformen unterscheiden zu können, hat sich der
Begriff Pipeline-Unternehmen etabliert. Die Pipeline ist eine Assoziation mit der Wert-
schöpfungskette nach Porter, welche die klassische Form der Wertschöpfung beschreibt.
In dieser werden die Aktivitäten und Prozesse eines Unternehmens in eine lineare Abfolge
unterteilt. Pipeline-Unternehmen kaufen Rohstoffe ein und transformieren diese in inter-
nen Prozessen zu wertgesteigerten Gütern, welche dann an Kunden verkauft werden (Par-
ker et al., 2017; Porter, 1985).
Der Erfolg von digitalen Plattformen geht auf technologische Befähiger und ökonomische
Treiber zurück. Technologische Befähiger schaffen die Voraussetzungen für Plattformen
und die marktseitigen Forderungen Treiber führen zu einer immer schnelleren Verbreitung
dergleichen (Parker et al., 2017). Ähnlich wie beim Konzept des Technology Push und des
Market Pull, kann folglich zwischen markt- und technologieinduzierten Impulsen für di-
gitale Plattformen unterschieden werden (Bullinger, 1994). Der Technology Push be-
schreibt eine Idee, die ihren Ursprung in einer neuen Technologie hat (Specht & Möhrle,
2002). Beim Market Pull geht der Impuls für eine Idee von einem veränderten Konsu-
mentenbedürfnis in einem Markt aus (Gerpott, 2005). Market-Pull und Technology-Push
kommen in ihrer reinen Form in der Realität nie oder nur sehr selten vor und sind vielmehr
als Planungskonzepte zu verstehen (Herstatt & Lettl, 2000). Ein Zusammentreffen beider
Mechanismen führt häufig zu bahnbrechenden Erfolgen und ist entscheidend für den Er-
folg von Innovationen (Gausemeier et al., 2019; Spath & Warschat, 2008).
Der Megatrend Digitalisierung kann als Technology-Push aufgefasst werden und um-
fasst die durch digitale Technologien verursachten Veränderungen für produzierende
Unternehmen. Die Beherrschung dieser digitalen Technologien ist entscheidend für den
7 Strategische Planung des Einstiegs in die Plattformökonomie 151
Einstieg in die Plattformökonomie (Evans & Schmalensee, 2016; Parker et al., 2017). In
der wissenschaftlichen Literatur haben sich insbesondere die folgenden drei Enabler als
entscheidend herauskristallisiert:
Verarbeitung Das Datenhandling spielt eine entscheidende Rolle für den Erfolg von di-
gitalen Plattformen (Winter, 2017). Durch die Verkleinerung von Transistoren hat sich die
Rechenleistung von Prozessoren von 1981 bis 2014 um den Faktor 300 erhöht und es
wurden entscheidende Fortschritte bei der Verarbeitung von Datenmengen durch intelli-
gente Algorithmen erzielt (Choudary, 2015; Evans & Schmalensee, 2016).
Vernetzung Sharing-Ökonomie
Treiber der
Plattform-
Verfügbarkeit ökonomie Ganzheitliche Lösungen
Verarbeitung Serviceorientierung
Das Disruptionspotenzial digitaler Plattformen beruht nach Parker et al. (2017) im Wesent-
lichen auf zwei ökonomischen Vorteilen: Grenzkosten und Netzwerkeffekte. Diese öko-
nomischen Vorteile ermöglichen es Plattformunternehmen, ihre Geschäftsaktivitäten mit
geringeren Investitionen im Vergleich zu Pipeline-Unternehmen auszubauen.
Grenzkosten beschreiben zusätzliche Kosten, die entstehen, wenn eine zusätzliche
Einheit eines bestimmten Produkts oder einer Dienstleistung produziert wird (O'Sullivan
& Sheffrin, 2003). Wenn die Hotelkette Hilton einen neuen Markt erschließen möchte,
muss in neue Gebäude und neues Personal investiert werden. Im Gegensatz zu den eta
blierten Hotelketten expandiert die digitale Plattform Airbnb mit nahezu keinen Grenz-
kosten. Neue Unterkünfte werden von privaten Gastgebern zur Verfügung gestellt, die
nicht nur für die Auslastung, sondern auch für den Betrieb ihrer Unterkunft verantwortlich
sind. Für Airbnb fallen für die Erschließung neuer Unterkünfte keine gravierenden Kosten
an. Die geringen Grenzkosten ermöglichen es digitalen Plattformen, ihr Geschäft mit mi-
nimalen Kosten zu erweitern.
Der Netzwerkeffekt beschreibt, wie sich der Wert eines Produktes ändert, wenn sich
die Anzahl der Kunden des gleichen Produktes ändert. Auf Plattformmärkten können
7 Strategische Planung des Einstiegs in die Plattformökonomie 153
d irekte und indirekte Netzwerkeffekte auftreten. Direkte Netzwerkeffekt treten auf, wenn
sich der Wert eines Produktes mit der Gesamtzahl der Konsumenten desselben Produktes
ändert (Katz & Shapiro, 1986). Ein in diesem Zusammenhang häufig angeführtes Beispiel
ist das Telefon. Indirekte Netzwerkeffekte treten auf, wenn sich der Wert eines Produktes
ändert, sobald sich die Anzahl der Kunden eines anderen Produktes ändert, ohne dass eine
direkte Beziehung zwischen diesen beiden Produkten besteht (Shapiro & Varian, 1998).
Der indirekte Netzwerkeffekt ist charakteristisch für zwei- oder mehrseitige Märkte.
Dabei führt eine erhöhte Anzahl von Teilnehmern auf der einen Seite des Marktes tenden-
ziell zu einer Erhöhung der Anzahl von Teilnehmern auf der anderen Seite des Marktes.
Positive direkte und indirekte Netzwerkeffekt sind die treibende Kraft hinter dem Erfolg
von digitalen Plattformen wie Airbnb. Mit steigender Anzahl von Nutzern einer Plattform
steigt die Attraktivität der Plattform für andere Nutzer.
Durch die Realisierung von positiven Netzwerkeffekten und geringen Grenzkosten
können Plattformunternehmen schnell expandieren und eine beträchtliche Marktrelevanz
erlangen.
Eine Analyse der historischen Entwicklung der wertvollsten Unternehmen weltweit ver-
anschaulicht das disruptive Potenzial digitaler Plattformen (vgl. Abb. 7.2). Während 1995
noch klassische Unternehmen das Ranking der zehn wertvollsten Unternehmen der Welt
dominierten, waren Ende 2020 sieben der zehn wertvollsten Unternehmen Plattformunter-
nehmen. Diese Entwicklung und die heute hohe Marktkapitalisierung von digitalen Platt-
formen veranschaulicht den rapiden Bedeutungszuwachs von digitalen Plattformen für die
Weltwirtschaft.
Auch wenn Europa bis dato nur bedingt von der Plattformökonomie profitieren konnte,
wächst das Bewusstsein um deren ökonomische Bedeutung. Um die europäischen Ver-
säumnisse in den vergangenen Jahren aufzuholen, wird viel Geld investiert, um an dem
Erfolg amerikanischer und asiatischer Plattformen anzuknüpfen. So hat das Bundes-
ministerium für Wirtschaft und Energie für die Erschließung des B2B-Plattformpotenzials
bis 2017 knapp 100 Mio. Euro für mehr als 30 Verbundprojekte bereitgestellt (von Engel-
hardt et al., 2017). Bis auf wenige Ausnahmen bleibt der Erfolg der angestoßen Plattform-
initiativen jedoch aus. So wurde beispielsweise die vom Maschinen- und Anlagenbauer
Trumpf aus Eigeninitiative angestoßene digitale Plattform Axoom zerschlagen und an
GFT verkauft. Das für etablierte Unternehmen der Einstieg in die Plattformökonomie ge-
lingt ist also keine Selbstverständlichkeit. Der Einstieg muss auf Grundlage einer fundier-
ten strategischen Entscheidung beruhen und die Dynamik der Plattformökonomie
berücksichtigen.
Forschungsmethodik
Die Literatur liefert Unternehmen eine Vielzahl an Methoden für die Entwicklung von
Plattformgeschäftsmodellen, um selbst den Einstieg in die Plattformökonomie zu ge-
154 L. Özcan et al.
Nippon
136 Exxon Mobil 350 Aramco 1648
Telegraph
General Electric 107 Petrochina 293 Microsoft 1359
China Construc-
Toyota 87 224 Alphabet 919
tion Bank
Philip Morris 71 BHP Billiton 220 Facebook 583
Pipeline-Unternehmen Plattform-Unternehmen
Abb. 7.2 Die zehn wertvollsten Unternehmen der Welt von 1995 bis 2020. (Quelle: Eigene Dar-
stellung)
stalten. Eine marktseitige Analyse des Bedarfs für eine Plattform ist häufig sekundär.
Bevor ein Unternehmen jedoch die Entscheidung trifft, wie es in der Plattformöko-
nomie partizipieren kann, ist zu prüfen, ob eine Partizipation überhaupt ökonomisch
sinnvoll ist. Hierzu ist eine Weiterentwicklung bisheriger strategischer Planungs-
instrumente für die Plattformökonomie notwendig. Zudem legt die wissenschaftliche
Literatur den Fokus auf die Strategieentwicklung und vor- und nachgelagerte Phasen
der strategischen Planung werden nur rudimentär behandelt. Für die angestrebte
Weiterentwicklung sind Ansätze und Rahmenwerke der klassischen strategischen Pla-
nung und ebenso bestehende Ansätze zur strategischen Planung von Plattformaktivi-
täten zusammenzuführen. Um diese Lücke zur bestehenden Literatur zu schließen,
wird die Design Science Research-Methodik nach Hevner angewandt (Hevner et al.,
2004). In diesem Zuge wurden mehrere Forschungsfragen aufgeworfen, die in diesem
Kapitel beantwortet werden.
Forschungsfragen
Welche Branchen tendieren zu digitalen Plattformen?
basis einbezogen, wozu Rahmenwerke der strategischen Planung oder auch die zur
Problemlösung relevanten Wissenselemente, wie die angeführten Bewertungskriterien
zählen. Im dritten und letzten Zyklus, dem Design-Zyklus, werden die Erkenntnisse
konsolidiert und neue Methoden erarbeitet. Diese müssen den Anforderungen des
Relevanzzyklus gerecht werden und auf der Wissensbasis des Rigorzyklus aufbauen.
Die im Design-Zyklus gewonnenen Erkenntnisse werden in der Wissensbasis (Rigor-
zyklus) ergänzt und im definierten Problemraum (Relevanzzyklus) validiert. Die ge-
wählte Forschungsmethodik ermöglicht es, Anforderungen aus der Umgebung abzu-
leiten und mit bestehendem Wissen aus der klassischen strategischen Planung sowie
den plattformspezifischen Planungsmethoden zu verknüpfen. Auf dieser Grundlage
können neue Ansätze zur strategischen Planung von Plattformaktivitäten erarbeitet
werden. Diese ermöglichen Industrieunternehmen eine fundierte strategische Planung
für den Einstieg in die Plattformökonomie.
Der Einstieg in die Plattformökonomie muss auf Grundlage einer fundierten strategi-
schen Planung erfolgen. In dem Prozess der strategischen Führung nach Gausemeier
und Plass werden vier Phasen unterschieden: Analyse, Ermittlung von Strategieop
tionen, Strategieentwicklung und Strategieumsetzung (vgl. Abb. 7.3) (Gausemeier &
Plass, 2014).
Abb. 7.3 Phasen der strategischen Führung nach Gausemeier und Plass (2014)
156 L. Özcan et al.
Übergreifend zu diesen vier Phasen existiert die Aufgabe, den Prozess der strategischen
Führung zu gestalten. Der Prozess der strategischen Führung soll im Unternehmen kon
stituiert und kontinuierlich durchlaufen werden. Das Vorgehen wurde im Rahmen eines
Projekts mit einem Hersteller von elektrischer Verbindungs- und Automatisierungstechnik
validiert.
Im Rahmen der Analyse der Ausgangssituation erfolgt eine Marktanalyse und eine
Produktanalyse. In der Marktanalyse wird analysiert, inwiefern eine Branche zu digitalen
Plattformen tendiert. Bei der Analyse von Produkten wird untersucht, inwiefern das
Produktprogramm eines Unternehmens für das Plattformmodell geeignet ist.
7.3.1.1 Marktanalyse
Nicht jede Branche tendiert im gleichen Maße zu digitalen Plattformen. Die Chancen und
Risiken möglicher Plattformaktivitäten sind abzuwägen. Mit einer Analyse von Branchen
hinsichtlich ihrer Tendenz zu digitalen Plattformen erhalten klein- und mittelständisch ge-
prägte Unternehmen Orientierungswissen, um am Erfolg digitaler Plattformen zu partizi-
pieren. Bevor ein Unternehmen die Planung von eigenen Plattformaktivitäten aufnimmt,
ist zu prüfen, ob die eigene Branche überhaupt von der Plattformökonomie betroffen ist.
Hierzu wird die Plattformtendenz im Hinblick auf die von einem Unternehmen adressierten
Branchen analysiert. Eine Rahmenstruktur für die Unterteilung von Branchen liefert
7 Strategische Planung des Einstiegs in die Plattformökonomie 157
Abb. 7.4 Definierte Branchen für ein Anwendungsbeispiel in Anlehnung an die NACE-Systematik
der Europäischen Kommission (2008)
158 L. Özcan et al.
Nicht skalierbare Gatekeeper Gatekeeper sind Personen oder Organisationen, die In-
formationen aufnehmen, filtern und gezielt weitergeben. Nicht skalierbare Gatekeeper
sind Akteure, deren Anzahl linear mit der Anzahl an produzierten Gütern steigt (z. B. Leh-
rer im Bildungssystem). Eine Bewertung hinsichtlich des Anteils nicht skalierbarer Gate-
keeper kann mit Experteninterviews erfolgen (Domsch et al., 1989).
Fragmentierung einer Branche Mit der Fragmentierung einer Branche wird be-
schrieben, inwiefern die unterschiedlichen Akteure in einer Branche miteinander ver-
bunden sind. Branchen mit vielen und lose verbundenen Akteuren sind besonders
empfänglich für Plattformen. Mit dem stackelbergschen Marktformenschema können
neun Marktformen unterschieden werden, die eine Bewertung hinsichtlich der Fragmen-
tierung einer Branche zulassen (Schmidt, 1972; Stackelberg, 1951).
Informationsasymmetrien Mit diesem Merkmal wird die ungleiche Verteilung von In-
formationen innerhalb einer Branche erfasst. Zum Beispiel hat im Gebrauchtwagenmarkt
der Händler mehr Informationen als der potenzielle Käufer. Liegen starke Informations-
asymmetrien vor, ist die Branche für Plattformen empfänglich. Zur Erfassung der
Informationsasymmetrie eignet sich die Unterscheidung von Gütertypen nach Evan-
schitzky (Neoklassische Güter, Such- oder Inspektionsgüter, Erfahrungsgüter sowie Glau-
bens- und Vertrauensgüter) (Evanschitzky, 2003).
Regulationsgrad Mit dem Merkmal wird ermittelt, inwiefern eine Branche durch den
Staat reguliert wird. Starke Regulation schützt bestehende Marktakteure und wirkt der
Plattformtendenz einer Branche entgegen (z. B. Gesundheitswesen). Die Bewertung des
Regulationsgrads erfolgt mithilfe der vier Grundtypen der Innovationsregulierung nach
Hoffmann-Riem et al. (2010).
Fehlerkosten Mit dem Merkmal wird der potenzielle Schaden beim Eintreten eines Feh-
lers ermittelt. Ein medizinischer Fehler ist im Regelfall mit höheren Fehlerkosten ver-
bunden als das Einstellen ungeeigneter Inhalte auf einer Medienplattform. Ist der poten-
7 Strategische Planung des Einstiegs in die Plattformökonomie 159
• Informationsintensität
• Nicht skalierbare Gatekeeper
Empfänglichkeit • Fragmentierung der Branche
• Informationsasymmetrie
? + Legende
23 Zielbranche des
...
hoch
betrachteten Unternehmens
15
+ Hohe Tendenz
Eintritt vorbereiten
14
19 ? Mittlere Tendenz
Eintritt prüfen
z
17
en
Niedrige Tendenz
mittel
nd
− Eintritt verwerfen
te
rm
tfo
at
Pl
26
25 • Regulationsgrad
• Fehlerkosten
gering
• Ressourcenintensität
8
− Schutz
hoch mittel gering
zielle Schaden eines Fehlers für Nutzer zu hoch, wird dieser auf eine Plattformteilnehme
verzichtet. Eine Bewertung kann mithilfe von Experteninterviews erfolgen.
Unternehmens bei der Analyse herangezogen. Eine Produktfamilie umfasst alle Produkt-
varianten, die ähnliche Technologien, Funktionen, Produktionsverfahren oder An-
wendungsbereiche haben (Krause & Gebhardt, 2018). Sind die Produktfamilien auf-
genommen, sind im Anschluss diejenigen zu identifizieren, die für Geschäftsaktivitäten in
der Plattformökonomie gut geeignet sind. Die Eignung einer Produktfamilie für das Platt-
formgeschäft wird anhand der drei Kriterien Wehrhaftigkeit, Geschäftsmodelleignung
sowie Digitalisierungsgrad untersucht.
Wehrhaftigkeit Eine wehrhafte Produktfamilie ist in Anlehnung an Zhu und Furr (2016)
dadurch gekennzeichnet, dass das Produkt nur schwer zu imitierende Eigenschaften auf-
weist und regelmäßig eine hohe Anzahl an Nutzern mit der Produktfamilie interagiert.
Digitalisierungsgrad Der Digitalisierungsgrad ist ein Maß für den digitalen Reifegrad
einer Produktfamilie. Er ist das Verhältnis der realisierten zu den möglichen Digitalisierungs-
optionen (Echterfeld, 2020). Mit zunehmenden Digitalisierungsgrad steigt die Plattform-
eignung (Lichtblau, 2019).
Die Bewertung der Produktfamilien erfolgt mithilfe eines Portfolios, welches durch
die Achsen Wehrhaftigkeit und Geschäftsmodelleignung aufgespannt wird. Der Digi
talisierungsgrad wird durch den Durchmesser der Kugeln, welche die Produktfamilien
repräsentieren, wiedergegeben (vgl. Abb. 7.6). Das Portfolio setzt sich aus vier charakte-
ristischen Bereichen zusammen: 1) Plattform Ready umfasst Produktfamilien, die wehr-
haft sind und ein für eine Plattform geeignetes Geschäftsmodell haben. Entsprechende
Produktfamilien können die Grundlage für den Aufbau einer eigenen Plattform bilden. 2)
Rohdiamanten beinhaltet Produktfamilien mit einer niedrigen Geschäftsmodelleignung
und einer hohen Wehrhaftigkeit. Hier eingeordnete Produktfamilien eignen sich eher
für Innovations- als für Transaktionsplattformen. 3) Plattform-Commodities umfasst
Produktfamilien mit einer niedrigen Wehrhaftigkeit und einer hohen Geschäftsmodell-
eignung. Produktfamilien in diesem Bereich sind gut für den Verkauf auf Transaktions-
plattformen geeignet. 4) Klassisches Geschäft sind solche Produktfamilien, die eine ge-
ringe Geschäftsmodelleignung und eine geringe Transaktionsintensität haben. Diese
Produktfamilien sind für das Plattformmodell ungeeignet und sollten in Zukunft im klas-
sischen Geschäft verortet sein.
7 Strategische Planung des Einstiegs in die Plattformökonomie 161
• Nicht-Imitierbarkeit
Wehrhaftigkeit • Verbreitung im Markt
Legende
1 Plattform-Ready
2
Industrial
Rohdiamanten
hoch
Switches
8 22 15 Plattform-Commodities
g
10 14 Klassisches Geschäft
un 9
gn
ei
Produktfamilien
m
Leiterplatten-
or
4
Digitalisierungsgrad
ttf
Sensor- 5 anschluss
a
Pl
boxen 20 12
3
gering
21 Steckverbinder
• Transaktionsintensität
• Standardisierungsgrad
11 7
13
6
Geschäftsmodelleignung
gering hoch
Abb. 7.6 Eignung von Produktfamilien für digitale Plattformen nach Drewel (2021)
Kein Einstieg in die Plattformökonomie Sind Branche und Produkt nicht für das Platt-
formmodell geeignet, ist auch die Option zu berücksichtigen, keine Aktivitäten hinsicht-
lich des Plattformmodells aufzunehmen.
STOP
verwerfen forcieren
Plattformbeitritt
Abb. 7.7 Strategieoptionen für den Einstieg in die Plattformökonomie nach Drewel (2021)
Hierzu werden die Erkenntnisse aus der Analysephase in Abschn. 7.3.1 mit den in
Abschn. 7.3.2 vorgestellten und allgemeingültigen Strategieoptionen synchronisiert. Auf
Grundlage der Synchronisation der Teilergebnisse ist eine Erfolg versprechende Strategie-
option auszuwählen und im Rahmen der Strategieentwicklung zu konkretisieren.
Die Analyse von Produktfamilien hinsichtlich ihrer Plattformeignung sowie die Ana-
lyse von Märkten hinsichtlich ihrer Plattformtendenz wird im Eignungs-Tendenz-Portfolio
zusammengeführt (vgl. Abb. 7.8). Diese kombinierte Analyse ist einer einseitigen Be-
trachtung der Dimensionen Plattformtendenz und Plattformeignung überlegen. Da bei der
Marktanalyse Branchen und bei der Produktanalyse Produktfamilien analysiert werden,
sind Produktfamilien ihren Zielbranchen zuzuordnen. Ist die Zuordnung erfolgt, ist eine
Einordnung in das Eignungs-Tendenz-Portfolio möglich. Zur Ableitung von Erkennt-
nissen aus dem Portfolio ist dieses in vier Bereiche unterteilt, die jeweils Normstrategien
für Produktfamilien beinhalten. Die vier Bereiche greifen die generischen Strategie-
optionen auf Abschn. 7.3.2 auf. Diese Normstrategien bilden das Fundament der
Strategieentwicklung, für deren weitere Ausarbeitung Gausemeier und Plass (2014) ein
Vorgehen liefern.
• Wehrhaftigkeit
Plattformeignung • Geschäftsmodelleignung
Legende
Angreifen
Beobachten/Verteitigen
hoch
10 15 1
9
Beitreten
Leiterplatten- 2 14
anschluss in der Luft- 3 Abschöpfen
und Raumfahrt
4 Steckverbinder 12 Produktfamilie mit
im Maschinenbau Branchenzuteilung
22 20
8 Digitalisierungsgrad
gering
5
11
21 • Empfänglichkeit
7
• Schutz
6 13
Plattformtendenz
gering hoch
Produktfamilien sind gut geeignet, den Kern einer Plattform zu bilden und den Aufbau
einer zugehörigen Plattform anzustoßen.
Beobachten/Verteidigen Ist eine Produktfamilie für eine digitale Plattform geeignet, der
Markt hat jedoch nur eine geringe Plattformtendenz, gilt es die Situation zu beobachten.
Sollte sich die Tendenz zugunsten eines Plattformgeschäfts ändern, kann ein Unternehmen
seine Strategie anpassen und den Aufbau einer Plattform forcieren.
Beitreten Produktfamilien, die eine hohe Plattformtendenz aber eine geringe Plattform-
eignung aufweisen, sind für den Beitritt zu existierenden Plattformen prädestiniert. Sollte
bereits eine Plattform existieren, können solche Produktfamilien das Angebot ergänzen.
Aufgrund der geringen Wehrhaftigkeit sollte jedoch nie eine solche Produktfamilie Aus-
gangpunkt für eine eigene digitale Plattform sein.
Fortführen Hat eine Produktfamilie eine geringe Eignung und Tendenz für digitale Platt-
formen, ist das Plattformmodell nicht weiter zu verfolgen und eine Fortführung des klas-
sischen Geschäfts ist am besten geeignet.
7.3.4 Strategieumsetzung
Mit der Strategieumsetzung steht und fällt der Erfolg der strategischen Gestaltung einer
zuvor formulierten Strategie. Die Strategieumsetzung setzt sich aus der Operationalisie-
rung der Strategie sowie dem Umsetzung- und Prämissen Controlling zusammen (Gause-
meier & Plass, 2014).
Die Operationalisierung der Strategie umfasst die Umsetzungsplanung mit Program-
men und Maßnahmen, welche die Voraussetzung für die Strategieumsetzung sind und das
Bindeglied zur vorangegangenen Strategieentwicklung darstellen. Auf die Umsetzungs-
planung folgt die Ausführung der Programme und Maßnahmen im Rahmen der Trans-
formation. Begleitend dazu findet das Umsetzungs-Controlling und das Prämissen Con-
trolling statt. Bei dem Umsetzungs-Controlling werden regelmäßig Soll-Ist-Vergleiche
durchgeführt, um Abweichungen zu identifizieren und Gegenmaßnahmen einleiten zu
können. Eine domänenunabhängige Steuerungsmöglichkeit ist die von Kaplan und Norton
eingeführte Balance Scorecard (Kaplan & Norton, 1992). Die Gestaltung eines solchen
Kennzahlen-Systems zur strategischen Führung muss die Besonderheiten der Plattform-
ökonomie berücksichtigen.
Ein wesentlicher Erfolgsfaktor für digitale Plattformen ist die Dynamik der Strategie-
entwicklung. Für den Erfolg muss eine digitale Plattform in verschiedenen Lebensphasen
den inhaltlichen Fokus dynamisch anpassen (vgl. Abb. 7.9). Der Fokus in der Einführungs-
phase liegt zunächst auf der Generierung von Werten für alle Plattformakteure. Während
der Skalierung werden Anzahl und Intensität der Interaktionen erhöht. In der folgenden
Reife-Phase liegt der Fokus auf der Erhöhung der Kundenloyalität. In der abschließenden
7 Strategische Planung des Einstiegs in die Plattformökonomie 165
Größe
Zeit
Abb. 7.9 Variation des strategischen Fokus einer digitalen Plattform in Abhängigkeit der Lebens-
phase. (Quelle: Eigene Darstellung)
Evolutionsphase wird das Angebot einer digitalen Plattform ausgebaut. Mit dem variieren-
den strategischen Fokus variieren auch die relevanten Kenngrößen für ein Umsetzungs-
Controlling. Da die Kennzahlen für das Umsetzungs-Controlling nicht nur in Abhängig-
keit der Lebensphase, sondern auch in Abhängigkeit der ausgewählten Strategieoption
(vgl. Abschn. 7.3.2) variieren, wird das Umsetzung Controlling an dieser Stelle nicht wei-
ter vertieft.
Mit dem Prämissen-Controlling wird überprüft, ob die getroffenen Annahmen bei der
Entwicklung einer Plattform-Einstiegsstrategie noch ihre Gültigkeit haben. Prämissen
sind bei der Strategieentwicklung getroffene Annahmen. Dabei kann es sich um Randbe-
dingungen oder Voraussetzungen handeln, die häufig nicht oder nur mittelbar von einem
Unternehmen beeinflusst werden können. Diese Prämissen sind regelmäßig zu über-
wachen, da sie nicht nur eine Überarbeitung der Ziele und Maßnahmen als Konsequenz
haben können. Aus dem Prämissen-Controlling kann auch die Überarbeitung oder Neu-
ausrichtung der Strategie resultieren. So ist zum Beispiel der Regulationsgrad eine Be-
wertungsgröße für die Plattformtendenz einer Branche. Da insbesondere der plattform-
bezogene Regulationsdruck in der jüngeren Vergangenheit zunimmt, kann sich durch neue
regulatorische Maßnahmen die Plattformtendenz einer Branche grundlegend verändern.
Zusammenfassung
Digitale Plattformen bilden das Fundament der erfolgreichsten Unternehmen des 21. Jahr-
hunderts. Konkret haben Unternehmen wie Amazon, Google, Facebook und Uber erkannt,
dass in einer zunehmend vernetzten Welt erhebliches ökonomisches Potenzial darin liegt,
hochwertige Interaktionen zwischen Produzenten und Kunden zu realisieren. Diese Ent-
wicklung rückt immer häufiger in das Bewusstsein von vielen etablierten Unternehmen,
die nun bemüht sind, selbst Teil der Plattformökonomie zu werden. Die strategische Pla-
166 L. Özcan et al.
nung des Einstiegs in die Plattformökonomie adressiert diese Bemühungen und ist Gegen-
stand dieses Kapitels.
Mit der voranschreitenden Plattformökonomie werden Jahrzehnte geltende Dogmen
des unternehmerischen Handelns in Frage gestellt. So treten Plattformunternehmen nicht
mehr als produzierende Akteure auf und überlassen diese Tätigkeit unternehmensexternen
Dritten. Plattformunternehmen fungieren vielmehr als Bereitsteller einer Infrastruktur, auf
der externe Kunden und Produzenten Interaktionen durchführen können. Der Erfolg digi-
taler Plattformen beruht unter anderem auf positiven Netzwerkeffekten. Sie treten auf,
wenn das Plattformökosystem an Wert gewinnt, je mehr Menschen oder Unternehmen die
Plattform nutzen. Zum Beispiel profitiert ein Uber-Fahrer von einer steigenden Anzahl an
Uber-Kunden. Uber-Kunden profitieren wiederum von dem Effekt, dass mehr Fahrer
Kundenanfragen schneller abarbeiten können. Dieser Effekt, in Kombination mit den ge-
ringen Grenzkosten, ist ausschlaggebend für das Disruptionspotenzial digitaler Platt-
formen. Der vermehrt wahrgenommene Erfolg digitaler Plattformen führt dazu, dass
immer mehr traditionelle Unternehmen an der Plattformökonomie partizipieren wollen.
Die Partizipation allein ist aber kein Garant für den Erfolg.
Für Unternehmen bieten sich unterschiedliche strategische Handlungsoptionen: Sie
können die Plattformökonomie bewusst meiden, bereits existierenden Plattformen bei-
treten oder den Aufbau einer eigenen Plattform forcieren. Um eine geeignete Handlungs-
option zu identifizieren, wird hierzu die Ausgangssituation des betrachteten Unternehmens
analysiert. Dabei werden für ein Unternehmen die Zielbranchen hinsichtlich ihrer Platt-
formtendenz und die Produktfamilien hinsichtlich ihrer Plattformeignung analysiert. Die
daraus gewonnenen Erkenntnisse werden mit den allgemeingültigen Strategieoptionen
synchronisiert und bilden die Grundlage für die Strategieentwicklung. Bei der Strategie-
entwicklung können vier Normstrategien für die Produktfamilien eines Unternehmens
unterschieden werden. Komplementiert wird die strategische Planung durch die Strategie-
umsetzung. Sie setzt sich aus der Operationalisierung der Strategie sowie dem Umsetzung-
und Prämissen Controlling zusammen. Letzteres stellt den langfristigen Erfolg der Platt-
formaktivitäten sicher.
Literatur
Baums, A., Schlössler, M., & Scott, B. (Hrsg.). (2015). Kompendium Industrie 4.0: Wie digitale
Plattformen die Wirtschaft verändern und wie die Politik gestalten kann. Kompendium Digitale
Standortpolitik.
Bullinger, H.-J. (1994). Einführung in das Technologiemanagement: Modelle, Methoden, Praxisbei-
spiele. Teubner.
Bundesministerium für Wirtschaft und Energie (2019). Die volkswirtschaftliche Bedeutung von di-
gitalen B2B-Plattformen im Verarbeitenden Gewerbe.
Choudary, S. P. (2015). Platform scale: How an emerging business model helps startups build large
empires with minimum investment. Platform Thinking Labs Pte. Ltd.
Domsch, M., Gerpott, H., & Gerpott, T. J. (1989). Technologische Gatekeeper in der industriellen
F&E: Merkmale und Leistungswirkungen (2. Aufl.). Poeschel.
Drewel, M. (2021). Systematik zum Einstieg in die Plattformökonomie (Dissertation, Fakultät für
Maschinenbau, Universität Paderborn), Paderborn.
Echterfeld, J. (2020). Systematik zur Digitalisierung von Produktprogrammen (Dissertation, Fakul-
tät für Maschinenbau, Universität Paderborn), Paderborn.
Engelhardt, S. von Wangler, L., & Wischmann, S. (2017). Eigenschaften und Erfolgsfaktoren digi-
taler Plattformen.
Engels, G., Plass, C., & Rammig, F. J. (Hrsg.) (2017). IT-Plattformen für die Smart Service Welt
(acatech Diskussion). Herbert Utz Verlag.
Europäische Kommission (Hrsg.). (2008). NACE Rev. 2 – Statistische Systematik der Wirtschafts-
zweige in der Europäischen Gemeinschaft. Eurostat Reihe Thema, Amt für Amtl. Veröff. der
Europ. Gemeinschaften.
Evans, D. S., & Schmalensee, R. (2016). Matchmakers: The new economies of Mulitsided platforms.
Harvard Business Review Press.
Evanschitzky, H. (2003). Erfolg von Dienstleistungsnetzwerken: Ein Netzwerkmarketingansatz.
Deutscher Universitätsverlag.
Gausemeier, J., & Plass, C. (2014). Zukunftsorientierte Unternehmensgestaltung – Strategien, Ge-
schäftsprozesse und IT-Systeme für die Produktion von morgen. Carl Heuser.
Gausemeier, J., Dumitrescu, R., Echterfeld, J., Pfänder, T., Steffen, D., & Thielemann, F. (2019).
Innovationen für die Märkte von morgen: Strategische Planung von Produkten, Dienstleistungen
und Geschäftsmodellen. Hanser.
Gerpott, T. J. (2005). Strategisches Technologie- und Innovationsmanagement (2. Aufl.).
Schäffer-Poeschel.
Herstatt, C., & Lettl, C. (2000). Management von technologie-getriebenen Entwicklungs-
projekten. TUHH.
Hevner, A. R., March, S. T., Park, J., & Ram, S. (2004). Design science in information systems. MIS
Quarterly, 28(1), 75–105.
Hoffmann-Riem, W., Brandt, E., & Schuler-Harms, M. (Hrsg.). (2010). Offene Rechtswissenschaft:
Ausgewählte Schriften von Wolfgang Hoffmann-Riem mit begleitenden Analysen. Mohr Siebeck.
Jaekel, M. (2017). Die Macht der digitalen Plattformen: Wegweiser im Zeitalter einer expandierenden
Digitalsphäre und Künstlicher Intelligenz. Springer Vieweg.
Kaeser, J. (2015). From data to business: Neue Geschäftsmodelle deutscher Industrieunternehmen.
In T. Becker & C. Knop (Hrsg.), Digitales Neuland: Warum Deutschlands Manager jetzt Revolu-
tionäre werden (S. 23–35). Springer Gabler.
Kagermann, H., Riemenperger, F., Leukert, B., & Wahlster, W. (2017). Wegweiser Smart Service
Welt: Smart Services im digitalen Wertschöpfungsnetz.
Katz, M. L., & Shapiro, C. (1986). Technology adoption in the presence of network externalities.
Journal of Political Economy, 94, 822–841.
168 L. Özcan et al.
Kaplan, R. S., & Norten, D. P. (1992). The Balanced Scorecard - Measures that Drive Performance.
Harvard Business Review, 70(1).
Krause, D., & Gebhardt, N. (2018). Methodische Entwicklung modularer Produktfamilien: Hohe
Produktvielfalt beherrschbar entwickeln. Springer Vieweg.
Lichtblau, K. (2019). Plattformen – Infrastruktur der Digitalisierung. Vereinigung der Bayerischen
Wirtschaft.
Linz, C., Müller-Stewens, G., & Zimmermann, A. (2017). Fit für die Zukunft. Harvard Business
Manager, 7, 44–56.
Matyssek, T. (2017). Geschäftsmodelle im Internet der Dinge. In D. Schallmo, A. Rusnjak, J. Anzen-
gruber, T. Werani & M. Jünger (Hrsg.), Digitale Transformation von Geschäftsmodellen
(S. 159–178). Springer Fachmedien Wiesbaden.
O’Sullivan, A., & Sheffrin, S. M. (2003). Economics: Principles in action. Prentice Hall.
Parker, G., van Alstyne, M., & Choudary, S. P. (2017). Platform revolution: How networked markets
are transforming the economy and how to make them work for you. W.W. Norton & Company.
Pidun, U., Reeves, M., & Schüssler, M. (2020). Why do most business ecosystems fail? BCG Hen-
derson Institute.
Porter, M. E. (1985). Competitive advantage – Creating and sustaining superior performance. The
Free Press.
Porter, M. E., & Millar, V. E. (1985). How information gives you competitive advantage. Harvard
Business Review, 4, 149–160.
Reillier, L. C., & Reillier, B. (2017). Platform strategy: How to unlock the power of communities and
networks to grow your business. Routledge.
Rochet, J.-C., & Tirole, J. (2003). Platform competition in two-sided markets. Journal of the Euro-
pean Economic Association, 1(4), 990–1029.
Rochet, J.-C., & Tirole, J. (2006). Two-sided markets: A progress report. The RAND Journal of
Economics, 37(3), 645–667.
Sayar, D., & Er, Ö. (2018). The antecedents of successful IoT service and system design: Cases from
the manufacturing industry. International Journal of Design, 12(1), 67–78.
Schmidt, K. (1972). Marktstruktur und wirtschaftliche Entwicklung: Ursachen von Marktstruktur-
veränderungen im wirtschaftlichen Entwicklungsprozeß und ihre Bedeutung für eine Markt-
strukturtheorie. Duncker & Humblot.
Shapiro, C., & Varian, G.-R. (1998). Information rules: A strategic guide to the network economy.
Harvard Business Review Press.
Siemens AG (2016). The role of platforms for the digitalisation of European industry. .
Spath, D., & Warschat, J. (2008). Innovationen durch neue Technologien. In H.-J. Bullinger (Hrsg.),
Fokus Technologie: Chancen erkennen — Leistungen entwickeln (S. 1–12). Hanser.
Specht, D., & Möhrle, M. G. (2002). Gabler-Lexikon Technologie-Management: Management von
Innovationen und neuen Technologien im Unternehmen. Gabler.
Stackelberg, H. (1951). Grundlagen der theoretischen Volkswirtschaftslehre (2. Aufl.). Francke.
Tiwana, A. (2014). Platform ecosystems: Aligning architecture, governance, and strategy. Morgan
Kaufmann.
Winter, J. (2017). Europa und die Plattformökonomie: Wie datengetriebene Geschäftsmodelle Wert-
schöpfungsketten verändern. In M. Bruhn & K. Hadwich (Hrsg.), Dienstleistungen 4.0: Ge-
schäftsmodelle — Wertschöpfung — Transformation (S. 71–88). Wiesbaden.
Zhu, F., & Furr, N. (2016). Products to platforms: Making the leap. Harvard Business Review,
94(4), 72–78.
7 Strategische Planung des Einstiegs in die Plattformökonomie 169
Matthias Gut
Zusammenfassung
M. Gut (*)
COFM Corp, Munich, Deutschland
E-Mail: [email protected]
Schlüsselwörter
8.1 Einführung
„Es ist nicht die stärkste Spezies, die überlebt, auch nicht die intelligenteste, sondern die-
jenige, die am besten auf Veränderungen reagiert.“ Charles Darwin, Downe, Groß-
britannien (1859)
Disruption, genauer beschrieben als Disruptive Innovation, existiert seit Beginn der
Menschheit und ist allgegenwärtig (Samit, 2015).
Der Eisenbahntransport hat die Pferdekutschenindustrie verdrängt. Kühlschränke
machten das Wertversprechen der industriellen Eisproduzenten obsolet. Heute beobachten
wir, dass neue Player wie z. B. Tesla etablierte deutsche Automobilhersteller bedrohen
(Kessler & Buck, 2016; Meckling & Nahm, 2017). Disruptive Innovationen werden er-
möglicht und getrieben durch technologische Weiterentwicklungen (Riemer & Johnston,
2016) – in den genannten Beispielen durch Dampfmaschinen, Gaskompression1 oder
Speicherung von elektrischer Energie. In jedem Fall ermöglichte die Nutzung neuer
Technologien neuen Marktteilnehmern etablierte Strukturen in Märkten, Volkswirt-
schaften und Gesellschaften außer Kraft zu setzen und grundlegend zu verändern (Dow-
nes, 2009).
Die wichtigste technologische Entwicklung heutzutage ist das Internet. Es ermöglicht
einen Echtzeit-Informationsfluss für Jedermann zu einem niedrigen Preis (Manyika &
1
Erfunden von Carl von Linde (1876) in München.
8 Fluch und Segen digitaler Disruption für den deutschen Mittelstand 173
Roxburgh, 2011). Sinkende Kosten für Datenspeicherung und vernetzte Sensoren, eine
flächendeckende Verfügbarkeit von mobilen Geräten sowie die Nutzung von Schlüssel-
technologien wie z. B. 4G-Funknetzwerke ermöglicht digitale Innovationen wie Social
Media, Data Analytics, 3D-Druck, Künstliche Intelligenz, Cloud Computing, Augmented
Reality, Virtual Reality, Blockchain und das Internet der Dinge (Vossen et al., 2017).
Das Verständnis des Potenzials digitaler Technologien ermöglicht es innovativen Unter-
nehmen neue Geschäftsmodelle zu schaffen, das Wertversprechen des bestehenden Pro-
dukt- und Dienstleistungsportfolios zu verbessern, Kundenbindung durch bessere (digi-
tale) Schnittstellen zu erhöhen und die Prozesseffizienz zu steigern (Anderl et al., 2017).
Innovationen, die durch digitale Technologien ermöglicht werden, oder eine Kombina-
tion derer sind, werden in der Forschung und Wissenschaft gemeinhin als digitale Innova-
tionen bezeichnet (Janke & Burkhardt, 2018).
Christensen (1997) unterscheidet zwei Arten von Innovationen, siehe Tab. 8.1.
Die Tatsache, dass digitale Technologien für jedermann sofort und zu geringen Kosten
zugänglich sind, macht deutlich, dass die Nutzung dieser durch Wettbewerber oder
Startups das Wertversprechen etablierter Unternehmen jeder Branche und jeder Größe be-
drohen kann (Keuper et al., 2013). Etablierte Unternehmen sind gezwungen, Strategien zu
entwickeln um potenzielle Bedrohungen durch digitale Disruption zu erkennen und – im
besten Fall – selbst zu Disruptoren zu werden, um auch in Zukunft relevant und wett-
bewerbsfähig zu bleiben (Janke & Burkhardt, 2018).
Die folgenden Beispiele zeigen, welchen Einfluss digitale Technologien auf Branchen,
Volkswirtschaften und unsere Gesellschaft haben. Das bedrohliche disruptive Potenzial
wird deutlich, siehe Tab. 8.2.
Die Ausführungen im vorhergehenden Kapitel zeigen auf, wie wichtig es ist für Unter-
nehmen sich schnell und dynamisch an Veränderungen im Kundenverhalten, bei Techno-
logien und rechtlichen Rahmenbedingungen anzupassen (Christensen, 2001; John-
son, 2012).
Die akademische Forschung weist darauf hin, dass neue Marktteilnehmer („Startups“)
in diesem Zusammenhang aus einer besseren Wettbewerbsposition heraus agieren. Ihr
Die wissenschaftliche Forschung konzentriert sich vor allem auf die Untersuchung der
Fähigkeiten und Herausforderungen von Unternehmen im Bereich der digitalen dis-
ruptiven Innovation im Wirtschaftsraum der Vereinigten Staaten von Amerika (Bower &
Christensen, 1995; Christensen, 1997; Karimi & Walter, 2015; McQuivey, 2011; O’Reilly
& Tushman, 2016). Insbesondere Startup-Unternehmen mit Sitz in Silicon Valley werden
als Champions in der Nutzung und Monetarisierung digitaler Technologien hervor-
gehoben. Diese zielen darauf ab, neue Marktsegmente zu erschließen und damit etablierte
Firmen zu disruptieren (Engel, 2015; Fairlie & Chatterji, 2013; Kenney, 2000). Abb. 8.1
veranschaulicht die Verteilung des gesamten weltweit investierten Risikokapitals im Jahr
2019 (Statista, 2019) und die am höchsten bewerteten Startup-Unternehmen im Jahr 2021
(Statista, 2021).
Die Abbildung zeigt, dass Keines der top bewerteten Startups in Deutschland ver-
wurzelt ist. Die meisten von ihnen spielen nicht einmal eine nennenswerte Rolle auf dem
deutschen Markt. Dies, und das Ungleichgewicht in der globalen Verteilung des Risiko-
kapitals, kann als Wettbewerbsnachteil für die deutsche Wirtschaft in Bezug auf digitale
Innovation im globalen Maßstab interpretiert werden.
8 Fluch und Segen digitaler Disruption für den deutschen Mittelstand 175
Abb. 8.1 Top10 der höchst bewerteten Startups weltweit. (Quelle: Autor, adaptiert von Sta-
tista (2021))
100
80
60
40
20
0
2008-01
2008-04
2008-07
2008-10
2009-01
2009-04
2009-07
2009-10
2010-01
2010-04
2010-07
2010-10
2011-01
2011-04
2011-07
2011-10
2012-01
2012-04
2012-07
2012-10
2013-01
2013-04
2013-07
2013-10
2014-01
2014-04
2014-07
2014-10
2015-01
2015-04
2015-07
2015-10
2016-01
2016-04
2016-07
2016-10
2017-01
2017-04
2017-07
2017-10
2018-01
2018-04
2018-07
2018-10
Digital disruption (US) Digitale Disruption (DE)
Abb. 8.2 Relative Häufigkeit der Onlinesuchereignisse nach ‚Digital Disruption‘ in USA und
Deutschland. (Quelle: Autor, adaptiert von Google Trends, 2018)
tudie und Hinweise auf weitere Forschung bilden die wissenschaftliche Grundlage
S
und den Ausgangspunkt für die vorliegende Arbeit.
Motiviert durch (1) Erkenntnisse aus bestehender wissenschaftlicher Literatur, (2) die
Ergebnisse der Studie von Christensen et al. (2016) und (3) eine identifizierte Lücke in der
akademischen Forschung mit Fokus auf den deutschen Mittelstand ist die primäre
Forschungsfrage (PRQ) dieses Forschungsprojekts wie folgt definiert: „Sind deutsche
mittelständische Unternehmen bereit für den Umgang mit digitaler disruptiver In-
novation?“
Die weitere Untersuchung des Themas führt zu den folgenden sekundären Forschungs-
fragen (SRQ), siehe Tab. 8.3.
8.2 Grundlagen
Ziel dieses Kapitels ist es, ein gemeinsames Verständnis der relevanten Begriffe, Definitio-
nen, Terminologien und Zusammenhänge zu schaffen. Die folgenden Grundlagen stellen
die Schlüsselelemente des Forschungsgebiets dieser Arbeit dar und müssen klar definiert
und abgegrenzt werden:
8.2.1 Ambidextrie
Das Prinzip der Ambidextrie beschreibt den Prozess der Sicherstellung eines angemessenen
Gleichgewichts zwischen dem Betrieb etablierter Kerngeschäftsprozesse (Exploit) und
8 Fluch und Segen digitaler Disruption für den deutschen Mittelstand 177
darin überein, dass die Zuteilung von Ressourcen und die Schaffung von Freiräumen für
beide Modi Operandi in angemessener Weise einen wesentlichen Erfolgsfaktor für die zu-
künftige Wettbewerbsfähigkeit eines Unternehmens darstellen (O’Reilly & Tushman,
2008, 2011; Raisch et al., 2009).
Technologische Innovationen wie z. B. die Erfindung der Dampfmaschine, Light Emitting
Diodes (LEDs), der MP3-Codec oder 3D-Drucker ermöglichten es weitreichende revolu-
tionäre Marktveränderungen anzustoßen (Riemer & Johnston, 2016). Forscher bezeichnen
diese Technologien im Allgemeinen als „disruptive Technologien“, die sich durch zwei
wesentliche Eigenschaften auszeichnen (Bower & Christensen, 1995), siehe Tab. 8.4.
Die Untersuchung der Unterschiede zwischen evolutionären Technologien und dis-
ruptiven Technologien stellt einen wichtigen Schwerpunkt der Forschung dar. Christensen
(1997), um das prominenteste Beispiel zu nennen, entwickelte die These, dass disruptive
Technologien zu Beginn ein geringeres Wertversprechen als bestehende Angebote auf-
weisen. Sie erscheinen für den bestehenden Kundenstamm etablierter Unternehmen wenig
attraktiv, schaffen jedoch einen Mehrwert für neue Kunden- oder Marktsegmente. Durch
Wachstum in neuen Marktsegmenten und kontinuierliche Weiterentwicklung in Bezug auf
Leistung und Effizienz haben disruptive Technologien schließlich das Potenzial, das Wert-
versprechen etablierter Produkte zu übertreffen (Bower & Christensen, 1995; Tellis,
2006). Verstärkt wird die disruptive Kraft durch die Fähigkeit digitaler Technologien
schneller als je zuvor in der Geschichte zur Massenadaption zu skalieren. Dies ist vor
allem darin begründet, dass das Wertversprechen digitaler Produkte und Dienstleistungen
primär auf Softwarekomponenten basiert, die schnell und mit geringem Aufwand ent-
wickelt und ausgeliefert werden können (Means & Schwab, 2015). Abb. 8.3 veranschau-
licht die Geschwindigkeit der Massenskalierung.
cc Definition Disruption, die auf digitalen Technologien basiert, wird in der Wissen-
schaft als „Digitale Disruption“ bezeichnet (Janke & Burkhardt, 2018).
Tab. 8.4 Merkmale von disruptiven Technologien. (Quelle: Bower & Christensen, 1995)
40
35
30
25
20
15
10
0
Radio Television Ipod Internet Facebook Twitter WeChat
Abb. 8.3 Massenskalierung disruptiver Technologien. (Quelle: Autor, adaptiert von Supratim Ad-
hikari (2017))
cc Definition Innovation, die digitale Technologien nutzt oder ermöglicht, wird als „Di-
gitale Innovation“ bezeichnet (Danneels, 2004; Thomond et al., 2003).
180 M. Gut
Abb. 8.4 Das disruptive Innovationsmodell von Christensen (1997). (Quelle: Autor, adaptiert von
King & Baatartogtokh, 2015)
Sicht des Kunden und zielgerichteter Lieferung. Digitale Disruptoren tun dies zu geringe-
ren Kosten, mit schnelleren Entwicklungszeiten und mit größerer Auswirkung auf das
Kundenerlebnis als alles, was vorher war.“ (S. 3). Er weist auf drei Aspekte hin, die digi-
tale Disruption vom traditionellen Verständnis von Disruption unterscheiden, siehe
Tab. 8.5.
Riemer et al. (2015) erweiterten die Theorie von McQuivey (2013), indem sie aus einer
makroökonomischen Perspektive fünf Bereiche spezifizierten, in welchen digitale Disrup-
tion wahrscheinlich ist, Tab. 8.6.
Gleichzeitig identifizierte Moore (2015) aus mikroökonomischer Sicht drei Bereiche, in
denen digitale Disruption auf etablierte Unternehmen trifft, siehe Tab. 8.7.
Tab. 8.6 Ziele disruptiver Innovation aus makroökonomischer Sicht. (Quelle: Riemer et al., 2015 )
Domäne Beispiel
Persönlicher Alltag Mobile Konnektivität verändert etablierte Work-Life-Gewohnheiten.
Arbeitspraktiken Soziale Medien verändern die Art und Weise, wie wir interagieren und uns
organisieren.
Geschäftspraktiken Moderne Kollaborationsplattformen verändern die Art und Weise, wie wir
Informationen organisieren und teilen. Ein neuer Modus des
Informationsaustausches prägt die Unternehmenskulturen.
Industrie- Neue, digitale Akteure am Markt nutzen Informationsasymmetrien auf eine
strukturen Art und Weise, die traditionelle Wertschöpfungsketten disruptiert.
Gesellschaft Social-Media-Kampagnen beeinflussen die traditionellen Praktiken der
öffentlichen Meinungsbildung, des Journalismus und der Politik.
182 M. Gut
Tab. 8.7 Ziele disruptiver Innovation aus mikroökonomischer Sicht. (Quelle: Moore, 2015)
Domäne Bedrohungsszenario Beispiel
Infrastruktur- Disruptive Bedrohungen durch Einsatz von Drohnen zur
modell digitale Technologien, die Fassadenvermessung in der Bauindustrie
Konkurrenten möglicherweise
besser zu nutzen verstehen, um
Effizienz und Leistung zu steigern.
Betriebsmodell Disruptive Bedrohungen durch Smarte Mülltonnen, die ihren Füllstand
digitale Technologien, die an eine Cloud-Plattform übermitteln,
Arbeitsabläufe innerhalb einer ermöglichen es Müllwägen ihre Route
Branche verändern. durch die Städte bei Bedarf dynamisch
anzupassen und zu optimieren.
Geschäftsmodell Disruptive Bedrohungen durch Vernetzte Sensoren in Luftkompressoren
digitale Technologien, die verändern das Geschäftsmodell vom
bestehende Geschäftsmodelle Verkauf von Maschinen hin zur
obsolet machen. Lieferung von Druckluft als
Dienstleistung.
McQuivey (2013) betont das Risiko, dass digitale Disruption jede Branche bedroht –
Sei es ihr Produkt- und Dienstleistungsportfolio oder interne Prozesse: „Das Potential di-
gitaler Disruption ist genau deshalb um ein Vielfaches größer, weil es auch Industrien
bedroht, die noch nicht digitalisiert sind. Sie geschieht durch digitale Produkte, die dann
die Disruption physischer Dinge beschleunigen.“ (S. 9). Die Autoren analysieren die
Unterschiede zwischen traditioneller physischer Disruption und digitaler Disruption und
schließen, dass „Physikalische Disruption bedingt die sorgfältige Weiterentwicklung und
Optimierung von physischen Ressourcen. Diese Ressourcen sind oft teuer, ebenso wie die
Fabriken, in denen sie hergestellt werden. [Firmen] können nur profitabel werden, wenn
sie Skalierung erreichen, und Skalierung erfordert massive Anfangsinvestitionen, um zu
disruptiven Preisen erfolgreich zu sein[.]“ (S. 9).
Abgeleitet aus mehreren wissenschaftlichen Quellen (Afuah, 2016; Garcia & Calan-
tone, 2002; O’Reilly & Tushman, 2016) gilt für diese Arbeit die folgende Definition von
digitaler disruptiver Innovation:
cc Definition Digitale disruptive Innovationen haben die Macht, etablierte Produkt- und
Dienstleistungsangebote zu untergraben, indem sie ein durch digitale Technologien er-
möglichtes Wertversprechen liefern.
Quelle: Autor
Es ist wichtig, den Begriff „Deutscher Mittelstand“ genau zu bestimmen, um ein ge-
meinsames Verständnis für den primären Forschungsgegenstand dieser Arbeit zu gewin-
nen. Im Allgemeinen verwenden Wissenschaftler den Begriff „Mittelstand“ häufig als
8 Fluch und Segen digitaler Disruption für den deutschen Mittelstand 183
Referenz für eine Vielzahl von Unternehmen, die (1) nicht börsennotiert sind, (2) sich in
Familienbesitz befinden oder von den Eigentümerfamilien formativ gesteuert werden, (3)
versteckte Marktführer innerhalb ihrer Branche sind und (4) nicht Teil eines großen Unter-
nehmenskonglomerats sind (Khadjavi et al., 2005; Schäfer, 2004). Dem deutschen Mittel-
stand werden gemeinhin die folgenden Eigenschaften zugeschrieben, siehe Tab. 8.8.
Die genannte Kategorie von Unternehmen stellt das Rückgrat der deutschen Wirtschaft
dar (BMWi, 2016) und liefert einen großen Teil des Bruttoinlandsprodukts (Haunschild &
Wolter, 2010; IfM Bonn, 2015). Ein Anteil von ca. 95 % aller deutschen Unternehmen in
Familienbesitz (Wolter & Günterberg, o. J.) unterstreicht die Relevanz des Mittelstandes
für die deutsche Wirtschaft. So werden diese Unternehmen von Politikern und Praktikern
oft als Synonym für Innovation, Wachstum und Beschäftigung gesehen und zitiert
(Goeke, 2008).
Wissenschaftler sind sich einig darüber, dass es keine allgemein akzeptierte Definition
für den deutschen Mittelstand gibt: „In Theorie und Praxis gibt es keine eindeutigen und
expliziten Kriterien für die Definition von kleinen und mittleren Unternehmen.“ (Khadjavi
et al., 2005). Es gibt keine klare Abgrenzung zwischen den Begriffen „Mittelstand“,
„KMU“ und „Familienunternehmen“ (Becker et al., 2008; Khadjavi et al., 2005). Das IfM
Bonn (2015) bekräftigt diese These und erklärt, dass die Begriffe „mittelständische Unter-
nehmen“, „Familienunternehmen“, „eigentümergeführte Unternehmen“ und „familien-
geführte Unternehmen“ als Synonyme zu betrachten sind. Abgeleitet von diesen Definitio-
nen sollen im Rahmen dieser Arbeit die folgenden Parameter den deutschen Mittelstand
definieren, siehe Tab. 8.9.
Die Firmen werden in den folgenden Kapiteln als „KMU“ (Kleine und Mittlere Unter-
nehmen) bezeichnet.
8.3 Literaturübersicht
2
Beispiele: Yahoo, Nokia, Kodak, Compaq.
3
Stichprobe von ca. 30.000 börsennotierten Unternehmen in den USA zwischen 1960 und 2009.
8 Fluch und Segen digitaler Disruption für den deutschen Mittelstand 185
60
50
40
30
-simuliert-
20
10
0
1955 1965 1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020 2025 2030
1955 1965 1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020 2025 2030
Abb. 8.6 Durchschnittliche Lebensdauer der S&P-Firmen zwischen 1965 und 2018. (Quelle:
Autor, adaptiert von Innosight.com (2015))
sen, 1997, S. 38). Darüber hinaus zeigen ihre Untersuchungen, dass etablierte Unter-
nehmen gut darin sind, Innovationen zu liefern, die von Kunden gefordert und aktiv nach-
gefragt werden. Es stellt jedoch eine Herausforderung dar, Innovationen im Markt
einzuführen, die sich an Zielgruppen außerhalb des bestehenden Kundenstamms richten.
O’Reilly und Tushman (2016) bekräftigen diese These: „[Etablierte Firmen] bevorzugen
naturgemäß Optionen mit größerer Gewissheit des kurzfristigen Erfolgs. Exploration hin-
gegen ist von Natur aus ineffizient, riskant und vielleicht sogar beängstigend. […] Solche
Organisationen werden kurzfristig dominant, sie sind aber langfristig obsolet und schei-
tern.“ (S. 13). Denning (2016) beschreibt, wie Christensen seine Theorie des Innovators
Dilemma ergänzt durch Adaption an die neuesten technologischen Entwicklungen und die
damit verbundenen Veränderungen in Gesellschaft und Wirtschaft. Er betont insbesondere
(1) die verstärkte Dynamik bei der Aufrechterhaltung von Innovationen, (2) die dramati-
sche Zunahme der Innovationsgeschwindigkeit, die durch die allgegenwärtige Verfügbar-
keit digitaler Technologien ermöglicht wird, und (3) die zunehmenden Schwierigkeiten
bei der Reaktion auf digitale Disruption als Herausforderung.
Bower und Christensen (1995) untersuchten anhand von Fallstudien aus der Fest-
plattenindustrie die Vorgehensweise von Unternehmen bei der Identifizierung und Be-
wertung disruptiver Technologien: „Zweifellos haben Bürokratie, Arroganz, müdes
Managerblut, schlechte Planung und kurzfristige Investitionshorizonte eine Rolle gespielt.
Aber der Hauptgrund liegt im Herzen des Paradoxons: Führende Unternehmen erliegen
einem der beliebtesten und wertvollsten Management-Dogmen. Sie bleiben nah an ihren
Kunden.“ (S. 1). Das Ergebnis ihrer Arbeit fasst prominente Managementmuster zu-
sammen, die dazu führen, dass etablierte Unternehmen im Wettbewerb auf dem Gebiet der
digitalen Disruption scheitern, siehe Tab. 8.10.
Tellis (2006) betont einen Mangel an Vision als Hauptfaktor für das Scheitern von eta-
blierten Unternehmen im Umgang mit digitaler Disruption: „[T]he disruption of incum-
bents […] is due not to technological innovation per se but rather to incumbents‘ lack of
vision of the mass market and an unwillingness to cannibalize assets to serve that mar-
ket.“ (S. 1).
Henderson (2006) argumentiert, dass Christensen (1997) Fokus auf disruptive Innova-
tion „die kritische Rolle verdeckt, die tief eingebettete kunden- oder marktbezogene Kom-
petenzen bei der Gestaltung der Art und Weise spielen, wie Unternehmen auf disruptive
Innovationen reagieren.“ (S. 1). Damit unterstreicht sie die Bedeutung von „organisatori-
scher Kompetenz, im traditionellen Sinne der organisatorischen Routinen etablierter
Unternehmen“ als entscheidende Voraussetzung, um „Veränderungen [des Marktes] zu
spüren und darauf zu reagieren.“ (S. 6).
Lucas und Goh (2009) unterstützen die These von Henderson (2006). Sie merken an,
dass Mitarbeiter im mittleren Management etablierter Unternehmen sich nicht der Not-
wendigkeit bewusst sind, sich den Bedrohungen digitaler Disruption zu stellen: „Das
obere Management muss andere von der Notwendigkeit überzeugen, sich in eine neue
Richtung zu bewegen. […] [Wir] sind daran interessiert, wie das mittlere Management
8 Fluch und Segen digitaler Disruption für den deutschen Mittelstand 187
Tab. 8.10 Prominente Management-Muster gescheiterter Firmen. (Quelle: Bower & Christen-
sen, 1995)
Referenz Erkenntnisse
1 „Die Ertrags- und Kostenstrukturen eines Unternehmens Bestehende Ertrags- und
spielen eine entscheidende Rolle bei der Bewertung von Kostenstrukturen behindern
vorgeschlagenen technologischen Innovationen. […] [M] eine angemessene Bewertung
anager kommen typischerweise zu dem Schluss, dass die von Technologien
Technologie keinen sinnvollen Beitrag zum
Unternehmenswachstum leisten kann und daher den
Managementaufwand für ihre Entwicklung nicht wert ist.“
(S. 47).
2 „[M]anager können vermeiden die nächste Welle [der Die Einführung disruptiver
disruptiven Technologie] zu verpassen, indem sie sorgfältig Technologien, die nicht auf
auf potenziell disruptive Technologien achten, die nicht den die Bedürfnisse bestehender
aktuellen Kundenbedürfnissen entsprechen.“ (S. 47) Kunden ausgerichtet sind,
scheint eine Herausforderung
zu sein.
3 „Das Management der Entwicklung neuer Technologien ist Etablierte
eng mit den Investitionsprozessen eines Unternehmens Investitionsprozesse
verbunden. […] Unternehmen […] verwenden analytische behindern die Finanzierung
Planungs- und Budgetierungssysteme, um unter den digitaler Vorhaben aufgrund
Kandidaten konkurrierender Initiativen zu entscheiden. ungenauer Planungs- und
Ansätze zur Gründung neuer Unternehmen in neuen Märkten Prognosefähigkeiten.
sind besonders schwierig zu bewerten, da sie von notorischen
Schätzungen der Marktgröße abhängen. […] Das Risiko wird
reduziert – und Karrieren werden gesichert – indem man
bekannten Kunden gibt, was sie wollen.“ (S. 47)
4 „Firmen haben etablierte Prozesse um Technologien zu Die Fähigkeit, zwischen
beobachten, die das Kerngeschäft stützen oder verbessern. unterstützenden und
Aber nur wenige haben systematische Prozesse, um potenziell disruptiven Technologien zu
disruptive Technologien zu identifizieren und zu verfolgen.“ unterscheiden, spielt eine
(S. 49) wichtige Rolle.
sich selbst verändert und auch den Wandel in der Organisation herbeiführt.“ (S. 47). Da
rüber hinaus erweitern die Wissenschaftler Christensens Theorie des Innovator's Dilemma
um die Notwendigkeit, „die Kultur der Organisation mit einzubeziehen, womit wir die
Überzeugungen der Mitarbeiter, die Art und Weise, wie sich das Unternehmen organisiert,
und die Art der Interaktionen zwischen den Mitarbeitern meinen.“ (S. 47). Damit weisen
sie hin auf Kultur als kritischen Erfolgsfaktor.
O’Reilly und Tushman (2016) haben mehrere Fälle von Unternehmen untersucht, die
bei der Nutzung neuer Technologien erfolglos waren und deshalb von neuen Marktteil-
nehmern disputiert wurden. Sie weisen darauf hin, dass Erfolg oder Misserfolg „mit Füh-
rung zu tun hat – und damit, wie Führungskräfte angesichts des Wandels handeln.“ (S. 44).
Basierend auf dieser Hypothese haben die Wissenschaftler die folgenden Herausforderungen
als Barrieren im Umgang mit digitaler Innovation herausgearbeitet, siehe Tab. 8.11.
188 M. Gut
Thomond et al. (2003) führten einen dreitägigen Workshop mit leitenden Angestellten
einer heterogenen Gruppe von Akademikern und Praktikern durch, um die wichtigsten
Herausforderungen und Barrieren im Umgang mit digitaler Disruption zu untersuchen.
Die folgende Liste, sortiert nach Kritikalität, zeigt das Ergebnis des Workshops, siehe
Tab. 8.12.
Die Ergebnisse der wissenschaftlichen Arbeiten geben Hinweise darauf, warum digi-
tale Disruption eine Bedrohung für etablierte Unternehmen darstellt und warum sich
Führungskräfte ernsthaft mit dieser Herausforderung auseinandersetzen müssen.
Tab. 8.11 Herausforderungen im Umgang mit disruptiver Innovation. (Quelle: O’Reilly, C.A., &
Tushman, M. (2016))
Referenz Erkenntnisse
1 „Vor fünfzig […] Jahren hatten Manager den Geschwindigkeit ist entscheidend. Langsame
Luxus der Zeit. Wenn sie zu langsam auf Entscheidungsprozesse hindern etablierte
Veränderungen reagierten, konnten sie dies Firmen daran, schnell zu reagieren und zu
ausgleichen. Dies ist nicht mehr der Fall.“ liefern.
(S. 7)
2 „Das Experimentieren mit neuen Geschäften Digitale Innovationen erscheinen im Hinblick
und Geschäftsmodellen wird oft als auf die zu erwartende Rendite unattraktiv.
Ablenkung angesehen oder bietet nicht die Daher werden bevorzugt traditionelle,
Einnahmen und Margen, die das bestehende nachhaltige Innovationen unterstützt (Oke
Geschäft liefern kann.“ (S. 53) et al., 2007).
3 „[D]ie Tendenz geht dahin, zu viel in das
bestehende Geschäft und zu wenig in die
Erkundung zu investieren.“ (S. 53)
4 „Erfolg im bestehenden Geschäft kann Nachhaltiger Erfolg mit etablierten Prozessen,
Manager daran hindern Neues zu erkunden; Vorgehensweisen und Geschäftsmodellen
Wir nennen dies das Success Syndrome.“ erhöht die mentalen Barrieren für
(S. 20) Veränderungen.
Tab. 8.12 Kritikalität der Herausforderungen im Umgang mit digitaler disruptiver Innovation.
(Quelle: Thomond et al., 2003)
Kritikalität Herausforderung
1 Mangelndes strategisches Bewusstsein
2 Mangelnde Fähigkeit Chancen und Möglichkeiten zu erkennen
3 Mangelnde Fähigkeit, die Initiierung von potenziell disruptiven Ideen zu fördern
4 Unangemessenes Management von Ideen führt dazu, dass potenziell disruptive
Konzepte ignoriert oder zu wenig beachtet werden
5–10 Mangel an branchenrelevanter Beratung
5–10 Innovationskultur, die auf inkrementelle Verbesserung ausgerichtet ist
5–10 Etablierte Marketingprozesse mit Fokus auf Kerngeschäft
5–10 Etablierte Marktforschung mit Fokus auf Kerngeschäft
5–10 Mangelnde Fähigkeit, organisatorische Gegebenheiten in Frage zu stellen
5–10 Erwartung von Kunden, aktiv nach disruptiven Ansätzen zu fragen
8 Fluch und Segen digitaler Disruption für den deutschen Mittelstand 189
8.3.2 Strategien
[…] zu präsentieren.“ (S. 13). Das Unternehmen ist bestrebt, innovatives Denken und Ini-
tiativen im Unternehmen zu fördern. Außerdem berichten sie über die Gründung einer
Innovationsakademie im Unternehmen um „Ergebnisse von […] Projekten […] und an-
dere interessante Themen rund um die tägliche Arbeit zu diskutieren.“ (S. 12). Die
Akademie soll, ähnlich wie der Businessplan light, „Kanäle […] zur Beeinflussung der
Konzernstrategie in einer sich ständig verändernden, diskontinuierlichen Welt bieten.“
(Thomond et al., 2003, S. 12).
O’Reilly und Tushman (2004) und Tushman & O’Reilly (1996) untersuchten autonome
Einheiten innerhalb etablierter Organisationen um „neue Möglichkeiten zu erforschen,
während [Firmen] daran arbeiten, das Kerngeschäft weiter zu betreiben.“ (S. 2). Die Au-
toren schlagen vor „die […] neuen, explorativen Einheiten von den etablierten Einheiten
zu trennen, indem sie unterschiedliche Prozesse, Strukturen und Kulturen einführen;
gleichzeitig halten sie enge Verbindungen zwischen den Einheiten auf der Ebene der obe-
ren Führungskräfte aufrecht.“ (S. 2). Dies unterstreicht die Priorität für ambidextre Mana-
ger, die „Fähigkeit mitzubringen, die Bedürfnisse von sehr unterschiedlichen Arten von
Unternehmen zu verstehen und sensibel dafür zu sein“ (S. 3).
Etwa ein Jahrzehnt später untersuchte Christensen (2013) das Themenfeld der auto-
nomen Einheiten weiter. Diese werden oft als explorative Einheiten, Spin-offs oder Aus-
gründungen bezeichnet. Das Ergebnis der Arbeit kommt im Gegensatz zu Tushman &
O’Reilly (1996) zu dem Schluss, dass “focus[ing] on proposals that customers reject, that
offer lower profit, that underperform existing technologies […] is akin to flapping one’s
arms with wings strapped to them in an attempt to fly.” (S. 103). Die Autoren sehen keine
Möglichkeit, bestehende Prozesse und Ressourcen, die sich auf den Betrieb des Kern-
geschäfts konzentrieren, für umfassende digitale Disruptionsinitiativen zu nutzen. Hen-
derson (2006) bekräftigt diese These, indem er auf die Schwierigkeit hinweist „an-
gemessene Anreizstrukturen [für autonome Einheiten] zu schaffen.“ (S. 7).
Um Führungskräfte zu beraten, welchen Weg des Organisationsaufbaus sie einschlagen
sollen, entwickelten O’Reilly & Tushman (2008) ein Entscheidungsmodell, welches den
operativen Einfluss in Bezug zur strategischen Bedeutung als Schlüsselfaktoren der Ent-
scheidung berücksichtigt. Die Wissenschaftler argumentieren, dass der geeignete Aufbau
von Organisationen zum optimalen Umgang mit disruptiven Innovationen in hohem Maße
von der strategischen Bedeutung des (neuen) Produkt- und Dienstleistungsportfolios ab-
hängt. Sie betonen, dass die Organisationsstruktur als eine dynamische Fähigkeit gesehen
werden muss, die sich bei jeder (digitalen) Innovationsinitiative verändert und neu defi-
niert wird (O’Reilly & Tushman, 2008).
Markides und Charitou (2004) untersuchten die Möglichkeit für etablierte Unter-
nehmen, zwei verschiedene Geschäftsmodelle im selben Markt anzuwenden, um sowohl
die Chancen und Möglichkeiten disruptiver Ansätze als auch die Nutzung etablierter Er-
tragsströme zu nutzen. Sie sehen eine Chance für etablierte Unternehmen, „[…] eine
große Wachstumschance zu nutzen.“ (S. 2). Allerdings weisen die Autoren auf das Risiko
hin, „beides falsch zu managen und Werte zu zerstören.“ (S. 2). Die größte Heraus-
8 Fluch und Segen digitaler Disruption für den deutschen Mittelstand 191
forderung besteht darin, „die neuen Geschäftsmodelle zu implementieren ohne […] be-
stehende Modelle zu verwässern und zu zerstören“ (S. 2).
Mit dem Ziel, eine Blaupause für den Aufbau eines disruptiven Innovationsmotors zu
definieren, identifizierten Rigby und Corbett (2002) die Disruptionssensitivität in etablier-
ten Kernindustrien als Haupterfolgsfaktor für den erfolgreichen Umgang mit digitaler
Disruption. Die Wissenschaftler weisen darauf hin, dass die Abstimmung von Strategien
mit der individuellen Disruptionssensitivität entscheidend ist um Innovationsinitiativen in
die richtige Richtung zu lenken. Die Bedeutung der Sensibilität für disruptive Bedrohungen
wird von Farshad & Kampas (2002) bestätigt, indem sie die Notwendigkeit betonen in-
terne Prozesse zur Prüfung disruptiver Bedrohungen zu etablieren.
Bughin und Van Zeebroeck (2017) beschreiben den Red-Queen-Ansatz als ein Phäno-
men des Wettbewerbs unter etablierten Unternehmen. Basierend auf einem globalen quan-
titativen Forschungsansatz4 veranschaulichen die Autoren wie Unternehmen dazu neigen
digitale Innovationsinitiativen ihrer Konkurrenten zu imitieren, sobald diese öffentlich
sind,5 und betonen, dass „etablierte Unternehmen, die auf Disruption reagieren, einen in-
tensiveren Wettbewerb untereinander schaffen.“ (S. 2). Daraus folgern sie, dass „Organi-
sationen in die Offensive gehen sollten[.]“ (S. 2), was bedeutet, dass aktives Handeln lang-
fristig mehr Wert liefert als das Reagieren auf oder Imitieren von Initiativen des
Wettbewerbs. Dies ist nur möglich, indem entweder (1) neue Kundensegmente erschlossen
werden, (2) neue Geschäftsmodelle eingeführt werden oder (3) die bestehende Wert-
schöpfungskette neu definiert wird (Bughin & Van Zeebroeck, 2017).
Doz und De Roover (2017) erforschten strategische Allianzen als Reaktionsmaßnahme
auf digitale Disruption. Die Intention der Wissenschaftler ist es „einen Weg vorzuschlagen,
wie strategische Allianzen zwischen etablierten Wettbewerbern die Entwicklung erfolg-
reicher Antworten auf Disruption ermöglichen.“ (S. 1). Bei der Ausarbeitung der ver-
schiedenen Faktoren, die im Kontext einer Allianz berücksichtigt werden müssen, stellten
die Wissenschaftler fest, dass Governance-Mechanismen entscheidend sind und gleich-
zeitig die größte Herausforderung für Führungskräfte darstellen.
Zusammenfassend lassen sich drei Kategorien von Reaktionsstrategien ableiten, siehe
Tab. 8.14.
Bemerkung
Die Erhebung wissenschaftlicher Daten im Bereich digitaler Innovationsstrategien scheint
aufgrund der Vertraulichkeit und Sensibilität der Daten schwierig zu sein, da Innovations-
manager versuchen, die Offenlegung ihrer strategischen Ansätze und damit verbundene
Probleme zu vermeiden (Bughin & Van Zeebroeck, 2017). Daher ist die Menge an akade-
mischer Literatur zu diesem Thema im Gegensatz zu Arbeiten über digitale disruptive In-
novation im Allgemeinen begrenzt.
4
Umfrage unter Führungskräften von 2000 Unternehmen in mehr als 60 Ländern.
5
Beispiele: Online-Shops, Paket-Industrie, Banken-Industrie.
192 M. Gut
Kap. 2 weist auf einen Mangel an akademischer Forschung über digitale disruptive Inno-
vation mit Fokus auf deutsche mittelständische Unternehmen hin. Dieser Abschnitt fasst
die bestehende relevante Literatur in diesem Forschungsfeld zusammen.
Tab. 8.15 Merkmale des deutschen Mittelstandes. (Quelle: Williams et al., 2018)
1 Langfristiges Denken 2 Nicht-finanzielle Ziele vor finanziellen
Zielen
3 Einheitliche Eigentümerstruktur und Kontrolle 4 Unternehmen können kontrazyklisch
agieren
5 Visionsorientiert 6 Internes System relativ frei von politischen
Machtstrukturen
7 Interne Kultur mit hohem Zusammenhalt, die 8 Relativ unbeeindruckt von der
zu Herausforderungen ermutigt Machtstruktur und Orthodoxie der Branche
Management, die Flexibilität bei der Entscheidungsfindung und die Fähigkeit zur schnel-
len Anpassung an Veränderungen im externen Umfeld (Craig et al., 2014).
Schallmo (2016b) schlägt im Rahmen einer Forschungsreihe über Herausforderungen
bei der Transformation von Geschäftsmodellen vor, das Zürcher Modell der Führung
(Rühli, 1984) zu verwenden, um die einzigartigen Eigenschaften von KMU zu identi-
fizieren. Das Modell weist auf die spezifischen Merkmale und Eigenschaften eines Unter-
nehmens hin, indem es Kultur, Struktur und Strategie als Grundpfeiler definiert und be-
wertet. Becker et al. (2008) wendeten das Modell auf deutsche mittelständische
Unternehmen an und stellten fest, dass alle Determinanten, im Gegensatz zu börsen-
notierten Unternehmen, sehr kleinen Unternehmen oder riesigen Konglomeraten, auf die
Interessen der Eigentümer als gemeinsame Richtung ausgerichtet sind. Dies deutet darauf
hin, dass die Besitzstruktur von KMU eine bedeutende Rolle bei Entscheidungen und
Machtstrukturen spielt. Als wesentliches Ergebnis ihrer Forschungsarbeit leiteten die Au-
toren die folgenden spezifischen Merkmale ab, siehe Tab. 8.16.
Die spezifischen Merkmale können für KMU eine Stärke oder eine Schwäche dar-
stellen, wenn es darum geht, digitale Disruptionsinitiativen zu verfolgen (Demary
et al., 2016).
6
kleine bis mittelständische Unternehmen von 20 bis 500 Mitarbeitern, keine Startups.
194 M. Gut
die Menge an freien Ressourcen und die Art von hierarchischen Verwaltungssystemen
verfügen, die größeren Unternehmen bei der Bewältigung ihrer widersprüchlichen
Wissensprozesse helfen […], was sie hindert an der Umsetzung von Ambidextrie.“
(S. 647). Ihre These besagt, dass – im Fall von kleinen und mittleren Unternehmen – der
Grad der Beteiligung des Top-Managements „einen direkten Einfluss darauf hat, wie Mit-
arbeiter mit den widersprüchlichen Wissensprozessen umgehen, die über Erfolg oder
Misserfolg einer ambidextren Orientierung entscheiden[.]“ (Lubatkin et al., 2006, S. 647).
Nagle und Golden (2009) zeigen auf, dass „das Innovators Dilemma nur auf große
Unternehmen angewandt wurde […].“ (S. 1). Das Ergebnis ihrer Untersuchung zur An-
wendbarkeit des Innovator’s Dilemma auf mittelständische Organisationen7 deutet darauf
hin, dass es entscheidend ist zwischen Firmen zu unterscheiden, die vor dem Web 2.0
(„pre-2002“) und danach („post-2002“) gegründet wurden. Die Studie zeigt, dass das In-
novator’s Dilemma auf beide Arten von Firmen zutrifft. Post-2002-Firmen schneiden bei
der Vermeidung negativer Auswirkungen digitaler Disruption besser ab, was auf ihre
Technologieaffinität und damit auf ihre Fähigkeit zurückzuführen ist, die Auswirkungen
der Technologie vorherzusehen: „[…] [P]re-2002-Firmen fehlte es an visionärer Fähigkeit
und sie waren auch durch ein niedriges Risikoprofil eingeschränkt.“ (S. 1).
Schlotmann (2018) weist darauf hin, dass „die Herangehensweise an digitale Disrup-
tion aus der Geschäftsmodellperspektive nicht zu den Stärken [von KMU] gehört, aber
durch die sich verändernden Märkte in der Digitalisierung entscheidend ist.“ (S. 8). Er
bemängelt die Fähigkeit der Führungskräfte, Erkenntnisse über technologische Ent-
wicklungen in Geschäftsmodelle zu übersetzen.
Werner et al. (2018) untersuchten, wie sich die spezifischen Merkmale von KMU (siehe
vorheriger Abschnitt) auf deren Innovationsfähigkeit und damit auf die Fähigkeit, mit di-
gitaler Disruption umzugehen, auswirken. Ihre Forschungsergebnisse zeigen, dass (1) eine
langfristige Planungsperspektive die Innovationsfähigkeit in kleinen und mittleren Unter-
nehmen positiv beeinflusst und (2) Familienunternehmen besser in der Lage sind, das
7
Sechs Firmen von 10–150 Mitarbeitern, bestehend 2–20 Jahre mit Umsatz von 1–15 Millio-
nen Euro.
8 Fluch und Segen digitaler Disruption für den deutschen Mittelstand 195
Wissen der Belegschaft durch eine geringere Fluktuationsrate zu erhalten, was ebenfalls
zu höherer Innovationsfähigkeit führt. Schließlich zeigen sie auf, dass (3) die Führungs-
kräfte von KMU im Jahr 2018 risikoaverser sind als die Gründergeneration: „Dies führt
dazu, dass die Innovationsfähigkeit von Generation zu Generation kontinuierlich ab-
nimmt.“ (Werner et al., 2018, S. 201).
Zusammenfassend lässt sich aus der vorhandenen Literatur eine Uneinigkeit unter
Wissenschaftlern ableiten bzgl. der Fähigkeit von KMU mit digitaler Disruption umzugehen.
8.3.4 Zusammenfassung
Tab. 8.17 Hebel digitaler Technologien zur Veränderung von Branchen. (Quelle: McQuivey, (2011))
10x mehr potenzielle Innovatoren und somit potenzielle Disruptoren*
1/10 der Kosten für die Entwicklung eines bedrohlichen Produkts/Services*
100x schnellere Verbreitung durch das Internet*
*
im Vergleich zu traditioneller, physikalischer Disruption
196 M. Gut
8.4 Methode
Die vorhergehenden Kapitel zeigen auf, dass sich wissenschaftliche Literatur zum Thema
„Herausforderungen im Umgang mit digitaler Disruption“ primär auf Großunternehmen
und Unternehmen in U.S.A. fokussiert. Es existiert nur eine geringe Menge an wissen-
schaftlicher Forschung, die die Situation deutscher mittelständischer Unternehmen ana-
lysiert. Diese Forschungslücke bildet die Grundlage der vorliegenden Arbeit. Neben der
Ermittlung der zentralen Barrieren und geeigneter Reaktionsstrategien für den Umgang
mit digitaler Disruption soll erarbeitet werden, ob die spezifischen Charakteristika von
KMU dabei einen Wettbewerbsvorteil oder -nachteil darstellen. Im Zuge der Auswertung
der Daten werden die Forschungsergebnisse verknüpft mit den Erkenntnissen der Literatur-
recherche um eine auf die Forschungsfrage bezogene Aussage zu treffen.
Dieses Kapitel stellt die methodische Herangehensweise an die Forschungsfrage dar.
8.4.1 Forschungsmethodik
Die Forschungsstrategie orientiert sich an den Prinzipien von Grounded Theory. Demnach
besteht der Hauptzweck in der Entdeckung und Erstellung von Theorien durch die metho-
dische Sammlung und Analyse von Daten unter Verwendung eines vergleichenden Ana-
lyseansatzes (Glaser & Strauss, 1999). Gesammelte Daten werden kontinuierlich und sys-
tematisch verglichen und auf konzeptionelle Gemeinsamkeiten oder Unterschiede hin
untersucht.
Das Hauptziel dieser Arbeit besteht darin, die Theorie im Forschungsfeld über digitale
disruptive Innovation im deutschen Mittelstand induktiv voranzutreiben (siehe Kap. 2).
Aufgrund der Tatsachen, dass (1) immaterielle Faktoren von KMU wie Kultur, Innovations-
fähigkeit, Risikobereitschaft usw. schwer zu quantifizieren sind, (2) es keinen vorhandenen
aussagekräftigen Datensatz gibt, der analysiert werden könnte und (3) eine entscheidende
Teilmenge an immateriellen Informationen unentdeckt bleiben würde, wäre ein quantita-
tiver Ansatz im Kontext dieser Studie weder zweckmäßig noch angemessen. Daher wurde
ein qualitativer Forschungsansatz gegenüber einem quantitativen Ansatz bevorzugt (Ban-
sal & Corley, 2012a).
Den Empfehlungen von Rowley (2012) für qualitative Forschungsszenarien folgend
werden die Daten mittels standardisierter, halbstrukturierter Interviews erhoben, um eine
hohe Vergleichbarkeit der Antworten zu gewährleisten. Dazu werden den Befragten die
gleichen Fragen in identischer Reihenfolge gestellt, um eine konstante Ausrichtung des
Gesprächs auf den thematischen Fokus des Interviews zu gewährleisten und das s pezifische
Wissen der Befragten innerhalb der zugrunde liegenden Forschungsfelder zu nutzen
(Meuser & Nagel, 2009).
8 Fluch und Segen digitaler Disruption für den deutschen Mittelstand 197
8.4.2 Forschungsansatz
Als wesentliche Voraussetzung für die Durchführung der Interviews wurde eine Stich-
probengruppe ausgewählt um Diversität zu gewährleisten und ein angemessenes Maß an
fachlicher Expertise und Erfahrung sicherzustellen. Die Stichprobengruppe erfüllte die
folgenden Kriterien, siehe Tab. 8.18.
Somit kann die Stichprobengruppe als eine repräsentative Teilmenge der Gesamtheit
der KMU betrachtet werden.
Mit dem Ziel, detaillierte Einblicke in spezifische Fallbeispiele zu gewinnen, gleich-
zeitig aber die gesamtwirtschaftliche Situation zu beleuchten, wurde die Stichproben-
gruppe aufgeteilt in (1) KMU-Entscheidungsträger im Bereich des digitalen Innovations-
managements und (2) Berater im Bereich digitale Innovationsstrategien. Beide Typen von
Interviewpartnern liefern Einblicke aus unterschiedlichen Perspektiven auf den
Forschungsgegenstand, siehe Tab. 8.19.
Aufgrund der Tatsachen, dass (1) alle Teilnehmer Experten in ihrem Berufsfeld sind
und (2) das Interview es erlaubt, relevante Themen durch iterative fokussierte Fragen im
Detail zu beleuchten, wird davon ausgegangen, dass eine Gesamtzahl von sieben individu-
ellen Interviewpartnern genügend relevante Informationen liefert um eine aussagekräftige
Teilmenge von Wissensträgern zu repräsentieren. Basierend auf den genannten Kriterien
wurde die folgende Testgruppe definiert, siehe Tab. 8.20.
Ziel war es, Führungskräfte auszuwählen, die am Punkt der Entscheidung über Strate-
gien und Maßnahmen bzgl. des Umgangs mit digitaler Disruption agieren oder Beratungs-
experten, die an solchen Entscheidungsprozessen maßgeblich beteiligt waren.
Abb. 8.7 veranschaulicht das Forschungsdesign.
Die Interviews wurden übersetzt, anonymisiert, transkribiert und schließlich kodiert
gemäß der Gioia Methode (Gioia et al., 2013, S. 15). Die Kodierungen ermöglichten dem
Forscher die Aussagen der Interviewpartner zu gruppieren und zu bewerten, um evidenz-
basierende Theorien zur Situation des deutschen Mittelstandes bei der Umsetzung von
digitalen Disruptions- und Innovationsinitiativen abzuleiten. Ein erster Eindruck von
Übereinstimmungen oder Widersprüchen unter den Interviewpartnern wurde deutlich. Die
Häufigkeit der genannten Schlüsselbegriffe gab Hinweise auf die Bekanntheit und
Kritikalität der genannten Herausforderungen und Maßnahmen.
Die Ergebnisse werden im nächsten Kapitel detailliert beschrieben.
8.5 Ergebnisse
Nach der Operationalisierung der Forschungsfragen sieht der Prozess der qualitativen
Datenanalyse vor, die empirischen Erkenntnisse auf die Forschungsfragen und schließlich
in den theoretischen Kontext zu übersetzen (Kaiser, 2014). Das folgende Kapitel fasst die
Erkenntnisse aus den Interviews zusammen und beschreibt die Ergebnisse für jede
Forschungskategorie.
Die aus dem Prozess der Datenanalyse abgeleiteten Codes wurden aggregiert mit den ge-
nannten Forschungskategorien. Während der Analyse stellte sich heraus, dass Startup-
Partnering und Venturing ein wichtiges Themenfeld für Praktiker darstellt und wird daher
als eigene Forschungskategorie innerhalb dieses Abschnitts behandelt.
Die Prioritäten und Kritikalität der Themen werden deutlich: „Die Herausforderung
besteht darin, zu identifizieren und zu priorisieren: Was ist wichtig für das Unternehmen?“
(I0004), „Leider wird das Geschäft innerhalb verschiedener Einheiten und Silos betrieben,
die nicht genug koordiniert sind.“ (I0003).
Die zweite Frage über Herausforderungen und Barrieren konfrontierte die Interview-
partner mit Aussagen über die Zukunft: „Wie weit fortgeschritten ist Ihre Vision von zu-
künftigen Kunden und Geschäftsmodellen?“. Die Antworten sind größtenteils überein-
stimmend und besagen, dass eine klare und systematisch ausgearbeitete Zukunftsvision
nicht existiert: „Ich würde diese Frage gerne mit einem eindeutigen ‚Ja‘ beantworten.
Aber, um ehrlich zu sein, kann ich das nicht.“, „Einige Firmen haben eine grobe Vorstellung
über mögliche zukünftige Geschäfte. Die meisten Firmen haben jedoch noch keine Vor-
stellung.“ (I0001), „Oft gibt es keine Vorstellung davon, wie Geschäftsmodelle, tägliche
Arbeit und Kundenbeziehungen in Zukunft aussehen werden.“ (I0004).
8 Fluch und Segen digitaler Disruption für den deutschen Mittelstand 201
Abb. 8.9 Strategien zur Reaktion auf digitale Disruption. (Quelle: Autor)
202 M. Gut
Das Ziel, die zukünftige Wettbewerbsfähigkeit zu sichern, wurde, auf verschiedene Arten
und Weisen formuliert, von jedem Interviewpartner genannt: „In erster Linie machen wir
das, um die zukünftige Wettbewerbsfähigkeit zu gewährleisten.“ (I0005). Abb. 8.10 zeigt
alle Ziele, inklusive der Häufigkeit der Nennung während der Interviews.
Die Antworten auf die Fragen im Themenfeld „Wie identifizieren Sie (Ihre Kunden)
Risiken und Chancen, die durch digitale Disruption entstehen?“ zeigen, dass alle Teil-
nehmer auf externe Beratungsunternehmen zurückgreifen, um Technologien und Be-
drohungsszenarien zu bewerten und Chancen zu identifizieren: „Die Unternehmen wen-
den sich an externe Beratungsunternehmen und besuchen Messen. Sie haben das Wissen
noch nicht im Haus, vor allem wegen der hohen Arbeitsbelastung in ihrem Kerngeschäft.“
(I0002). Nur I0005 erwähnte das Vorhandensein eines eigenen Technologie-Scouting-
Teams in seinem Unternehmen: „Wir führen ein professionelles Technologie-Scouting
durch um zu identifizieren, was unsere derzeitigen [Produkte] in Zukunft möglicherweise
bedrohen könnte.“
ing und Venturing aus meiner Sicht zu wenig Aufmerksamkeit bekommen. Die meisten
Firmen sind in einem beobachtenden und abwartenden Modus.“ (I0006). Einer von sechs
Befragten wies auf aktive Partnering Aktivitäten in seiner Firma hin: „Wir sind im Ge-
spräch mit vielen Startups. […] Wir binden sie aktiv in unser Tagesgeschäft ein und in-
vestieren manchmal in sie, um die Frage zu beantworten: Wie können wir durch Venturing
einen Mehrwert für unser Kerngeschäft schaffen?“ (I0001). I0004 hebt die Entscheidungs-
prozesse im Zusammenhang mit Digital Venturing als eine zentrale Herausforderung für
KMU hervor. Er bemängelt: „Es geht nur um Geschwindigkeit. Dies hat jedoch negative
Konsequenzen. Wenn man einer Firma sagt, dass sie schneller sein muss, wird der Druck
auf die Entscheidungsträger erhöht. Das impliziert aber, dass diese Leute mehr Fakten
wollen, um eine Entscheidung zu treffen. Daher verwenden sie traditionelle, auf Fakten
und Return-on-Investment basierende Entscheidungsmethoden um in einer volatilen und
sich schnell verändernden Welt zu entscheiden. Ganz einfach, weil sie keine modernen
Methoden haben.“ Darüber hinaus stellt I0004 fest, dass KMU „nicht die Fähigkeiten und
die Bereitschaft haben, mehrere 100.000 Euro zu zahlen“, um Startups zu screenen und in
sie zu investieren.
ruptiver Innovation zu stellen: „Ein großer Nachteil ist der fehlende Mut, das eigene
Unternehmen wirklich zu disruptieren.“, „Der starke Fokus auf Qualität behindert die
Fähigkeit, agil zu sein.“ (I0005). I0003 beklagt das Fehlen von wesentlichen Grundlagen,
Werkzeugen und Methoden, um digitale disruptive Innovationen zu realisieren: „Die
Fähigkeit, die digitale Zukunft zu entwerfen, fehlt aufgrund der Nichtverfügbarkeit von
Basis-Assets wie agilen Projekträumen, Methoden wie Design Thinking oder anderen mo-
dernen Workshop-Instrumenten. Unternehmen neigen dazu, alte Werkzeuge wie kon-
ventionelle Meetings etc. zu nutzen.“ (I0003). I0006 hebt vor allem die konservative Hal-
tung der meisten KMU als generelle Barriere beim Herangehen an Innovation hervor:
„Natürlich, wenn Firmen konservativ eingestellt sind, sind sie nicht offen für neue Dinge.
Und das wird dann zu einem Nachteil, weil sie zu spät an die Dinge herangehen. Wenn sie
es aber tun, dann tun sie es auf eine gute und professionelle Art und Weise. Leider ist es
oft so, dass der Zeitpunkt früher hätte sein müssen.“.
Generell ist das von den Interviewpartnern am häufigsten genannte Argument für eine
gute Wettbewerbssituation die langfristige Orientierung in Entscheidungsprozessen durch
die Unabhängigkeit von externen Gesellschaftern oder Investoren. Die meisten Interview-
partner heben diese positive Eigenschaft hervor, zum Beispiel: „Die langfristige
Orientierung ist der entscheidende Vorteil für den deutschen Mittelstand. Die Fähigkeit,
das Geschäft nicht auf einen vierteljährlichen Finanzbericht auszurichten.“ (I0005).
8 Fluch und Segen digitaler Disruption für den deutschen Mittelstand 205
8.6 Diskussion
Das folgende Kapitel fasst die Interpretation der Interviewergebnisse zusammen und be-
schreibt Implikationen für Theorie und Praxis. Dazu wurde die theoretische Basis des
Forschungsschwerpunktes mit den Ergebnissen der Experteninterviews verknüpft und er-
weitert. Ziel der Diskussion ist es nicht, verallgemeinernde Schlussfolgerungen zu ziehen,
sondern relevante und interessante Hinweise abzuleiten, um die primäre Forschungsfrage
zu beantworten. Die Interpretationen aggregieren alle Forschungskategorien des
Interviews.
Fokussierend auf SRQ1 kann man schließen, dass das Bewusstsein für die Notwendigkeit,
sich mit den Herausforderungen digitaler disruptiver Innovation zu befassen, im Manage-
ment Team von KMU gegeben ist. Die meisten der Befragten erwähnten, dass die Omni-
präsenz dieses Themas in den Medien es unmöglich macht, das Phänomen zu ignorieren.
Die hohe Anzahl an weit gefassten und unpräzisen Definitionen von „digitaler disruptiver
Innovation“ und die Schwierigkeit, die zugrundeliegende Mechanik disruptiver Innova-
tion zu erklären, deutet darauf hin, dass sich die meisten Praktiker schwer tun, das Phäno-
men zu erfassen. Dies schränkt die Möglichkeiten ein, Maßnahmen zu identifizieren und
zu priorisieren. Die Befragten weisen auf einen fehlenden Überblick über mögliche Be-
drohungen hin, die durch digitale Technologien entstehen. Dies wiederum impliziert, dass
sich Praktiker schwer tun, potenzielle Chancen und Risiken zu erkennen. Die Summe der
genannten Faktoren deutet darauf hin, dass es schwierig ist für Management von KMU die
Zukunftsvision eines digital Modus Operandi zu definieren aufgrund der Vielzahl un-
sicherer Faktoren.
Die Forschungsergebnisse zu Herausforderungen und Barrieren bei der Herangehens-
weise an digitale disruptive Innovationen, dem Ziel von SRQ2, zeigen, dass deutsche
mittelständische Unternehmen mit sehr viel mehr und anderen Herausforderungen kon-
frontiert sind als Großkonzerne und vergleichbare Unternehmen in den USA. Dies macht
deutlich, dass das Problem komplex und vielschichtig ist. Gemäß den Interviewergeb-
nissen und der wissenschaftlichen Literaturrecherche (siehe Kap. 3) teilen deutsche eta
blierte Unternehmen die folgenden Top-Herausforderungen mit ihren US-amerikanischen
Pendants: (1) Die Schwierigkeit, ihre Kunden zu verstehen, (2) Entscheidungen basieren
auf bestehenden Bilanz- und Planungsstrukturen und (3) Eine mangelhafte Veränderungs-
und Innovationskultur. Darüber hinaus stellen besonders für deutsche KMU (1) Silo-
denken, (2) die Priorisierung von Maßnahmen und Initiativen und (3) eine konservative
Denkweise des mittleren Managements große Herausforderungen dar. Wie von allen Inter-
viewpartnern erwähnt, neigen Praktiker dazu, über digitale Vorhaben mit Hilfe traditionel-
ler Managementmethoden wie ROI, DCF, wertorientierter Budgetierung und fein-
206 M. Gut
(siehe Kap. 3) nicht erwähnt. Somit scheinen diese Herausforderungen und Barrieren mit
den spezifischen deutschen makroökonomischen Gegebenheiten zusammenzuhängen.
Dies beantwortet SRQ3.
Die Gesamtheit der erkannten Herausforderungen in Verbindung mit den spezifischen
Charakteristika deutscher mittelständischer Unternehmen zeigt auf, warum sich die meis-
ten KMU schwer tun, ihre Vision von zukünftigen Kunden, Produkten und Geschäfts-
modellen zu definieren und daher bevorzugen in bestehende Produkte, Dienstleistungen,
Kunden und Märkte zu investieren als in potenzielle (disruptive) zukünftige.
Die Untersuchung von SRQ4, die darauf abzielt, Strategien und Maßnahmen zu identi-
fizieren und zu bewerten, zeigt, dass externe Beratung die erste und meist ausgeführte
Maßnahme für KMU ist. Dies deutet auf ein gewisses Maß an Hilflosigkeit im Top-
Management hin. Sechzehn verschiedene Maßnahmen und Initiativen wurden während
der Interviews identifiziert, allerdings befinden sich fast alle davon im Lern- und
Experimentiermodus. Bei der Hälfte der befragten Unternehmen befanden sich diese
Maßnahmen noch im Zustand „Planned“ und wurden noch nicht initiiert (siehe Kap. 5).
Dies belegt, dass die Bewertung und Entscheidung, welche Maßnahmen angemessen sind,
eine große Herausforderung für die Führungskräfte darstellt.
Die Tatsache, dass keiner der befragten Manager eine allumfassende Strategie vor-
weisen konnte, stärkt die These, dass KMU sich schwer tun, ihre zukünftige digitale Vi-
sion und Position zu entwerfen. Unternehmensberater bestätigen, dass die wenigsten ihrer
Kunden derzeit dazu in der Lage sind. Dies wiederum erklärt die vagen und sehr allgemein
formulierten Definitionen von Zielen wie „Zukünftige Wettbewerbsfähigkeit“ oder „Be-
reit für die Zukunft sein“. Keiner der Interviewpartner hat ein messbares oder zeitlich
festgelegtes Ziel genannt.
Eine ähnliche Situation wird deutlich im Gespräch über Startup-Partnering und Venture-
Strategien. Aus den Interviewergebnissen lässt sich ableiten, dass die meisten KMU
Startups beobachten und erste Kontakte initiieren. Allerdings folgt insbesondere der
Screening-Prozess keiner systematischen Methodik oder Strategie, d. h. Startups werden
mehr oder weniger zufällig untersucht. Die Tatsache, dass nur ein einziges der in den
Interviews genannten Unternehmen aktiv mit einem Startup zusammenarbeitet und in
mindestens ein Startup investiert, lässt den Schluss zu, dass KMU noch am Anfang einer
professionellen Startup-Partnering- und Venturing-Strategie stehen. Die Interviewpartner
bestätigten übereinstimmend, dass es keinen definierten Prozess für das Scouting, die Be-
urteilung und die Bewertung von Startups gibt.
Bezugnehmend auf SRQ5 – die Frage nach Wettbewerbsfähigkeit von KMU im Be-
reich digitaler disruptiver Innovation – kann man zusammenfassen, dass die Wettbewerbs-
situation der Unternehmen korreliert mit dem Ausmaß ihrer KMU-spezifischen
Eigenschaften (siehe Kap. 5). Wie bereits erwähnt, schränkt die Konservativität, von den
Befragten als die ausgeprägteste Eigenschaft wahrgenommen, die Unternehmen ein im
Umgang mit digitaler Disruption. Dies limitiert die Fähigkeit ein, das Kerngeschäft zu
transformieren, neue Methoden anzuwenden und schließlich eine Zukunftsvision zu ent-
208 M. Gut
werfen. Ein Nachteil hinsichtlich der Wettbewerbsfähigkeit im Umgang mit digitaler Dis-
ruption wird deutlich. Innovativität und Qualitätsbewusstsein, die am zweithäufigsten be-
tonten Eigenschaften von KMU, wurden genannt in Bezug auf das Kerngeschäft der
Unternehmen. Die Stärken, die für das heutige Geschäft wertvoll und notwendig sind,
passen nicht zu den Anforderungen eines zukünftigen digitalen Modus Operandi. Sobald
Unternehmen beginnen, sich neben ihrem Kerngeschäft mit digitalen disruptiven Initiati-
ven zu beschäftigen, sinkt die Innovationskraft und Leistungsfähigkeit, da sich Mitarbeiter
emotional an ihre ursprünglichen Kernaufgaben und Verantwortlichkeiten gebunden füh-
len. In einem ersten Schritt verringert dies die Wettbewerbsfähigkeit, weil sich Mitarbeiter
verunsichert und beängstigt fühlen. Gelingt es den Unternehmen jedoch, den Ver-
änderungsprozess auf Mitarbeiterseite erfolgreich zu gestalten, werden diese in einem di-
gitalen Produkt- und Dienstleistungsportfolio das gleiche Qualitätsbewusstsein und damit
einen ähnlichen Grad an Innovationskraft erreichen können. Die positiven Eigenschaften,
und somit der Wettbewerbsvorteil, werden sich schließlich im neuen Betriebsmodell
wiederfinden. Die folgende Abbildung veranschaulicht das Verhalten der Unternehmen
während eines Transformationsprozesses unter Berücksichtigung der in den Experten-
interviews genannten Eigenschaften von KMU. Abb. 8.12 kann auf ein bestimmtes Team,
eine Geschäftseinheit oder das gesamte Unternehmen abzielen.
Aufgrund der genannten spezifischen Merkmale ist zu erwarten, dass KMU einen in-
tensiveren Veränderungszyklus durchlaufen, was bedeutet, dass die Firmen im Vergleich
zu ähnlichen US-Unternehmen und Großkonzernen mehr Ressourcen in die Begleitung
des Veränderungsprozesses ihrer Mitarbeiter investieren müssen (∆p). Dies bedingt einen
längeren Veränderungsprozess insgesamt (∆t) und kann als Wettbewerbsnachteil in Bezug
auf die Anpassungs- und Transformationsfähigkeit interpretiert werden.
Abb. 8.12 Performance von KMU während eines Änderungsprozesses. (Quelle: Autor, adaptiert
von Kübler-Ross et al., 1972)
8 Fluch und Segen digitaler Disruption für den deutschen Mittelstand 209
Die Ergebnisse dieser Arbeit leisten einen Beitrag zur Erforschung der Situation deut-
scher mittelständischer Unternehmen im Umgang mit digitaler disruptiver Innovation.
Im Forschungsdesign werden die folgenden Teilbereiche unterschieden: (1) Verständ-
nis und Bewusstsein im Top-Management, (2) Herausforderungen und Hindernisse,
(3) Strategien und Maßnahmen und (4) Spezifische Eigenschaften deutscher mittel-
ständischer Unternehmen.
Basierend auf den Erkenntnissen dieser Arbeit können mehrere Implikationen für Prakti-
ker abgeleitet werden, um ihre individuelle Strategie für den Umgang mit digitaler dis-
ruptiver Innovation zu definieren.
In einem ersten Schritt empfiehlt sich eine Selbstreflexion, ob und in welchem Umfang
die genannten KMU-spezifischen Eigenschaften auf das eigene Unternehmen zutreffen.
Eine hohe Übereinstimmung deutet darauf hin, dass die in Kap. 4 beschriebenen Heraus-
forderungen und damit empfohlenen Maßnahmen und Strategien auf die individuelle
Situation zutreffen.
In jedem Fall ist es ratsam, die folgenden Grundvoraussetzungen zu schaffen:
(1) Stellen Sie sicher, dass alle Stakeholder ein gemeinsames Verständnis der Begriffe
„Digitale Innovation“ und „Digitale Disruption“ haben.
(2) Definieren und implementieren Sie einen Technologie-Scouting Prozess, um Chancen
und Bedrohungen, die von digitalen Technologien ausgehen, erkennen und inter-
pretieren zu können.
(3) Implementieren Sie einen Startup-Scouting Prozess, um potenzielle Partner, Konkur-
renten und Lieferanten von zukünftigen, für Sie relevanten Schlüsseltechnologien zu
identifizieren.
(4) Erarbeiten Sie eine Vision von zukünftigen digitalen Produkten, Dienstleistungen und
Geschäftsmodellen. Wer werden Ihre zukünftigen Kunden, Wettbewerber und Ge-
schäftspartner sein?
(5) Definieren Sie eine Strategie für Startup-Partnering, Transformation von Kern-
kompetenzen und Mitarbeiterbindung.
Es wichtig zu betonen, dass Konservativität von allen Befragten als das am stärksten aus-
geprägte Merkmal deutscher KMU identifiziert wurde. Dies impliziert, dass die Begleitung
der Veränderung bei Mitarbeitern im deutschen Mittelstand in überdurchschnittlich hohem
Maße Beachtung finden muss.
210 M. Gut
8.6.4 Limitierungen
Die Ergebnisse der vorliegenden Arbeit tragen zu einem besseren Verständnis der Situa-
tion deutscher mittelständischer Unternehmen bei, die sich den Herausforderungen digita-
ler disruptiver Innovationen stellen müssen. Aufgrund von zeitlichen Restriktionen und
der Verfügbarkeit geeigneter Interviewpartner war die Stichprobe im Vergleich zu über-
greifenden Studien in angrenzenden Forschungsfeldern moderat. Um ein repräsentativeres
Ergebnis zu erzielen, muss die Definition des deutschen Mittelstandes genauer gestaltet
und die Stichprobe vergrößert werden. Darüber hinaus sollten, im Idealfall, Führungs-
kräfte und digitale Praktiker aus jedem Unternehmen befragt werden. Aufgrund des
Forschungsumfangs lassen sich nur Aussagen über mittelständische Unternehmen in
Deutschland ableiten. Weder kleine Unternehmen noch Großkonzerne wurden im Rahmen
der Studie berücksichtigt.
Basierend auf den Ergebnissen der Interviews wurde eine Analyse der besonderen Eigen-
schaften von KMU erstellt. Daraus ergibt sich ein wichtiges und sehr interessantes
Forschungsfeld mit folgenden Forschungsfragen:
1. Welche der spezifischen Eigenschaften des deutschen Mittelstandes fördern die Fähig-
keit im Umgang mit digitaler disruptiver Innovation, welche behindern diese?
2. Wie kann der Grad bestimmter Eigenschaften beurteilt und gemessen werden?
Darüber hinaus wäre eine Analyse der Wirksamkeit und Erfolgschancen von Maßnahmen
und Initiativen, die im Rahmen der vorliegenden Untersuchung identifiziert wurden, in
Korrelation mit dem Ausmaß der spezifischen Merkmale von KMU ein wertvolles
Forschungsergebnis für Praktiker und Wissenschaftler.
Nicht zuletzt wäre es von wissenschaftlichem Interesse, den Forschungsrahmen dieser
Studie auf (1) kleine Unternehmen in Deutschland, (2) große Unternehmen in Deutsch-
land und (3) mittelständische Unternehmen in Europa und USA auszuweiten, um die
Wettbewerbsfähigkeit von KMU in einem breiteren Kontext weiter zu spezifizieren.
8.7 Fazit
Literatur
BMWi. (2016). Future of the German Mittelstand & Action Programme. Federal Ministry for Eco-
nomic Affairs, 2016(1), 24. www.bmwi.de
Bower, J. L., & Christensen, C. M. (1995). Disruptive technologies: Catching the wave. Harvard
Business Review, 73(1), 43–53.
Bughin, J., & Van Zeebroeck, N. (2017). The best response to digital disruption. MIT Sloan Manage-
ment Review, 58(4), 80–86. https://www.mckinsey.com/mgi/overview/in-the-news/the-right-
response-to-digital-disruption. Zugegriffen am 12.12.2016.
Christensen, C. (2001). The past and future of competitive advantage. MiT Sloan Management Re-
view, 42. https://doi.org/10.1126/science.1123633
Christensen, C. (2013). The innovator’s dilemma: When new technologies cause great firms to
fail. HBR.
Christensen, C. M. (1997). Innovator’s dilemma: When new technologies cause great firms to fail.
Harvard Business School Press Books. https://doi.org/10.1515/9783110215519.82
Christensen, C. M., Altman, E. J., Mcdonald, R., & Palmer, J. (2016). Disruptive innovation: Intel-
lectual history and future paths. Harvard Business Review, 17(057), 52. https://doi.org/10.5465/
AMBPP.2017.14218abstract
Craig, J. B., Dibrell, C., & Garrett, R. (2014). Examining relationships among family influence, fa-
mily culture, flexible planning systems, innovativeness and firm performance. Journal of Family
Business Strategy, 5(3), 229–238. https://doi.org/10.1016/j.jfbs.2013.09.002
Danneels, E. (2002). The dynamics of product innovation and firm competences. Strategic Manage-
ment Journal, 23(12), 1095–1121. https://doi.org/10.1002/smj.275
Danneels, E. (2004). Disruptive technology reconsidered: A critique and research agenda. Journal of
ProductInnovationManagement,21(4),246–258.https://doi.org/10.1111/j.0737-6782.2004.00076.x
Demary, V., Engels, B., Röhl, K.-H., & Rusche, C. (2016). Digitalisierung und Mittelstand: Eine
Metastudie. IW-Analysen, 109, 978–973. 101/1-201611114313.
Denning, S. (2016). Christensen updates disruption theory. Strategy & Leadership, 44(2), 10–16.
https://doi.org/10.1108/SL-01-2016-0005
Downes, L. (2009). The laws of disruption: Harnessing the new forces that govern life and business
in the digital age (S. 298).
Doz, Y. L., & De Roover, B. (2017). Responding to digital disruption through alliances. SSRN Elec-
tronic Journal. https://doi.org/10.2139/ssrn.2940284
Duncan, R. B. (1976). The ambidextrous organization: Designing dual structures for innovation. The
Management of Organization Design – Strategies and Implementation, 1, 167–189.
Edelman, B. G., & Luca, M. (2014). Digital discrimination: The case of Airbnb.com. SSRN Electro-
nic Journal. https://doi.org/10.2139/ssrn.2377353
Engel, J. S. (2015). Global clusters of innovation: Lessons from silicon valley. California Manage-
ment Review, 57(2), 36–65. https://doi.org/10.1525/cmr.2015.57.2.36
Fairlie, R. W., & Chatterji, A. K. (2013). High-technology entrepreneurship in silicon valley. Journal
of Economics and Management Strategy, 22(2), 365–389. https://doi.org/10.1111/jems.12015
Farshad, R. & Kampas, P. (2002). How to Identify your Enemies before they Destroy you. Harvard
business review, 80, 115–23, 134.
Garcia, R., & Calantone, R. (2002). A critical look at technological innovation typology and innova-
tiveness terminology: A literature review. Journal of Product Innovation Management, 19(2),
110–132. https://doi.org/10.1016/S0737-6782(01)00132-1
8 Fluch und Segen digitaler Disruption für den deutschen Mittelstand 213
Gioia, D. A., Corley, K. G., & Hamilton, A. L. (2013). Seeking qualitative rigor in inductive re-
search: Notes on the gioia methodology. Organizational Research Methods, 16(1), 15–31. https://
doi.org/10.1177/1094428112452151
Glaser, B. G., & Strauss, A. L. (1999). Discovery of grounded theory. Routledge. https://doi.
org/10.4324/9780203793206
Goeke, M. (2008). Der deutsche Mittelstand – Herzstück der deutschen Wirtschaft. In Praxishand-
buch Mittelstandsfinanzierung (S. 9–22). Gabler. https://doi.org/10.1007/978-3-8349-9750-0_1
Goole Trends. (2018). https://trends.google.com/trends/explore?date=2008-01-01%202018-10-01&
geo=US&q=digital%20disruption
Hallmann, G. (2017). Thermondo – Wir haben einen Nerv getroffen. www.thermondo.de
Harvard Business Review, Govindarajan, V., & Srivastava, A. (2016). The scary truth about corpo-
rate survival. Harvard Business Review, 94(12), 24–25.
Haunschild, L., & Wolter, H. (2010). Volkswirtschaftliche Bedeutung von Familien- und Frauen-
unternehmen. IfM Bonn, 199, 1–29.
Henderson, R. (2006). The innovator’s dilemma as a problem of organizational competence. Journal
of Product Innovation Management, 23(1), 5–11. https://doi.org/10.1111/j.1540-5885.2005.00175.x
Hilbig, H. (2018). Zukunftsmanagement für den Mittelstand. Springer Fachmedien. https://doi.
org/10.1007/978-3-658-19616-5
Humble, J., & O’Reilly, B. (2014). Lean enterprise: Adopting continous delivery, devops, and lean
startup at scale. O’Reilly Media.
Icks, A., Schröder, C., Brink, S., Dienes, C., & Schneck, S. (2017). Digitalisierungsprozesse im in-
dustriellen Mittelstand. IfM Bonn.
IfM Bonn. (2015). IfM Bonn: Mittelstand im Überblick.
Innosight.com. (2015). Creative destruction whips through corporate America. Innosight Executive
Briefing Winter 2015.
Janke, A., & Burkhardt, N. (2018). Disruptive Technologien im Mittelstand. Springer International
Publishing. https://doi.org/10.1007/978-3-658-17137-7
Jansen, J. J. P., Van Den Bosch, F. A. J., & Volberda, H. W. (2006). Exploratory innovation, exploi-
tative innovation, and performance: Effects of organizational antecedents and environmental mo-
derators. Management Science, 52(11), 1661–1674. https://doi.org/10.1287/mnsc.1060.0576
Johnson, W. (2012). Disrupt yourself. Harvard Business Review (Bd. 90). Routledge. https://doi.
org/10.4324/9781315230405
Kaiser, R. (2014). Qualitative Experteninterviews. Springer Fachmedien. https://doi.org/10.1007/
978-3-658-02479-6
Karimi, J., & Walter, Z. (2015). The role of dynamic capabilities in responding to digital disruption:
A factor-based study of the newspaper industry. Journal of Management Information Systems,
32(1), 39–81. https://doi.org/10.1080/07421222.2015.1029380
Kenney, M. (2000). Understanding silicon valley: The anatomy of an entrepreneur region. Stanford
University Press.
Kessler, T., & Buck, C. (2016). How digitization affects mobility and the business models of auto-
motive OEMs. In Phantom Ex Machina: Digital Disruption’s Role in Business Model Trans-
formation (S. 107–118). Springer International Publishing. https://doi.org/10.1007/978-3-319-
44468-0_7
Keuper, F., Hamidian, K., Verwaayen, E., Kalinowski, T., & Kraijo, C. (2013). Digitalisierung und
Innovation. Springer Fachmedien. https://doi.org/10.1007/978-3-658-00371-5
Khadjavi, K., Volery, T. & Spremann, K. (2005). Wertmanagement im Mittelstand. Dissertation Uni-
versität St. Gallen, (3088).
214 M. Gut
King, A. & Baatartogtokh, B. (2015). How useful is the theory of disruptive innovation? MIT Sloan
Management Review, S. 80–82.
Kofler, T. (2016). Digitale Transformation in Unternehmen. Zentrum Digitalisierung Bayern
(November).
Kayser, G. (2003). Daten und Fakten - Wie ist der Mittelstand strukturiert?. In Praxishandbuch des
Mittelstands. Gabler. https://doi.org/10.1007/978-3-8349-9084-6_2
Kayser, G. (2006). Daten und Fakten – Wie ist der Mittelstand strukturiert? In Praxishandbuch des
Mittelstands. Gabler. https://doi.org/10.1007/978-3-8349-9084-6_2
Kübler-Ross, E., Wessler, S., & Avioli, L. V. (1972). On death and dying. JAMA, 221(2), 174–179.
https://doi.org/10.1001/jama.1972.03200150040010
Lubatkin, M. H., Simsek, Z., Ling, Y., & Veiga, J. F. (2006). Ambidexterity and performance in
small-to medium-sized firms: The pivotal role of top management team behavioral integration.
Journal of Management, 32(5), 646–672. https://doi.org/10.1177/0149206306290712
Lucas, H. C., & Goh, J. M. (2009). Disruptive technology: How Kodak missed the digital photogra-
phy revolution. Journal of Strategic Information Systems, 18(1), 46–55. https://doi.org/10.1016/j.
jsis.2009.01.002
Ludwig, T., Kotthaus, C., Stein, M., Durt, H., Kurz, C., Wenz, J., et al. (2016). Arbeiten im Mittel-
stand 4.0 – KMU im Spannungsfeld des digitalen Wandels. HMD Praxis Der Wirtschafts-
informatik, 53(1), 71–86. https://doi.org/10.1365/s40702-015-0200-y
Macher, J. T., & Richman, B. D. (2004). Organisational responses to discontinuous innovation: A
case study approach. International Journal of Innovation Management, 8(1), 87–114. https://doi.
org/10.1142/S1363919604000939
Manyika, J., & Roxburgh, C. (2011). The great transformer: The impact of the Internet on economic
growth and prosperity. McKinsey Global Institute, 1–10. https://doi.org/10.1080/0892701
4.2011.576317
March, J. G. (1991). Exploration and exploitation in organizational learning. Organization Science,
2(1), 71–87. https://doi.org/10.1287/orsc.2.1.71
Markides, C., & Charitou, C. D. (2004). Competing with dual business models: A contingency
approach. Academy of Management Executive, 18(3), 22–36. https://doi.org/10.5465/AME.2004.
14776164
McQuivey, J. (2013). Digital disruption: Unleashing the next wave of innovation. Forrester Re-
search. 1477800123.
McQuivey, J. L. (2011). The disruptor’s handbook. In Forrester research (S. 77–81).
Means, W. I., & Schwab, B. K. (2015). The Fourth Industrial Revolution. World Economic Forum.
Meckling, J., & Nahm, J. (2017). When do states disrupt industries? Electric cars in Germany and
the United States. MIT Center for Energy and Environmental Policy.
Meuser, M., & Nagel, U. (2009). Das Experteninterview — konzeptionelle Grundlagen und metho-
dische Anlage. In Methoden der vergleichenden Politik- und Sozialwissenschaft (S. 465–479).
VS Verlag für Sozialwissenschaften. https://doi.org/10.1007/978-3-531-91826-6_23
Meyer, J.-U., & BusinessVillage GmbH. (2016). Digitale Disruption Die nächste Stufe der Innova-
tion (1. Aufl.). BusinessVillage.
Moore, G. A. (2015). Zone to Win Organizing to compete in an ane of disruption. Diversion Books.
Nagle, T., & Golden, W. (2009). An examination of the disruptive innovation paradox: The application
of the innovators dilemma to SME ’s. In Information Systems – Creativity and Innovation in Small
and Medium-Sized Enterprises (S. 60–72). Springer. https://doi.org/10.1007/978-3-642-02388-0_5
Nielen, S., Kay, R., & Schröder, C. (2017). Disruptive Innovationen: Chancen und Risiken für den
Mittelstand. Institut Für Mittelstandsforschung (IfM) Bonn.
O’Reilly, C. A., & Tushman, M. (2016). Lead and disrupt: How to solve the innovator’s dilemma.
Stanford Business Books. https://doi.org/10.1142/S1363919617800019
8 Fluch und Segen digitaler Disruption für den deutschen Mittelstand 215
O’Reilly, C. A., & Tushman, M. L. (2004). The ambidextrous organization. Harvard Business
Review, 82(4), 74–81, 140. http://www.ncbi.nlm.nih.gov/pubmed/15077368. Zugegriffen am
12.12.2016.
O’Reilly, C. A., & Tushman, M. L. (2008). Ambidexterity as a dynamic capability: Resolving the
innovator’s dilemma. Research in Organizational Behavior, 28, 185–206. https://doi.org/10.1016/
j.riob.2008.06.002
O’Reilly, C. A., & Tushman, M. L. (2011). Organizational ambidexterity in action: How managers
explore and exploit. California Management Review, 53(4), 5–22. https://doi.org/10.1525/
cmr.2011.53.4.5
Oke, A., Burke, G., & Myers, A. (2007). Innovation types and performance in growing UK SMEs.
International Journal of Operations and Production Management, 27(7), 735–753. https://doi.
org/10.1108/01443570710756974
Parella, J. F. (2018). The German business model: The role of the Mittelstand. Journal of Manage-
ment Policies and Practices, 6, 10–16. https://doi.org/10.15640/jmpp.v6n1a3
Rafii, F., & Kampas, P. J. (2002). How to identify your enemies before they destroy you. Harvard
Business Review, 80(11), 115.
Raisch, S., & Birkinshaw, J. (2008). Organizational ambidexterity: Antecedents, outcomes, and mo-
derators. Journal of Management, 34(3), 375–409. https://doi.org/10.1177/0149206308316058
Raisch, S., Birkinshaw, J., Probst, G., & Tushman, M. L. (2009). Organizational Ambidexterity:
Balancing Exploitation and Exploration for Sustained Performance. Organization Science, 20(4),
685–695. https://doi.org/10.1287/orsc.1090.0428
Rettig, D. (2017). Tod durch Digitalisierung: So sichern Unternehmen ihr Überleben. Wirt-
schaftswoche.
Riemer, G., Hamann, G., & Teixeira. (2015). Digital Disruptive Intermediaries. University of Syd-
ney School of Business.
Riemer, K., & Johnston, R. B. (2016). A Kuhnian analysis of revolutionary digital disruptions. In
27th Australasian Conference on Information Systems ACIS (S. 1–12).
Rigby, B. D. K., & Corbett, A. (2002). It takes systems, not serendipity: A blueprint for building a
disruptive-innovation engine. Ivey Business Journal, 67(2), 1–7.
Rowley, J. (2012). Conducting research interviews. Management Research Review, 35(3–4),
260–271. https://doi.org/10.1108/01409171211210154
Rühli, E. (1984). Der Zürcher Ansatz zu einer Führungslehre: Konzept, Hypothese, Anwendung in
der Praxis. In Die Unternehmung. Nomos Verlagsgesellschaft mbH. https://doi.org/10.2307/
24178963
Saam, M., Viete, S., & Schiel, S. (2016). Digitalisierung im Mittelstand: Status Quo, aktuelle Ent-
wicklungen und Herausforderungen Projektteam. Zentrum Für Europäische Wirtschafts-
forschung GmbH. http://hdl.handle.net/10419/145963. Zugegriffen am 12.12.2016.
Samit, J. (2015). Disrupt You – Master Transformation, seize opportunity, and thrive in the era of
endless innovation. Statewide Agricultural Land Use Baseline 2015. https://doi.org/10.1017/
CBO9781107415324.004
Schäfer, W. (2004). Was sind eigentlich kleine und mittlere Unternehmen?: Die Kennzeichen des
Mittelstands. www.handelsblatt.com. Zugegriffen am 02.08.2018.
Schallmo, D. R. A. (2016a). In D. Schallmo, A. Rusnjak, J. Anzengruber, T. Werani & M. Jünger
(Hrsg.), Digitale Transformation von Geschäftsmodellen. Springer Fachmedien. https://doi.
org/10.1007/978-3-658-14569-9_2
Schallmo, D. R. A. (2016b). Digitale Transformation von Geschäftsmodellen im Mittelstand. Sprin-
ger Fachmedien. https://doi.org/10.1007/978-3-658-14569-9_2
216 M. Gut
Carsten Baumgarth und Lars Binckebanck
Zusammenfassung
Eine Vielzahl von Studien, die sich mit dem Status Quo sowie den Defiziten der Digi-
talisierung im Marketing vor, während und nach Corona beschäftigt haben, zeigen
Handlungsbedarf auf, insbesondere auch in B-to-B-Unternehmen. Das Marketing kann
die digitale Transformation von Unternehmen entscheidend voranbringen, wenn es
eine interne (Bedeutung des Marketings innerhalb des Unternehmens) sowie externe
(Exzellenz des Marketings im Vergleich zum Wettbewerb) Führungsrolle einnimmt.
„Digital Marketing Leadership“ (DML) beschreibt die Existenz und interne Ent-
wicklung materieller, immaterieller und menschlicher Ressourcen der Marketing-
organisation sowie die Umsetzung dieser organisationalen Fähigkeiten im Rahmen in-
terner und externer Verhaltensweisen in einer Art und Weise, die strategische
Wettbewerbsvorteile durch eine digitale Führungsrolle im externen Marktumfeld er-
möglicht.
Es lassen sich fünf Dimensionen von DML identifizieren, konkretisieren und auf
den B-to-B-Bereich anpassen. Aus Wirkungshypothesen lässt sich ein Modell ableiten,
das im Rahmen einer empirischen Studie erfolgreich getestet wurde und sich als Denk-
modell und Diagnose-Tool für die Management-Praxis eignet.
C. Baumgarth (*)
HWR Berlin, Berlin, Deutschland
E-Mail: [email protected]
L. Binckebanck
Institut für nachhaltigen Vertriebserfolg, Berlin, Deutschland
E-Mail: [email protected]
Schlüsselwörter
Die digitale Transformation von Gesellschaft und Wirtschaft hat durch die Corona-
Pandemie nochmals in ungeahnter Weise an Beschleunigung gewonnen. In Marketing und
Vertrieb hat sich damit die Diskussion um Chancen und Risiken der Digitalisierung, wel-
che das Fachgebiet bereits in den ersten beiden Jahrzehnten des 21. Jahrhunderts geprägt
hat (Lamberton & Stephen, 2016), nochmals intensiviert. Es gibt mittlerweile eine Viel-
zahl von zumeist beraterinduzierten Studien, die sich mit dem Status Quo wie auch den
Defiziten der Digitalisierung im Marketing vor, während und nach Corona beschäftigt
haben. Sie zeigen praktisch durchgängig Handlungsbedarf auf, insbesondere auch in B-to-
B-Unternehmen.
In ihrer Studie „Die digitale Zukunft des B2B-Vertriebs“ konstatierte die Unter-
nehmensberatung Roland Berger (2015) in Kooperation mit Google auf der Basis einer
Befragung unter 2745 Vertriebsverantwortlichen in B-to-B-Unternehmen, dass 57 % des
Einkaufsprozesses im B-to-B-Geschäft bereits gelaufen sind, wenn die Entscheider erst-
mals einen Vertriebsmitarbeiter kontaktieren. Das bedeutet, dass die Vorteile von produkt-
basierten Innovationen oft nicht ihren Weg zum Kunden finden, wenn sie nicht mit den
dazu passenden Marketing- und Vertriebsprozessen hinterlegt sind. So boten etwa 33 %
der Anbieterunternehmen in der Studie ihren Kunden noch nicht die Möglichkeit, online
etwas zu bestellen.
Eine Befragung des Zentralverbands Elektrotechnik- und Elektronikindustrie (ZVEI,
2016) unter 132 Mitgliedsunternehmen ergab, dass die volkswirtschaftlich für Deutsch-
land bedeutsame Elektroindustrie als Anbieter digitaler Produkte und Services noch am
Anfang der digitalen Transformation stand. Nach der Studie erwirtschaftete die Branche
zu dem Zeitpunkt erst etwas mehr als 20 % ihrer Umsätze mit digitalen oder digital ver-
edelten Produkten oder Dienstleistungen.
Zu ähnlichen Ergebnissen kam auch die repräsentative Benchmark-Studie von techcon-
sult (2017) im Auftrag der Deutschen Telekom, für die rund 2000 Unternehmen des
Mittelstands befragt wurden. Lediglich 32 % der teilnehmenden B-to-B-Unternehmen
boten demnach Produkte und Services, die sie mithilfe von Datenauswertungen individua-
lisiert und auf den Kunden zugeschnitten haben. Weitere 24 % hatten erste Ansätze ent-
wickelt, um ihre Produkte ebenfalls auf der Grundlage von Datenanalysen zu personalisie-
ren. 28 % der B-to-B-Unternehmen hatten komplett neue digitale Produkte und Services
entwickelt und konnten so auch neue Kunden gewinnen. Bei lediglich 43 % der B-to-B-
Unternehmen war die Digitalisierung fester Bestandteil der Geschäftsstrategie – allerdings
stieg das Bewusstsein für die Bedeutung der Digitalisierung im Vergleich zum Vorjahres-
wert (30 %) deutlich an.
9 Digital Marketing Leadership – Modell und empirische Ergebnisse aus dem … 221
Diese Sensibilisierung erschien bereits vor der Corona-Krise überfällig. Denn laut Ac-
centure Interactive (2018) war bereits damals absehbar, dass sich das Geschäftsvolumen
im Bereich B-to-B Digital Commerce zügig steigern und bereits in wenigen Jahren schon
mehr als die Hälfte aller B-to-B-Erlöse ausmachen würde. Eine Kooperationsstudie der
Ruhr-Universität Bochum (RUB, 2017) und The Boston Consulting Group, in der die
Rolle der Digitalisierung im B-to-B-Vertrieb in mehr als 700 Unternehmen in Deutschland
untersucht wurde, kam zu dem Ergebnis, dass Unternehmen mit einem breit digitalisierten
B-to-B-Vertrieb profitabler waren und schneller wuchsen als die weniger digitalisierte
Konkurrenz. Digital reife Unternehmen erzielten in den letzten drei Jahren vor der Studie
durchschnittlich eine um drei Prozentpunkte höhere Umsatzrendite als die Unternehmen
mit geringerer digitaler Reife. Ferner zeigte sich damals, dass von den B-to-B-
Vertriebskunden etwa die Hälfte zu den digital-affinen Millennials gehörte. Der Be-
schaffungsprozess begann daher in 80 % der Fälle online und endete auch dort. Die
Schlussfolgerung: Die große Mehrheit der B-to-B-Kunden erwartete bereits vor Corona,
dass der digitale B-to-B-Beschaffungsprozess mindestens B-to-C-Standards erfüllt und
typische nutzerfreundliche B-to-C-Funktionalitäten gewährleistet sind. Dazu gehört
beispielsweise eine nahtlose und kohärente Interaktion über alle Online- und Off-
line-Kanäle hinweg.
In einer internationalen Studie von Forrester Consulting (2018) unter 302 Experten
wurden die folgenden Kanäle als besonders wichtig für die Zielerreichung im B-to-B-
Vertrieb identifiziert: Webseiten des Anbieters (54 %), physischer POS (42 %), Webshop
(40 %), persönlicher Verkauf (39 %) und Telefon (38 %). Laut Accenture Interactive
(2018) fordern 69 % der Kunden Multi- und Omnichannel-Angebote, wobei Multichannel-
Kunden für das Anbieterunternehmen um 15 % profitabler sind als reine Digitalkunden
und sogar um 25 % profitabler als Kunden, die ausschließlich persönlich betreut werden.
Eine Studie von Salesforce Research (2017) unter weltweit 3500 Führungskräften im
Marketing hat die Kanäle mit dem stärksten Nutzungswachstum von 2017 im Vergleich
zu 2015 identifiziert. Im B-to-B-Geschäft waren das vor allem Video Advertising
(+204 %), SMS/Text Messaging (+197 %), Mobile Apps (+161 %), Native Advertising/
Sponsored Content (+147 %), Display/Banner Ads (+88 %) und Social Media Marketing
(+80 %).
Vor diesem Hintergrund ist ein zentraler Baustein des B-to-B-Marketing das Content
Marketing. Laut Contentive (2018) ist Content Marketing der B-to-B-Kommunikations-
kanal mit dem höchsten ROI. In einer Untersuchung des Content Marketing Institute und
MarketingProfs (2018) nutzten 91 % der 870 in Nordamerika Befragten Content Marke-
ting und gaben hierfür durchschnittlich 26 % des gesamten Marketingbudgets aus. Die
wichtigsten Content-Typen waren Social Media Posts ohne Videos (94 %), Fallstudien
(73 %), Videos (72 %) und Ebooks/White Papers (71 %). Zur Übermittlung des Contents
wurden vor allem Email (93 %), Social Media-Plattformen (92 %) und Blogs (79 %) ge-
nutzt – im Durchschnitt fünf Kanäle je B-to-B-Unternehmen. Die Relevanz von Content
Marketing für das B-to-B-Marketing in Deutschland wurde in Studien von suxeedo
(2017) und Content Marketing Forum (2018) bestätigt.
222 C. Baumgarth und L. Binckebanck
Doch auch die Adaption neuer Technologien wurde bereits vor Corona zum Erfolgs-
faktor im B-to-B-Marketing. Accenture Interactive (2018) hat in einer weltweiten Be-
fragung von über 1000 Führungskräften herausgefunden, dass 88 % der B-to-B-Unter-
nehmen Chatbots einsetzen oder das in naher Zukunft planten – für Augmented/Virtual
Reality waren das 83 % und für den Einsatz von Dronen 74 % der befragten B-to-B-
Unternehmen. Nach einer internationalen Studie von Contentive (2018) unter 214
B-to-B-Marketingexperten waren die Top-Prioritäten Leadumwandlung (58 %), Erhöhung
des Traffics auf Webseiten (45 %) und Potenzialausschöpfung bei Bestandskunden (44 %).
57 % der Befragten sahen außerdem die Personalisierung von Angeboten und Kommuni-
kation als wichtigsten Aspekt aktueller Strategieinitiativen im B-to-B-Marketing.
Bei der Umsetzung gibt es eine Vielzahl von Hürden. In einer Studie unter 400 Unter-
nehmen in Deutschland und der Schweiz des Instituts für Sales und Marketing Automation
(IFSMA) gemeinsam mit der B-to-B-Agentur wob (2018) hatten nur 40 % der befragten
B-to-B-Unternehmen eine übergeordnete Strategie für digitales Marketing. 45 % sahen
bei mehr als der Hälfte ihrer Mitarbeiter erhebliche Wissensdefizite im Bereich Digitali-
sierung und für 68 % der B-to-B-Unternehmen war die Zusammenführung unterschied-
licher Datenbestände ein Problem für Automatisierungsinitiativen.
Zu einem ähnlichen Ergebnis kommt der Marketing Automation Report der ZHAW
School of Management and Law in Kooperation mit der Aioma AG (Zumstein et al.,
2021). Befragt wurden über 400 Spezialisten aus Marketing und Vertrieb, von denen über
zwei Drittel im B-to-B-Umfeld arbeiteten. In der Studie wurde mangelndes internes
Know-how als Haupthindernis bei der Automatisierung im Marketing identifiziert (33 %
der Befragten). Mehr als ein Fünftel der Befragten gab darüber hinaus in der Studie an,
keine Strategie für Automatisierungsinitiativen im Marketing zu haben. Das ist problema-
tisch, denn nach derselben Studie nutzen erfolgreiche Unternehmen mit einer dreifach
höheren Wahrscheinlichkeit Instrumente der Marketingautomatisierung.
Mit Beginn des Jahres 2020 setzte die COVID-19-Pandemie ein. Eine der ersten Stu-
dien, die unmittelbar nach dem globalen Corona-Ausbruch entstanden (April-Juni), kam
von der Boston Consulting Group (2020). Im „Global Digital Transformation Survey“
wurden 825 Führungskräfte von großen Unternehmen weltweit befragt. 83 % von ihnen
gaben an, dass die digitale Transformation bei ihnen zwar bereits seit Jahren eine Top-
Priorität gehabt hatte, nun aber die Aktivitäten nochmals beschleunigt werden würden.
Rund zwei Drittel der Befragten erwartete, dass die zur Verfügung stehenden Budgets
hierfür signifikant erhöht werden. Eine weltweite Studie von KPMG (2021) kommt zu
vergleichbaren Ergebnissen.
IBM (2021) befragte mitten in der Krise mehr als 3000 Top Manager aus 26 Branchen
und 50 Ländern. Die beteiligten Unternehmen wurden in zwei Gruppen geteilt, die „Out-
performers“ und die „Underperformers“. Man fand heraus, dass 85 % der „Outperformers“
das Thema Führung („Leadership“) als wichtigsten Erfolgstreiber ansehen. Darüber hi
naus hatten die erfolgreichen Unternehmen klarere Prioritäten. Die Top 3-Prioritäten der
„Outperformers“ waren bessere Kundenerlebnisse (60 %), stärkere Kundenbeziehungen
(55 %) und Effizienzsteigerungen (51 %). Die verstärkte Kundenorientierung von Unter-
9 Digital Marketing Leadership – Modell und empirische Ergebnisse aus dem … 223
nehmen während der Corona-Pandemie belegt auch die in den USA durchgeführte Studie
„The CMO Survey“ (2021), wonach 72 % der befragten Marketingentscheider angaben,
dass die Rolle des Marketings in ihren Unternehmen während der Krise gestiegen sei.
Im Laufe der Pandemie beobachtete McKinsey (Bages-Amat et al., 2020) im B-to-B-
Vertrieb, dass die Nutzung von digitalen Kommunikationskanälen sowohl in der Be-
treuung von Bestandskunden als auch in der Neukundengewinnung signifikant zunahm.
Während der persönliche Verkauf als B-to-B-Vertriebsweg von 61 % Nutzung vor der
Krise auf 29 % zurückging, gaben knapp 80 % der B-to-B-Entscheider auf der Einkaufs-
seite an, dass sie digitale Interaktionen oder gleich digitalen Self Service bevorzugten.
Auch wenn die hier zitierten Studien nur begrenzt miteinander vergleichbar sind und
nicht immer wissenschaftlichen Standards der empirischen Forschung entsprechen, so er-
gibt sich doch ein klares Bild für das B-to-B-Umfeld:
• Das Informations- und Einkaufsverhalten von B-to-B-Kunden hat sich im Zuge der
Digitalisierung deutlich verändert.
• Viele B-to-B-Anbieterunternehmen hatten bereits vor dem Ausbruch der Pandemie im
Frühjahr 2020 große Schwierigkeiten, in Marketing und Vertrieb adäquat auf die ge-
änderten Kundenanforderungen zu reagieren (Day, 2011).
• Dieser Transformationsdruck für B-to-B-Anbieterunternehmen hat sich durch den
Digitalisierungsbeschleuniger Corona drastisch verschärft.
• Dem Bedeutungsverlust des persönlichen Verkaufs im B-to-B-Umfeld steht ein
B-to-B-Marketing gegenüber, für das die Krise eine große Chance darstellt, denn die-
jenigen Unternehmen, die schnell innovative, mehrwertige und differenzierende Wege
zum Kunden finden, werden Wettbewerbsvorteile generieren und Marktanteile
gewinnen.
• Digitalisierung im B-to-B-Marketing wird zum strategischen Erfolgsfaktor und be-
deutet deutlich mehr als die neuste Mobile App, VR-Anwendungen auf Messen oder
die Nutzung von E-Commerce-Plattformen im Rahmen eines Omni-Channel-Ansatzes.
• Vielmehr benötigen Marketingorganisationen im B-to-B-Umfeld eine neue Kultur und
neue Kompetenzen, um schnell und erfolgreich die digitale Transformation zu be-
wältigen – das erfordert gerade auch von langjährigen Führungskräften und Mit-
arbeitenden neue und ungewohnte Arbeitstechniken (z. B. agile Methoden, Scrum, De-
sign Thinking).
Mit anderen Worten: Dem Marketing kommt eine zentrale Rolle bei der dringend ge-
botenen digitalen Transformation von Unternehmen im B-to-B-Geschäft zu, die es nur
ausfüllen kann, wenn es hierbei in die Offensive geht und eine interne (Bedeutung des
Marketings innerhalb des Unternehmens, Verhoef & Leeflang, 2009) sowie externe (Ex-
zellenz des Marketings im Vergleich zum Wettbewerb, Feng et al., 2015) Führungsrolle
nicht nur einfordert, sondern auch auszufüllen bereit und in der Lage ist. Das Marketing
muss also „Digital Leadership“ zeigen, so wird es allenthalben immer öfter gefordert.
Diese Forderung wird im nächsten Abschnitt aus wissenschaftlicher Sicht beleuchtet.
224 C. Baumgarth und L. Binckebanck
Eberl und Drews (2021) schlagen vor dem Hintergrund dieser Ergebnisse folgende
Definition vor: „Digital leadership is a complex construct aiming for a customer-centered,
digitally enabled, leading-edge business model by (1) transforming the role, skills, and
style of the digital leader, (2) realizing a digital organization, including governance, vi-
sion, values, structure, culture, and decision processes, and (3) adjusting people manage-
ment, virtual teams, knowledge, and communication and collaboration on the individual
level“ (S. 4).
Demnach geht es bei „Digital Leadership“ darum, durch adäquate Methoden der Füh-
rung, Organisation und Zusammenarbeit Geschäftsmodelle von Unternehmen so (weiter)
zu entwickeln, dass der Kunde im Mittelpunkt steht (Rolle des Marketings) und Wett-
bewerbsvorteile generiert werden (Rolle der Strategie). Aus dieser Perspektive sind digi-
tale Technologien, die in der Praxis häufig im Mittelpunkt der Diskussion stehen, lediglich
ein Mittel zum Zweck. Dieser ist es, eine digitale Führungsrolle des Unternehmens im
Wettbewerbsumfeld zu erreichen, die Mehrwerte für Kunden schafft, wobei die Marketing-
organisation (inklusive Vertrieb) eine zentrale Rolle spielen kann (Binckebanck, 2017).
Zentraler Erfolgsfaktor bei der Umsetzung dieses Anspruchs ist die Fähigkeit zur Ver-
änderung organisationaler Strukturen, des kulturellen Mindsets und der zielgerichteten
Ressourcenausstattung (Gurbaxani & Dunkle, 2019; Schneider & Kokshagina, 2021;
Weill & Woerner, 2018; Westerman et al., 2019). Beispiele sind die Entwicklungen vom
herkömmlichen zum datengetriebenen Entscheidungsverhalten, von Silos zu interdiszipli-
närer Zusammenarbeit oder vom Primat der Risikovermeidung hin zu Agilität, Experi-
menten und Improvisation (Levallet & Chan, 2018; Martin & Golsby-Smith, 2017;
Shrestha et al., 2019).
Vor diesem Hintergrund ist es folgerichtig, wenn sich neuere Aufsätze zu „Digital
Leadership“ statt mit persönlichen Qualitäten von Führungskräften verstärkt mit organisa-
tionalen Fähigkeiten beschäftigen (Abbu et al., 2020; Mihardjo et al., 2019). Diese Per
spektive folgt grundsätzlich dem Resource-Based View (RBV) im strategischen Manage-
ment, wonach langfristig kultivierte interne Ressourcen und organisationale Kompetenzen
sich zu unternehmensspezifischen Fähigkeiten verdichten, die wiederum zu überlegenem
Kundennutzen und damit zu strategischen Wettbewerbsvorteilen führen (Barney, 2010;
Barney, J. (1991); Wernerfelt, 1984).
Der RBV spielt bis heute eine prominente Rolle in der Marketingliteratur (Kozlenkova
et al., 2014). Strategisch relevante Marketingfähigkeiten sind u. a. Marktbeobachtung und
marktorientiertes Wissensmanagement, Beziehungsmanagement zu Kunden und Absatz-
partnern, Markenführung, Aufbau und Führung der Marketingorganisation sowie spezi-
fisches Know-how zum operativen Marketing-Mix (Moorman & Day, 2016). Dabei ist es
grundsätzlich sinnvoll, zwischen zur Verfügung stehenden internen und externen Ressour-
cen einerseits und andererseits der Fähigkeit eines Unternehmens, diese Ressourcen in
systematischer Art und Weise zur Zielerreichung zu nutzen, zu unterscheiden (Helfat &
Peteraf, 2003; Makadok, 2001; Wernerfelt, 1984).
Die erfolgskritische Rolle von Fähigkeiten und Ressourcen der Marketingorganisation
für den Markterfolg insbesondere bei dynamischen Umfeldveränderungen wird bereits
226 C. Baumgarth und L. Binckebanck
seit Jahren anerkannt (Barrales-Molina et al., 2014; Orlandi, 2016; Xu et al., 2018). Daher
ist der RBV-Ansatz um das Konzept der dynamischen Fähigkeiten ergänzt worden, wel-
ches die Anpassungsfähigkeit der Marketingorganisation an eine sich (nicht zuletzt
aufgrund der Digitalisierung) immer schneller wandelnde Unternehmensumwelt als
wesentlichen Erfolgsfaktor ansieht (Day, 2011; Teece et al., 1997). Dynamische
Marketingfähigkeiten „reflect human capital, social capital, and the cognition of managers
involved in the creation, use, and integration of market knowledge and marketing re-
sources to match and create market and technological change“ (Bruni & Verona, 2009,
S. 7). Diese Forderung ist eng verwandt mit der nach einem „agilen“ Marketing (Homburg
et al., 2020; Lemon & Verhoef, 2016).
Diese Argumentation gilt auch für das B-to-B-Umfeld. Es findet sich in der wissen-
schaftlichen Literatur mittlerweile eine Fülle von Untersuchungen, die zeigen, dass die
digitale Transformation sowohl Einkaufs- als auch Vertriebsprozesse entlang der Wert-
schöpfungskette signifikant und dynamisch verändert (z. B. Cuevas, 2018; Jüttner et al.,
2007; Kache & Seuring, 2017; Mahlamäki et al., 2020; Schillewaert et al., 2005; Srai &
Lorentz, 2019; Wiersema, 2013) und wie B-to-B-Unternehmen digitale Technologien zur
Steigerung von Effektivität und Effizienz nutzen können (z. B. Cortez & Johnston, 2017;
Pagani & Pardo, 2017; Singh et al., 2019; Steward et al., 2019). So intensivieren B-to-B-
Anbieter etwa ihr Content Marketing, verwenden immer öfter Plattformen zur Marketing-
automatisierung, experimentieren mit Chatbots in der Kundenbetreuung und verwenden
Social Media systematisch in der Neukundengewinnung (Guesalaga et al., 2018; Her-
hausen et al., 2020; Salo, 2017).
Allerdings stellen Herhausen et al. (2020) fest, dass die wissenschaftliche Diskussion
auch im B-to-B-Umfeld die Rolle der Fähigkeiten einer Marketingorganisation als Voraus-
setzung für eine effektive und effiziente digitale Transformation der Marktbearbeitung
bislang vernachlässigt hat. Die Anwendung des RBV und die Interpretation der Marketing-
organisation als Bündel von Ressourcen und Fähigkeiten „helps to identify, build, and
sustain sources of competitive advantage in the new normal of our digital era“ (Herhausen
et al., 2020, S. 276).
Hierfür definieren Herhausen et al. (2020) „… a digital marketing resource as a digital-
related marketing asset (tangible or intangible) that a B2B firm owns, controls, or has ac-
cess to on a semi-permanent basis. Moreover, a digital marketing capability is the ability
of a B2B firm to perform a coordinated set of digital-related tasks (operational or dyna-
mic), utilizing digital resources, for achieving a competitive advantage“ (S. 277).
Die bislang skizzierten konzeptionellen Grundlagen lassen sich wie folgt zusam
menfassen:
• Digitale Transformation bedeutet den Einsatz von IT zur Erhöhung von Effektivität und
Effizienz unternehmerischer Aktivitäten und zum Erhalt sowie Auf- und Ausbau von
strategischen Wettbewerbsvorteilen.
• Digital Leadership soll den Erfolg dieses Veränderungsprozesses sicherstellen, indem
durch adäquate Methoden der Führung, Organisation und Zusammenarbeit Geschäfts-
9 Digital Marketing Leadership – Modell und empirische Ergebnisse aus dem … 227
modelle so (weiter) entwickelt werden, dass eine digitale Führungsrolle des Unter-
nehmens im Wettbewerbsumfeld eingenommen werden kann und differenzierender
Mehrwert für Kunden entsteht.
• Der Marketingorganisation kommt für ein erfolgreiches Digital Leadership eines
Unternehmens angesichts der notwendigen Kunden- und Marktorientierung bei einem
sich dynamisch verändernden Umfeld eine zentrale Rolle zu.
• Um Digital Leadership in und mit der Marketingorganisation umzusetzen, müssen re-
levante materielle, immaterielle und menschliche Ressourcen auf- und ausgebaut sowie
im Rahmen interner und externer Verhaltensweisen als organisationale Fähigkeiten dy-
namisch in strategische Wettbewerbsvorteile übersetzt werden.
• Diese Logik gilt auf für das B-to-B-Geschäft, wobei hier die Rolle von Ressourcen und
Fähigkeiten einer Marketingorganisation als Voraussetzung für eine effektive und effi-
ziente digitale Transformation der Marktbearbeitung noch vergleichsweise wenig er-
forscht ist.
Es geht bei Digital Leadership nicht schwerpunktmäßig um die neuesten digitalen Techno-
logien (Tabrizi et al., 2019), sondern insbesondere um ein verändertes Mindset, adäquate
Ressourcen und neue Formen der internen und externen Zusammenarbeit. Das bedeutet:
Digital Leadership setzt an der Kultur- und der Verhaltensebene an. Digital Leadership
gewichtet Mitarbeiter und Kunden mindestens genauso stark wie Technologie und Algo-
rithmen. Regelmäßig setzt Digital Leadership einen professionellen, umfangreichen und
gelegentlich auch schmerzhaften Change-Prozess in Unternehmen voraus.
Es wird deutlich: Der Zusammenhang zwischen der digitalen Transformation von
Marketingorganisationen einerseits und Digital Leadership andererseits ist ergiebig für die
Konzeption von Lösungen für die im Eingangskapitel geschilderten praktischen Heraus-
forderungen, auch und gerade im B-to-B-Umfeld. Ein solcher Ansatz, der hier integrativ
als „Digital Marketing Leadership“ bezeichnet werden soll, wird im nächsten Kapitel er-
arbeitet.
9.3 DML-Modell
Bislang wurde Digital Leadership noch nicht explizit mit Bezug auf Marketing-
organisationen von Unternehmen untersucht. An dieser Stelle setzt das Modell „Digital
Marketing Leadership“ an, welches den Bezugsrahmen dieses Beitrags liefert. Aufbauend
auf den skizzierten konzeptionellen Grundlagen lässt sich „Digital Marketing Leadership“
(DML) wie folgt definieren:
cc Definition Digital Marketing Leadership beschreibt die Existenz und interne Ent-
wicklung materieller, immaterieller und menschlicher Ressourcen der Marketing-
organisation sowie die Umsetzung dieser organisationalen Fähigkeiten im Rahmen interner
und externer Verhaltensweisen in einer Art und Weise, die strategische Wettbewerbsvorteile
durch eine digitale Führungsrolle im externen Marktumfeld ermöglicht.
228 C. Baumgarth und L. Binckebanck
DML ist somit ein mehrdimensionaler Ansatz, der Ressourcen als Voraussetzung für
und deren Umsetzung in konkretes Verhalten umfasst (auch Baumgarth & Binckebanck,
2018, 2019). Weiterhin umfasst nach dieser Definition DML nicht die Fähigkeiten oder
Merkmale einer Person (z. B. Marketingleitung), sondern die gesamte Marketing-
organisation. Schließlich verfolgt diese Definition eine komparative Betrachtung, d. h. es
geht um die digitale Exzellenz der eigenen Marketingabteilung im Vergleich zu anderen
Marketingorganisationen derselben Branche – also nicht, wie sonst häufig üblich, in Rela-
tion zu digitalen Vorbildern wie Google oder Amazon. Nach dieser Definition entstehen
Leadership und damit auch die Erreichung von Wettbewerbsvorteilen durch die relative
Überlegenheit der eigenen Ressourcen und des eigenen Verhaltens im Vergleich zu direk-
ten Wettbewerbern.
Um das Gesamtkonstrukt DML mess- und analysierbar zu machen, wurden aufbauend
auf der Literatur und Best Practice-Beispielen fünf Dimensionen identifiziert und defi-
niert: (1) Mindset, (2) Tangible Ressourcen, (3) Personelle Ressourcen, (4) Internes Ver-
halten und (5) Externes Verhalten. Tab. 9.1 fasst die Definitionen der DML-Dimensionen
zusammen.
Um diese fünf DML-Dimensionen zu konkretisieren und auf den B-to-B-Bereich anzu-
passen wurden in einem ersten Schritt 16 telefonische Gespräche mit Experten aus der
Beratung und Unternehmenspraxis durchgeführt. Diesen wurden der Bezugsrahmen und
die Definitionen vorgestellt und sie wurden nach konkreten Ausprägungen und Beispielen
befragt. Die Antworten wurden ergebnisorientiert transkribiert und durch die beiden Ver-
Tab. 9.1 DML-Dimension
DML-
Dimension Definition
(1) Mindset DML-Mindset umfasst alle schwer quantifizierbaren und immateriellen Werte der
Marketingorganisation, wie etwa Kultur und Philosophie, die digitales Handeln
fördern.
(2) Tangible Tangible DML-Ressourcen umfassen alle quantifizierbaren und im
Ressourcen Rechnungswesen abbildbaren finanziellen (z. B. Budget) und physischen
(z. B. IT-Ausstattung) Aktivposten einer Marketingorganisation, die digitales
Handeln fördern.
(3) Personelle Personelle DML-Ressourcen umfassen alle Potenziale, welche Mitarbeiter der
Ressourcen Marketingorganisation in Form von Fähigkeiten und Know-how zur Verfügung
stellen, die digitales Handeln fördern.
(4) Internes Internes DML-Verhalten beschreibt die Umsetzung der DML-Ressourcen in
Verhalten konkretes digitales Handeln innerhalb des Unternehmens, wobei sowohl
Aktivitäten innerhalb der Marketingorganisation als auch Interaktionen mit
anderen Unternehmensbereichen und Marketingdienstleistern zu berücksichtigen
sind.
(5) Externes Externes DML-Verhalten beschreibt die Umsetzung der DML-Ressourcen in
Verhalten konkretes digitales Handeln außerhalb des Unternehmens in Richtung Kunde,
wobei dieses sowohl das Informationsmanagement als auch den Marketing-Mix
umfasst.
9 Digital Marketing Leadership – Modell und empirische Ergebnisse aus dem … 229
fasser zu Items verdichtet. Insgesamt wurden 43 Items identifiziert. Um die Qualität der
Items zu prüfen und auch deren Anzahl zu reduzieren, wurde eine zweite Online-
Expertenbefragung von Wissenschaftlern und Praktikern durchgeführt (n = 25). Nach An-
derson und Gerbing (1991) wurde für jedes Item mit dem sog. pSA und cSV zwei Kenn-
größen bestimmt, die angeben, wie gut das Item von den Experten den von den Forschern
vorgebenden Dimensionen zugeordnet werden. Es wurden nur Items verwendet, die einen
pSA > 0,35 und einen cSV < 0 aufweisen. Durch diesen Prozess wurden neun Items eli-
miniert. Die restlichen 34 Items wurden in der Hauptstudie verwendet (vgl. Tab. 9.3).
Neben der Spezifikation der Konstrukte wurden auch Wirkungshypothesen aufgestellt,
die grundsätzlich von der Logik ausgehen, dass Ressourcen einen positiven Einfluss auf
Verhalten haben. Daher lassen sich zunächst folgende Hypothesen ableiten:
H1a: Je höher das DML-Mindset ausfällt, desto stärker fällt das interne DML-
Verhalten aus.
H1b: Je höher das DML-Mindset ausfällt, desto stärker fällt das externe DML-
Verhalten aus.
H2a: Je höher die tangiblen DML-Ressourcen vorhanden sind, desto stärker fällt das
interne DML-Verhalten aus.
H2b: Je höher die tangiblen Ressourcen vorhanden sind, desto stärker fällt das externe
DML-Verhalten aus.
H3a: Je höher die personellen DML-Ressourcen vorhanden sind, desto stärker fällt
das interne DML-Verhalten aus.
H3b: Je höher die personellen DML-Ressourcen vorhanden sind, desto stärker fällt
das externe DML-Verhalten aus.
Ferner wird davon ausgegangen, dass ein stärker digitales, nach innen ausgerichtetes Ver-
halten der Marketingorganisation auch das externe DML-Verhalten fördert. Daher wird
folgende Hypothese formuliert:
H5a: Je stärker das interne DML-Verhalten ausfällt, desto stärker fällt das externe
DML-Verhalten aus.
Zusätzlich wird in das Modell der Einfluss von DML auf die Performance integriert.
Dabei werden mit der internen und der externen Performance zwei verschiedene Arten
differenziert. Die interne Performance umfasst die Stellung und (positive) Wahrnehmung
der Marketingabteilung aus Sicht der Top-Management-Ebene (C-Level). Wie einige Stu-
dien zeigten, ist die Wahrnehmung und damit auch die Machtposition der Marketingab-
teilung aus C-Level-Sicht vielfach schwach ausgeprägt (z. B. Homburg et al., 1999, 2015;
Verhoef & Leeflang, 2009). Daher wird untersucht, ob die Digitalisierung ein Hebel sein
kann, um diese geringe Machtbasis zu verbessern. Es wird angenommen, dass nicht die
Ressourcen direkt einen Einfluss auf die interne Performance haben, sondern nur die
beiden DML-Verhaltensweisen. Schließlich wird angenommen, dass die externe Per-
230 C. Baumgarth und L. Binckebanck
Mindset
H1a
H2a
Tangible H4a H5a
Ressourcen
H2b
H3b
Personelle
Ressourcen
formance, die den Markterfolg widerspiegelt, nur von dem nach außen gerichteten, sprich
dem externen DML-Verhalten direkt beeinflusst wird. Diese Zusammenhänge lassen sich
formal zu den folgenden Hypothesen zusammenfassen:
H5b: Je stärker das interne DML-Verhalten ausfällt, desto positiver ist die interne Per-
formance.
H6a: Je stärker das externe DML-Verhalten ausfällt, desto positiver fällt die interne
Performance aus.
H6b: Je stärker das externe DML-Verhalten ausfällt, desto positiver fällt die externe
Performance aus.
9.4.1 Design
Um das Modell empirisch zu prüfen, wurde zunächst bereits 2017, also vor der Corona-
Pandemie, eine empirische Studie im B-to-B-Bereich (n = 130) in Kooperation mit dem
Bundesverband Industriekommunikation (bvik) durchgeführt. Um die Stabilität des
Modells zu überprüfen und die Datenbasis zu erweitern, wurde 2020 eine Nachfolgestudie
9 Digital Marketing Leadership – Modell und empirische Ergebnisse aus dem … 231
in der Immobilienwirtschaft (B-to-B) in Kooperation mit dem Real Estate Brand Institute
und KPMG (n = 155) durchgeführt. Trotz Unterschieden zwischen dem allgemeinen B-to-
B-Geschäft und der Immobilienwirtschaft wurden für beide Studien das identische Modell
und dieselben Items verwendet, die Daten in einem Datensatz integriert und die Daten
gemeinsam ausgewertet.
Beide Studien wurden als Onlinebefragungen mit der Software EFS Survey realisiert.
In beiden Fällen wurde der Link zu der Onlinebefragung sowohl an Adresslisten (z. B. Mit-
gliedsunternehmen des bvik) versandt als auch über die Webseiten und Social Media-
Kanäle der beteiligten Partner gestreut. Anschließend wurden die Datensätze gesäubert
und nur solche Antworten berücksichtigt, die mindestens 90 % der interessierenden Va-
riablen beantwortet haben. Fehlende Werte wurden über das Inputationsverfahren „Mittel-
wert“ geschätzt. Die Auswertung der Daten erfolgte mit SPSS (Version 25) und ADANCO
(Version 2.2.1).
9.4.2 Modelltest
Die Beurteilung der Ergebnisse aus der PLS-Analyse orientiert sich an den Leitlinien und
Empfehlungen von Benitez et al. (2020) und Henseler (2021) und gestaltet sich in drei
Hauptschritten: (1) Gesamtmodell, (2) Messmodell und (3) Strukturmodell. Zur statisti-
schen Prüfung der Modelle wurde ein Bootstrapping mit 4999 Stichproben durchgeführt.
(1) Gesamtmodell
(2) Messmodelle
Im nächsten Schritt sind die Messmodelle zu prüfen, wobei sowohl formative (für die fünf
Bausteine von DML) als auch reflektive Messmodelle (Performancemessung) zum Einsatz
gekommen sind. Bei der Messung aller Konstrukte wurde jeweils ein Indikator als dominie-
render Indikator festgelegt. Weiterhin wurden zwei Items eliminiert, die negative Ladungen
aufwiesen. Zur Beurteilung der formativen Modelle wird auf den Variance-Inflation-Factor
(VIF) zur Überprüfung der Multikollinearität (VIF < 5) und auf die Signifikanz der Gewichte
und Ladungen zur Prüfung des Beitrags jedes Indikators zum Gesamtkonstrukt zurück-
gegriffen. Die reflektiven Messmodelle wurden durch Cronbach’s Alpha und Dijkstra-Hense-
ler pA in Bezug auf ihre Güte überprüft. Tab. 9.3 fasst die Ergebnisse zusammen.
232 C. Baumgarth und L. Binckebanck
Wie Tab. 9.3 zeigt, erfüllen fast alle Messmodelle die empfohlenen Grenzwerte. Die
beiden reflektiven Messmodelle erfüllen alle Gütekriterien. Bei den formativen Mess-
modellen erfüllen alle Indikatoren das Kriterium der geringen Multikollinearität. Weiter-
hin weisen fast alle Indikatoren signifikante Gewichte und Ladungen auf. Da die wenigen
Indikatoren, die keine signifikanten Gewichte und/oder Ladungen aufweisen, trotzdem
positive Beiträge liefern und auch im Pretest als relevante Items von den Experten beurteilt
wurden, verbleiben diese in den Messmodellen.
(3) Strukturmodell
Im dritten und letzten Schritt erfolgt die Prüfung des Strukturmodells und damit auch die
Überprüfung der Hypothesen. Tab. 9.4 fasst die Ergebnisse zusammen.
9 Digital Marketing Leadership – Modell und empirische Ergebnisse aus dem … 233
Tab. 9.4 Strukturmodell
Hypothesen Pfad Pfadkoeffizient Ergebnis
H1a Mindset → Internes Verhalten 0,187*** √
H1b Mindset → Externes Verhalten 0,187*** √
H2a Tangible Ressourcen → Internes Verhalten 0,401*** √
H2b Tangible Ressourcen → Externes Verhalten 0,178*** √
H3a Personelle Ressourcen → Internes 0,329*** √
Verhalten
H3b Personelle Ressourcen → Externes 0,213*** √
Verhalten
H4a Internes Verhalten → Interne Performance 0,228* (√)
H4b Internes Verhalten → Externes Verhalten 0,342*** √
H5a Externes Verhalten → Interne Performance 0,269** (√)
H5b Externes Verhalten → Externe Performance 0,476*** √
Erklärte Varianz R2
Internes Verhalten 0,634 hoch
Externes Verhalten 0,663 hoch
Interne Performance 0,215 moderat
Externe Performance 0,227 moderat
Gesamtmodell
SRMR 0,0496 (HI95 = 0,0444) nicht erfüllt
dULS 1,7309 (HI95 = 1,3876) nicht erfüllt
dG 0,5867 (HI 95 = 0,7119) erfüllt
Effektstärke f2
Mindset → Internes Verhalten 0,055 schwach
Mindset → Externes Verhalten 0,052 schwach
Tangible Ressourcen → Internes Verhalten 0,230 mittel
Tangible Ressourcen → Externes Verhalten 0,037 schwach
Personelle Ressourcen → Internes Verhalten 0,150 mittel
Personelle Ressourcen → Externes Verhalten 0,055 schwach
Internes Verhalten → Interne Performance 0,031 schwach
Internes Verhalten → Externes Verhalten 0,116 schwach
Externes Verhalten → Interne Performance 0,043 schwach
Externes Verhalten → Externe Performance 0,294 mittel
Zunächst einmal zeigt sich, dass das Gesamtmodell die Kenngrößen SRMR und dULS
nicht vollständig erfüllt. Da aber die Abweichungen relativ gering sind und gleichzeitig
der dG-Wert deutlich erreicht wird, wird das Gesamtmodell akzeptiert. Weiterhin belegen
die Ergebnisse, dass sowohl die interne Performance mit rund 22 % als auch die externe
Performance mit rund 23 % durch DML moderat erklärt werden kann. Diese Werte wer-
den als „gut“ interpretiert, da neben der digitalen Ausprägung der Marketingorganisation
eine Vielzahl weiterer Faktoren die interne und die externe Performance beeinflussen.
Bezüglich der aufgestellten Hypothesen zeigt sich, dass alle zumindest tendenziell be-
234 C. Baumgarth und L. Binckebanck
stätigt wurden. Die Analyse der totalen Effekte verdeutlicht, dass das interne Verhalten mit
0,321 die interne Performance und das externe Verhalten mit 0,476 die externe Per-
formance jeweils am stärksten beeinflussen. Die drei Ressourcen Mindset, tangible und
personelle Ressourcen weisen mit totalen Effekten zwischen 0,110 und 0,176 sowohl in
Bezug auf die interne als auch die externe Performance ähnliche Ausmaße aus und können
damit als gleichwichtig angesehen werden.
Um die Ergebnisse und das Modell für die Unternehmenspraxis anwendbar zu machen,
erfolgt abschließend noch eine deskriptive Auswertung. Dazu werden die fünf Konstrukte
von DML zu jeweils einem Index verdichtet, wobei die im PLS-Modell identifizierten Ge-
wichte als Gewichtungsfaktoren in die Indexkonstruktion eingehen. Weiterhin werden die
fünfstufigen Likert-Skalen in eine leichter verständliche Prozentlogik transformiert.
Abb. 9.2 zeigt die Ergebnisse für die fünf DML-Dimensionen.
Es zeigt sich, dass alle fünf Dimensionen mit Werten zwischen 44 % und 58 % noch
deutliche Lücken aufweisen. Am höchsten ist das digitale Mindset ausgeprägt.
Weiterhin wurde für die interne und externe Performance auch jeweils ein Index be-
rechnet, wobei durch die reflexive Operationalisierung jeweils alle Items mit dem gleichen
70%
57.6%
53.0% 51.7%
47.5%
44.1%
35%
0%
Mindset Tangible Personelle Internes Externes
Ressourcen Ressourcen Verhalten Verhalten
Tab. 9.5 DML-Niveaus differenziert nach dem internen und externen Erfolg
Interne Performance Externe Performance
Underperformer Outperformer Underperformer Outperformer
Mindset 49,9 % 64,2 %*** 49,6 % 68,2 %***
Tangible Ressourcen 34,8 % 51,6 %*** 36,4 % 55,0 %***
Personelle Ressourcen 37,7 % 54,6 %*** 42,0 % 56,7 %***
Internes Verhalten 40,0 % 62,3 %*** 44,3 % 64,7 %***
Externes Verhalten 39,8 % 59,6 %*** 42,2 % 64,5 %***
***: p < 0,01
Gewicht in den Index eingehen. Aufbauend auf den Performance-Indizes wurden für beide
Studien die Unternehmen in jeweils vier Gruppen eingeteilt. Tab. 9.5 vergleicht deskriptiv
und durch einen t-Test die Ausprägungen der DML-Dimensionen für die jeweiligen
Extremgruppen, sprich für sehr erfolgreichen („Outperformer“) und sehr erfolglosen
Unternehmen („Underperformer“).
Die Gruppenvergleiche zeigen sowohl für die interne als auch externe Performance
stark signifikante Unterschiede bei allen fünf DML-Dimensionen. Absolut gesehen be-
stehen die größten Unterschiede jeweils bei den beiden Verhaltensgrößen, sprich: DML
wird insbesondere dann ein Erfolgstreiber, wenn es auch in tatsächliches Verhalten um-
gesetzt wird.
9.4.4 Interpretation
dies jedoch, dann verbessert DML signifikant die interne Stellung der B-to-B-Mar
ketingabteilung und den Markterfolg des B-to-B-Anbieterunternehmens.
Ein solches Verständnis von DML ist gemäß den Ergebnissen unserer Studie im
B-to-B-Marketing noch nicht besonders ausgeprägt. Es besteht also Handlungsbedarf,
oder anders ausgedrückt: Es bestehen erhebliche Potenziale zur Positionierung und Diffe-
renzierung in einem dynamischen Wettbewerbsumfeld, wenn die digitale Transformation
gelingt. Besondere Schwach- bzw. Ansatzpunkte sind die tangiblen und personellen
Ressourcen.
Folgende Handlungsempfehlungen lassen sich aus der Studie für das Management der
B-to-B-Marketingorganisation ableiten:
von ihnen präferierten Kanäle zur Verfügung stellen. Auch müssen die angebotenen
digitalen Lösungen für die Kunden einfach und schnell sein. Die Usability und die User
Experience entlang digitaler Touchpoints sind zu optimieren, da professionelle Ein-
käufer und Entscheider aus ihrem privaten Umfeld entsprechende Standards ge-
wohnt sind.
9.5 Schlussbetrachtung
Das vorgestellte und empirisch validierte DML-Modell kann zunächst als Denkmodell für
die Unternehmenspraxis dienen, da es explizit den holistischen Charakter der Digitalisie-
rung betont. Im Kern bezeichnet Digitalisierung begrifflich den Wandel von analogen zu
digitalen Informationen und Instrumenten. Allerdings ist die Digitalisierung in Unter-
nehmen und Marketingabteilungen insbesondere eine Veränderung der Prozesse, der Or-
ganisation und der notwendigen Fähigkeiten und Kompetenzen der Führungs- und Fach-
kräfte. Diesen ganzheitlichen Charakter des notwendigen Changemanagements betonen
die fünf Dimensionen des DML-Modells.
Dabei sind nicht nur Modelle für die digitale Transformation des gesamten Unter-
nehmens oder der gesamten Branche bzw. der Wirtschaft sinnvoll, sondern, wie das DML-
Modell zeigt, auch Bezugsrahmen mit einer Fokussierung auf einzelne Funktionsbereiche.
Diese Modelle mit einer geringeren Reichweite ermöglichen es, den Digitalisierungsgrad
konkreter und damit auch besser abzubilden. Dies erhöht auch die Verständlichkeit in der
Unternehmenspraxis sowie die Direktheit der Managementimplikationen.
Zusätzlich zeigen das Modell und die Ergebnisse auf, dass die Digitalisierung für das
Marketing auch eine große Chance zur besseren internen Legitimierung darstellt. In der
Vergangenheit haben speziell im B-to-B-Bereich Marketingabteilungen immer mehr
Macht verloren und Aufgabenfelder abgegeben. Im Kern ist das Marketing in vielen B-to-
B-Unternehmen primär kommunikationsorientiert mit wenigen strategischen Aufgaben.
Dieses enge und überwiegend taktische Aufgabenspektrum führt auch dazu, dass das An-
sehen der Marketingfunktion auf C-Level-Ebene häufig nicht besonders hoch ausfällt. Wie
die empirischen Ergebnisse aufzeigen, können Marketingabteilungen mit einem hohen
DML-Niveau die interne Performance, sprich das Ansehen auf Top-Management-Ebene,
verbessern. Dies ist aber nur erreichbar, wenn das Marketing sich proaktiv mit der Digita-
lisierung beschäftigt, entsprechende Kompetenzen intern aufbaut und auch digitale Lö-
sungen sowohl intern als auch extern erprobt, verbessert und implementiert. Ein „Out-
sourcen“ an externe Dienstleister oder an die IT-Abteilungen führen nicht zu einem hohen
DML-Niveau.
Schließlich kann das DML-Modell auch als praktisches Tool zur konkreten Beurteilung
des Status-quo der Digitalisierung der Marketingfunktion Verwendung finden. Dabei kön-
nen die Items zur Messung der fünf DML-Dimensionen als Basis für eine Checkliste
238 C. Baumgarth und L. Binckebanck
dienen. Aufbauend auf dem DML-Modell sind aber auch Entwicklungen von umfang-
reichen und stärker formalisierten Evaluationsansätzen, wie etwa ein DML-Audit (allg.
Kotler et al., 1977; Baumgarth et al., 2014), denkbar und sinnvoll.
9.5.2 Reflektion
Schließlich konnte die Studie zeigen, dass alle fünf DML-Bausteine relevant sind. In
einem nächsten Schritt wäre es daher aus wissenschaftlicher wie auch management-
orientierter Betrachtung interessant, Strategien und Instrumente zur Verbesserung des
Digitalniveaus der fünf Bausteine zu analysieren. Ansatzpunkte für eine solche eher in
strumentelle Betrachtung könnte die Forschung zum Changemanagement, zur internen
Markenführung und zur Agilität liefern.
Literatur
Abbu, H., Mugge, P., Gudergan, G., & Kwiatkowski, A. (2020). Digital leadership – Character and
competency differentiates digitally mature organizations. In 2020 IEEE international conference
on engineering, technology and innovation (S. 1–9). ICE/ITMC.
Accenture Interactive. (2018). On the verge: B2B digital commerce is at an inflection point. https://
www.accenture.com/t20180522T025432Z__w__/us-en/_acnmedia/PDF-78/Accenture-Verge-
B2B-Digital-Commerce.pdf. Zugegriffen am 12.08.2021.
Anderson, J. C., & Gerbing, D. W. (1991). Predicting the performance of measures in a confirmatory
factor analysis with a pretest assessment of their substantive validities. Journal of Applied Psy-
chology, 76(5), 732–740.
Avolio, B. J., Kahai, S., & Dodge, G. E. (2001). E-leadership. Implications for theory, research and
practice. The Leadership Quarterly, 11(4), 615–668.
Bages-Amat, A., Harrison, L., Spillecke, D., & Stanley, J. (2020). These eight charts show how
COVID-19 has changed B2B sales forever. https://www.mckinsey.com/business-functions/
marketing-and-sales/our-insights/these-eight-charts-show-how-covid-19-has-changed-b2b-
sales-forever. Zugegriffen am 12.08.2021.
Barney, J. (1991). Firm resources and sustained competitive advantage. Journal of Management,
17(1), 99–120.
Barney, J. (2010). Gaining and sustaining competitive advantage (4. Aufl.). Peason.
Barrales-Molina, V., Martínez-López, F. J., & Gázquez-Abad, J. C. (2014). Dynamic marketing ca-
pabilities: Toward an integrative framework. International Journal of Management Reviews,
16(4), 397–416.
Baumgarth, C., & Binckebanck, L. (2018). Digital Marketing Leadership – Reichen Immobilien-
scout24 und Facebook? In H. Steiner (Hrsg.), Real estate brand book 2018 (S. 8–11). Real Estate
Brand Book Verlag.
Baumgarth, C., & Binckebanck, L. (2019). Digital marketing leadership resources and behavior for
the digital transformation of B-to-B marketing. In Proceedings of the 3rd international conference
on business – Sustainable business development in the connected age (S. 236–239).
Baumgarth, C., Kaluza, M., & Lohrisch, N. (2014). Markenaudit für Kulturinstitutionen. Springer VS.
Benitez, J., Henseler, J., Castillo, A., & Schuberth, F. (2020). How to perform and report an impact-
ful analysis using partial least squares: Guidelines for confirmatory and explanatory IS research.
Information & Management, 57(2), 103–168.
Binckebanck, L. (2017). Digital sales leadership. Marketing Review St. Gallen, 34(4), 94–103.
Boston Consulting Group. (2020). The evolving state of digital transformation. https://www.bcg.com/
de-de/publications/2020/the-evolving-state-of-digital-transformation. Zugegriffen am 12.08.2021.
Bruni, D. S., & Verona, G. (2009). Dynamic marketing capabilities in science-based firms: An ex-
ploratory investigation of the pharmaceutical industry. British Journal of Management, 20(s1),
S101–S117.
240 C. Baumgarth und L. Binckebanck
Homburg, C., Workman, J. P., & Krohmer, H. (1999). Marketing’s influence within the firm. Journal
of Marketing, 63(2), 1–17.
Homburg, C., Vomberg, A., Enke, M., & Grimm, P. H. (2015). The loss of the marketing depart-
ment’s influence: Is it really happening? And why worry? Journal of the Academy of Marketing
Science, 43(1), 1–13.
Homburg, C., Theel, M., & Hohenburg, S. (2020). Marketing excellence: Nature, measurement, and
investor valuations. Journal of Marketing, 84(4), 1–22.
IBM. (2021). Find your essential – How to thrive in a post-pandemic reality. https://www.ibm.com/
thought-leadership/institute-business-value/report/ceo. Zugegriffen am 12.08.2021.
IFSMA, & wob. (2018). Der Dschungel lebt! B2B Marketing Automation im digitalen Dschungel.
https://www.wob.ag/lp/b2b-studie_2017/Downloads/Infografik_Marketing_Automation_Stu-
die.pdf. Zugegriffen am 12.08.2021.
Jenewein, T. (2016). Digital Leadership bei SAP. In T. Petry (Hrsg.), Digital leadership (S. 373–384).
Haufe-Lexware.
Jüttner, U., Christopher, M., & Baker, S. (2007). Demand chain management-integrating marketing
and supply chain management. Industrial Marketing Management, 36(3), 377–392.
Kache, F., & Seuring, S. (2017). Challenges and opportunities of digital information at the intersec-
tion of big data analytics and supply chain management. International Journal of Operations &
Production Management, 37(1), 10–36.
Kane, G. C., Palmer, D., Phillips, A. N., Kiron, D., & Buckley, N. (July 2016). Aligning the organi-
zation for its digital future. MIT Sloan Management Review and Deloitte University Press.
Kane, G. C., Phillips, A. N., Copulsky, J. R., & Andrus, G. (2019). How digital different is(n’t) dif-
ferent. MIT Sloan Management Review, 60(3), 34–39.
Kotler, P., Gregor, W., & Rodgers, W. (1977). The marketing audit comes of age. Sloan Management
Review, 18(2), 25–44.
Kozlenkova, I. V., Samaha, S. A., & Palmatier, R. W. (2014). Resource-based theory in marketing.
Journal of the Academy of Marketing Science, 42(1), 1–21.
KPMG. (2021). Going digital, faster. KPMG International. https://assets.kpmg/content/dam/kpmg/
xx/pdf/2021/01/going-digital-faster.pdf. Zugegriffen am 12.08.2021.
Kreutzer, R. T., Neugebauer, T., & Pattloch, A. (2017). Digital business leadership. Springer Gabler.
Lamberton, C., & Stephen, A. T. (2016). A thematic exploration of digital, social media, and mobile
marketing: Research evolution from 2000 to 2015 and an agenda for future inquiry. Journal of
Marketing, 80(6), 146–172.
Lemon, K. N., & Verhoef, P. C. (2016). Understanding customer experience and the customer jour-
ney. Journal of Marketing, 80(6), 1–62.
Levallet, N., & Chan, Y. E. (2018). Role of digital capabilities in unleashing the power of managerial
improvisation. MIS Quarterly Executive, 17(1), 1–21.
Mahlamäki, T., Storbacka, K., Pylkkönen, S., & Ojala, M. (2020). Adoption of digital sales force
automation tools in supply chain: Customers’ acceptance of sales configurators. Industrial Mar-
keting Management, 91, 162–173.
Makadok, R. (2001). Toward a synthesis of the resource-based and dynamic-capability views of rent
creation. Strategic Management Journal, 22(5), 387–401.
Martin, R. L., & Golsby-Smith, T. (2017). Management is much more than a science: The limits of
data-driven decision making. Harvard Business Review, 95(5), 128–135.
Meffert, J., & Swaminathan, A. (2018). Leadership and the urgency for digital transformation. Lea-
der to Leader, 88, 44–49.
Mihardjo, L., Sasmoko, S., Alamsjah, F., & Djap, E. (2019). Digital leadership impacts on develo-
ping dynamic capability and strategic alliance based on market orientation. Polish Journal of
Management Studies, 19(2), 285–297.
242 C. Baumgarth und L. Binckebanck
Moi, L., & Cabiddu, F. (2020). Leading digital transformation through an agile marketing capability:
The case of Spotahome. Journal of Management and Governance. https://doi.org/10.1007/
s10997-020-09534-w. Zugegriffen am 12.08.2021.
Moorman, C., & Day, G. S. (2016). Organizing for marketing excellence. Journal of Marketing,
80(6), 6–35.
Oberer, B., & Erkollar, A. (2018). Leadership 4.0: Digital leaders in the age of industry 4.0. Inter-
national Journal of Organizational Leadership, 7(4), 404–412.
Orlandi, L. B. (2016). Organizational capabilities in the digital era: Reframing strategic orientation.
Journal of Innovation & Knowledge, 1(3), 156–161.
Pagani, M., & Pardo, C. (2017). The impact of digital technology on relationships in a business net-
work. Industrial Marketing Management, 67, 185–192.
Parviainen, P., Tihinen, M., Kääriänen, J., & Teppola, S. (2017). Tackling the digitalization chal-
lenge: How to benefit from digitalization in practice. International Journal of Information Sys-
tems and Project Management, 5(1), 63–77.
PwC (2016). Are technology companies digital leaders?
Roland Berger. (2015). Die digitale Zukunft des B2B-Vertriebs. https://www.rolandberger.com/publi-
cations/publication_pdf/die_digitale_zukunft_des_b2b_vertriebs.pdf. Zugegriffen am 12.08.2021.
RUB. (2017). Große Studie zur Digitalisierung im Vertrieb. http://www.wiwi.rub.de/news/marke-
ting/news01193. Zugegriffen am 12.08.2021.
Salesforce Research. (2017). Fourth annual state of marketing. https://www.salesforce.com/content/
dam/web/en_us/www/assets/pdf/datasheets/salesforce-r esearch-f ourth-a nnual-s tate-o f-
marketing.pdf. Zugegriffen am 12.08.2021.
Salo, J. (2017). Social media research in the industrial marketing field: Review of literature and fu-
ture research directions. Industrial Marketing Management, 66, 115–129.
Sandell, S. (2013). Digital leadership: How creativity in business can propel your brand and boost
your results. Upfront Publishing.
Schillewaert, N., Ahearne, M. J., Frambach, R. T., & Moenaert, R. K. (2005). The adoption of infor-
mation technology in the sales force. Industrial Marketing Management, 34(4), 323–336.
Schneider, S., & Kokshagina, O. (2021). Digital transformation: What we have learned (thus far) and
what is next. Creativity and Innovation Management, 30(2), 384–411.
Shrestha, Y. R., Ben-Menahem, S. M., & von Krogh, G. (2019). Organizational decision-making
structures in the age of artificial intelligence. California Management Review, 61(4), 66–83.
Singh, J., Flaherty, K., Sohi, R. S., Deeter-Schmelz, D., Habel, J., Le Meunier-Fitzhugh, K., Mullins,
R. R., & Onyemah, V. (2019). Sales profession and professionals in the age of digitization and
artificial intelligence technologies: Concepts, priorities, and questions. Journal of Personal Sel-
ling & Sales Management, 39(1), 2–22.
Srai, J. S., & Lorentz, H. (2019). Developing design principles for the digitalisation of purchasing
and supply management. Journal of Purchasing and Supply Management, 25(1), 78–98.
Steward, M. D., Narus, J. A., Roehm, M. L., & Ritz, W. (2019). From transactions to journeys and
beyond: The evolution of B2B buying process modeling. Industrial Marketing Management, 83,
288–300.
suxeedo. (2017). Content Marketing Studie. https://www.estrategy-magazin.de/fileadmin/Lesetipps/
Content_Marketing_Studie_2017.pdf. Zugegriffen am 12.08.2021.
Syam, N., & Sharma, A. (2018). Waiting for a sales renaissance in the fourth industrial revolution:
Machine learning and artificial intelligence in sales research and practice. Industrial Marketing
Management, 69, 135–146.
Tabrizi, B., Lam, E., Girard, K., & Irvin, V. (13. März 2019). Digital transformation is not about
technology. Harvard Business Review. https://hbr.org/2019/03/digital-transformation-is-not-ab-
out-technology. Zugegriffen am 12.08.2021.
9 Digital Marketing Leadership – Modell und empirische Ergebnisse aus dem … 243
Prof. Dr. Lars Binckebanck leitet das Institut für nachhaltigen Ver-
triebserfolg der Lichtenberg-Forschungsgesellschaft. Er arbeitete in
leitender Funktion als Marktforscher, Unternehmensberater sowie
Vertriebstrainer, war als Geschäftsführer bei einem Münchener Bau-
träger für Verkauf und Marketing verantwortlich und zuletzt Vorstand
der Trägergesellschaft einer führenden privaten Hochschule. In bis-
lang über 120 Publikationen beschäftigte er sich mit aktuellen Frage-
stellungen aus Marketing und Vertrieb, so u. a. in den Herausgeber-
werken „Digitalisierung im Vertrieb“ (2016) und „Führung von
Vertriebsorganisationen“ (2. Aufl. 2020).
Digitalisierungs-induzierte Veränderungen
für die Geschäftsmodelle von 10
B2B-Unternehmen
Ergebnisse einer Delphi-Studie
Alexander Brendel-Schauberger
Zusammenfassung
Die Digitalisierung bestimmt nicht nur zunehmend unseren privaten Alltag, sondern
führt auch zu weitreichenden Veränderungen für Unternehmen. Gerade Organisationen
aus dem Business-to-Business(B2B)-Bereich tun sich jedoch schwer, diese Ver-
änderungen proaktiv zu nützen und den Wert digitaler Technologien konsequent in
neue Geschäftsmodelle zu übersetzen. Ein Grund dafür liegt in der hohen Unsicherheit,
die B2B-Unternehmen mit Digitalisierungs-induzierten Veränderungen assoziieren.
Der vorliegende Beitrag zielt daher darauf ab, im Rahmen einer empirischen Del-
phi-Studie diese von der Digitalisierung ausgelösten Veränderungen für die Geschäfts-
modelle von B2B-Unternehmen umfassend zu identifizieren, zu systematisieren und zu
analysieren. Die Ergebnisse zeigen, dass die Digitalisierung vielfältige und weit-
reichende Veränderungen für die Geschäftsmodelle von B2B-Unternehmen auslösen
wird und sich diese daher ganzheitlich mit dem Thema auseinandersetzen müssen. Da-
rüber hinaus liefert der Beitrag Anknüpfungspunkte, mit denen B2B-Unternehmen ihre
spezifischen Geschäftsmodelle auf Basis der Digitalisierung weiterentwickeln oder
sogar innovieren können.
Schlüsselwörter
A. Brendel-Schauberger (*)
University of Applied Sciences Upper Austria, School of Engineering, Wels, Austria
E-Mail: [email protected]
10.1 Einleitung
Digitale Technologien bestimmen in vielen Bereichen schon seit einigen Jahren unseren
Alltag. Der nahezu grenzenlose Einsatz von Computertechnik führt dazu, dass alle er-
denklichen Dinge und Systeme miteinander vernetzt sind und auch dementsprechend mit-
einander kommunizieren können (Hamidian & Kraijo, 2013, S. 9). Darüber hinaus haben
wir als Menschen dadurch permanenten und dezentralen Zugriff auf Informationen und
Services, was teilweise zu einer radikalen Veränderung vieler Lebensgewohnheiten führt
(Ternés et al., 2015, S. 10). Ein Ende dieses Trends ist zum gegenwärtigen Zeitpunkt nicht
absehbar – im Gegenteil: Experten rechnen damit, dass bis zum Jahr 2030 rund 75 Milliar-
den Geräte miteinander vernetzt sein werden (Mauchline et al., 2019), während neue digi-
tale Technologien und Trends wie künstliche Intelligenz, Quantencomputing oder Virtual
und Augmented Reality zu weiteren gravierenden Umbrüchen führen.
Diese Umwälzungen sind aber keineswegs rein auf den privaten Bereich beschränkt,
sondern betreffen auch Unternehmen und die Art und Weise, wie diese Wertschöpfung
betreiben. Dabei geht es aber nicht nur um den Einsatz von Technologie mit dem Ziel in-
krementeller Verbesserungen – vielmehr wird die Digitalisierung die fundamentalen Re-
geln verändern, wie das Zusammenspiel der Märkte samt ihren Playern funktioniert (Far-
rall et al., 2012, S. 6). Für die Unternehmen birgt die Digitalisierung damit einerseits ein
enorm großes Potenzial, gehen verschiedenste Schätzungen doch von einer deutlichen
Zunahme der globalen Wertschöpfung aus (z. B. Evans & Annunziata, 2012, S. 3; Bauer
et al., 2014, S. 36). Auf der anderen Seite laufen die Unternehmen bei unzureichender
Auseinandersetzung mit dem Thema Gefahr, diese enormen Chancen zu verpassen. So
warnt beispielsweise Gartner (2013) davor, dass jedes vierte Unternehmen seine Markt-
position aufgrund digitaler Inkompetenz verlieren wird und Roland Berger (2015) weist
darauf hin, dass alleine die europäische Industrie rund 600 Milliarden Euro an Bruttowert-
schöpfung verlieren könnte, wenn sie die digitale Transformation verpasst.
Diese Prognose wiegt umso schwer, als dass gerade viele Business-to-Business
(B2B)-Unternehmen die Bedeutung der Digitalisierung lange Zeit unterschätzt haben.
Während viele Konsumgüterhersteller und Dienstleistungsbetriebe rasch auf den
Digitalisierungszug aufgesprungen sind, waren die meisten Unternehmen im B2B-Be-
reich lange zögerlich und haben sich nur wenig strukturiert mit dem Thema auseinander-
gesetzt (Industriemagazin, 2014; Staufen, 2015; VDMA, 2015). Dies äußert sich etwa
auch in einer verkürzten Sichtweise, da die überwiegende Mehrheit von B2B-Unter-
nehmen die Digitalisierung vornehmlich als Vehikel versteht, interne Prozessauto-
matisierung voranzutreiben und flexiblere Produktionstechniken einzuführen (Daugherty
et al., 2014, S. 4), wenngleich die von der Digitalisierung ausgelösten Veränderungen
zweifelsohne weit über die Produktion hinausgehen (Roland Berger, 2015, S. 23). Gegen-
wärtig stattfindende Diskussionen rund um Themenkomplexe wie „Industrie 4.0“ und
„Smart Factory“ zeigen damit deutlich, dass die Beschäftigung mit der Digitalisierung
auch im B2B-Bereich dringend auf eine breitere Basis gestellt werden muss, um das volle
Potenzial ausschöpfen zu können (Werani et al., 2017, S. 260).
10 Digitalisierungs-induzierte Veränderungen für die Geschäftsmodelle von … 247
Denn wie namhafte Beispiele von höchst erfolgreichen Unternehmen wie Google,
Facebook, AirBnB oder Alibaba zeigen, liegt die große Chance der Digitalisierung weni-
ger in rein internen Optimierungen, als in einer radikalen Neudefinition wie Wert für den
Kunden geschaffen, an ihn vermittelt und vom Unternehmen kanalisiert werden kann. Mit
anderen Worten geht es im Kern also um die entscheidende Frage, wie die von der Digita-
lisierung ausgelösten Veränderungen proaktiv dazu nützen lassen, um das Geschäftsmodell
eines Unternehmens weiterzuentwickeln oder dies völlig neu zu gestalten (Caputo et al.,
2021, S. 490). Dazu ist es aber vorab notwendig, diese Veränderungen für die Geschäfts-
modelle von B2B-Unternehmen zu identifizieren, zu strukturieren und eingehend zu ana-
lysieren, was zugleich auch das Ziel des vorliegenden Beitrags ist.
10.2.1 Digitalisierung
Obwohl das Thema der Digitalisierung sowohl in der Wissenschaft, als auch in der Praxis
intensiv diskutiert wird, fehlt eine einheitliche Definition des Begriffs (Schallmo & Rus-
njak, 2017, S. 3; Caputo et al., 2021, S. 490). Aus einer rein technischen Perspektive kann
man darunter die Transformation kontinuierlicher Größen in abgestufte Werte als Binär-
code verstehen, vornehmlich mit dem Ziel, diese zu speichern oder elektronisch zu ver-
arbeiten (Hamidian & Kraijo, 2013, S. 5). Abgesehen von solchen sehr technisch ge-
prägten Abgrenzungen fehlt in der einschlägigen Literatur häufig überhaupt eine explizite
Definition, oft wird eine Begriffsbestimmung nur anhand konstituierender Charakteris-
tika wie der flächendeckenden Vernetzung von Geräten und Systemen, dem Einsatz
leistungsfähiger Informations- und Kommunikationstechnologie, der allgegenwärtigen
Informationsverfügbarkeit und -verarbeitung sowie der Verschmelzung der realen und
der digitalen Welt vorgenommen.
Hirsch-Kreinsen und ten Hompel (2017, S. 359 f.) gehen explizit einen Schritt weiter
und definieren die Digitalisierung als sozio-ökonomischen Prozess des Wandels ausgelöst
durch digitale Technologien und darauf aufbauender Anwendungssysteme. In mehreren
Wellen hat dieser Wandel bereits eine Vielzahl verschiedener Branchen erfasst und ist
gegenwärtig im Begriff, mit Bereichen wie Verkehr, Wohnen, Medizin und auch der indus-
triellen Produktion auf die Kernbereiche ökonomischer Aktivität überzugreifen, was hier
ebenfalls zu nicht abschätzbaren Umwälzungen führen wird.
Diese Umwälzungen mit entsprechenden Auswirkungen auf Unternehmen werden
häufig auch als digitale Transformation zusammengefasst. Darunter verstehen Warner und
248 A. Brendel-Schauberger
Wägner (2019, S. 329 f.) etwa die strategische Neuausrichtung einer Organisation durch
die Implementierung von Digitalisierungsprojekten mit dem Ziel, einen wesentlichen
Wettbewerbsvorteil zu erzielen. Damit einher geht für Unternehmen die dringende Not-
wendigkeit, sich neue digitale Fähigkeiten anzueignen, welche deutlich über die bis-
herigen Kompetenzen hinausgehen (Caputo et al., 2021, S. 490)
10.2.2 Geschäftsmodell
Ähnlich wie bei der Digitalisierung fehlt es auch beim Begriff Geschäftsmodell an einer
einheitlich akzeptieren Definition. Der Grund dafür liegt in der Tatsache, dass die wissen-
schaftliche Forschung zu dem Thema stark fragmentiert ist (Teece, 2010, S. 174) und sich
daher in den unterschiedlichsten Disziplinen verschiedene Standpunkte entwickelt haben,
was häufig zu Schwierigkeiten bei der Anwendung des Konzepts und seiner Abgrenzung
gegenüber verwandter Termini wie Strategie oder Unternehmensarchitektur führt (Morris
et al., 2005, S. 726; Coombes & Nicholson, 2013, S. 656).
Während sich die dominante Bedeutung des Begriffs im Lauf der Zeit stark verändert
hat (Ghaziani & Ventresca, 2005, S. 536), so begreift die neuere Managementliteratur das
Geschäftsmodell im Wesentlichen als die Grundlogik, nach der ein Unternehmen Wert
schafft, an seine Anspruchsgruppen vermittelt und einen Teil davon für sich selbst erfasst
(Chesbrough & Rosenblom, 2002; Teece, 2010; Bieger & Reinhold, 2011; Osterwalder &
Pigneur, 2011; Werani et al., 2016). Uneinigkeit herrscht jedoch hinsichtlich der zur Be-
schreibung eines Geschäftsmodells verwendeten Dimensionen (Werani et al., 2017) und
ganz allgemein unterscheiden sich die diesbezüglichen Ansätze auch markant in Bezug
auf ihren Detaillierungsgrad und ihre Komplexität (Bieger & Reinhold, 2011, S. 21).
Die Anzahl solcher Geschäftsmodell-Ansätze hat in den vergangenen Jahren enorm
zugenommen (Schallmo, 2012, S. 47), einer der in Wissenschaft und Praxis aber zweifels-
ohne bekannteste ist die sogenannte Business Model Canvas von Osterwalder und Pigneur
(2011). Sie definieren in ihrem Ansatz zur Beschreibung von Geschäftsmodellen neun
Dimensionen, welche sie zum Teil auch inhaltlich etwas ausführen und deren Beziehungen
untereinander erläutern. Werani et al. (2016) greifen die Business Model Canvas von
Osterwalder und Pigneur (2011) nach einer Analyse mehrerer Konzepte auf, um daraus
einen eigenständigen Zugang basierend auf dem wertbasierten Marketingansatz von We-
rani (2012) zu entwickeln. Die daraus resultierende Revidierte Business Model Canvas
umfasst schließlich elf Dimensionen, die auch jeweils inhaltlich detailliert ausgeführt wer-
den (siehe Abb. 10.1).
Mithilfe dieser Revidierten Business Model Canvas von Werani et al. (2016) können
also Geschäftsmodell-Konfigurationen sowohl auf der strukturellen Ebene der Dimensio-
nen, als auch deren konkrete Inhalte beschrieben und analysiert werden. Die Beschreibung
bestehender Konfigurationen dient dazu, ein besseres Verständnis dafür zu erlangen und
Anknüpfungspunkte für die kontinuierliche Weiterentwicklung des Geschäftsmodells zu
identifizieren. Darüber hinaus können aber auch völlig neue, vom Unternehmen an-
10 Digitalisierungs-induzierte Veränderungen für die Geschäftsmodelle von … 249
Abb. 10.1 Revidierte Business Model Canvas. (Quelle: in Anlehnung an Osterwalder und Pigneur
(2011, S. 48))
10.2.3 Zusammenhänge
Wie bereits zuvor ausgeführt, sind offenkundig jene Unternehmen besonders erfolgreich,
welche die Digitalisierung als Enabler für neue Geschäftsmodelle begreifen. Denn Techno-
logien alleine besitzen für ein Unternehmen lediglich einen latenten Wert – erst die Über-
setzung in ein richtig konfiguriertes Geschäftsmodell erlaubt auch eine Abschöpfung dieses
Werts am Markt (Björkdahl, 2009, S. 1470; Teece, 2010, S. 172). Es ist also das Geschäfts-
modell, welches die Kanalisierung neuer Ideen auf Basis (digitaler) Technologien erlaubt.
Das Geschäftsmodell einer Organisation kann also sinngemäß als Mediator zwischen einer
(digitalen) Technologie und ihrem ökonomischen Wert – oder noch präziser als Schlüssel zum
Digitalisierungserfolg – verstanden werden. Doch genau darin liegt häufig die Schwierigkeit
für viele Unternehmen, da sie neue Technologien in der Regel üblicherweise sehr gut inte
grieren, während sie die Entwicklung neuer Geschäftsmodelle oft vernachlässigen (Björk-
dahl, 2009, S. 1476). Chesbrough (2010) weist explizit darauf hin, dass Unternehmen, die
nicht rechtzeitig mit der Übersetzung neuer Technologien in innovative Geschäftsmodelle
experimentieren, langfristig Gefahr laufen, später massive Probleme zu bekommen oder im
schlimmsten Fall überhaupt völlig vom Markt zu verschwinden. Prominente und oft zitierte
Beispiele wie Blockbuster, Nokia oder Kodak untermauern diese Warnung.
250 A. Brendel-Schauberger
Ein Grund für die unzureichende Beschäftigung von B2B-Unternehmen mit der Weiter-
entwicklung bzw. Innovation von Geschäftsmodellen im Kontext der Digitalisierung liegt
zweifelsohne in den von ihr ausgelösten weitreichenden Veränderungen und revolutionä-
ren Folgen (Hirsch-Kreinsen & ten Hompel, 2017, S. 359 f.). Sowohl die technologische
Unsicherheit, als auch die Marktunsicherheit spielt in dem Zusammenhang eine große
Rolle und führt dazu, dass ein Set an möglichen neuen Geschäftsmodellen im Kontext der
Digitalisierung für ein Unternehmen nicht ohne weiteres absehbar ist (Chesbrough &
Rosenblom, 2002, S. 530).
Dabei bietet die Digitalisierung ein kaum dagewesenes, transformatives Potenzial für
Unternehmen, völlig neue Geschäftsmodelle zu entwickeln (Caputo et al., 2021, S. 490).
Um dieses Potenzial entsprechend abschöpfen zu können, müssen B2B-Unternehmen
aber zunächst verstehen, welche konkreten Veränderungen die Digitalisierung für ihre Ge-
schäftsmodelle anstoßen wird, um darauf aufbauend proaktiv Innovationen voranzutreiben.
Um nun beurteilen zu können, welche Veränderungen die Digitalisierung für die Ge-
schäftsmodelle von B2B-Unternehmen mit sich bringen wird, wurde eine empirische
Untersuchung durchgeführt. Im Folgenden wird zunächst auf das Outline dieser Erhebung
eingegangen, bevor ihre Ergebnisse eingehend diskutiert und analysiert werden.
10.3.1 Outline
Im Kern der empirischen Untersuchung steht die Frage, welche potenziellen Ver-
änderungen die Digitalisierung für die Geschäftsmodelle von B2B-Unternehmen auslösen
wird. Deshalb gilt es in einem ersten Schritt diese Veränderungen zunächst auf breiter
Basis zu identifizieren, bevor sie in einem zweiten Schritt anhand des Geschäfts-
modells-Ansatzes von Werani et al. (2016) strukturiert und systematisiert werden. Diese
beiden aufeinander aufbauenden Schritte in der Untersuchung sprechen für ein mehr-
stufiges Untersuchungsverfahren.
Dementsprechend fiel die Wahl auf eine Delphi-Studie, worunter man eine Befragung
von Experten in mehreren Stufen zu einem bestimmten Thema mit Rückkopplungs-
schleifen versteht (Vorgrimler & Wübben, 2003, S. 763), welches typischerweise bei un-
sicheren Phänomenen oder unvollständigem Wissen angewendet wird (Paetz et al., 2011,
S. 61). Delphi-Befragungen unterliegen einer hohen methodischen Freiheit (Häder, 2014,
S. 30) und können je nach Fragestellung und Zielsetzung vom Anwender angepasst wer-
den (Hesse et al., 2009, S. 5).
Typisch für Delphi-Befragungen sind jedenfalls die Verwendung formalisierter Er-
hebungsinstrumente über die einzelnen Erhebungsstufen (Häder, 2014, S. 118 ff.), die Be-
fragung von Personen mit Expertise in der Forschungsfrage (Vorgrimler & Wübben, 2003,
10 Digitalisierungs-induzierte Veränderungen für die Geschäftsmodelle von … 251
S. 765), die Aggregation der Einzelantworten zu einer Gruppenantwort (Hesse et al., 2009,
S. 6), das Feedback an die Teilnehmer betreffend dieser Gruppenantwort (Paetz et al.,
2011, S. 65) sowie die (mehrfache) Wiederholung der Befragung nach der bestehenden
Vorgehensweise, bis die Forschungsfrage eingehend beantwortet ist (Hesse et al.,
2009, S. 6).
Im vorliegenden Fall wurde eine zweistufige Delphi-Befragung mit elf Digitalisierungs-
experten aus der Wissenschaft und der unternehmerischen Praxis konzipiert. Für die erste
Delphi-Runde wurde in Anlehnung an Bortz und Döring (2006) qualitative Leitfadeninter-
views mit dem Ziel geführt, möglichst viele Digitalisierungs-induzierte Veränderungen für
B2B-Geschäftsmodelle zu identifizieren. Die Interviews wurden transkribiert und in An-
lehnung an Mayring (2015) mithilfe einer qualitativen Inhaltsanalyse ausgewertet, deren
Ergebnisse den Experten als Feedback rückgespiegelt wurden. Für die Strukturierung der
Veränderungen in der zweiten Delphi-Runde wurde schließlich ein quantitativer Frage-
bogen erstellt, bei dem die Experten über Rating-Skalen beurteilen sollten, in welchen
Geschäftsmodell-Dimensionen im Ansatz von Werani et al. (2016) die in Runde eins
identifizierten Veränderungen eine besonders große Rolle spielen werden. Abschließend
wurden den Experten auch noch die vorläufigen Gesamtergebnisse der Delphi-Befragung
übermittelt und neuerdings um inhaltliches Feedback gebeten, welches wiederum in die
finalen Ergebnisse eingeflossen ist.
1
Zum Beispiel kann die „zunehmende Bedeutung von Big Data und Analytics“ einerseits die daten-
basierte Optimierung von internen Prozessen, andererseits aber auch die Rückführung von an-
wendungsbezogenen Daten von Produkten aus dem Feld im Rahmen des Produktentwicklungs-
prozesses bedeuten.
252 A. Brendel-Schauberger
Weise beschrieben. Dazu wurden die Inhalte der einzelnen Interviews zu den jeweiligen
Veränderungen gegenübergestellt, analysiert und die Informationen der Experten mit dem
folgenden Ergebnis aggregiert:
Diese Sammlung und Nutzung von Daten aus der Produktverwendung wird häufig die
Basis für zusätzliche (digitale) Services bis hin zu neuen Geschäftsmodellen werden, etwa
vom Verkauf einer Anlage über Pay-Per-Use-Systeme bis hin zu Betreibermodellen. Ins-
gesamt geht es bei der Nutzung kundenseitiger Daten darum, die Bedürfnisse und Er-
wartungen von Kunden an die Produkte und Services von Industriegüterunternehmen bes-
ser evaluieren und im Idealfall sogar antizipieren zu können.
Neben der Sammlung und Auswertung von kundenseitigen Daten spielen im Industrie-
güterbereich selbstverständlich auch die Daten aus den Schlüsselaktivitäten (Einkauf, Pro-
duktion und Logistik) eines Unternehmens eine zentrale Rolle. Im Kern geht es hier im
Rahmen von Industrie 4.0 um die Etablierung einer Smart Factory, wo über durchgängig
digitalisierte Prozesse eine intelligente Fertigung etabliert wird, die ein Optimum an Kos-
ten, Qualität und Durchlaufzeit erreicht.
Um all dies erreichen zu können, ist ein durchgängiger Datenfluss über die gesamte
Wertschöpfung eines Industriegüterunternehmens und darüber hinaus mit Lieferanten,
Kunden und sonstigen Partnern sicherzustellen. Das wiederum erfordert ein hohes Maß an
Offenheit und Vertrauen, aber auch an Datenschutz und Sicherheit.
Entscheidend für den Erfolg in Zukunft wird sein, wer diese Plattformen initiiert und
beherrscht, da in Zukunft ein wesentlicher Anteil des Geschäfts darüber abgewickelt wer-
254 A. Brendel-Schauberger
Darüber hinaus können die Produkte auf Basis von gesammelten Informationen und
über zuvor festgelegte Kriterien selbst tätig werden. Die Bandbreite reicht dabei davon,
dass das Produkt selbst in einer bestimmten Situation einen Alert setzt, indem etwa die
Notwendigkeit einer Wartung proaktiv angezeigt wird, bis hin zu selbständigen Aktionen
des Produkts (z. B. selbständige Initiierung einer Wartungssequenz ohne Zutun des Be-
dienpersonals).
Genau in diesem Zusammenhang spielt die Rückführung von Daten aus der Produkt-
verwendung eine zentrale Rolle. Sobald das Industriegüterunternehmen von einer Flotte
an Produkten um deren Verwendung genau Bescheid weiß, können einerseits im Rahmen
des Innovationsprozesses die physischen Produkte noch weiter verbessert werden. Auf der
anderen Seite ergibt sich auf Basis dieser Daten aber auch die Entwicklung zielgenauer
10 Digitalisierungs-induzierte Veränderungen für die Geschäftsmodelle von … 255
Dienstleistungen für den Kunden. Insgesamt können durch diese maßgeschneiderten Lö-
sungen, deren wesentlicher die Digitalisierung ist, die Bedürfnisse der Kunden viel besser
befriedigt werden.
Zunehmende Leistungs-Individualisierung
Aufgrund der neuen technologischen Möglichkeiten können Produkte trotz Herstellung in
großen Stückzahlen stark auf individuelle Kundenbedürfnisse ausgerichtet werden. In der
Endausbaustufe entspricht das der Vision der sogenannten „Losgröße 1 zu Kosten der
Massenproduktion“, die in einer Smart Factory realisiert werden kann. Das Produkt ist
dabei vollständig individualisiert, verursacht in der Fertigung aber dieselben Kosten, als
würde es in großen Stückzahlen hergestellt werden.
Die zentrale Voraussetzung dafür ist einmal mehr, dass Industriegüterunternehmen ver-
stärkt und umfassend kundenseitige Daten sammeln und analysieren. Nur wenn Präferen-
zen und Nutzung hinsichtlich der Leistungen des Anbieters bekannt sind, können diese
auch in individuelle Angebote übersetzt werden.
Es ist zudem denkbar, dass Daten in Zukunft als eine Art „Währung“ fungieren, mit der
bestimmte Leistungen abgegolten werden. Dabei bezahlt der Kunde zum Beispiel für eine
Anlage weniger Geld, liefert dem Hersteller aber all seine Produktionsdaten, die dieser
wiederum für seine Zwecke nutzen kann.
Ein großes Thema in diesem Zusammenhang ist die Zustandsüberwachung von im Feld
befindlichen, vernetzten Produkten in Echtzeit und das frühzeitige Erkennen und Ver-
hindern von Störungen (Predictive und Preventive Maintenance) sowie deren generelle,
permanente Optimierung.
Neue Formen der Betreuung von und Kommunikation mit dem Kunden
Es werden künftig verstärkt digitale Kanäle genutzt, um den Kunden zu betreuen (z. B. di-
gitale Kundenplattformen) und mit ihm zu kommunizieren. Die persönliche, individuelle
Betreuung, etwa über ein Key Account Management wird aber nach wie vor die zentrale
Rolle im Industriegüterbereich spielen und lässt sich in absehbarer Zeit nicht vollständig
durch digitale Kanäle ersetzen. Dennoch ermöglicht die große Vielfalt an verfügbaren di-
gitalen Informationen über den Kunden eine noch zielgerichtetere, individualisierte
Ansprache.
Auch der Einsatz von Social Media wird in Industriegüterunternehmen in Zukunft eine
noch stärkere Bedeutung bekommen. Darüber hinaus ist denkbar, dass es in Produkten
selbst integrierte Kommunikationsschnittstellen gibt. Als Beispiel sei hier eine Maschine
genannt, über deren Schnittstelle der Anwender unmittelbar mit dem Hersteller in Kontakt
treten und Bestellungen auslösen oder anderweitige Anfragen stellen kann.
anbietende Unternehmen seine Partner in einer Art und Weise mit seiner eigenen Wert-
schöpfung verzahnt, damit für seine Kunden und sich selbst ein Maximum an Wert ge-
schaffen werden kann.
Bisher manuell ausgeführte Tätigkeiten werden aber auch abseits von Produktion und
Logistik eine zunehmende Automatisierung erfahren. So kann etwa in vielen Bereichen
die Beschaffung über digitale Einkaufs- und Lieferantenplattformen oder Online Aus-
schreibungen und Auktionen vollständig automatisiert werden. Auf der anderen Seite gibt
es auch im Marketing vor allem im B2C-Bereich bereits Ansätze, viele Tätigkeiten zu
automatisieren. So können etwa auf Basis von vordefinierten Parametern (z. B. Kunde
installiert eine gekaufte Maschine und verbindet diese mit dem Internet) bestimmte
Marketing-Aktionen gesetzt werden (z. B. Angebot für einen Servicevertrag), was sich
unter dem Begriff Automated Marketing zusammenfassen lässt.
Zunehmende Flexibilisierung
Vor allem in der Produktion müssen Industriegüterunternehmen künftig noch viel schnel-
ler und flexibler auf sich ändernde Bedingungen und Kundenbedürfnisse reagieren kön-
nen. Voraussetzung dafür sind wiederum die intelligente Vernetzung und Automatisierung
von Maschinen und Systemen
Steigender Wettbewerb
Was bereits auf B2C-Märkten seit längerer Zeit passiert, findet nun auch allmählich auf
Industriegütermärkten statt. Durch die Digitalisierung dringen zunehmend neue Wett-
bewerber in Branchen, in denen sie zunächst völlig fremd sind. Dabei müssen diese Unter-
nehmen gar nicht notwendigerweise selbst produzieren, sondern können als Vermittler von
Leistungen agieren (z. B. als Plattformbetreiber).
Stärkere Dezentralisierung
Prozesse unterliegen künftig vor allem in den Schlüsselaktivitäten (Einkauf, Produktion,
Logistik) zunehmend einer dezentralen Selbstorganisation. Das bedeutet, es werden von
einer zentralen Stelle lediglich Rahmenbedingungen vorgegeben, innerhalb derer Men-
schen, Objekte und Systeme dezentral und flexibel Entscheidungen treffen können.
Wachsende Produkt-Vielfalt
Neben der zunehmenden Individualisierung von Produkten wird auch die Vielfalt an Mo-
dellen und Varianten weiter zunehmen. Dies hängt wiederum mit der Möglichkeit zu-
sammen, über den Einsatz digitaler Technologien auf die Bedürfnisse von einzelnen Kun-
den einzugehen.
Die Ergebnisse der zweiten Delphi-Runde werden nun der Reihe nach für die einzelnen
Geschäftsmodell-Dimensionen präsentiert. Zunächst verdeutlicht jeweils eine Abbildung,
welche Veränderungen in der betreffenden Dimension eine besonders große Rolle zu-
kommen wird, indem ihr Mittelwert über dem Median aller Mittelwerte in der jeweiligen
Dimension liegt. Zusätzlich wurden noch einmal die inhaltlichen Beschreibungen der
einzelnen Veränderungen aus den qualitativen Interviews betrachtet und analysiert, welche
von den Experten genannten Aspekte einzelnen Geschäftsmodell-Dimensionen zuorden-
bar sind. Damit konnten die einzelnen Veränderungen noch einmal im Kontext der ver-
schiedenen Geschäftsmodell-Dimensionen beschrieben werden, für die sie eine besonders
große Rolle spielen. Insgesamt entsteht somit ein sehr detailliertes Bild davon, wie sich
die Digitalisierung in den einzelnen Dimensionen und damit in Summe auf B2B-
Geschäftsmodelle auswirkt und welche Aspekte dabei jeweils eine besonders große Rolle
spielen werden.
Kunden werden zukünftig Produkte und Dienstleistungen häufiger über digitale Platt-
formen beziehen. Darüber hinaus werden Unternehmen noch enger mit anderen Playern
und ihren Kunden in fluide Wertschöpfungsnetzwerke eingebunden sein. Aufgrund der
neuen technologischen Möglichkeiten können Produkte trotz Herstellung in großen Stück-
zahlen stark auf individuelle Kundenbedürfnisse ausgerichtet werden (Vision von „Los-
größe 1 zu Kosten der Massenproduktion“). Auch Dienstleistungen müssen künftig noch
genauer auf die individuellen Bedürfnisse der Kunden zugeschnitten sein.
Neue Möglichkeiten zur Betreuung von und Kommunikation mit dem Kunden (z. B. über
Social Media oder digitale Kundenplattformen) können dazu eingesetzt werden, zusätz-
lichen Nutzen zu stiften (z. B. durch Remote Services). Die digitale Vernetzung führt auch
dazu, dass die Beziehung zwischen dem anbietenden Unternehmen und seinen Kunden
noch einmal enger wird. Langfristige Beziehungen, die in einem zunehmend dynamischen
und unsicheren Umfeld Vertrauen schaffen, stiften beiderseitigen Nutzen. Digitale Techno-
10 Digitalisierungs-induzierte Veränderungen für die Geschäftsmodelle von … 261
Daten vom und über den Kunden helfen dem Unternehmen dabei, seine Anforderungen
und Bedürfnisse zu verstehen und frühzeitig zu erkennen. Die Orientierung der eigenen
Leistungen an diesen Bedürfnissen des Kunden und das Erzeugen von maßgeschneiderten
Lösungen für ihn ist ebenfalls Basis für funktionierende Kundenbeziehungen. Da sich Be-
dürfnisse des Kunden immer häufiger und dynamischer ändern, sind Unternehmen dazu
angehalten, flexibel und rasch auf diese zu reagieren.
Die zunehmende Bedeutung von Dienstleistungen und hybriden Produkten im Sinne
der Lösungsorientierung für den Kunden führt ebenfalls dazu, dass Beziehungen künftig
noch enger und partnerschaftlicher werden. Industriegüterunternehmen haben zukünftig
die Möglichkeit, mit neuen (digitalen) Leistungen neue Kunden und Bedürfnisgruppen
anzusprechen: Ein Turbinenhersteller, der seine Turbinen nicht mehr verkauft, sondern „as
a (digitally enriched) Service“ anbietet, spricht plötzlich die Airline und nicht mehr den
Flugzeughersteller als Kunden an. Auch die bereits angesprochene Einbindung von Unter-
nehmen in Wertschöpfungsnetzwerke und Plattformen gemeinsam mit ihren Kunden
stärkt die Verflechtung beidseitig.
Aufgrund der noch enger werdenden Beziehungen und der zunehmenden digitalen Ver-
netzung von Kunden und Lieferanten braucht es einen höheren Vertrauenslevel in diesen
Partnerschaften. Die Digitalisierung führt außerdem dazu, dass zusätzliche Vertriebs-
kanäle entstehen, über die Kundenbeziehungen aufgebaut und gepflegt werden können
(siehe Abb. 10.3).
Wie bereits angesprochen, führen neue digitale Produkte und Leistungen dazu, dass
neue Kundengruppen angesprochen werden können. Im Rahmen der Segmentierung von
Märkten und Kunden muss demnach genau geprüft werden, welchen Kunden welche
Leistungen angeboten werden sollen. Eng damit verbunden sind die zunehmende
Leistungs-Individualisierung sowie die zunehmende Lösungs- und Bedürfnisorientierung
264 A. Brendel-Schauberger
und die steigende Bedeutung von Dienstleistungen und hybriden Produkten, die dazu füh-
ren, dass mit einzelnen Leistungen immer kleinere Kundensegmente angesprochen wer-
den können. Unternehmen müssen sich daher genau überlegen, wie rentabel diese Seg-
mente sind und ob sich eine Bearbeitung langfristig auszahlen kann.
Darüber hinaus müssen sich Unternehmen im Rahmen der Digitalisierung präzise Ge-
danken darüber machen, bei welchen Kundengruppen sie auf welche Art und Weise neue
Formen der Wertabschöpfung etablieren können. Der Grund dafür liegt darin, dass neue
Preismodelle wie Pay-Per-Use oder Pay-Per-Result unter Umständen nicht für alle
Kundengruppen gleichermaßen attraktiv und relevant sind. Außerdem werden Industrie-
güterunternehmen vor die Herausforderung gestellt, sich ganz genau anzusehen, mit wel-
chen Kunden und Partnern sie in digitale Wertschöpfungsnetzwerke und Plattformen ein-
gebunden sein wollen (siehe Abb. 10.4).
Distributionsmanagement
Durch die Digitalisierung wird für Industriegüterunternehmen künftig eine Reihe von zu-
sätzlichen Vertriebskanälen entstehen. E- und M-Commerce sind in vielen Bereichen
schon angekommen, denkbar sind aber auch automatisierte Beschaffungssysteme oder
alle Formen von Online Auktionen, an denen sich das verkaufende Unternehmen be-
teiligen kann. Auch digitale Plattformen werden eine Rolle für die Distribution von
Industriegüterunternehmen spielen. Denkbar ist, dass große Player ihre Beschaffung auf
eigenen Plattformen realisieren, über welche deren Lieferanten ihre Leistungen anbieten
können. Darüber hinaus besteht aber auch die Möglichkeit, Distributionsleistungen künf-
tig im Rahmen neuer Partnerschaften verstärkt auszulagern.
Mittels neuer Technologien wird es auch zur stärkeren Flexibilisierung und De-
zentralisierung in der Distribution kommen. Produkte müssen noch genauer zur ge-
wünschten Zeit an den gewünschten Ort des Kunden geliefert werden. Digitale Dis-
tributionskanäle eröffnen zudem auch Möglichkeiten, neue Kundengruppen anzusprechen
und noch engere Beziehungen zu den Kunden zu knüpfen.
Digitale Technologien bieten zudem die Chance, die Kunden auch noch stärker und
besser in die Distribution zu integrieren, z. B. über bereits bekannte Just-in-Time- oder
Kanban-Systeme bis hin zu völlig automatisierten, intelligenten Bestellsystemen (z. B. in-
telligente Warenboxen, die bei Erreichen eines kritischen Füllstandes selbständig ihren
Inhalt nachbestellt). Solche Distributionsleistungen haben für den Kunden einen großen
Nutzen, weswegen sie als eigenständige Dienstleistung oder im Rahmen von hybriden
Produkten angeboten werden können (siehe Abb. 10.5).
Verkaufsmanagement
Neue Formen der Kommunikation mit dem Kunden werden künftig auch verstärkt im Ver-
kaufsprozess von Unternehmen eingesetzt. Hier sind beispielsweise Virtual Selling Teams
und Computer Aided Selling denkbar. Trotzdem werden digitale Kanäle den d irekten
Kundenkontakt, etwa über ein Key Account Management nicht ersetzen können, um eine
enge Beziehung zu gewährleisten. Grundlage dafür sind bei einer steigenden Vernetzung
mit aktuellen und potenziellen Kunden ein hohes Maß an Vertrauen sowie eine gesteigerte
Offenheit und Transparenz.
Neue Wege der Kommunikation mit dem Kunden sowie neue Vertriebskanäle eröffnen
darüber hinaus auch zusätzliche Möglichkeiten, neue Kundengruppen anzusprechen. In
Zusammenschau mit der zunehmenden Individualisierung und der stärkeren Lösungs- und
Bedürfnisorientierung, spielen Dienstleistungen und hybride Produkte auch für den Ver-
kauf eine immer zentralere Rolle. Der Verkäufer muss dem Kunden für seine Jobs ein
Gesamtpaket mit einer maßgeschneiderten Lösung liefern. Eine zunehmend große Rolle
werden in Zukunft auch die bereits angesprochenen neuen Formen der Wertabschöpfung
und Preismodelle spielen, da der kundenseitige Wunsch etwa nach leistungsabhängiger
Vergütung zunimmt (siehe Abb. 10.6).
10 Digitalisierungs-induzierte Veränderungen für die Geschäftsmodelle von … 267
Kommunikationsmanagement
Die richtige Anwendung und Nutzung digitaler Kommunikation forciert die Beziehung
eines Unternehmens zu seinen Kunden über engere Kontakte und gesteigerte Erreichbarkeit.
Dabei ergeben sich durch die Digitalisierung völlig neue Möglichkeiten. Bereits in vielen
Bereichen etabliert sind etwa Social Media Angebote oder vom anbietenden Unternehmen
gehostete Kundenplattformen. Die Durchdringung der Produkte mit Intelligenz führt im
268 A. Brendel-Schauberger
Credo der (digitalen) Kommunikation ist dabei stets Offenheit und Transparenz in allen
Themen. Daten vom und über den Kunden, z. B. auch aus seiner Kaufhistorie oder aus
seiner Produktverwendung können dazu genutzt werden, ihm zielgerichtet und personali-
sierte Angebote zu machen (z. B. 1:1-Marketing oder Kaufempfehlungen ähnlich wie bei
großen Plattformen aus dem B2C-Bereich).
Nachdem Unternehmen mit ihren Kunden und Partnern immer häufiger in Wert-
schöpfungsnetzwerke eingebunden sind, helfen digitale Kommunikationssysteme erheb-
lich bei der Koordination von Aufgaben und Projekten. Die Orientierung eines Unter-
nehmens an den Bedürfnissen seiner Kunden und die Intention, dessen Probleme zu lösen,
muss sich letztlich auch in den Kommunikationsaktivtäten des Unternehmens nieder-
schlagen. Darüber hinaus sind Industriegüterunternehmen künftig gefordert, ihre neu ent-
wickelten digitalen Dienstleistungen und hybriden Produkte noch stärker zu kommunizie-
ren, um sie entsprechend in der Wahrnehmung der Kunden zu verankern (siehe Abb. 10.7).
Preismanagement
Die Integration von Kunden und Partnern in die eigene Wertschöpfung hat insofern Aus-
wirkungen auf das Pricing, als dass durch eine gezielte Ausrichtung der Produkte und
Leistungen auf die individuellen Kundenbedürfnisse auch die Preise immer individueller
gebildet werden und sich am gestifteten Kundennutzen zu orientieren haben. Die zu-
nehmende Leistungs-Individualisierung führt weiters dazu, dass auch Preise für den Kun-
den immer individueller gestaltet werden. Idealerweise orientieren sich die Preise für
Leistungen des Unternehmens wie im Punkt zuvor dargelegt am gestifteten Kundennutzen.
Neue Formen der Wertabschöpfung in Form neuer Preismodelle bieten den Unternehmen
eine Möglichkeit, den Preis am gestifteten Nutzen des Kunden festzumachen. Transparent
gebildete Preise und Abrechnungen tragen wiederum zu einer gesteigerten Offenheit und
Transparenz bei.
Daten vom und über den Kunden, vor allem aus seiner Produktverwendung, liefern zu-
dem wertvolle Informationen für das Pricing und ermöglichen häufig erst neue Preis-
modelle. Kann ein Unternehmen z. B. die Art, Dauer und Häufigkeit der Nutzung oder die
Ausbringungsfähigkeit seiner Produkte tracken, so kann es dem Kunden dadurch innova-
tive Möglichkeiten wie Pay-Per-Use oder Pay-Per-Result als Vergütungsmodelle anbieten.
Die steigende Bedeutung von Dienstleistungen und hybriden Produkten wird ebenfalls
große Auswirkungen für das Pricing von Leistungen haben. Optimalerweise bietet das
Unternehmen seinen Kunden eine maßgeschneiderte Lösung, bestehend aus einer nutzen-
stiftenden Kombination aus physischen Produkten und (digitalen) Dienstleistungen. Damit
hat ein Unternehmen auch die Chance, sich aus der Vergleichbarkeit im z unehmenden
Wettbewerb und einem reinen Konkurrieren über den Preis zu entziehen. Dasselbe trifft
auch für die Lösungs- und Bedürfnisorientierung zu (siehe Abb. 10.8).
10 Digitalisierungs-induzierte Veränderungen für die Geschäftsmodelle von … 269
Wie bereits aus den zahlreichen Nennungen von Daten und Big Data in den anderen Di-
mensionen hervorgeht, werden Daten eine Schlüsselressource für Industriegüterunter-
nehmen im Kontext der Digitalisierung. Die Analyse und gewinnbringende Nutzung von
Daten wird eine Schlüsselkompetenz. Darüber hinaus müssen Unternehmen in allen As-
pekten ihres Geschäftsmodells flexibler werden, sei es bei der Befriedigung sich dyna-
misch ändernder Kundenbedürfnisse, in der Distribution oder in der Produktion. Damit
einher geht auch der Umgang mit und die Beherrschung von zunehmender Komplexität
und Dynamik in sehr vielen Bereichen.
Eine Schlüsselkompetenz der Zukunft ist außerdem die stärkere Automatisierung über
die gesamte Wertschöpfung, also auch abseits von Produktion und Logistik, z. B. durch
10 Digitalisierungs-induzierte Veränderungen für die Geschäftsmodelle von … 271
Wie bereits angesprochen, ist auch die stärkere Integration von Schlüsselpartnern (vor
allem im Bereich IKT) in die eigenen Wertschöpfungsprozesse, unterstützt durch digitale
Technologien, ein großes Thema für Industriegüterunternehmen. Dabei werden diese
Unternehmen zunehmend neue Schlüsselpartner brauchen, um in der Digitalisierung
bestehen zu können. Eine zentrale Rolle werden dabei IT-, Big Data- und Analytics-
Unternehmen, sowie Plattformbetreiber und Technologielieferanten spielen, die
Digitalisierungs-Kompetenz zur Verfügung stellen. Im Rahmen der Digitalisierung wer-
den Industriegüterunternehmen häufig verstärkt mit der Konkurrenz zusammenarbeiten
müssen, etwa um gemeinsame Standards zu definieren oder Industrieplattformen zu
etablieren.
Auch die bereits angesprochene Einbindung von Unternehmen mit ihren Schlüssel-
partnern in zunehmend digitale Wertschöpfungsnetzwerke und Plattformen, auch ge-
meinsam mit ihren Kunden, stärkt die Verflechtung beidseitig (siehe Abb. 10.11).
10 Digitalisierungs-induzierte Veränderungen für die Geschäftsmodelle von … 273
Kostenmanagement
Der Einsatz von Big Data und Analytics spielt in Zukunft selbstverständlich auch eine
große Rolle hinsichtlich der Steuerung und Optimierung der anfallenden Kosten. Vor
allem Daten aus internen Prozessen wie Produktion, Einkauf und Logistik werden hier
von Bedeutung sein. Zentrale Voraussetzung dafür ist, dass die verwendeten Produkte und
Anlagen mit Intelligenz ausgestattet sind, um Verbräuche, Ausbringung usw. und damit
die Kosten jederzeit messen zu können. Das wiederum wird unweigerlich zu einer höheren
Komplexität und Dynamik im Bereich des Kostenmanagements führen.
Ein weiterer Punkt, der bereits angesprochen wurde, betrifft die stärkere Auto-
matisierung bisher manuell durchgeführter Tätigkeiten mittels digitaler Technologien über
die gesamte Wertschöpfung. Nicht nur in Unternehmensbereichen, wo die Automatisierung
bereits jetzt eine große Rolle spielt (vor allem Produktion und Logistik), sondern auch in
274 A. Brendel-Schauberger
anderen Bereichen wie Marketing, Vertrieb oder Einkauf wird es zu einer zunehmenden
Automatisierung kommen, was im Idealfall zu einer Reduktion der dort anfallenden Kos-
ten führt.
Die zunehmende Notwendigkeit einer gesteigerten Flexibilisierung in allen Unter-
nehmensbereichen erfordert in Zukunft in gleicher Art und Weise ein funktionierendes
und an diese Rahmenbedingungen angepasstes Kostenmanagement, damit die Kosten
(z. B. für Losgröße 1 bei gleichzeitiger Massenfertigung) in einer gesunden Relation zum
Ertrag stehen. Das Vorhersehen von Ereignissen (z. B. Maschinenstörungen oder not-
wendige Wartungen) über intelligente Algorithmen und die Auswertung von Daten hilft
Unternehmen in Zukunft ebenfalls, Kosten zu sparen (siehe Abb. 10.12).
Die Ergebnisse der vorliegenden Delphi-Studie zeigen deutlich, dass die Digitalisierungs-
induzierten Veränderungen für die Geschäftsmodelle von B2B-Unternehmen sehr um-
fassend und weitreichend sein werden und wesentlich über rein operative Aspekte wie
Produktionsprozessoptimierungen hinausgehen. Darüber hinaus wird klar, dass sich die
Digitalisierung in allen Dimensionen von B2B-Geschäftsmodellen niederschlägt. Dieser
10 Digitalisierungs-induzierte Veränderungen für die Geschäftsmodelle von … 275
Befund bekräftigt damit auch die Kritik von Werani et al. (2017, S. 260), dass sich Unter-
nehmen aus dem B2B-Bereich in ihren Digitalisierungs-Bestrebungen primär auf die
Geschäftsmodell-Dimension Management von Schlüsselaktivitäten konzentrieren, wäh-
rend auch die anderen Bereiche wesentliche Anknüpfungspunkte zur Weiterentwicklung
bzw. Innovation eines Geschäftsmodells bieten.
Weiters zeigt die Delphi-Studie, dass sich einzelne identifizierte Veränderungen völlig
unterschiedlich in den verschiedenen Dimensionen eines Geschäftsmodells nieder-
schlagen können. So führt die zunehmende Bedeutung von Big Data und Analytics in der
Dimension Management von Schlüsselaktivitäten etwa dazu, dass interne Prozesse in Pro-
duktion oder Logistik optimiert und automatisiert werden können, was zu einer ge-
steigerten Effizienz und Kosteneinsparungen führt. Auf der anderen Seite können Big
Data und Analytics im Management von Kundennutzen aber auch zur automatisierten
Sammlung und Auswertung von Produktverwendungsdaten des Kunden genutzt werden,
um latente Bedürfnisse zu identifizieren, die wiederum in den Innovationsprozess ein-
fließen können. Aus diesen Erkenntnissen ergeben sich wiederum Implikationen für die
betriebliche Praxis sowie für die Wissenschaft.
Eine zentrale Konsequenz aus der vorliegenden empirischen Studie für B2B-Unternehmen
ist die Tatsache, dass sich diese ganzheitlich mit der Thematik der Digitalisierung be-
schäftigen und die dadurch ausgelösten Veränderungen umfassend betrachten müssen.
Dabei muss die Auseinandersetzung mit den Digitalisierungs-induzierten Veränderungen
sehr differenziert und immer vor dem Hintergrund der betrachteten Geschäftsmodell-
Dimension erfolgen, um die ganze Tragweite digitaler Technologien erkennen und ihr
volles Potenzial ausschöpfen zu können. Mit der umfangreichen Liste der identifizierten
Veränderungen aus der Delphi-Studie können die Unternehmen hier einen Anfang ma-
chen, sich proaktiv mit allen Aspekten der Digitalisierung auseinanderzusetzen.
Die Strukturierung der identifizierten Veränderungen anhand der Revidierten Business
Model Canvas hilft B2B-Unternehmen in dem Zusammenhang, das Thema Digitalisierung
systematisch und analytisch zu betrachten und Anknüpfungspunkte für die Weiter-
entwicklung einzelner Dimensionen in ihrem spezifischen Geschäftsmodell zu identi-
fizieren bzw. auch völlig neue Konfigurationen im Sinne einer Geschäftsmodell-Innovation
zu entwickeln.
Ein aus wissenschaftlicher Sicht wesentlicher Beitrag der vorliegenden Studie liegt darin,
dass häufig diskutierte Digitalisierungs-induzierte Veränderungen empirisch valide identi-
fiziert und auch einer logisch sinnvollen Systematisierung anhand der Dimensionen des
276 A. Brendel-Schauberger
Literatur
Bauer, W., Schlund, S., Marrenbach, D., & Ganschar, O. (2014). Industrie 4.0 – Volkswirtschaft-
liches Potential für Deutschland. https://www.produktionsarbeit.de/content/dam/produktions-
arbeit/de/documents/Studie-Industrie-4-0-Volkswirtschaftliches-Potential-fuer-Deutschland.
pdf. Zugegriffen am 18.05.2021.
Bieger, T., & Reinhold, S. (2011). Das wertbasierte Geschäftsmodell: Ein aktualisierter
Strukturierungsansatz. In T. Bieger, D. zu Knyphausen-Aufseß & C. Krys (Hrsg.), Innovative
Geschäftsmodelle (S. 14–70). Springer.
Björkdahl, J. (2009). Technology cross-fertilization and the business model: The case of integrating
ICTs in mechanical engineering products. Research Policy, 38(9), 1468–1477.
Bortz, J., & Döring, N. (2006). Forschungsmethoden und Evaluation für Human- und Sozialwissen-
schaftler. Springer.
Caputo, A., Pizzi, S., Pellegrini, M., & Dabic, M. (2021). Digitalization and business models: Where
are we going? A science map of the field. Journal of Business Research, 125(2021), 489–501.
https://doi.org/10.1016/j.jbusres.2020.09.053.
Chesbrough, H. (2010). Business model innovation: Opportunities and barriers. Long Range Plan-
ning, 43(2–3), 354–363.
Chesbrough, H., & Rosenblom, R. (2002). The role of the business model in capturing value from
innovation: Evidence from Xerox Corporation’s technology spin-off companies. Industrial and
Corporate Change, 11(3), 529–555.
Coombes, P., & Nicholson, J. (2013). Business models and their relationship with marketing: A
systematic literature review. Industrial Marketing Management, 42(6), 656–664.
Daugherty, P., Banjerjee, P., Negm, W., & Alter, A. (2014). Driving unconventional growth through
the industrial internet of things. https://www.accenture.com/ph-en/_acnmedia/Accenture/next-
gen/reassembling-industry/pdf/Accenture-Driving-Unconventional-Growth-through-IIoT.pdf.
Zugegriffen am 26.09.2017.
Evans, P., & Annunziata, M. (2012). Industrial internet: Pushing the boundaries of minds and ma-
chines. http://www.ge.com/docs/chapters/Industrial_Internet.pdf. Zugegriffen am 26.09.2017.
Farrall, F., Harding, C., Hillard, R., O’Mahony, J., Simes, R., & Tampling, D. (2012). Digital disrup-
tion: Short fuse, big bang? https://www2.deloitte.com/content/dam/Deloitte/au/Documents/
Building%20Lucky%20Country/deloitte-au-consulting-digital-disruption-whitepaper-230217.
pdf. Zugegriffen am 18.05.2021.
10 Digitalisierungs-induzierte Veränderungen für die Geschäftsmodelle von … 277
Gartner. (2013). Gartner says digital business incompetence will cause 25 percent of businesses to
lose competitive ranking by 2017: Competition for talent will make or break digital business
success. http://www.gartner.com/newsroom/id/2598515. Zugegriffen am 26.09.2017.
Ghaziani, A., & Ventresca, M. (2005). Keywords and cultural change: Frame analysis of business
model public talk, 1975 to 2000. Sociological Forum, 20(4), 523–559.
Häder, M. (2014). Delphi-Befragungen: Ein Arbeitsbuch. Springer.
Hamidian, K., & Kraijo, C. (2013). DigITalisierung – Status quo. In F. Keuper, K. Hamidian, E. Ver-
waayen, T. Kalinowski & C. Kraijo (Hrsg.), Digitalisierung und Innovation: Planung – Ent-
stehung – Entwicklungsperspektiven (S. 1–23). Springer.
Hesse, M., Schickl, P., & Lehr, T. (2009). Die Delphi-Methode in der Regionalentwicklung:
Anwendungsbeispiel zur Erarbeitung von regionalpolitischen Maßnahmen zur Förderung der
Dienstleistungswirtschaft im Erzgebirge. Arbeitspapier Nr. 41 am Institut für Öffentliche
Finanzen und Public Management der Universität Leipzig. https://www.econstor.eu/bits-
tream/10419/52365/1/672181169.pdf. Zugegriffen am 26.09.2017.
Hirsch-Kreinsen, H., & ten Hompel, M. (2017). Digitalisierung industrieller Arbeit: Entwicklungs-
perspektiven und Gestaltungsansätze. In B. Vogel-Heuser, T. Bauernhansl & M. ten Hompel
(Hrsg.), Handbuch Industrie 4.0: Band 3 (S. 357–376). Springer.
Industriemagazin. (2014). Jeder zweite Manager kann mit „Industrie 4.0“ nichts anfangen. http://
www.industriemagazin.at/a/jeder-zweite-manager-kann-mit-industrie-4-0-nichts-anfangen. Zu-
gegriffen am 26.09.2017.
Mauchline, S., Teerlink, M., & Manohar, S. (2019). Internet der Dinge: Die Zukunft von IoT. https://
news.sap.com/germany/2019/10/iot-chance-moeglichkeiten/. Zuletzt zugegriffen am 16.05.2021.
Mayring, P. (2015). Qualitative Inhaltsanalyse: Grundlagen und Techniken. Beltz.
Morris, M., Schindehutte, M., & Allen, J. (2005). The entrepreneur’s business model: Toward a
unified perspective. Journal of Business Research, 58(6), 726–735.
Osterwalder, A., & Pigneur, Y. (2011). Business Model Generation: Ein Handbuch für Visionäre,
Spielveränderer und Herausforderer. Campus.
Paetz, N., Ceylan, F., Fiehn, J., Schworm, S., & Harteis, C. (2011). Kompetenz in der Hochschul-
didaktik: Ergebnisse einer Delphi-Studie über die Zukunft der Hochschullehre. VS.
Roland Berger. (2015). Die digitale Transformation der Industrie. http://bdi.eu/media/user_upload/
Digitale_Transformation.pdf. Zugegriffen am 26.09.2017.
Schallmo, D. (2012). Geschäftsmodell-Innovation: Grundlagen, bestehende Ansätze, methodisches
Vorgehen und B2B-Geschäftsmodelle. Wiesbaden: Springer
Schallmo, D., & Rusnjak, A. (2017). Roadmap zur Digitalen Transformation von Geschäfts-
modellen. In D. Schallmo, A. Rusnjak, J. Anzengruber, T. Werani & M. Jünger (Hrsg.), Digita
lisierung von Geschäftsmodellen: Grundlagen, Instrumente und Best Practices. Springer.
Staufen. (2015). Deutscher Industrie „4.0 Index“ 2015. http://www.staufen.ag/fileadmin/HQ/02-
Company/05-Media/2-Studies/STAUFEN.-studie-deutscher-industrie-4.0-index-2015-de_DE.
pdf. Zugegriffen am 26.09.2017.
Teece, D. (2010). Business models, business strategy and innovation. Long Range Planning, 43(2–3),
172–194.
Ternés, A., Towers, I., & Jerusel, M. (2015). Konsumentenverhalten im Zeitalter der Digitalisierung:
Trends: E-Commerce, M-Commerce und Connected Retail. Springer.
VDMA. (2015). Industrie 4.0-Readiness. http://www.impuls-stiftung.de/documents/3581372/
4875835/Industrie+4.0+Readniness+IMPULS+Studie+Oktober+2015.pdf/
447a6187-9759-4f25-b186-b0f5eac69974. Zugegriffen am 26.09.2017.
Vorgrimler, D., & Wübben, D. (2003). Die Delphi-Methode und ihre Eignung als Prognose-
instrument. Wirtschaft und Statistik, 8(2003), 763–774.
Warner, K., & Wäger, M. (2019). Building dynamic capabilities for digital transformation: An ongo-
ing process of strategic renewal. Long Range Planning, 52(3), 326–349.
278 A. Brendel-Schauberger
Zusammenfassung
Die Entwicklung der digitalen Transformation (DT) stellt Unternehmen weltweit vor
eine große Herausforderung und stellt sowohl disruptive Schwierigkeiten als auch
enorme Möglichkeiten für die Erneuerung von Wertangeboten, Geschäftsmodellen und
Organisationspraktiken dar. Um DT als Impuls für positive Veränderungen zu nutzen,
ist es jedoch entscheidend, dass Wissenschaftler und Praktiker ein klares, einheitliches
Verständnis des Konzepts haben.
Wir strukturieren unsere Diskussion wie folgt: In Abschn. 11.1 dieses Kapitels wird
die begriffliche Verwirrung um das Konzept „digital transformation“ und die damit
verbundenen Konzepte (digitization, digitalization) erörtert. Der zweite Abschn stellt
die Etymologie dieser drei Konzepte vor und führt zu einer Diskussion der wichtigsten
etymologischen Gründe für diese Konfusion. Im dritten Abschn untersuchen wir die
historische Verwendung dieser Konzepte in der einschlägigen Literatur; wir zeigen, wie
Wissenschaftler die Konzepte inkonsistent interpretiert und mit einer Vielzahl unter-
schiedlicher Realitäten/Phänomene in Verbindung gebracht haben. Abschn 11.4 führt
eine Methode zur Konzeptbildung und Bewertung ein, um die theoretische Grundlage
dafür zu legen, wie Konzepte wissenschaftlich analysiert und bewertet werden können.
Abschn. 11.5 bietet eine Sammlung vorhandener Definitionen der Konzepte digitiza-
tion, digitalization und digital transformation, die wir ausgewählt haben, um ihre defi-
nierenden Attribute zu analysieren. Wir präsentieren ein detailliertes Beispiel dafür,
Schlüsselwörter
11.1 Einleitung
Das World Economic Forum (2017) erkannte die digitale Transformation (DT) als
eine der dringendsten Herausforderungen der Welt für die meisten Unternehmen an.
DT stellt Unternehmen vor neue Herausforderung, wie sie am besten auf sich dyna-
misch verändernde Kundenerwartungen und ein sich änderndes Lebens- und Arbeits-
umfeld reagieren können und ihre Produkte und Dienstleistungspalette entsprechend
anpassen können. Die zunehmende Verbreitung digitaler Technologien auf dem Markt
veranlasst Unternehmen unweigerlich dazu, ihre Wertschöpfungskette zu überdenken
und eine Roadmap zu erstellen, um sich erfolgreich auf die „Going Digital“-Reise zu
begeben. Zwar besteht allgemeine Übereinstimmung über die wachsende Bedeutung
von DT für den Erfolg eines Unternehmens, doch zugleich sorgt die inkonsistente Ver-
wendung des Begriffs „digitale Transformation“ in Wissenschaft und Geschäftspraxis
für Verwirrung.
Im akademischen Bereich behindert die inkonsistente definitorische Verwendung des
Konzeptes „Digital Transformation“ eine sinnvolle Abgrenzung zu damit verbundenen
Begriffen (wie z. B. „Digitization“ und „Digitalization“), was einer Verbesserung der For-
schung auf mehreren Analyseebenen im Wege steht. Das Nebeneinander zahlreicher
widersprüchlicher Definitionen hat diese Begriffe bedeutungslos gemacht. Dies führt zu
Schwierigkeiten bei der Entwicklung eines konsistenten Forschungsstroms, der auf den
bisherigen Erkenntnissen aufbaut, und zugleich erschwert es, Beziehungen für die Er-
stellung der Theorie der digitalen Transformation zu definieren und zu testen (Gong &
Ribiere, 2021). Die Unbestimmtheit in der Literatur zeigt das Fehlen eines umfassenden,
einheitlichen Verständnisses des Konzeptes der digitalen Transformation (Goerzig & Bau-
ernhansl, 2018; Haffke et al., 2016; Matt et al., 2015; Morakanyane et al., 2017; Van Veld-
hoven & Vanthienen, 2019). Dieses Fehlen einer homogenen Interpretation des Konzepts
wirkt sich nachteilig auf die Forschungssynergie aus und führt zu widersprüchlichen und
inkompatiblen Forschungsergebnissen, die nicht als Leitfaden für die Geschäftspraxis ge-
eignet sind.
11 Die Evolution der Digitalen Transformation 283
In der Praxis scheint die digitale Transformation eine der obersten Prioritäten auf
der Tagesordnung von Führungskräften zu sein (Sundblad, 2020). Eine Studie von
McKinsey (2018) ergab jedoch, dass die Erfolgsquote bei der Implementierung von DT
in Organisationen weniger als 30 % beträgt. Darüber hinaus verbesserten nur 23 % der
Organisationen, die über eine erfolgreiche Implementierung berichteten, ihre organisa-
torische Leistung; zudem wurden in 7 % der Fälle diese Verbesserungen als nachhaltig
angesehen. Die Erfolgsraten liegen in traditionelleren Branchen (z. B. Öl und Gas,
Automobilindustrie, Infrastruktur und Pharmazie) zwischen 4 % und 11 %, und selbst
in digital versierten Branchen (z. B. Hightech, Medien und Telekommunikation) nur
bei 26 % (De la Boutetière et al., 2018). IBM behauptet, dass eine erfolgreiche digitale
Transformation etwa vier Jahre gedauert hat und dass 85 % der Initiativen fehlschlagen
sind (Gibson, 2018). Darüber hinaus prognostizierte Gartner (2019), dass von traditio-
nellen Großunternehmen für bis 2021 vorgenommene DT-Projekte im Durchschnitt
doppelt so lange dauern und doppelt so viel kosten würden wie ursprünglich an-
genommen.
Führungskräfte riskieren zudem, die unterschiedliche Richtung organisatorischer stra-
tegischer Schritte zu verwischen (z. B. das Streben nach inkrementellen oder radikalen
Änderungen), indem sie den Begriff DT inkonsistent verwenden, um verschiedene Strate-
gie- und Organisationsaktivitäten zu beschreiben (Warner & Wäger, 2019). Darüber hi
naus erschwert eine unklare DT-Vision es Führungskräften der C-Suite, eigene DT-Autorität
zu beanspruchen und die Verantwortlichkeiten für digitale Projekte auf organisatorischer
Ebene klar zu definieren. Last but not least machen unterschiedliche Interpretationen des
DT-Konzeptes es schwieriger für ein Unternehmen, die eigene DT-Leistung mit der ande-
rer Organisationen und Branchen anhand von relevanten Metriken und Best Practice-
Industriestudien zu vergleichen
Die Ergründung der Etymologie eines Begriffs ist für die Konzeptbildung von ent-
scheidender Bedeutung, da sie alle historischen Konnotationen eines bestimmten Begriffs
aufdeckt und „ein völlig neues Verständnis der wahren Realität“ eröffnet (Eriksson, 2010,
S. 5). In der Tat erklären der Ursprung, die Ableitung und die historische Entwicklung
eines Begriffs die Multivalenz seiner Bedeutungen, d. h. die Vielzahl seiner Definitionen
(Gerring, 1999). Diese definitorische Pluralität erzeugt eine Reihe von Bedeutungen, die
sich darauf auswirken können, wie normale Menschen, Manager und Wissenschaftler ein
Konzept „auf den ersten Blick“ verstehen. Daher ist es für Studien zur Konzeptbildung
informativ, einen Vergleich zwischen den vorhandenen Bedeutungen eines Begriffes und
den für die konzeptionelle Definition beibehaltenen Bedeutungen durchzuführen (Eriks-
son, 2010). Diese Vorgehensweise ermöglicht eine Unterscheidung zwischen den a) histo-
284 C. Gong et al.
Abb. 11.1 Etymology der digitization, digitalization und digital transformation. (Quelle: Eigene
Darstellung)
Das Verständnis der Entstehungsgeschichte eines Konzepts ist entscheidend, um die Ent-
wicklung seines Umfangs und seiner Anwendungsgrenzen zu erkennen. Diese Geschichte
beginnt mit der (den) grundlegenden Definition (en) des Konzepts und setzt sich mit der
Entwicklung dieser Definition fort, wenn sie mit mehreren empirischen Realitäten kon-
frontiert wird. In Bezug auf die englischsprachigen Begriffe digitization, digitalization
und digital transformation ist diese historische Analyse entscheidend für die Erklärung
des Ursprungs der konzeptionellen Verwirrung, die auf die gemeinsamen etymologischen
Wurzeln zurückgeführt werden kann. Es zeigt die definitorische Überlappung und
Unterscheidung zwischen diesen drei Begriffen und ermöglicht es, die chronologische
Entstehung ihrer zugehörigen Kernattribute und Hilfshypothesen nachzuvollziehen (Laka-
tos, 1978).
11.3.1 Digitization
Das Oxford English Dictionary (OED) zeichnet die erste moderne Verwendung des Be-
griffs „digitization“ gemeinsam mit Computern bis Mitte der 1950er-Jahre nach (OED,
2014). Digitalisierung bezieht sich laut OED auf „the action or process of digitizing; the
conversion of analog data (especially in later use images, video, and text) into digital
form.“ Einige Wissenschaftler verweisen auf den technischen Prozess der Konvertierung
analoger Daten in ein digitales Format: eine Reihe von Nullen und Einsen, die so ge-
286 C. Gong et al.
speichert sind, dass sie von Computern gelesen werden können. Mit der technologischen
Entwicklung werden die Erstellung, Speicherung, Kommunikation und der Verbrauch von
Informationen und nicht digitalen Produkten schrittweise digitalisiert (Press, 2015). Die
Entwicklung digitaler Technologien und ihre Auswirkungen auf verschiedene Bereiche
haben Wissenschaftler und Praktiker dazu gezwungen, das Potenzial digitaler Techno-
logien zu untersuchen, das sich vom technischen Prozess bis zu ihren Auswirkungen auf
verschiedene Einheiten (d. H. Organisationen, Unternehmen, Branchen, Gesellschaften)
erstreckt.
Eine Google Trend-Suche von Seibt et al. (2019) weist darauf hin, dass der Begriff di-
gitization im englischsprachigen Raum früher häufiger verwendet wurde, während der
Begriff digitalization in Kontinentaleuropa häufiger gesucht wurde. Die meisten
Wörterbücher wie das Oxford-Wörterbuch, das für beide Begriffe dieselbe Definition bie-
tet, machen keine Unterscheidung zwischen den beiden Begriffen. Die Encyclopedia Bri-
tannica (Encyclopedia Britannica, o. J.) und soziologische Wörterbücher (Bruce & Year-
ley, 2006; Scott & Marshall, 2009; Swedberg & Agevall, 2016; Turner, 2006) definieren
die Begriffe digitization und digitalization nicht. Beide Begriffe werden jedoch im Ge-
schäftsleben, in den Medien und in öffentliche Debatten mit korrelierten Bedeutungen
verwendet, was viel Verwirrung stiftet (Seibt et al., 2019).
In der akademischen Literatur kann für jedes dieser Konzepte keine einzige weg-
weisende wissenschaftliche Definition gefunden werden, auf die sich alle Autoren einigen.
Darüber hinaus wurzeln alle Definitionen des Begriffes digitization in der Alltagssprache
und nicht in einer systematischen wissenschaftlichen Konzeptualisierung. Die Begriffe di-
gitization und digitalization werden häufig verwendet, um dieselben Objekte/ Phänomene
zu kennzeichnen. Die gleiche Überschneidung besteht zwischen der Verwendung des Be-
griffs digitization und dem Begriff digital transformation. Einige Autoren verwenden
unterschiedliche Begriffe, die bewusst oder unbewusst austauschbar sind; andere können
ein Konzept unterscheiden, während sie die beiden anderen Begriffe implizit oder explizit
als Äquivalente verwenden. Eine solche Verwirrung oder das Fehlen einer gemeinsamen
konzeptionellen Grundlage macht es unmöglich, eine kumulative und nachhaltige Schaf-
fung von Wissen sicherzustellen (Sparrowe & Mayer, 2011). Folglich führt dieser Mangel
an Klarheit dazu, dass einige Autoren diese drei Begriffe und ihre zugehörigen Definitionen
in ihren Artikeln unterscheiden, um einem bestimmten Objekt/Phänomen einen bestimmten
Begriff zuzuordnen (z. B. Mergel et al., 2019; Verhoef et al., 2019).
11.3.2 Digitalization
Die erste zeitgenössische Verwendung des Begriffs „digitalization“ zusammen mit dem
Begriff der computerization erschien in einem Aufsatz von Wachal (1971), in dem die
sozialen Auswirkungen der Digitalisierung der Gesellschaft in der computergestützten
geisteswissenschaftlichen Forschung erörtert werden (Brennen & Kreiss, 2016). Im All-
gemeinen bezieht sich digitalization auf den „use of digital technologies“ (Srai & Lorentz,
11 Die Evolution der Digitalen Transformation 287
2019, S. 79). Das Konzept „loses its more technical aspects to digitization while maintai-
ning the vague ideas of restructuring social life or business, and all the normative conno-
tations they entail“ (Seibt et al., 2019, S. 10). Dijk van Jan (2006) stellte fest, dass digita-
lization „allows a considerable increase in the production, dispersion, and consumption of
information and the signals of communication“ (S. 193) und „produces a culture of speed
because creative production is assisted by the power of accelerated processing and dis-
tribution in computers and networks“ (S. 209).
Digitalization wird häufig als Synonym für digital transformation verwendet, wenn
Veränderungen beschrieben werden, die durch die Einführung digitaler Technologien in
Gesellschaft und Organisation hervorgerufen werden. Außerdem argumentierten Seibt
et al. (2019), dass die Diskussion rund um die Digitalisierung der Industrie (unter dem
Schlagwort „Industrie 4.0“) einen der wichtigsten industriellen Anwendungsbereiche von
digitization, digitalization, und automation darstellt (Schumacher et al., 2016). Bloom-
berg (2018) stellte in diesem Zusammenhang fest, dass „automation is a major part of the
digitalization story, whether it be shifting work roles or transforming business processes
generally“ (S. 4).
Die Implementierung von IT-Tools/Softwaretypen wie MRP (Material Requirements
Planning oder Materialbedarfsplanung), MRP II (Manufacturing Resource Planning oder
Fertigungsressourcenplanung), ERP (Enterprise Resource Planning) und BPR (Business
Prozess Reengineering) führte zur ersten Generation von Digitalisierungsprozessen. Im
Gleichschritt mit der fortschreitenden Entwicklung von Computerhardware und -software
in den 1970er- und 1980er-Jahren kam es im Unternehmensbereich zu einer verbreiteten
Implementierung von MRP- und MRP II-Systemen, die eine stärkere Datenintegration
zwischen funktionalen Unternehmenssilos, Lieferanten und Kunden ermöglichten. Ab den
1990er-Jahren kamen ERP- und BPR-Unternehmensführungsinitiativen hinzu; diese ziel-
ten einerseits auf die Einführung von Standardsoftwarepaketen ab, und andererseits waren
von der IT unterstützte, höhere Prozesseffizienz anstrebende Umstrukturierungsprojekte).
ERP ist ein „framework for organizing, defining, and standardizing the business processes
necessary to effectively plan and control an organization so the organization can use its
internal knowledge to seek external advantage“ (Blackstone & Cox, 2005, S. 38). Diese
Wörterbuchdefinition stimmt offensichtlich mit den Ergebnissen überein, die man sich von
digitalization verspricht. Das gemeinsame Ziel besteht darin, die bestehenden Geschäfts-
prozesse von Organisationen durch eine effizientere Koordination der Routinen zu opti-
mieren (Pagani & Pardo, 2017). Unternehmen können eine Reihe von Digitalisierungs-
projekten durchführen, um Prozesse zu automatisieren und die Prozesseffizienz zu steigern
(Bloomberg, 2018).
Für Unternehmenspraktiker umfasst der Begriff digitalization „the use of digital
technologies and data (digitized and natively digital) to create revenue, improve business,
replace business processes (not simply digitizing them) and create an environment for di-
gital business“ (i-scoop, 2016) sowie „using digital technologies to automate processes for
better outcomes and to optimize value“ (NCMM, 2020). Für Wissenschaftler verbinden
mit dem Begriff Digitalization dagegen eher „the adoption of Internet-connected digital
288 C. Gong et al.
technologies and applications by companies“ (Pagani & Pardo, 2017, S. 185) und „a
means to fulfill customers’ needs more effectively, adapt to changes in the sector and in-
crease their competitive advantage“ (Rachinger et al., 2019, S. 1150).
In der digitalization ermöglichen digitale Technologien Unternehmen, ihre bestehenden
Geschäftsprozesse zu ändern (Verhoef et al., 2019), einschließlich Kommunikation (Ra-
maswamy & Ozcan, 2016; Van Doorn et al., 2010) und Vertrieb (Leviäkangas, 2016). Um
solche Ziele zu erreichen, können Unternehmen ERP oder andere digitale Technologien
verwenden, um den Digitalisierungsprozess zu unterstützen. Die von ERP eingeführten
Änderungen beschränken sich hauptsächlich auf Geschäftsprozesse innerhalb organisato-
rischer Grenzen zur Effizienzsteigerung, Kostenreduzierung und Optimierung von Ge-
schäftsprozessen (Ash & Burn, 2003; Kauffman & Walden, 2001), wobei die Bereitstellung
interner Managementinformationssysteme im Vordergrund steht (Boersma & Kingma,
2005). ERP und BPR bemühen sich, IT-Softwarepakete zur Verbesserung der Organisations-
prozesse zu nutzen, wobei der Schwerpunkt intern auf der Effektivität und Effizienz der
Produktion liegt. Digitalization betont den Veränderungsprozess in seiner Gesamtheit, um
durch ERP oder BPR und andere digitale Technologien wirtschaftlich motivierte Ergeb-
nisse zu erzielen.
• Externe DT-Treiber: (1) innovation push & market pull, die durch die Einführung und
Entwicklung digitaler Technologien erzeugt werden (Nambisan et al., 2017; Samba-
murthy et al., 2003); (2) zunehmendes Datenvolumen (Kouroubali & Katehakis, 2019;
Pappas et al., 2018; Zaki, 2019); (3) Beschleunigung von Änderungen des Kundenver-
haltens (Rogers, 2016; von Leipzig et al., 2017; Westerman et al., 2014); und (4) Ge-
setze/Anpassungen der Regierungspolitik (Gong et al., 2020; Nambisan et al., 2019).
• Interne DT-Treiber: (1) strategische Notwendigkeiten wie Prozess- und Arbeitsplatz-
verbesserung (Henriette et al., 2016); (2) vertikale und horizontale Integration
(Camarinha-Matos et al., 2019; Gölzer & Fritzsche, 2017; Borangiu et al., 2019; Liere-
Netheler et al. 2018a); (3) Managementunterstützung (Matt et al., 2015; Vukšić et al.,
2018); und (4) Kostenreduzierung (Liere-Netheler et al., 2018a). Einige andere Wissen-
schaftler konzentrieren sich auf die positiven und negativen Auswirkungen von DT.
• Positive Konsequenzen von DT: (1) Verbesserung der Entscheidungsfindung (Heilig
et al., 2017; Roedder et al., 2016); (2) Schaffung von Wettbewerbsvorteilen (Korhonen
& Halen, 2017; Schwertner, 2017); (3) Wertschöpfung, wie z. B. Optimierung des
Kundenerlebnisses (Rogers, 2016).
• Negative Folgen von DT: (1) Cybersicherheit (Möller, 2020) und (2) Datenschutz
(Mendhurwar & Mishra, 2019).
Über diese neuen Forschungsrichtungen hinaus gibt es andauernde Debatten über die
wahre Natur von DT. Die Kontroverse kann auf der Tatsache beruhen, dass die Bandbreite
der DT-Definitionen stark variiert – von einer geringfügigen technologiebasierten Ände-
rung wie der Implementierung eines neuen ERP-Systems (Chanias, 2017) bis zu einem
radikaleren und evolutionäreren Prozess, der im Laufe der Zeit stattfindet (Janowski,
2015; Loebbecke & Picot, 2015; Wang et al., 2018) oder die wirtschaftlichen und ge-
sellschaftlichen Auswirkungen von Digitalisierung und Digitalisierung umfasst (OECD,
2018). Während einige Forscher DT mit Geschäftsmodellen (Berman, 2012; Bharadwaj
et al., 2013; Gassmann et al., 2014; Schallmo et al., 2017) und Strategie (Bharadwaj et al.,
2013; Henriette et al., 2015; Matt et al., 2015; Rogers, 2016; Westerman, 2018) assoziie-
ren, betrachten andere Autoren DT als Paradigma oder als Prozess (Berman, 2012; Janow-
ski, 2015; Wang et al., 2018). Infolgedessen erschwert die wachsende Vielfalt der mit dem
DT-Konzept verbundenen Forschungsfelder die Begriffsklärung.
290 C. Gong et al.
11.3.4 Synthese
Basierend auf dem semantischen Dreieck von Ogden und Richards (1923) (d. h. Sym-
bol, Gedanke/Referenz, Referent) und auf Sartoris (1984) Arbeit (d. h. Begriff/Wort,
Bedeutung, Referent/Objekt) schlug Gerring (1999) acht Tiefenkriterien der kon-
zeptuellen Güte vor: Vertrautheit, Resonanz, Sparsamkeit, Kohärenz, Differenzierung,
Tiefe, theoretischer Nutzen und Feldnutzen. Gerring (1999) unterstützt die Ansicht von
Ogden und Richards (1923), dass Konzepte dann gut sind, wenn sie eine korrekte Aus-
richtung zwischen den drei Dimensionen Intensität, Ausdehnung und Term erreichen
(S. 357–358):
• Der Begriff (term) bezieht sich auf die Wörter, die einem Konzept als Bezeichnung für
die Intensität und die Erweiterung zugeordnet sind. Dies wirkt sich auf den Bekannt-
heitsgrad, die Resonanz und den Feldnutzen des Konzepts aus.
• Die Intensität (intension), d. H. Konnotation, Bedeutung, definiens oder Definition,
bezieht sich auf die Eigenschaften oder Attribute, die ein Konzept definieren. Die Attri-
bute, die speziell für die Definition des Konzepts ausgewählt wurden, legen den Grad
an Sparsamkeit und interner Kohärenz fest. Die Erweiterung, d. H. Bezeichnung, Refe-
rent, Objekt, Definiendum, bezieht sich auf das zu definierende Objekt, Ereignis oder
Phänomen und den Referenten oder die Referenten, für die ein Konzept gilt. Es be-
stimmt die Art der empirischen Fälle, auf die ein Konzept angewendet wird, und be
einflusst die theoretische Nützlichkeit und Tiefe des Konzepts. Es bestimmt den
Differenzierungsgrad eines Konzepts.
• Die Erweiterung (extension), d. h. Bezeichnung, Referent, Objekt, Definiendum, be-
zieht sich auf das zu definierende Objekt, Ereignis oder Phänomen und den oder die
Referenten, für die ein Konzept gilt. Es bestimmt die Art der empirischen Fälle, auf die
ein Konzept angewendet wird, und beeinflusst die theoretische Nützlichkeit und Tiefe
des Konzepts. Es bestimmt den Differenzierungsgrad eines Konzepts.
Die Untersuchung der Entwicklung von Definitionen zeigt: (1) die Vielzahl der in der Li-
teratur vorgeschlagenen Definitionen; (2) inwieweit sich ihre definierenden Attribute zwi-
schen den drei Konzepten digitization, digitalization und digital transformation über-
schneiden; (3) die Vielzahl konzeptioneller Grenzen und damit der untersuchten Realitäten.
Es ermöglicht die Angabe der Kern- und Peripherie-Definitionsattribute, die zur Definition
der drei Konzepte verwendet werden. Die definierenden Attribute können dann gruppiert
werden, um ihre logische Ausrichtung (interne Kohärenz) sowie ihre externe Differenzie-
rung zu analysieren. Ein solcher Analyseprozess erleichtert daher eine qualitative Be-
wertung der Verbindungen zwischen den drei Dimensionen des semantischen Dreiecks
und bewertet die konzeptionelle Güte der Zielkonzepte anhand einer Bewertungsskala, die
an Gerrings (1999) Rahmen angepasst ist (siehe Abb. 11.2).
292 C. Gong et al.
Abb. 11.2 Bewertungsskala für die Bewertung der Konzeptgüte. (Quelle: Eigene Darstellung).
Anmerkungen. Die acht Kriterien der Konzeptgüte sind von Gerring (1999) übernommen
11.5.1 Digitization
Tab. 11.1 Definierende Attribute und Häufigkeit der digitization. (Quelle: Eigene Darstellung)
Hinweis. Die Häufigkeit von Attributen entspricht der Anzahl der wiederholten Attribute geteilt
durch die Gesamtzahl der identifizierten definierenden Attribute (27)
Die Analyse zeigt, dass digitization sich auf einen technischen Prozess zur Um-
wandlung analoger Daten/Informationen1 in digitale Formen bezieht. Es ist ein Prozess,
der sowohl symbolische (d. h. Konvertieren von analogen Daten in als 0s und 1s dar-
gestellte Bits) als auch materielle (d. h. Artefakte, die zum Speichern und Kommunizieren
digitalisierter Informationen verwendet werden) Dimensionen aufweist. Daher werden
Daten durch digitization dekonstruiert und als Zeichenfolgen von Nullen und Einsen
Beachten Sie, dass die Begriffe Daten und Informationen in diesen Definitionen als Synonyme ver-
1
wendet werden.
294 C. Gong et al.
c odiert, die als Information „can then be expressed in many different ways, on many diffe-
rent types of materials, and in many different systems“ (Brennen & Kreiss, 2016, S. 2).
Die ultimative Eigenschaft, Fehler, Wiederholungen und statische Aufladungen zu ver-
meiden, ermöglicht das einfache Speichern, Übertragen, Bearbeiten und Anzeigen digita-
lisierter Daten und Informationen, wodurch Papierkram reduziert und die Effizienz ver-
bessert wird. Durch digitization können physische Produkte programmierbar, adressierbar,
sinnvoll, kommunizierbar, einprägsam, nachvollziehbar und assoziierbar werden (Yoo,
2010). Wenn digitale Technologien in traditionelle physische Produkte, eingebettet sind,
wie z. B. Kameras (Tripsas, 2009), Telefone (Ghazawneh & Henfridsson, 2013), Maga-
zine (Nylén et al., 2014) und Automobile (Svahn et al., 2017), dann können diese einen
viel breiteren Funktionsumfang anbieten im Vergleich zu nicht digitalen Produkten (Holm-
ström, 2018). Die Essenz/wesentliche Bedeutung der digitization ist in Abb. 11.3 dar-
gestellt.
Basierend auf der Bewertungsskala für die Bewertung der Konzeptgüte diskutieren wir
die Konzeptgüte der Digitalisierung wie folgt:
Resonanz (Resonance) Digitization zeigt Resonanz mit den Begriffen „digit,“ „digital,“
und „digitize.“ Zudem klicken die Begriffe „digitization“ und „digital“ ebenfalls kognitiv
miteinander, was die Eingängigkeit des Labels/Begriffs erhöht. Der Zusammenhang zwi-
schen dem Etikett /Begriff und seiner formalen Bedeutung ist jedoch nicht so offensicht-
lich. Allerdings enthält das Etikett/der Begriff eindeutig ein Reimschema, was ebenso
dessen Eingängigkeit erhöht.
11 Die Evolution der Digitalen Transformation 295
Abb. 11.4 Die visuelle Darstellung der internen Kohärenz der rekonzeptualisierten digitization.
(Quelle: Eigene Darstellung). Hinweis: Die unter dem Begriff „Action of Technical Encoding“ zu-
sammengefassten drei definierenden Attribute sind peripher
Kohärenz (Coherence) Digitization weist ein hohes Maß an interner Kohärenz auf. Die
fünf Kerndefinitionsattribute (z. B. analoge, digitale Form/Bits, Prozess, Daten/Informa-
tion, Umwandlung) vermitteln die wesentliche Bedeutung eines Umwandlungsprozesses
von analogen Daten/Informationen zu digitaler Form/Bits. Unter Berücksichtigung des
Peripheriegeräts (z. B. Codierung, Technik, Aktion) wird die wesentliche Bedeutung der
Aktion „digitize“ weiter gestärkt. Sie zeigen einen technischen Prozess des „encoding
[analog] into zeroes and ones so that computers can store, process, and transmit such in-
formation“ (Bloomberg, 2018). Die zur Definition dieses Konzepts verwendeten Instan-
zen und Attribute sind intern konsistent und logisch miteinander verbunden (siehe
Abb. 11.4). Um eine genauere Ausarbeitung zu erreichen, unterscheiden wir Daten und
Informationen aus einer Sicht des Knowledge Management. Daten beziehen sich auf die
Fakten und Statistiken, die zusammen als Referenz oder Analyse gesammelt wurden, wäh-
rend Informationen als „any non-random pattern or set of patterns“ (Bennet et al., 2015)
übermittelt oder dargestellt werden.
Tiefe (Depth) Die klaren Grenzen von digitization im technischen Sinne verringern
andererseits die Tiefe, um die Anzahl der Eigenschaften abzudecken, die dieses Objekt/
Phänomen in seiner Erweiterung hat. Mit anderen Worten, das Konzept hat eine schlechte
Fähigkeit, Eigenschaften zu bündeln. Gemäß den Definitionen in Abschn. A, Anhang 2 ist
die Digitalisierung jedoch kein Restkonzept (welches ein Konzept definiert durch das, was
es nicht ist).
296 C. Gong et al.
Semantischer Feldnutzen (Semantic field utility) Der Begriff Digitization hat einen
relativ hohen semantischen Feldnutzen, da er die zur Definition verwendeten Wörter nicht
zerstört. Das digitizing der analogen Daten ändert nichts am Verständnis der Konvertierung
oder Codierung in Ziffern (0s und 1s). Keiner der benachbarten Begriffe wird bei der Kon-
zeption verletzt. Im Gegensatz dazu stellt es eine sehr gute Beziehung zu den benach-
barten Begriffen her und erhöht ihre Nützlichkeit im semantischen Bereich.
Während digitization ein eigenständiges Konzept zu sein scheint, das sich auf den techni-
schen Prozess der Konvertierung analoger Daten in digitale Formate bezieht, über-
schneiden sich die Attribute der Konzepte digitalization und digital transformation. Eine
systematische Analyse der Konzeptbildung und Konzeptualisierungsentwicklung der digi-
tal transformation ist daher eine Voraussetzung für die weitere Theoretisierung und Mo-
dellierung. Um eine bessere Lesbarkeit zu erreichen, beschlossen die Autoren, diese
beiden Konzepte gemeinsam vorzustellen, um Gemeinsamkeiten und Unterschiede
aufzuzeigen.
11 Die Evolution der Digitalen Transformation 297
Abb. 11.5 Das Ergebnis der Konzeptbewertung der „digitization“. (Quelle: Eigene Darstellung)
Gong & Ribiere (2021) überprüften 134 Definitionen von digital transformation, um
Einblicke in sechs zentrale Grundelemente dieses Konzepts zu erhalten. Sie stellten fest,
dass die Herausforderung und Notwendigkeit, eine nachhaltige Nomenklatur digitaler Be-
griffe und Konzepte zu entwickeln, ein dringendes und wichtiges Problem darstellt, ins-
besondere um die Unterschiede zwischen digitalization und digital transformation heraus-
zuarbeiten.
In diesem Abschnitt werden diese beiden unterschiedlichen, jedoch miteinander ver-
bundenen Konzepte durch eine diachrone Analyse ihrer Definitionsattribute auf der
Grundlage empirischer Belege weiter erörtert. Daher wurde in der EBSCO-Datenbank
eine Suchabfrage nach empirischen Studien durchgeführt, die sich mit digitalization und
digital transformation befassen; die entsprechend identifizierten Volltextpapiere wurden
heruntergeladen und auf ihre Eignung überprüft. Sechsunddreißig Definitionen wurden
basierend auf empirischen Daten extrahiert, darunter 24 Definitionen des Konzepts digital
transformation und 12 Definitionen des Konzepts digitalization. Abschn. A, Anhang 3
führt die definierenden Attribute und ihre relative Häufigkeit für jedes der beiden Kon-
zepte auf, um so begriffliche Ähnlichkeiten und Unterschiede deutlich zu machen.
Insgesamt gibt es 41 definierende Attribute für digital transformation und 30 für die
digitalization, was auf ein hohes Maß an Diskrepanz zwischen den verfügbaren Definitio-
nen und das Problem der konzeptionellen Ausdehnung in diesen Definitionen hinweist. In
Bezug auf die in den Abschn. 11.2 und 11.3 diskutierten etymologischen und historischen
298 C. Gong et al.
Fragen ist es nicht verwunderlich, dass sich rund 36 % (15 von 41) der definierenden At-
tribute der Begriffe digital transformation und digitalization überschneiden. Bei näherer
Betrachtung dieser Attribute sind die interne Kohärenz und die externe Differenzierung
umstritten. Die Tatsache, dass es keine einzelne Definition gibt, die alle oder die meisten
Kern- und Peripherie-Definitionsattribute umfasst, unterstützt diese Ansicht ebenfalls.
Eine solche Vielfalt von Attributen zeigt entweder die Vielzahl von Bedeutungen an, die
mit einem Konzept verbunden sind, oder schlägt vor, dass es zwei oder mehr Konzepte
geben sollte, um die Bedeutungen basierend auf logischer interner Kohärenz und externer
Differenzierung besser zu unterscheiden. Die hier getroffene Wahl wird sich auf lange
Sicht auch auf die mit diesen Begriffen verbundene Theoriebildung auswirken.
Eine klare Grenze für jedes Konzept bestimmt, welche Realität effektiv mit einem be-
stimmten Konzept verbunden ist, und kommt der empirischen Forschung zugute, um kon-
sistente und vergleichbare Ergebnisse zu erzielen. Um diese Ziele zu erreichen, ist eine
gründliche Analyse all dieser bestimmenden Attribute (der Konzepte digitalization und
digital transformation) im Kontext der Forschungsarbeiten erforderlich, aus denen die
Definitionen extrahiert wurden. Dieselbe Methode zur Analyse des Konzepts digitization
wurde erneut angewendet, um die Kern- und Peripherieattribute für die Bewertung der
Konzepte digitalization und digital transformation auf der Grundlage des Gerring-
Frameworks (1999) zu analysieren. Wir haben uns jedoch entschlossen, unsere Analyse
hier nicht in allen Details zu präsentieren, um Wiederholungen von Inhalten zu vermeiden
und den Umfang dieses Kapitels nicht zu überdehnen.
Digitalization
Bei Betrachtung aller bestimmenden Attribute des Begriffes digitalization lassen sich fol-
gende Schlüsse ziehen:
• Erstens bezieht sich digitalization auf den Veränderungsprozess der Übernahme und
Nutzung digitaler Technologien, unabhängig davon, ob diese Veränderungen in der
Verbindung und im Verhalten von Individuen auftreten (Gimpel & Röglinger, 2015)
oder sich auf die vielfältigen sozio-technischen Veränderungen in breiteren individuel-
len, organisatorischen und gesellschaftlichen Kontexten beziehen (Legner et al., 2017).
Diese Vielzahl von Veränderungen im Kontext von digitalization weist auf eine mög-
liche kontextbezogene Hierarchie in diesen Definitionen hin.
• Zweitens konzentriert sich das Ergebnis der digitalization eher auf die Beschreibung
der Konsequenzen, die die Implementierung digitaler Technologien für value offerings
(d. h. Produkte und Dienstleistungen) haben kann, und auf die Qualität der Beziehungen
des Unternehmens zu anderen stakeholders (z. B. erhöhte Einfachheit, Effizienz, Ge-
schwindigkeit und Wettbewerbsfähigkeit). Es konzentriert sich auf die Veränderung
bestehender sozio-technischer Strukturen, die zuvor durch nicht digitale Artefakte ver-
mittelt wurden (Thorseng & Grisot, 2017), und auf mögliche Veränderungen in den
Prozessen, die über die bloße digitizing bestehender Prozesse, Formen und
Arbeitsprodukte hinausgehen (Parviainen et al., 2017). Das heißt, es geht über den
11 Die Evolution der Digitalen Transformation 299
technischen Prozess der digitization hinaus. Im Gegensatz dazu ist digitalization ein
wesentlicher Antriebsfaktor, der sich insbesondere auf das Geschäftsumfeld und die
interfunktionale Koordination auswirkt (Ruiz-Alba et al., 2019), um die funktionalen
Silos zu integrieren. Es ist ein Mittel, um die Bedürfnisse der Kunden effektiver zu er-
füllen (Rachinger et al., 2019) und Unternehmen dazu zu bringen, in kurzer Zeit schnell
zu handeln (Sehlin et al., 2019). Es hat den Übergang von produktbasierten zu dienst-
leistungsbasierten Unternehmen beschleunigt und beeinflusst grundlegend, wie Unter-
nehmen um Kunden konkurrieren und mit ihnen Geschäftsrransaktionen durchführen
(Hänninen et al., 2018). Es ändert die Beziehungen in solche, die durch digitalisierte
Artefakte und Beziehungen zu neu eingebetteten digitalen Funktionen vermittelt wer-
den (Thorseng & Grisot, 2017).
• Drittens kann digitalization eine Quelle für den Wettbewerbsvorteil eines Unter-
nehmens sein, indem es dessen Effizienz steigert. Es verbessert die Effektivität der
Organisation und beeinflusst ihre internen Strukturen, indem es die interdisziplinäre
Zusammenarbeit verstärkt (Rachinger et al., 2019).
Abb. 11.6 zeigt die identifizierten definierenden Attribute der digitalization. Es zeigt sich,
dass dieses Konzept mehrere Dimensionen enthält, von denen sich einige mit der digitalen
Abb. 11.6 Die Kern- und Peripherie-Attribute der digitalization. (Quelle: Eigene Darstellung).
Hinweis: Die Kerndefinitionsattribute werden im inneren Ring und die peripheren Attribute im äu-
ßeren Ring dargestellt. Die definierenden Attribute in den kleinen Kreisen sind Außenseiter (nied-
rige Häufigkeit)
300 C. Gong et al.
Digital Transformation
Betrachtet man die bestimmenden Attribute der digital transformation (DT), so unter-
scheiden sich ihr Umfang und erwartetes Ergebnis von denen des Konzepts digitalization:
Technologien (Schallmo et al., 2017). Daher stimmen diese oben genannten Attribute
mit dem aufkommenden Begriff der business model innnovation überein, der in jüngs-
ter Zeit massives praktisches (Pohle & Chapman, 2006) und theoretisches (Schneider
& Spieth, 2013, 2014; Zott et al., 2011) Interesse erhalten hat. Die weit gefasste Defi-
nition von Geschaeftsmodellinnovation als „the implementation of a business model
that is new to the firm“ (Björkdahl & Holmén, 2013, S. 214) und seine Haupt-
dimensionen value creation, value proposition, und value capture (Baden-Fuller & Ha-
efliger, 2013; Clauss, 2017; Johnson et al., 2008; Massa & Tucci, 2014; Morris et al.,
2005; Zott & Amit, 2013) passen auf strategischer Ebene zu den für DT erwarteten
Endergebnissen.
• Zweitens, aus einer change management-Perspektive heraus beleuchtet stellt das End-
ergebnis der DT eher eine signifikante Transformation dar (d. h. eine Neudefinition von
Mission und Zweck, die eine neue strategische Stoßrichtung reflektiert) und nicht nur
eine einfache Neuausrichtung (d. h., eine Änderung der Art und Weise, Dinge zu tun, die
keine fundamentale Neubewertung der zentralen Annahmen und Überzeugungen inner-
halb der Organisation beinhalten; Balogun et al., 2015). DT führt zu radikalen Ver-
besserungen gemäß Westerman et al, (2011). Es ist eine ganzheitliche Anstrengung, die
unternehmerischen Kernprozesse und -dienstleistungen zu überarbeiten, was zu einer
vollständigen Überarbeitung der bestehenden und zur Schaffung neuer digitaler Produkte
und Dienstleistungen führt (Mergel et al., 2019). Zudem geht DT über den reinen techno-
logischen Wandel hinaus (Kane et al., 2015). Es beinhaltet den Prozess der strategischen
Erneuerung und der Entwicklung dynamischer Fähigkeiten einer Organisation (Warner &
Wäger, 2019), wobei es auch die Chancen und Risiken berücksichtigt, die sich aus digi-
talen Technologien ergeben (Singh & Hess, 2017). Es wirkt sich auf die operativen
Arbeitsabläufe der Mitarbeiter (Chen et al., 2014) sowie auf die Managementprozesse
(Iansiti & Lakhani, 2014) und die menschlichen Beziehungen (Mićić, 2017) auf Führungs-
ebene aus. Die Neudefinition der value propositions eines Unternehmens kann durch
Kundeninteraktion und -zusammenarbeit (Berman, 2012) und Kundenbindung (Schuch-
mann & Seufert, 2015) geprägt sein. DT kann auch die Unternehmenskultur und -fähig-
keiten beeinflussen (Li et al., 2018; Tan et al., 2015) und „lead to highly dynamic markets,
pressuring employees to continuously adapt to new situations and increasing the need for
agility and lifelong learning“ (Schwarzmüller et al., 2018, S. 126). Während Top-Führungs-
kräfte die digitale Agenda festlegen und vorantreiben sollten, ist es entscheidend, dass sie
sich auch auf das Engagement von Mitarbeitern und Talenten konzentrieren, um digital
maturity zu erreichen (Kane et al., 2015).
• Drittens, während 11 Definitionen aus 24 Studien Organisationen ausdrücklich als eine
von DT betroffene Analyseeinheit anerkennen, werden die Industrie und Gesellschaft
nur von wenigen Studien auch als für DT relevante Einheiten angesehen. DT ist die
Integration digitaler Technologien in das Geschäft, was zu grundlegenden Ver-
änderungen in der Art und Weise führt, wie die Welt Geschäfte macht und kommuni-
ziert (Mićić, 2017). Digitale Technologien verändern rasch die grundlegende Natur
eines breiten Spektrums von Organisationen und revitalisieren ihre digitalen Geschäfts-
302 C. Gong et al.
Abb. 11.7 Die Kern- und Peripherie-Attribute der digital transformation. (Quelle: Eigene Dar-
stellung). Hinweis: Die Kerndefinitionsattribute werden im inneren Ring und die peripheren Attri-
bute im äußeren Ring dargestellt. Die definierenden Attribute in den kleinen Kreisen sind Außen-
seiter (niedrige Häufigkeit)
11 Die Evolution der Digitalen Transformation 303
allerdings auch eine Gefahr in sich birgt, dass es zu einem buzzword wird. Mit einer Re-
konzeptualisierung, die das Wesentliche der Definition von Attributen besser miteinander
verbindet, verbessern sich jedoch die Ergebnisse der Gesamtkonzeptbewertung. Das Kon-
zept DT ist in Bezug auf den Begriff, Erweiterung und Intensität recht gut: hohe Resonanz
und theoretischer Nutzen; gute Tiefe, Vertrautheit, Kohärenz und Differenzierung; mäßige
Sparsamkeit und zu einem gewissen Grad auch Feldnutzen.
11.5.3 Synthese
Nach all den Diskussionen in diesem Teil stellen wir einige Überschneidungen der Kon-
zepte digitalization und digital transformation fest: Beide Begriffe erkennen den durch
digitale Technologien ermöglichten Veränderungsprozess an. Sie betonen jedoch den
unterschiedlichen Umfang und die unterschiedlichen Ergebnisse dieses Veränderungs-
prozesses. In der Tat zeigen sowohl digitalization mit dem Suffix „-ization“ als auch die
digital transformation unter Verwendung des Begriffs „Transformation“, dass die Tiefe
dieser Konzepte ein Prozess ist, insbesondere ein Veränderungsprozess. Im Allgemeinen
reicht die vorhandene Literatur jedoch nicht aus, um digitalization und digital trans-
formation voneinander hinreichend zu unterscheiden.
Nur unter Berücksichtigung der Kerndefinitionsattribute ist das entscheidende Attribut
zur Unterscheidung dieser beiden Konzepte „Veränderung“ (digitalization) gegenüber
„Transformation“ (digital transformation). Ein solcher Unterschied in Bezug auf den Um-
fang der Änderung zur weiteren Unterscheidung dieser beiden Konzepte ist im Bereich
change management offensichtlich, in der Alltagssprache jedoch möglicherweise nicht
eindeutig. Aus Sicht des change management zeigt dieses zentrale definierende Attribut
für jedes Konzept bereits die unterschiedliche Art des Wandlungsprozesse, der durch digi-
tale Technologien ermöglicht wird, und das erwartete Endergebnis, das sie möglicher-
weise erzielen. In Bezug auf den Umfang der Änderungen handelt es sich bei der digitali-
zation um eine schrittweise oder kontinuierliche Änderung, bei der digitale Technologien
installiert werden, die erforderlich sind, um ein Unternehmen auf seinem gewählten Weg
mit verbesserter Effizienz zu halten. Diese Änderung muss nicht notwendigerweise gering
sein, und kann selbst eine Aufwendung erheblicher Ressourcen (Zeit, Personen, Geld)
umfassen. Es hat jedoch seinen wesentlichen Kern (d. h. die zentralen Annahmen und
Überzeugungen der Organisation) wie Strukturen, Missionen, Visionen und Kulturen
nicht grundlegend verändert.
Im Gegensatz dazu umfasst die digital transformation eine grundlegende Änderung des
Geschäftsmodells des Unternehmens, die alle strukturellen, kulturellen und prozeduralen
Aspekte berührt. Es ist eine umfassende Metamorphose (Transformation) einer Entität
(Organisation). Diese von einer solchen grundlegenden Änderung betroffene Einheit ist in
den Kerndefinitionsattributen der digital transformation enthalten, wird jedoch im
Definitionskern der digitalization nicht erwähnt. Ausgehend von den peripheren Attribu-
ten der digitalization gibt es eine kontextbezogene Hierarchie der von dieser Änderung
304 C. Gong et al.
11.6 Diskussion
Die zunehmende Verbreitung digitaler Technologien auf dem Markt und die damit ver-
bundenen Veränderungen veranlassen Unternehmen unweigerlich dazu, ihre strategischen
und operativen Handlungsoptionen zur digitalen Transformation zu überdenken.
Um die Evolution der digital transformation besser zu verstehen, wurde in diesem
Kapitel die Verwirrung um das DT-Konzept und die damit verbundenen Konzepte
(d. H. digitization, digitalization) nach einem systematischen methodischen Ansatz er-
örtert. Zunächst stellten wir die Etymologie der drei Konzepte vor, was zu einer Dis-
kussion der wichtigsten etymologischen Gründe für die Verwirrung führte. Zweitens
haben wir die historische Entwicklung dieser Konzepte diskutiert und dabei ihre in-
konsistente Verwendung in der vorhandenen Literatur aufgedeckt. Hier haben wir auch
eine Synthese angeboten, mit welchen Realitäten/Phänomenen diese Begriffe verbunden
sind. Drittens haben wir die Konzeptbildungs- und Bewertungsmethode von Gerring
(1999) eingeführt, um die theoretische Grundlage dafür zu legen, wie Konzepte ana-
lysiert und bewertet werden können. Schließlich haben wir vorhandene Definitionen
von digitization, digitalization und digital transformation gesammelt und diese dann
basierend auf einer Analyse d efinierender Attribute systematisiert. Als nächstes führten
wir im Detail aus, wie die historischen Definitionsattribute des Begriffs digitization an-
11 Die Evolution der Digitalen Transformation 305
hand der acht Kriterien von Gerring analysiert und bewertet werden können. Ab-
schließend stellten wir die Ergebnisse derselben Analyse für die beiden Konzepte digi-
talization und digital transformation vor.
Nach unserem besten Verständnis sind diese drei Konzepte zwar miteinander ver-
bunden, sollten jedoch auf konzeptioneller Ebene getrennt gehalten werden, um ver-
schiedene Strategie- und Organisationsaktivitäten in der Praxis und unterschiedliche Aus-
wirkungen auf mehrere Analyseebenen in der Forschung zu beschreiben. Basierend auf
unserer umfassenden Analyse schlagen wir vor, die drei Konzepte wie folgt zu unter-
scheiden:
Im akademischen Bereich macht dieses Kapitel einen Vorschlag zur Lösung der definito-
rischen und theoretischen Inkonsistenz in der vorhandenen Literatur zur digital trans-
formation und den damit verbundenen Begriffen. Es trägt möglicherweise zur Entwicklung
eines konsistenten Forschungsstroms mit differenzierbaren Konzepten zur Theoriebildung
und kompatiblen Forschungsergebnissen bei, die die Geschäftspraktiken leiten.
Dieses Kapitel enthüllt auch die Realität/das Phänomen dieser Konzepte auf prakti-
scher Ebene und bietet eine genauere Richtlinie für Praktiker, um differenzierbare strate-
gische Pläne für Organisationen zu entwickeln, um „digital zu werden“. Führungskräfte,
Manager und Mitarbeiter können diese Konzepte konsistent anwenden und sich dabei auf
bestimmte Strategie- und Organisationsaktivitäten für verschiedene Einheiten (Einzel-
personen, Teams, Organisationen, Branchen, Ökonomien und Gesellschaften) beziehen.
Ein klareres Verständnis der Essenz dieser Phänomene hilft dabei, Autorität und Ver-
antwortung für digitale Projekte auf organisatorischer Ebene zu übernehmen, und er-
leichtert es, die eigene DT-Leistung im Vergleich zu anderen Organisationen und Bran-
chen anhand von Metriken und Best Practices für die digitale Transformation auf
industrieller Ebene zu vergleichen.
Zusammenfassend bietet die Evolution der digitalen Transformation vielen Unter-
nehmen weltweit die Möglichkeit zur Erneuerung. Nachdem wir die etymologischen und
historischen Gründe für die Verwirrung um die digitale Transformation dargelegt und die
vorhandene Literatur analysiert hatten, haben wir in diesem Beitrag eine Lösung vor-
geschlagen, um die Konzepte digitization, digitalization und digital transformation zum
Wohle sowohl der Forschungsgemeinschaft als auch der Unternehmenspraxis klar zu dif-
ferenzieren. Wir hoffen, dass unsere Arbeit einen Beitrag dazu liefert, das mit diesen Kon-
zepten verbundene Problem der begrifflichen „Unschärfe“ zu lösen, und zugleich Akade-
miker und Praktiker dazu inspirieren wird, diese Begriffe zukünftig sorgfältiger,
diskriminierender und konsistenter zu verwenden.
306 C. Gong et al.
Anhang
Hinweis „Qual.“ und „Quan“. bedeutet qualitative bzw. quantitative Forschung. Die Ab-
kürzung „QQ“ bedeutet „qualitative + quantitative Forschung“, was darauf hinweist, dass
in dem entsprechenden Artikel ein mixed-method Forschungsansatz angewendet wurde.
Die definierenden Attribute wurden basierend auf ihrer akkumulierten Häufigkeit grup-
piert. Die Kerndefinitionsattribute werden in der ersten Gruppe gezeigt (d. h. die Top 7 für
die digitale Transformation und die Top 4 für die Digitalisierung); die peripheren Attribute
sind in der zweiten Gruppe dargestellt; die restlichen Attribute sind Außenseiter.
Literatur
Ash, C. G., & Burn, J. M. (2003). Assessing the benefits from e-business transformation through
effective enterprise management. European Journal of Information Systems, 12(4), 297–308.
Aspray, W. (2000). Computing before computers. 1990, Iowa State University Press. 50010.
Auriga. (2016). Digital transformation: History, present, and future trends. https://auriga.com/blog/
digital-transformation-history-present- and-future-trends/. Zugegriffen am 02.09.2022.
Baden-Fuller, C., & Haefliger, S. (2013). Business models and technological innovation. Long
Range Planning, 46(6), 419–426.
Balogun, J., Hailey, V. H., & Gustafsson, S. (2015). Exploring strategic change (4. Aufl.). Pearson
Education.
Bennet, A., Bennet, D., & Avedisian, J. (2015). The course of knowledge. MQIPress.
Berman, S. J. (2012). Digital transformation: Opportunities to create new business models. Strategy
& Leadership, 40(2), 16–24.
Bharadwaj, A., El Sawy, O. A., Pavlou, P. A., & Venkatraman, N. (2013). Digital business strategy:
Toward a next generation of insights. MIS Quarterly, 37, 471–482.
Björkdahl, J., & Holmén, M. (2013). Business model innovation-the challenges ahead. International
Journal of Product Development, 18(3/4), 213–225.
Blackstone, J. H., & Cox, J. (2005). APICS dictionary (11. Aufl.). APICS.
Bloomberg, J. (2018). Digitization, digitalization, and digital transformation: Confuse them at your
peril. https://www.forbes.com/sites/jasonbloomberg/2018/04/29/digitization-digitalization-and-
digital-transformation-confuse-them-at-your-peril/?sh=3ec17af32f2c. Zugegriffen am 02.09.2022.
Boersma, K., & Kingma, S. (2005). From means to ends: The transformation of ERP in a manufac-
turing company. The Journal of Strategic Information Systems, 14(2), 197–219.
Borangiu, T., Trentesaux, D., Thomas, A., Leitão, P., & Barata, J. (2019). Digital transformation of
manufacturing through cloud services and resource virtualization (S. 150–162). Elsevier.
Brennen, J. S., & Kreiss, D. (2016). Digitalization. In The international encyclopedia of communi-
cation theory philosophy (S. 1–11).
Bruce, S., & Yearley, S. (2006). The Sage dictionary of sociology. Sage.
Buller, J., & Gamble, A. (2002). Conceptualising europeanisation. Public Policy Administration,
17(2), 4–24.
Camarinha-Matos, L. M., Fornasiero, R., Ramezani, J., & Ferrada, F. (2019). Collaborative net-
works: A pillar of digital transformation. Applied Sciences, 9(24), 5431.
Chanias, S. (2017). Mastering digital transformation: The path of a financial services provider to-
wards a digital transformation strategy. Paper presented at the 25th European Conference on
Information Systems, ECIS 2017.
310 C. Gong et al.
Chanias, S., Myers, M. D., & Hess, T. (2019). Digital transformation strategy making in pre-digital
organizations: The case of a financial services provider. The Journal of Strategic Information
Systems, 28(1), 17–33.
Chen, J. E., Pan, S. L., & Ouyang, T. H. (2014). Routine reconfiguration in traditional companies’
e-commerce strategy implementation: A trajectory perspective. Information Management, 51(2),
270–282.
Clauss, T. (2017). Measuring business model innovation: Conceptualization, scale development, and
proof of performance. R&D Management, 47(3), 385–403.
Collier, D., & Mahon, J. E., Jr. (1993). Conceptual “stretching” revisited: Adapting categories in
comparative analysis. American Political Science Review, 87, 845–855.
De la Boutetière, H., Montagner, A., & Reich, A. (2018). Unlocking success in digital transfor
mations. https://www.mckinsey.com/business-functions/organization/our-insights/unlocking-
success-in-digital-transformations. Zugegriffen am 02.09.2022.
Demirkan, H., Spohrer, J. C., & Welser, J. J. (2016). Digital innovation and strategic transformation.
IT Professional, 18(6), 14–18.
Dijk van Jan, A. (2006). The network society. Social aspects of new media. SAGE Publications.
Dumez, H. (2011). Qu’est-ce qu’un concept? Le Libellio d’AEGIS, 7(1, Printemps-Supplé
ment), 67–79.
Encyclopedia Britannica. (o. J.). https://www.britannica.com/. Zugegriffen am 02.09.2022.
Eriksson, K. (2010). Concept determination as part of the development of knowledge in caring sci-
ence. Scandinavian Journal of Caring Sciences, 24, 2–11.
Gartner. (2019). Gartner top strategic predictions for 2020 and beyond. https://www.gartner.com/smar-
terwithgartner/gartner-top-strategic-predictions-for-2020-and-beyond/. Zugegriffen am 02.09.2022.
Gartner‘s IT Glossary. (o. J). Definition of Digitization – Gartner Information Technology Glossary. https://
www.gartner.com/en/information-technology/glossary/digitization#:~:text=Digitization%20is%20
the%20process%20of,changes%20to%20the%20process%20itself. Zugegriffen am 02.09.2022.
Gassmann, O., Frankenberger, K., & Csik, M. (2014). The business model navigator: 55 models that
will revolutionise your business. Pearson.
Gates, B., Myhrvold, N., Rinearson, P., & Domonkos, D. (1995). The road ahead. Viking Penguin.
Gerring, J. (1999). What makes a concept good? A criterial framework for understanding concept
formation in the social sciences. Polity, 31(3), 357–393.
Ghazawneh, A., & Henfridsson, O. (2013). Balancing platform control and external contribution in
third-party development: The boundary resources model. Information Systems Journal, 23(2),
173–192.
Gibson, D. (2018). Digital transformation takes around four years and 85 % of them fail, says
IBM. https://www.thedrum.com/news/2018/12/04/digital-transformation-takes-around-four-
years-and-85-them-fail-says-ibm - :~:text=Waite%20added%3A%20%E2%80%9CAny%20di-
gital%20transformation,'t%20want%20to%20share.%E2%80%9D. Zugegriffen am 02.09.2022.
Gimpel, H., & Röglinger, M. (2015). Digital transformation: Changes and chances-insights based
on an empirical study (S. 1–10). Fim Research Center Finance & Information Management.
Goerzig, D., & Bauernhansl, T. (2018). Enterprise architectures for the digital transformation in
small and medium-sized enterprises. Procedia Cirp, 67, 540–545.
Gölzer, P., & Fritzsche, A. (2017). Data-driven operations management: Organisational implications
of the digital transformation in industrial practice. Production Planning and Control, 28(16),
1332–1343.
Gong, C., & Ribiere, V. (2021). Developing a unified definition of digital transformation. Technova-
tion, 102, 102217.
11 Die Evolution der Digitalen Transformation 311
Gong, Y., Yang, J., & Shi, X. (2020). Towards a comprehensive understanding of digital trans-
formation in government: Analysis of flexibility and enterprise architecture. Government Infor-
mation Quarterly, 37(3), 101487.
Goran, J., LaBerge, L., & Srinivasan, R. (2017). Culture for a digital age. The McKinsey Quarterly,
3, 56–67.
Haffke, I., Kalgovas, B. J., & Benlian, A. (2016). The role of the CIO and the CDO in an organiza-
tion’s digital transformation. Paper presented at the thirty seventh. International conference on
information systems, Dublin.
Hänninen, M., Smedlund, A., & Mitronen, L. (2018). Digitalization in retailing: Multi-sided plat-
forms as drivers of industry transformation. Baltic Journal of Management, 13, 152–168.
Heilig, L., Lalla-Ruiz, E., & Voß, S. (2017). Digital transformation in maritime ports: Analysis and
a game theoretic framework. NETNOMICS: Economic Research and Electronic Networking,
18(2–3), 227–254. https://doi.org/10.1007/s11066-017-9122-x.
Henriette, E., Feki, M., & Boughzala, I. (2015). The shape of digital transformation: A systematic
literature review. MCIS 2015 Proceedings, 431–443.
Henriette, E., Feki, M., & Boughzala, I. (2016). Digital transformation challenges. Paper presented
at the MCIS.
Holmström, J. (2018). Recombination in digital innovation: Challenges, opportunities, and the im-
portance of a theoretical framework. Information and Organization, 28(2), 107–110.
Iansiti, M., & Lakhani, K. R. (2014). Digital ubiquity: How connections, sensors, and data are revo-
lutionizing business. Harvard Business Review, 92(11), 19.
i-scoop. (2016). Digitization, digitalization and digital transformation: The differences. https://www.i-
scoop.eu/digitization-digitalization-digital-transformation-disruption/. Zugegriffen am 02.09.2022.
Janowski, T. (2015). Digital government evolution: From transformation to contextualization.
Elsevier.
Johnson, M., Christensen, C., & Kagermann, H. (2008). Reinventing your business model, no. De-
cember 2009. Harvard Business Review, 86, 57–68.
Kane, G. C., Palmer, D., Phillips, A. N., Kiron, D., & Buckley, N. (2015). Strategy, not technology,
drives digital transformation. MIT Sloan Management Review, 14(1–25).
Katz, R. L., & Koutroumpis, P. (2013). Measuring digitization: A growth and welfare multiplier.
Technovation, 33(10–11), 314–319.
Kauffman, R. J., & Walden, E. A. (2001). Economics and electronic commerce: Survey and directi-
ons for research. International Journal of Electronic Commerce, 5(4), 5–116.
Korhonen, J. J., & Halen, M. (2017). Enterprise architecture for digital transformation. Paper pre-
sented at the 19th IEEE Conference on Business Informatics, CBI 2017.
Kouroubali, A., & Katehakis, D. G. (2019). The new European interoperability framework as a faci-
litator of digital transformation for citizen empowerment. Journal of Biomedical Informatics,
94, 103166.
Lakatos, I. (1978). Science and pseudoscience. Philosophical Papers, 1, 1–7.
Legner, C., Eymann, T., Hess, T., Matt, C., Böhmann, T., Drews, P., Ahlemann, F., et al. (2017).
Digitalization: Opportunity and challenge for the business and information systems engineering
community. Business and Information Systems Engineering, 59(4), 301–308.
Leviäkangas, P. (2016). Digitalisation of Finland’s transport sector. Technology in Society, 47, 1–15.
Li, L., Su, F., Zhang, W., & Mao, J. Y. (2018). Digital transformation by SME entrepreneurs: A ca-
pability perspective. Information Systems Journal, 28(6), 1129–1157. https://doi.org/10.1111/
isj.12153.
Liere-Netheler, K., Vogelsang, K., & Packmohr, S. (2018a). Drivers of digital transformation in
manufacturing. Paper presented at the 51st Hawaii International Conference on System Sciences
(HICSS), Waikoloa.
312 C. Gong et al.
Liere-Netheler, K., Vogelsang, K., Packmohr, S., & Hoppe, U. (2018b). Towards a framework for
digital transformation success in manufacturing. Paper presented at the 26th European Confe-
rence on Information Systems, ECIS.
Liu, D. Y., Chen, S. W., & Chou, T. C. (2011). Resource fit in digital transformation: Lessons learned
from the CBC Bank global e-banking project. Management Decision, 49, 1728–1742.
Loebbecke, C., & Picot, A. (2015). Reflections on societal and business model transformation ari-
sing from digitization and big data analytics: A research agenda. The Journal of Strategic Infor-
mation Systems, 24(3), 149–157.
Massa, L., & Tucci, C. L. (2014). Business model innovation. In M. Dodgson, D. Gann & N. Phillips
(Hrsg.), The oxford handbook of innovation management (S. 420–441). Oxford University Press.
Matt, C., Hess, T., & Benlian, A. (2015). Digital transformation strategies. Business and Information
Systems Engineering, 57(5), 339–343.
Mendhurwar, S., & Mishra, R. (2019). Integration of social and IoT technologies: Architectural
framework for digital transformation and cyber security challenges. Enterprise Information Sys-
tems. https://doi.org/10.1080/17517575.2019.1600041.
Mergel, I., Edelmann, N., & Haug, N. (2019). Defining digital transformation: Results from expert
interviews. Government Information Quarterly, 36(4), 101385.
Merriam-Webster. (Hrsg.). (o. J.). Merriam-Webster.com Dictionary.
Mertens, P., Barbian, D., & Baier, S. (2017). Digitalisierung und Industrie 4.0-eine Relativierung.
Springer.
Mićić, L. (2017). Digital transformation and its influence on GDP. Economics, 5(2), 135–147.
https://doi.org/10.1515/eoik-2017-0028.
Möller, D. P. (2020). Cybersecurity in digital transformation: Scope and applications. Springer.
Morakanyane, R., Grace, A. A., & O’Reilly, P. (2017). Conceptualizing digital transformation in
business organizations: A systematic review of literature. Paper presented at the Bled eConference.
Morris, M., Schindehutte, M., & Allen, J. (2005). The entrepreneur’s business model: Toward a
unified perspective. Journal of Business Research, 58(6), 726–735.
Morton, M. S. (1991). Corporation of the 1990s: Information technology and organizational trans-
formation. Oxford University Press, Inc.
Nadkarni, S., & Prügl, R. (2021). Digital transformation: a review, synthesis and opportunities for
future research. Management Review Quarterly, 71(2), 233–341.
Nambisan, S., Lyytinen, K., Majchrzak, A., & Song, M. (2017). Digital innovation management:
Reinventing innovation management research in a digital world. MIS Quarterly, 41(1), 223–238.
Nambisan, S., Wright, M., & Feldman, M. (2019). The digital transformation of innovation and
entrepreneurship: Progress, challenges and key themes. Research Policy, 48(8), 103773.
NCMM. (2020). Digital transformation creates middle market growth and opportunity.
Negroponte, N. (1995). Being digital. Vintage Books.
Nylén, D., Holmström, J., & Lyytinen, K. (2014). Oscillating between four orders of design: The
case of digital magazines. Design Issues, 30(3), 53–68.
OECD. (2018). Going digital in a multilateral world. https://www.oecd.org/going-digital/C-MIN-
2018-6-EN.pdf. Zugegriffen am 02.09.2022.
OED. (2010). Oxford English Dictionary (3. Aufl.) https://www.oed.com/viewdictionaryentry/
Entry/52611. Zugegriffen am 02.09.2022.
OED (Hrsg.). (2014). The Oxford English Dictionary. Oxford University Press.
Ogden, C. K., & Richards, I. A. (1923). The meaning of meaning: A study of the influence of thought
and of the science of symbolism. Routledge.
Online Etymology Dictionary. (o. J.). http://www.etymonline.com/. Zugegriffen am 02.09.2022.
Pagani, M., & Pardo, C. (2017). The impact of digital technology on relationships in a business net-
work. Industrial Marketing Management, 67, 185–192.
11 Die Evolution der Digitalen Transformation 313
Pappas, I. O., Mikalef, P., Giannakos, M. N., Krogstie, J., & Lekakos, G. (2018). Big data and busi-
ness analytics ecosystems: Paving the way towards digital transformation and sustainable socie-
ties (S. 479–491). Springer.
Parviainen, P., Tihinen, M., Kääriäinen, J., & Teppola, S. (2017). Tackling the digitalization chal-
lenge: How to benefit from digitalization in practice. International Journal of Information Sys-
tems and Project Management, 5(1), 63–77. https://doi.org/10.12821/ijispm050104.
Pohle, G., & Chapman, M. (2006). IBM’s global CEO report 2006: Business model innovation
matters. Strategy & Leadership, 34, 34–40.
Press, G. (2015). A very short history of digitization. https://www.forbes.com/sites/gilpress/2015/12/27/
a-very-short-history-of-digitization/?sh=4e0189e949ac. Zugegriffen am 02.09.2022.
Rachinger, M., Rauter, R., Müller, C., Vorraber, W., & Schirgi, E. (2019). Digitalization and its in-
fluence on business model innovation. Journal of Manufacturing Technology Management, 30,
1143–1160.
Ramaswamy, V., & Ozcan, K. (2016). Brand value co-creation in a digitalized world: An integrative
framework and research implications. International Journal of Research in Marketing,
33(1), 93–106.
Roedder, N., Dauer, D., Laubis, K., Karaenke, P., & Weinhardt, C. (2016). The digital transformation
and smart data analytics: An overview of enabling developments and application areas. Paper
presented at the 4th IEEE international conference on big data, big data 2016.
Rogers, D. L. (2016). The digital transformation playbook: Rethink your business for the digital age.
Columbia University Press.
Ruiz-Alba, J. L., Guesalaga, R., Ayestarán, R., & Mediano, J. M. (2019). Interfunctional co-
ordination: The role of digitalization. Journal of Business Industrial Marketing Management.,
35, 404–419.
Sambamurthy, V., Bharadwaj, A., & Grover, V. (2003). Shaping agility through digital options: Re-
conceptualizing the role of information technology in contemporary firms. MIS Quarterly, 27,
237–263.
Sartori, G. (1970). Concept misformation in comparative politics. The American Political Science
Review, 64(4), 1033–1053.
Sartori, G. (1984). Guidelines for concept analysis. In Social science concepts: A systematic ana-
lysis (S. 15–85). Sage.
Schallmo, D., & Williams, C. (2018). History of digital transformation. In Digital Transformation
Now! (S. 3–8). Springer.
Schallmo, D., Williams, C. A., & Boardman, L. (2017). Digital transformation of business models –
Best practice, enablers, and roadmap. International Journal of Innovation Management, 21(08),
1740014.
Schneider, S., & Spieth, P. (2013). Business model innovation: Towards an integrated future research
agenda. International Journal of Innovation Management, 17(01), 1340001.
Schneider, S., & Spieth, P. (2014). Business model innovation and strategic flexibility: Insights from
an experimental research design. International Journal of Innovation Management, 18(06),
1440009.
Schuchmann, D., & Seufert, S. (2015). Corporate learning in times of digital transformation: A
conceptual framework and service portfolio for the learning function in banking organisations.
International Journal of Corporate Learning (iJAC), 8(1), 31–39.
Schumacher, A., Sihn, W., & Erol, S. (2016). Automation, digitization and digitalization and their
implications for manufacturing processes. Paper presented at the innovation and sustainability
conference Bukarest.
Schwarzmüller, T., Brosi, P., Duman, D., & Welpe, I. M. (2018). How does the digital transformation
affect organizations? Key themes of change in work design and leadership. Mrev Management
Revue, 29(2), 114–138.
314 C. Gong et al.
Wang, Y., Kung, L., & Byrd, T. A. (2018). Big data analytics: Understanding its capabilities and
potential benefits for healthcare organizations. Technological Forecasting and Social Change,
126, 3–13.
Warner, K. S. R., & Wäger, M. (2019). Building dynamic capabilities for digital transformation: An
ongoing process of strategic renewal. Long Range Planning, 52(3), 326–349. https://doi.
org/10.1016/j.lrp.2018.12.001.
WEF. (2017). Digital transformation initiative: In collaboration with Accenture. http://reports.we-
forum.org/digital-transformation/wp-content/blogs.dir/94/mp/files/pages/files/dti-executive-
summary-website-version.pdf. Zugegriffen am 02.09.2022.
Westerman, G. (2018). Your company doesn’t need a digital strategy. MIT Sloan Management Re-
view, 59(3), 1–5.
Westerman, G., Calméjane, C., Bonnet, D., Ferraris, P., & McAfee, A. (2011). Digital transformation:
A roadmap for billion-dollar organizations. MIT Center for digital business capgemini consul-
ting, 1, 1–68.
Westerman, G., Bonnet, D., & McAfee, A. (2014). The nine elements of digital transformation. MIT
Sloan Management Review, 55(3), 1–6.
Yoo, Y. (2010). Computing in everyday life: A call for research on experiential computing. MIS
Quarterly, 34, 213–231.
Yoo, Y., Henfridsson, O., & Lyytinen, K. (2010). Research commentary – The new organizing logic
of digital innovation: An agenda for information systems research. Information Systems Re-
search, 21(4), 724–735.
Yoo, Y., Boland, R. J., Jr., Lyytinen, K., & Majchrzak, A. (2012). Organizing for innovation in the
digitized world. Organization Science, 23(5), 1398–1408.
Zaki, M. (2019). Digital transformation: Harnessing digital technologies for the next generation of
services. Journal of Services Marketing, 33, 429–435.
Zott, C., & Amit, R. (2013). The business model: A theoretically anchored robust construct for stra-
tegic analysis. Strategic Organization, 11(4), 403–411.
Zott, C., Amit, R., & Massa, L. (2011). The business model: Recent developments and future re-
search. Journal of Management, 37(4), 1019–1042.
Zusammenfassung
Schlüsselwörter
12.1 Einleitung
In einer zunehmend digitalen Welt, in der sich das Marktgeschehen durch die Digitalisie-
rung rasant verändert, sind auch Unternehmen gezwungen, das bisher bestehende Ge-
schäftsmodell zu überdenken (Porter & Heppelmann, 2014, S. 64 ff.) und an die neuen
Gegebenheiten – geprägt von einem hohen Grad an Disruption (Reinhardt, 2014, S. 3),
P. Ulrich (*)
Hochschule Aalen, Aalen, Baden-Württemberg, Deutschland
E-Mail: [email protected]
W. Becker · A. Fibitz
Universität Bamberg, Bamberg, Bayern, Deutschland
E-Mail: [email protected]; [email protected]
starker Dynamik (Zott & Amit, 2017, S. 23; Amit & Han, 2017) und einem hohen Grad an
Innovation – anzupassen (Pflaum & Schulz, 2018). Durch die stetige Disruption im Markt,
die aus den Veränderungen der digitalen Transformation herrühren, stehen viele Unter-
nehmen Herausforderungen aus der Digitalisierung gegenüber, welche die Ausarbeitung
einer dedizierten Strategie und die Veränderung des Geschäftsmodells als Antwort be-
dingen (Sebastian et al., 2017; Hess et al., 2016). Trotz der zunehmenden Anzahl an
wissenschaftlicher Literatur und praktischen Beiträgen zu dem Thema, scheinen viele
Unternehmen den Trend zur Digitalisierung zwar entdeckt zu haben, jedoch bleiben
Unternehmen in der Transformation des Geschäftsmodells erfolglos (Bughin & van Zee-
broeck, 2017, S. 81).
Während der ursprüngliche Begriff „Digitization“ den Prozess der Umwandlung von
analogen in digitale Gegenstände beschreibt und dabei der Fokus mehr auf der techni-
schen Umsetzung als auf dem Übersetzungsprozess selbst liegt (Tilson et al., 2010,
S. 1 ff.), verkörpert die Digitalisierung den Wandel der Unternehmen, die durch die
massenhafte Verbreitung von digitalen Technologien entstanden ist (Katz & Koutroumpis,
2013, S. 314). Die Digitalisierungsbemühungen werden genutzt, um Wertangebote für den
Kunden zu verbessern, indem physische Produkte und Dienstleistungen um neue digitale
Funktionen erweitert werden (Schallmo et al., 2017a). Das Konzept der Digitalisierung
geht somit über den bloßen technischen Umwandlungsprozess hinaus, da der Begriff da
rüber hinaus auch soziotechnologische Aspekte umfasst und bewusst die Wertarchitektur
von digital getriebenen Unternehmen beschleunigt (Nambisan et al., 2017, S. 224; Tilson
et al., 2010, S. 1 ff.). Die Digitalisierung und der fortschreitende technologische Wandel
lösen neue Geschäftsprozesse und Strukturen aus, die oft zur Veralterung traditioneller
Geschäftspraktiken und zur Anpassung von Geschäftsmodellen führen (Khanagha et al.,
2014, S. 322 ff.). Dabei wird eine strategische Priorisierung der Aktivitäten gefordert, die
notwendig sind, um im Wettbewerb zu bestehen und dem zunehmenden Druck der Digita-
lisierung standhalten zu können (Kaltum et al., 2016).
Die bisherigen Ausführungen haben gezeigt, dass die Digitalisierung Unternehmen und
ihre Geschäftsmodelle beeinflusst. Jedoch lässt die Literatur einen gesamthaften Über-
blick über den Zusammenhang zwischen der Digitalisierung und den Veränderungen bei
Unternehmen, die aus dem digitalen Einfluss resultieren. Der vorliegende Beitrag widmet
sich daher der Untersuchung dieser Forschungslücke, indem anhand einer Systematischen
Literaturanalyse (SLA) und einer Analyse von Beratungsstudien der aktuelle Status quo
zum Zusammenhang zwischen Digitalisierung und Geschäftsmodellen eruiert wird.
Um diesen Zusammenhang zu analysieren, hat der vorliegende Beitrag folgenden Auf-
bau. Nach diesem einleitenden Kapitel, in welchem die Problemstellung, Zielsetzung und
der Aufbau des Beitrags dargestellt wird, folgt die Definition begrifflicher Grundlagen.
Insbesondere werden hier die für die Arbeit relevanten Begriffe des „Geschäftsmodells“
und der „Digitalisierung“ thematisiert und bestimmt und es wird für beide eine Arbeits-
definition abgeleitet. Im Anschluss daran erfolgt die Literaturanalyse zu den Wechsel-
wirkungen zwischen der Digitalisierung und Geschäftsmodellen von Unternehmen. Ins-
besondere wird hier in einem ersten Abschnitt eine Systematische Literaturanalyse (SLA)
12 Digitale Transformation und Technologien, Strategien und Geschäftsmodelle … 319
nach dem Vorgehen von Tranfield et al. durchgeführt (Tranfield et al., 2003). Da das vor-
liegende Thema einen starken Praxisbezug aufweist, wird zudem eine Analyse aktueller
Beraterliteratur durchgeführt. Die Ergebnisse beider Analysen werden im Anschluss daran
präsentiert. Folgende Ergebniskategorien wurden hierfür identifiziert: (1) Digitale Techno-
logien als Enabler der digitalen Transformation im Unternehmen; (2) Digitale Strategien
im Rahmen der digitalen Transformation; (3) Streben nach digitalen Geschäftsmodellen
im Rahmen der digitalen Transformation und (4) Digitale Geschäftsmodelle am Beispiel
digitaler Plattformen. Abschließend erfolgt die Zusammenfassung des Beitrags in Form
eines Fazits.
12.2.1 Geschäftsmodell
• „An architecture for product, service and information flows, including a description of
the various business actors and their roles; and a description for the potential benefits
for the various business actors; and a description of the sources of revenues.“ (Tim-
mers, 1998, S. 2)
• The business model is „the heuristic logic that connects technical potential with the
realization of economic value.“ (Chesbrough & Rosenbloom, 2002, S. 529)
• „Model integrates firm-internal aspects that transform factors to resources, through ac-
tivities, in a structure, to products and offerings, to market.“ (Hedman & Kalling, 2003,
S. 49 ff.)
• „We describe the business model’s (…) in the firm as the blueprint of how a company
does business. It is the translation of strategic issues, such as strategic positioning and
320 P. Ulrich et al.
strategic goals into a conceptual model that explicitly states how the business functions.
The business model serves as a building plan that allows designing and realizing the
business structure and systems that constitute the company’s operational and physical
form.“ (Osterwalder et al., 2005, S. 4)
• „we define the business model of a firm as a system manifest-ed in the components and
related material and cognitive aspects. Key components of the business model include
the company’s network of relationships, operations and embodied in the company’s
business processes and resource base, and the finance and accounting concepts of the
company.“ (Tikkanen et al., 2005, S. 789)
• „A business model describes the rationale of how an organization creates, delivers, and
captures value.“ (Osterwalder & Pigneur, 2010, S. 14)
• „Ein Geschäftsmodell ist die (vereinfachte, strukturähnliche oder strukturgebende) Ab-
bildung von ausgewählten Aspekten der Ressourcentransformation des Unternehmens,
sowie seiner Austauschbeziehungen mit anderen Marktteilnehmern.“ (Becker & Ul-
rich, 2013, S. 38)
• „A system of interconnected and interdependent activities that determines the way the
company ‚does business‘ with its customers, partners and vendors.“ (Amit & Zott,
2012, S. 42)
Bei genauerer Betrachtung dieser Definitionen zeigt sich, dass erste Definitionsansätze,
welche vor 2000 geschaffen wurden, insbesondere den monetären Aspekt in den Fokus
rücken und ein Geschäftsmodell als Architektur verstanden wird, welches die Art und
Weise der Umsatzgenerierung und Gewinnerzielung eines Unternehmens beschreibt.
Außerdem wird deutlich, dass – verglichen mit später veröffentlichten Definitionen – auf
die Nennung konkreter Elemente eines Geschäftsmodells weitestgehend verzichtet wird.
Definitionsansätze, die zwischen den Jahren 2000 und 2010 veröffentlicht wurden, dif-
ferenzieren sich von diesen ursprünglichen Definitionen, da der Fokus hier auf spezielle
Geschäftsmodellelemente verwiesen wird. Insbesondere rückt der Wert-Begriff vermehrt
in den Fokus, indem das Geschäftsmodell als Konzept zur Beschreibung der unter-
nehmerischen Wertschöpfung verstanden wird. Durch diese Fokussierung wird die Logik
der Unternehmenstätigkeit beschrieben und das Leistungsangebot für Kunden spezifiziert.
Daneben werden erstmals Verweise auf Stakeholder von Unternehmen gegeben, wobei
dem Stakeholder „Kunde“ die höchste Bedeutung zugesprochen wird und auf diesen das
Geschäftsmodell ausgerichtet werden soll. Außerdem ist auffällig, dass die Definitionen in
diesem Zeitraum oftmals eher auf Basis von Erfahrungen aus der Unternehmenspraxis
geschaffen sind.
Definitionen, die nach 2010 geschaffen und publiziert wurden, demonstrieren wieder-
rum ein verändertes Verständnis im Vergleich zu früheren Definitionen. Nun steht vor
allem der Aspekt der Wertschöpfung im Vordergrund. Beispielsweise versteht Teece unter
einem Geschäftsmodell „the design or architecture of value creation, delivery, and capture
mechanism“ (Teece, 2010, S. 172). Becker/Ulrich gehen in ihrer Definition noch einen
Schritt weiter und betonen die Abbildung von ausgewählten Aspekten der Ressourcen-
12 Digitale Transformation und Technologien, Strategien und Geschäftsmodelle … 321
transformation eines Unternehmens. Entsprechend wird für den Begriff des Geschäfts-
modells auf dieses Verständnis zurückgegriffen und das Geschäftsmodell für den vor-
liegenden Beitrag, wie folgt, definiert:
Sowohl in der Wissenschaft als auch in der Unternehmenspraxis wird zur Beschreibung
des Geschäftsmodells oftmals auf verschiedene Konzepte zurückgegriffen. Das wohl be-
kannteste Konzept ist dabei das von Osterwalder/Pigneur geschaffene Business Model
Canvas (Osterwalder & Pigneur, 2010). Dieses wird zwar oftmals aufgrund seiner ein-
fachen Anwendbarkeit und seines intuitiven Verständnisses zur Beschreibung von Ge-
schäftsmodellen herangezogen, wird jedoch in der Literatur aufgrund fehlender Ganzheit-
lichkeit kritisiert. Zur Beschreibung der Kritikpunkte (vgl. Becker, 2019a, S. 20 ff.).
Becker hat aufgrund der Kritikpunkte der anderen Konzepte die sogenannte Balanced
Value Map als generalisierendes Geschäftsmodellkonzept geschaffen, siehe Abb. 12.1.
Nach dieser Auffassung ist ein Unternehmen in die Gesellschaft und die umgebenden
Märkte – oftmals zählen hierzu Beschaffungs- und Arbeits-, Absatz- sowie Kapital-
märkte – eingebettet. Das Handeln von Unternehmen im Sinne der Erzielung von Wert-
12.2.2 Digitalisierung
Die Digitalisierung, die „als Megatrend des 21. Jahrhunderts“ (Grünert & Sejdić, 2017,
S. 30) gilt, betrifft nicht nur einzelne Unternehmen und ihre Geschäftsmodelle (Becker
et al., 2018), sondern führt zu einer Transformation der Gesellschaft (Wittmann et al.,
2015) und Wirtschaft (Weber, 2017, S. 372 ff.) sowie der Arbeitswelt (Funken &
Schulz-Schaeffer, 2008; Wolff & Göbel, 2017). Aber auch unterschiedliche Branchen, wie
beispielsweise Medien (Heesen, 2016), Produktion/Industrie (Lerch et al., 2017;
Hirsch-Kreinsen et al., 2018, S. 175 ff.), Versicherungen (Albrecht, 2017, S. 157 ff.), Im-
mobilien (Moring et al., 2018) oder Gesundheitswesen (Gigerenzer et al., 2016) sind
davon betroffen.
Aus diesem Grund gilt die Digitalisierung als ein omnipräsenter Begriff, der sowohl in
der Literatur als auch Unternehmenspraxis vielseitig verwendet wird und aufgrund eines
fehlenden einheitlichen Begriffsverständnisses kontrovers diskutiert wird (Becker, 2019b,
S. V und 24). Die nachfolgenden Beispiele demonstrieren die Vielfalt an möglichen Be-
griffsdefinitionen.
Die dargestellten Begriffsdefinitionen demonstrieren, dass sowohl aus Sicht der Wissen-
schaft als auch der Unternehmenspraxis eine eindeutige Definition nach wie vor nicht
vorliegt. Eine zweckbezogene Bestimmung des Begriffs eine notwendige Grundvoraus-
setzung ist, um den Untersuchungsgegenstand eindeutig beschreiben zu können (Wolf,
2013, S. 8). Aus diesem Grund wird für den Begriff der Digitalisierung folgende Defini-
tion zugrunde gelegt:
Diese Definition erscheint vor dem Hintergrund des vorliegenden Beitrags als zweck-
dienlich, da die bisherigen Ausführungen gezeigt haben, dass der eigentliche Zweck von
Unternehmen die Wertschöpfung – im Sinne von Bedarfsdeckung, Entgelterzielung und
Bedürfnisbefriedigung – ist und Unternehmen sämtliches Handeln auf diese ausrichten
sollten. Des Weiteren wird aufgrund der aktuellen Diskussion zum Digitalisierungsbegriff
deutlich, dass das Verständnis der Digitalisierung weiter aufgefasst werden muss, als es in
eher technischen Definitionen im Sinne der Umwandlung analoger in digitale Daten der
Fall ist. Gleichzeitig verweist diese Definition auf den prozessualen Akt der Trans-
formation und stellt diesen in den Mittelpunkt, da die Transformation von Prozessen, Pro-
dukten, Dienstleistungen bis hin zu kompletten Geschäftsmodellen den Kern der Defini-
tion bildet. Dieses Verständnis orientiert sich auch an dem Verständnis zu Geschäftsmodellen,
welches in diesem Beitrag thematisiert wird.
Nachfolgend wird das Vorgehen, der Ablauf als auch die Ergebnisse der durchgeführten
systematischen Literaturanalyse (SLA) zum Zusammenhang von Geschäftsmodellen und
der Digitalisierung thematisiert. Neben der systematischen Literaturanalyse, die im
Wesentlichen die wissenschaftliche Literatur sichtet und zusammenfasst, wurde ebenfalls
eine Analyse von Beraterstudien vorgenommen, um entsprechend auch die praxis-
orientierte Sichtweise nicht außer Acht zu lassen. Die nachfolgenden Abschnitte dienen
der Vorstellung der Vorgehensweise als auch der Ergebnisdarstellung.
Um den aktuellen Stand der wissenschaftlichen Literatur aufzeigen zu können, wurde eine
systematische Literaturanalyse durchgeführt, die sich dem Thema der Digitalisierung und
12 Digitale Transformation und Technologien, Strategien und Geschäftsmodelle … 325
12.3.2 Beraterstudienanalyse
Innerhalb der Literatur wird darauf hingewiesen, dass der vorliegende Zusammenhang
zwischen der Digitalisierung und Geschäftsmodellen sowie deren Innovation hohen
Praxisbezug aufweist und es somit notwendig ist, Publikationen aus Sicht der Unter-
nehmenspraxis, welche vorrangig durch Beratungshäuser erstellt wurden, innerhalb der
Literaturanalyse zu berücksichtigen (Aagaard, 2019, S. 5).
Zur Vervollständigung des Status Quo wird deshalb neben der systematischen Literatur-
analyse auch auf die vorliegende Beraterstudienanalyse zurückgegriffen, um Erkenntnisse
aus der Unternehmenspraxis in die Literaturanalyse einfließen lassen zu können. An dieser
Stelle muss jedoch darauf hingewiesen werden, dass im Gegensatz zur systematischen
Literaturanalyse eine Beraterstudienanalyse keiner spezifischen Vorgehensweise oder
Systematik unterliegt. Um jedoch Transparenz und Nachahmbarkeit gewährleisten zu
können, wird zunächst auf die öffentlich zugängliche Liste der Lünendonk-Datenbank
zurückgegriffen, in welcher relevante Beratungshäuser gelistet sind (Lünendonk, 2019b).
Zur Identifizierung relevanter und themenspezifischer Beiträge wurde dafür der Name
des jeweiligen Beratungshauses mit den Keywords „digit*“ und „business model“ (bzw.
Synonym „Geschäftsmodell“) kombiniert. Durch dieses Vorgehen konnten insgesamt 42
Beiträge identifiziert werden (Stichtag: 15.10.2020). Nach titelbezogener und inhaltlicher
Prüfung des jeweiligen Beitrags, konnten 29 Beiträge exkludiert werden, die keinen oder
nur geringen Bezug zum vorliegenden Thema hatten. Final wurden somit 13 Beiträge
durch Beratungshäuser identifiziert, die als relevant eingestuft wurden und für eine inhalt-
liche Analyse geeignet erscheinen. Abb. 12.3 zeigt die identifizierten Beraterstudien der
jeweiligen Beratungshäuser:
Das folgende Kapitel widmet sich den weitreichenden Veränderungen von unter-
nehmerischen Geschäftsmodellen durch den Fortschritt der digitalen Transformation. Im
Fokus stehen hier neben den Treibern für Geschäftsmodellinnovationen, wie z. B. der Nut-
zung von digitalen Technologien auch die Implementierung digitaler Strategien sowie der
Entstehung komplett neuer digitaler Geschäftsmodelle, im Vordergrund. Nicht zuletzt gilt
328 P. Ulrich et al.
es, den Begriff der digitalen Geschäftsmodelle zu entmystifizieren und zu verstehen, wel-
che Charakteristika diesen Geschäftsmodelltypen unterliegen. Digitale Geschäftsmodelle
stellen das Ergebnis des digitalen Transformationsprozesses dar, die das holistische Ge-
schäftsmodell betreffen.
Die Ergebnisse der systematischen Literaturanalyse haben gezeigt, dass digitale Techno-
logien im Rahmen von digitalen Bestrebungen einen wesentlichen Faktor darstellen und
eng mit der Transformation des Geschäftsmodells verbunden sind (Newell & Marabelli,
2015; Laudien & Pesch, 2019). Insbesondere die Wechselwirkung zwischen digitalen
Technologien und den Veränderungen von Geschäftsmodellen konnte identifiziert werden
und wird im Folgenden näher beleuchtet (Kohtamäki et al., 2019).
Der Begriff der „digitalen Technologie“ wird inzwischen omnipräsent verwendet (Mi-
hardjo et al., 2019). Die EU-Kommission klassifiziert digitale Technologien grundsätzlich
in die vier Hauptkategorien (Bican & Brem, 2020):
• Mobile,
• Soziale Medien,
• Cloud und
• Data Analytics.
In einigen Studien werden diese um die Kategorie „Internet der Dinge“ erweitert, womit
es sich um die wesentlichen SMACIT-Technologien handelt (Sebastian et al., 2017,
S. 197). Eine weitere Expansion der Kategorien und Einteilung in ABCD-Technologien
(Darunter zählen Artificial Intelligence, Blockchain, Cloud und Data Analytics. Vgl. Mar-
tin, 2017) zeigt den Grad der digitalen Veränderung und wird in der Literatur oftmals in
Verbindung mit einem hohen Transformationsgrad, automatisierten Prozessen, dem Fit
zwischen Angebot und Nachfrage und Echtzeit Entscheidungsunterstützung gebracht
(Akter et al., 2020).
Die Literaturergebnisse haben weiterhin ergeben, dass viele Unternehmen vielfach eine
Fokussierung vornehmen und sich auf zwei bis drei Basistechnologien beschränken, um
das Technologieportfolio des Unternehmens nicht zu stark zu streuen (Pflaum & Schulz,
2018). Grundlegend werden unter dem Technologieportfolio eines Unternehmens alle
zum Einsatz kommenden digitalen Technologien subsumiert, die innerhalb des Unter-
nehmens Verwendung finden und damit auch vielfach mit den zugrundeliegenden Kern-
prozessen gekoppelt sind (Bitkom, 2020). Allerdings wird auch deutlich, dass der Einsatz
der Technologien stark situationsabhängig bzw. unternehmensspezifisch vorgenommen
wird und damit zwangsläufig auf die jeweilige Ausrichtung des Geschäftsmodells ge-
knüpft ist (Rüßmann et al., 2015; Bouée & Schaible, 2015; Paiola & Gebauer, 2020).
12 Digitale Transformation und Technologien, Strategien und Geschäftsmodelle … 329
Wesentlich ist, digitale Technologien nicht nur per se zu nutzen, sondern im Rahmen
der Geschäftsmodelltransformation an die veränderten Kundenanforderungen anzupassen
und einen Wertbeitrag zu generieren (Deloitte, 2019b). Dabei ist es entscheidend, die stra-
tegische Ausrichtung auch im Bereich der digitalen Technologien im Unternehmen im
Sinn zu behalten, um die Technologien dediziert zur Schaffung von Wertschöpfung im
Rahmen der unternehmerischen Tätigkeit zu verstehen (McGrath & McManus, 2020). Zu
den wesentlichen Erfolgsfaktoren der Nutzung von digitalen Technologien im Unter-
nehmen zählen:
Bouncken et al. (2019) betonen in diesem Kontext, dass die Nutzung digitaler Techno-
logien die Transformation von Produkten, Prozessen und Geschäftsmodellen beeinflusst
(Bouncken et al., 2019). Dies bedeutet, dass digitale Möglichkeiten unternehmensüber-
greifend genutzt werden sollten, um datengetriebene Geschäftsmodelle entlang der
Wertschöpfungskette im Rahmen eines Technologiemanagements aufzubauen (Delo-
itte, 2019b).
Die Technologiecluster gelten derweil als wesentliche, externe Treiber zur digitalen
Transformation im Unternehmen (Pflaum & Schulz, 2018). Diese und andere digitale
Technologien haben unternehmerische Geschäftsmodelle bereits wesentlich verändert und
werden dies auch zukünftig weiter tun (Akter et al., 2020). Beispielhaft kann hier auf-
gezeigt werden, dass künstliche Intelligenz die Wertschöpfungskette stark automatisieren
und bis zum Jahr 2025 einen Marktwert von 191 Mrd. USD erreichen wird (Akter et al.,
2020). Blockchain gilt ebenfalls als bedeutsame digitale Technologie und soll bis zum Jahr
2030 einen Wert von ca. 3 Billiarden USD erreichen (Akter et al., 2020). Gleiches gilt im
Bereich von Cloudtechnologien, die inzwischen Wachstumsraten von jährlich knapp 23
Prozent verzeichnen.
Dies sind nur einige Beispiele, die aufzeigen, wie stark digitale Technologien die in-
dustriellen Wertschöpfungsketten beherrschen werden und beeinflussen werden (Accen-
ture, 2019). Dieser technische Fortschritt zeigt jedoch zunehmend die Wichtigkeit von
neuen Geschäftsmodellen auf, die diese Neuerungen auch auf der unternehmerischen
330 P. Ulrich et al.
Sowohl aus Sicht der Wissenschaft als auch der Praxis ist erkennbar, dass sich die Digita-
lisierung nicht nur auf Geschäftsmodelle von Unternehmen, sondern auch auf die strategi-
sche Ausrichtung des Unternehmens auswirkt. Die Basis für diese Formulierung und Im-
plementierung (McGrath & McManus, 2020) der Unternehmensstrategie stellt die
Nutzung neuer, digitaler Technologien dar (Jahn & Pfeiffer, 2014). Diese gelten als
wesentlicher Treiber des digitalen Transformationsprozesses, wobei aktuelle empirische
Untersuchungen zeigen, dass meist in Unternehmen digitale Technologien als Silo-
Lösungen gelten und diese nicht zweckorientiert aus Sicht der Unternehmensstrategie
eingesetzt werden (Accenture, 2017). Jedoch ermöglicht die Nutzung von digitalen
Technologien die Digitalisierung über Funktionen, Geschäftsbereiche, Regionen und
Marktgrenzen hinweg, sodass die Transformation im Unternehmen zu einem Unter-
nehmen mit datengetriebenen Geschäftsmodell(en) führt (Accenture, 2017).
Digitale Strategien gelten dabei als wesentliche unternehmerische Treiber und helfen
bei der Einordnung der Veränderung im Rahmen der digitalen Transformation beim unter-
nehmerischen Wandel (Standing & Mattsson, 2016). Dabei wird davon ausgegangen, dass
eine digitale Strategie in Zukunft kaum mehr noch getrennt von der übergreifenden Unter-
nehmensstrategie betrachtet werden kann (Remane et al., 2017). Eine digitale Strategie hat
primär die Funktion, eine Richtung für den Wandel im digitalen Zeitalter vorzugeben und
damit auch wesentliche Ziele zu definieren, die zukünftig mit der richtigen Ausgestaltung
und mithilfe digitaler Technologien und der Umgestaltung des Geschäftsmodells um-
gesetzt werden können (Jahn & Pfeiffer, 2014).
Zur digitalen Strategie gehört auch die Formulierung einer zielgerichteten, ambitio-
nierten Vision, die die Strategie im Unternehmen für alle greifbar und verständlich
macht (Roland Berger, 2018). Demnach wird eine Transformations-Roadmap benötigt,
die die wesentlichen Meilensteine hin zu einem digitaleren Geschäftsmodell schriftlich
festhält und im Unternehmen sichtbar macht (Roland Berger, 2018). Demnach gilt,
dass die Geschäftsmodelltransformation stark mit dem vorhanden sein einer digitalen
Strategie verzahnt ist und damit die zu verändernden Geschäftsmodellelemente in der
digitalen Strategie bereits genannt und konkret formuliert werden sollten (Koch
et al., 2019).
12 Digitale Transformation und Technologien, Strategien und Geschäftsmodelle … 331
Wie bereits für den Begriff der digitalen Technologien beschrieben, werden auch digitale
Geschäftsmodelle omnipräsent verwendet und stellen grundsätzlich Geschäftsmodelle
dar, die durch den Einsatz von digitalen Technologien jegliche Wertdimensionen im Unter-
nehmen verändern und wesentlich beeinflussen (Veit et al., 2014; Bouncken et al., 2019).
Durch die stetigen Neuerungen durch die Digitalisierung im Rahmen der digitalen Trans-
formation hat sich inzwischen der Begriff der digitalen Geschäftsmodelle sowohl in der
Praxis als auch in der Wissenschaft weitestgehend etabliert, jedoch ohne Vorliegen einer
allgemeingültigen, generischen Definition (Amit & Zott, 2001).
Die Analyse der Literatur hat einige Charakteristika eröffnet, die digitale Geschäfts-
modelle auszeichnen:
• Ressourcenoptimierung, primär hervorgerufen durch den Einsatz und die Nutzung di-
gitaler Technologien (Bican & Brem, 2020);
• wesentliche Veränderung der Wertelemente von Geschäftsmodellen, ebenfalls ge-
trieben von digitalen Technologien (Remane et al., 2017);
• Reproduktion von digitalen Produkten/Services zu marginal höheren Kosten (Remane
et al., 2017);
• Veränderung der Wertschöpfung (klassisch entstand Wertschöpfung bei der Herstellung
und dem anschließenden Verkauf von Produkten, wobei bei digitalen Geschäfts-
modellen der Wert vielmehr durch die Nutzung und sogenannte Netzwerkeffekte be-
stimmt wird, oft auch ohne Eigentumbesitz der Leistung. Vgl. Vargo & Lusch, 2008);
• oftmals Nutzung von digitalen Plattformen zur Erzielung von Netzwerk- und Skalen-
effekten (Iansiti & Levien, 2004) und
• geringere Opportunitätskosten (verglichen mit klassischen, physischen Produktver-
käufen) (Weill & Woerner, 2013).
Oftmals wird propagiert, dass in der Unternehmenspraxis lediglich einzelne Prozesse di-
gitalisiert werden. Vor dem Hintergrund des eigentlichen Verständnisses der Digitalisie-
rung im Sinne der Transformation des Geschäftsmodells, sollten Unternehmen daher
grundlegend das Ziel verfolgen, ein digitaleres Geschäftsmodell und somit nicht nur digi-
talere Prozesse durch die digitale Transformation zu erreichen (Weill & Woerner, 2013).
Jedoch gilt die Digitalisierung des Geschäftsmodells aufgrund seiner Facetten als kom-
plex (Übelhör, 2019). Unternehmen sollten aber trotz der Komplexität in der Unter-
nehmensumwelt verstehen, welche Kompetenzen und Fähigkeiten relevant und bedeutsam
sind, um die digitale Transformation des Geschäftsmodells umsetzen zu können (Schnei-
der & Spieth, 2013; Saebi et al., 2017; Witschel et al., 2019).
Viele existierende Konzepte für Geschäftsmodelle lassen sich mit nur wenig Aufwand
auch auf den Bereich der digitalen Geschäftsmodelle anwenden (Schallmo et al., 2017;
332 P. Ulrich et al.
Koch et al., 2019). Exemplarisch werden im vorliegenden Beitrag zwei Konzepte kurz
näher vorgestellt, nämlich das „VISOR“-Konzept von El Sawy/Pereira, welches explizit
die Kundenschnittstelle, das bedeutet der Kontaktpunkt zwischen Unternehmen und dem
Kunden, hervorhebt. Als weitere wesentliche Komponenten gelten die Nutzung einer digi-
talen Plattform sowie die Existenz eines Ökosystems (El Sawy & Pereira, 2013). Dem-
nach gehören die nachfolgenden Elemente zu einem digitalen Geschäftsmodell (hier und
im Folgenden El Sawy & Pereira ,2013):
Ein weiteres, stark praxisnahes Konzept für digitale Geschäftsmodelle stammt von
Schallmo et al., der die nachfolgenden vier Begriffe definiert (hier und im Folgenden
Schallmo et al., 2017):
Die Literatursichtung hat neben den bisherigen Erkenntnissen auch gezeigt, dass durch die
Digitalisierung gänzlich neue digitale Geschäftsmodelltypen entstehen. Aus Sicht der
Wissenschaft und der Praxis werden dabei insbesondere digitalen Plattformen eine wesent-
liche Bedeutung zugeschrieben.
Damit Unternehmen digitale Geschäftsmodelle für sich schaffen, bedarf es den Aufbau
und die Nutzung digitaler Plattformen (Yoo et al., 2012; Weill & Woerner, 2013; Cenamor
et al., 2017). Dabei umfassen digitale Plattformen sowohl Produkte als auch Dienst-
leistungen und/oder Technologien. Diese werden innerhalb eines Wertschöpfungsnetz-
werks oder eines Ökosystems entwickelt oder bereitgestellt (Gawer & Cusumano, 2014,
S. 417), wodurch verschiedene Akteure (z. B. Lieferant, Unternehmen, Kunde, Wett-
bewerber, etc.) über diese Plattform verbunden werden (Kohtamäki et al., 2019). Die Nut-
zung einer digitalen Plattform bedeutet für Unternehmen zudem die Möglichkeit, Prozesse
und Transaktionskosten zu reduzieren (Kohtamäki et al., 2019), da durch die Plattform
Angebot und Nachfrage virtuell gegenübergestellt werden können und somit eine erhöhte
Geschwindigkeit und Effizienz erzielt wird (Simmons et al., 2013; Roland Berger, 2018).
Pflaum & Schulz (2018) betonen, dass sich durch die Digitalisierung die Wertschöpfung
verändert hat und diese nun überwiegend auf digitalen Plattformen stattfindet (Pflaum &
Schulz, 2018). Aus diesem Grund stellen digitale Plattformen für Parker et al. (2016) auch
einen neuen Geschäftsmodelltyp dar (Parker et al., 2016). Plattformen schaffen im Gegen-
satz zur traditionell erzielten Wertschöpfung – im Sinne von der Herstellung und dem
Verkauf von physischen Produkten und Dienstleistungen – einen differenzierten Wert
sowohl für Unternehmen als auch deren Kunden (Cenamor et al., 2017; Roland Berger,
2018; Pflaum & Schulz, 2018), denn hier steht insbesondere die „Community“ bzw. das
Netzwerk und die Wertschöpfung innerhalb des gesamten Netzwerks im Fokus (Evans &
Gawer, 2016; van Alstyne et al., 2016; Engels et al., 2017). An dieser Stelle wird in der
Literatur betont, dass Differenzierungsmöglichkeiten grundlegend auf zwei unterschied-
liche Weisen vorliegen können (Gawer, 2014; Standing & Mattsson, 2016; Lassnig et al.,
2018; Ghezzi & Cavallo, 2020):
334 P. Ulrich et al.
Außerdem wird oftmals in der Literatur auch der Begriff der „multidimensionalen Platt-
form“ (Parker & Van Alstyne, 2005; Eisenmann et al., 2006; Pagani, 2013) angeführt (Pa-
gani, 2013). Diese differenzieren sich durch die Anzahl der Marktseiten, die sie tangieren.
Pagani (2013) zeigt in seinem Beitrag, dass diese sowohl zwei oder drei als auch vier oder
eine Vielzahl an Marktseiten beinhalten (Pagani, 2013). Jedoch wird darauf hingewiesen,
dass je mehr Marktseiten in einer multidimensionalen Plattform berücksichtigt werden,
desto komplizierter ist die Handhabung und die (strategische) Steuerung und Regelung der
Plattform, da die Interessen unterschiedlicher Stakeholder in Einklang gebracht werden
müssen (Pagani, 2013).
Weiterhin muss an dieser Stelle darauf hingewiesen werden, dass in der Literatur der
Begriff des „Ökosystems“ oftmals in Verbindung mit dem Plattform-Begriff genannt wird.
Ökosysteme gelten als „reale oder virtuelle Unternehmensnetzwerke“ (Deloitte, 2019a)
und fußen oftmals auf einer Plattform (Deloitte, 2019a). Das grundlegende Ziel eines Öko-
systems ist es, dass Unternehmen ein stabiles Ökosystem aufbauen, welches sämtliche
Stakeholder berücksichtigt. Dadurch wird es möglich, Optimierungspotenziale und Skalen-
effekte innerhalb des gesamten Wertschöpfungsnetzwerks zu realisieren (Accenture, 2019).
Unternehmen können in einem solchen Ökosystem unterschiedliche Rollen einnehmen.
Gemäß van Altane et al. liegen hier vier Rollen (sog. Archetypen) vor (van Alstyne et al.,
2016; Pflaum & Schulz, 2018):
• Plattformbesitzer;
• Plattformanbieter;
• Produzent und
• Konsument.
system genannt wird. Co-Creation beschreibt dabei die Wertschöpfung in der digitalisier-
ten Welt unter Vervielfältigung durch die Koordination mit unterschiedlichen Partnern
(Pagani, 2013; Standing & Mattsson, 2016). Innerhalb einer Plattform bzw. eines Öko-
systems lassen sich Ressourcen (optimal) nutzen (Simmons et al., 2013; Übelhör, 2019).
Weiterhin ermöglicht die Zusammenarbeit über Plattformen und Ökosysteme für Unter-
nehmen, eigene Kernkompetenzen weiter auszubauen und Experten (mit fachspezifischem
Wissen) auszubilden und diese den anderen Teilnehmern zur Verfügung zu stellen, sodass
jeder Teilnehmer diese nutzen kann (Übelhör, 2019). Letztlich entsteht Co-Creation inner-
halb eines Netzwerks durch sog. Netzwerkeffekte. Dies bedeutet, dass je mehr Nutzer auf
einer Plattform miteinander interagieren, desto höher ist der daraus gewonnene Nutzen
(Lünendonk, 2019a).
12.5 Fazit
Der vorliegende Beitrag hatte zum Ziel, den Zusammenhang zwischen Digitalisierung und
Geschäftsmodellen von Unternehmen zu analysieren. Insbesondere wurde durch eine
Analyse aktueller wissenschaftlicher und praxisorientierter Literatur der aktuelle Status
Quo und somit aktuelle, wesentlichen Erkenntnisse diesem Zusammenhang eruiert. Nach
einem einleitenden Kapitel, dass eben diese Problemstellung erläutert hat, wurden die not-
wendigen begrifflichen Grundlagen zu den Begriffen „Geschäftsmodell“ und „Digitalisie-
rung“ gelegt, indem für den vorliegenden Beitrag Arbeitsdefinitionen abgeleitet wurden.
Danach wurden entsprechend diesem Verständnis sowohl eine systematische Literatur-
analyse also auch eine Beraterstudienanalyse durchgeführt, um den aktuellen Status Quo
darzustellen und die wesentlichen Erkenntnisse im Hinblick auf die vorliegende Thematik
gewinnen zu können. Insgesamt wurden 47 Beiträge (34 wissenschaftliche Journalartikel
und 13 Beraterstudien) analysiert.
Die wesentlichen Ergebnisse der Literaturanalyse konnten zeigen, dass digitale Techno-
logien als Enabler für die digitale Transformation von Unternehmen gelten und durch
Unternehmen genutzt werden sollen. Je nachdem, welche digitale Technologie von Unter-
nehmen verwendet wird, wird letztlich auch ein anderer Zweck verfolgt. Außerdem konnte
durch die Literaturanalyse demonstriert werden, dass Unternehmen strategisch ihr Unter-
nehmen digital aufstellen sollen. Insbesondere die Ableitung einer digitalen Strategie kann
hierbei helfen. Jedoch muss an dieser Stelle darauf hingewiesen werden, dass nicht nur die
strategische Ausrichtung aufgrund der Digitalisierung überdacht und angepasst werden
muss, da die Digitalisierung auch eine Veränderung und Anpassung der Unternehmens-
struktur und -kultur bedingt. Insbesondere gilt es hier, das unternehmerische Leistungs-
programm mit seinen Prozessen zu hinterfragen und anzupassen. Aber auch Mitarbeiter
und Führungskräfte müssen auf die Veränderungen, die mit der Digitalisierung einher-
gehen, vorbereitet und entsprechend geschult werden. Dies führt dann letztlich dazu, dass
Unternehmen danach streben sollten, ihr Geschäftsmodell komplett oder zumindest teil-
336 P. Ulrich et al.
Literatur
Aagaard, A. (2019). Digital business models – Driving transformation and innovation. AAgard
Springer.
Accenture. (2017). Reinventing business with digital. Accenture.
Accenture. (2019). Ein neuer Weckruf zur Digitalisierung – Wie deutsche Unternehmen mit der Di-
gitalisierung richtig vorankommen. Accenture.
Akter, S., Michael, K., Uddin, M. R., McCarthy, G., & Rahman, M. (2020). Transforming business
using digital innovations: The application of AI, blockchain, cloud and data analytics. Annals of
Operations Research, 48, 1–33.
Albrecht, P. (2017). Bedroht Big Data Grundprinzipien der Versicherung? Zeitschrift für Ver-
sicherungswesen, 68(5), 157–162.
Al-Debei, M., El-Haddadeh, R., & Avison, D. (14–17 August 2008). Defining the business model in
the new world of digital business. Proceedings of the Fourteenth Americas Conference on Infor-
mation Systems, Toronto, S. 1–11.
van Alstyne, M., Parker, G., & Choudary, S. P. (2016). Pipelines, platforms, and the new rules of
strategy, scale now trumps differentiation. Harvard Business Review, 94(4), 1–9.
Amit, R., & Zott, C. (2001). Value creation in e-business. Strategic Management Journal, 22(6/7),
493–520.
Amit, R., & Zott, C. (2012). Creating value through business model innovation. MIT Sloan Manage-
ment Review, 53(3), 41–49.
Amit, R., & Han, X. (2017). Value creation through novel resource configurations in a digitally
enabled world. Strategic Entrepreneurship Journal, 11(3), 228–242.
BarNir, A., Gallaugher, J. M., & Auger, P. (2003). Business process digitization, strategy, and the
impact of firm age and size: The case of the magazine publishing industry. Journal of Business
Venturing, 18(6), 789–814.
12 Digitale Transformation und Technologien, Strategien und Geschäftsmodelle … 337
Deloitte. (2019a). Digitale Strategien im Mittelstand: Chancen und Herausforderungen – Wie mittel-
ständische Unternehmen von neuen Business-Ökosystemen und digitalen Plattformen profitieren
können. Deloitte.
Deloitte. (2019b). Tech trends 2019 – Beyond the digital frontier. Deloitte.
Dim, N. U., & Ezeabasili, A. C. C. (2015). Strategic supply chain framework as an effective ap-
proach to procurement of public construction projects in Nigeria. International Journal of Ma-
nagement and Sustainability, 4(7), 163–172.
Easterby-Smith, M., Thorpe, R., & Jackson, P. R. (2012). Management research (4. Aufl.).
Eckert, R. (2014). Business Model Prototyping: Geschäftsmodellentwicklung im Hyperwettbewerb,
Strategische Überlegenheit als Ziel.
Eisenmann, T. R., Parker, G., & van Alstyne, M. W. (2006). Strategies for two sided markets. Har-
vard Business Review, 84(10), 92–101.
El Sawy, O. A., & Pereira, F. (2013). Business modelling in the dynamic digital space – An eco-
system approach. Heidelberg.
Engels, G., Plass, C., & Rammig, F.-J. (2017). IT-Plattformen für die Smart Service Welt: Verständ-
nis und Handlungsfelder. Engels utz Verlag.
Evans, P. C., & Gawer, A. (2016). The rise of the platform enterprise: A global survey. Evans Wiley.
Fitzgerald, M., Kruschwitz, N., Bonnet, D., & Welch, M. (2013). Embracing digital technology: A
new strategic imperative. MIT Sloan Management Review, 55(2), 1–12.
Funken, C., & Schulz-Schaeffer, I. (2008). Digitalisierung der Arbeitswelt. Zur Neuordnung forma-
ler und informeller Prozesse in Unternehmen. Funken Springer.
Gawer, A. (2014). Bridging differing perspectives on technological platforms – Toward an integra-
tive framework. Research Policy, 43(7), 1239–1249.
Gawer, A., & Cusumano, M. A. (2014). Industry platforms and ecosystem innovation. Journal of
Product Innovation Management, 31(3), 417–433.
Ghezzi, A., & Cavallo, A. (2020). Agile business model innovation in digital entrepreneurship –
Lean startup approaches. Journal of Business Research, 110(1), 519–537.
Gigerenzer, G., Schlegel-Matthies, K., & Wagner, G. G. (2016). Digitale Welt und Gesundheit: eHe-
alth und mHealth-Chancen und Risiken der Digitalisierung im Gesundheitsbereich, Sachver-
ständigenrat für Verbraucherfragen (SVRV).
Grünert, L., & Sejdić, G. (2017). Industrie 4.0-getriebene Geschäftsmodellinnovationen im
Maschinenbau am Beispiel von TRUMPF. In: Betriebswirtschaftliche Aspekte von Industrie 4.0,
ZfbF-Sonderheft, 71/17, Wiesbaden.
Guo, H., Wang, C., Su, Z., & Wang, D. (2020). Technology push or market pull? Strategic orienta-
tion in business model design and digital start-up performance. Journal of Product Innovation
Management, 37(4), 1–21.
Hedman, J., & Kalling, T. (2003). The business model concept: Theoretical underpinnings and em-
pirical illustrations. European journal of information systems, 12(1), 49–59.
Heesen, J. (2016). Einleitung. In Handbuch Medien- und Informationsethik.
Hess, T., Matt, C., Benlian, A., & Wiesböck, F. (2016). Options for formulating a digital trans-
formation strategy. MIS Quarterly Executive, 15(2), 123–139.
Hirsch-Kreinsen, H., ten Hompel, M., Ittermann, P., Dregger, J., Niehaus, J., Kirks, T., & Mättig,
B. (2018). „Social Manufacturing and Logistics“ –, Arbeit in der digitalisierten Produktion. In
Zukunft der Arbeit – Eine praxisnahe Betrachtung (S. 175–119).
Iansiti, M., & Levien, R. (2004). Strategy as ecology. Harvard Business Review, 82(3), 68–81.
Jahn, B., & Pfeiffer, M. (2014). Die digitale Revolution – Neue Geschäftsmodelle statt (nur) neue
Kommunikation. Marketing Review St. Gallen, 31(1), 80–92.
12 Digitale Transformation und Technologien, Strategien und Geschäftsmodelle … 339
Johnson, J. S., Friend, S. B., & Lee, H. S. (2017). Big data facilitation, utilization, and monetization:
Exploring the 3Vs in a new product development process. Journal of Product Innovation Ma-
nagement, 34(5), 640–658.
Kalinowski, T., & Verwaayen, E. (2013). DigITalisierung-quo vadis? In Digitalisierung und Innova-
tion (S. 485–496).
Kaltum, U., Widodo, A., & Widiatmono, A. (2016). Local TV goes to global market through digital
transformation. Acadamy of Strategic Management Journal, 15, 221–229.
Katz, R. L., & Koutroumpis, P. (2013). Measuring digitization: A growth and welfare multiplier.
Technovation, 33(10–11), 314–319.
Khanagha, S., Volberda, H., & Oshri, I. (2014). Business model renewal and ambidexterity: Structu-
ral alteration and strategy formation process during transition to a Cloud business model. R&D
Management, 44(3), 322–340.
Koch, S., Werani, T., Schauberger, A., Mühlburger, M., Freiseisen, B., & Martinek-Kuchinka,
P. (2019). Geschäftsmodell-getriebene Planung von Digitalisierungsmaßnahmen in Business-to-
Business-Märkten – Ein Vorgehensmodell. HMD Praxis der Wirtschaftsinformatik, 56(2),
468–484.
Kohtamäki, M., Parida, V., Oghazi, P., Gebauer, H., & Baines, T. (2019). Digital servitization busi-
ness models in ecosystems: A theory of the firm. Journal of Business Research, 104, 380–392.
Lassnig, M., Stabauer, P., Breitfuß, G., & Mauthner, K. (2018). Geschäftsmodellinnovationen im
Zeitalter von Digitalisierung und Industrie 4.0. HMD Praxis der Wirtschaftsinformatik, 55(2),
284–296.
Laudien, S. M., & Pesch, R. (2019). Understanding the influence of digitalization on service firm
business model design: A qualitative-empirical analysis. Review of Managerial Science, 13(5),
575–587.
Lerch, C., Jäger, A., & Maloca, S. (2017). Wie digital ist Deutschlands Industrie wirklich? Arbeit
und Produktivität in der digitalen Produktion. In: Nr. 71, Mitteilungen aus der ISI-Erhebung
„Modernisierung der Produktion“.
Löbbecke, C. (2006). Digitalisierung – Technologien und Unternehmensstrategien, Handbuch
Medienmanagement: mit 46 Tabellen. S. 357–373.
Lünendonk. (2019a). Innovative Geschäftsmodelle, Produkte & Services – Wie Unternehmen neue
Umsatzpotenziale im Rahmen der Digitalisierung erschließen. Lünendonk Lünendonk.
Lünendonk. (2019b). Lünendonk®-Liste 2019: Führende Managementberatungs-Unternehmen in
Deutschland. Lünendonk Lünendonk.
Martin, J.-F. (2017). Unlocking success in digital transformations (S. 1–14). McKinsey & Company.
Maschke, K., & Knyphausen-Aufseß, D. zu. (2012). How the entrepreneurial top management team
setup influences firm performance and the ability to raise capital: A literature review. http://nbn-
resolving.de/urn:nbn:de:0009-20-33139. Zugegriffen am15.12.2021
Mason, K., & Spring, M. (2011). The sites and practices of business models. Industrial Marketing
Management, 40(6), 1032–1041.
Mazzone, D. M. (2014). Digital or death: Digital transformation – The only choice for business to
survive smash and conquer. Smashbox Consulting Inc.
McGrath, R McManus, R. (2020). Digital Transformation – Learning your way to a new business
model. Harvard Business Review, S. 1–11.
Mihardjo, L. W. W., Sasmoko, S., Alamsjah, F., & Elidjen, E. (2019). Digital leadership role in de-
veloping business model innovation and customer experience orientation in industry 4.0. Ma-
nagement Science Letters, 9(11), 1749–1762.
340 P. Ulrich et al.
Moring, A., Maiwald, L., & Kewitz, T. (2018). Bits and Bricks: Digitalisierung von Geschäfts-
modellen in der Immobilienbranche. Moring Springer.
Nambisan, S., Lyytinen, K., Majchrzak, A., & Song, M. (2017). Digital innovation management:
Reinventing innovation management research in a digital world. MIS Quarterly, 41(1), 223–238.
Newell, S., & Marabelli, M. (2015). Strategic opportunities (and challenges) of algorithmic decision-
making: A call for action on the long-term societal effects of “datification”. The Journal of Stra-
tegic Information Systems, 24(1), 3–14.
Osterwalder, A., & Pigneur, Y. (2010). Business model generation: A handbook for visionaries,
game changers, and challengers. Osterwalder Campus Verlag.
Osterwalder, A., Pigneur, Y., & Tucci, C. L. (2005). Clarifying business models: Origins, present and
future of the concept. Communications of the Association for Information Systems, 16(1), 1–25.
Pagani, M. (2013). Digital business strategy and value creation, framing the dynamic cycle of cont-
rol points. Management Information Systems: Mis Quarterly, 37(2), 617–632.
Paiola, M., & Gebauer, H. (2020). Internet of things technologies, digital servitization and business
model innovation in BtoB manufacturing firms. Industrial Marketing Management, 89, 245–264.
Parker, G., & Van Alstyne, M. (2005). Two-sided network effects, a theory of information product
design. Management Science, 51(10), 1494–1504.
Parker, G., van Alstyne, M., Choudary, S. P., & Foster, J. (2016). Platform revolution, how networ-
ked markets are transforming the economy and how to make them work for you, unabridged.
Grand Haven.
Pennebaker, J. W., Francis, M. E., & Booth, R. J. (2001). Linguistic inquiry and word count, LIWC
2001. Mahway.
Pflaum, A., & Schulz, E. (2018). Auf dem Weg zum digitalen Geschäftsmodell, „Tour de Force“ von
der Vision des digitalisierten Unternehmens zum disruptiven Potenzial digitaler Plattformen.
HMD Praxis der Wirtschaftsinformatik, 55(2), 234–251.
Porter, M. E., & Heppelmann, J. E. (2014). How smart, connected products are transforming com-
petition. Harvard Business Management, 92, 64–88.
PwC. (2013). Digitale Transformation – der größte Wandel seit der industriellen Revolution. PwC.
Reinhardt, K. (2014). Organisationen zwischen Disruption und Kontinuität: Analysen und Erfolgs-
modelle zur Verbesserung der Erneuerungsfähigkeit von Organisationen durch Kompetenz-
management. Reinhardt Hampp.
Remane, G., Hanelt, A., Nickerson, R. C., & Kolbe, L. (2017). Discovering digital business models
in traditional industries. Journal of Business Strategy, 38(2), 41–51.
Roland Berger. (2018). Finding a new business model. Roland Berger.
Rüßmann, M., Lorenz, M., Gerbert, P., Waldner, M., Justus, J., Engel, P., & Harnisch, M. (2015).
Industry 4.0: The future of productivity and growth in manufacturing industries. The Boston
Consulting Group.
Saebi, T., Lien, L., & Foss, N. J. (2017). What drives business model adaptation? The impact of
opportunities, threats and strategic orientation. Long Range Planning, 50(5), 567–581.
Schallmo, D., Rusnjak, A., Anzengruber, J., Werani, T., & Jünger, M. (2017a). Digitale Trans-
formation von Geschäftsmodellen, Grundlagen, Instrumente und Best Practices.
Schallmo, D. R., Williams, C. A., & Boardman, L. (2017b). Digital transformation of business mo-
dels, best practice, enablers, and roadmap. International Journal of Innovation Management,
21(8), 1–17.
Schneider, S., & Spieth, P. (2013). Business model innovation: Towards an integrated future research
agenda. International Journal of Innovation Management, 17(1), 1–34.
Schoegel, K. (2001). Geschäftsmodelle. Konstrukt – Bezugsrahmen – Management. Schoegel
FGM-Verlag.
12 Digitale Transformation und Technologien, Strategien und Geschäftsmodelle … 341
Sebastian, I., Ross, J., Beath, C., Mocker, M., Moloney, K., & Fonstad, N. (2017). How big old
companies navigate digital transformation. MIS Quarterly Executive, 16(3), 197–213.
Simmons, G., Palmer, M. J., & Truong, Y. (2013). Inscribing value on business model innovations,
insights from industrial projects commercializing disruptive digital innovations. Industrial Mar-
keting Management, 42(5), 744–754.
Stolterman, E., & Fors, A. C. (2004). Information technology and the good life. In Information Sys-
tems Research (S. 687–692).
Teece, D. (2010). Business models, business strategy and innovation. Long Range Planning, 43(2/3),
172–194.
Tikkanen, H., Lamberg, J.-A., Parvinen, P., & Kallunki, J. (2005). Managerial cognition, action and
the business model of the firm. Management Decision, 43(6), 789–809.
Tilson, D., Lyytinen, K., & Sørensen, C. (2010). Desperately seeking the infrastructure in IS re-
search: Conceptualization of “digital convergence” as co-evolution of social and technical in-
frastructures. 2010 proceedings of 43rd Hawaii International Conference on System Sciences
(HICSS), S. 1–10.
Timmers, P. (1998). Business models for electronic markets. Electronic Markets, 8(2), 2–8.
Tranfield, D., Denyer, D., & Smart, P. (2003). Towards a methodology for developing evidence-
informed management knowledge by means of systematic review. British Journal of Manage-
ment, 14(3), 207–222.
Übelhör, J. (2019). Industrieunternehmen und die Transformation von Geschäftsmodellen im Kon-
text der Digitalisierung – Eine empirische Studie über die Auswirkungen anhand des Business
Model Canvas. HMD Praxis der Wirtschaftsinformatik, 56(2), 453–467.
Vargo, S. L., & Lusch, R. F. (2008). Service-dominant logic: Continuing the evolution. Journal of
the Academy of Marketing Science, 36(1), 1–10.
Veit, D., Clemons, E., Benlian, A., Buxmann, P., Hess, T., Spann, M., Kundisch, D., Leimeister,
J. M., & Loos, P. (2014). Business models. Business & Information Systems Engineering,
6(1), 45–53.
VHB. (2020). VHB-Jourqual3. https://vhbonline.org/vhb4you/vhb-jourqual/vhb-jourqual-3/gesamt-
liste. Zugegriffen am 15.10.2020.
Weber, E. (2017). Digitalisierung als Herausforderung für eine Weiterbildungspolitik. Wirtschafts-
dienst, 97(5), 372–374.
Weill, P., & Woerner, S. L. (2013). Optimizing your digital business model. MIT Sloan Management
Review, 54(3), 70–78.
Westerman, G., Calméjane, C., Bonnet, D., Ferraris, P., & McAfee, A. (2011). Digital transformation:
A roadmap for billion-dollar organizations MIT Center for Digital Business and Capgemini Con-
sulting, S. 1–68.
Wirtz, B. W. (2013). Business Model Management: Design – Instrumente – Erfolgsfaktoren von Ge-
schäftsmodellen (3. Aufl.).
Witschel, D., Döhla, A., Kaiser, M., Voigt, K.-I., & Pfletschinger, T. (2019). Riding on the wave of
digitization: Riding on the wave of model change. Journal of Business Economics, 89(8),
1023–1095.
Wittmann, G., Stahl, E., Torunsky, R., & Weinfurtner, S. (2015). Digitalisierung der Gesellschaft
2014. Aktuelle Einschätzungen und Trends, ibi research an der Universität Regensburg GmbH.
Wolf, J. (2013). Organisation, Management, Unternehmensführung, Theorien, Praxisbeispiele und
Kritik (5. Aufl.).
Wolf, T., & Strohschen, J. H. (2018). Digitalisierung: Definition und Reife. Informatik-Spektrum,
41(1), 56–64.
342 P. Ulrich et al.
Wolff, D Göbel, R. (2017). Digitalisierung: Segen oder Fluch: wie die Digitalisierung unsere
Arbeitswelt verändert.
Yoo, Y., Boland, R. J., Lyytinen, K., & Majchrzak, A. (2012). Organizing for innovation in the digi-
tized world. Organization Science, 23(5), 1398–1408.
Zott, C., & Amit, R. (2017). Business model innovation: How to create value in a digital world. GfK
Market Intelligence Review, 9(1), 19–23.
Micha Bosler
Zusammenfassung
Schlüsselwörter
M. Bosler (*)
Lehrstuhl für Innovations- und Dienstleistungsmanagement, Universität Stuttgart,
Stuttgart, Deutschland
E-Mail: [email protected]
13.1 Einleitung
Als zentraler Innovationstreiber des 21. Jahrhunderts hat die Digitalisierung disruptive
Auswirkungen für etablierte Firmen (Echterfeld & Gausmeier, 2018; Teece, 2018; Ab-
rell et al., 2016). Auf der Basis digitaler Technologien entstehen neue Produkte, Ser-
vices, Prozesse und Geschäftsmodelle (Wiesböck & Hess, 2020; Echterfeld & Gaus-
meier, 2018). Dabei sind digitale Innovationen zugleich Chance und Herausforderung.
Etablierte Unternehmen erweitern im Zuge ihrer digitalen Transformation bestehende
physische Marktangebote um digitale Funktionalitäten (Yoo, 2010; Lyytinen et al.,
2016). Ein digitalisiertes Produkt kann mit seiner Umwelt interagieren, autonome Tätig-
keiten ausführen, auch nach der Auslieferung Updates empfangen oder um digitale Ser-
vices ergänzt werden (Yoo, 2010; Yoo et al., 2010; Echterfeld & Gausmeier, 2018).
Damit sollen digitale Innovationen zur Differenzierung am Markt beitragen (Echterfeld
& Gausmeier, 2018).
Den Potenzialen digitalisierter Produkte stehen jedoch tiefgreifende, herausfordernde
Veränderungen bei der Wertschöpfung gegenüber (Bosler et al., 2021; Teece, 2018; Svahn
et al., 2017). Zumal die digitale Transformation nicht immer eine strategische Wahlmög-
lichkeit darstellt, sondern mitunter für den Erhalt der Wettbewerbsfähigkeit zwingend er-
forderlich sein kann (Abrell et al., 2016; Echterfeld & Gausmeier, 2018). Durch die Aus-
dehnung in digitale Geschäftsfelder wandeln sich für etablierte Unternehmen die internen
und externen Rahmenbedingungen grundlegend. Im digitalen Bereich braucht es andere
Ressourcen, Kompetenzen, Organisationsstrukturen, Denkweisen, Partner und Erlös-
modelle (Vial, 2019; Porter & Heppelmann, 2014; Bosler et al., 2021; Svahn et al., 2017).
Gleichzeitig müssen bestehende Strukturen im (bewährten) Kerngeschäft erhalten blei-
ben. Nicht zuletzt, weil dessen Erlöse (mindestens zu Beginn) die digitale Transformation
finanzieren (Bosler et al., 2021).
Trotz der hohen Relevanz aus Sicht der Praxis ist das Forschungsgebiet der digitalen
Innovationen bis dato nicht wirklich ausgereift (Holmström, 2018). Vielmehr handelt es
sich um ein Feld heterogener und lose verknüpfter Ansätze, die eher konzeptioneller als
empirischer Natur sind (Wiesböck & Hess, 2020; Holmström, 2018; Bosler et al., 2021).
So besteht unter anderem weiterer Forschungsbedarf hinsichtlich der Veränderungen und
Faktoren, die Organisationen zu digitalen Innovationen befähigen (Wiesbock & Hess,
2020). Vor diesem Hintergrund verfolgt der vorliegende Beitrag das Ziel, zu einem tiefe-
ren Verständnis der digitalen Transformation etablierter Unternehmen beizutragen. Hier-
für werden generalisierte Erkenntnisse aus einer Fallstudienuntersuchung von vier Auto-
mobilherstellern präsentiert und in bestehende Forschungsperspektiven eingeordnet. Als
konkreter Untersuchungsgegenstand dienen digitale Services für vernetzte Fahrzeuge. Die
komplementären Dienste versprechen Mehrwerte in den Bereichen Navigation, Sicher-
heit, Kommunikation, Fahrerassistenz und Wartung (Lasmar Jr. et al., 2019; Morris et al.,
2018; Coppola & Morisio, 2016). Hierbei wird das Spannungsfeld zwischen dem Kern-
geschäft und dem digitalen Bereich besonders deutlich. Große Vorlaufzeiten in der Ent-
13 Digitale Transformation: etablierte Unternehmen im Spannungsfeld zwischen … 347
13.2 Grundlagen
Mit der Intention eines einheitlichen Verständnisses werden zunächst die Begrifflichkeiten
der Digitalisierung, digitalen Transformation und digitalen Innovationen definiert be-
ziehungsweise abgegrenzt. Anschließend werden die grundlegenden Zusammenhänge der
Wertschöpfung mit digitalen Technologien erläutert.
Aufgaben (Yoo, 2010; Echterfeld & Gausmeier, 2018). Dadurch wird, verglichen mit
nicht-digitalisierten Produkten, ein weitaus größeres Spektrum an Funktionen realisiert
(Holmström, 2018). Das zeigt sich etwa in komplementären digitalen Diensten, die das
originäre Kernprodukt ergänzen (Echterfeld & Gausmeier, 2018; Teece, 2018). Exempla-
risch sei auf eine Sprachsteuerung für elektronische Geräte verwiesen (Wiesböck & Hess,
2020). Solche digitalen Funktionen verändern die Entwicklung, die Herstellung, den Ver-
trieb und die Nutzung von Produkten (Yoo et al., 2010).
Die Digitalisierung wirkt sich auf die unterschiedlichsten Produkte des industriellen
Zeitalters aus. Das macht sie zu einem der wichtigsten Innovationstreiber (Echterfeld &
Gausmeier, 2018; Lyytinen et al., 2016). Infolgedessen wird die Fähigkeit etablierter
Unternehmen, digitale Technologien zielgerichtet einzusetzen, zu einem kritischen Fak-
tor im Wettbewerb. Digitale Funktionalitäten tragen zur Differenzierung und dem Erhalt
der Wettbewerbsfähigkeit bei (Abrell et al., 2016; Echterfeld & Gausmeier, 2018). Die
(erfolgreiche) Wertschöpfung mit digitalen Technologien setzt allerdings voraus, dass
sich Organisationen hinsichtlich ihrer Ressourcen, Kompetenzen, Strukturen, Prozesse
und Kultur transformieren (Bosler et al., 2021; Vial, 2019). Dieser Veränderungs- und
Anpassungsprozess wird mit der digitalen Transformation von Unternehmen be-
schrieben (Hinings et al., 2018). Vial (2019) definiert die digitale Transformation als „a
process that aims to improve an entity by triggering significant changes to its properties
through combinations of information, computing, communication, and connectivity
technologies“ (Vial, 2019, S. 118). Der Vollständigkeit halber sei darauf hingewiesen,
dass sich die digitale Transformation nicht auf Unternehmen beschränkt, sondern auf
einem höheren Level ganze Industrien und gleichermaßen die Gesellschaft betrifft (Hin-
ings et al., 2018; Vial, 2019).
Ein wesentliches Element der digitalen Transformation einer Organisation sind digi-
tale Innovationen (Wiesböck & Hess, 2020). Im Allgemeinen werden Innovationen meist
als Durchsetzung neuer Kombinationen aufgefasst (Hauschildt et al., 2016; Schumpeter,
1912). Digitale Innovationen im Speziellen sind eine neue Ausprägung der Innovationen,
die auf die (innovative) Kombination von digitalen und gegebenenfalls physischen Res-
sourcen zurückgeht (Wiesböck & Hess, 2020; Bosler et al., 2021; Yoo et al., 2010). Deren
Spektrum reicht von Marktangeboten und Geschäftsprozessen bis hin zu ganzen Ge-
schäftsmodellen, die auf digitalen Technologien basieren (Nambisan et al., 2017). Hin-
sichtlich der neuartigen Marktangebote definieren Lyytinen et al. digitale Produkt-
innovationen „as significantly new (from the perspective of a particular community or
market) products or services that are either embodied in information and communication
technologies or enabled by them“ (Lyytinen et al., 2016, S. 49). Charakteristisch ist deren
Unvollständigkeit. Da digitale Technologien veränderbar sind, bleiben neue Markt-
angebote auch nach ihrer Einführung unvollendet und können hinsichtlich Umfang, Funk-
tionen oder ihrem Wert weiterentwickelt werden (Nambisan, 2017). Digitale Innovationen
werden einerseits durch die Möglichkeiten und Fortschritte der digitalen Technologien
getrieben, sind aber auch eine Reaktion auf die Bedürfnisse der jeweiligen Zielgruppen
(Wiesböck & Hess, 2020). Dabei bedingen die digitalen Ressourcen – im Vergleich zu rein
13 Digitale Transformation: etablierte Unternehmen im Spannungsfeld zwischen … 349
• Inhaltsebene: Enthält alle relevanten Daten und Inhalte, die als Grundlage für be-
stimmte digitale Funktionalitäten dienen.
• Dienstebene: Umfasst sämtliche digitalen Services, die unter Nutzung der Inhalts-,
Netzwerk- und Geräteebene angeboten werden.
• Netzwerkebene: Repräsentiert die Konnektivität im Sinne der Netzwerkstandards und
Übertragungsprotokolle plus der notwendigen technischen Hardware (und ist oftmals
Voraussetzung für die Bereitstellung einer digitalen Innovation).
• Geräteebene: Alle digitalen Technologien eines Endgerätes (Hardware und Software).
Um die Abgrenzung der Ebenen zu verdeutlichen, wird auf das Beispiel von Video-
Streaming-Angeboten zurückgegriffen (Amazon Video, Netflix, Mediatheken von ARD/
ZDF etc.). Streams und gegebenenfalls Downloads von Filmen, Serien oder Dokumenta-
tionen sind das zentrale Wertangebot auf der Dienstebene. Diese Angebote lassen sich auf
verschiedenen Endgeräten (Smartphones, Tablets, PCs, Smart-TVs, Receiver) nutzen. Das
setzt jeweils eine Internetverbindung (Netzwerkebene) des Geräts voraus, um die erforder-
lichen Video-Dateien (Inhaltsebene) zu empfangen. Folglich besteht jede Ebene aus einem
Bündel an digitalen (und physischen) Ressourcen. Alle Ebenen sind als potenzielle An-
satzpunkte für die Wertschöpfung zu verstehen. Dabei sind digitale Ressourcen die Bau-
steine für digitale Innovationen (Henfridsson et al., 2018). Anders formuliert: Digitale
Angebote entstehen, indem Ressourcen innerhalb und/oder zwischen den verschiedenen
350 M. Bosler
Ebenen miteinander verknüpft werden (Henfridsson et al., 2018). Exemplarisch sei auf
drei konkrete Digitalisierungsinitiativen der Deutschen Post und DHL verwiesen.
Die Wertschöpfung im digitalen Bereich beschränkt sich nicht zwangsläufig nur auf die
Schaffung neuer Angebote. Ein weiterer Fokus kann darauf liegen, bereits bestehende di-
gitale Produkte und Services anderer Akteure (sinnvoll) in das eigene Angebot zu integrie-
ren. Henfridsson et al. (2018) verwenden dafür den Begriff Channeling. Als Beispiel nen-
nen sie den Echo-Lautsprecher von Amazon, der (über die sogenannten Skills) auch Geräte
und Services von Drittanbietern unterstützt. Ein weiteres Beispiel ist der Sky Q Receiver.
Der vernetzte Receiver verfügt über diverse Streaming-Apps wie DAZN, Amazon Video
oder Netflix. Dabei handelt es sich eigentlich um Konkurrenzprodukte (Bosler et al.,
2021). Das Ziel des Channelings besteht darin, den Wert des eigenen Angebots (be-
ziehungsweise der eigenen Plattform) zu steigern, indem dort möglichst viele An-
wendungen gebündelt werden (Netzwerkeffekte).
Das zeigt, wie sich die Wertschöpfung mit digitalen Innovationen oftmals über ein
Netzwerk aus unterschiedlichen Akteuren verteilt (Lyytinen et al., 2016). In diesem Zu-
sammenhang gilt es, das generative und derivative Potenzial digitaler Innovationen
hervorzuheben (Yoo et al., 2012). Die Nutzung digitaler Technologien durch den An-
wender hinterlässt digitale (Daten-)Spuren (Yoo et al., 2012). Daten sind eine neue, wert-
volle Form geistigen Kapitals, das Wertschöpfungs- und Monetarisierungspotenziale bie-
tet (Teece, 2018). Zum Beispiel, indem die entstehenden Datenmengen veräußert oder
analysiert und in Form derivativer (abgeleiteter) Innovationen verwertet werden (Teece,
2018; Yoo et al., 2012). Ohnehin führt die Veränderbarkeit digitaler Technologien zu weit-
reichenden Möglichkeiten der Rekombination (Yoo, 2013). Diese Weiterverwendung geht
jedoch nicht zwingend vom ursprünglichen Besitzer aus. Stattdessen können Weiter-
entwicklungen auch durch Dritte vorangetrieben werden können – ohne Einfluss und
Steuerung durch den Anbieter der Ursprungsinnovation. Solche unkoordinierten, endo-
genen Entwicklungen sind mit der generativen Eigenschaft digitaler Innovationen gemeint
13 Digitale Transformation: etablierte Unternehmen im Spannungsfeld zwischen … 351
(Lyytinen et al., 2016). Das generative Potenzial zeigt sich etwa bei Google Maps. Durch
Programmierschnittstellen (APIs) hat sich Google Maps zum Standard für digitale Karten
entwickelt und wird in den unterschiedlichsten Anwendungsszenarien von Dritten genutzt
(Yoo, 2013; Henfridsson et al., 2018). Gleichzeitig hat auch Google von sich aus den
Kartendienst vorangetrieben. Die Einführung von Echtzeit-Verkehrsinformationen bei der
Routenplanung mit Google Maps wäre ein Beispiel für eine derivative Innovation. Hierbei
analysiert Google die Standortdaten der Nutzer und identifiziert auf Basis der Bewegungs-
profile die aktuelle Verkehrslage.
Bei der Ausbildung digitaler Innovationsfähigkeiten zeigt sich deutlich das Spannungs-
feld zwischen dem Kerngeschäft und dem digitalen Bereich. Die bestehende Ressourcen-
und Kompetenzausstattung ist nicht auf digitale Innovationen ausgelegt. Gleichzeitig
müssen jedoch die existierenden, weiterhin benötigten Innovationsfähigkeiten des tradi-
tionellen Geschäftsmodells erhalten bleiben (Svahn et al., 2017). Zumal die damit er-
zielten Erlöse die digitale Transformation finanzieren (Bosler et al., 2021). Es drohen
Spannungen zwischen denjenigen Parteien, die Veränderungen anstreben und jenen, die an
etablierten Fähigkeiten und Kernkompetenzen festhalten. Letzteres birgt ohnehin die Ge-
fahr von Kompetenzfallen – die der organisationalen Anpassung und der Exploration digi-
taler Möglichkeiten entgegenwirken (Svahn et al., 2017). Der Widerstand der Mitarbeiter
gegenüber der Einführung und Nutzung digitaler Technologien gilt als wesentliche Bar-
riere für die digitale Transformation (Vial, 2019).
(Vial, 2019; Teece, 2018; Lyytinen et al., 2016). Hierbei kann es eine hierarchische
Struktur mit einem fokalen Unternehmen an der Spitze geben, dies muss aber nicht
zwangsläufig der Fall sein (Lyytinen et al., 2016). Aus Netzwerkperspektive ist wichtig,
dass Unternehmen in der Lage sind, digitale Technologien von unterschiedlichen Akteu-
ren zu integrieren (Vial, 2019). Die Bedeutung unternehmensübergreifender Wert-
schöpfungsstrukturen äußert sich zum Beispiel in der intensiven Integration unterschied-
licher Partner. Nicht zuletzt in (anfänglicher) Ermangelung eigener Kompetenzen greifen
etablierte Unternehmen auf externe Softwareentwickler, Cloud-Dienstleister oder UI/
UX-Agenturen zurück (Bosler et al., 2021). Das führt zur Herausforderung, einerseits die
erforderlichen internen Fähigkeiten zu entwickeln und andererseits gleichzeitig die not-
wendigen Partner und deren Ressourcen einzubeziehen (Svahn et al., 2017). Konzentriert
sich die Managementebene zu stark auf die unternehmensinternen Abläufe, könnten
Potenziale der unternehmensübergreifenden Wertschöpfung übersehen werden (Svahn
et al., 2017). Verlagert sich die Wertschöpfung zu sehr auf externe Akteure, entstehen
Abhängigkeiten (Bosler et al., 2021).
Digitale Innovationen sind zwar in den letzten Jahren stark in den wissenschaftlichen
Fokus gerückt, trotzdem handelt es sich noch immer um ein wachsendes Feld aus hetero-
13 Digitale Transformation: etablierte Unternehmen im Spannungsfeld zwischen … 355
Die Intention des vorliegenden Artikels besteht darin, zu einem tieferen Wissen über die
Wertschöpfung etablierter Unternehmen mit digitalen Innovationen und den dafür er-
forderlichen Transformationsprozessen beizutragen. Diesbezüglich ordnet Abschn. 13.4.2
die fallübergreifenden Ergebnisse in die jeweiligen Forschungsperspektiven (vgl.
Abschn. 13.3.1) ein. Zum besseren Verständnis liefert vorab Abschn. 13.4.1 generelle In-
formationen zum Untersuchungsgegenstand der Connected-Car-Services.
Neben Elektromobilität und autonomem Fahren gehört die Konnektivität zu den aktuellen
Innovationsfeldern der Automobilindustrie (Covarrubias, 2018). Im Zuge der zuneh
menden Vernetzung wandeln sich moderne Fahrzeuge zu digitalen Plattformen, die per-
manent mit ihrer Umwelt kommunizieren (Buck & Reith, 2020; Morris et al., 2018). Die
Integration von Kommunikationstechnologie ermöglicht den Datenfluss zum und vom
Auto (Bosler et al., 2019; Coppola & Morisio, 2016). Infolgedessen wandeln sich die
Automobilhersteller zu Service-Providern (Morris et al., 2018). Die digitalen Techno-
logien im vernetzten Fahrzeug ermöglichen das Angebot komplementärer Dienste
(Connected-Car-Services). Mit diesen digitalen Services streben die OEMs (Original
Equipment Manufacturers, alternative Bezeichnung für Automobilhersteller) Mehrwerte
für Fahrer und Halter hinsichtlich Navigation, Sicherheit, Fahrassistenz, Entertainment,
Kommunikation und Information an (Bosler et al., 2019; Morris et al., 2018). Während der
Fahrt werden die Connected-Car-Services über das Infotainmentsystem genutzt (In-Car-
Services). Typische Beispiele sind Echtzeit-Informationen zu Staus oder freien Park-
plätzen, Music Streaming und Gefahrenwarnungen. Vor und nach der Reise stehen weitere
Dienste über eine Smartphone-Applikation oder ein Web-Portal zur Verfügung. Dazu ge-
hören der Remote-Zugriff auf ausgewählte Funktionen (etwa Türverriegelung, Stand-
heizung) und Daten (Tankfüllung, Reifendruck, Standort) des Fahrzeugs (Bosler
et al., 2019).
Übertragen auf die Mehrebenen-Architektur digitalisierter Produkte ordnen sich die
Connected-Car-Services auf der Dienstebene ein (s. Abb. 13.1). Die digitalisierten Fahr-
zeuge wiederum repräsentieren die Geräteebene. Durch die Remote-Services erstreckt
sich die Wertschöpfung auch auf weitere Endgeräte, die nicht von den Automobil-
herstellern angeboten werden. Die In-Car- und Remote-Services setzen bestimmte Daten
voraus (Inhaltsebene). So erfordert etwa die Nutzung der Remote-Services fahrzeugspezi-
fische Daten. Andere Services basieren auf aggregierten Fahrzeugdaten (z. B. werden
Sensordaten zu freien Parklücken am Straßenrand aggregiert, um im Navigationssystem
Parkplatzprognosen anzuzeigen). Vernetzte Automobile erzeugen und übermitteln große
Datenmengen, die enormes Potenzial besitzen (Buck & Reith, 2020). Darüber hinaus wer-
358 M. Bosler
Fahrzeugspezifische Daten
Inhaltsebene Aggregierte Fahrzeugdaten
Daten von Content-Providern
In-Car-Services (via
Infotainment)
Dienstebene
Remote-Services (via App oder
Web-Portal)
Kommunikationsmodul (SIM)
Netzwerkebene Mobilfunknetz
Plattform-Infrastruktur
Digitale Technologien im
Fahrzeug (u.a.
Geräteebene
Infotainmentsystem)
Endgerät für Remote-Services
den auch Daten von Drittanbietern geliefert (Content-Provider). Hierzu zählen beispiels-
weise Provider für Parkhausbelegungen (wie Parkopedia) oder Verkehrsinformationen
(TomTom). Durch ein integriertes Kommunikationsmodul bezieht das Fahrzeug die für
die Nutzung der Services erforderlichen Inhalte (via Mobilfunk). Spätestens seit der ver-
pflichtenden Einführung des automatischen Notrufsystems (eCall) in der Europäischen
Union (2018) verfügen Neufahrzeuge über eine fest verbaute SIM-Karte. Die abgesicherten
Kommunikationsprozesse vom und zum Fahrzeug werden über eine Plattform-Infrastruktur
abgewickelt. Alle Ebenen bieten Wertschöpfungs- und Innovationspotenziale. Zum Bei-
spiel hat Mercedes im April 2021 in der Smartphone-Applikation einen Service (Dienst-
ebene) eingeführt, der mittels künstlicher Intelligenz die Auslastung und Stoßzeiten für
Ladestationen prognostiziert (Inhaltsebene). Auf der Netzwerkebene stellt die bevor-
stehende Einführung des 5G-Standards eine wichtige Neuerung dar. Das wiederum impli-
ziert, dass die Fahrzeuge den schnelleren Mobilfunkstandard überhaupt unterstützen.
Folglich setzen manche digitalen Innovationen entsprechende Enabler in der Fahrzeug-
architektur voraus (Geräteebene).
Die Nachfrage der Kunden nach Connected-Car-Services nimmt stetig zu. Dadurch
rücken die digitalen Dienste immer näher an das eigentliche Kerngeschäft der OEMs.
Charakteristisch ist, dass die Services auf dem Fahrzeug aufbauen – und (zumindest
größtenteils) nicht ohne das Fahrzeug funktionieren. Deren Bedeutung wird künftig durch
die Elektromobilität und das autonome Fahren weiter ansteigen. Halter von elektrisch an-
getriebenen Automobilen dürften ein größeres Bedürfnis nach komplementären Diensten
haben. Echtzeit-Informationen zu freien Ladesäulen, Push-Benachrichtigungen in der App
über Abbrüche beim Ladevorgang oder das Vorheizen des Fahrzeugs an der Steckdose (bei
kalten Temperaturen, um die Reichweite zu erhöhen) sind Use Cases, die für den Ver-
brennungsmotor nicht relevant sind. Bei autonomen Fahrzeugen entfällt hingegen die
13 Digitale Transformation: etablierte Unternehmen im Spannungsfeld zwischen … 359
Ablenkungsgefahr. Das eröffnet ganz neue Möglichkeiten für Services auf dem Infotain-
mentsystem (Video-Konferenzen, Online-Shopping, Video Streaming etc.).
Deswegen sind Connected-Car-Services sind nicht nur als technische Innovationen
zu verstehen, sondern auch als neues Geschäftsmodell (Covarrubias, 2018). Zum einen
sollen die digitalen Dienste den Fahrzeugabsatz erhöhen (Lasmar Jr. et al., 2019). Zum
anderen streben die OEMs weitere Einnahmen über den Lebenszyklus an (Svahn et al.,
2017). Zwar sind mittlerweile viele der Dienste beim Fahrzeugkauf inkludiert, aller-
dings lediglich für einen beschränkten Zeitraum. Im Anschluss muss der Kunde kosten-
pflichtig verlängern (Bosler et al., 2019). Durch die Services ergeben sich neuartige
Berührungspunkte mit dem Kunden nach dem Fahrzeugverkauf. Mit der digitalen An-
sprache richten sich die OEMs bewusst auch an jüngere Kundengruppen. Daneben
bringt das Geschäftsmodell weitere Änderungen mit sich. Infolge der digitalen Trans-
formation wandelt sich das unternehmerische Selbstverständnis: Die Fahrzeugfirmen
werden immer mehr zu Softwareanbietern. Gleichzeitig weitet sich das Feld der Kon-
kurrenten auf IT-Firmen aus, die großes Interesse an der Automobilbranche zeigen.
Schließlich handelt es sich bei weltweit bis zu 80 Millionen Neuzulassungen pro Jahr
um einen Markt mit großem Potenzial (Winkelhake, 2021). Zum Beispiel bietet Google
mit Android Automotive ein eigenes Betriebssystem für Infotainmentsysteme; ein-
schließlich fertig entwickelter Services. Bei den Wettbewerbern müssen außerdem
junge, relativ neu gegründete Hersteller von Elektrofahrzeugen (wie Tesla oder Byton)
genannt werden. Diese Akteure haben keine Fahrzeugarchitekturen, die bereits über
Jahrzehnte weiterentwickelt und erst nachträglich digitalisiert wurden. Dieser Unter-
schied zeigt sich etwa darin, dass Fahrzeuge etablierter Hersteller mehr als 60 unter-
schiedliche Steuergeräte enthalten, während beispielsweise Tesla mit einigen wenigen
Steuergeräten auskommt (Kume, 2020; Morris et al., 2018; Koscher et al., 2010). Da
sich Tesla von Beginn an auf die Konnektivität konzentrieren konnte, gilt das Unter-
nehmen als Vorreiter auf dem Gebiet der digitalen Services.
13.4.2 Ergebnisse
Digitale Services sind nicht nur ein neues Steuergerät, das in das Fahrzeug kommt. Also nicht
nur eine Weiterführung des Mindsets, das es bisher schon gab. Sondern es ist eigentlich eine
neue Welt, die sich aufgetan hat – die jedoch nicht isoliert vom Fahrzeug existieren kann.
(Produktmanagement Connected-Car-Plattform, OEM 2)
In den Fallstudien hat sich die Bedeutung personeller und infrastruktureller Ressourcen
bestätigt. Letzteres bezieht sich vor allem auf die Plattform-Infrastruktur für den Betrieb
der Dienste. Ein Automobilhersteller hat aufgrund seiner Historie keine Erfahrungen mit
digitalen Plattformen. Gerade am Anfang traten Schwierigkeiten auf, die sich etwa in in-
stabilen Diensten äußerten (wie fehlerhafte Anzeige oder Nicht-Verfügbarkeit). Ein Grund
stellen die komplexen und stark abgesicherten Prozessketten dar. Beispielsweise läuft der
Remote-Befehl aus der Smartphone-Applikation zum Öffnen der Türen über verschiedene
Systeme bis zum Auto. Das führt zu einer hohen Störungsanfälligkeit – und impliziert
großen Lernbedarf. Ein wichtiger Meilenstein bei allen OEMs ist die Migration in
Cloud-Lösungen (von Dienstleistern), die skalierbare Architekturen bei besserer Verfüg-
barkeit und niedrigeren Kosten bieten. Im Hinblick auf die Infrastruktur lässt sich fest-
halten: Die ständige Verfeinerung der digitalen Innovationsfähigkeiten ist an die Offenheit
für neue Technologien geknüpft. Das setzt die Bereitschaft zur Restrukturierung be-
stehender Systeme und dem Lösen von Altlasten voraus; auch wenn finanziell eine evolu-
torische Weiterentwicklung (anstelle der Neuausrichtung) kurzfristig lukrativer erscheint.
Sehr viele Funktionen und Micro-Services, die Cloud-Lösungen bieten, haben wir selber über
hunderte Systeme verstreut – mit wahnsinnig viel Aufwand in eigenen Plattform-Backends.
[…] Wir haben zwar in der Vergangenheit sehr gut damit gearbeitet, aber wir müssen auch mit
der Zeit gehen. Da muss man sich wirklich überlegen, wann […] man sagt, das sind „sunk
costs“. […] Diesen Zeitpunkt zu finden und die Transformation zu gehen, das ist eine der
größten Herausforderungen gerade. (Strategie digitale Services, OEM 1)
Auf personeller Ebene muss sich – als essenzielle Voraussetzung der Transformation – der
gestiegene Stellenwert von Softwareentwicklung und digitalen Plattformen widerspiegeln.
Gleichzeitig braucht es das notwendige Wissen über digitale Geschäftsmodelle, um mit
der Transformation Einnahmen zu erwirtschaften. Die analysierten OEMs haben sowohl
neues Personal eingestellt als auch bestehende Mitarbeiter geschult. Das gilt gleicher-
maßen für die Führungsebene. Die Maßnahmen sind unverändert aktuell, was den lang-
fristigen Charakter der digitalen Transformation verdeutlicht. Das liegt auch daran, dass
der State of the Art in der digitalen Industrie ständig voranschreitet. Dementsprechend
ergibt sich ein kontinuierlicher Anpassungs- und Lernbedarf, um wettbewerbsfähig zu
bleiben. Im Übrigen muss auch ein adäquater Wissenstransfer (hinsichtlich der digitalen
Dienste) zu den Kunden, Werkstätten und Händlern gewährleistet werden. Für die Nutzer
der Services müssen geeignete Dokumentationen erstellt und Support-Kanäle eingerichtet
werden. Die Händler sind dafür verantwortlich, gegenüber den Käufern das Dienstangebot
zu vermarkten und gegebenenfalls die Aktivierung der Services vorzunehmen. Die Werk-
stätten lesen Software-Fehlercodes aus oder verantworten Updates, die nicht drahtlos in
stalliert werden können.
13 Digitale Transformation: etablierte Unternehmen im Spannungsfeld zwischen … 361
Auffällig ist, dass alle vier Automobilhersteller von Anfang an kaum digitale Innovatio-
nen intern entwickelt haben (wird auch nochmals in Abschn. 13.4.2.3 aufgegriffen). Statt-
dessen wurden (und werden) die eigentlichen Entwicklungsaufgaben hauptsächlich an
Zulieferer vergeben. Das hat zwei Gründe. Zum einen zeichnet sich die Automobil-
industrie generell durch eine niedrige Wertschöpfungstiefe aus. Die Entscheidungsträger
haben sich am dominierenden Prinzip der Fremdvergabe aus dem Kerngeschäft orientiert.
Zum anderen fehlten vor allem anfangs die notwendigen Kompetenzen und Kapazitäten
für interne Entwicklungen. Das Outsourcing von Entwicklungsaktivitäten war somit
schlichtweg eine Maßnahme, um das initiale Ressourcen- und Kompetenzdefizit kurz-
fristig zu überbrücken (Bosler et al., 2021). Die eingestellten IT-Experten übernahmen
deshalb keine Entwicklungsaufgaben, sondern waren in Steuerungsrollen (Vergabe von
Aufträgen, Koordination der Zulieferungen) aktiv. Wichtig ist, dass trotz des Ausbaus di-
gitaler Fähigkeiten das technische Know-how für die Integration der Dienste ins Fahrzeug
bei den verantwortlichen Teams nicht verloren geht.
Diesbezüglich wurde in der durchgeführten Studie ein Spannungsfeld besonders deut-
lich. Die intensive Fremdvergabe stellt ein probates Mittel dar, um trotz Ressourcen- und
Kompetenzdefizite möglichst früh digitale Innovationen hervorbringen zu können. Der
schnelle Zugang zu (externen) Ressourcen führt jedoch zu einem Abhängigkeitsverhältnis
von den Lieferanten und deren Auftragslage. Das wirkt dem eigenen Kompetenzaufbau
entgegen. Letzteres wurde anfangs in Kauf genommen, da die Connected-Car-Initiativen
der OEMs überwiegend mit einer Art Migrationsphase begannen. Gerade bei den In-Car-
Services ging es primär darum, zunächst einmal bekannte digitale Angebote sinnvoll in
das Fahrzeug zu einzubinden. Für Szenarien wie Music Streaming oder Live Traffic Navi-
gation könnte der Nutzer schließlich auch einfach eine Smartphone-Applikation ver-
wenden. Aufgrund der steigenden Bedeutung von Connected-Car-Services streben die
untersuchten Firmen jetzt vermehrt wettbewerbsdifferenzierende Entwicklungen an. Dem
wirkt die Abhängigkeit von externen Partnern entgegen – zumal diese oftmals auch für
direkte Konkurrenten arbeiten. Deswegen beabsichtigen drei der vier OEMs explizit, den
Kompetenzaufbau in der Softwareentwicklung zu intensivieren, um künftig verstärkt in-
tern zu entwickeln.
Das ist der größte Wandel. Wir sind zwar Automobilhersteller, aber wir werden auch Soft-
wareentwickler. […] Wir bauen unsere Autos, also wollen wir auch unsere Software ent-
wickeln. Vermutlich wird man nie zu 100 Prozent alle Ressourcen intern haben. Das ist auch
gar nicht der Ansatz. Aber man will zumindest nicht mehr so abhängig sein, wie man es ist.
Man will autarker handeln können. […] Dass man sich selbst anschaut, wie der Quellcode
ist – sodass man da auch selbst eingreifen kann. (Produktmanagement Connected-Car-
Services, OEM 2)
Am Ende verdient ein OEM immer noch mit dem Verkauf von Fahrzeugen das Geld. […] Das
Kerngeschäft muss laufen und das kann man auch nicht gefährden. Und gerade wenn man die
Organisationsstrukturen betrachtet, kann man die Menschen nicht von heute auf morgen in
ein ganz anderes Arbeitsmodell stecken. (Steuerung und Strategie Connected-Car-Ser
vices, OEM 3)
Ein kritischer Faktor besteht darin, die Service- und Fahrzeugentwicklung sinnvoll zu ver-
einen, um letztendlich Lösungen aus einer Hand anzubieten. Die Verantwortlichen beider
Bereiche müssen verstehen, dass es ohne die jeweils anderen Experten nicht funktioniert.
Hinsichtlich der Organisationsstrukturen haben die untersuchten Automobilhersteller
unterschiedliche Ansätze ausprobiert. Es wurden eigenständige Bereiche gegründet (OEM
1), die digitalen Dienste komplett der Fahrzeugentwicklung unterstellt (OEM 1), be-
stehende Ressorts wie Entwicklung, IT und Vertrieb um Teams für Connected-Car-Servi-
ces erweitert (OEM 2, 3, 4) oder cross-funktionale Organisationen implementiert (OEM
4). Ausschlaggebend ist der richtige Mittelweg zwischen Flexibilität und Hardware-
Abhängigkeiten. Weder eine zu enge noch eine zu lose Verbindung von Fahrzeug- und
Serviceentwicklung sind zielführend. Wenn die Entwicklung der Connected-Car-Services
komplett losgelöst stattfindet, liegen zwar große Freiheiten vor – aber fahrzeugspezifische
Voraussetzungen und Abhängigkeiten für den Betrieb der Dienste werden aus den Augen
verloren. Umgekehrt hat es sich ebenfalls als nicht zielführend erwiesen, wenn die Ent-
wicklungsprozesse für neue digitale Services starr den Abläufen des Kerngeschäfts folgen.
Diese Erfahrung haben alle Unternehmen gemacht. Vor allem am Anfang der Connected-
Car-Initiativen wurden neue Dienste oftmals in Verbindung mit neuen Baureihen ein-
geführt. In der herkömmlichen Fahrzeugentwicklung stehen die Umfänge kommender
Modelle jedoch teils mehrere Jahre vor Produktionsbeginn fest. Das ist im schnelllebigen
digitalen Geschäft kontraproduktiv. Es droht, dass die Services bereits bei ihrer Ein-
führung schon nicht mehr zeitgemäß sind.
Wenn heute jemand Snapchat im Auto haben will, kann man das nicht mit x Jahren Vorlauf-
zeit planen. Wir wissen jetzt nicht, was es in fünf Jahren für ein soziales Netzwerk geben
wird – also können wir jetzt nicht damit planen, es zu integrieren […]. Wir wissen genau so
wenig, ob es in zwei Jahren noch cool sein wird, Instagram zu nutzen. Diese Dynamik und
Flexibilität muss man im IT-Umfeld möglich machen können. (Produktmanagement
Connected-Car-Plattform, OEM 2)
13 Digitale Transformation: etablierte Unternehmen im Spannungsfeld zwischen … 363
Der dynamische Charakter des digitalen Geschäfts führt zu einer hohen Innovations-
intensität. Wettbewerbsvorteile sind meist kurzlebig, neue Services werden vergleichs-
weise schnell zur Basisausstattung. Rein Software-basierte digitale Angebote werden
innerhalb eines Jahres imitiert. Bei Fahrzeuginnovationen hat es deutlich länger gedauert,
bis die Konkurrenz Rückstände aufholen konnte. Das führt zum Druck, kontinuierlich
wertschöpfende Dienste hervorzubringen – möglichst schneller als die Wettbewerber.
Deswegen wurden bei allen analysierten OEMs die Vorgehensmodelle der Entwicklungs-
prozesse umgestellt. Als wichtiger Enabler für kürzere Zyklen wurden agile Methoden
identifiziert und eingeführt. Die Agilität sollte sich aber nicht nur in den reinen Ent-
wicklungszyklen widerspiegeln, sondern im gesamten Prozess bis hin zur Auslieferung
der Services.
Je näher man ans Fahrzeug kommst, desto eher ist man im Standard-Wasserfall-Modell oder
im V-Modell. […] Wenn jemand alle zwei Wochen Sprints macht, aber nur einmal im halben
Jahr integrieren kann in das Fahrzeug, dann ist das nicht agil. Das ist ein Trugschluss. (Quali-
tätsmanagement Conected-Car-Services, OEM 1)
Die Komplexität, die sich aufgrund der Fahrzeug-Abhängigkeit ergibt, ist ambivalent:
Einerseits eine große Herausforderung, andererseits eine mögliche Quelle für Wett-
bewerbsvorteile. Services mit einem innovativen Zusammenspiel von Fahrzeugdaten
und -funktionen setzen zwangsläufig eine tiefe Integration in die (einzigartige) Fahrzeug-
architektur voraus. Wenn Konkurrenten solche komplexen Mehrebenen-Angebote über-
nehmen wollen, müssen sie zunächst die technischen Voraussetzungen in deren Fahrzeug-
architekturen integrieren – und sind somit ihrerseits an die langen Vorlaufzeiten gebunden.
Dementsprechend kann gerade die Komplexität auch zu Differenzierung führen.
Das führt wiederum zum Fokus des Innovationsprozesses. Angetrieben durch den
wahrgenommenen Innovationsdruck haben die Hersteller zu Beginn versucht, möglichst
viele digitale Funktionen umzusetzen. Ein Experte von OEM 4 sprach von einer „Featu-
re-itis“ in der Automobilindustrie. Dadurch sind die wirklich mehrwertstiftenden Dienste
und auch grundlegende Enabler in der Fahrzeugarchitektur etwas aus dem Blickwinkel
geraten.
Man schaut sich natürlich die Wettbewerber – oder über Marktbeobachtungen was Wett-
bewerber in Zukunft machen könnten – ganz genau an. Aber man versucht momentan so ein
bisschen mehr von dieser Schiene weg zu gehen, dass man nur Features definiert und Features
abhakt. (Entwicklung Connected-Car-Services, OEM 4)
Darüber hinaus darf sich der Innovationsprozess nicht nur auf Services für neue Fahrzeuge
konzentrieren. Die Kunden erwarten, dass bereits ausgelieferte Automobile gleicher-
maßen aktuell gehalten werden. Diese Produktverantwortung ist neu für die OEMs.
Es ist natürlich eine Herausforderung, in einer Organisation, die eigentlich immer nur auf den
nächsten Fahrzeug-SOP [Start of Production] hinarbeitet, wirklich Leute freizuspielen, die
364 M. Bosler
sich „alte“ Produkte anschauen, um die frisch zu halten – und dafür dann auch einen Business
Case zu finden. (Entwicklung Connected-Car-Services, OEM 4)
Dies hat Implikationen für die Fahrzeugentwicklung. Da traditionell ein Automobil mit
seiner Produktion fertiggestellt war, werden typischerweise dessen Kapazitäten voll aus-
gelastet. Das wurde beim Infotainmentsystem zum Problem: Die Systeme waren ab Werk
bereits an ihren Leistungsgrenzen, was – später geplante – Updates erschwerte oder aus-
schloss. Das lässt sich verhindern, indem explizit Reserven eingeplant werden. Außerdem
entlastet auch der angesprochene Umstieg auf Cloud-Technologien, wenn ausgewählte
Services (zumindest in Teilen) in der Cloud betrieben werden (und nicht mehr lokal im
Fahrzeug). Cloud-Services sorgen somit für eine weitere Entkopplung von Fahrzeug-
Abhängigkeiten und ermöglichen damit mehr Agilität.
13.4.2.3 Netzwerkperspektive
Der verteilte Charakter digitaler Innovationen bestätigt sich im gewählten Untersuchungs-
gegenstand. Im Allgemeinen nehmen Partner einen hohen Stellenwert ein. An den Wert-
schöpfungsprozessen sind externe Entwickler (für Services und Plattform-Infrastruktur),
IT-Dienstleister (z. B. Cloud-Provider), Mobilfunkbetreiber, Content-Provider oder De-
signer (UI/UX) beteiligt. Außerdem zielen die Connected-Car-Initiativen neben der Ver-
öffentlichung eigener Innovationen auch auf die Migration bestehender Angebote ab
(Channeling). Das erweitert den Kreis um Akteure wie Microsoft (z. B. Office-Lösung im
Auto), Amazon (Alexa-Integration), Google und Apple (etwa Einbindung von Smart-
phone-Apps) oder Spotify (Music Streaming).
Sofern die OEMs eigene digitale Innovationen initiieren, beginnt der Wertschöpfungs-
prozess zwar intern mit der Ideengenerierung, die anschließende Entwicklung findet aber
überwiegend extern statt – noch wird verhältnismäßig wenig selbst entwickelt. Es wurde
bereits erwähnt (Abschn. 13.4.2.1), dass das nicht nur am verteilten Charakter digitaler
Innovationen liegt, sondern auch am generell hohen Fremdvergabe-Anteil in der Branche.
Die OEMs fungieren im Netzwerk als Auftraggeber in einer gestalterischen Steuerungs-
rolle: Sie planen das Endprodukt, vergeben Entwicklungsaufträge mit sehr detaillierten
Spezifikationen und koordinieren deren Integration. Wie im Kerngeschäft üblich, basiert
die Fremdvergabe (zum Zeitpunkt der Datenerhebung) in der Regel auf Ausschreibungen
und Lastenheften. Die Entwicklungspartner sind jedoch meistens agile Entwicklungen
gewohnt, bei denen das herzustellende Produkt sukzessive entsteht – ohne Definition aller
Umfänge vor Projektbeginn. Diese unterschiedlichen Ansätze führten zu fehlerhaften Lie-
ferungen. Dementsprechend braucht es Anpassungsfähigkeiten an die Partner aus dem
digitalen Geschäft. Das betrifft neben agilen Aufträgen in iterativen Zyklen auch die not-
wendige Flexibilität, um alternative Abrechnungsmodelle und neue Vertragsdesigns zu
implementieren. Anstelle einmaliger Zahlungen von Festpreisen sind im digitalen Bereich
etwa Abrechnungen auf Basis der tatsächlichen Nutzung oder geteilte Erlöse denkbar.
Mitunter enthalten Verträge gar keine monetäre Bezahlung mehr. Letzteres trifft ins-
besondere auf die Zusammenarbeit mit großen Tech-Firmen zu. Bei der Migration von
13 Digitale Transformation: etablierte Unternehmen im Spannungsfeld zwischen … 365
deren Lösungen fallen teilweise keine Gebühren an. Es müssen Alternativen für die obso-
leten Service Level Agreements gefunden werden, auf die sich die OEMs normalerweise
bei Problemen berufen können. Amazon, Google oder Apple sehen sich ohnehin nicht als
Lieferant eines Automobilherstellers, sondern als Lösungspartner. Deswegen verändert
sich die hier die Wertschöpfung auch in Richtung kollaborativer Zusammenarbeit, indem
gemeinschaftliche Entwicklungsprojekte angestrebt werden.
Allgemein lässt sich sagen, dass sich natürlich die Anzahl an Kontakten mit digitalen Playern
massiv erhöht hat. […] Mittlerweile bekommen wir durchaus auch mehr Anerkennung von
diesen Companies. Wir sind da keine absoluten digitalen Anfänger mehr. Ich glaube, dass –
im Bewusstsein der entsprechenden Stärken der jeweiligen Player – sich das in den nächsten
Jahren noch viel stärker in Richtung Symbiose entwickeln wird. (Digitales Ökosystem, OEM 2)
Die Intention, verstärkt kollaborative Entwicklungen anzustoßen, wurde in allen vier Fall-
studien deutlich. Die Unternehmen erhoffen sich, dass die enge Zusammenarbeit zu inno-
vativeren Diensten führt, die sie allein nicht realisieren könnten. Das zeigt, wie sich die
Wertschöpfungsnetzwerke über die Zeit wandeln. Ein weiterer wichtiger Veränderungs-
prozess der Netzwerkstrukturen wurde mit dem angestrebten Aufbau interner Ent-
wicklungskompetenzen schon thematisiert (s. Abschn. 13.4.2.1). Wenn die Automobil-
hersteller mehr selbst entwickeln und damit unabhängiger werden, findet ein Insourcing
der Wertschöpfungsaktivitäten statt. Die identifizierten Veränderungen beeinflussen sich
gegenseitig. Kollaborative Projekte bieten die Möglichkeit, direkt von führenden digitalen
Unternehmen zu lernen. Davon profitiert die Ausbildung eigener digitaler Kompetenzen.
Gleichzeitig steigt das Interesse an einer Zusammenarbeit seitens der Tech-Unternehmen
mit fortschreitendem Kompetenzaufbau der Automobilhersteller an. Das erweitert künftig
die Handlungsoptionen. Anstelle der reinen Fremdvergabe können die OEMs entscheiden,
ob sie alternativ eine kollaborative Zusammenarbeit anstreben oder – im Hinblick auf
Wettbewerbsvorteile – die interne Entwicklung am vielversprechendsten ist. In diesen
strategischen Entscheidungen spielt auch die Abgrenzung gegenüber den Tech-Firmen
eine Rolle. Zwar handelt es sich um interessante Lösungspartner, aber trotzdem um poten-
zielle Konkurrenten. Diese Akteure zeigen beispielsweise ein großes Interesse an Fahr-
zeugdaten. Das macht den exklusiven Besitzer solcher Daten zu einem Differenzierungs-
merkmal der OEMs.
13.4.2.4 Mindset-Perspektive
Besonders deutlich wurde in den Fallstudien, wie sich erst durch das richtige Mindset die
vorgenommenen Anpassungen auf der Ressourcen-, Struktur-, Prozess- und Netzwerk-
ebene wirklich auszahlen. An dieser Stelle sei nochmals betont, dass es einen synchroni-
sierten Wandel braucht. Die digitale Transformation impliziert für die Belegschaft eine
schwierige Umstellung. Mitarbeiter haben über Jahre oder Jahrzehnte im mechanisch
geprägten Automotive-Umfeld nach bewährten Prinzipien gearbeitet. Viele der etablierten
Denk- und Herangehensweisen passen jedoch nicht zum digitalen Geschäft. Es braucht
Zeit, dafür das notwendige Verständnis zu schaffen.
366 M. Bosler
Das Wichtigste ist vor allem die Kultur und das Mindset für digitale Geschäftsmodelle oder
Digitalisierung im Allgemeinen. Das ist die Basis, die da sein muss. Auf dieser Basis kann
man dann bessere Technologieentscheidungen treffen oder neue Arbeitsmodelle finden.
(Produktmanagement Connected-Car-Plattform, OEM 2)
Die Untersuchung identifizierte mehrere Kriterien des (digitalen) Mindsets, das etablierte
Unternehmen erarbeiten und implementieren müssen. Ein Punkt ist die ständige Offenheit
für neue Technologien und kontinuierliche Verbesserungen – einschließlich der Bereit-
schaft, die erforderlichen Investitionen zu tätigen (s. Abschn. 13.4.2.1). Die thematisierten
agilen Entwicklungen gehen mit dem Wunsch nach mehr Schnelligkeit einher, die zu den
wichtigsten Erfolgsfaktoren des digitalen Geschäfts gehört. Dem wirkt jedoch nicht nur
die Fahrzeugabhängigkeit entgegen, sondern auch das traditionell eher risikoscheue Ver-
halten von Automobilherstellern. Die OEMs sind es gewohnt, Entscheidungen und In-
vestitionen sorgfältig abzuwägen, um Risiken zu minimieren. Diese Herangehensweise
hat im Kerngeschäft ihre Berechtigung. Lange Vorlaufzeiten und sorgfältige Ent-
scheidungsprozesse tragen beispielsweise maßgeblich zum hohen Qualitätsniveau der
Fahrzeuge beim Produktionsstart bei. Im digitalen Geschäft bedarf es jedoch mehr Risiko-
bereitschaft.
Dieses extrem schnelllebige digitale Geschäft lebt davon, dass wir ausprobieren, irgendetwas
schiefgeht und wir etwas Neues machen. Das können wir noch nicht. Sondern wir versuchen
immer sehr stark zunächst komplett zu verstehen, ob etwas Sinn macht oder nicht. Und erst
dann zu investieren. (Management Connected-Car-Services, OEM 4)
In diesem Zusammenhang wurde in den Interviews auf Vorreiter aus dem digitalen Ge-
schäft verwiesen, die Ideen schnell am Markt testen – und bei ausbleibendem Erfolg
genauso zügig einstellen. Das setzt jedoch eine andere Fehlerkultur voraus, welche die
befragten Experten derzeit in ihren Unternehmen noch vermissen. Ohnehin muss ein digi-
taler Service (im Unterschied zu einem physischen Fahrzeug) bei seiner Produktion noch
keine Perfektion aufweisen. Das hängt mit dem veränderten Produktverständnis zu-
sammen, welches die OEMs zunächst verinnerlichen mussten. Schließlich sind durch spä-
tere Updates kontinuierliche Anpassungen möglich. Im Übrigen fällt es den Automobil-
herstellern auch schwer, wenig genutzte Dienste schnell wieder vom Markt zu nehmen.
Dabei müssen natürlich vertraglich zugesagte Mindestlaufzeiten berücksichtigt werden,
die sich aus den verkauften Laufzeiten der Dienste ergeben.
Neben der Risikobereitschaft zählt die notwendige Weitsicht zu einem digitalen Mind-
set. Diese Weitsicht hat den Automobilherstellern anfangs gefehlt. So wurde die im Fahr-
zeug verbaute Hardware zum Hemmnis für geplante Updates (s. Abschn. 13.4.2.2). Die
Updatefähigkeit lässt sich beispielsweise über Leistungsreserven erreichen; was erneut
eine entsprechende Investitionsbereitschaft voraussetzt. Auch Fahrzeugarchitekturen mit
weniger Altlasten durch eine reduzierte Anzahl an Steuergeräten tragen dazu bei, wie das
Beispiel Tesla zeigt.
13 Digitale Transformation: etablierte Unternehmen im Spannungsfeld zwischen … 367
Erstaunlich finde ich Tesla, das es immer noch schafft, in sechs oder sieben Jahre alte Autos
komplett neue Softwareupdates reinzubringen – und wirklich neue Funktionen in alten Autos
darstellen kann. Ich muss sagen, dass das in Bezug auf Plattform und Plattformstrategie be-
ziehungsweise gute Updatefähigkeit schon vor sechs, sieben Jahren sehr weit, revolutionär
gedacht war. (Entwicklung Connected-Car-Services, OEM 4)
13.4.3 Zusammenfassung
13.5 Schlussbetrachtung
Mit der durchgeführten Fallstudie will dieser Artikel zu einem tieferen Verständnis digita-
ler Innovationen in etablierten Unternehmen beitragen. Innerhalb der vorab identifizierten
Forschungsperspektiven konnten neue Erkenntnisse abgeleitet werden. Abschließend
370 M. Bosler
bleibt nochmals festzuhalten, dass Akteure, die ihre physischen Produkte nachträglich um
digitale Angebote erweitern, in einem herausfordernden Spannungsfeld agieren: Kern-
geschäft und digitales Geschäft unterscheiden sich erheblich. Wie für den Untersuchungs-
gegenstand der vernetzten Fahrzeuge ausführlich gezeigt wurde, funktionieren lange be-
währte Prinzipien und Denkweisen bei der Wertschöpfung mit digitalen Technologien
nicht mehr. Die schnelllebige Natur des digitalen Geschäfts setzt Anpassungsfähigkeiten
auf der Ressourcen-, Struktur-, Netzwerk- und Unternehmenskultur-Ebene voraus. Hinzu
kommt, dass ein digitalisiertes Produkt über den gesamten Lebenszyklus erweiterbar ist.
Es gibt eine Verantwortung nach dem Verkauf gegenüber dem Kunden (zugesagte Lauf-
zeit, ggf. Updates), bedarf aber auch keiner Perfektion mehr zum Zeitpunkt der Veröffent-
lichung. Das erlaubt es, digitale Innovationen schnell am Markt einzuführen, zu über-
arbeiten und bei Misserfolg wieder zu beenden. Dieses veränderte Produktverständnis und
die konträren Voraussetzungen des digitalen Geschäfts müssen sich jedoch zwingend im
unternehmerischen Mindset widerspiegeln. Neben der konsequenten Kundenorientierung,
der Offenheit für neue Technologien und der Weitsicht bei den Entscheidungen braucht es
Risiko- und Investitionsbereitschaft. Gerade im Hinblick auf eine offene Fehlerkultur ist
der Wandlungsprozess der untersuchten Firmen noch nicht abgeschlossen. Deswegen be-
sitzt die digitale Transformation einen langfristigen und disruptiven Charakter, welcher
weit über den Aufbau neuer Ressourcen und Fähigkeiten hinausgeht.
Der Fokus dieses Beitrags liegt primär auf den Voraussetzungen für die Wertschöpfung
mit digitalen Innovationen. Diese sollen letztendlich – aus Geschäftsmodellperspektive –
zu Erlösen führen. Die Connected-Car-Initiativen der analysierten OEMs sind eindeutig
strategisch motiviert gestartet. Angesichts der Bedeutung digitaler Services im Wett-
bewerbsvergleich waren die getätigten Investitionen schlichtweg notwendig. Mittlerweile
rückt allerdings bei allen untersuchten Fällen die Wirtschaftlichkeit der digitalen Angebote
mehr in den Fokus. Daran anknüpfend stellt sich die Frage, wie digitale Geschäftsmodelle
bei etablierten Unternehmen zu weiteren Einnahmen führen können. In Ergänzung zur
kostenpflichtigen Verlängerung der Services suchen, erproben und implementieren die
Automobilhersteller derzeit weitere Erlöskonzepte. Das führt gleichermaßen zu Heraus-
forderungen; schließlich müssen die notwendigen Fähigkeiten im eCommerce-Bereich
erst ausgebildet werden. Damit ergibt sich unmittelbarer Forschungsbedarf für künftige
Untersuchungen.
Exemplarisch sei auf zwei konkrete Konzepte verwiesen. Eine potenzielle Einnahme-
quelle stellt die Monetarisierung von Fahrzeugdaten dar (etwa als Dienstleistungsangebot
für Dritte). Das setzt wiederum Fähigkeiten in der Datenanalyse und entsprechendes
Wissen auf dem Gebiet datengetriebener Geschäftsmodelle voraus. Vernetzte Fahrzeuge
ermöglichen außerdem das Angebot von Sonderausstattung „on demand“. Physische und/
oder digitale Sonderausstattung wird ab Werk verbaut, jedoch zunächst per Software de-
aktiviert. Der Halter kann das Upgrade nachträglich kostenpflichtig freischalten (über
einen Remote-Befehl). Dieses On-demand-Angebot basiert wieder auf dem engen Zu-
sammenspiel zwischen Software, Vernetzung und Fahrzeug-Technik. Der Vorteil: Bei
klassischer Sonderausstattung lassen sich in der Regel höhere Preise als bei digitalen Ser-
13 Digitale Transformation: etablierte Unternehmen im Spannungsfeld zwischen … 371
vices durchsetzen. Das verdeutlicht, dass komplexe Angebote über mehrere Architektur-
Ebenen, die explizit Hardware-Abhängigkeit ausnutzen, auch bei der Erlösgenerierung
von Bedeutung sind.
Literatur
Abrell, T., Pihlajamaa, M., Kanto, L., Vom Brocke, J., & Uebernickel, F. (2016). The role of users
and customers in digital innovation: Insights from B2B manufacturing firms. Information &
Management, 53(3), 324–335.
Bertoncello, M., Martens, C., Möller, T., & Schneiderbauer, T. (2021). Car data can help mobility
players along the entire value chain – But they need to act now (11.02.2021). https://www.
mckinsey.com/industries/automotive-and-assembly/our-insights/unlocking-the-full-life-cycle-
value-from-connected-car-data. Zugegriffen am 03.05.2021.
Bharadwaj, A. (2000). A Resource-Based Perspective on Information Technology Capability and
Firm Performance: An Empirical Investigation. MIS Quarterly, 24(1), 169–196.
Bosler, M., & Burr, W. (2021). Das Digitale Dominante Servicedesign – Implikationen für digitale
Innovationen im vernetzten Automobil. In H. Proff (Hrsg.), Making Connected Mobility Work
(S. 61–78). Springer.
Bosler, M., Burr, W., & Ihring, L. (2019). Geschäftsmodell „Connected Car“ – digitale Innovationen
in der Automobilindustrie. In S. Meinhardt & A. Pflaum (Hrsg.), Digitale Geschäftsmodelle –
Band 2 (S. 73–96). Springer.
Bosler, M., Burr, W., & Ihring, L. (2021). Digital innovation in incumbent firms: An exploratory
analysis of value creation. International Journal of Innovation and Technology Management,
18(2), 1–22.
Buck, C., & Reith, R. (2020). Privacy on the road? Evaluating German consumers’ intention to use
connected cars. International Journal of Automotive Technology and Management, 20(3),
297–318.
Center of Automotive Management (2019). CCI 2019: Connected Car Innovation Studie (Summary).
Chanias, S., Myers, M. D., & Hess, T. (2019). Digital transformation strategy making in pre-digital
organizations: The case of a financial services provider. The Journal of Strategic Information
Systems, 28(1), 17–33.
Chesbrough, H., Lettl, C., & Ritter, T. (2018). Value Creation and Value Capture in Open Innovation.
Journal of Product Innovation Management, 35(6), 930–938.
Constantinides, P., Henfridsson, O., & Parker, G. G. (2018). Platforms and infrastructures in the di-
gital age. Information Systems Research, 29(2), 381–400.
Coppola, R., & Morisio, M. (2016). Connected car. ACM Computing Surveys, 49(3), 1–36.
Covarrubias, V. A. (2018). When disruptors converge: The last automobile revolution. International
Journal of Automotive Technology and Management, 18(2), 81.
Echterfeld, J., & Gausmeier, J. (2018). Digitising product portfolios. International Journal of Inno-
vation Management, 22(5) Online Ready Version, 1–27.
Gläser, J., & Laudel, G. (2010). Experteninterviews und qualitative Inhaltsanalyse (4. Aufl.).
Springer.
Hauschildt, J., Salomo, S., Schultz, C., & Kock, A. (2016). Innovationsmanagement (6. Aufl.). Ver-
lag Franz Vahlen.
Henfridsson, O., Nandhakumar, J., Scarbrough, H., & Panourgias, N. (2018). Recombination in the
open-ended value landscape of digital innovation. Information and Organization, 28(2), 89–100.
372 M. Bosler
Hinings, B., Gegenhuber, T., & Greenwood, R. (2018). Digital innovation and transformation: An
institutional perspective. Information and Organization, 28(1), 52–61.
Holmström, J. (2018). Recombination in digital innovation: Challenges, opportunities, and the im-
portance of a theoretical framework. Information and Organization, 28(2), 107–110.
Huang, J., Henfridsson, O., Liu, M., & Newell, S. (2017). Growing on steroids: Rapidly scaling the
user base of digital ventures through digital innovation. MIS Quarterly, 41(1), 301–314.
Koscher, K., Czeskis, A., Roesner, F., Patel, S., Kohno, T., Checkoway, S., McCoy, D., Kantor, B.,
Anderson, A., Shacham, H., & Savage, S. (2010). Experimental security analysis of a modern
automobile. In 2010 IEE symposium on security and privacy. IEEE.
Kume, H. (2020). Tesla teardown finds electronics 6 years ahead of Toyota and VW (17.02.2020).
https://asia.nikkei.com/Spotlight/Most-read-in-2020/Tesla-teardown-finds-electronics-6-years-
ahead-of-Toyota-and-VW. Zugegriffen am 03.05.2021.
Lasmar Júnior, E., Gandia, R. M., Sugano, J. Y., De Souza, T. A., & Rodriguez, D. Z. (2019). New
business models and the sharing economy: Impacts and challenges for the traditional automotive
industry. International Journal of Automotive Technology and Management, 19(3/4), 301–320.
Lepak, D. P., Smith, K. G., & Taylor, M. S. (2007). Value creation and value capture: A multilevel
perspective. Academy of Management Review, 32(1), 180–194.
Lyytinen, K., Yoo, Y., & Boland, R. J., Jr. (2016). Digital product innovation within four classes of
innovation networks. Information Systems Journal, 26(1), 47–75.
Matt, C., Hess, T., & Benlian, A. (2015). Digital transformation strategies. Business & Information
Systems Engineering, 57(5), 339–343.
Miles, M. B., & Huberman, A. M. (1994). Qualitative data analysis. SAGE Publications.
Morris, D., Madzudzo, G., & Perez, A. G. (2018). Cybersecurity and the auto industry: The growing
challenges presented by connected cars. International Journal of Automotive Technology and
Management, 18(2), 105–118.
Nambisan, S. (2017). Digital entrepreneurship: Toward a digital technology perspective of entre-
preneurship. Entrepreneurship Theory and Practice, 41(6), 1029–1055.
Nambisan, S. (2018). Architecture vs. ecosystem perspectives: Reflections on digital innovation.
Information and Organization, 28(2), 104–106.
Nambisan, S., Lyytinen, K., Majchrzak, A., & Song, M. (2017). Digital innovation management:
Reinventing innovation management research in a digital world. MIS Quarterly, 41(1), 223–238.
Porter, M. E., & Heppelmann, J. E. (2014). How smart, connected products are transforming com-
petition. Harvard Business Review, 92(11), 64–88.
Ross, J. W., Sebastian, I. M., Beath, C., Mocker, M., Moloney, K. G., & Fonstad, N. O. (2016). De-
signing and executing digital strategies. In Thirty seventh international conference on informa-
tion systems. Association for Information Systems.
Schumpeter, J. A. (1912). Theorie der wirtschaftlichen Entwicklung. Duncker & Humblot.
Sebastian, I. M., Ross, J. W., Beath, C., Mocker, M., Moloney, K. G., & Fonstad, N. O. (2017). How
big old companies navigate digital transformation. MIS Quarterly Executive, 16(3), 197–213.
Svahn, F., Mathiassen, L., & Lindgren, R. (2017). Embracing digital innovation in incumbent firms:
How Volvo cars managed competing concerns. MIS Quarterly, 41(1), 239–253.
Teece, D. J. (2010). Business Models, Business Strategy and Innovation. Long Range Planning,
43(2-3), 172–194.
Teece, D. J. (2018). Profiting from innovation in the digital economy: Enabling technologies, stan-
dards, and licensing models in the wireless world. Research Policy, 47(8), 1367–1387.
Töytäri, P., Turunen, T., Klein, M., Eloranta, V., Biehl, S., & Rajala, R. (2018). Aligning the mindset
and capabilities within a business network for successful adoption of smart services. Journal of
Product Innovation Management, 35(5), 763–779.
13 Digitale Transformation: etablierte Unternehmen im Spannungsfeld zwischen … 373
Vial, G. (2019). Understanding digital transformation: A review and a research agenda. The Journal
of Strategic Information Systems, 28(2), 118–144.
Wiesböck, F., Hess, T. (2020). Digital innovations. Embedding in organizations, Electronic Markets,
30(1), 75–86.
Winkelhake, U. (2021). Die digitale Transformation der Automobilindustrie. Springer.
Yin, R. K. (2018). Case study research and applications – Design and methods (6. Aufl.). SAGE
Publications.
Yoo, Y. (2010). Computing in everyday life: A call for research on experiential computing. MIS
Quarterly, 34(2), 213–231.
Yoo, Y., Henfridsson, O., & Lyytinen, K. (2010). Research commentary: The new organizing logic
of digital innovation: An agenda for information systems research. Information Systems Re-
search, 21(4), 724–735.
Yoo, Y., Bolund, R. J., Lyytinen, K., & Majchrzak, A. (2012). Organizing for innovation in the digi-
tized world. Organization Science, 23(5), 1398–1408.
Yoo, Y. (2013). The Tables Have Turned: How Can the Information Systems Field Contribute to
Technology and Innovation Management Research?. Journal of the Association for Information
Systems, 14(5), 227–236.
Dr. Micha Bosler war von 2015 bis 2022 akademischer Mitarbeiter
bei Prof. Dr. Wolfgang Burr am Lehrstuhl für ABWL, insb. Innovati-
ons- und Dienstleistungsmanagement des Betriebswirtschaftlichen
Instituts der Universität Stuttgart. Im Jahr 2017 schloss er sein Stu-
dium der technisch orientierten Betriebswirtschaftslehre an der Uni-
versität Stuttgart mit Auszeichnung ab und verfasste anschließend
seine Dissertation auf dem Gebiet der digitalen Innovationen. Seit
2022 ist Micha Bosler bei der Daimler Truck AG als Market Intelli-
gence Manager für digitale Services tätig.
Soziotechnisches Risikomanagement als
Erfolgsfaktor für die Digitale 14
Transformation
Zusammenfassung
Im folgenden Kapitel wird gezeigt, wie das Risikomanagement die Einführung von
digitalen Technologien vor soziotechnischem Hintergrund unterstützen kann. Dazu
werden zunächst Potenziale der Digitalen Transformation für Unternehmen und deren
Schlüsselwörter
14.1 Einleitung
Risiken, die mit der Implementierung neuer Technologien einhergehen. Diese sind nicht
ausschließlich technischer Natur, sondern betreffen den Menschen und die Organisation
gleichermaßen (Hirsch-Kreinsen & Weyer, 2014; Ulich, 2013). Denn selbst wenn die Ein-
führung einer technischen Lösung gelingt, ist der nutzenstiftende Betrieb darüber hinaus
abhängig von dazu passenden Prozessen, organisationalen Strukturen sowie der Kompe-
tenz und der Akzeptanz der Mitarbeiter, diese zu nutzen. Die integrative Betrachtung der
Dimensionen Mensch, Technologie und Organisation charakterisiert das sogenannte
soziotechnisches Systemverständnis (Ulich, 2013). Durch die Interdependenzen der Di-
mensionen entstehen Risiken, die einer erfolgreichen Implementierung und Nutzung einer
digitalen Lösung entgegenstehen können. Die Planung der digitalen Transformation er-
fordert folglich die frühzeitige Identifikation und Bewertung soziotechnischer Risiken, um
deren Kritikalität bewerten und geeignete Maßnahmen einleiten zu können.
Das klassische Risikomanagement liefert eine Vielzahl von Werkzeugen und Rahmen-
werken, die disziplinspezifisch bereits etabliert sind. Durch die bei der digitalen Trans-
formation vorherrschenden soziotechnischen Wechselwirkungen bedarf es jedoch einer
disziplinübergreifenden Denkweise innerhalb des Risikomanagements. Im folgenden Bei-
trag wird daher auf die soziotechnischen Herausforderungen der digitalen Transformation
eingegangen und gezeigt, welche Implikationen sich daraus für das Risikomanagement
ergeben. Weiterhin wird ein Vorgehensmodell vorgestellt, anhand dessen gezeigt wird, wie
soziotechnische Risiken identifiziert, bewertet und mit Handlungsoptionen adressiert wer-
den können. Das Vorgehen wurde im Forschungsprojekt SORISMA1 – Soziotechnisches
Risikomanagement bei der Einführung von Industrie 4.0 – erarbeitet und validiert.
Das Verbundprojekt aus neun Partnern wird aus Mitteln des Europäischen Fonds für regionale Ent-
1
wicklung NRW (EFRE.NRW) mit einem Fördervolumen von rund 2,7 Millionen Euro unterstützt.
Betreut wird das Projekt mit einer Laufzeit von drei Jahren durch die LeitmarktAgentur.NRW.
378 J. S. Menzefricke et al.
Abb. 14.1 Design Science Research nach Hevner et al., (2004). (Quelle: Eigene Darstellung)
14 Soziotechnisches Risikomanagement als Erfolgsfaktor für die Digitale Transformation 379
Im folgenden Abschnitt wird auf die wesentlichen Potenziale der digitalen Trans-
formation eingegangen und im Zuge der Forschungsmethodik die Umgebung charakteri-
siert. Dabei wird gezeigt, in welchen Bereichen der Wertschöpfung Potenziale entstehen
und in welcher Form diese genutzt werden können. Weiterhin wird gezeigt, welchen
soziotechnischen Herausforderungen sich Unternehmen bei der Hebung dieser Poten-
ziale konfrontiert sehen.
Die digitale Transformation wird unter anderem durch eine stets wachsende Produkt-
varianz, den Markteintritt branchenfremder Konkurrenten sowie den Bedarf neuer Wert-
schöpfungspartner charakterisiert. Innovative digitale Technologien ermöglichen in die-
sem Zusammenhang eine flexible Produktion und effiziente Zusammenarbeit innerhalb
dynamischer Wertschöpfungsnetzwerke.
sche Auswertung von Transport- und Lagerdaten in Echtzeit. Wird beispielsweise eine
LKW-Flotte erfasst, können Gesamtoptima der Routen und Transportmengen für spezi-
fische Güter bestimmt werden (Wildemann, 2018b).
Abschließend lässt sich festhalten, dass die Potenziale der digitalen Transformation in
allen Bereichen der Wertschöpfung nutzbar sind, um die Effizienz und Flexibilität von
Unternehmen zu steigern. Damit Unternehmen diese Potenziale heben können, müssen
jedoch notwendige Rahmenbedingungen geschaffen werden. Bei diesen Rahmen-
bedingungen gilt es nicht lediglich bestehende technische Schnittstellen zu berück-
sichtigen und ggf. anzupassen, sondern vielmehr alle von der Einführung neuer Techno-
logie beteiligten Aspekte in gleichem Maße zu berücksichtigen. Als strukturgebender
Rahmen für diese Aspekte hat sich das soziotechnische Systemverständnis etabliert. Damit
einhergehende Herausforderungen werden im folgenden Abschnitt beschrieben.
Viele Unternehmen zögern bei der Umsetzung digitaler Lösungen. Dabei sind es oftmals
nicht die technischen Herausforderungen, die Unternehmen zögern lassen, sondern viel-
mehr schwer abschätzbare Auswirkungen in Bezug auf die Faktoren Organisation und
Mensch. Denn auch wenn neue Technologien reibungslos implementiert werden, hängt
deren effiziente Nutzung davon ab, ob z. B. betroffene Prozesse angepasst, Kompetenzen
der Mitarbeitenden erweitert sowie die Akzeptanz der Belegschaft gewonnen werden. Ein
Unternehmen stellt somit ein sogenanntes soziotechnisches System dar. Das Konzept der
soziotechnischen Systemtheorie stellt dabei technologische, organisatorische und mensch-
382 J. S. Menzefricke et al.
Ein soziotechnisches System kann als eine Produktionseinheit verstanden werden, die aus
interdependenten technologischen, organisatorischen und personellen Teilsystemen besteht.
Zwar begrenzt das technologische Teilsystem die Gestaltungsmöglichkeiten der beiden ande-
ren Teilsysteme, jedoch weisen diese eigenständige, soziale und arbeitspsychologische Eigen-
schaften auf, die wiederum auf die Funktionsweise des technologischen Teilsystems zurück-
wirken. Zudem steht das Gesamtsystem stets in enger Wechselwirkung mit seinen
Umweltbedingungen. (Hirsch-Kreinsen & Weyer, 2014, S. 11; Rice, 1963, S. 181)
Bei der Gestaltung soziotechnischer Systeme hat sich der MTO-Ansatz (Mensch, Technik,
Organisation) nach (Ulich, 2013) etabliert. Den Mittelpunkt des Ansatzes bildet eine
Arbeitsaufgabe. Bei der Lösung einer solchen Aufgabe wird eine gemeinsame Optimie-
rung von Mitarbeitern/Mitarbeiterinnen (Dimension Mensch), dem Technikeinsatz (Di-
mension Technik) und der Organisationsgestaltung (Dimension Organisation) im Ein-
klang mit der Umwelt angestrebt (Ulich, 2013).
In der Literatur existieren unterschiedliche Verständnisse über die zu berücksichtigenden
Bestandteile der drei Dimensionen Mensch, Organisation und Technik. Für die Digitale
Transformation wird in dem folgenden Beitrag der soziotechnische Strukturierungs-
rahmen nach (Hobscheidt et al., 2020) herangezogen (siehe Abb. 14.2). Dieser stellt auf
Basis einer Literaturanalyse ein allgemeingültiges Referenzwerk für die relevanten Kom-
ponenten der drei soziotechnischen Dimensionen bereit. Dabei liegt der Fokus auf den
einzelnen Dimensionen Mensch, Organisation und Technologie selbst, weniger auf deren
Wechselwirkungen.
Die Dimension Technologie setzt sich aus den Komponenten Automatisierung,
IT-Systeme und Datenmanagement zusammen. Die Automatisierung kann dabei durch
Merkmale wie die Höhe des Automatisierungsgrads oder den Einsatz von Informations-
und Kommunikationstechnologie zur Prozessautomatisierung charakterisiert werden. Die
Komponente IT-Systeme bezieht sich u. a. auf die IT-Infrastruktur eines Unternehmens.
Hierbei sind Merkmale wie die Softwareunterstützung, durchgängige Schnittstellen-
gestaltung oder Technologien für die IT-Sicherheit von Relevanz. Im Rahmen der Kompo-
nente Datenmanagement wird der Grad sowie die zweckmäßige Nutzung von Daten adres
siert (Hobscheidt et al., 2020).
Die Dimension Mensch wird in dem Strukturierungsrahmen durch die Komponen-
ten Qualifizierung, Arbeitsaufgaben, Zusammenarbeit sowie Arbeitsstrukturen ge-
formt. Die Komponente Qualifizierung zielt dabei auf die Aus- und Weiterbildung der
Mitarbeiter/Mitarbeiterinnen und fokussiert Kompetenzen und Fähigkeiten der Arbeit-
nehmenden sowie Lern- und Qualifikationsprozesse. Charakteristisch für die Kompo-
nente Arbeitsaufgaben sind bspw. die Merkmale Eigenverantwortung, Arbeitsinhalte
sowie Arbeitsanforderungen. Unter der Komponente Zusammenarbeit wird die Inter-
aktion zwischen den Mitarbeitern/Mitarbeiterinnen selbst sowie den Maschinen ver-
14 Soziotechnisches Risikomanagement als Erfolgsfaktor für die Digitale Transformation 383
standen. Hierbei werden insbesondere der Grad der Interdisziplinarität sowie die in-
tuitive Mensch-Maschine Interaktion betrachtet. Im Rahmen der Komponente
Arbeitsstrukturen werden die Bedingungen am Arbeitsplatz berücksichtigt, indem
bspw. ergonomische Anforderungen oder Aspekte der Arbeitssicherheit einbezogen
werden (Hobscheidt et al., 2020).
Die Spezifizierung der Dimension Organisation erfolgt durch die Komponenten Kul-
tur, Prozesse und Organisation sowie Wissen. Die Komponente Kultur bezieht sich dabei
auf die Unternehmenskultur der Organisation und adressiert die Mitarbeiterpartizipation,
eine Sensibilisierung für Veränderungen sowie die Fehlerkultur. Fokus der Komponente
Prozesse & Organisation stellt die Ablauforganisation des Unternehmens dar. Merkmale
wie Prozesstransparenz, Integration neuer Geschäftsprozesse oder die Prozessvernetzung
werden in dieser Komponente untersucht. Der Umgang mit Wissen im Unternehmen wird
384 J. S. Menzefricke et al.
durch die Komponente Wissen in der Dimension Organisation abgebildet. Aspekte wie die
Existenz fachübergreifenden Wissens im Unternehmen sowie die Wissensgenerierung und
der Wissenstransfer werden dabei zur Gestaltung der Komponente berücksichtigt (Hob-
scheidt et al., 2020).
Die Vielzahl der zu berücksichtigenden Komponenten innerhalb des soziotechnischen
Systems zeigt, dass die Einführung digitaler Lösungen kein einfaches Unterfangen ist und
mit weitreichenden Veränderungen einhergeht. Damit aus notwendigen Veränderungen
nicht den Erfolg gefährdende Risiken entstehen, müssen sich Unternehmen dieser früh-
zeitig bewusst werden und adäquate Gegenmaßnahmen erarbeiten.
Ziel des folgenden Abschnitts ist die Charakterisierung des Betrachtungsbereichs Wissens-
basis der zugrundeliegenden Forschungsmethodik. In diesem Zuge werden die Grund-
lagen des Risikomanagements sowie deren theoretischen Zusammenhänge erläutert. An-
schließend werden die Herausforderungen im Kontext der Digitalen Transformation
abgeleitet.
Die Digitale Transformation stellt Unternehmen vor die Herausforderung, einerseits das
aktuelle Tagesgeschäft möglichst erfolgreich abzuwickeln und sich andererseits gleich-
zeitig gut für die Zukunft aufzustellen. Hierbei bringen Investitionen in digitale Lösungen
hohe Risiken mit sich, denn der aktuelle Gewinn verringert sich und es besteht Unsicher-
heit, ob die Lösung in Zukunft tatsächlich den erhofften Mehrwert erbringt (Oehmen,
2019). Neben bekannten Risiken („known unknowns“) existieren auch zunächst noch un-
bekannte Risiken („unknown unknowns“). Methoden und Werkzeuge des Risiko-
managements können Unternehmen dabei unterstützen, diese Risiken zu identifizieren, zu
bewerten und zu steuern (Romeike, 2018).
nen. Das Ergebnis eines Ereignisses wird als Auswirkung bezeichnet (DIN Deutsches In-
stitut für Normung e.V., 2018).
Besonders relevant für den vorliegenden Beitrag ist der Ansatz nach (Hopfener & Bier,
2018). Die Autoren betrachten das Risikomanagement vor dem Hintergrund der Digitali-
sierung und sehen das Risikomanagement durch die Digitalisierung zukünftig in eine neue
Rolle gerückt. Eine zunehmende Bedeutung der beratenden Funktion des Risiko-
managements sowie einer mit der Unternehmensstrategie abgestimmten Steuerungs-
funktion wird erwartet. Um die Unternehmensziele risiko-orientiert zu steuern, ist eine aus
der Unternehmensstrategie abgeleitete Risikostrategie erforderlich. Die aus dem Risiko-
14 Soziotechnisches Risikomanagement als Erfolgsfaktor für die Digitale Transformation 387
Die digitale Transformation stellt das Risikomanagement insbesondere vor dem Hinter-
grund des soziotechnischen Ansatzes vor neue Herausforderungen. Durch die Einführung
von Digitalisierungsinitiativen treten Veränderungen in den Dimensionen Mensch, Techno-
logie und Organisation auf, welche die Ursachen für die Entstehung von Risiken darstellen.
So kann z. B. die Einführung eines fahrerlosen Transportsystems eine Veränderung der
Arbeitsaufgaben mit sich führen. Hierdurch ergeben sich neue Kompetenzanforderungen
für die Mitarbeiter. Gleichzeitig verändern sich auch die Abläufe innerhalb der Logistik,
wodurch sich die Struktur der Organisation ändern kann, indem Abteilungsgrenzen auf-
gelöst werden. Beide Veränderungen können sich bspw. negativ auf die Akzeptanz der Mit-
arbeiter auswirken. Auf technologischer Ebene entstehen ebenfalls Risiken, wie z. B. der
Ausfall eines FTS durch einen Produktionsfehler, wodurch die negativen Auswirkungen
auf die Akzeptanz noch verstärkt werden. Das Beispiel zeigt die starke Vernetzung der
Risikoursachen zwischen den einzelnen soziotechnischen Dimensionen, wodurch die Be-
drohungslage für das Scheitern der Digitalisierungsinitiative an Dynamik gewinnt. Die Ver-
netzung stellt aber nur einen von vielen Gründen dar, warum Unternehmen Schwierigkeiten
bei der digitalen Transformation haben (Boehm & Smith, 2021; Staufen, 2019). So be-
stätigt eine Studie von McKinsey & Company, dass das Risikomanagement mit der digita-
len Transformation bisher nicht Schritt halten konnte (Boehm & Smith, 2021). Vor diesem
Hintergrund sind geeignete Managementansätze zur Risikobeurteilung, -behandlung
sowie Überwachung und Überprüfung der auftretenden Risiken zu entwickeln. Risiko-
beurteilung: Das größte Hindernis besteht für die Unternehmen insbesondere darin, dass
bei der Einführung von Digitalisierungsinitiativen auftretende Risiken bisher verbogen
bleiben. So können Unternehmen zwar häufig einzelne Risiken benennen, es bestehen aber
Schwierigkeiten, diese in einen Gesamtzusammenhang zu stellen. Dabei verlieren sie sich
388 J. S. Menzefricke et al.
häufig im Detail (Boehm & Smith, 2021; Staufen, 2019). Die Identifikation von Wechsel-
wirkungen zwischen Ursache, Risiko und Wirkung erfordert jedoch eine übergeordnete
Perspektive und die Fähigkeit, dies in einen ganzheitlichen Zusammenhang zu setzen.
Daher muss die Vergleichbarkeit der einzelnen Risiken hergestellt werden, um die gegen-
seitigen Einflüsse analysieren zu können. Vor diesem Hintergrund besteht der Bedarf an
einer Sammlung von generischen soziotechnischen Risiken (sogenannter Risikotypen),
welche die Stolpersteine in den Dimensionen Mensch, Technologie und Organisation auf-
decken und leicht auf weitere Digitalisierungsmaßnahmen zu übertragen sind (Schnasse
et al., 2021). Dabei stellt die Informationsbeschaffung die schwierigste Phase im gesamten
Risikomanagementprozess dar, die aber gleichzeitig eine Schlüsselfunktion für die nach-
folgenden Phasen innehat. Daher besteht ein hoher Anspruch an Vollständigkeit, welcher
nur durch die Erfassung der Veränderungen bei der Einführung von Digitalisierungs-
initiativen erreicht werden kann (Ellebracht et al., 2011; Romeike, 2018). Denn die Ver-
änderungen stellen die Auslöser für die Entstehung von Risiken dar (Romeike, 2018). Da
rüber hinaus ist es wichtig, die Risiken nicht isoliert voneinander zu betrachten, da sie
durch komplexe Ursache-Wirkungs-Ketten und nichtdeterministische Abhängigkeiten mit-
einander verknüpft sind. Denn jedes Risiko basiert auf einer oder mehreren Ursachen und
führt zu verschiedenen Auswirkungen, die in ihrer Gesamtheit eine Kette bilden (Klein &
Gleißner, 2017; Romeike, 2018). Dies gilt auch für die Abhängigkeiten zwischen den Di-
mensionen aus dem oben erläuterten soziotechnischen System (Anderson & Felici, 2012;
Baxter & Sommerville, 2011; Ulich, 2013). Die ermittelten Abhängigkeiten der Risiken
können zudem in der Risikobewertung genutzt werden, um ein besseres Verständnis für die
Eintrittswahrscheinlichkeit der Risiken zu erhalten. Zudem können weitere Forschungs-
aktivitäten aufzeigen, ob das Schadensausmaß eines soziotechnischen Risikos zum Teil
auch auf dessen Wechselwirkungen zurückzuführen ist (Schnasse et al., 2021). Vor diesem
Hintergrund ist die ganzheitliche Identifikation der auftretenden soziotechnischen Risiken
unter Berücksichtigung ihrer Zusammenhänge von hoher Bedeutung, um eine nachhaltige
digitale Transformation zu gewährleisten. Risikobehandlung: Da viele Unternehmen un-
sicher in Bezug auf den Umgang mit den auftretenden Risiken sind, sind auf Basis der
Wechselwirkungen zwischen den Risiken konkrete Risikostrategien und Maßnahmen zur
Vermeidung oder Reduzierung der Risiken herzuleiten (Boehm & Smith, 2021). Dabei gilt
es, sowohl die Eintrittswahrscheinlich als auch die möglichen Auswirkungen bei Eintritt
eines Risikos bei der Wahl einer geeigneten Handlungsoption zu berücksichtigen. Es lassen
sich insbesondere zwei Prinzipien der Risikobehandlung identifizieren. Das Prinzip der
Risikobegrenzung zielt darauf ab, die Auswirkungen eines Risikos möglichst gering zu
halten. Die Minderung der Eintrittswahrscheinlichkeit wird durch das Prinzip der Risiko-
vermeidung adressiert. Neben diesen Prinzipien gibt es im Allgemeinen noch die Risiko-
akzeptanz, -vorsorge und -überwälzung (Klein, 2011). Dabei wird bei der Risikoakzeptanz
auf die Durchführung von Maßnahmen verzichtet. Im Fall der Risikovorsorge werden Re-
serven (bspw. finanzielle Mittel) für den Eintrittsfall eines Risikos gebildet. Die Über-
wälzung umfasst den Transfer von Auswirkungen auf Dritte, bspw. das Abschließen einer
Versicherung gegen einen möglichen Schadensfall oder Haftungsklauseln bei der Zu-
14 Soziotechnisches Risikomanagement als Erfolgsfaktor für die Digitale Transformation 389
sammenarbeit mit Partnern (Gausemeier et al., 2017; Klein, 2011). Überwachen und
Überprüfen: Risikomanagement ist ein dynamischer Prozess, da sich die Eintrittswahr-
scheinlichkeiten und Schadenshöhen einzelner Risiken stetig verändern können (Romeike,
2018; Wolke, 2007). Aus diesem Grund bedarf es einer kontinuierlichen Risiko-Über-
wachung und -Überprüfung. Ihre wesentliche Aufgabe ist es, risikofördernde Ent-
wicklungen im besten Fall bereits vor dem Risikoeintritt aufzudecken und die Wirkung von
ergriffenen Maßnahmen zu überprüfen (DIN Deutsches Institut für Normung e.V., 2014).
Grundlegend hierfür ist vor dem Hintergrund der digitalen Transformation die Entwicklung
von soziotechnischen Risikoindikatoren, durch die eine solche Überwachung und Über-
prüfung erst ermöglicht wird. Diese Indikatoren können sowohl qualitativer (schwache Si-
gnale) als auch quantitativer (Kennzahlen) Natur sein und dienen konkret dem Monitoring
von Risikofaktoren, welche wiederum zum Eintritt eines oder mehrerer Risiken führen
können (Romeike & Hager, 2020). Durch Kombination verschiedener Risikoindikatoren
lassen sich letztendlich Muster identifizieren und Risikoklassen festlegen.
Eine entscheidende Rolle spielt in diesem Zusammenhang auch die Etablierung neuer
oder die Anpassung bereits bestehender Risikomanagement-Prozesse (Boehm & Smith,
2021). Erst hierdurch kann ein Rahmenwerk zum soziotechnischen Risikomanagement
entstehen, welches die Kausalbeziehungen der soziotechnischen Dimensionen berück-
sichtigt.
Die digitale Transformation umfasst eine Vielzahl von technologischen Lösungen, die in
ihrer Gesamtheit die Digitalisierung von Unternehmen beschreibt. Diese Lösungen rei-
chen von der Nutzung von Augmented Reality-Anwendungen in der Montage über fahrer-
lose Transportsysteme bis hin zur ganzheitlichen Digitalisierung der Wertschöpfungs-
prozesse eines Unternehmens. Die Granularität dieser technischen Lösungen, die durch
das Risikomanagement zu begleiten sind, variiert daher enorm. Darüber hinaus haben die
technologischen Lösungen in der Regel Auswirkungen auf den Menschen und die Organi-
sation. Diese Eigenschaft überträgt sich daher auch auf daraus resultierende Risiken. Den
Begriff Risiko als ausschließlichen Begriff zur Strukturierung der Zusammenhänge des
Risikomanagements zu nutzen, erscheint nicht zielführend. Insbesondere, da Risiken sich
aufgrund unterschiedlicher Granularität nicht grundsätzlich vergleichen lassen, gilt es re-
levante Begriffe zu definieren, die eine Betrachtung über verschiedene inhaltliche Ebenen
ermöglichen. Daher wurde im Zuge der Erarbeitung dieses Beitrags ein Strukturierungs-
rahmen entwickelt, der die relevanten Begriffe und ihre Zusammenhänge transparent
darstellt und als Bezugsobjekt des später folgenden Vorgehensmodells dient. Der
Risikomanagement-Strukturierungsrahmen ordnet die einzelnen Begriffe des Risiko-
managements unter Einbezug der vier Transformationsperspektiven (soziotechnisches
System, Modell der Wertschöpfungskette, Managementebenen und strategischen Stoß-
390 J. S. Menzefricke et al.
durchgeführt werden. Als Folge liegen Datensätze mit einer mangelhaften Qualität vor.
Wird dieser Datensatz anschließend verwendet, um auf Basis daraus ermittelter Informa-
tionen organisatorische Handlungsempfehlungen zu treffen, können diese falsch sein. Der
daraus resultierende Schaden führt wiederum zu einer steigenden Skepsis gegenüber der
technologischen Leistungsfähigkeit von verwendeten Systemen. Dieses Beispiel ver-
anschaulicht die komplexen Wechselwirkungen, die es beim Risikomanagement im Kon-
text der Digitalen Transformation zu berücksichtigen gilt.
Im folgenden Kapitel wird ein Vorgehensmodell vorgestellt, mit Hilfe dessen die Ein-
führung eines Use Cases Risiko-gerecht durchgeführt werden kann. Dies orientiert sich
grundsätzlich an den Phasen des Risikomanagementprozesses. In der ersten Phase werden
zunächst Use Case-bedingte Veränderungen identifiziert und in Ursachen, Risiken und
Auswirkungen überführt. Anschließend findet in der zweiten Phase die Risikobewertung
statt. Dabei werden die identifizierten Risiken anhand der Schadenshöhe und Eintritts-
wahrscheinlichkeit bewertet. Zusätzlich wird dabei der digitale Reifegrad eines Unter-
nehmens erhoben, um kritische Komponenten des soziotechnischen Systems zu identi-
fizieren. Auf Basis dieser kritischen Komponenten werden in der dritten Phase
Handlungsoptionen ermittelt. Diese dienen zur Gestaltung der Komponenten, um die Ein-
trittswahrscheinlichkeit bzw. die Schadenshöhe eines Risikos zu mindern.
392 J. S. Menzefricke et al.
Abb. 14.6 Vereinfachte Darstellung des Use Case Radars. (Quelle: Eigene Darstellung)
Abb. 14.7 Vorgehensmodell für das soziotechnische Risikomanagement. (Quelle: Eigene Dar-
stellung)
Abb. 14.8 Beispielhaft ausgefüllte Risiko-Canvas in der Dimension Mensch. (Quelle: Eigene Dar-
stellung in Anlehnung an Schnasse et al. (2020))
Abb. 14.9 Beispielhafte Bow-Tie-Analyse für das Risiko Fehlende Kompetenzen im Bereich
Datenmanagement. (Quelle: Eigene Darstellung)
396 J. S. Menzefricke et al.
Für die Bewertung der Schadenshöhe wurden Kriterien für die jeweiligen Komponen-
ten der Dimensionen ermittelt und in Form eines Bewertungsbogens konsolidiert. So wird
die Auswirkung eines Risikos in der Komponente „IT-Systeme“ u. a. durch die Kriterien
Verschlechterung der Systemstabilität, Auftreten von unbefugten Systemzugriffen sowie
steigende Anzahl von Datenverlusten/-fehlern ermittelt. Die Bewertung folgt beispiels-
weise der Frage „Wie wirkt sich das Risiko auf die Systemstabilität aus, wenn es auftritt?“
Die Bewertungsskala umfasst vier Stufen. Sie trifft Aussagen über den Schaden, den das
Unternehmen erleiden würde, sofern das Risiko innerhalb einer Komponente auftritt. Auf
der ersten Stufe sind nur einzelne Prozessschritte betroffen, die in ihrer Effizienz ein-
14 Soziotechnisches Risikomanagement als Erfolgsfaktor für die Digitale Transformation 397
Abb. 14.10 Ermittlung des digitalen Reifegrads im Kontext eines Use Cases. (Quelle: Eigene Dar-
stellung)
398 J. S. Menzefricke et al.
geschränkt werden. Das Prozessergebnis ist in diesem Fall nicht betroffen. Die zweite
Stufe umfasst entstehende Schäden, die vollständige Prozesse beeinflussen und ein Ein-
greifen erfordern. Die dritte Stufe adressiert Auswirkungen, die gleichermaßen ver-
schiedene Prozesse betreffen und darüber hinaus zu einer erheblichen Beeinträchtigung
der P roduktionsaktivitäten führen. Stufe vier charakterisiert den größten Schaden. In die-
sem Falle werden durch das Risiko ganze Geschäftsaktivitäten stillgelegt und es erfordert
viel Aufwand, um diesen Schaden zu beheben.
Die Eintrittswahrscheinlichkeit setzt sich aus zwei Bestandteilen zusammen. Zum
einen aus einer individuellen Bewertung von Unternehmensvertretern bzgl. der Eintritts-
wahrscheinlichkeit und zum anderen aus der Passivsumme der Wechselwirkungen der zu-
gehörigen Risikotypen. Im Folgenden wird auf diese beiden Bestandteile eingegangen.
Die Unternehmensvertreter schätzen die Eintrittswahrscheinlichkeit der Risiken individu-
ell mithilfe von vier Aussagen ein, die durch eine Likert Skala bewertet werden. So kann
die Aussage „Es gibt bereits erste Anzeichen/Risikoursachen für das Eintreten des Risi-
kos“ mit stimme nicht zu, stimme eher nicht zu, stimme eher zu oder stimme zu be-
antwortet werden. Weiterhin wurden im Rahmen der Ermittlung der Eintrittswahrschein-
lichkeit 27 Risikotypen anhand einer Literaturrecherche ermittelt. Diesen Risikotypen
können die spezifisch identifizierten Risiken zugeordnet werden. So umfasst bspw. der
Risikotyp „Kompetenzmangel“ eine Vielzahl an identifizierten, spezifischen Risiken, wie
mangelnde IT-Fähigkeiten, mangelnde soziale Kompetenzen etc. Die Betrachtung all-
gemeingültiger Risikotypen erlaubt eine Analyse deren Wechselwirkungen. Im Speziellen
fließt die Passivsumme der Wechselwirkungen in die Ermittlung der Eintrittswahrschein-
lichkeit ein. Die Passivsumme beschreibt, wie stark ein Risikotyp, und somit das be-
trachtete Risiko, von den anderen Risikotypen beeinflusst wird. Wird ein Risikotyp stark
beeinflusst, wird von einer höheren Eintrittswahrscheinlichkeit ausgegangen (Schnasse
et al., 2021). Zur Ermittlung der Passivsumme wurde eine Einflussanalyse der Risikotypen
durchgeführt und bewertet, wie stark ein Risikotyp die anderen beeinflusst. Die dazu ver-
wendete Bewertungsskala umfasst 0 (kein Einfluss), 1 (bedingter Einfluss) und 2 (starker
Einfluss).
Das Ergebnis der zusammenfassenden Bewertung wird in Form eines Portfolios mit der
Eintrittswahrscheinlichkeit auf der x-Achse und der Schadenshöhe auf der y-Achse dar-
gestellt. Darüber hinaus können aus dieser Darstellung verschiedene Bedrohungslevel
innerhalb der soziotechnischen Komponenten (vgl. Abschn. 14.2.3) je Risiko ab-
gelesen werden.
Abb. 14.11 Transfer der Risikobewertung in das Netzdiagramm am Beispiel des Risikos Fehlende
Kompetenzen im Bereich Datenmanagement. (Quelle: Eigene Darstellung)
400 J. S. Menzefricke et al.
Insgesamt enthält der Steckbrief fünf wesentliche Informationen. Jedes Risiko wird im
betrachteten Kontext beschrieben (1). Außerdem werden zuvor identifizierte Risiko-
ursachen (z. B. Fehlende Entwicklungsmöglichkeiten) und -auswirkungen (z. B. Man-
gelndes Lernen aus Fehlern) dem betrachteten Risiko zugeordnet. Zentraler Aspekt des
Steckbriefs ist das Netzdiagramm sowie die Risikobewertung (vgl. Abschn. 14.4.2.2). Das
in der Risikobewertung entstehende Netzdiagramm beinhaltet den Digitalen Reifegrad
sowie das ermittelte Risikoprofil. Die dargestellte Bewertung der Schadenshöhe und Ein-
trittswahrscheinlichkeit zeigt eine Tendenz, ob innerhalb der Komponenten eher die Ein-
trittswahrscheinlichkeit oder die Schadenshöhe die ausschlaggebende Dimension für
einen hohen Bedrohungsgrad darstellt. Auf Basis der kritischen Komponenten, Ursachen
und Auswirkungen sowie der Tendenz der Risikobewertung können im nächsten Schritt
Handlungsoptionen ermittelt werden.
Abb. 14.13 Roadmap der Handlungsoptionen zur Risikobehandlung. (Quelle: Eigene Darstellung)
von Auswirkungen im Vorfeld geplant. Auf Basis dieser Roadmap können konkrete Maß-
nahmen erarbeitet werden, die die Ausgestaltung der Handlungsoptionen ermöglichen.
Abb. 14.13 zeigt einen Ausschnitt der Roadmap für das Risiko Fehlende Kompetenzen.
Dabei werden die Handlungsoptionen je soziotechnischer Dimension aufgeführt und an-
hand des zugehörigen Zeitstrahls hinsichtlich präventiver oder reaktiver Eigenschaft cha-
rakterisiert. Demnach sollte die Führungsseitige Initiierung der Weiterentwicklung
der Mitarbeiter kontinuierlich erfolgen, unabhängig davon, ob das Risiko eintritt. Agile
Projektteams für konkrete Arbeitsaufgaben können hingegen eher reaktiv als Maßnahme
dienen, um spontan auftretende Kompetenzlücken kurzfristig zu füllen. Zusätzlich kann
die Integration neuer IT-Systeme in eine homogene, bestehende Systemlandschaft dazu
dienen, die benötigten Kompetenzen zur Bedienung gering zu halten. Das Ergebnis der
Risikosteuerung sind zeitlich strukturierte Handlungsoptionen für die jeweiligen kriti-
schen Komponenten eines betrachteten Risikos.
Zusammenfassung
wertung und Ermittlung von Handlungsoptionen ermöglichen. Dabei fokussiert die Identi-
fikation das strukturierte Ermitteln von Veränderungen und das Ableiten von Ursachen,
Risiken und Auswirkungen. Die Bewertung berücksichtigt den digitalen Reifegrad eines
Unternehmens, um in Kombination mit der Schadenshöhe und Eintrittswahrscheinlichkeit
gefährdete Komponenten des soziotechnischen Systems zu identifizieren. Für die Er-
mittlung der Handlungsoptionen zur Gestaltung der gefährdeten Komponenten wurde ein
Set von strategischen Variablen und Ausprägungen erarbeitet. Durch eine Konsistenz-
bewertung wurden schließlich Handlungsoptionen ermittelt, die zur Minimierung bzw.
Begrenzung von Risiken eingesetzt werden können.
Es wurde gezeigt, dass bestehende Ansätze des Risikomanagements den sozio-
technischen Charakter der digitalen Transformation und dessen Zusammenhänge nicht
ausreichend berücksichtigen. Der vorliegende Beitrag strukturiert daher Risiken, die im
Zuge der Einführung digitaler Lösungen auftreten können, mit Hilfe des soziotechnischen
Systemansatzes und liefert ein geeignetes Rahmenwerk zur Identifikation, Bewertung und
Steuerung von soziotechnischen Risiken. Dabei werden insbesondere die vorherrschenden
Wechselwirkungen und digitale Reifegrad eines Unternehmens mit ins Kalkül gezogen,
um die Risikoanfälligkeit innerhalb soziotechnischer Systemkomponenten zu identi-
fizieren. Das Vorgehen ermöglicht es Unternehmen, die Komplexität des Risiko-
management vor soziotechnischem Hintergrund zu verringern und zielgerichtet Maß-
nahmen für die Behandlung soziotechnischer Risiken zu ermitteln. Nichtsdestotrotz gilt
es, die Übertragbarkeit der Methode insbesondere vor dem Hintergrund der Digitalisie-
rung von Marktleistungen zu prüfen und gegebenenfalls anzupassen. Dazu sollte das Vor-
gehen anhand von weiteren Marktleistungs-bezogenen Use Cases evaluiert werden. Zu-
sätzlich gilt es, die Risikoüberwachung als detaillierte Phase in das Vorgehen zu integrieren.
Zukünftige Forschungsaktivitäten können aufzeigen, wie geeignete Überwachungs-
mechanismen aussehen können und welche Risikoindikatoren geeignete Messgrößen
darstellen.
Literatur
Anderson, S., & Felici, M. (2012). Emerging technological risk: Underpinning the risk of techno-
logy innovation. Springer.
Appelfeller, W., & Feldmann, C. (2018). Die digitale Transformation des Unternehmens. Springer.
Bätzel, D., & Gausemeier, J. (2004). VITOSTRA – Ein Verfahren zur Entwicklung intelligenter
technologieorientierter Geschäfts- und Produktstrategien. Zeitschrift für wirtschaftlichen Fabrik-
betrieb, 6, S. 3.
Baxter, G., & Sommerville, I. (2011). Socio-technical systems: From design methods to systems
engineering. Interacting with Computers, 23(1), 4–17.
Birkel, H., Veile, J., Mueller, J., Hartmann, E., & Voigt, K. (2019). Development of a risk framework
for Industry 4.0 in the context of sustainability for established manufacturers. Sustainability.
https://doi.org/10.3390/su11020384.
404 J. S. Menzefricke et al.
Boehm, J., & Smith, J. (2021). Derisking digital and analytics transformations: While the benefits
of digitization and advanced analytics are well documented, the risk challenges often remain
hidden. McKinsey & Company.
Brödner, P. (2018). Industrie 4.0 und Big Data-wirklich ein neuer Technologieschub? In
H. Hirsch-Kreisen, P. Ittermann & J. Niehaus (Hrsg.), Digitalisierung industrieller Arbeit
(S. 323–346). Nomos.
DIN Deutsches Institut für Normung e.V. (2014). DIN IEC 62198:2014 Risikomanagement für Pro-
jekte – Anwendungsleitfaden. Beuth.
DIN Deutsches Institut für Normung e.V. (2018). DIN ISO 31000:2018 Risikomanagement – Leit-
linien. Beuth Verlag GmbH.
Drewel, M., Özcan, L., Koldewey, C., & Gausemeier, J. (2020). Pattern-based development of digi-
tal platforms. Creativity and Innovation Management. https://doi.org/10.1111/caim.12415.
Ebert, B. (2018). Prozessoptimierung bei Industrie 4.0 durch Risikoanalysen – Gefährdungen er-
kennen und minimieren. Springer.
Ellebracht, H., Lenz, G., & Osterhold, G. (2011). Systemische Organisations- und Unternehmens-
beratung (4. Aufl.). Gabler.
Gabriel, S., Grauthoff, T., Joppen, R, Kühn, A., & Dumitrescu, R. (2021). Analyzing socio-technical
risks in implementation of Industry 4.0-use cases. In Abstracts of the 31st CIRP design confe-
rence. Enschede (in press), May 2021.
Gausemeier, J., & Dumitrescu, R. (2018). Innovationen im Zeitalter der Digitalisierung. Industrie
4.0 und Management, 1, 7–11.
Gausemeier, J., & Plass, C. (2014). Zukunftsorientierte Unternehmensgestaltung – Strategien, Ge-
schäftsprozesse und IT-Systeme für die Produktion von morgen. Carl Heuser.
Gausemeier, J., Wieseke, J., Echterhoff, B., Isenberg, L., Koldewey, C., Mittag, T., & Schneider,
M. (2017). Mit Industrie 4.0 zum Unternehmenserfolg – Integrative Planung von Geschäfts-
modellen und Wertschöpfungssystemen. Heinz Nixdorf Institut.
Hevner, A. R., March, S. T., Park, J., & Ram, S. (2004). Design science in information systems. MIS
Quarterly, 28(1), 75–105.
Hirsch-Kreinsen, H. (2020). Digitale Transformation von Arbeit: Entwicklungstrends und Ge-
staltungsansätze. Kohlhammer.
Hirsch-Kreinsen, H., & Weyer, J. (2014). Wandel von Produktionsarbeit – „Industrie 4.0“ – Sozio-
logisches Arbeitspapier, 38/2014.
Hobscheidt, D., Kühn, A., & Dumitrescu, R. (2020). Development of risk-optimized implementation
path for Industry 4.0 based on socio-technical patterns. In Abstracts of the 30th CIRP design
2020. https://doi.org/10.1016/j.procir.2020.02.242.
Hopfener, A., & Bier, S. (2018). Risikomanagement im Zeitalter der Digitalisierung: Rolle und
Herausforderungen. Risiko Manager, 9, 10–16.
Klein, A. (2011). Risikomanagement und Risiko-Controlling. Haufe Lexware.
Klein, A., & Gleißner, W. (2017). Risikomanagement und Controlling: Chancen und Risiken er-
fassen, bewerten und in die Entscheidungsfindung integrieren (2. Aufl.). Haufe Lexware.
Knospe, O., Drewel, D., Mittag, T., Pierenkemper, C., & Hobscheidt, D. (2017). Leistungssteigerung
durch Industrie 4.0 für kleine und mittlere Unternehmen. Zeitschrift für wirtschaftlichen Fabrik-
betrieb. https://doi.org/10.3139/104.111867.
Kobi, J.-M. (2012). Personalrisikomanagement. Strategien zu Steigerung des People Value. Springer.
Oehmen, J. (2016). Risiko- und Chancenmanagement in der Produktentwicklung. In U. Lindemann
(Hrsg.), Handbuch Produktentwicklung (S. 59–98). Carl Hanser.
14 Soziotechnisches Risikomanagement als Erfolgsfaktor für die Digitale Transformation 405
Zusammenfassung
Die Relevanz der Human Resources für das digitale Zeitalter kann nicht überschätzt
werden. Denn was sind die zentralen unternehmerischen Erfolgstreiber? Meist
stellt sich der Erfolg in dieser folgenden Reihenfolge ein: People, Process, Product,
Profit! Auch im digitalen Zeitalter sind es vor allem die Menschen, die erforderliche
Transformationsprozesse voranbringen – oder auch boykottieren. Es sind nicht die
Technologien, die zu Wettbewerbsvorteilen führen, sondern die Menschen, die durch
einen intelligenten Einsatz aus Technologien eine Überlegenheit im Markt entwickeln.
Hier zeichnet sich eine bedeutende Erkenntnis ab: Das Management der Human Re-
sources stellt einen zentralen Erfolgsfaktor der digitalen Transformation dar.
Schlüsselwörter
Welches sind die zentralen unternehmerischen Erfolgstreiber? Meist stellt sich der Er-
folg in dieser folgenden Reihenfolge ein:
R. T. Kreutzer (*)
HWR, Berlin, Deutschland
Auch im digitalen Zeitalter sind es vor allem die Menschen, die erforderliche Trans-
formationsprozesse voranbringen – oder auch boykottieren. Es sind nicht die Techno-
logien, die zu Wettbewerbsvorteilen führen, sondern die Menschen, die durch einen intel-
ligenten Einsatz aus Technologien eine Überlegenheit im Markt entwickeln. Hier zeichnet
sich eine bedeutende Erkenntnis ab: Das Management der Human Resources stellt
einen zentralen Erfolgsfaktor der digitalen Transformation dar.
Diese herausragende Position des HR-Managements wird unterstrichen durch eine Stu-
die, die die Bertelsmann Stiftung gemeinsam mit dem Fraunhofer-Institut für Arbeitswirt-
schaft und Organisation IAO unter Beteiligung der Otto Group erstellt hat. Das Ziel der
Studie bestand darin, die wichtigsten Erfolgsfaktoren der digitalen Transformation
herauszuarbeiten (vgl. Bertelsmann Stiftung, 2020, S. 83). Im Rahmen dieser Studie wur-
den Führungskräfte aus 15 Unternehmen unterschiedlicher Größe und Branche befragt.
Die Bandbreite reichte von IT- und Software-Unternehmen über Banken und Ver-
sicherungen bis zu Baufirmen und Produzenten von Druckfarben. Die Erhebung erfolgte
durch ein Methodenmix aus qualitativen Face-to-Face-Interviews und einem quantitati-
ven, online-basierten Assessment Center. Im Mittelpunkt stand die Frage: Was beeinflusst
den Erfolg der digitalen Transformation?
Ein wichtiges Ergebnis war, dass vor allem die folgenden menschlichen Faktoren
Voraussetzungen für eine erfolgreiche digitale Transformation sind (vgl. Bertelsmann
Stiftung, 2020, S. 8 f.):
• Hohe Probierfreudigkeit
• Eine umfassende Innovationskultur
• Eine offene Kommunikation
• Eine große Veränderungsbereitschaft auf der Führungsebene
Diese Erkenntnisse gelten unabhängig von der Größe eines Unternehmens, seiner Branchen-
zugehörigkeit sowie den jeweils betreuten Geschäftsfeldern. Bei der Untersuchung wurde
auch deutlich, dass eine technische Umstellung auf digitale Anwendungen und Arbeits-
mittel nur den Anfang eines Veränderungsprozesses markieren kann.
Da eine digitale Transformation das Unternehmen als Ganzes erfasst und durchdringt,
ist es nach Einschätzung der Befragten entscheidend, dass Vertreter des Top-
Managements die Veränderungen annehmen, vorleben und transparent kommunizieren.
Dem Middle-Management kommt hierbei eine besonders wichtige Vermittler-Rolle zu,
um die vom Top-Management definierte Richtung im Führungsalltag voranzubringen. In
Summe gilt es jedoch, das Know-how und die Flexibilität aller Mitarbeiter zu mobili-
sieren, um gemeinsam innovative Lösungen zu entwickeln. Durch eine Öffnung nach
außen, bspw. durch Kooperationen mit Start-ups oder wissenschaftlichen Einrichtungen,
können wertvolle Impulse aus dem externen Umfeld gewonnen werden (vgl. Bertelsmann
Stiftung, 2020, S. 8 f.).
15 Human Resources – Treiber und Enabler der digitalen Transformation 411
Wird im Rahmen des Transformationsprozesses – wie häufig der Fall – eine größere
Eigenverantwortung der Mitarbeiter gefordert, bedingt dies auch vielfach ein neues
Führungsverständnis sowie eine ausgeprägte Fehlerkultur. Beim Einsatz flexibler
Organisationsformen, die klassische Hierarchien ablösen, wird die Führungskraft als
Moderator und Enabler gefordert. Ein solcher Prozess muss durch eine umfassendes
Qualifizierungsoffensive unterstützt werden. Viele diese Faktoren werden nachfolgend
vertiefend analysiert und Handlungsmöglichkeiten aufgezeigt.
Hier wird eines sehr deutlich: Im Zentrum des Wettbewerbs zwischen etablierten
Unternehmen und neuen Wettbewerbern (vielfach Start-ups) steht oft nicht (allein) die
bessere Idee oder die leistungsstärken Prozesse und Methoden. Es kommt vielmehr auf
gut ausgebildete, engagierte und kreative Mitarbeiter und Führungskräfte an! Und
das ist die Kernaufgabe des HR-Managements.
• Back-end- • (Zusätzlich)
Optimiert für Optimiert
dominiert Front-end-
optimale für
Anwendungen • Ein Endgerät
Prozess-
orientiert
Akzeptanz/
• Integrations- • Modular/wählbar
unterstützung • Einfach „Enabling“
orientiert
• Passend zu Optimiert • Jedwede Optimiert
den Anwen- für Effizienz Endgeräte für Flexibilität,
Infrastruktur dungen und • Plattform- Ubiquität und
• Standardisiert Sicherheit orientiert Agilität
Prof. Dr. Ralf T. Kreutzer • Vereinfacht • Varianten-Vielfalt Seite 2
Abb. 15.1 Flankierung der Veränderungen von Organisations- und IT-Architektur durch die
Personalentwicklung. (Quelle: Eigene Darstellung)
412 R. T. Kreutzer
Purpose/Vision
…
Führungskräfte-
Flywheel der Entwicklung
Überwindung Arbeitskultur (digitale Trainings-
eigener
Agenda)
Komfortzonen
Wie in Abb. 15.1gezeigt, bringt der Prozess der Digitalisierung eines Unternehmens be-
deutsame Anforderungen an das Human-Resource-Management mit sich. Es gilt zu er-
mitteln, wie Individuum, Gruppe und Organisation auf die zu bewältigenden Aufgaben-
stellungen hin auszurichten sind (vgl. Abb 15.4; vertiefend Rosenstiel & Nerdinger,
2011, S. 14)
15 Human Resources – Treiber und Enabler der digitalen Transformation 413
• Volatility,
• Uncertainty,
• Complexity und
• Ambiguity.
Person
Relevante Organisation
Schnittmenge
Aufgabe
Gruppe
Abb. 15.3 Verschmelzen von Aufgabe, Individuum, Gruppe und Organisation. (Quelle: Eigene
Darstellung)
414 R. T. Kreutzer
Mit diesen Begriffen lassen sich die Herausforderungen der Zukunft treffend beschreibt
(vgl. Kreutzer, 2021, S. 25–32). Diese Entwicklungen verändern auch die unter-
nehmerischen Kompetenzziele und damit auch die erforderlichen Kompetenzprofile von
Mitarbeitern und Führungskräften laufend.
Allerdings ist im digitalen Zeitalter festzustellen, dass angesichts dieser Heraus-
forderungen eine sehr langfristig angelegte Personalentwicklung und -planung wie in der
Vergangenheit immer weniger trägt. Deshalb bedarf es auch einer agileren Personalent-
wicklung, damit sich ein Unternehmen kontinuierlich auf die sich neu stellenden Auf-
gaben ausrichten kann.
Trotz der geforderten Agilität bleibt es eine wichtige Aufgabe der HR-Abteilung bzw.
des CHRO (Chief Human Resources Officer), bei der Kompetenzentwicklung im Unter-
nehmen für eine Struktur der Qualifizierung zu sorgen, damit die notwendige
Kompetenzentwicklung koordiniert geschieht und einzelne Maßnahmen aufeinander auf-
bauen. Hierfür kann es auch zielführend sein, sich unternehmensweit bspw. einen be-
stimmten Methoden-Baukasten anzulegen, der bereichsübergreifend eingesetzt wird.
In vielen Unternehmen ist der Veränderungsdruck und folglich auch der Lernbedarf so
groß und zeitkritisch, dass ein zentrales Management der Personalentwicklung den
Anforderungen nicht immer gerecht werden kann. Folglich kann es vor allem bei größeren
Unternehmen notwendig werden, dass PE-Verantwortliche in den verschiedenen Unter-
nehmensbereichen installiert werden. Ihnen kommt als Lern-Coach und Lern-Berater
die Aufgabe zu, Mitarbeiter und Führungskräfte ganz nah und kontinuierliche bei ihren
Qualifizierungsmaßnahmen zu unterstützen. Dies kann auf Bereichs-, Abteilungs- oder
auf Teamebene erfolgen. Diese Lern-Coachs und Lern-Berater können vor allem auch
individuelle Qualifizierungsmaßnahmen entwickeln.
Die Personalentwicklung wird zu einem Dienstleister für Kompetenzentwicklung –
für Führungskräfte und Mitarbeiter gleichermaßen (vgl. Kudernatsch, 2019). Parallel
hierzu kommt auch den Führungskräften eine wichtige Aufgabe zu. Es ist und bleibt –
allerdings noch stärker als bisher – ihre nicht-delegierbare Verantwortung, die ihnen an-
vertrauten Mitarbeiter systematisch beim Entwickeln und beim Ausbau der jeweiligen
Kompetenz zu fördern und zu begleiten.
Welche Dynamik der Kompetenzentwicklung in den nächsten Jahren zu bewältigen
ist, verdeutlichen die nachfolgend beschriebenen Entwicklungen:
• Hunderttausende von Mitarbeitern üben heute Funktionen aus, die es vor 20 Jahren
noch nicht gab: 3-D-Artists, App-Entwickler, Big Data Analyst, CDO (Chief Digital
Officer), Cloud-Architekt, Cloud-Service-Manager, Community-Manager, Content-
Manager, Data-Scientist, Feelgood-Manager, KI-Programmierer, Mobile Developer,
Scrum-Master, SEO-Spezialist (SEO bedeutet Search Engine Optimization), Social-
Media-Manager, VEO-Spezialist (VEO bedeutet Voice Engine Optimization), UX-
Designer (UX steht für User-Experience) etc.
• Entsprechend werden ca. 70 % der heutigen Schüler in Berufen arbeiten, die es zurzeit
noch gar nicht gibt.
15 Human Resources – Treiber und Enabler der digitalen Transformation 415
• Mitarbeiter und Führungskräfte werden in zehn Jahren mit Technologien arbeiten, die
heute noch nicht operativ einsetzbar sind.
• Die Teams werden teilweise Probleme lösen müssen, die man bisher noch nicht kennt.
Eines wird an diesen Ausführungen deutlich: Die Halbwertzeit von Wissen wird
immer kürzer!
Schon heute versuchen viele Unternehmen händeringend, entsprechend qualifiziertes
Personal am Markt zu finden, weil die unternehmensinterne Entwicklung solcher Fähig-
keiten in der Vergangenheit nicht oder nicht ausreichend gefördert wurde. Deshalb ist es
eine Kernaufgabe der Personalentwicklung, die in Abb. 15.4 gezeigte strategische
Qualifizierungslücke in eigenen Unternehmen zu ermitteln – und zu schließen.
Durch die Erarbeitung einer (digitalen) Lehr- und Lern-Agenda gilt es, das Quali-
fying zur Schließung der strategischen Qualifizierungslücke systematisch und regelmäßig
durch ein Re-Qualifying zu ergänzen. Hierfür sind Angebote für ein Re-Skilling (vor-
handene Fähigkeiten auffrischen) und ein Up-Skilling (weiterführende Fähigkeiten er-
werben) zu entwickeln.
Parallel hierzu besteht die Herausforderung für alle Mitarbeiter und Führungs-
kräfte darin, sich gleichsam selbst für die weitere Qualifizierung zu empowern. „Lifelong
Learning“ galt schon lange als Leitidee, aber noch nie war sie so wichtig wie heute! Bil-
dung und Ausbildung in den Industrienationen und in jedem Unternehmen bedarf einer
strategischen Neuausrichtung und Weiterentwicklung, um den Anforderungen gerecht zu
werden, die mit dem digitalen Wandel verbunden sind.
Unverzichtbar ist, dass jeder einzelne im Unternehmen die Verantwortung für die
Weiterqualifizierung nicht an die Personalabteilung delegiert. Es ist und bleibt auch eine
Re-Qualifying
Qualifying (Re-Skilling/Up-Skilling)
Berufliche Master-
Kinder- Studium/
Aus-
garten/
Vor-
Schule bildung/
Bachelor-
Meister-
Ab-
Berufstätigkeit
schule schluss
Studium
Lebensalter:
Bis 6–7 Jahre Bis 16–18 Jahre Bis ca. 20–22 Jahre Bis ca. 24 Jahre Bis 67 Jahre oder länger
Strategische Qualifizierungslücke
Abb. 15.5 Klassifizierung von Ländern nach „Auswirkungen der Megatrends“ und „Zeitaufwand
für die eigene Qualifikation“. (Quelle: Eigene Darstellung)
„wahrgenommene Auswirkung“ zeigt den Anteil an den Befragten, die der Meinung
sind, dass technologische Veränderungen und/oder die Globalisierung einen starken Ein-
fluss auf ihre berufliche Situation haben (vgl. BCG, 2019, S. 5).
• Intrinsisch Lernende
Die intrinsisch Lernenden engagieren sich selbständig in der Weiterbildung, obwohl sie
nur geringe Effekte der beschriebenen Trends erwarten. Diese Einstellung findet sich
bspw. in China und Russland.
• Proaktive Veränderer
Die proaktiven Veränderer investieren viel Zeit in Weiterbildung, weil sie auch große
Auswirkungen der Trends auf ihr eigenes Berufsleben erwarten. Zu diesen Gruppen
gehören Länder wie Brasilien, Japan und die Türkei.
• Zuschauer
Die Zuschauer investieren momentan wenig in Weiterbildung, weil sie nur geringe
Ausstrahlungen auf ihr Arbeitsumfeld erwarten. In Belgien, Frankreich und Öster-
reich verbringen weniger als 43 % der Menschen jedes Jahr signifikante Zeit mit Ler-
nen. Andere Länder im „Zuschauer-Status“ sind die Schweiz, Großbritannien,
Schweden, Kanada und die USA.
• Zögernde
Die Zögernden erwarten große Effekte von Globalisierung und Automatisierung, be-
reiten sich darauf aber kaum vor. Viele der hier anzutreffenden Länder stammen aus
Westeuropa. Eine besonders alarmierende Position nimmt Deutschland ein. In Deutsch-
land werden größere Auswirkungen erwartet. Gleichzeitig wird aber nur sehr wenig
418 R. T. Kreutzer
Zeit in die weitere Qualifikation investiert. Deutschland ist der Gruppe der 30 größten
Ländern mit einem Wert von 38 % das Land mit dem geringsten Anteil an Personen, die
pro Jahr einige Wochen oder mehr für ihre Ausbildung aufwenden.
Eine relativ große Einigkeit findet sich bei der Frage, welche Kompetenzen bei einer zu-
nehmenden Globalisierung und der Nutzung neuer Technologien verlangt werden. Hierzu
zählt bei Fachkräften vor allem eine ausgeprägte Kommunikationsfähigkeit. Nach Ein-
schätzung der Deutschen sind ergänzend auch Problemlösungsfähigkeiten, Führungs-
kompetenz und analytische Fähigkeiten für den zukünftigen Berufserfolg entscheidend
sein (vgl. BCG, 2019, S. 7 f.).
Eines wird durch die Studie sichtbar: Die Bereitschaft zum Re- und Up-Skilling
muss – gerade in Deutschland – von Unternehmen und Politik massiv gefördert wer-
den. Allerdings ist m. E. auch von jedem Mitarbeiter und jeder Führungskraft eine hö-
here Bereitschaft zu erwarten, sich auf die Reise zu weiteren Qualifikationen
zu machen.
Zur Absicherung der Qualifizierungs-Offensive sollte jedes Unternehmen eine (digi-
tale) Trainings-Agenda entwickeln. Eine solche Agenda ist abteilungs-, vor allem aber
mitarbeiterbezogen zu entwickeln. Um das „richtige“ Weiterbildungs-Portfolio zu er-
stellen, hilft eine Abfrage der Interessens-Schwerpunkte von Führungskräften und Mit-
arbeitern. Um bei Vorlage einer Liste mit möglichen Qualifizierungsmaßnahmen eine
Lotto-Mentalität zu vermeiden, bei der nach Zufall alles Mögliche angekreuzt wird, hat
sich folgendes Vorgehen bewährt.
Bei der Abfrage der Schwerpunkte für die Qualifizierung sind gleichzeitig auch die
jeweiligen Prioritäten A, B und C zu erheben. So werden die Befragten motiviert, rele-
vante Schwerpunkte zu setzen. Ggf. kann auch ein individueller Budgetrahmen vor-
geben werden, der bestmöglich auszuschöpfen ist. Bisher erstellen nur wenige Un
ternehmen einen persönlichen Qualifizierungspass. Hierbei erhält jeder im
Unternehmen – ggf. abhängig vom Verantwortungsbereich und der Hierarchie-Ebene –
eine bestimmte Anzahl von Qualifizierungspunkten, die pro Jahr für Weiterbildung in-
vestiert werden kann – und soll. Ein Beispiel für einen solchen Qualifizierungspass zeigt
Abb. 15.6. In diesen Qualifizierungspass können perspektivisch auch die zu erreichenden
Qualifikations-Levels aufgenommen werden.
Im Zeitablauf kann anhand des persönlichen Qualifizierungspasses feststellt werden,
welche Führungskräfte und Mitarbeiter bereit sind, kontinuierlich in die eigene Weiter-
bildung zu investieren. Diese Erkenntnisse können auch in die Lohn- und Gehalts-
gespräche sowie in Überlegungen zur Promotion von Teammitgliedern einfließen.
Die Anforderungen an die Personalentwicklung werden sich immer weiter verändern.
Deshalb sind die HR-Verantwortlichen aufgerufen, informatorisch an der vordersten
Front der Entwicklungen aktiv zu sein. Nur so wird es gelingen, frühzeitig die not-
wendigen Ableitungen für den unternehmenseigenen Kompetenzaufbau vor-
zunehmen.
15 Human Resources – Treiber und Enabler der digitalen Transformation 419
Persönlicher Qualifizierungspass
Maxi Mustermann (Punktebudget für 2021: 100 Punkte)
Für jede Führungskraft und insb. für den HR-Bereich stellt sich die Frage, welche Quali-
fikationsprofile durch neue Mitarbeiter für das Unternehmen gewonnen werden sollen.
Zusätzlich ist bei jeder Beförderung und auch bei der Zusammensetzung von Teams zu
prüfen, welche Verhaltensmuster die verfügbaren Kandidaten aufweisen sollten, um die
gewünschten Ergebnisse zu erzielen. Hierbei spielt natürlich zunächst die fachliche Kom-
petenz eine wichtige Rolle – aber nicht allein! Zusätzlich sollten die Teams – aufgaben-
abhängig – auch eine gewisse Diversität hinsichtlich persönlicher Kompetenzen auf-
weisen. Um zu erkennen, über welche Ausprägungen die jeweiligen Kandidaten verfügen,
können verschiedene Konzepte eingesetzt werden.
Eine Methode ist die Verhaltens-Präferenz-Analyse (VPA, Behavioural Preference
Analysis). Sie basiert auf vielfältigen Erkenntnissen der Verhaltensforschung. Die der
VPA zugrundeliegenden drei Basistypen (Rot, Grün, Blau) können in unterschiedlicher
Ausprägung auftreten (vgl. vertiefend MCG, 2021). Die Orientierung an diesen Farb-
sektoren liefert ein Ordnungssystem. In diesem werden die typischen Verhaltensweisen
eines Menschen, seine individuellen Eigenarten und wichtige Aspekte seiner Persönlich-
keit unter einer Farbe zusammenführt (vgl. auch Kreutzer, 2021, S. 378–392).
• Der Rote
Der Rote ist in der reinen Ausprägung der ungeduldige und spontane Macher. Er will
in hohem Maße die Richtung bestimmen, entscheidet spontan und will schnell Ergeb-
420 R. T. Kreutzer
nisse sehen. Dafür ist er auch in höherem Maße als andere bereit, Risiken zu einzu-
gehen. In der negativen Ausprägung ist er der Dampfplauderer, der immer – auch ar-
gumentativ – voranmarschiert und andere dominieren kann. Hierbei wird der Rote
darauf achten, spannend, mit intensiver Gestik und überzeugender Dramaturgie zu
kommunizieren, um sich selbst immer wieder ins Rampenlicht zu stellen. Er kippt aber
auch gerne Entscheidungen, wenn andere Informationen vorliegen, die jetzt relevant
sind. Ein tiefes Aktenstudium ist seine Sache nicht! Lieber ist er schon auf der Suche
nach der nächsten Herausforderung, dem nächsten Kick!
Durch diese Verhaltensmuster wird der Rote oft zum Spielmacher. Mit seinem Stre-
ben nach Dominanz, Macht und Einfluss geht er gerne voran und zeigt hierdurch
Führungsstärke, Entscheidungsfreude und Risikobereitschaft. Hierbei sind ihm
Aufgaben und Ergebnisse oft wichtiger als die Menschen und Beziehungen, mit denen
er sich umgibt. Rote reden nicht gerne um den „heißen Brei“ herum, sondern packen
auch heiße Eisen direkt an – um schnell eine Lösung zu erreichen. Ihr Verhalten ist
vielfach sehr konsequent und direkt. Sie leben im „Jetzt und Gleich“.
• Der Grüne
Der Grüne lebt im Gegensatz zum Roten stärker in der Vergangenheit. Er legt sehr viel
mehr Wert auf gute persönliche Beziehungen. Er ist sehr hilfsbereit und nimmt gerne
Rat und Empfehlungen von anderen an. Der Grüne sorgt sich um seine Zuhörer und
deren Wohlergehen – gerne auch im persönlichen Kontakt. Da ihm gute Beziehung
sehr wichtig sind, investiert er viel Zeit in persönliche Gespräche und erwartet von
seinen Partnern eine entsprechende Bereitschaft dazu. Ein wertschätzender Umfang ist
ihm sehr wichtig.
Diese Charakteristika machen den Grünen zum Integrator – gleichsam zur Mutter
der Kompanie. Dazu trägt seine Kontaktfreue, seine menschliche Flexibilität, die
Integrations- und Kooperationsfähigkeit sowie seine Teamorientierung bei. Der
Grüne liebt auch die Beständigkeit und die Routine mit ihren festgelegten Abläufen.
Er orientiert sich stark an der Vergangenheit, den dort gewonnenen Erfahrungen sowie
den bisher aufgebauten Beziehungen. Er zeichnet sich durch ein sicheres Gespür für
Menschen und Situationen aus. Es fällt ihm sehr leicht, mit anderen Menschen in Kon-
takt zu kommen. Zu Veränderungen lässt er sich dann motivieren, wenn sie auf der
Grundlage tragfähiger persönlicher Beziehungen erfolgen.
• Der Blaue
Der Blaue ist der sehr vorsichtige, bedachte und tief analysierende Denker. Er
wünschte sich im Vorfeld von Entscheidungen möglichst viele Informationen, die er
auch in der Tiefe auswertet, vergleicht und hinterfragt. Er kann oft nicht genug Daten
erhalten, prüft sorgfältig alle verfügbaren Fakten und Argumente, um zu einer fundier-
ten Entscheidung zu gelangen. In Meetings schweigt er oft länger; allerdings nicht,
weil er nichts zu sagen hätten, sondern weil er nach der bestmöglichen Antwort sucht.
Der Blaue ist eher ruhig, erscheint manchmal langweilig, dafür allerdings viel tief-
gründiger ausgerichtet und besser informiert als die beiden anderen Farbtypen.
15 Human Resources – Treiber und Enabler der digitalen Transformation 421
Der Blaue ist der Fachmann, ohne den kaum ein Projekt erfolgreich laufen wird. Er
sorgt im Team für Ordnung, Analyse und Systematik. Er ist im Denken und Tun sehr
zukunftsorientiert. Dies gelingt durch die gute Abstraktionsfähigkeit und die Be-
gabung, auch ein hohes Maß an Komplexität bewältigen zu können. Gegenüber Frem-
den besteht eine gewisse Zurückhaltung. Persönliche Beziehungen werden nicht so
leicht eingegangen. Der Blaue bleibt häufig lieber auf Distanz. Jeder Teamleiter ist gut
beraten, seine „Blauen“ zu kennen, um diese immer wieder mit offenen Fragen zur Be-
teiligung zu motivieren. Vielfach weisen die Leistungsbeiträge eines Blauen einen gro-
ßen Wert auf – auch wenn man häufig länger auf diese warten muss. Allerdings lohnt es
sich meist sehr!
• Farbtyp „Rot“
Personen dieses Typs zeigen häufig ein stärker extrovertiertes Verhalten. Sie teilen
gerne, häufig und auch ungefragt ihre Einschätzung mit und wollen diese bei Ent-
scheidungen auch durchsetzen. Die Körpersprache ist oft sehr intensiv. Man kann sie
kaum übersehen und überhören.
• Farbtyp „Grün“
Diese Personen sind häufig sehr aufgeschlossen, sympathisch und stellen die perfekten
Brückenbauer dar. Sie lieben die Kommunikation mit anderen und sind auch immer
sehr hilfsbereit.
422 R. T. Kreutzer
Negativer Einfluss
auf die Beziehung:
Kumpanei,
- Fachmann: Ergebnis- und
„Nase überall
hineinstecken“, + Zielorientierung (blau)
Fakten, Ordnung, Analyse,
übertriebene Systematik
Diplomatie
+
Integrator: Positiver Einfluss,
Mangel an - Integration (grün)
Beziehungspflege, Kontaktfreude
Ergebnisorientierung:
Entscheidungsträgheit, Zögern menschliche Flexibilität,
durch Perfektionismus, Pedanterie, Teamorientierung, Kooperation
Besserwisserei, Detail-Fetischist
Abb. 15.7 MCG-Rollenmodell des Arbeits- und Teamverhaltens – basierend auf der Verhaltens-
Präferenz-Analyse. (Quelle: Eigene Darstellung)
• Farbtyp „Blau“
Diese Personen wirken zunächst sehr distanziert und zeigen wenig Ausdruck in Körper-
sprache, Mimik und Stimme. Sie interessieren sich sehr für Fakten und fragen gezielt
nach. Sie sind oft auch die einzigen, die Gebrauchsanweisungen, Manuals und Bei-
packzettel intensiv studieren – und auch die Unterlagen im Vorfeld von Meetings
durcharbeiten. Wenn sie eine Aussage treffen, dann ist diese wohl überlegt und gut
durchdacht. Deshalb tragen sie ihre Einschätzungen auch später als alle anderen vor.
Mit diesen Informationen vor Augen können erfolgreichere Teams zusammengestellt wer-
den. In Abb. 15.7 ist zu sehen, welche Charakteristika die verschiedenen Farbtypen in ein
Team einbringen können (vgl. MCG, 2021). Diese gilt es bei der Zusammenstellung von
Teams zu berücksichtigen.
Alternativ bzw. flankierend hierzu können weitere Methoden eingesetzt werden (vgl.
Kreutzer, 2021, S. 378–412).
Für eine erfolgreiche digitale Transformation muss jedes Unternehmen seine Komfort-
zone verlassen. Hierbei gilt: Die Komfortzone eines Unternehmens ist oft sogar mehr als
15 Human Resources – Treiber und Enabler der digitalen Transformation 423
Wachstumszone
Gesteigerte Sinnfindung; Erreichung neuer Ziele;
Steigerung der Selbstsicherheit; Ausbau von
Stärken und Kompetenzen; höhere Arbeits-/
Lebenszufriedenheit; eigene Mission entwickeln und leben
Lernzone
Überwindung der Grenzen der eigenen
Komfortzone; erste Erfolge außerhalb der
Komfortzone erleben; Erwerb von neuen
Fähigkeiten und neuen Erfahrungen;
Aufbau von höherem Selbstvertrauen
Angstzone
Unsicherheit, negativer Stress,
Ablehnung, Ausreden, Abbruch,
Scheitern
Komfortzone
Komfort- Kontrolle, Gewohnheit,
Routine, Rituale, Sicherheit
zone („Wohlfühloase“)
Abb. 15.8 Phasen zur Ausweitung der individuellen Komfortzone. (Quelle: Eigene Darstellung)
die Summe der Komfortzonen seiner Mitarbeiter. Deshalb sind die auf allen Hierarchie-
ebenen anzutreffenden Komfortzonen konsequent zu weiten.
Mit Komfortzone wird der durch eingespielte Gewohnheiten bestimmte Bereich be-
schrieben, in dem es sich ein Mensch bequem eingerichtet hat und sich wohlfühlt (vgl.
Bardwick, 1995). In einer solchen Komfortzone kennen wir uns aus und wissen genau,
was von uns erwartet wird. Wir wissen auch genau, dass wir den hier zu bewältigenden
Aufgaben und Herausforderungen gewachsen sind. Dazu tragen unsere erlernten Gewohn-
heiten und Rituale bei. Unsere eigene Komfortzone endet folglich dort, wo der vertraute
Bereich aufhört und Überwindung oder Anstrengung notwendig sind, um neue Heraus-
forderungen zu meistern. Das Gefühl von Angst (etwa bei der Übernahme einer neuen
Aufgabe) ist ein guter Indikator dafür, dass wir gerade die eigene Komfortzone verlassen
(vgl. Abb. 15.8).
Jeder von uns verfügt über eine individuelle Komfortzone. Während der eine schon
Schweißausbrüche bekommt, wenn er in einem Team-Meeting mit drei Kollegen sein
Konzept vorstellen soll, sagt ein anderer „Tschakka, ich kann vor 1000 Leute und vor fünf
Kameras für die Schweizer Post in Bern einen Vortrag halten!“
Das Verlassen der eigenen Komfortzone und das Eintreten in die Angstzone sind nicht
bequem und geht mit sogenannten Wachstumsschmerzen einher. Denn natürlich kann
man in der terra incognita – im unbekannten Terrain – auch Fehler machen, weil man
nicht genau weiß, was auf einen zukommt. Unsicherheit, negativer Stress, die Ablehnung
solcher herausfordernden Situationen, mehr oder weniger kreative Ausreden zu ihrer Ver-
meidung sowie ein Abbruch bzw. Scheitern können die Folge sein (vgl. Abb. 15.8).
424 R. T. Kreutzer
Deshalb sollte sich jeder Mensch, der an seinem persönlichen Wachstum interessiert
ist, um die Ausweitung der eigenen Komfortzone bemühen. Das ist der Kern der
Persönlichkeitsentwicklung (vgl. weiterführend Hoffmann, 2018, S. 55–60). Durch das
Durchschreiten der Angstzone wird die Komfortzone überwunden und man tritt in die
Lernzone ein (vgl. Abb. 15.8). Hier werden neue Fähigkeiten und Erfahrungen gewonnen.
Bei einer positiven Bewertung der neuen Erfahrungen kann das Selbstvertrauen – basie-
rend auf der erlebten Selbstwirksamkeit – steigen.
Die Lernzone weist einen fließenden Übergang zu Wachstumszone auf. Hier können
für das Leben neue Sinnfelder geschlossen werden, weil bisher unerreichbar erscheinende
Ziele verwirklicht werden. Dies trägt zur Steigerung der Selbstsicherheit bei. Diese kann
die Fähigkeit, die Bereitschaft und den Willen zum weiteren Ausbau (neuer) Stärken und
Kompetenzen fördern. Hiermit können eine höhere Arbeits- und ggf. auch Lebens-
zufriedenheit einhergehen. Schließlich besteht jetzt die Chance, tatsächlich seine eigene
Mission zu entwickeln und leben.
Um die mit diesem Prozess zwangsläufig verbundenen Wachstumsschmerzen zu ak-
zeptieren und in die Wachstumszone vorzustoßen, sind Frustrationstoleranz und Resilienz
erforderlich. Frustrationstoleranz beschreibt die individuelle Fähigkeit von Menschen,
auch über längere Zeit Enttäuschungen oder Frustrationen auszuhalten und konstruktiv
mit diesen umzugehen, ohne die Situation selbst zu beschönigen. Menschen mit geringer
Frustrationstoleranz brechen beim Versuch einer Ausweitung ihrer Komfortzone sehr
schnell ab, wenn dies mühsamer ist oder weniger schnell geht, als sie es erwartet oder er-
wünscht haben. Solche Menschen geraten leicht aus der Fassung. Häufig werden sie auch
ärgerlich oder reagieren entmutigt oder deprimiert. Sie fühlen sich häufig benachteiligt
(wichtig: nicht „werden benachteiligt“!), da sie mit Niederlagen schlecht umgehen kön-
nen. Nach jeder „Niederlage“ sinkt die Motivation, neue Herausforderungen anzugehen.
Personen mit niedriger Frustrationstoleranz neigen deshalb dazu, erhöhte Anstrengungen
möglichst zu vermeiden.
Menschen mit hoher Frustrationstoleranz dagegen akzeptieren auch kritische Situ-
ationen. Sie gehen ihren Weg geduldig weiter, bis sie ihr Ziel erreicht haben. Schon kleine
Fortschritte werden als Erfolg angesehen – und Rückschläge als „Teil vom Spiel“ akzep-
tiert. Empirische Untersuchungen zeigen, dass Menschen, die gut lernen können, eine
deutlich größere Frustrationstoleranz zeigen. Sie können sich länger und dauerhafter mit
einem Lerngegenstand auseinandersetzen und auch ausgeprägtere Interessen aufweisen.
Obgleich die Frustrationstoleranz eine relativ stabile Persönlichkeitseigenschaft ist, kann
jeder für sich an der Überwindung einer zu geringen Frustrationstoleranz arbeiten. Hierzu
leisten Coaching-Programme einen wichtigen Beitrag.
Zusätzlich müssen wir – auch im digitalen Zeitalter – einen weiteren wichtigen Punkt
adressieren: das Employee Engagement! Dieses Kriterium entscheidet – wie Gallup-
15 Human Resources – Treiber und Enabler der digitalen Transformation 425
Studien immer wieder zeigen – entscheidend über Erfolg und Misserfolg von Unter-
nehmen. Gallup (2020a) definiert engagierte Mitarbeiter als diejenigen, die sich in ihre
Arbeit umfassend einbringen, sich an ihren Arbeitsplatz intensiv engagieren und sich für
ihre Arbeit begeistern können. Die Erfassung des Employee Engagements hilft zu er-
kennen, ob sich Mitarbeiter aktiv an der Unternehmensentwicklung beteiligen oder ob sie
einfach nur ihre Zeit „absitzen“. Deshalb sollte das Augenmerk regelmäßig auch auf den
unverzichtbaren Key Performance Indicator „Employee Engagement“ gelenkt werden.
Denn was nützt die innovativsten Technologien und die bereitgestellten Budgets, wenn
diese von den Mitarbeitern und Führungskräften nicht genutzt werden?
Mitarbeiter und Führungskräfte treffen täglich Entscheidungen und ergreifen Maß-
nahmen, die sich nicht nur auf die gesamte Belegschaft, sondern auch auf die Geschäfts-
entwicklung des Unternehmens insgesamt auswirken – im Positiven wie im Negativen!
Die Forschungsergebnisse zum Employee Engagement zeigen seit Jahren, dass
Unternehmen mit einem hohen Maß an engagierten Mitarbeitern signifikant bessere Ge-
schäftsergebnisse erzielen als Unternehmen, deren Mitarbeiter sich in weniger hohem
Maße mit dem Unternehmen, seinen Zielen und Aufgaben identifizieren. Gleichartige Re-
sultate finden sich in allen Branchen, bei unterschiedlichen Unternehmensgrößen und
Nationalitäten sowie – durchaus überraschend – auch in guten und schlechten wirtschaft-
lichen Zeiten (vgl. Gallup, 2020a).
Mitarbeiter und Führungskräfte fordern heute – durchaus neben einem guten Gehalts-
scheck – in zunehmendem Maße auch einen nachvollziehbaren Sinn und Zweck ihrer
Arbeit (vertiefend zum Thema Purpose Kreutzer, 2021, S. 84–91). Sie wollen ebenso in
ihrer Einzigartigkeit gesehen und wertgeschätzt werden. Und sie erwarten tragfähige
Beziehungen – vor allem zu ihren Führungskräften. Sie wollen wahrgenommen werden
für das, was sie einzigartig macht. Diese Faktoren treiben die in hohem Maße das Engage-
ment der Mitarbeiter an. Gallup (2020a) hat herausgearbeitet, dass Manager bzw. Team-
leiter allein für 70 % der Varianz im Engagement der jeweils betreuten Teams verantwort-
lich sind!
Führungskräfte haben mit ihrem Verhalten den größten Einfluss auf das Employee
Engagement – und damit auch auf das Unternehmensergebnis! Vor diesem Hintergrund
liegt eine der größten Herausforderungen im HR-Bereich darin, den in Abb. 15.9 ge-
zeigten Paradigmenwechsel in der Personalführung zu berücksichtigen (vgl. Gal-
lup, 2020a).
Studien über Jahrzehnte hinweg zeigen erstaunlicherweise nach wie vor, dass sich
nahezu 85 % der Beschäftigten weltweit trotz vielfältiger Anstrengungen der Unter-
nehmen immer noch nicht oder nicht aktiv genug für ihre Arbeit engagieren. Ein hohes
Maß an Employee Engagement ist lediglich nur bei 15 % der Beschäftigten vorhanden
(vgl. Gallup, 2020a). Folglich bleibt einer der wichtigsten Ansatzpunkte zur Steigerung
der unternehmerischen Performance nach wie vor in hohem Maße ungenutzt. Gerade
diese Potenziale sind zu erschließen, um eine erfolgreiche digitale Transformation zu
meistern.
426 R. T. Kreutzer
Eigentlich ist es ganz einfach: Ein Blick auf die Statements zur Ermittlung des Em-
ployee Engagements durch Gallup (2019, S. 3) zeigt, was – und oft auch wie wenig –
eigentlich zu tun wäre, um die Motivation der Mitarbeiter signifikant zu steigern:
1. Ich weiß, was bei der Arbeit von mir erwartet wird.
2. Ich habe die Materialien und die Arbeitsmittel, um meine Arbeit richtig zu machen.
3. Ich habe bei der Arbeit jeden Tag die Gelegenheit, das zu tun, was ich am besten kann.
4. Ich habe in den letzten sieben Tagen für gute Arbeit Anerkennung oder Lob bekommen.
5. Mein Vorgesetzter oder eine andere Person bei der Arbeit interessiert sich für mich
als Mensch.
6. Bei der Arbeit gibt es jemanden, der mich in meiner Entwicklung fördert.
7. Bei der Arbeit scheinen meine Meinungen zu zählen.
8. Die Ziele und die Unternehmensphilosophie meiner Firma geben mir das Gefühl, dass
meine Arbeit wichtig ist.
9. Meine Kollegen haben einen inneren Antrieb, Arbeit von hoher Qualität zu leisten.
10. Ich habe einen sehr guten Freund/eine sehr gute Freundin innerhalb der Firma.
11. In den letzten sechs Monaten hat jemand in der Firma mit mir über meine Fortschritte
gesprochen.
12. Während des letzten Jahres hatte ich bei der Arbeit die Gelegenheit, Neues zu lernen
und mich weiterzuentwickeln.
Auf welche Bedürfnisse die Inhalte der oben genannten Statements in eine Bedürfnis-
pyramide einzahlen, zeigt Abb. 15.10 (vgl. Gallup, 2019, S. 3). Hier wird zwischen
Grundbedürfnissen und den Bedürfnissen nach Unterstützung, Teamarbeit und
Wachstum unterschieden.
In einer Zusammenarbeit mit Gallup kann jedes Unternehmen die Einschätzung ihrer
Mitarbeiter zu diesen zwölf Statements abfragen und auswerten. So gelingt es – unter-
stützt durch Gallup, den Status-quo für jedes Unternehmen zu ermitteln. Ein Einsatz die
15 Human Resources – Treiber und Enabler der digitalen Transformation 427
11. In den letzten sechs Monaten 12. Während des letzten Jahres hatte ich
hat jemand in der Firma mit mir über bei der Arbeit die Gelegenheit, Neues zu
meine Fortschritte gesprochen. lernen und mich weiterzuentwickeln.
Wachstum
7. Bei der Arbeit scheinen meine 8. Die Ziele und Unternehmensphiloso-
Meinungen zu zählen. phie meiner Firma geben mir das Gefühl,
dass meine Arbeit wichtig ist.
9. Meine Kollegen haben einen 10. Ich habe einen sehr guten Freund/
Teamarbeit inneren Antrieb, Arbeit von hoher eine sehr gute Freundin innerhalb der
Qualität zu leisten. Firma.
3. Ich habe bei der Arbeit jeden 4. Ich habe in den letzten sieben
Tag die Gelegenheit, das zu tun, Tagen für gute Arbeit Anerkennung
was ich am besten kann. oder Lob bekommen.
5. Mein Vorgesetzter oder eine 6. Bei der Arbeit gibt es jemanden,
Unterstützung andere Person interessiert sich für der mich in meiner Entwicklung
mich als Mensch. fördert.
1. Ich weiß, was bei der 2. Ich habe die Materialien und
Arbeit von mir erwartet die Arbeitsmittel, um meine
Grundbedürfnisse wird. Arbeit richtig zu machen.
Abb. 15.10 Einordnung der Gallup-Fragen in eine Bedürfnispyramide. (Quelle: Eigene Dar-
stellung)
oben genannten Fragen in eigenen Unternehmen setzt eine Freigabe durch Gallup voraus.
Erst die Befriedigung der hinter diesen Statements stehenden Bedürfnisse schafft in einem
Unternehmen ein Umfeld des Vertrauens und der Unterstützung.
Um den Stand des Employee Engagement in Deutschland zu erfassen, wurden 2019
von Gallup 1000 Arbeitnehmer befragt. Die nachfolgenden Ergebnisse sind repräsentativ
für die Arbeitnehmerschaft in Deutschland ab 18 Jahre. Die in Abb. 15.11 gezeigten Werte
können als Vergleichsgrößen für die Ergebnisse einer eigenen Befragung herangezogen
werden. Wie auch in den Jahren vorher zeigen nur 15 % der Mitarbeiter in Deutschland
eine hohe emotionale Bindung. Bei 69 % liegt eine geringe emotionale Bindung vor –
und 16 % weisen keine emotionale Bindung auf!
Welche weiteren negativen Auswirkungen mit niedrigen Engagement-Werten bei den
eigenen Mitarbeitern einhergehen, zeigt die 10. Meta-Analyse des Employee Engage-
ments von Gallup (2020b). Hierzu wurde eine Vielzahl von Gallup-Studien aus 54 Bran-
chen, in 96 Ländern, bei 276 Organisationen mit insgesamt 112.312 Geschäfts-/Arbeits-
einheiten und 2.708.538 Mitarbeitern ausgewertet. Beim Vergleich des Employee
Engagements im obersten Quartil („Top 25 %“) der Unternehmen mit dem Engagement
im untersten Quartil („Schlechteste 25 %“) stellte Gallup fest, dass Geschäftseinheiten
und Teams im Median die nachfolgenden Unterschiede bei zentralen KPIs aufwiesen. Im
Gegensatz zum Mittelwert ist der Median der Zentralwert, der genau „in der Mitte“ steht,
wenn man die Messwerte der Größe nach sortiert.
… 69 Personen
eine geringe
emotionale
Hochgerechnet auf die Bindung.
Arbeitnehmerschaft:
25,585 Mio. Personen
Abb. 15.11 Ergebnisse zum Engagement Index in Deutschland. (Quelle: Eigene Darstellung)
• 43 % weniger Fluktuation bei Unternehmen mit einer Fluktuationsrate von 40 %
und weniger
• 28 % weniger Diebstahl/Schwund
• 64 % weniger Unfälle
• 41 % weniger Qualitätsmängel
In Summe kann festgestellt werden, dass sich in hoch engagierten Teams signifikant we-
niger negative Ereignisse zutragen und deutliche Verbesserungen in verschiedenen
Funktionsbereichen sowie auf Unternehmensebene insgesamt einstellen.
Im Zuge einer digitalen Transformation gilt es, die häufig sehr großen Wachstums-
potenziale zu heben, die mit einer Steigerung des Employee Engagement im eigenen
Unternehmen einhergehen. Dafür werden keine neuen Technologien und kein neues IT-
System benötigt, dafür aber eine häufig umfassende Weiterentwicklung des Mindset der
Führungskräfte! Die ausgewiesenen Zahlen zeigen, dass sich die hier vorzunehmenden
Investitionen in hohem Maße rentieren können – für alle Seiten!
15 Human Resources – Treiber und Enabler der digitalen Transformation 429
Homeoffice und mobiles Arbeiten wird uns auch in Zukunft viel umfassender erhalten
bleiben, als dies bisher vorstellbar war. Damit geht allerdings eine neue Herausforderung
einher: Führung auf Distanz. Hierfür sind Führungsqualitäten wichtiger denn je. Damit
eine Führung auf Distanz funktionieren kann, sind im Team zur Ausgestaltung dieser Füh-
rung auf Distanz die folgenden Fragen zu beantworten:
Die Erarbeitung von Leitlinien einer Führung auf Distanz sind eine unverzichtbare In-
vestition, um Gefühlen von Überwachung, Gängelung und Misstrauen und damit den Ein-
druck eines Helikopter-Chefs gar nicht erst aufkommen zu lassen. Für die Führung auf
Distanz sollte die HR-Abteilung bestimmte Empfehlungen erarbeiten. Eine Konkretisie-
rung kann anschließend durch die Führungskraft in einem intensiven Dialog mit dem je-
weiligen Team erfolgen.
Eines ist bei einer Führung auf Distanz unverzichtbar: Vertrauen zwischen der
Führungskraft und seinen Mitarbeitern, aber auch Vertrauen zwischen den Mit-
arbeitern selbst. Erst gemeinsam erarbeitete und verabschiedete Regeln schaffen
Vertrauen.
Wem es als Führungskraft bisher nicht gelungen ist, zu seinem Team ein vertrauens-
volles Verhältnis aufzubauen, wird jetzt den „Lohn“ des persönlichen Fehlverhaltens ern-
ten. Homeoffice stellt gleichsam einen Brandbeschleuniger für gestörte Führungskraft-
Mitarbeiter-Verhältnisse dar. Differenzen, fehlerhafte Prozesse, Kommunikationslücken
und vor allem ein Fehlen des Vertrauens werden jetzt wie unter einem Brennglas sichtbar,
obwohl sie vielleicht schon lange existierten.
Zusätzlich haben vor allem machtorientierte Führungskräfte Angst vor Kontrollver-
lust. Hier dominiert die Frage: Arbeiten meine Mitarbeiter auch dann noch, wenn ich sie
nicht regelmäßig sehen kann? Die Herausforderung besteht bei einer Führung auf Distanz
430 R. T. Kreutzer
folglich darin, ein Führen über körperliche Anwesenheit und eine Überwachung durch
die Kontrolle des Zeiteinsatzes durch ein Führen über Ergebnisse zu ersetzen. Hierfür
gilt es – je nach Aufgabenstellung – Tages-, Wochen- und/oder Monatsziele zu verein-
baren. Diese Ziele stellen gleichzeitig die Grundlage für regelmäßige Feedback-Ge-
spräche zum Leistungsfortschritt dar.
Um die notwendigen Leistungen auch im Homeoffice zu erbringen, müssen Führungs-
kräfte und Teammitglieder für das unverzichtbare Selbstmanagement ein hohes Maß an
Selbstdisziplin einbringen. Kennt die Führungskraft – oder noch besser: auch das Team-
mitglied selbst – die entsprechenden Stärken und Schwächen, können ganz gezielte Trai-
nings zum Zeit-Management eingesetzt werden. Verfügen Führungskräfte über diese
Skills, können sie ihre Mitarbeiter als Coach unterstützen. Zur Selbstdisziplin von
Führungskräften und Projekt-Managern gehört auch, bei Problemen nicht gleich alle
Arbeiten wieder an sich zu ziehen!
Eines ist – allerdings nicht nur bei Führung auf Distanz – wichtig: ein wertschätzender
Umgang miteinander. Deshalb kann die – ehrlich gemeinte – Frage beim Einstieg in eine
Zweier-Video-Konferenz die nach dem aktuellen Befinden im Homeoffice sein. Schließ-
lich müssen dort neben den Unternehmens-Angelegenheiten vielleicht auch noch Home-
schooling, Kinderbetreuung, Haustiere, die Wäsche, Einkäufe etc. gemanagt werden.
Eine Weiterentwicklung im Führungsstil wird auch deshalb notwendig, weil die Digitali-
sierung viele Unternehmen dazu zwingt, ihre Leistungen stärker in einer bereichs- und
oft auch hierarchieübergreifenden Zusammenarbeit zu erbringen. Das bedeutet, dass
die bisher so wichtigen Bereichs- und Abteilungsgrenzen an Bedeutung verlieren und eine
übergreifende Netzwerk-Struktur wichtiger wird. Damit geht für die Führungskräfte
eine weitere Herausforderung einher: Nicht nur die Mitarbeiter, sondern auch die
Führungskräfte selbst müssen stärker in vernetzten Strukturen denken, planen und arbeiten.
Schließlich haben sich bspw. Kundenwünsche noch nie an Abteilungsgrenzen – etwa
zwischen Marketing, Vertrieb und Service – orientiert. Gleichzeitig gilt es, die in vielen
(Groß-)Unternehmen noch immer vorherrschenden Informations- und Prozess-Silos auf-
zubrechen, weil diese einer Arbeit in Netzwerken im Wege stehen. Dies setzt allerdings
auch ein hohes Maß an Änderungsbereitschaft der Führungskräfte selbst voraus. Hier-
bei ist die Denkhaltung „Wissen ist Macht!“ zugunsten der neuen Parole „Macht dem
Teilen von Wissen!“ zu überwinden.
Für ein Denken und Handeln in Netzwerk-Strukturen sind Mitarbeiter, Teams,
Führungskräfte und die gesamte Organisation anders auszurichten. Häufig stammen die
Aufbau- und Ablauforganisation der etablierten Unternehmen noch aus dem vordigitalen
Zeitalter. Damit sind sie oft nicht auf die zunehmend geforderte Schnelligkeit oder Agilität
ausgerichtet. Dann dominieren häufig noch die in Abb. 15.12 (links) zu sehenden strikt
hierarchisch aufgebauten Strukturen. In jedem Unternehmen ist zu prüfen, ob Netzwerk-
Strukturen – bspw. in der Gestalt von virtuellen Teams – zur Beschleunigung unter-
15 Human Resources – Treiber und Enabler der digitalen Transformation 431
nehmensinterner Abläufe beitragen können (vgl. grundlegend Ebers & Maurer, 2014,
S. 386–406; Klimmer, 2016, S. 203–206; Laudon, 2017, S. 69 f.).
Die Netzwerk-Organisation stellt eine Form der unternehmerischen Aufbau-
organisation dar, um Kompetenzen, Verantwortlichkeiten und Aufgaben dynamischer zu
definieren. Die Kernidee besteht darin, relativ autonome Mitarbeiter nicht über eine feste
Organisation, sondern über gemeinsame Ziele und Aufgaben – bspw. in Projekten – mit-
einander zu verbinden (vgl. Abb. 15.12, rechts). Das Ziel solcher Netzwerke besteht darin,
produktive Arbeitsbeziehungen zwischen Mitarbeitern aufzubauen – auch über ver-
schiedene hierarchische Ebenen hinweg.
Hier wird die Rollenflexibilität von Führungskräften eingefordert. Denn gerade Netz-
werke funktionieren weniger über klar definierte Berichtswege und andere formale Struk-
turen, sondern vielmehr über persönliche Kontakte, kollegiale Beziehungen und einer – auf
die Erreichung der gemeinsamen Ziele ausgerichteten – partnerschaftlichen Zusammen-
arbeit und vor allem aufgrund einer werthaltigen und ehrlichen Kommunikation.
Der Kern einer solchen Netzwerk-Organisation ist ein Mehrliniensystem – verbunden
mit einem hohen Grad an Dezentralisierung. Das Mehrliniensystem entsteht dadurch, dass
die einzelnen Stellen und damit auch die betreffenden Mitarbeiter mehreren Instanzen
unterstellt sind. Zum einen sind die Mitarbeiter noch in die klassische Aufbauorganisation
mit den entsprechenden Berichtslinien eingebunden. Hier wird auch von der disziplinari-
schen Unterstellung gesprochen. Zum anderen gibt es in der parallelen Netzwerk-
Organisation zusätzliche, häufig projektgebundene Berichtslinien. Deshalb kommt es hier
zu einer Mehrfachunterstellung von Personen.
Die Netzwerk-Strukturen sind neben der Aufgabenübernahme selbst mit den dafür
notwendigen Kompetenzen und Verantwortlichkeiten zu versehen. Deshalb kommt
es zu der bereits angesprochenen Dezentralisierung. Eine wichtige Voraussetzung
dafür, dass Netzwerke funktionieren, stellt eine präzise Definition der zu erreichenden
Ziele dar. Diese sind sowohl im Unternehmen wie im Netzwerk selbst transparent zu
kommunizieren.
432 R. T. Kreutzer
tragender“ mehr, sondern wird viel stärker zum Moderator und Gestalter von Selbst-
lernprozessen der Teilnehmer. Dies gilt vor allem für digitale Lernangebote, kann aber
teilweise auch in „analogen“ Veranstaltungen umgesetzt werden.
Zur Unterstützung von Lernprozessen können Gamification-Ansätze genutzt werden.
Bei diesen wird versucht, aus dem Spieleumfeld bekannte Anreize auch für Lernaufgaben
zu nutzen. Hierzu können bspw. Punkte für die erfolgreiche Bearbeitung von Aufgaben-
stellungen vergeben werden, die zu unterschiedlichen Spiele- bzw. hier Know-how-Leveln
führen. So soll die Motivation auch längerfristig aufrechterhalten werden (vgl. vertiefend
Schönbohm et al., 2017; Schönbohm, 2019).
Um die heute unverzichtbare kontinuierliche Qualifizierung der eigenen Mitarbeiter
zu unterstützen, können externe Qualifizierungsangebote genutzt werden. Diese werden
von vielen Universitäten, aber auch von klassischen Seminarveranstaltern und speziali-
sierten Unternehmen – teilweise auch inhouse – durchgeführt. Darüber hinaus haben sich
innovative Konzepte etabliert. Hierzu zählen die interne Qualifizierung und Reverse Men-
toring, Barcamps, Hackathons, MOOCs, Fuckup Nights und Escape Rooms (vgl. ver-
tiefend Kreutzer, 2021, S. 421–434).
Um in einem sehr heraufordernden Umfeld erfolgreich agieren zu können, bedarf es in
den Unternehmen eines agilen Managements. Um dieses erfolgreich zu etablieren, muss
sich in den Köpfen der Verantwortungsträger allerdings erst durchsetzen, dass für viele
Aufgabenstellungen heute eher die Intelligenz einer Gemeinschaft als die eines Indivi-
duums notwendig ist. Das bedeutet, dass vor allem die Führungskräfte in etablierten
Unternehmen ihre eigene Rolle umdefinieren müssen (vgl. vertiefend Hofert & Thonet,
2018; Laloux, 2017; Lasnia & Nowotny, 2018; Laudon, 2017).
Eine Führungskraft sollte heute nicht mehr „par ordre de Mufti“ führen, sondern sich
als Enabler seines Teams verstehen. Hierdurch dreht sich allerdings die R
ollenverteilung
um. Diese ist in Abb. 15.13 zu sehen. Die Führungskraft steht nicht mehr an der Spitze der
Pyramide – sondern fördert und unterstützt die unmittelbar zugeordneten Mitarbeiter und
deren Teams.
E
F n
ü a
h b
r l
e e
n n
Abb. 15.13 Aufgabe der Führungskraft – von „par ordre de Mufti“ zum Enabler – zum Enabler.
(Quelle: Eigene Darstellung)
434 R. T. Kreutzer
Bei einem solchen Führungsansatz managen sich die Teams in höherem Maße selbst.
Dafür ist es jedoch notwendig, dass die Team-Mitglieder auch über die notwendige
Methodenkompetenz sowie über ein entsprechendes Mindset verfügen – und die zusätz-
liche Verantwortung tatsächlich auch tragen möchten. Gerade Letzteres ist nicht selbst-
verständlich. Schließlich bedeutet Verantwortung auch das Einstehen über Entwicklungen,
die nicht die gewünschten Ergebnisse liefern.
Was ist die Kernidee der sogenannten Enabler-Kultur? Die wichtigste Voraus-
setzung ist, dass die Führungskräfte sich nicht (mehr) als Befehlsgeber verstehen, die für
ihre Mitarbeiter Ziele und Aufgaben definieren. Hier wird auch von „transaktionaler Füh-
rung“ gesprochen. In einer Enabler-Kultur agieren sie vielmehr als Förderer ihrer Mit-
arbeiter und unterstützen diese nachhaltig bei der Aufgabenerfüllung sowie bei deren eige-
ner Entwicklung. Diese Unterstützung sollte die Mitarbeiter und das Team dazu befähigen,
übertragene Aufgaben in hohem oder höherem Maße eigenverantwortlich zu bearbeiten
und Entscheidungen im Sinne des Unternehmens-Zwecks (Purpose) zu treffen. Eine sol-
che Veränderung in der Führungskultur muss in die entsprechende Weiterentwicklung
der Unternehmenskultur eingebunden sein. Gelingt dies, dann werden die Führungs-
kraft zu Netzwerkern, wie Abb. 15.14 zeigt.
Die für die Personalentwicklung verantwortlichen Leistungsträger sind aufgefordert,
unternehmens- und mitarbeiterspezifisch die relevanten Qualifizierungsbelange zu
erkennen – und vor allem zeitnah zu agieren. Die digitalen Herausforderungen warten
nicht auf langsame Unternehmen!
Abb. 15.14 Aufgabe der Führungskraft als Netzwerker – über den eigenen Verantwortungsbereich
hinaus. (Quelle: Eigene Darstellung)
15 Human Resources – Treiber und Enabler der digitalen Transformation 435
Literatur
Bardwick, J. (1995). Danger in the comfort zone: How to break the entitlement habit that’s killing
American business. American Management Association.
BCG. (2019). Decoding global trends in upskilling and reskilling. https://www.bcg.com/de-de/pu-
blications/2019/decoding-global-trends-upskilling-reskilling. Zugegriffen am 04.06.2021.
Bertelsmann Stiftung. (2020). Erfolgskriterien betrieblicher Digitalisierung.
Dillerup, R., & Stoi, R. (2016). Unternehmensführung: Management & Leadership. Vahlen.
Ebers, M., & Maurer, I. (2014). Netzwerktheorie. In A. Kieser & M. Ebers (Hrsg.), Organisations-
theorien (7. Aufl., S. 386–406). Schäffer Poeschel.
Gallup. (2019). Warum der Faktor Mensch im Zeitalter der Digitalisierung so wichtig ist, Presse-
gespräch, 12.9.2019.
Gallup. (2020a). What is employee engagement and how do you improve it? https://www.gallup.com/
workplace/285674/improve-Employee Engagement-workplace.aspx?utm_source=paper&utm_
medium=in_text&utm_campaign=ee_meta_analysis#ite-285701. Zugegriffen am 12.05.2021.
Gallup. (2020b). Employee engagement and performance: Latest insights from the world’s lar-
gest study.
Hofert, W., & Thonet, C. (2018). Der agile Kulturwandel: 33 Lösungen für Veränderungen in Orga-
nisationen. Springer Gabler.
Hoffmann, G. P. (2018). Personalentwicklung und -controlling, Strategien für den Mittelstand.
Springer Gabler.
Jäger, A. (2020). Arbeit 4.0, Fraunhofer-Institut, Donau-Universität Krems.
Klimmer, M. (2016). Unternehmensorganisation: Eine kompakte und praxisorientierte Einführung
mit Online-Training. nwb.
Kreutzer, R. (2021). Toolbox für Digital Business, Leadership, Geschäftsmodelle, Technologien und
Change-Management für das digitale Zeitalter. Springer Gabler.
Kudernatsch, D. (2019). Personalentwicklung und -führung im digitalen Zeitalter. https://industrie.de/
management/personalentwicklung-und-fuehrung-im-digitalen-zeitalter/. Zugegriffen am 04.05.2021.
Lasnia, M., & Nowotny, V. (2018). Agile Evolution: Eine Anleitung zur agilen Transformation.
Business Village.
Laloux, F. (2017). Reinventing Organizations. Vahlen
Laudon, S. (2017). Wie die Digitalisierung die Führungskompetenz komplett neu definiert. In
W. Jochmann, I. Böckenholt & S. Diestel (Hrsg.), HR-Exzellenz, Innovative Ansätze in Leader-
ship und Transformation (S. 65–77). Springer Gabler.
MCG. (2021). Verhaltens-Präferenz-Analyse. http://www.mcg-fasch.de/kommunikation/vpa-
verhaltens-praeferenz-analyse.html. Zugegriffen am 03.06.2021.
Nerdinger, F., Blickle, G., & Schaper, N. (Hrsg.). (2014). Arbeits- und Organisationspsychologie (3.
Aufl.). Springer.
Rosenstiel, L. v., & Nerdinger, F. W. (2011). Grundlagen der Organisationspsychologie, Basis-
wissen und Anwendungshinweise (7. Aufl.). Schäffer Poeschel.
Schönbohm, A. (2019). Ludic Leadership – Spielerische Antworten auf die kulturellen Heraus-
forderungen der Digitalisierung. In A. Schönbohm (Hrsg.), Digitalkultur – Facetten digitaler
Transformation (S. 1–19). Schönbohm.
Schönbohm, A., Marwede, L., & Graffius, M. (Hrsg.). (2017). Spielräume, Facetten von Gamifica-
tion in Unternehmen und Weiterbildung. Flying Kiwi Media.
436 R. T. Kreutzer
Prof. Dr. Ralf T. Kreutzer ist seit 2005 Professor für Marketing an
der Hochschule für Wirtschaft und Recht/Berlin School of Econo-
mics and Law. Parallel ist er als Trainer, Coach sowie als Marketing
und Management Consultant tätig. Er war 15 Jahre in verschiedenen
Führungspositionen bei Bertelsmann (letzte Position Direktor des
Auslandsbereichs einer Tochtergesellschaft), Volkswagen (Ge-
schäftsführer einer Tochtergesellschaft) und der Deutschen Post (Ge-
schäftsführer einer Tochtergesellschaft) tätig, bevor er 2005 zum Pro-
fessor für Marketing berufen wurde.
Prof. Kreutzer hat durch regelmäßige Publikationen und Keyno-
te-Vorträge (u. a. in Deutschland, Österreich, Schweiz, Frankreich,
Belgien, Singapur, Indien, Japan, Russland, USA) maßgebliche Im-
pulse zu verschiedenen Themen rund um Marketing, Dialog-
Marketing, CRM/Kundenbindungssysteme, Database-Marketing,
Online-Marketing, Social-Media-Marketing, Digitaler Darwinismus,
Digital Branding, Dematerialisierung, Change-Management, Künst-
liche Intelligenz, Agiles Management, strategisches sowie inter-
nationales Marketing gesetzt und eine Vielzahl von Unternehmen im
In- und Ausland in diesen Themenfeldern beraten. Zusätzlich ist
Prof. Kreutzer als Trainer und Coach im Einsatz.
Der Geschäftsmodellinnovations-Roadmap
Ansatz für die digitale Transformation 16
Amaury-Alexandre Schaller und Ronald Vatananan-Thesenvitz
Zusammenfassung
Schlüsselwörter
16.1 Einführung
Die Globalisierung hat zu einer Öffnung der Märkte für den weltweiten Handel geführt,
aber diese gleichzeitig auch wettbewerbsintensiver gemacht. Um einen nachhaltigen Wett-
bewerbsvorteil zu gewährleisten, muss in Unternehmen eine Anpassung erfolgen und ein
Innovationsansatz für Geschäftsmodelle gefunden werden, um auf Marktanforderungen
und neue digitale Technologien reagieren zu können (Brillinger, 2018; Latilla et al., 2020;
Schallmo et al., 2017). In diesem Zusammenhang ist der Prozess der Geschäftsmodellin-
novation heute eine zentrale Herausforderung für ein Unternehmen. In einer aktuelle Stu-
die von Schaller und Vatananan-Thesenvitz (2019) wurde festgestellt, dass das Interesse
am Forschungsfeld der Geschäftsmodell-Innovation weiterhin steigt, was sich in verschie-
denen Prozessansätzen widerspiegelt (Bucherer, 2010; Johnson et al., 2008; Remane et al.,
2017; Schaller et al., 2018; Stampfl, 2016; Trapp et al., 2018). Praktiker vermissen jedoch
klare und strukturierte Vorgehensweisen, wie insbesondere im digitalen Kontext der Pro-
zess von der Ideenentwicklung zu implementierten Geschäftslösungen im Sinne von Ge-
schäftsmodellen zu verlaufen hat (Mohr et al., 2017). De Reuver, Bouwman und Haaker
(2013, S. 1) stellen diesbezüglich fest: Der Übergang zu einem neuen Geschäftsmodell
wirft verschiedene praktische und strategische Fragen auf, z. B. wie ein bestehendes Wert-
versprechen durch ein neues ersetzt werden kann, wann neue Ressourcen und Fähigkeiten
erworben werden sollten und wann neue Partnerschaften eingegangen werden können.
Die ständige Notwendigkeit für Veränderung ist für Unternehmen, die in einem sich
schnell wandelnden Umfeld verortet werden können, entscheidend – insbesondere hin-
sichtlich des Wettbewerbsvorteils (Teece et al., 1997). Die Folgen sind, dass Unternehmen
zur ständigen Anpassung gedrängt werden, was bedeutet, in einem volatilen Umfeld flexi-
bel zu werden und zu bleiben (Schneider & Spieth, 2013).
Bisher wurde allerdings in nur wenigen Studien das Thema der Geschäftsmodellinno-
vation für kleine und mittlere Unternehmen (KMU) beleuchtet (Gatautis et al., 2019;
Heikkilä et al., 2018), sodass unklar bleibt, wie in KMU heutzutage das Geschäftsmodell
innoviert wird (Foss & Saebi, 2017). Kleine bis mittlere Unternehmen sind die Grundlage
für fast jede wirtschaftliche Aktivität und gelten als die dynamische Kraft hinter den meis-
ten Volkswirtschaften (Becker et al., 2008). Diese Arten von Unternehmen sind verant-
wortlich für Innovation, Wachstum und Beschäftigung (Bouwman et al., 2019). Laut As-
para, Hietanen und Tikkanen (2010) ist die Geschäftsmodellinnovation besonders
maßgebend für den Erfolg von KMU.
16 Der Geschäftsmodellinnovations-Roadmap Ansatz für die digitale Transformation 439
16.1.2 Forschungsfragen
Nachhaltige Entwicklungen und Innovationen sind für ein Unternehmen in einem Umfeld
anhaltender Veränderungen notwendig. Jedoch erfordert ein dynamisches Umfeld eine zeit-
nahe Reaktion des Unternehmens, um nicht Nachteilen ausgesetzt zu sein. Daher erfordert
der Veränderungsprozess eine agile Anpassung des Geschäftsmodells, bei der einzelne Ge-
schäftsmodellkomponenten gezielt innoviert werden können. Alle Transformationsprojekte
erfordern eine Reflexion, wie in einem Unternehmen heute und in Zukunft Werte geschaf-
fen werden. Durch die potenziellen digitalen Disruptionsrisiken erfordert die Ausrichtung
aller Geschäftsmodellkomponenten, um das innovative Geschäftsmodell wettbewerbsfähig
zu machen, mehr als nur einen Aktionsplan von A nach B. Es wird ein integrierter Ansatz,
z. B. eine Roadmap, benötigt, um ein Geschäftsmodell mit digitalen Technologien und
Ressourcen zu verknüpfen, in dem die Verbindungen zwischen den einzelnen Faktoren
übersichtlich und verständlich dargestellt wird. Daher ist es das übergeordnete Ziel dieser
Studie, einen solchen Ansatz zu finden. In Tab. 16.1 werden die Forschungsfragen mit den
Forschungszielen und der jeweiligen Forschungsmethode verknüpft.
16.2 Literaturübersicht
Das Konzept eines Geschäftsmodells wurde ursprünglich von Drucker (1954) eingeführt
und wurde mit dem Aufkommen des Internets in den neunziger Jahren weit verbreitet
(Keen & Qureshi, 2006). Osterwalder und Pigneur (2010) stellten fest, dass ein solches
Modell das Design und die Architektur der Wertschöpfung, Wertlieferung und Werterfas-
sung für ein Unternehmen definiert. Ein Geschäftsmodell ermöglicht es, eine ganzheitli-
che, holistische Darstellung unternehmensrelevanter Aktivitäten in eine übersichtliche
Form zu überführen. Es handelt sich hierbei um ein System der internen oder der unter-
nehmensübergreifenden Leistungserbringung, das die Unternehmensstrategie als Aus-
gangspunkt hat und mit dessen Hilfe die relevanten Geschäftsfelder, die Wertschöpfung
und die Umsatzgenerierung auf höchster Aggregationsebene definiert werden. Unter ei-
nem ‚Geschäftsmodell‘ wird in diesem Beitrag gemäß der Definition von Schallmo (2013,
S. 22) Folgendes verstanden: „Ein Geschäftsmodell ist die Grundlogik eines Unterneh-
mens, die beschreibt, welcher Nutzen auf welche Weise für Kunden und Partner gestif-
tet wird.“
Schneider und Spieth (2013) merken an, dass das wachsende Interesse an der Ge-
schäftsmodellinnovation auf die Eignung des Geschäftsmodells zurückzuführen ist, eine
durch die verschiedenen Komponenten des Rahmens gegebene Analyseeinheit zu sein, die
es ermöglicht, alle wesentlichen internen und externen Variablen gleichzeitig zu betrach-
ten. Daher taucht das Geschäftsmodell als ein neuer Geltungsbereich für Innovation auf,
der zu den klassischen Prozess-, Produkt- und Dienstleistungsinnovationen hinzuzugefügt
wird (Chesbrough, 2010; Velamuri et al., 2013). Aus einer genaueren Betrachtung der
verschiedenen Definitionen geht hervor, dass es sich im Kern um Änderungen der Archi-
tektur der Geschäftsaktivitäten handelt. Bei der Auswertung der Literatur wird deutlich,
dass es Unstimmigkeiten darüber gibt, wann eine Änderung der Geschäftsaktivität als Ge-
schäftsmodellinnovation eingestuft wird (Calvacante, 2014). Die Definitionen für Ge-
schäftsmodellinnovation reichen von der einfachen Änderung einer Geschäftsmodellkom-
ponente bis zur Neugestaltung des gesamten Branchengeschäftsmodells (Kraus et al.,
2020). In mehreren Definitionen wird festgelegt, dass die Änderung von nur einer oder
zwei Komponenten eines Geschäftsmodells ausreichen, um als Innovation gelten zu kön-
nen (Lindgardt et al., 2009; Taran, 2011). Bei anderen Definitionen hingegen wird darauf
hingewiesen, dass nur eine grundlegende, neue Geschäftsaktivität als Geschäftsmodellin-
novation angesehen werden kann (Berglund & Sandström, 2013; Johnson et al., 2008;
Markides, 2006; Skarzynski & Gibson, 2008). Unter diesen beiden Extremen verstehen
verschiedene Akademiker, dass Geschäftsmodellinnovation erreicht werden kann, wenn
„eine oder mehrere Komponenten“ (Frankenberger et al., 2013; Labbé & Mazet, 2005)
oder „mindestens vier von sechs Komponenten“ (Mitchel & Coles, 2004) sich grundle-
gend ändern. In diesem Beitrag wird die Definition von Frankenberger et al. (2013, S. 253)
für Geschäftsmodellinnovation verwendet: „At root, a business model innovation can be
defined as a novel way of how to create and capture value, which is achieved through a
change of one or multiple components on the business model.“ In dieser Definition werden
442 A.-A. Schaller und R. Vatananan-Thesenvitz
‚Roadmapping‘ wird im Allgemeinen als Ansatz zur Unterstützung der Entwicklung, der
Kommunikation und der Umsetzung von Technologie- und Geschäftsstrategien verwendet
und gilt als zukunftsorientiertes Planungssystem (Vatananan & Gerdsri, 2012; Beeton
et al., 2008; Vinayavekhin & Phaal, 2019). Technologie-Roadmapping wird als ein Kon-
zept definiert, das bei der Erkundung und Kommunikation der dynamischen Verbindung
zwischen technologischen Ressourcen, organisatorischen Zielen und der sich verändern-
den Umgebung unterstützend fungiert (Geschka & Hahnenwald, 2013). Um die Definition
der Begriffe ‚Roadmap‘ und ‚Roadmapping‘ besser zu verstehen, ist der folgende Auszug
von Moehrle et al. (2013, S. 4) hilfreich: „Eine Roadmap ist nichts anderes als eine grafi-
sche Darstellung von Technologien, die oft Objekte wie Produkte oder Kompetenzen und
die Verbindungen, die sich im Laufe der Zeit zwischen ihnen entwickelt haben, in Bezie-
hung setzt. Die Aktivitäten, die zur Erstellung und Aktualisierung einer solchen Darstel-
lung erforderlich sind, werden als Technologie-Roadmapping bezeichnet.“
Neben der traditionellen Anwendung von Roadmaps gibt es neuartige Bereiche für das
Roadmapping, z. B. neue Produktentwicklungsprozesse (Petrick & Echols, 2004), Wis-
sensmanagement (Brown & O’Hare, 2001), virtuelle Innovation (Rinne, 2004), disruptive
Technologien (Kostoff et al., 2004; Walsh, 2004) und Geschäftsmodelle (De Reuver et al.,
2013; Schaller et al., 2018), wodurch das flexible und anpassbare Potenzial des
Roadmapping-Konzepts gezeigt werden kann. Obwohl Roadmaps für eine Vielzahl von
Zwecken mit unterschiedlichen Formen verwendet werden (Phaal et al., 2004), wird mit
diesen in der Regel das Ziel verfolgt, eine übergreifende, synthetisierte und integrierte
Sicht auf strategische Entscheidungen in einer einfachen bildlichen Darstellung zu erfas-
sen (Phaal et al. 2007).
16 Der Geschäftsmodellinnovations-Roadmap Ansatz für die digitale Transformation 443
Der BMI-R-Ansatz basiert auf einer systematischen Literaturrecherche, die auf Empfeh-
lungen von Bryman und Bell (2015) sowie Easterby-Smith, Thorpe und Jackson (2015)
beruht und von einem Querverweis-Schneeballsystem der Literaturverzeichnisse kom-
plettiert wird (Saunders et al., 2016).
Der generische Roadmap-Ansatz wird als ‚dynamisches System-Framework‘ bezeich-
net, mit dem eine Architektur vorgeschlagen wird, innerhalb derer die Entwicklung eines
Systems abgebildet werden kann (Phaal et al., 2007). Somit eignet sich das Konzept für
den Innovationsprozess eines Geschäftsmodells, da es eine klare Struktur bietet. Als Vor-
teil dieser Visualisierungsform kann hervorgehoben werden, dass die Transformation der
einzelnen Geschäftsmodellkomponenten im Zeitablauf übersichtlich dargestellt werden
kann. Des Weiteren werden durch die Visualisierung der Querverbindungen zwischen den
einzelnen Ebenen gegenseitige Abhängigkeiten und Realisierungsvoraussetzungen im
444 A.-A. Schaller und R. Vatananan-Thesenvitz
Beim BMI-R-Ansatz wird mit einer Situationsanalyse begonnen, die die Analyse des Ge-
schäftsumfelds, in dem das Unternehmen aktiv ist, beinhaltet. In der generischen Road-
map auf Basis von Phaal und Muller (2009) kann die Ausgangssituation mit der Vergan-
genheit und der aktuellen Situation verglichen werden – relevante Ereignisse und Fakten
aus der Vergangenheit werden hervorgehoben (z. B. führende Wettbewerber, Marktein-
trittsstrategie, Kundenanalyse) und Verbesserungspotenziale für die zukünftige Ausrich-
tung abgeleitet. Die Analyse der Ausgangssituation hilft dem Unternehmen, die Branche,
den Markt, den Konkurrenten, die Lieferanten, die digitalen Technologien, den Kunden,
das allgemeine Umfeld (z. B. bezüglich der politischen Situation oder Gesundheitskrisen)
und die Gesamtwirtschaft zu bewerten und zu verstehen.
Die oberste Ebene einer Roadmap ist mit den Trends und Treibern verbunden, durch
die die mit der Roadmappingaktivität verbundenen Gesamtziele oder der Zweck bestimmt
werden (Phaal & Muller, 2009, S. 44). Daher stellt die erste Ebene der BMI-R-Struktur die
Ebene der digitalen Technologien dar, die aktuell existierende, aber auch aufstrebende
digitale Technologien umfasst. Für die oberste Ebene werden nur die digitalen Technolo-
gien als Trend berücksichtigt, da sie derzeit das größte disruptive Potenzial für Unterneh-
men und Industrien haben und somit zeitnah für die Entwicklung einer Branche an Rele-
vanz gewinnen können (Brynjolfsson & McAffee, 2014).
Die mittlere Ebene bezieht sich üblicherweise auf das greifbare System, das entwickelt
werden muss, um auf die Trends und Treiber der obersten Schicht zu reagieren (Phaal &
Muller, 2009, S. 44). Für den BMI-R-Ansatz bildet die mittlere Ebene die Komponenten
des Geschäftsmodells ab. Basierend auf einer Analyse und einem Vergleich verschiedener
Geschäftsmodelldarstellungen werden die folgenden vier Komponenten in die BMI-R in-
tegriert: Wertversprechen, Wertschöpfung, Wertlieferung und Werterfassung.
Die unterste Ebene der BMI-R stellt die Aktivitätenebene dar. De Reuver et al. (2013,
S. 8) zufolge kann die Übertragung auf die Aktivitätsebene durch folgende Frage geklärt
werden: Welche Aktivität muss ausgeführt werden, um die gewünschten Geschäftsmodell
16 Der Geschäftsmodellinnovations-Roadmap Ansatz für die digitale Transformation 445
Fragen: Wo stehen wir jetzt? Wie können wir das erreichen? Wo wollen wir hin?
Analyse- Ver-
grad Ebene Komponente Zeit bindung
Analyse der Ausgangslage kurzfristig mittelfristig langfristig Vision Wann
- Gartners Hype-Zyklus 1 - Digitale Technologien, die den Zweck der Organisation beeinflussen oder neue schaffen können
Geschäfts- - PESTEL Analyse
Extern Digitale Technologien - Bezieht sich auf die digitalen Technologien, die die übergeordneten Ziele oder Zwecke im Zusammenhang mit Warum
umfeld - Branchenstrukturanalyse
- SWOT-Analyse
den Roadmapping-Aktivitäten bestimmen
- VRIO
2
Wertversprechen - Wertschöpfungskette
- Beinhaltet den Mechanismus (Geschäftsmodell), durch den der Zweck erreicht wird
Geschäfts- Wertschöpfung 3 - Portfolio Analysis
Intern - Bezieht sich auf das greifbare System (Geschäftsmodell), das entwickelt werden muss, um auf die digitalen Was
modell Wertlieferung - SWOT-Analyse
Technologien in der obersten Ebene zu reagieren
Werterfassung - Branchenstrukturanalyse
- Digitales Radar
Inhalt - Beinhaltet die Aktivitäten, die eingesetzt und integriert werden müssen, um das greifbare System
Design 4 (Geschäftsmodell) zu entwickeln
Aktivitäten Struktur Wie
Elemente - Bezieht sich auf die Aktivitäten, die zur Entwicklung der jeweiligen Geschäftsmodellkomponenten durchgeführt
Governance
werden müssen
16.3 Forschungsmethodik
Die Forschungsmethodik besteht aus zwei Schritten: einer Delphi-Befragung zur Validie-
rung der entwickelten BMI-R aus der Literatur und einem Aktionsforschungs-
Komponentenprojektes zur Erprobung des Ansatzes. In jedem Schritt wird ein bestimmtes
Forschungsziel verfolgt, das aus Tab. 16.1 entnommen werden kann.
Eine Delphi-Befragung ermöglicht es dem Forscher, die Meinung von Experten durch
eine strukturierte Gruppendiskussion zu sammeln, bei der die Teilnehmer nicht physisch
anwesend sein müssen (Mitchell & Larson, 1987). Diese Methode wird eingesetzt, um
446 A.-A. Schaller und R. Vatananan-Thesenvitz
erschwert wird (Nworie, 2011). Bei der Betrachtung der Stichprobengröße muss auch die
Panel-Mortalität berücksichtigt werden. Daher sollte die anfängliche Stichprobengröße
groß genug sein, um in der letzten Runde, abzüglich der Ausfälle, noch eine ausreichende
Anzahl von Experten zu haben.
16.3.1.3 Datenanalyse
Für die erste Runde wurde eine qualitative Auswertungsmethode auf Basis der Inhaltsana-
lyse nach Mayring (1997) sowie der Grounded Theory nach Glaser et al. (1968) ange-
wandt, da der Fragebogen auf offenen Fragen basierte und die Antworten der Teilnehmer
schriftliche, nicht-numerische Daten enthielten. Die Antworten wurden gesammelt, orga-
nisiert, beschriftet und Kategorien zugewiesen (kodiert). Für die Datenanalyse wurde
‚MAXQDA 12‘, ein Softwareprogramm zur Analyse von qualitativen Daten (Rädiker &
Kuckartz, 2019), verwendet, um ein A-priori-Klassifizierungssystem zu entwickeln. Das
Klassifizierungssystem wurde anhand der Interrater-Kennzahl, das ein Maß zur Bestim-
mung des Grades der Übereinstimmung zwischen zwei Bewertern darstellt, validiert (Bry-
man & Bell, 2015).
Nach der qualitativen Analyse in der ersten Runde wurden die Ergebnisse der zweiten
und dritten Runde, basierend auf dem oben erwähnten entwickelten Kategoriensystem,
mit ‚SPSS‘ (‚Statistical Package for the Social Sciences‘) statistisch ausgewertet. In die-
sen beiden Runden wurden die Ergebnisse hauptsächlich mit geschlossenen skalierten
Fragen ermittelt. Die Ergebnisse wurden anhand deskriptiver Methoden ausgewertet, wo-
durch eine differenziertere Übersicht über den Datensatz gewonnen werden konnte und
Erkenntnisse über das Antwortverhalten der Experten abgeleitet werden konnten. Die in
der zweiten und dritten Runde gesammelten Daten erlaubten außerdem, die Antworthäu-
figkeiten zu analysieren und auf Unterschiede in der Verteilung der Antworten zu testen.
Da die Delphi-Befragung Experten mit unterschiedlichem Hintergrund umfasste, konnte
der Unterschied zwischen den beiden Teilstichproben (Gruppen) untersucht werden.
16.3.2 Aktionsforschung
gegenstands erfordert (Ottosson, 2003). Die Innovierung von Geschäftsmodellen ist oft
komplex und dynamisch, was ein handlungsorientiertes Forschungsdesign mit temporären
Interaktions- und Nachjustierungsmöglichkeiten verlangt (Halecker, 2016, S. 22). Die
grundlegende Aktionsforschung, die von Kurt Lewin begründet wurde (Susman & Evered,
1978), ermöglicht es dem Forscher, Ansätze und Frameworks im untersuchten Szenario zu
entwickeln und zu testen. Es handelt sich um einen zyklischen Prozess, bei dem eine Ver-
änderung in einer bestimmten Situation eingeführt wird und diese dann beobachtet und
analysiert wird sowie weitere Aktivitäten geplant werden (Bryman & Bell, 2015; Saunders
et al., 2016). Die Aktionsforschung hat einen praktischen, problemlösenden Schwerpunkt
und beinhaltet eine systematische, kritische Reflexion mit dem Ziel, die praktischen Anlie-
gen von Menschen in einer unmittelbaren Problemsituation durch gemeinsame Zusammen-
arbeit innerhalb eines akzeptablen ethischen Rahmens zu lösen (Rapoport, 1970, S. 499).
Der Aktionsforschungszyklus beinhaltet die folgenden Schritte: den Schwerpunkt der For-
schung definieren, Aktivitäten planen und implementieren, daraus resultierende Ergebnisse
beobachten und reflektieren und bei Bedarf weitere Aktivitäten planen. In dieser Studie
wird der Aktionsforschungscharakter verfolgt, jedoch konnte die Beobachtung der weiteren
geplanten Aktivitäten aus Zeitgründen nicht umgesetzt werden. Daher wird in dieser Studie
statt ‚Aktionsforschung‘ der Begriff ‚Aktionsforschungskomponente‘ verwendet.
16.3.2.1 Forschungsobjekt
Das zugrundeliegende Untersuchungsobjekt dieser Studie ist ein mittelständisches Famili-
enunternehmen. Aufgrund der bedeutenden gesamtwirtschaftlichen Funktion, die KMU
erfüllen, sind sie häufig Gegenstand verschiedener wirtschaftspolitischer Aktivitäten (Be-
rens et al., 2005). Jedoch ist nur jedes dritte KMU in Geschäftsmodellinnovations-
Aktivitäten involviert und dies häufig auf unsystematische Weise (Bouwman et al., 2019).
Kleine und mittlere Unternehmen machen 99,5 % der Unternehmen in Deutschland aus,
während der Großteil der gesamtwirtschaftlichen Leistung von KMU erbracht wird (Botz-
kowski, 2018). Dennoch bestimmen kapitalmarktorientierte Unternehmen nach wie vor die
öffentliche Diskussion und bilden die Grundlage für Wirtschaftstheorien. Nichtsdestotrotz
wird der Mittelstand als Basis einer stabilen und leistungsfähigen Wettbewerbswirtschaft
anerkannt. Der deutsche Mittelstand ist ein zentrales Element der sozialen Marktwirtschaft
und ein entscheidender Erfolgsfaktor des deutschen Wirtschaftswunders (Botzkowski,
2018). Botzkowski (2018) unterstreicht daher die Bedeutung der teilweisen oder vollstän-
digen (digitalen) Transformation von Geschäftsmodellen für KMU. Insbesondere im Ver-
gleich zu größeren Unternehmen könnten KMU den Wettbewerb um Marktanteile verlieren
und letztlich einen Wettbewerbsnachteil erleiden. Aus diesen Gründen wird im vorliegen-
den Beitrag die Entwicklung des BMI-R-Ansatzes in einem KMU fokussiert.
Bei der Auswahl des Untersuchungsobjektes wurden die quantitativen Kriterien des
IfM Bonn (Günterberg, 2012) und die qualitativen Kriterien von Becker, Staffel und Ul-
rich (2008) berücksichtigt. Das untersuchte Unternehmen, das im Familienbesitz ist und
von der Gründungsfamilie noch geführt wird, ist im Postdienstleistungssektor im
Business-to-Business-Bereich tätig. Die Dienstleistungen umfassen die Abholung und Zu-
16 Der Geschäftsmodellinnovations-Roadmap Ansatz für die digitale Transformation 449
stellung von Briefen und Paketen, die Beratung zu unternehmensinternen Poststellen und
die Optimierung von Lettershops. Dieses KMU wurde bewusst aufgrund der Relevanz für
die Forschungsfragen ausgewählt (Eisenhardt, 1989). Es bestand die Möglichkeit, in ei-
nem geringen Zeitraum auf alle notwendigen Informationen zuzugreifen. Außerdem war
die Bereitschaft zur Teilnahme an der Studie durch das Top-Management gegeben und
somit war auch der Zugang zu allen notwendigen Nachweisen und Daten gewährleistet,
was dabei half, das zu untersuchende Phänomen bestmöglich zu analysieren (Mayer, 2013).
16.3.2.2 Datenerhebung
Hinsichtlich der Aktionsforschung im Allgemeinen ähnelt die Datenerfassung dem Pro-
zess für andere Fallstudienforschungen (Halecker, 2016). Yin (2009) hat sechs primäre
Quellen für die Datensammlung vorgeschlagen: (1) Dokumente, (2) Archive, (3) Inter-
views, (4) direkte Beobachtung, (5) indirekte Beobachtung und (6) physische Artefakte.
Darüber hinaus bieten auch moderierte Workshops angemessene Möglichkeiten zur Daten
erhebung (Eisenhardt, 1989; Pettigrew, 1990). Für dieses Projekt wurden alle sechs Quel-
len, die von Yin (2009) vorgeschlagen wurden, berücksichtigt. Darüber hinaus wurde ein
Workshop durchgeführt, der auf dem S-Plan-Entwicklungsprozess für eine generische
Roadmap basiert (Phaal et al., 2003).
Die Interviews wurden mit zwei Mitarbeitern in unterschiedlichen Funktionen geführt
(beide aus der obersten Führungsebene), um einen Single-Informant-Bias zu vermeiden
(Ernst & Teichert, 1998). Die Interviewfragen basierten auf einem offenen Fragenformat.
Dadurch wurde es den Befragten ermöglicht, ihr Verständnis des Phänomens in ihren ei-
genen Worten zu formulieren (Patton, 2002). Die Interviews folgten einem halbstruktu-
rierten Interviewleitfaden (qualitative Interviews) und dauerten jeweils etwa eine Stunde
(Yin, 2009).
Der Workshop diente dazu, mögliche Lösungen zu identifizieren und zu klassifizieren,
um die gewünschte Geschäftsmodellinnovation im Kontext der digitalen Transformation
zu erreichen. Der von Kerr, Phaal und Probert (2012) entwickelte Workshop-Ansatz für
generische Roadmaps wurde für die Erarbeitung der BMI-R für das Untersuchungsprojekt
angepasst angewandt. Der Workshop-Ansatz ist für die Roadmap-Entwicklung geeignet,
da die Teilnehmer durch den Workshop in eine Diskussion eingebunden werden, um einen
Konsens bezüglich der Architektur, den Ebenen und des Inhalts der Roadmap zu finden.
Ein Workshop ist ein sozialer Mechanismus sowie eine Form der Datenerhebung, bei der
ein Gleichgewicht zwischen der Interpretation von qualitativen Daten und Interventionen
gewährleistet wird und zudem das Ziel verfolgt wird, Lösungen für praktische Probleme
zu finden und neue Gruppenerkenntnisse für ein besseres Verständnis zu schaffen. Das
‚wahre‘ Leistungsvermögen des Roadmapping-Workshops liegt in der Gruppendynamik
und der gemeinsamen Anstrengung (Phaal et al., 2007). Der Workshop wurde in zwei
Sitzungen unterteilt, die über zwei Tage mit drei Teilnehmern aus der oberen bis mittleren
Managementebene abgehalten wurden. Phaal et al. (2007) haben sechs Schritte für den
S-Plan-Roadmapping-Entwicklungsprozess definiert, die für den BMI-R-Workshop ange-
passt wurden (Abb. 16.3):
450 A.-A. Schaller und R. Vatananan-Thesenvitz
Workshop
(b)
Planung (a) Strategische (c) Vorrangige (d) Weiteres Überprüfung
Innovationschancen
Landschaft Chancen erkunden Vorgehen
identifizieren
- Fokus, Umfang, Ziel - Gegenwärtige - Identifizieren und - Möglichkeiten in - Überprüfung der - Überprüfung des
- Roadmap-Architektur funktionale priorisieren von kleinen Gruppen Möglichkeiten und erlernten
- Prozess/Agenda Perspektive Dimension Chancen und definieren und Vereinbarung zum - Aktivitäten und
- Teilnehmer - Erfassung dieser und strategischen Richtung einschätzen weiteren Vorgehen Richtung
- Logistik andere Sichten auf Optionen - Feedback & - Überprüfen und überprüfen
- Vorbereitung Roadmap mit Chart Überprüfung vereinbaren, wie
- Identifizieren, - Wiederholen, wenn die Roadmap
überprüfen und es die Zeit erlaubt vorangetrieben wird
Priorisierung der
wichtigsten Themen
16.3.2.3 Datenanalyse
Nach der Übersetzung der Notizen aus den Interviews, der Gruppendiskussion, den direk-
ten und indirekten Beobachtungen und dem Workshop wurde die Analyse auf der Grund-
lage eines Standardkodierungsverfahrens erstellt (Bryman & Bell, 2015). Hierzu wurde
erneut die Software MAXQDA verwendet. Die vordefinierten Kodierregeln basierten auf
denen, die für die Delphi-Befragung definiert wurden. Allerdings wurden die Kodes an
das Projekt der Aktionsforschungskomponente angepasst. Daher wurden einige, schon
bestehende Kodes verwendet, jedoch wurden auch neue aus den Daten abgeleitet. Der
Interrater-
Agreement-Ansatz wurde erneut angewandt, um die Interpretation der im
Aktionsforschungs-Komponentenprojekt gewonnenen Daten zu validieren (Bryman &
Bell, 2015). Generell sollte die Komplexität des Kodierschemas reduziert werden, da ein-
fachere Codes im Vergleich zu komplexeren als zuverlässiger angesehen werden (Garrison
et al., 2006).
16.4 Ergebnisse
Der Ergebnisteil wird in zwei Unterabschnitte gegliedert: Zunächst wird auf die Ergeb-
nisse aus der Delphi-Befragung eingegangen, worauf in einem weiteren Schritt die Prä-
sentation der Aktionskomponentenforschung folgt. Am Ende dieses Abschnitts wird eine
Zusammenfassung der Gesamtergebnisse gegeben.
Die meisten Teilnehmer hielten die vier Komponenten (d. h. Wertversprechen, Wert-
schaffung, Wertlieferung und Werterfassung) für die Darstellung der mittleren Ebene, des
Geschäftsmodells, für angemessen. In den offenen Textfeldern schlug ein Experte auch
die Komponente ‚Wertnetzwerk‘ vor, die dann in der zweiten Runde des Fragebogens den
anderen Teilnehmern vorgeschlagen wurde.
Die vorgeschlagene Aktivitäten-Ebene (unterste Ebene) in der BMI-R war für die Ex-
perten irreführend. Die meisten Teilnehmer verstanden weder ihren Zweck noch ihre Be-
ziehung zu den anderen Ebenen. Die einzelnen Komponenten waren zwar verständlich,
jedoch blieb der Fluss der Aktivitäten recht abstrakt. Daher wurden in der zweiten Runde
des Fragebogens weitere Erklärungen für diese Ebene gegeben und nach erneutem Feed-
back gefragt.
Bei den Prozessschritten waren sich die Teilnehmer ebenfalls unsicher, wie viel Zeit
und Aufwand für einen Zyklus erforderlich sein würden. Daher wurde in der zweiten
Runde ein agiler Ansatz vorgeschlagen, bei dem zu Beginn so schnell wie möglich iteriert
und dann definiert wird, wo im Geschäftsmodell weitere Aufmerksamkeit erforderlich ist,
um die Aktivitäten neu auszurichten. Die agile Methode wird auch in der Literatur vorge-
schlagen, wobei Folgendes angemerkt wird: Die Geschäftsmodellinnovation ist und sollte
ein iterativer Prozess von Anpassungen im Streben nach besserer Leistung und Erfolg sein
(Heikkila & Heikkila, 2017).
Insgesamt beurteilten die Teilnehmer, dass drei Ebenen für die Darstellung der BMI-R
geeignet sind – vor allem, weil ein Outside-in-Ansatz geboten wird, um Aktivitäten für die
digitale Transformation des Geschäftsmodells zu planen.
Toolkit enthält auch Tools zur Analyse der unternehmensinternen Prozesse sowie der digi-
talen Technologien.
Der Einfluss digitaler Technologien auf die jeweiligen Geschäftsmodellkomponenten
wurde deutlich überdurchschnittlich gut bewertet. Daher ist die alleinige Konzentration
auf digitale Technologien für die obere Ebene angemessen, da sie als wesentlicher Ein-
fluss auf Geschäftsmodelle und in diesem Zusammenhang auf deren Erfolg erkannt wer-
den. Folglich wird für die obere Ebene eine Kategorisierung digitaler Technologien vorge-
schlagen, um diese angemessen bewerten und abbilden zu können. Die Klassifizierung der
digitalen Technologien basiert auf Bouée und Schaible (2015) und ist in vier Kategorien
unterteilt: digitale Daten, Automatisierung, digitaler Kundenzugang und Vernetzung. Die
Einteilung der oberen Ebene nach Bouée und Schaible (2015) wurde von den Experten nur
mit wenigen negativen Nennungen bewertet. Des Weiteren geht aus den Ergebnissen her-
vor, dass die Teilnehmer die digitale Transformation ausgewählter Geschäftsmodellkom-
ponenten (79 %) entweder auf Basis einer vollständigen digitalen Transformation (47 %)
oder einer teilweisen digitalen Transformation (32 %) favorisieren. Mit der BMI-R können
ausgewählte Geschäftsmodellkomponenten für die digitale Transformation isoliert und
abgebildet werden.
Die mittlere Ebene der BMI-R betrifft die Darstellung des Geschäftsmodells und der
zugehörigen Komponenten. In Runde eins der Delphi-Befragung machten die Teilnehmer
Vorschläge zu Verbesserungsmöglichkeiten für diese Ebene. Basierend auf diesen Vor-
schlägen wurde eine fünfte Komponente, das ‚Wertnetzwerk‘, hinzugefügt, die von den
anderen Experten bestätigt wurde. Unter der Komponente ‚Wertnetzwerk‘ wird die Ver-
bindung zu Plattformen und deren Bedingungen für die digitale Zusammenarbeit verstan-
den, um strategische oder operative Ziele zu erreichen.
Auf der Grundlage des Feedbacks aus der ersten Runde wurde vorgeschlagen, dass
Aktivitäten in Kategorien gruppiert werden können, die für die Innovation eines Ge-
schäftsmodells in Frage kommen. Die Teilnehmer bestätigten die überarbeitete Aktivitäts-
ebene und sahen die vordefinierten Kategorien als nützlich an. Allerdings fand diese Ebene
die geringste Befürwortung und Zustimmung unter den Teilnehmern. Daher war eine prä-
zisere Konzeptualisierung dieser Ebene erforderlich, um diese praktikabler zu gestalten.
Dies war ein zentrales Ziel des Fragebogens in der dritten Runde der Delphi-Befragung.
Im letzten Teil des Fragebogens der zweiten Runde wurden die Prozessschritte des
BMI-R-Ansatzes fokussiert. Durch die erste Runde konnten viele neue Vorschläge zu den
Prozessschritten gesammelt und bewertet werden. Daher wurde der Prozess in eine Design
phase und eine Realisierungsphase aufgeteilt (mit einem neuen Schritt ‚Implementierung‘
anstelle von ‚Überarbeiten‘). Die Teilnehmer empfahlen ein agiles und iteratives Vorgehen
und stimmten zu, einige ‚Kontrollpunkte‘ zwischen den jeweiligen Prozessschritten
einzufügen.
entsprechenden Prozessschritte erzielt. Basierend auf den Antworten der zweiten Runde
wurde die unterste Ebene der BMI-R nochmals überarbeitet, da sie nicht bei allen Teilneh-
mern auf Zustimmung stieß. Daher wurde in der dritten Runde der Befragung diese Ebene
fokussiert – mit dem Ziel, eine Einigung zu erreichen, indem ein neues Design für diese
Ebene vorgeschlagen wird. Bei der Neuentwicklung dieser Ebene wurden die Kommen-
tare und Aussagen der Experten aus der zweiten Runde berücksichtigt. Die Darstellung
der untersten Ebene durch Aktivitäten erschien zu unübersichtlich. Darüber hinaus fehlte
dadurch die Ressourcenkomponente, die bei Transformationsprojekten wesentlich ist. Mit
der Integration der Ressourcenebene (anstelle der Aktivitäten) in den BMI-R-Ansatz kön-
nen nun Aktivitäten durch die Betrachtung des Gesamtansatzes abgeleitet werden. In der
Literatur zu Roadmaps bezieht sich die unterste Ebene oft auf die Ressourcen, die für die
Entwicklung der erforderlichen Produkte, Dienstleistungen und Systeme aufgebracht wer-
den müssen. Dies beinhaltet auch wissensbasierte Ressourcen wie technologische Fähig-
keiten und Kompetenzen sowie andere Ressourcen wie Finanzen, Partnerschaften, Pro-
duktionsanlagen und Interaktionen in der Lieferkette (Phaal & Muller, 2009, S. 44). Durch
die unterste Ebene werden die Fähigkeiten und organisatorischen Anforderungen unter-
strichen und die Ressourcen, die für die Ermöglichung von Innovationen vorhanden sein
müssen, gekennzeichnet.
16.4.2.1 Interviews
Eine Woche vor dem Workshop wurden Interviews mit dem kaufmännischen Leiter und
dem stellvertretenden Geschäftsführer durchgeführt. Beide Interviewpartner hatten nur
wenig Erfahrung mit Innovationsaktivitäten. Während den Interviews war den Interview
partnern nur wenig über das Zukunftspotenzial der Geschäftsmodelle des Unternehmens
bekannt. Beide Interviewpartner gaben jedoch an, dass sie neuen Möglichkeiten im
Zusammenhang mit der digitalen Transformation positiv gegenüberstehen. In einer
Postsektor-
Studie durch Bogers, Sund und Vallarroel (2015, S. 277) gaben drei
Interviewpartner an, sich auf digitale Transformationsprojekte zu konzentrieren – aller-
dings wurde dieses Vorhaben nicht durch den Einsatz einer Roadmap unterstützt.
Insgesamt ist eine Verschiebung der Branchenlogik durch die Integration digitaler
Technologien und die zunehmende Kommunikation über digitale Kanäle zu erkennen
(vgl. Bogers et al., 2015). Daher muss das Geschäftsmodell des Unternehmens erneuert
werden, um neue Wertversprechen, vorzugsweise auf digitaler Basis, für den Kunden zu
identifizieren (vgl. Apostolov & Coco, 2020).
16 Der Geschäftsmodellinnovations-Roadmap Ansatz für die digitale Transformation 455
16.4.2.2 Workshop
Der Workshop fand an zwei Tagen statt und folgte den allgemeinen Regeln und Prinzipien
des S-Plan-Ansatzes für Roadmapping-Workshops von Phaal et al. (2003). Nach dem
Workshop wurde eine Gruppendiskussion durchgeführt und die Teilnehmer wurden gebe-
ten, einen Fragebogen, der an Bucherer (2010) angelehnt ist, auszufüllen. Insgesamt sahen
die Teilnehmer den Ansatz für den Geschäftsmodellinnovations-Prozess als geeignet an.
Die verschiedenen Phasen des Workshops halfen, die BMI-R für das Unternehmen in
kleineren Schritten zu entwickeln und boten wesentliche Unterstützung beim Start des
Prozesses. Der gewählte Ansatz half maßgeblich dabei, vorhandene Ideen zu kanalisieren.
Es konnte somit ein Lagebild über potenzielle digitale Technologien, die sich auf die
Komponenten des Geschäftsmodells auswirken, sowie über die erforderlichen Ressourcen
und Fähigkeiten, um die angestrebte Innovation und die digitale Transformation des Un-
ternehmens zu erreichen, erstellt werden. Da Ressourcen einen Engpass in Transforma-
tions- oder Veränderungsprojekten darstellen (z. B. finanzielle Ressourcen oder personelle
Ressourcen), ist die Möglichkeit der Auswahl und Fokussierung auf eine Geschäftsmo-
dellkomponente in der BMI-R essenziell.
456 A.-A. Schaller und R. Vatananan-Thesenvitz
Im Allgemeinen wurde der BMI-R-Ansatz als gut strukturiert und umfassend für
Geschäftsmodellinnovations-Projekte anerkannt. Außerdem bestätigten die Teilnehmer
die Anzahl der Ebenen, die bereits von den Experten im Zuge der Delphi-Befragung vali-
diert wurden. Ferner gaben die Teilnehmer an, dass die richtigen Komponenten in den je-
weiligen Ebenen enthalten sind. Alle Teilnehmer empfahlen die Anwendung des Ansatzes
in der Praxis. Vor allem für mittelständische Unternehmen lasse sich der Ansatz gut an-
wenden. Neben der klaren und umfassenden Struktur besitzt der Ansatz die geeignete
Granularität, um in der Praxis eingesetzt werden zu können. Durch den Einsatz der BMI-R
im Unternehmen konnten für die einzelnen Geschäftsmodellkomponenten zukünftige Po-
tenziale entdeckt und spezifische Ressourcen und Aktivitäten allokiert werden. Daher
wurde der Ansatz als treibende Kraft für den Geschäftsmodellinnovations-Prozess gese-
hen, durch den auch eine weitere Differenzierung vom Wettbewerb möglich war. In der
Gruppendiskussion empfahlen die Teilnehmer außerdem, den Ansatz über einen längeren
Zeitraum zu testen, um seine Praxistauglichkeit angemessen beurteilen zu können.
Die Entwicklung des Geschäftsmodells sollte im Einklang mit der gesamten (digitalen)
Strategie des Unternehmens stehen. Eine Verknüpfung mit der strategischen Ausrichtung
sollte also während des BMI-R-Entwicklungsprozesses vorgenommen werden. Die
BMI-R unterstützt bei der Planung, Steuerung und Kontrolle der Unternehmensentwick-
lung. Die Teilnehmer diskutierten folgende Vorteile, die durch die Anwendung des
BMI-R-Ansatzes geboten wird:
• Der Ansatz ermöglicht die organisatorische Verankerung und damit die Institutionali-
sierung der Geschäftsmodellinnovation.
• Der strukturierte BMI-R-Ansatz erlaubt es, die einzelnen Komponenten im Zeitablauf
miteinander zu verknüpfen und die Zusammenhänge und Wechselbeziehungen zwi-
schen den Ebenen zu erkennen – innerhalb sowie außerhalb der Organisation.
• Der Prozess des Workshops ermöglichte es den Teilnehmern, zeiteffizient eine große
Zahl von Ideen zu sammeln und so einen ersten Eindruck von der BMI-R des Unter-
nehmens zu erhalten.
• Die BMI-R-Visualisierung fungierte unterstützend bei der Verdichtung kritischer Infor-
mationen über die Zukunft des Geschäftsmodells.
Mit den fünf Komponenten konnte das Geschäftsmodell des Unternehmens adäquat dar-
gestellt werden. Obwohl das Geschäftsmodell ‚Canvas‘ von Osterwalder und Pigneur
(2010) auch während des Workshops vorgestellt wurde, empfanden die Teilnehmer die
Darstellung in fünf Komponenten als geeigneter. Dieses Ergebnis steht im Einklang mit
der Validierung durch die Experten in der Delphi-Befragung. Die fünf vorgeschlagenen
Komponenten wurden gegenüber der Darstellung von Osterwalder und Pignuer (2010)
priorisiert.
Der Workshop diente der Entwicklung zukünftiger Geschäftsmodelle für die kurz-,
mittel- und langfristige Zukunft des Unternehmens. Durch den Einsatz der BMI-R sind die
16 Der Geschäftsmodellinnovations-Roadmap Ansatz für die digitale Transformation 457
Der vorgeschlagene BMI-R-Ansatz wurde von Experten durch eine Delphi-Befragung va-
lidiert und in einem Aktionsforschungs-Komponentenprojekt getestet. Während des ge-
samten Prozesses wurden Anpassungen und Modifikationen an dem zu entwickelnden
Ansatz vorgenommen. Die BMI-R soll nützliche Informationen, eine Struktur und den
Kontext für den Geschäftsmodellinnovations-Prozess liefern. Durch den Ansatz wird eine
Organisation dabei unterstützt, den Weg in die Zukunft zu skizzieren und spezifische Ak-
tivitäten für eine erfolgreiche Umsetzung frühzeitig zu planen. Die Roadmap-Architektur
bietet ein angemessen ausgearbeitetes Konstrukt für Unternehmen, um sich mit digitalen
Technologien auseinanderzusetzen und diese logisch zu erarbeiten, um sie zu antizipieren
und in Abstimmung mit der Unternehmensstrategie in die jeweiligen Geschäftsmodell-
komponenten zu integrieren. Durch die dargestellten Erfolgsfaktoren wird deutlich, dass
neben einer eindeutigen Zieldefinition für die Verwendung des Ansatzes zunächst der Er-
stellungsprozess von wesentlicher Bedeutung für die Qualität, aber auch für die Akzeptanz
der entwickelten Roadmap ist. Der endgültige BMI-R-Ansatz ist in Abb. 16.5 dargestellt
Nach der abschließenden Datenerhebung und -analyse ergibt sich folgende Definition
für den BMI-R-Ansatz:
a
Ebene Komponente Vision kurzfistig mittelfristig langfristig Wann
Digitale Daten
Digitale Technologien, die den Zweck der Organisation
Toolkit 1 Digitale Automatisierung
beeinflussen oder neue schaffen können. Digitale Technologien Warum
Analyse-Tools für: Technologien Digitaler Kundenzugang
können in vier verschiedene Kategorien unterteilt werden.
Vernetzung
- Makro-Umfeld
3
- Mikro-Umfeld Initial Wertversprechen
Beinhaltet den Mechanismus (Geschäftsmodell), durch den der
- Digitale technologien Situation Wertschöpfung
Analysis Geschäfts- Zweck erreicht wird. Bezieht sich auf das greifbare System
Wertlieferung Was
- Unternehmensressourcen modell (Geschäftsmodell), das entwickelt werden muss, um auf die
Werterfassung
- Interne Aktivitäten digitalen Technologien in der obersten Ebene zu reagieren.
Wertnetzwerk
- Wirtschaftliche Machbarkeit Intern 4 Grundlegende Ressourcen (intern oder extern) zur Unterstützung
2 Ressourcen Wie
Extern der Innovation der Geschäftsmodellkomponenten.
b
DESIGN REALISIERUNG
16.5 Diskussion
Die BMI-R ist ein neuer Ansatz für Geschäftsmodellinnovationen, der zu weiteren For-
schungen zur Verschmelzung von Geschäftsmodellen und Roadmaps zur Darstellung des
Geschäftsmodell-innovations-Prozesses anregen könnte. Roadmapping ist ein optimales
Instrument zur Überbrückung der Unstimmigkeiten zwischen technologieorientierter di-
gitaler Transformation und einem marktorientiertem Geschäftsmodell und eignet sich da-
her für Geschäftsmodellinnovations-Aktivitäten. Es stellt einen geeigneten Ansatz dar, der
der steigenden Dynamik und Komplexität der Umwelt sowie der rasch zunehmenden
Wettbewerbsintensität gerecht wird.
16.5.1 Implikationen
Die Implikation für das Forschungsfeld ‚Roadmap‘ ist die Weiterentwicklung der (Tech-
nologie-)Roadmap zum Planungs-, Steuerungs- und Kontrollinstrument für Geschäftsmo-
dellinnovation. Die Integration des Geschäftsmodellinnovations-Prozesses in eine Road-
map erweitert dieses Forschungsfeld um einen neuen Anwendungsbereich und trägt zum
traditionellen Ansatz bei. Auf diese Weise können betriebliche Verbesserungen erreicht
werden. Die Notwendigkeit, das Geschäftsmodell laufend zu optimieren, steht im Ein-
klang mit der Literatur, in der hervorgehoben wird, dass ein nachhaltiges Geschäftsmodell
selten sofort gefunden wird, sondern eine schrittweise Verfeinerung erfordert, um interne
16 Der Geschäftsmodellinnovations-Roadmap Ansatz für die digitale Transformation 459
Konsistenz zu schaffen und/oder sich an sein Umfeld anzupassen (Demil & Lecocq,
2010). Die Implikationen können in den folgenden allgemeinen Leitlinien für den
Geschäftsmodellinnovations-Prozess zusammengefasst werden:
• Das sich schnell verändernde Geschäftsumfeld zwingt Unternehmen dazu, zeitnah auf
neue potenzielle disruptive, digitale Technologie zu reagieren. Daher muss in Unter-
nehmen die digitale Transformation von Geschäftsmodellen proaktiv vorangetrieben
werden, während diese sich in einer stabilen wirtschaftlichen Lage befinden. Ange-
sichts zunehmend verschwimmender Branchengrenzen ist ein Geschäftsmodell längst
nicht mehr stabil und somit ist eine frühzeitige und aktive Einbindung in die Geschäfts-
modellinnovation der Schlüssel zum Erfolg.
• In dieser Studie wird verdeutlicht, wie relevant ein strukturiertes Vorgehen für die Ge-
schäftsmodellinnovation ist. Eine Analyse der Ausgangssituation, einschließlich einer
Bewertung des externen Umfelds, ist dabei unerlässlich. Das Verständnis der Unterneh-
mensumwelt ist entscheidend, um wesentliche Einflüsse auf die Erneuerung des Ge-
schäftsmodells vorherzusehen und Marktchancen zu erkennen.
• Die Initiierung des Geschäftsmodellinnovations-Prozesses ist kostenintensiv sowie
kompliziert und unterliegt verschiedenen Unwägbarkeiten (z. B. Zielmarkt, Kundenbe-
dürfnisse, Vorschriften). Daher ist für die Geschäftsmodellinnovation ein iterativer An-
satz und kein klassischer Innovationsansatz, der bei Produkten oder Prozessen oft ein-
gesetzt wird, wesentlich.
• Der Ansatz hilft, mögliche Hindernisse in Bezug auf die Mitarbeiter zu überwinden:
Diese sind oft Veränderungen gegenüber abgeneigt und haben hohe Erwartungen an die
digitale Transformation des Geschäftsmodells. Die Visualisierung der Geschäftsmodell
innovation durch die Einbettung in eine Roadmap-Architektur hilft zudem, den Pro-
zess im Zeitablauf gegenüber allen relevanten Stakeholdern besser zu kommunizieren
und Ressourcen und Fähigkeiten dort zuzuordnen, wo sie am besten eingesetzt werden
können. Diese Art von visueller Repräsentation für die Gestaltung von Geschäftsmo-
dellen bietet eine Struktur sowie eine gemeinsame Sprache an und stellt somit den
Prozess auf eine klare, verständliche Weise dar (Eppler et al., 2011).
• Die Entwicklung eines neuen Geschäftsmodells umfasst auch die Veränderung von
spezifischen organisatorischen Fähigkeiten und Beziehungen zu neuen Kunden,
Lieferanten und anderen Geschäftspartnern. Daher müssen Unternehmen bei der Um-
setzung des BMI-R-Ansatzes im täglichen Geschäftsbetrieb veränderte Strukturen für
die Organisation und die jeweiligen Abteilungen berücksichtigen.
knüpfung des Geschäftsmodells mit digitalen Technologien unterstützt und eine übergeord-
nete, synthetisierte und integrierte Sicht der Geschäftsmodellinnovation in einem einfachen
grafischen Format erfasst. Die Fallanwendung des BMI-R führte zu weiteren Erkenntnissen,
aus denen zusätzliche Leitlinien für die Anwendung des Ansatzes in der Praxis abgeleitet
wurden. Aus unternehmenspraktischer Sicht trägt diese Forschung dazu bei, den praktischen
Ansatz des Geschäftsmodellinnovations-Prozesses zu erleichtern und zu verbessern. Für die
Unternehmenspraxis kann die Empfehlung ausgesprochen werden, das Geschäftsmodell
und die digitale Transformation dessen als strategisches Thema zu verstehen und dies somit
auch auf der Agenda von Top-Managements wiederzufinden sein sollte.
16.5.2 Limitationen
schränkt sich die oberste Ebene der BMI-R auf digitale Technologien, da diese einen we-
sentlichen Innovationstreiber darstellen. In zukünftigen Forschungen sollte diese oberste
Ebene jedoch auf andere Treiber ausgeweitet werden – entweder in Kombination mit digi-
talen Technologien oder als separate Roadmap-Ebene. Die Ergebnisse deuten darauf hin,
dass die Anwendung des BMI-R-Ansatzes in der Praxis die Effizienz und Effektivität in
Bezug auf die Ressourcenallokation erhöhen würde. Daher sollten die positiven Erkennt-
nisse über die Anwendung des Ansatzes in mehreren realen Fällen, möglicherweise in
verschiedenen Branchen, weiter getestet und angewendet werden.
Darüber hinaus sollte in zukünftiger Forschung die mögliche Implementierung der
BMI-R im täglichen Geschäftsbetrieb fokussiert werden. Einen ersten Versuch hat der
Autor in einem kürzlich erschienenen Konferenzbeitrag unternommen (Schaller et al.,
2018). Allerdings basierte der Vorschlag nicht auf empirischen Erkenntnissen. Drittens
könnten in zukünftigen Forschungen die Dynamik und die Zusammenhänge der BMI-R
und der (digitalen) Strategie mit Hilfe einer Prozessmethodik untersucht werden. Einige
Forscher haben den Einfluss der Strategie auf den Geschäftsmodellwandel bereits aner-
kannt (Casadesus-Masanell & Ricart, 2010), was bedeutet, dass eine Änderung der Unter-
nehmensstrategie auch eine anschließende Transformation des jeweiligen Geschäftsmo-
dells impliziert.
16.5.4 Fazit
Literatur
Abdelkafi, N., Makhotin, S., & Posselt, T. (2013). Business model innovations for electric mobi-
lity – What can be learned from existing business model patterns? International Journal of Inno-
vation Management, 17(1), 1340003.
Adler, M., & Ziglio, E. (1996). Gazing into the oracle: The Delphi method and its application to
social policy and public health. Jessica Kingsley Publisher.
Aichholzer, G. (2002). Das ExpertInnen-Delphi: methodische Grundlagen und Anwendungsfeld
Technology Foresight. In Das Experteninterview (S. 133–153). VS Verlag für Sozialwissen-
schaften.
Ammon, U. (2009). Delphi-Befragung. In S. Kühl, P. Strodtholz & A. Taffertshofer (Hrsg.), Hand-
buch Methoden der Organisationsforschung (S. 458–476). VS Verlag für Sozialwissenschaften.
462 A.-A. Schaller und R. Vatananan-Thesenvitz
Apostolov, M., & Coco, N. (2020). Digitalization-based innovation – A case study framework. In-
ternational Journal of Innovation and Technology Management, 18(5), 1–25.
Aspara, J., Hietanen, J., & Tikkanen, H. (2010). Business model innovation vs replication: Financial
performance implications of strategic emphases. Journal of Strategic Marketing, 18(1), 39–56.
Becker, W., Staffel, M., & Ulrich, P. (2008). Mittelstand und Mittelstandsforschung. Bamberger
Betriebswirtschaftliche Beiträge, (153), p. Bamber.
Beeton, D., Phaal, R., & Probert, D. R. (2008). Exploratory roadmapping for foresight. International
Journal of Technology Intelligence and Planning, 4(4), 398–412.
Berens, W., Högemann, B., & Segbers, K. (2005). Das mittelständische Unternehmen-Status Quo
und Perspektiven in der Finanzierung. In W. von Berens, H. U. Brauner & J. Frodermann (Hrsg.),
Unternehmensentwicklung mit Finanzinvestoren: Eigenkapitalstärkung, Wertsteigerung, Unter-
nehmensverkauf (S. 7–30). Schäffer-Poeschel.
Berglund, H., & Sandström, C. (2013). Business model innovation from an open systems perspec-
tive: Structural challenges and managerial solutions. International Journal of Product Develop-
ment, 18(3/4), 274–285.
Bogers, M., Sund, K. J., & Vallarroel, J. A. (2015). The organizational dimension of business model
exploration. In N. J. Foss & T. Saebi (Hrsg.), Business model innovation – The organizational
dimension. Oxford University Press.
Bolger, F., & Wright, G. (2011). Improving the Delphi process: Lessons from social psychological
research. Technological Forecasting and Social Change, 78(9), 1500–1513.
Botzkowski, T. (2018). Digitale Transformation von Geschäftsmodellen im Mittelstand. Springer
Fachmedien Wiesbaden.
Bouée, C., & Schaible, S. (2015). Die digitale Transformation der Industrie. Roland Berger Strategy
Consultans/Bundesverband der Deutschen Industrie e. V.
Bouwman, H., Nikou, S., & de Reuver, M. (2019). Digitalization, business models, and SMEs: How
do business model innovation practices improve performance of digitalizing SMEs? Telecommu-
nications Policy, 43(9), 101828.
Brillinger, A.-S. (2018). Mapping business model risk factors. International Journal of Innovation
Management, 22(5), 1840005.
Brown, R., & O’Hare, S. (2001). The use of technology roadmapping as an enabler of knowledge
management. Institution of Electrical Engineers, 7, 1–6.
Bryman, A., & Bell, E. (2015). Business research methods (4. Aufl.). Oxford University Press.
Brynjolfsson, E., & McAffee, A. (2014). The second machine age. Norton.
Bucherer, E. (2010). Business model innovation – Guideline for a structured approach. Sha-
ker Verlag.
Calvacante, S. A. (2014). Designing business model change. International Journal of Innovation
Management, 18(2), 1450018.
Casadesus-Masanell, R., & Ricart, J. E. (2010). From strategy to business models and onto tactics.
Long Range Planning, 43(2–3), 195–215.
Chesbrough, H. (2010). Business model innovation: Opportunities and barriers. Long Range Plan-
ning, 43(2–3), 354–363.
De Reuver, M., Bouwman, H., & Haaker, T. (2013). Business model roadmapping: A practical
approach to come from an existing to a desired business model. International Journal of Innova-
tion Management, 17(1), 1–19.
Demil, B., & Lecocq, X. (2010). Business model evolution: In search of dynamic consistency. Long
Range Planning, 43, 227–246.
Doz, Y. L., & Kosonen, M. (2010). Embedding strategic agility. Long Range Planning, 43(2–3),
370–382.
Drucker, P. (1954). The practice of management. HarperCollins Publishers.
16 Der Geschäftsmodellinnovations-Roadmap Ansatz für die digitale Transformation 463
Easterby-Smith, M., Thorpe, R., & Jackson, P. R. (2015). Management and business research
(5. Aufl.). SAGE Publications.
Eisenhardt, K. M. (1989). Building theories from case study research. The Academy of Management
Review, 14(4), 532–550.
Eppler, M. J., Hoffmann, F., & Bresciani, S. (2011). New business models through collaborative idea
generation. International Journal of Innovation Management, 15(6), 1323–1341.
Ernst, H., & Teichert, T. (1998). The R&D/marketing interface and single informant bias in NPD
research: An illustration of a benchmarking case study. Technovation, 18(12), 721–739.
Foss, N. J., & Saebi, T. (2017). Fifteen years of research on business model innovation: How far have
we come, and where should we go? Journal of Management, 43(1), 200–227.
Frankenberger, K., et al. (2013). The 4I-framework of business model innovation: A structured view
on process phases and challenges. International Journal of Product Development, 18(3), 249–273.
Garrison, D. R., et al. (2006). Revisiting methodological issues in transcript analysis: Negotiated
coding and reliability. The Internet and Higher Education, 9(1), 1–8.
Gatautis, R., Vaiciukynaite, E., & Tarute, A. (2019). Impact of business model innovations on SME’s
innovativeness and performance. Baltic Journal of Managemen.
Geschka, H., & Hahnenwald, H. (2013). Scenario-based exploratory technology roadmaps – A me-
thod for the exploration of technical trends. In M. G. Moehrle, R. Isenmann & R. Phaal (Hrsg.),
Technology roadmapping for strategy and innovation – Charting the route to success (S. 123–135).
Springer Verlag.
Glaser, B. G., Strauss, A. L., & Strutzel, E. (1968). The discovery of grounded theory; strategies for
qualitative research. Nursing Research, 17(4), 364.
Günterberg, B. (2012). Unternehmensgrößenstatistik – Unternehmen, Umsatz und sozialversiche-
rungspflichtig Beschäftigte 2004 bis 2009 in Deutschland, Ergebnisse des Unternehmensregis-
ters (URS 95). Institut für Mittelstandsforschung Bonn.
Häder, M. (2014). Delphi-Befragungen. Springer Fachmedien Wiesbaden.
Häder, M., & Häder, S. (2000). Die Delphi-Technik in den Sozialwissenschaften. VS Verlag für So-
zialwissenschaften.
Halecker, B. (2016). New perspective and insights on business model innovation using systems thin-
king and action case studies. University of Potsdam.
Hasse, J. (1999). Bildstörung: Windenergien und Landschaftsästhetik. In R. Krüger (Hrsg.), Wahr-
nehmungsgeographische Studien zur Regionalentwicklung. Bibliotheks- und Informationssys-
tem der Universität Oldenburg.
Heikkila, J., & Heikkila, M. (2017). Innovation in micro, small and medium sized enterprises: New
product development, business model innovation and effectuation. In 30th Bled eConference:
Digital transformation – From connecting things to transforming our lives. (S. 197–213). Uni-
versity of Maribor Press.
Heikkilä, M., Bouwman, H., & Heikkilä, J. (2018). From strategic goals to business model innova-
tion paths: An exploratory study. Journal of Small Business and Enterprise Development, 25(1),
107–128.
Johnson, M. W., Christensen, C. M., & Kagermann, H. (2008). Reinventing your business model.
Harvard Business Review, 86(12), 57–68.
Karasev, O., & Vishnevskiy, K. (2013). A toolkit for integrated roadmaps: Employing nanotechno-
logies in water and wastewater treatment. In D. Meissner, L. Gokhberg & A. Sokolov (Hrsg.),
Science, technology and innovation policy for the future (S. 137–159). Springer.
Keen, P., & Qureshi, S. (2006). Organizational transformation through business models: A frame-
work for business model design. Information Systems and Quantitative Analysis Faculty Procee-
dings & Presentations, 8, 206b.
Kerr, C., Phaal, R., & Probert, D. (2012). Cogitate, articulate, communicate: The psychosocial rea-
lity of technology roadmapping and roadmaps. R&D Management, 42(1), 1–13.
464 A.-A. Schaller und R. Vatananan-Thesenvitz
Kerr, C., Phaal, R., & Thams, K. (2017). Roadmapping as a platform for developing management
toolkits: A collaborative design approach with the LEGO group. In 2017 Portland International
Conference on Management of Engineering and Technology (PICMET). (S. 1–11). IEEE.
Kostoff, R. N., Boylan, R., & Simons, G. R. (2004). Disruptive technology roadmaps. Technological
Forecasting and Social Change, 71(1–2), 141–159.
Kraus, S., et al. (2020). Business model innovation: A systematic literature review. International
Journal of Innovation and Technology Management, 17(06), 2050043.
Labbé, M., & Mazet, T. (2005). Die Geschäftsmodellinnovations-Matrix: Geschäftsmodellinnovati-
onen analysieren und bewerten. Der Betrieb, 77, 897–902.
Latilla, V. M. M., et al. (2020). Organizational re-design for business model innovation while exploi-
ting digital technologies: A single case study of an energy company. International Journal of
Innovation and Technology Management, 18(02), 2040002.
Lee, S., & Park, Y. (2005). Customization of technology roadmaps according to roadmapping pur-
poses: Overall process and detailed modules. Technological Forecasting and Social Change,
72(5), 567–583.
Lindgardt, Z., et al. (2009). Business model innovation – When the game gets tough, change the
game. In The Boston Consulting Group (S. 291–298). Wiley.
Linstone, H. A., & Turoff, M. (1975). The Delphi method: Techniques and applications. Addison-
Wesley Publishing Company.
Machate, A. (2006). Zukunftsgestaltung durch Roadmapping. Technische Universität München.
Markides, C. (2006). Disruptive innovation: In need of better theory. The Journal of Product Inno-
vation Management, 23, 19–25.
Markides, C. (2008). Game changing strategies – How to create new market space in established
industries by breaking the rules. Jossey-Bass.
Mayer, H. O. (2013). Interview und schriftliche Befragung: Grundlagen und Methoden empirischer
Sozialforschung (6. Aufl.). Oldenbourg Wissenschaftsverlag.
Mitchel, D. W., & Coles, C. B. (2004). Establishing a continuing business model innovation process.
The Journal of Business Strategy, 25(3), 39–49.
Mitchell, T. R., & Larson, J. R. (1987). People in organizations: An introduction to organizational
behaviour. McGraw Hill Book Company.
Moehrle, M. G., Isenmann, R., & Phaal, R. (2013). In M. G. Moehrle, R. Phaal & R. Isenmann
(Hrsg.), Technology roadmapping for strategy and innovation: Charting the route to success.
Springer-Verlag.
Mohr, N., et al. (2017). Die Digitalisierung des deutschen Mittelstands. Kurzstudie von McKinsey.
https://www.mckinsey.com/de/~/media/McKinsey/Locations/Europe%20and%20Middle%20
East/Deutschland/News/Presse/2017/2017-07-24/mckinsey_digitalisierung_deutscher_mittel-
stand.ashx. Zugegriffen am 20.12.2021.
Nworie, J. (2011). Using the Delphi technique in educational technology research. TechTrends,
55(5), 24–30. https://doi.org/10.1007/s11528-011-0524-6.
Osterwalder, A., & Pigneur, Y. (2010). Business model generation. Wiley.
Ottosson, S. (2003). Participation action research. Technovation, 23(2), 87–94.
Patton, M. Q. (2002). Qualitative research & evaluation methods. Sage Publications.
Petrick, I. J., & Echols, A. E. (2004). Technology roadmapping in review: A tool for making sustain-
able new product development decisions. Technological Forecasting and Social Change,
71(1–2), 81–100.
Pettigrew, A. M. (1990). Longitudinal field research on change: Theory and practice. Organization
Science, 1(3), 267–292.
Phaal, R., & Muller, G. (2009). An architectural framework for roadmapping: Towards visual stra-
tegy. Technological Forecasting and Social Change, 76(1), 39–49.
16 Der Geschäftsmodellinnovations-Roadmap Ansatz für die digitale Transformation 465
Phaal, R., Farrukh, C., & Probert, D. (2001). Technology roadmapping: Linking technology resour-
ces to business objectives (S. 1–18). Centre for Technology Management, University of
Cambridge.
Phaal, R., Farrukh, C. J. P., Mitchell, R., & Probert, D. (2003). Starting-up roadmapping fast.
Research-Technology Management, 46(2), 52–59.
Phaal, R., Farrukh, C. J. P., & Probert, D. R. (2004). Technology roadmapping – A planning frame-
work for evolution and revolution. Technological Forecasting and Social Change, 71(1–2), 5–26.
Phaal, R., Farrukh, C. J. P., & Probert, D. R. (2005). Developing a technology roadmapping system.
Technology Management: A Unifying Discipline for Melting the Boundaries, 31(1), 99–111.
Phaal, R., Farrukh, C. J. P., & Probert, D. R. (2007). Strategic roadmapping: A workshop-based
approach for identifying and exploring issues and opportunities. Engineering Management Jour-
nal, 19(1), 3–12.
Pohle, G., & Chapman, M. (2006). IBM’s global CEO report 2006: Business model innovation
matters. Strategy & Leadership, 34(5), 34–40.
Rädiker, S., & Kuckartz, U. (2019). Analyse qualitativer Daten mit MAXQDA. Springer Fachmedien
Wiesbaden.
Rapoport, R. N. (1970). Three dilemmas in action research. Human Relations, 23(6), 499–513.
Remane, G., et al. (2017). The business model pattern database – A tool for systematic business
model innovation. International Journal of Innovation Management, 21(1), 1750004.
Rinne, M. (2004). Technology roadmaps: Infrastructure for innovation. Technological Forecasting
and Social Change, 71(1–2), 67–80.
Saunders, M., Lewis, P., & Thornhill, A. (2016). Research methods for business students (7. Aufl.).
Pearson.
Schaller, A.-A., & Vatananan-Thesenvitz, R. (2019). Business model innovation (BMI) process: A
systematic literature review with bibliometric analysis. In PICMET 2019 – Portland Internatio-
nal Conference on Management of Engineering and Technology: Technology Management in the
World of Intelligent Systems, Proceedings, 2019.
Schaller, A.-A., Vatananan-Thesenvitz, R., & Stefania, M. (2018). Business model innovation road-
mapping: A structured approach to a new business model. In PICMET 2018 – Portland Interna-
tional Conference on Management of Engineering and Technology: Managing Technological
Entrepreneurship: The Engine for Economic Growth, Proceedings, 2018.
Schallmo, D. (2013). Geschäftsmodell-Innovation. Springer Fachmedien Wiesbaden.
Schallmo, D., Williams, C. A., & Bordman, L. (2017). Digital transformation of business models –
Best practice, enablers, and roadmap. International Journal of Innovation Management, 21(08),
1740014.
Schneider, S., & Spieth, P. (2013). Business model innovation: Towards an integrated future research
agenda. International Journal of Innovation Management, 17(01), 1340001.
Skarzynski, P., & Gibson, R. (2008). Innovation to the core – A blueprint for transforming the way
your company innovates. Harvard Business Press.
Skulmoski, G. J., Hartman, F. T., & Krahn, J. (2007). The Delphi method for graduate research.
Journal of Information Technology Education: Research, 6(1), 1–21.
Stampfl, G. (2016). The process of business model innovation – An empirical exploration. Springer
Fachmedien Wiesbaden.
Susman, G. I., & Evered, R. D. (1978). An assessment of the scientific merits of action research.
Administrative Science Quarterly, 23(4), 582–603.
Taran, Y. (2011). Rethinking it all: Overcoming obstacles to business model innovation. Aalborg
University.
Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Stra-
tegic Management Journal, 18(7), 509–533.
466 A.-A. Schaller und R. Vatananan-Thesenvitz
Thorngate, W. (1976). „In general“ vs. „it depends“: Some comments of the Gergen-Schlenker de-
bate. Personality and Social Psychology Bulletin, 2(4), 404–410.
Trapp, M., Voigt, K.-I., & Brem, A. (2018). Business models for corporate innovation management:
Introduction of a business model innovation tool for established firms. International Journal of
Innovation Management, 22(1), 1850007.
Vatananan, R. S., & Gerdsri, N. (2012). The current state of technology roadmapping (TRM) re
search and practice. International Journal of Innovation and Technology Management, 9(4),
1250032.
Velamuri, V. K., et al. (2013). Product service systems as a driver for business model innovation:
Lessons learned from the manufacturing industry. International Journal of Innovation Manage-
ment, 17(1), 1340004.
Venkatraman, N., & Henderson, J. C. (2008). Four vectors of business model innovation: Value
capture in a network era. In From strategy to execution (S. 259–280). Springer.
Vinayavekhin, S., & Phaal, R. (2019). Synchronization in strategic planning: A roadmapping frame-
work. International Journal of Innovation and Technology Management, 16(06), 1950044.
Walsh, S. T. (2004). Roadmapping a disruptive technology: A case study. Technological Forecasting
and Social Change, 71(1–2), 161–185.
Yin, R. K. (2009). Case study research: Design and methods (4. Aufl.). Sage.
Yousuf, M. I. (2007). Using experts’ opinions through Delphi technique. Practical Assessment Re-
search & Evaluation, 12(1), 4.
Zott, C., & Amit, R. (2010). Business model design: An activity system perspective. Long Range
Planning, 43(2–3), 216–226. https://doi.org/10.1016/j.lrp.2009.07.004.
Marc Bayer und Fabian Bauer
Zusammenfassung
Technologien zur Digitalisierung der industriellen Produktion sind seit einigen Jahren
verfügbar. Während die Großindustrie sie bereits großflächig einsetzt, haben mittel-
ständische Unternehmen noch immer Nachholbedarf.
Zielsetzung unserer Studie war es daher, eine Bestandsaufnahme der Digitalisierung
in der mittelständischen Industrie vorzunehmen. Dazu haben wir Interviews mit Ver-
tretern von 35 Unternehmen durchgeführt. Im Mittelpunkt stand die Erhebung relevan-
ter Technologien und Use Cases (also konkreter Anwendungen digitaler Technologien
in der Praxis). Weitere Fragen hatten die Wirtschaftlichkeit und die zugrundeliegende
Strategie von Digitalisierungsvorhaben zum Gegenstand.
Aus den Ergebnissen der Studie und zahlreichen Best-Practice-Beispielen haben wir
ein Zielbild abgeleitet. Mit diesem Gestaltungsmodell bekommen mittelständische
Unternehmen ein Instrument an die Hand, das ihnen den Schritt von einem domänen-
spezifischen Ansatz zu einer ganzheitlichen Digitalisierung ihrer Fabriken im Sinne
einer echten „Next Gen“-Produktion erleichtern soll.
M. Bayer (*)
Roland Berger GmbH, Stuttgart, Deutschland
E-Mail: [email protected]
F. Bauer
Roland Berger GmbH, München, Deutschland
E-Mail: [email protected]
Schlüsselwörter
In der Praxis weist der Weg zur digitalen Fabrik im Mittelstand noch weit
Wie der Blick auf den Unternehmensalltag zeigt, steht der Mittelstand dabei allerdings vor
zahlreichen Hindernissen:
• Im Gegensatz zu großen Unternehmen hat der Mittelstand häufig sowohl finanziell als
auch personell wenig Spielraum für Experimente. Der Einsatz neuer Technologien
muss sich kurzfristig bewähren oder idealerweise amortisieren.
1
Eine breite Diskussion verschiedenster Aspekte von Industrie 4.0 im Mittelstand bieten (Matt
et al., 2020)
17 Digitalisierung der Produktion im Mittelstand: Status quo und … 471
Aus den genannten Gründen scheint sich der Hype rund um das Thema Digitalisierung im
Mittelstand zwischenzeitlich gelegt zu haben – allerdings ohne auf breiter Basis tief-
greifende Veränderungen hinterlassen zu haben. So sind laut einem aktuellen KfW-Bericht
derzeit bei jedem dritten Mittelständler keinerlei digitale Aktivitäten zu verzeichnen
(Zimmermann, 2021). Dabei gibt es kaum Zweifel, dass der digitale Wandel das Potenzial
hat, die Fertigung auch und gerade im Mittelstand zu revolutionieren.
So bilden digitale Technologien nicht nur die Grundlage für neue Geschäfts-
modelle, sowohl funktional in der Produktion als auch im Ökosystem mit anderen
Akteuren, sondern eröffnen ebenso neue Kostensenkungs- und Effizienzsteigerungs-
potenziale. Damit leisten sie einen wichtigen Beitrag, die Wettbewerbsfähigkeit
mittelständischer Unternehmen langfristig abzusichern. Darüber hinaus ist die eigene
praktische Auseinandersetzung mit digitalen Anwendungen die Voraussetzung, um bei
der Entstehung und Etablierung neuer Standards – sei es im Bereich der IT oder bei
branchenspezifischen Spezifikationen – „am Ball“ zu bleiben. Nicht zuletzt erleichtern
digitale Lösungen die Vernetzung mit Partnern (siehe dazu auch 5.). Das ist für Mittel-
ständler umso wichtiger, als sie nicht – wie Großunternehmen – das meiste im eigenen
Haus produzieren können.
Schwierige Handelsbeziehungen Nach wie vor ist unklar, wie sich die europäischen
Handelsbeziehungen mit wichtigen Partnern außerhalb der EU weiter entwickeln werden.
In Bezug auf die USA bestehen zwar berechtigte Hoffnungen, dass sich die trans-
atlantischen Beziehungen unter Präsident Biden verbessern, doch sind die unter Präsident
Trump verhängten Strafzölle, etwa auf Stahl und Aluminium, unverändert in Kraft und die
EU plant Gegenmaßnahmen. Auch das Verhältnis zu China und Russland bleibt, nicht zu-
letzt durch politische Konfliktherde wie Hongkong und die Ukraine, angespannt. Hinzu
kommt weltweit eine wachsende Tendenz zur Regionalisierung von Handel und Produk-
tion. Das sorgt unter den mittelständischen Unternehmen, die meistens direkt oder indirekt
als Zulieferer vom Export abhängen, für Unsicherheit. Viele stellen daher aktuell ihre
Produktionsstandorte und Lieferketten auf den Prüfstand (UNCTAD, 2020, S. 119–177).
Digitalisierung kann hier dienlich sein, indem sie beispielsweise valide Daten als Ent-
scheidungsgrundlage für die Unternehmensführung bereitstellt oder die Vernetzung mit
neuen Partnern ermöglicht.
Verunsicherung auf absehbare Zeit bestehen. Dies manifestiert sich unter anderem in einer
Unsicherheit bezüglich Personal- und Investitionsplanung, die häufig mit einer ver-
schlechterten Eigenkapitalausstattung mittelständischer Unternehmen einhergeht. Der
volkswirtschaftliche Schaden der Pandemie und ihre langfristigen Auswirkungen sind
heute noch schwer abschätzbar. All das schlägt sich am Ende auch in der Ertragslage der
Unternehmen nieder – weshalb es auch an der für die Digitalisierung der Fabriken nötigen
Liquidität fehlt (Schwartz et al., 2020, S. 4).
Monetarisierung Nach wie vor wird die Frage der Monetarisierung der Digitalisierung
in den meisten Projekten vernachlässigt. Präzise Berechnungen, etwa zur Investitions-
rendite oder zum Einspar- und Umsatzsteigerungspotenzial der Digitalisierung, sind eher
die Ausnahme als die Regel. Doch ohne entsprechende Business Cases dürfte es für viele
Firmen schwierig werden, ein ambitioniertes Digitalisierungsziel konsequent zu ver-
folgen. Es gilt somit herauszufinden, wie und wodurch genau sich Produktionskosten
durch Skalierung senken oder Umsätze steigern lassen, und dann die relevanten Kenn-
zahlen aus dem Projektmanagement in die reguläre Budgetplanung zu überführen.
2
Interessant ist in diesem Zusammenhang das Ergebnis des KfW-Mittelstandpanels 2020 (Zimmer-
mann, 2020, S. 3), demzufolge 71 Prozent der mittelständischen Unternehmen, die eine Digitalisie
rungsstrategie verfolgen, digitale Plattformen nutzen, aber nur 31 Prozent der Unternehmen, die dies
nicht tun. Eine Digitalisierungsstrategie macht Unternehmen die Vorteilhaftigkeit eines so wichtigen
Instruments erst bewusst und versetzt sie in die Lage, es einzusetzen.
474 M. Bayer und F. Bauer
der Rekrutierung und Entwicklung von Fachkräften massive Umbrüche mit sich bringt.
Das ist insbesondere für den Mittelstand eine große Herausforderung, eröffnet aber auch
neue Chancen, da sich bei dieser Gelegenheit neue Karrierewege erschließen lassen.
Die aufgeführten externen und internen Faktoren bilden den Rahmen für unsere Studie,
deren Methodik im folgenden Abschnitt beschrieben wird.
Die telefonischen Interviews wurden in den Monaten August und September 2020 durch-
geführt und anschließend ausgewertet.
17.4 Ergebnisse: Der Weg zur digitalen Produktion ist noch weit
Der Digitalisierungsprozess in den Fabriken ist seit geraumer Zeit im Gange. Wie unsere
Befragung zeigt, sind in allen fünf betrachteten Branchen bereits verschiedene Techno-
logien im Einsatz.
So erklärten fast zwei Drittel der Befragten, es gehe ihnen hauptsächlich um Prozess-
verbesserungen; mehr als zwei Fünftel nannten Kostensenkungen, etwa ein Viertel Quali-
tätsverbesserungen als vorrangige Ziele (siehe Abb. 17.1).
Prozessverbesserungen 64 %
Kostensenkung 44 %
Qualität 24 %
Innovation 12 %
Abb. 17.1 Hauptziele der Digitalisierung in der Fabrik. (Quelle: Eigene Darstellung)
476 M. Bayer und F. Bauer
44 %
40 % 40 %
32 %
24 %
20 % 20 %
16 % 16 %
Cloud- Big Smart Integriertes Digitale Predictive Vernetzung von Künstliche Autonome
basierte Data Analytics MES Zwillinge Maintenance Maschinen/ Intelligenz Systeme
Daten- Anlagen/
speicherung Prozessen
Abb. 17.2 Überblick über die am häufigsten genutzten Technologien. (Quelle: Eigene Darstellung)
Der Befragung zufolge sind die aktuell am häufigsten genutzten digitalen Lösungen in den
Bereichen Big Data, KI/Analytics, Prozessoptimierung und Robotik angesiedelt. Sie zielen
vor allem auf einen verbesserten Umgang mit Daten, Prozessautomatisierung, ein effizien-
teres Berichtswesen sowie Qualitätssteigerungen. Im Detail unterscheiden sich die An-
wendungen allerdings stark von einem Sektor zum anderen, da sie meist passgenau auf die
Bedürfnisse einzelner Branchen oder sogar Unternehmen zugeschnitten sind. Oft handelt es
sich um bereichsspezifische Lösungen für ganz bestimmte Aufgaben (siehe Abb. 17.3).
Ohne Zweifel trägt die zunehmende Verbreitung der erwähnten digitalen Lösungen zur
schrittweisen Entwicklung einer „Industrie 4.0“ bei. Bislang aber – das zeigen die Um-
fragedaten deutlich – ist dieser Prozess bei weitem nicht so revolutionär verlaufen, wie
dies im Jahr 2011 noch erwartet wurde. Dafür sind die Entwicklungen und Umsetzungs-
ergebnisse noch nicht weitreichend genug. Was ebenfalls deutlich wird: Die meisten Fir-
men gehen die Digitalisierung von Prozessen und Technologien in Einzelprojekten an –
und lassen sich auch bei der Umsetzung von wechselnden Prioritäten leiten. Die Einbettung
in ein strategisches Gesamtkonzept fehlt dagegen.
17 Digitalisierung der Produktion im Mittelstand: Status quo und … 477
3% Sonstige
8% Augmented Operator
> Digitale Anwendungen zur Verringerung von Mängeln und Ausschussteilen
8% Logistik und Materialwirtschaft
> Digitalisierung des Qualitätsmanagements
> Kommunikation zwischen ERP- und Qualitätssystem zur Steuerung des
15 % Qualitätsmanagement Beschwerdemanagements (z. B. Überwachung von Messinstrumenten und Störungen)
> Digitale Use Cases zur Verbesserung der Gesamteffektivität (Overall Equipment
18 % Reporting Effectiveness, OEE) durch Datenerfassung und -analyse im gesamten
Produktionsprozess
> Intelligentes Berichtswesen, dass aktiv Interventionen und Abläufe vorschlägt
> Digitale Use Cases verbessern Vorhersehbarkeit und Mobilität der Wartung
Big Data, KI, > Fokus auf Datenerfassung und -analyse, um Fertigungsprozess besser zu verstehen
25 %
Analytics und effektiver zu steuern
> Entwicklung von „digitalen Zwillingen“ in der Produktion und Wartung
Bereiche
40 % 25 % 5% 20 % 0% 10 % 0%
> Große > Projekte > Nur vereinzelt > Umsetzung > Digitalisierung
Diskrepanz werden Projekte in erster Module in Werksteilen
zwischen Ziel kleinteilig Budgetie- eines seit Jahren
und Status geplant und rungsphase Großprojektes umgesetzt
quo ausgeführt begonnen > Teile des
> Skepsis bzgl. > Derzeit > Übergreifende Gesamt-
Profitabilität werden Rahmen- konzepts
verhindert ent- Realisierungs- bedingungen implementiert
schlosseneres grundlagen für laufende und in Betrieb
Vorgehen (wie MES) Einzel-
geschaffen projekte in
Arbeit
Abb. 17.4 Der Weg zur Industrie 4.0. (Quelle: Eigene Darstellung)
Die Umfrageergebnisse bestätigen dies: So befinden sich nach Angaben der Befragten
fast zwei Drittel der Digitalisierungsprojekte erst in der Ideenfindungs- bzw. Planungs-
phase (siehe Abb. 17.4).
Mehr noch: Die meisten Befragten können sich eine Zukunft, die sich von der Gegen-
wart fundamental unterscheidet, derzeit kaum vorstellen. Das zeigt sich auch daran, dass
die Fragen nach den heutigen und künftigen Treibern und Einsatzgebieten der Digitalisie-
rung häufig ganz ähnlich beantwortet wurden (siehe Abb. 17.5)
Umso erstaunlicher ist, dass die Befragten in Bezug auf den geplanten Kapitaleinsatz
(sieben von zehn Befragten gehen davon aus, dass der Investitionsanteil steigen wird), den
Zeitrahmen (der Großteil der Investitionen wird in den nächsten zwei Jahren erwartet)
478 M. Bayer und F. Bauer
48 %
Prozessverbesserungen
64 %
40 %
Kostensenkung
44 %
32 %
Flexibilität und Agilität
16 %
24 %
Verbesserung der Supply Chain
12 %
16 %
Arbeitsplatzverbesserungen
8%
8%
Qualitätssteigerung
24 %
8%
Innovation
12 %
4%
Verringerung der Fehleranfälligkeit
8%
4%
Kundenanforderungen
8%
Künftig Aktuell
Abb. 17.5 Vergleich aktueller und künftiger Treiber der Digitalisierung in der Produktion (Mehr-
fachnennungen möglich). (Quelle: Eigene Darstellung)
20-30 % 2 Jahre
oder die Relevanz von Digitalisierungsmaßnahmen zur Sicherung der eigenen Wett-
bewerbsfähigkeit sehr klare Vorstellungen äußern (siehe Abb. 17.6).
Was allerdings ganz offensichtlich fehlt, ist eine Vision davon, wie digitale An-
wendungen das Produktions-Ökosystem der Zukunft verändern könnten – und welches
übergreifende Gesamtbild sich daraus ergibt.
17 Digitalisierung der Produktion im Mittelstand: Status quo und … 479
Ein gutes Beispiel dafür sind sogenannte Mixed-Reality-Anwendungen. Mit ihrer Hilfe
lässt sich die Einarbeitung und Unterstützung technischer Fachkräfte effizienter gestalten;
der Prozess selbst erfordert weniger Handgriffe. Am Ende profitieren die Beschäftigten
nicht nur von einer verbesserten Ergonomie. Standardisierte Wartungsabläufe erhöhen zu-
dem die Prozessqualität und -konsistenz und senken die Wartungskosten – und zwar ohne
an bewährten Abläufen und Verfahren zu rütteln.
Nun werden solche Neuerungen die heutigen Produktionssysteme und Wertschöpfungs-
ansätze nicht über Nacht verdrängen. Wichtig ist daher ein reibungsloser Übergang, bei
dem die Anforderungen von Mitarbeitenden, Maschinen und Management gleichermaßen
berücksichtigt werden. Dabei stellt sich die Frage: Wo genau lohnen sich Investitionen und
wie sollten mittelständische Unternehmen die Digitalisierung konkret angehen?
Um die richtigen Fähigkeiten, Standards und Projekte anzusteuern – und letztlich die rich-
tigen Investitionsentscheidungen zu treffen –, brauchen mittelständische Unternehmen ein
klares digitales Zielbild. Basierend auf den Umfrageergebnissen haben wir ein solches
entwickelt. Es bietet mittelständischen Unternehmen über alle relevanten Themen hinweg
Orientierung und dient als Umsetzungshilfe (siehe Abb. 17.7).
Unser Zielbild für die digitale Produktion umfasst fünf Dimensionen, die die wichtigs-
ten Erfolgsfaktoren der digitalen Fabrik bündeln. Jeder Dimension sind die jeweiligen
Anforderungen an Technologie und Organisation zugeordnet. So liefert das Zielbild
Unternehmen alle Parameter, die sie brauchen, um ihren eigenen, ganz spezifischen
Digitalisierungsfahrplan entwickeln zu können.
ZIELBILD
Digitales Ökosystem
Wertschöpfungstiefe, Fertigungs-
steuerungsmodell, Berichtswesen,
Qualitätsmanagement, Standards
Digitaler Shopfloor
Personalbeschaffung und
Fortbildung, Wissens-
management, agile Methoden,
Verankerung des „digitalen
Digitale Technologien
Denkens“
Cloud- & Edge-Computing,
Big Data, Analytics, KI, ERP-
und MES-Systeme
Abb. 17.7 Das Zielbild der digitalen Produktion. (Quelle: Eigene Darstellung)
Bei der Bestellung ihres Neuwagens bekommt die Kundin nicht nur das angenommene
Lieferdatum mitgeteilt; dank enger Vernetzung der Produktion mit der Kundenschnitt-
stelle kann sie den gesamten Herstellprozess sogar in Echtzeit mitverfolgen. Mehr
noch: Bis zu einem festgelegten Zeitpunkt sind außerdem Änderungen an der gewählten
Sonderausstattung möglich. ◄
Eine adaptive Planung der Bedarfe und die flexible Steuerung von Materialflüssen
und -transport sind zentrale Anforderungen an ein Werk und sein Produktionsnetz.
17 Digitalisierung der Produktion im Mittelstand: Status quo und … 481
Beispiel
Mithilfe digitaler Zwillinge kann eine gesamte digitale Produktion schon vor dem erst-
maligen Aufbau bis ins letzte Detail durchgeplant werden. Besonders wichtig ist dabei,
volle Flexibilität zu behalten. So muss der Betrieb in der Lage sein, das Layout der
Prozesse zu einem späteren Zeitpunkt noch an veränderte Rahmenbedingungen anzu-
passen. Automated Guided Vehicles, Autonomous Mobile Robots, Cobots, smarte
Technologien und ein Hochleistungs-Datennetz (z. B. 5G) sind dafür unerlässlich. ◄
Beispiel
Bemühungen zum Aufbau einer digital arbeitenden Belegschaft sind derzeit vielerorts
im Gange. So stehen beispielsweise Autohersteller vor der Herausforderung, ihr Re-
cruiting und die Personalentwicklung auf den veränderten Arbeitskräftebedarf anzu-
passen: Der Fokus verschiebt sich von der Werkshalle zur IT und ins Büro. ◄
dabei auch die Kompatibilität neuer Systeme sicherzustellen. Die Erwartungen sind all-
seits hoch: Im Markt wird sehr genau verfolgt, welches datengesteuerte Tool, welche Ap-
plikationen oder welche Kombination aus beidem sich längerfristig durchsetzen wird. Wer
hier auf das falsche Pferd setzt, kann viel Zeit und Geld verlieren.
Ein Beispiel
Neue Technologien bieten völlig neue Möglichkeiten zur Automatisierung, sowohl auf
Werksebene als auch in der Steuerung einzelner Maschinen. So lassen sich heute
Produktionsprogramme basierend auf vergangenen und aktuellen Produktionsdaten in
Echtzeit optimieren. Gleichzeitig ermöglicht maschinelles Lernen die Echtzeit-
Optimierung von Steuerungsgrößen für Maschinen und Fertigungsstraßen. ◄
17.6 Ausblick
Seit Aufkommen des Begriffs Industrie 4.0 vor inzwischen zehn Jahren ist in puncto
digitale Produktion im Mittelstand viel passiert. Zwar hat das vergangene Jahrzehnt
nicht die erhoffte Revolution gebracht, dennoch wurden viele neue Technologien ein-
geführt und nutzenstiftende Anwendungen realisiert. Dieser Prozess ist nach unserer
Überzeugung nicht mehr aufzuhalten und wird in den nächsten Jahren an Dynamik noch
zunehmen.
484 M. Bayer und F. Bauer
Zunächst werden die weiteren Entwicklungen allerdings wohl noch von ab-
gegrenzten Anwendungen bestimmt sein, die sich auf einzelne Werke oder sogar Ma-
schinen beschränken. Um die digitalisierte Fabrik aber längerfristig zum Erfolg zu füh-
ren, sollten Unternehmen auf der Grundlage bereits gesammelter Erfahrungen ein
digitales Zielbild formulieren und die heutigen Möglichkeiten der Datenerfassung
und -auswertung gezielt nutzen. Daraus ergibt sich weiterer Anpassungsbedarf bei den
eingesetzten Technologien, den erforderlichen Fähigkeiten, der Unternehmenskultur
und den Organisationsstrukturen. Belohnt wird der damit verbundene Aufwand durch
spürbare Fortschritte: reduzierten Zeit- und Kostenaufwand und Qualitätssteigerungen
in digitalen Produktionsprozessen.
Literatur
Acatech. (2013). Auf dem Weg ins vierte industrielle Zeitalter. Acatech – Deutsche Akademie der
Technikwissenschaften. https://www.acatech.de/projekt/industrie-4-0/
Beier, G., et al. (2020). Industry 4.0: How it is defined from a sociotechnical perspective and how
much sustainability it includes – A literature review. Journal of Cleaner Production, 259, 120856.
Creditreform. (2021). Wirtschaftslage und Finanzierung im Mittelstand, Frühjahr 2021; Creditre-
form Wirtschaftsforschung, Neuss, 20. April 2021.
Destatis. (2011). Volkswirtschaftliche Gesamtrechnung – Wichtige Zusammenhänge im Überblick,
2020. Statistisches Bundesamt (Destatis), 01.03.2021. https://www.destatis.de/DE/Themen/
Wirtschaft/Volkswirtschaftliche-Gesamtrechnungen-Inlandsprodukt/Publikationen/Downloads-
Inlandsprodukt/zusammenhaenge-pdf-0310100.pdf?__blob=publicationFile. Zugegriffen am
10.05.2021.
Destatis. (o. J.). Europa – Industriesektor in Deutschland weiterhin stark. Statistisches Bundesamt
(Destatis). https://www.destatis.de/Europa/DE/Thema/Industrie-Handel-Dienstleistungen/In-
dustrie.html. Zugegriffen am 10.05.2021.
Matt, D. T., et al. (2020). In D. T. Matt, V. Modrák & H. Zsifkovits (Hrsg.), Industry 4.0 for SMEs –
challenges, opportunities and requirements. Palgrave Mcmillan/Springer Nature.
Schwartz, M., et al. (2020). In M. Schwartz, K. Borger, A. Brüggemann, J. Gerstenberger, F. Köhler-
Gelb & V. Zimmermann (Hrsg.), Finanzielle Resilienz oder digitale und grüne Investitionsrallye
im Mittelstand? – Ein Zielkonflikt, der keiner sein darf (KfW Research, Nr. 306), 27. Novem-
ber 2020.
UNCTAD. (2020). World investment report 2020 – International production beyond the pandemic.
United Nations publication issued by the United Nations Conference on Trade and Development
(UNCTAD), New York.
Zimmermann, V. (2020). In V. Zimmermann (Hrsg.), Welche Mittelständler nutzen digitale Platt-
formen? (KfW Research, Nr. 303), 29. Oktober 2020.
Zimmermann, V. (2021). In V. Zimmermann (Hrsg.), KfW-Digitalisierungsbericht Mittelstand 2020:
Rückgang der Digitalisierungsaktivitäten vor Corona, ambivalente Entwicklung während der
Krise (KfW Research, KfW Bankengruppe (Hrsg.)), März 2021.
17 Digitalisierung der Produktion im Mittelstand: Status quo und … 485
Marc Bayer ist Director bei Roland Berger GmbH. Er verfügt über
25 Jahre Erfahrung in Unternehmensberatung und Industrie. Sein
Fokus liegt im Bereich der industriellen Prozesse mit den Schwer-
punkten Produktion, Einkauf und Qualität. Zu seinen Kunden zählen
Konzerne und mittelständische Unternehmen aus der Automobil-
industrie sowie dem Maschinen- und Anlagenbau. Der Fokus der ak-
tuellen Projekte liegt in der industriellen Digitalisierung sowie in der
Begleitung der Transformation seiner Klienten in neue Strategien,
Strukturen und Prozesse.
Als Diplom-Wirtschaftsingenieur liegt sein besonderes Interesse
an der Schnittstelle zwischen Technologie und deren kommerzieller
Anwendung. Sein Studium absolvierte er an der Technischen Uni-
versität Darmstadt. Schwerpunkte bildeten Regelungstechnik und
Robotik sowie Logistik und Supply Chain Management.
Christoph Haag und Nicolas Pyschny
Zusammenfassung
Mit dem vorliegenden Buchbeitrag wird ein differenzierter Blick auf das Wertver-
sprechen der Digitalisierung für die industrielle Produktion geworfen. In Anlehnung an
die Wissenstreppe nach North wird zunächst ein Bewertungsrahmen in Form eines
Stufenmodells vorgestellt, mit dem sich der Nutzwert digitaler Technologien und des
Einsatzes künstlicher Intelligenz (KI) einordnen lassen. Das 6-stufige Modell unterteilt
sich in die Bereiche des Wissensaufbaus (Stufen 1 bis 3) und der Wissensnutzung (Stu-
fen 4 bis 6) und versetzt Unternehmen in die Lage, im Zuge der Einführung von KI-An-
sätzen deren Anwendungskontext und angestrebten Nutzwert systematisch zu be-
schreiben und zu bewerten. Anhand von Fallbeispielen wird weiterhin aufgezeigt, dass
der erzielbare Nutzwert von KI-Ansätzen maßgeblich von drei Determinanten abhängig
ist: der Unternehmensspezifität, dem konkreten Prozesskontext und dem Komplexitäts-
grad der Managementaufgabe, die durch den KI-Ansatz unterstützt werden soll.
Schlüsselwörter
18.1 Einleitung
Im Zuge der digitalen Transformation stellen sich viele Unternehmen die Frage, welche
Schritte in Richtung einer zunehmenden Digitalisierung ihrer Geschäftsprozesse und der
Einführung von KI-Ansätzen für ihr spezifisches Geschäftsmodell sinnvoll sind. Dabei
sehen sie sich mit einer großen Auswahl an technologischen Alternativen und in der
Öffentlichkeit diskutierten Good-Practice-Beispielen anderer Unternehmen konfrontiert.
Was gerade den kleinen und mittelständischen Unternehmen mit begrenzten Entwi-
cklungs- und Investitionsbudgets fehlt, ist ein Bewertungsrahmen, der eine spezifische,
auf ihren konkreten Unternehmenskontext bezogene Bewertung von Handlungsalter-
nativen zulässt, um ihre Budgets auf sinnvolle Digitalisierungsinvestitionen zu allokieren.
Mit dem vorliegenden Buchbeitrag wird ein differenzierter Blick auf das Wertver-
sprechen der Digitalisierung für die industrielle Produktion geworfen. In Anlehnung an
die Wissenstreppe nach North (2016, S. 33 ff.) wird zunächst ein Bewertungsrahmen in
Form eines Stufenmodells vorgestellt, mit dem sich der Nutzwert digitaler Technologien
und des Einsatzes künstlicher Intelligenz (KI) einordnen lässt.
Anhand von Fallbeispielen wird weiterhin aufgezeigt, dass der erzielbare Nutzwert von
KI-Ansätzen maßgeblich von drei Determinanten abhängig ist: der Unternehmensspezifi-
tät, dem konkreten Prozesskontext und dem Komplexitätsgrad (vgl. Ulrich & Probst,
1991) der Entscheidungs- oder Planungsaufgabe, die durch den KI-Ansatz unterstützt
bzw. automatisiert werden soll.
Mit welchen Maßstäben lässt sich der Grad der Digitalisierung bestimmen? Die Vor-
stellungen der Fachwelt, was das Phänomen Industrie 4.0 (oder mit anderen Worten: die
18 Künstliche Intelligenz für die industrielle Produktion – Ein kontextorientierter … 489
Offensichtlich können alle diese Aspekte eine Rolle spielen und gewissermaßen als
qualitative Indizien für eine sich abzeichnende Industrie 4.0 erscheinen. Jedoch lassen
keine pauschalen Aussagen darüber treffen, welche dieser Komponenten als unabdingbar
für die digitale Transformation von Unternehmen gelten. Zu verschiedenartig stellen sich
deren Geschäftsmodelle und wertschöpfenden Prozesse dar und zu unterschiedlich ist der
jeweilige technologische Ausgangspunkt. Es bedarf zunächst eines generischen und damit
allgemein gültigen Bezugsrahmens zur Zuordnung der zuvor genannten Aspekte. Der
Maßstab der ‚Vollkommenheit‘ soll diesem zugrunde liegen und muss zunächst her-
geleitet werden.
Wissenschaftliche Anwendung findet der Vollkommenheitsbegriff vor allem im volks-
wirtschaftlichen Sprachgebrauch. Vollkommene Kapitalmobilität, vollkommene Konkur-
renz und insbesondere das Konstrukt des ‚vollkommenen Marktes‘ sind in diesem Zu-
sammenhang bekannte Modellbeispiele. Ihnen allen ist gemein, dass sie in der
Realwirtschaft nicht vorzufinden sind.1 Vielmehr dienen sie dem Zweck einer ideal-
typischen Beschreibung marktbezogener Zusammenhänge – wie etwa dem Mechanismus
der Preisbildung – und blenden dazu ganz bewusst gewisse realwirtschaftliche Einfluss-
faktoren (Störgrößen) aus. Neben den Grundannahmen einer vollständigen Informations-
transparenz und dem rationalen Handeln aller Marktakteure liegen den Beschreibungs-
modellen die folgenden Bedingungen zugrunde:
1
Die Finanz- und Kapitalmärkte kommen dem Gedanken eines vollkommenen Marktes noch am
nächsten, erreichen ihn aber nicht.
490 C. Haag und N. Pyschny
2. Die Grenzkosten für den Austausch von Gütern und Dienstleistungen oder für die Be-
wegung von Kapital sind gleich null (d. h. die einzelne Transaktion verursacht keine
Kosten).
3. Es gibt keine räumliche Präferenz oder Restriktion in Bezug auf die Warenherkunft oder
hinsichtlich des Anlegens von Kapital (d. h. der Faktor Raum ist außer Kraft gesetzt).
4. Engpässe in der Produktion und Distribution, die für einen Anstieg der Preise sorgen
könnten, existieren nicht (d. h. Kapazitäten sind grenzenlos verfügbar und flexibel
skalierbar).
5. Die gehandelten Güter innerhalb einer Warengruppe sind absolut homogen und
vergleichbar (d. h. es gibt keinerlei Interpretationsspielräume in Bezug auf die Art und
Qualität von Waren).
Mit diesen Idealpositionen beschreibt das Konstrukt gewissermaßen das, was als unüber-
trefflicher ‚äußerer Rand‘ der Vollkommenheit von Märkten angesehen werden kann. Im
Sinne einer Analogiebetrachtung stellt sich nun die Frage ob sich diese Determinanten
auch dafür eignen könnten, um das gedankliche Konstrukt einer ‚vollkommenen Digitali-
sierung‘ zu beschreiben.
Dazu sei zunächst festgestellt, dass, während es in der marktwirtschaftlichen Welt um
die Herstellung und den Austausch von Gütern und Dienstleistungen geht, um letztlich
Bedürfnisse zu befriedigen, in der digitalen Welt Daten erzeugt und verarbeitet werden,
um sie letztlich einem Anwendungszweck (z. B. einer Entscheidungsfindung der einer
Planungs- bzw. Optimierungsaufgabe) zuzuführen. In welchen Stufen sich diese Daten-
verarbeitung vollzieht, und welcher Zweck letztlich adressiert werden kann, sei anhand
des in Abb. 18.1 dargestellten Stufenmodells erläutert, welches sich an die Wissenstreppe
nach North (2016) anlehnt.
Die erste Stufe umfasst die Datengenerierung, d. h. das Erfassen und Speichern von
Datensätzen anhand von Messungen oder Beobachtungen (z. B. von Ereignissen oder Zu-
ständen).
Die zweite Stufe beschreibt das Einordnen dieser Daten in einen Kontext, sodass da
raus strukturierte und begreifliche Informationen werden (z. B. über die Abfolge von Ereig-
nissen oder die zu erwartende Entwicklung von Zuständen im Zeitverlauf).
Die dritte Stufe wird erreicht, wenn Informationen kognitiv analysiert und trans-
formiert, anhand von Erfahrung interpretiert oder mit weiteren Informationen vernetzt
werden, um schließlich Wissen aufzubauen (z. B. über die Ursächlichkeit von Zustands-
entwicklungen oder Ereignissen). Dieser Wissensaufbau erfolgt also durch den Einsatz
(natürlicher oder künstlicher) Intelligenz, und zielt ab auf die Erstellung deskriptiver Er-
klärungsmodelle für informatorisch vorliegende Sachverhalte.
Basierend auf diesem Wissensaufbau wird auf der vierten Stufe das Wissen in
Projektionsmodelle überführt, die eine Antizipation zukünftiger Sachverhalte zulassen
(z. B. eine Aussage über die Eintrittswahrscheinlichkeit zukünftiger Ereignisse) und somit
Entscheidungsfindungsprozesse unterstützen können. Auf dieser Stufe kommen also prä-
diktive Formen der (natürlichen oder künstlichen) Intelligenz zum Einsatz.
18 Künstliche Intelligenz für die industrielle Produktion – Ein kontextorientierter … 491
Die fünfte Stufe zeichnet sich dadurch aus, dass, auf Basis dieser Projektionsmodelle,
Regeln bzw. Algorithmen für Entscheidungsfindungen implementiert werden, um Hand-
lungen modellbasiert auszuführen (z. B. das Eingreifen in einen laufenden Prozess in Ab-
hängigkeit von Prozesszuständen, um zukünftige Ereignisse, wie etwa das Produzieren
von Ausschuss, zu verhindern).
Die sechste Stufe ist schließlich erreicht, wenn das Resultat der modellbasiert herbei-
geführten Handlung mit einem Referenzwert (z. B. einem Soll-Ereignis) verglichen wird,
um den daraus ermittelten Grad der Abweichung wiederum als Datensatz zu erfassen und
diesen zur Ursachenanalyse zu nutzen, um letztlich das Modell für die Antizipation und
Entscheidungsfindung (auf den Stufen 4 und 5) kontinuierlich zu verbessern.
Die sechs Stufen lassen sich grob unterteilen in die Stufen 1 bis 3 (Wissensaufbau) und
die Stufen 4 bis 6 (Wissensverwertung). Unabhängig davon, ob diese Operationen durch
den Menschen oder von technischen Systemen vollzogen werden, ist allen Stufen gemein,
dass die erfassten Ausgangsdaten mittels übertragender, speichernder, transformierender
oder mathematisch-analytischer Operationen verarbeitet werden (siehe DIN 44.300, o. J.).
Technische Systeme (EDV-Systeme) kommen zum Einsatz, um den Prozess der Daten-
verarbeitung (also bildlich gesprochen das Hinaufsteigen der Wissenstreppe) zu auto-
492 C. Haag und N. Pyschny
matisieren. Inwieweit bei dem Einsatz dieser Hardware- und/oder Software-basierten Sys-
teme von KI-Systemen gesprochen werden kann, hängt wesentlich von der Treppenstufe
ab, die mit der automatisierten Datenverarbeitung letztlich erreicht werden soll. Nach
Wittpahl (2019, S. 21) ist allen KI-Systemen gemein, dass sie auf die Automatisierung von
intelligentem Verhalten abzielen. Folgerichtig setzen KI-Systeme i.e.S. ab den Stufen 3
und 4 der Wissenstreppe an, auf denen kognitive Operationen zur Entwicklung von Erklä-
rungs- bzw. Vorhersagemodelle stattfinden. Die automatisierte (sensorbasierte) Erfassung
und Speicherung von Daten oder auch die automatisierte Strukturierung dieser Daten zu
begreiflichen Informationen auf den niederen Stufen fallen noch nicht in diesen engen
Definitionsbereich, stellen gleichwohl aber unabdingbare Vorstufen der KI dar.
Auf den Stufen 3 und folgende lassen sich in der Praxis sehr unterschiedliche Er-
scheinungsformen und Anwendungszwecke von KI-Systemen erkennen, die in ver-
schiedene Werkzeuggruppen (wie etwa Mustererkennung, Aktionsplanung und Optimie-
rung oder Text- und Spracherkennung) unterteilt werden können (Hatiboglu et al., 2019,
S. 10). Hierauf wird in Kap. 5 noch genauer eingegangen.
Weiterhin lässt sich festhalten, dass die Wissensverwertung i. d. R. mit einer Planungs-
oder Optimierungsaufgabe bzw. einer Entscheidungsfindung einhergeht und damit die
Festlegung von Aktivitäten (auf operativer, taktischer oder strategischer Ebene) verfolgt.
Dieser Punkt soll an späterer Stelle im nachfolgenden Kapitel aufgegriffen und ver-
tieft werden.
In Analogie zum wirtschaftswissenschaftlichen Begriffsverständnis über die Voll-
kommenheit von Märkten lässt sich die Hypothese formulieren, dass die Vollkommenheit
dieser Datenverarbeitung anhand der folgenden fünf Determinanten festzumachen ist:
Diese Hypothese sei im Folgenden anhand dreier Beispiele digitaler Lösungen, wie sie in
der Praxis vorzufinden sind und der so genannten Industrie 4.0 zugesprochen werden,
überprüft (vgl. BMWi, 2019).
In Anbetracht des Stufenmodells (Abbildung 1) lässt sich zunächst festhalten, dass die
in diesem Fallbeispiel implementierte Digitalisierungslösung die zweite Modellstufe adres
siert, also die Bereitstellung kontextbezogener Informationen. Der Zugewinn an Flexibili-
tät kommt dadurch zustande, dass die variantenspezifischen ERP-Stammdaten in Echtzeit
an jeden beliebigen Montagearbeitsplatz ortsunabhängig übermittelt werden können. Die
Bereitstellung der Informationen erzeugt keinen Aufwand, etwa für das Ausdrucken und
Zuordnen von Arbeitsplänen zu Produktionsaufträgen. Zudem sind die Informationen
stets eindeutig dem jeweiligen Variantenkontext zugeordnet, intuitiv dargelegt und somit
interpretationsfrei begreiflich. Es zeigt sich also, dass hier gleich mehrere der zuvor be-
schriebenen Vollkommenheitsdeterminanten adressiert werden.
Im vorliegenden Fallbeispiel wird die dritte (bzw. ansatzweise auch die vierte) Modell-
stufe der Datenverarbeitung erreicht. Und auch hier lässt sich der Mehrwert der implemen-
tierten Lösung sehr konkret an den genannten Vollkommenheitsdeterminanten festmachen.
Erfolgte in der Vergangenheit die Aktualisierung der Kennzahlen womöglich im wöchent-
494 C. Haag und N. Pyschny
lichen Rhythmus, so besteht diese Zeitabhängigkeit der Informationen mit dem neuen
System nicht mehr. Hing das Dashboard zur Darstellung der Kennzahlen vormals vermut-
lich an einem zentralen Ort in der Nähe der Produktionslinie, so können die Informationen
heutzutage auch global verteilt werden. War die Aktualisierung der Kennzahlen früher mit
einer manuellen Datenaufbereitung und dem Ausdrucken von Papier verbunden, so läuft
diese nun aufwandsfrei und ohne menschliches Zutun ab. Durch die standardisierte, immer
gleiche Art der Auswertung werden den Entscheidungsträgern die Informationen weit-
gehend frei von Interpretationsspielräumen dargelegt.
In Bezug auf das Stufenmodell der Datenverarbeitung wird mit der vorliegenden Auto-
matisierungslösung die fünfte Modellstufe adressiert, indem sich die Maschine ohne
menschliches Zutun selbst regelt, also eine Handlung herbeigeführt wird. Diese Selbst-
regelung führt zu einer Senkung der Kosten und Reaktionszeiten. Das Datenfeedback wird
von der Maschine eindeutig verstanden und in eine Handlung, die Nachstellung des Dreh-
meißels, überführt. Die Interpretation der Daten durch einen Experten entfällt, sodass
auch das Risiko der Fehlinterpretation bzw. der nicht folgerichtigen Nachstellung des
Drehmeißels abgewendet wird.
Die drei Fallbeispiele bekräftigen die zuvor formulierte Annahme, dass die Digitalisie-
rung (d. h. der Einsatz technischer Systeme, die auf einer digitalen Form der Datenver-
arbeitung basieren) im Kern auf bestimmte Stufen bzw. Anwendungszwecke des Wissens-
aufbaus und der Wissensverwertung abzielt und dabei die o. g. Determinanten in Richtung
einer zunehmenden Vollkommenheit der Datenverarbeitung verschieben. Folgerichtig
sind wir mit diesen beiden Blickrichtungen imstande, den Grad der Digitalisierung in
Bezug auf eine konkrete digitale Anwendung bzw. KI-Lösung nutzenorientiert zu be-
schreiben.
Anhand der Frage, welche Stufe der Datenverarbeitung dabei adressiert wird, lässt sich
eine zweckorientierte Beschreibung der betrachteten Anwendung vornehmen. Diese Per
spektive sei im Folgenden als ‚vertikaler Grad der Digitalisierung‘ bezeichnet.
Inwieweit die betrachtete Lösung die zuvor genannten fünf Kriterien für eine voll-
kommene Datenverarbeitung erfüllt, bestimmt deren Automatisierungseffizienz. Diese sei
als ‚horizontaler Grad der Digitalisierung‘ verstanden.
Abb. 18.2 stellt den sich daraus ergebende Bezugsrahmen der Digitalisierung dar.
18 Künstliche Intelligenz für die industrielle Produktion – Ein kontextorientierter … 495
Abb. 18.2 Bezugsrahmen zur Bestimmung des Digitalisierungsgrades. (Quelle: Eigene Dar-
stellung)
artefakte bezeichnet. Eine sehr geringe Uniformität würde sich in der Praxis bspw. so
darstellen, dass uneinheitliche Dateiformate für die Datenerfassung und/oder Datenlücken
(z. B. temporäre Datenausfälle für gewisse Zeitintervalle oder das Fehlen von zeitlichen
Markern) vorlägen, die zu Uneindeutigkeiten führen und eine automatisierte Weiterver-
arbeitung dieser Daten unmöglich macht. Von einer sehr hohen Uniformität kann
gesprochen werden, wenn Daten lückenlos und in einem stets einheitlichen Format vor-
liegen, keinerlei Interpretations- bzw. Korrekturbedarf mit sich bringen und somit für die
automatisierte Weiterverarbeitung optimal geeignet sind.
Die letzte Determinante „Skalierbarkeit“ drückt aus, inwieweit die für eine optimale
Datenverarbeitung erforderliche Kapazität ohne Restriktionen frei wählbar ist. Eine sehr
geringe Skalierbarkeit liegt bspw. dann vor, wenn das erlaubte Datenvolumen aufgrund
sehr begrenzter Speicher- und Rechenkapazitäten sehr gering ausfällt. Eine solch restrik-
tive Situation kann Ungenauigkeiten in Bezug auf die Datenqualität und eine mangelhafte
empirische Datenbasis für die statistische Analyse zur Herleitung von Erklärungs- und
Projektionsmodellen zur Folge haben. Als sehr hoch darf die Skalierbarkeit eingestuft
werden, wenn keinerlei Restriktionen in Bezug auf das Datenvolumen vorliegen, etwa
durch den Gebrauch von unternehmensexternen Cloud-Diensten.
Mit diesem nun vorliegenden Bezugsrahmen lässt sich der Grad der Digitalisierung in
vertikaler (anwendungszweckorientierter) und horizontaler (anwendungseffizienzorien
tiert) Hinsicht beschreiben. Dies kann sowohl für die Bewertung des Ist-Zustandes einer
aktuellen EDV-Situation als auch für die Zielbeschreibung in Bezug auf ein für die Zukunft
geplantes EDV- bzw. KI-System dienlich sein. Inwieweit es in diesem Zusammenhang
sinnvoll ist, einen (möglichst) hohen vertikalen und horizontalen Digitalisierungsgrad
innerhalb der eigenen Wertschöpfungskette zu wählen, wird im Folgenden thematisiert.
Welchen Mehrwert ist die Digitalisierung im Stande zu leisten? Um dieser zweiten Leit-
frage auf den Grund zu gehen, greifen wir auf die Erfahrungen aus dem Smart Manufac-
turing Cluster Bergisches Land zurück. Zu dem Netzwerkprojekt haben sich 14 kleine und
mittelständische Unternehmen aus ganz unterschiedlichen Branchen der verarbeitenden
Industrie zusammengetan2. Die Geschäftsmodelle und Wertschöpfungsketten der einzel-
nen Unternehmen unterscheiden sich naturgemäß sehr stark voneinander.
2
Im Zeitraum Juni 2018 bis Mai 2020 wurde das Netzwerk-Projekt von der TH Köln koordiniert. Im
Einzelnen waren folgende Unternehmen beteiligt: Berges Antriebstechnik GmbH & Co. KG, Dör-
renberg Edelstahl GmbH, Fabrilog GmbH & Co. KG, GC-heat Gebhard GmbH & Co. KG, GIZEH
Verpackungen GmbH & Co. KG, HEW-KABEL GmbH, HT Tooling GmbH, Klingelnberg GmbH,
PFLITSCH GmbH & Co. KG, PWM GmbH & Co. KG, Recknagel Präzisionsstahl GmbH, Schroe-
der Valves GmbH & Co. KG, Steinmüller Engineering GmbH, STRIKO Verfahrenstechnik W.Strik-
feldt & Koch GmbH und WSM – Walter Solbach Metallbau GmbH.
18 Künstliche Intelligenz für die industrielle Produktion – Ein kontextorientierter … 497
Im Rahmen des unternehmensübergreifenden Diskurses wird klar, dass die Frage nach
dem Mehrwert oder Nutzenpotenzial der Digitalisierung nur kontextspezifisch beantwortet
werden kann. Dabei werden zwei Betrachtungsperspektiven als kontextgebend angesehen:
1. Welche Unternehmensspezifität liegt vor (d. h. welche Art des Geschäftsmodells, der
Marktmechanismen, der Wertschöpfungskette, des Fertigungsprinzips etc.)?
2. Welcher Teilprozess innerhalb der Wertschöpfungskette wird bei der Frage nach dem
Digitalisierungspotenzial konkret betrachtet?
Um das mögliche Spektrum in Bezug auf die zweite Frage einzugrenzen, fokussieren die
Untersuchungen innerhalb des Netzwerkprojekts auf vier datenverarbeitende Teilprozesse,
die für die Wertschöpfung fast aller produzierender Unternehmen eine gewichtige Rolle
spielen:
• Auftragsabwicklung
• Produktionsplanung und -steuerung
• Maschinen- und Prozessüberwachung
• After Sales Service
Dabei wird die These aufgestellt, dass das Nutzenpotenzial der Digitalisierung dieser vier
Teilprozesse (in Richtung einer vollkommenen Digitalisierung i. S. v. Abbildung 2) von
der spezifischen Gestalt jedes einzelnen Unternehmens abhängig ist. Denn erst eine ge-
naue Betrachtung dieser Unternehmensspezifität lässt erkennen, inwieweit a) durch den
Einsatz digitaler Systeme und KI-Ansätze theoretische Nutzenpotenziale erschlossen wer-
den könnten und b) die Möglichkeit zur Erschließung dieser Potenziale auf Grundlage der
aktuellen Unternehmenspraxis vorhanden ist.
Das theoretische Nutzenpotenzial der Digitalisierung hängt in erster Linie von der
Frage ab, welche Relevanz die Datenverarbeitung für den betrachteten Teilprozess vor
dem Hintergrund der Unternehmensspezifität einnimmt. Wenn die Relevanz hoch ist, dann
ist i. d. R. auch das Ziel einer möglichst automatisierten Art und Weise der Datenver-
arbeitung innerhalb dieses Teilprozesses erstrebenswert. Ist hingegen die Relevanz der
Datenverarbeitung niedrig, dann macht für diesen Teilprozess ein zunehmender vertikaler
und horizontaler Digitalisierungsgrad kaum Sinn.
Dieser Zusammenhang sei beispielhaft am Teilprozess der Produktionsplanung
und -steuerung erläutert. Dabei seien drei fiktive Unternehmen miteinander verglichen, die
sich hinsichtlich ihres Fertigungstyps und der Auftragsabwicklung wie folgt unter-
scheiden:
heblich von Auftrag zu Auftrag und lässt sich im Vorfeld nicht antizipieren. Produktions-
aufträge und zugehörige Materialbestellungen können erst nach dem Auftragseingang
des Kunden angewiesen werden.
• Unternehmen B sei ein Produzent von Kleinserien in Losfertigung. Die für die opera-
tive Produktionsplanung zur Disposition stehenden Produkte sind im Vorfeld bekannt.
Die Möglichkeiten der Maschinenbelegung sind den Produkten durch vorliegende
Arbeitspläne zugewiesen. Jedem Produkt sind Stücklisten an Vormaterialien hinterlegt.
Die mittelfristig eingehenden Kundenbestellungen können in Art und Menge recht
genau antizipiert werden, sodass auf kleine Lagerhaltung produziert wird.
• Unternehmen C sei ein Massenhersteller von Produkten in kontinuierlicher Fließ-
fertigung. Die Fertigungslinien bestehen aus drei Stufen und es finden keinerlei Um-
rüstvorgänge statt, da auf jeder Linie nur eine Variante produziert wird. Da die Absatz-
mengen der Produkte sehr langfristig prognostiziert werden können, wird kontinuierlich
ein Konsignationslager beliefert.
Im direkten Vergleich wird ersichtlich, dass sich die Unternehmen deutlich in Bezug auf
die Relevanz der Datenverarbeitung im Teilprozess der Produktionsplanung und -steue-
rung unterscheiden. Während Unternehmen A mit jedem neuen Kundenauftrag mit ver-
änderten planungsrelevanten Daten umgehen muss, bleibt die Planungsgrundlage für
Unternehmen C im Zeitverlauf so gut wie konstant. Somit wäre das theoretische Nutzen-
potenzial eines hohen vertikalen und horizontalen Digitalisierungsgrades in diesem Teil-
prozess für Unternehmen A wesentlich höher einzustufen als für Unternehmen C. Die
Planungsbedingungen von Unternehmen B liegen im mittleren Bereich zwischen den
Unternehmen A und C. Der wiederkehrende Charakter der auftragsbezogenen Daten lässt
die Relevanz der Datenverarbeitung in der Produktionsplanung und -steuerung zwar nied-
riger als für Unternehmen A, aber höher als für Unternehmen C erscheinen. Für dieses
Unternehmen wäre folglich das Nutzenpotenzial der Digitalisierung dieses Teilprozesses
als moderat bis hoch einzustufen.
Die Frage nach der Möglichkeit zur Erschließung dieser Potenziale hängt hingegen maß-
geblich davon ab, wie komplex sich der Prozess des Wissensaufbaus (Stufe 1 bis 3) mit dem
Ziel der Wissensverwertung (Stufe 4 und folgende) darstellt. Im vorherigen Kapitel wurde
bereits festgehalten, dass die Modellstufen der Wissensverwertung i. d. R. auf eine Ent-
scheidungsfindung bzw. eine Planung in Bezug auf eine operative, taktische oder strategi-
sche Festlegung von Aktivitäten abzielen. Dieser Aspekt wird nun aufgegriffen und vertieft.
Nach Ulrich und Probst (1991) lässt sich der Komplexitätsgrad einer Entscheidungs-
findung und ihrer vorbereitenden Schritte in vier Klassen unterteilen (Abb. 18.3), wobei
die Zuordnung einer Entscheidungssituation zu einer dieser Klassen von zwei Faktoren
abhängt, nämlich
a. der Anzahl der vorliegenden und für die Entscheidung relevanten Eingangsvariablen und
b. der Veränderlichkeit dieser Eingangsvariablen von Entscheidungssituation zu Entschei
dungssituation.
18 Künstliche Intelligenz für die industrielle Produktion – Ein kontextorientierter … 499
Abb. 18.3 Komplexität von Entscheidungssituationen (i. A. a. Ulrich & Probst, 1991)
3
Dazu wurden die dem statistischen Bundesamt bekannten 24 Wirtschaftszweige des verarbeitenden
Gewerbes (siehe www.destatis.de) in Bezug auf die genannten Spezifitätskriterien untersucht und in
die vorliegenden sechs Typen überführt.
502 C. Haag und N. Pyschny
4
Die Nutzenpotenziale je Unternehmenstyp und Teilprozess wurden im Expertenkreis, unterstützt
durch die Delphi-Methode, ermittelt.
18 Künstliche Intelligenz für die industrielle Produktion – Ein kontextorientierter … 503
Unternehmenstyp 2:
Anbieter konfigurierbarer, technischer Systeme
Unternehmensmerkmale Merkmalsausprägungen
Typisierte Erzeugnisse
Erzeugnisse nach Standarderzeugnisse Standarderzeugnisse
Erzeugnisspektrum mit kundenspezifischen
Kundenspezifikation mit Varianten ohne Varianten
Varianten
Kontinuierliche
Produktonswiederholung Einmalfertigung (Unikat) Losfertigung
Massenfertigung
Abb. 18.6 Kontextspezifisches Nutzenpotenzial der Digitalisierung für einen Anbieter konfigurier-
barer, technischer Systeme
504 C. Haag und N. Pyschny
gemenges ein algorithmisches Abbild (i.S. eines ‚digitalen Zwillings‘, vgl. Cinar et al.,
2020) der Wirkbeziehungen entscheidungsrelevanter Eingangsvariablen zulässt
Das mögliche Nutzenpotenzial der Digitalisierung hängt also ganz maßgeblich von der
spezifischen Gestalt jedes einzelnen Unternehmens ab und ist für jeden Teilprozess inner-
halb der Wertschöpfung individuell zu bestimmen. Abb. 18.7 stellt diese kontextspezi-
fischen Potenziale abschließend für die sechs definierten Unternehmenstypen dar.
Abb. 18.7 Übersicht der kontextspezifischen Nutzenpotenziale der Digitalisierung für die sechs
Unternehmenstypen
18 Künstliche Intelligenz für die industrielle Produktion – Ein kontextorientierter … 505
Zum Abschluss dieses Beitrags möchten wir aufzeigen, wie sich ein hoher Digitalisierungs-
grad in den zuvor genannten Teilprozessen konkret darstellen würde, d. h. anhand welcher
qualitativen Attribute und neuen Abläufe sich die Effizienzsteigerungen auf den einzelnen
Stufen der Datenverarbeitung bemerkbar machen können. Mit Abb. 18.8 soll zunächst ein
allgemeiner Blick auf die vier Teilprozesse gelegt und aufgezeigt werden, welche Merk-
male die Digitalisierung hier jeweils hervorbringen kann.
Im fachlichen Diskurs mit den regionalen Partnerunternehmen des Smart Manufactu-
ring Cluster wird klar, dass die digitale Transformation der Wertschöpfung auf ‚organi-
sche‘ Art und Weise von unten nach oben (i.S. des Stufenmodells) erfolgen sollte. So ist
etwa ein gewisses Maß an Maschinensensorik und das damit ermöglichte Sammeln von
Betriebsdaten (Stufe 1 und 2) unabdingbar, um nach und nach Wissen über die Ursächlich-
keit von Maschinenzuständen und Verschleißphänomenen durch eine explorative Daten-
analyse zu erlangen (Stufe 3), um dann schließlich darauf aufbauend ein prädiktives, zu-
standsorientiertes Instandhaltungskonzept zu entwickeln (Stufe 4 und 5).
Einstimmigkeit herrscht unter den Unternehmensvertretern gleichfalls darüber, dass,
bevor mit diesem ‚organischen‘ Aufbau der Digitalisierung begonnen wird, beschrieben
werden sollte, auf welcher Stufe des Wissensaufbaus und/oder der Wissensverwertung
letztlich welcher Mehrwert geschaffen werden soll. Nur so lassen sich nutzenorientierte,
digitale Systeme aufbauen, die einen spürbaren, praktischen Wert für die Unternehmen
haben. Im Fall der Maschinen- und Prozessüberwachung sollte z. B. im Vorfeld geklärt
werden, welche Maschinen auf welchen Fertigungsstufen überhaupt eine prädiktive Art
der Instandhaltung verlangen. Wo liegen die Engpässe innerhalb des Wertstroms? Welche
Prozessschritte beeinflussen die Durchlaufzeit? Für welche Maschinen ist ein Höchstmaß
an Verfügbarkeit gefragt?
Dies alles sollte im Vorfeld untersucht werden, um das Wertversprechen des Einsatzes
digitaler Systeme und KI-Lösungen objektiv und konkret zu benennen und ggf. bemessen
zu können. So wird sichergestellt, dass als Resultat des mit Aufwand verbundenen Trans-
formationsprozesses auch ein realer Mehrwert zu erkennen ist.
Die Grundlage für die Anwendung von KI-Technologien bildet die Erfassung und Auf-
bereitung von Daten über den Zustand und das Verhalten des betrachteten Systems,
z. B. einer Komponente, einer Maschine, einer Produktionslinie oder eines Werks.
Aus technologischer Sicht werden darauf aufbauend in aktuellen Anwendungen vor-
rangig KI-Werkzeuge aus den Bereichen Machine Learning sowie der Aktionsplanung
Abb. 18.9 Künstliche Intelligenz zur Erreichung eines hohen vertikalen Grads der Digitalisierung
18 Künstliche Intelligenz für die industrielle Produktion – Ein kontextorientierter … 507
und -optimierung eingesetzt [Seifert et al., Hatiboglu et al.]. Erstere werden beispielsweise
zum Aufbau von Modellen über die Wirkzusammenhänge in technischen Systemen (Stufe
3), Letztere zur Planung und Steuerung von Produktions-, Logistik- oder Instandhaltungs-
prozessen (Stufe 4) verwendet.
Ein zentrales Anwendungsfeld für KI-Technologien ist die Überwachung und Wartung
von technischen Anlagen – das so genannte Condition Monitoring – um kritische Zustände
vorherzusagen und im Sinne einer vorausschauenden Instandhaltung (Predictive Mainte-
nance) proaktiv im Hinblick auf mögliche Ausfälle handeln zu können. Ein verfolgter
Ansatz ist dabei die Analyse von historischen Daten über Betriebszustände, Wartungsfälle
und Störungen, um daraus Trends abzuleiten und zukünftige Entwicklungen vorherzu-
sagen. Alternativ oder in Kombination werden Sensordaten von Maschinen genutzt, um
Vorhersagemodelle zu entwickeln, die für die Simulation des Systemverhaltens eingesetzt
werden können.
Ein Praxisbeispiel für die KI-gestützte Instandhaltung wurde unter dem Titel „Mainte-
nance 4.0 for Intralogistics“ von Schaeffler Technologies in Kooperation mit SSI Schäfer
realisiert (Schaeffler, 2020). In einem Distributionszentrum des Unternehmens kommen
Lösungen zur Zustandsüberwachung betriebsrelevanter Antriebssysteme und zur teilauto-
matisierten Instandhaltung der Lagerlogistik zum Einsatz. Modulare Online-Messsysteme
dienen zur permanenten Zustandsüberwachung von Regalbediengeräten, Hebestationen
oder Spiralförderern. Die gesammelten Sensordaten werden im lokalen Leitstand visuali-
siert und auf kritische Schwellwerte überwacht. Darauf aufbauend erfolgt auf Basis von
Schwingungs- und Temperaturanalysen in intelligenten Sensoren eine frühzeitige De-
tektion von Bauteilschäden und Funktionsfehlern. Im nächsten Schritt werden die Daten
genutzt, um Zustandsanalysen und Restlaufzeitprognosen vorzunehmen, die automatisierte
Handlungsempfehlungen für die Instandhaltung erzeugen.
Im Hinblick auf den vorgestellten Bezugsrahmen zur Bestimmung des Digitalisierungs-
grads aus Abbildung 2 kann die Anwendung von KI-Technologien in diesem Fallbeispiel
auf den Stufen 3 und 4 eingeordnet werden. Auf Basis der kontinuierlichen Erfassung von
Zustandsdaten werden Wirkmodelle über die Entwicklung von Bauteilschäden entwickelt
(Stufe 3) und für Prognosen und Vorhersagen genutzt, die in direkten Handlungs-
empfehlungen münden (Stufe 4). Aufgrund des hohen Automatisierungsgrads der Daten-
erfassung und Verarbeitung kann außerdem die Effizienz der Anwendung als hoch bis sehr
hoch angesehen werden (Abb. 18.10).
Zahlreiche KI-Anwendungen finden sich auch im Bereich der Qualitätskontrolle und
Prozessoptimierung. Dabei steht die Automatisierung von dynamischen Regelschleifen im
Vordergrund, wofür sich Planungsalgorithmen mit einer im Vergleich zum Menschen hö-
heren Verfügbarkeit und einer beschleunigten Verarbeitung anbieten. Außerdem können
neben unmittelbaren Prozessdaten auch historische Daten mit Informationen aus vor-
herigen Maschinenläufen oder vorgelagerten Prozessen in die Steuerungsprozesse ein-
fließen. Werden von den Algorithmen qualitätsrelevante Prozessabweichungen erkannt,
können diese durch automatische Anpassung der Prozessparameter korrigiert werden und
ggf. durch Adaption der Folgeprozesse ausgeglichen werden.
508 C. Haag und N. Pyschny
Ein Anwendungsbeispiel findet sich bei der Plastipack GmbH, einem mittelständischen
Kunststoffverarbeitungsunternehmen spezialisiert auf Extrusionsblasformen. In einem
Pilotprojekt wurden KI-Verfahren entwickelt, um Prozessdaten – wie Drücke und Tempe-
raturen in den Werkzeugen – auf Anomalien zu untersuchen und damit Qualitätsprobleme
frühzeitig zu erkennen. Zum Anlernen der Modelle wird die Qualitätsprüfung der Bauteile
weiterhin manuell ausgeführt. Die KI-Modelle unterstützen beim Erkennen von Ab-
hängigkeiten zwischen Prozessparametern und -ergebnissen, und ermöglichen damit die
Überwachung und Optimierung der Fertigungsprozesse. Außerdem ist durch die
kontinuierliche Erfassung von Prozess- und Qualitätsdaten eine Rückverfolgbarkeit bis
zum Einzelstück gegeben [Digital in NRW (2020)].
Die Digitalisierungsgrad dieser KI-Anwendung ist im Bezugsrahmen auf Stufe 3 anzu-
siedeln, da es primär um den Aufbau von Wissen über Zusammenhänge zwischen ver-
schiedenen Prozessparametern und der Bauteilqualität geht. Die Effizienz der Digitalisie-
rung ist aufgrund der weiterhin manuellen Erfassung der Qualitätsdaten in der derzeitigen
Ausbaustufe eher gering (Abb. 18.11).
Ein drittes wichtiges Anwendungsgebiet für KI-Technologien findet sich in der Logis-
tik. Bereits heute setzen viele Unternehmen Lagerhaltungssoftwares ein, die KI-Funktionen
anbieten – von der Überwachung kritischer Lagerbestände, bis hin zu Algorithmen, wel-
che Beschaffungsvorschläge aus Daten- und Trendanalysen ableiten. Aber vor allem für
den Transport von Waren kommen zunehmend KI-Technologien zum Einsatz, z. B. für die
dynamische Routenplanung von fahrerlosen Transportsystemen (FTS), die es ihnen auf
Basis verschiedener Sensordaten erlaubt, zu navigieren und Hindernisse zu umfahren.
Während sich einzelne FTS autonom fortbewegen, übernimmt die übergeordnete Planung
und Steuerung der Transportaufträge in der Regel ein zentrales System mit Planungs- und
Optimierungsalgorithmen.
18 Künstliche Intelligenz für die industrielle Produktion – Ein kontextorientierter … 509
18.6 Fazit
In diesem Beitrag wurde gezeigt, welche Potenziale die Digitalisierung und der Einsatz
von KI für die industrielle Wertschöpfung bereithalten kann und in welchem Kontext sich
diese Potenziale realisieren lassen. Kontextgebend sind dabei einerseits die Unternehmens-
spezifität, d. h. charakteristische Geschäftsmodellkomponenten wie etwa der Fertigungs-
typ, und andererseits der für die Digitalisierung in den Fokus gerückte Teilprozess inner-
halb der Wertschöpfung der Unternehmen.
Der anvisierte Kontext für die KI-Anwendung sollte sowohl ein hohes Maß an theore-
tischem Nutzenpotenzial als auch die Möglichkeit zur Erschließung dieses Potenzials auf-
zeigen. In diesem Zusammenhang weisen solche Wertschöpfungskontexte, die aufgrund
ihres Datengemenges mit komplizierten bis komplexen Entscheidungs- und Planungsauf-
gaben daherkommen, das größte Nutzenpotenzial für die Digitalisierung auf.
Es wurden schließlich Fallbeispiele von Unternehmen vorgestellt, die es sich zur Auf-
gabe gemacht haben, eben solche komplizierten bzw. komplexen Teilprozesse ihrer Wert-
schöpfung zu digitalisieren und hier einen hohen Reifegrad erreicht haben.
Mit dem zuvor vorgestellten Bezugsrahmen wurden diese Fallbeispiele hinsichtlich
ihres vertikalen und horizontalen Digitalisierungsgrades eingeordnet und charakterisiert.
Diese beispielhafte Anwendung des Bezugsrahmens soll es dem interessierten Leser aus
der industriellen Praxis erleichtern, zukünftig auch für die eigenen geplanten Digitalisie-
rungs- und KI-Ansätze eine nutzenorientierte Zielbeschreibung vorzunehmen und daran
die eigenen Entwicklungs- und Implementierungsaktivitäten auszurichten.
18 Künstliche Intelligenz für die industrielle Produktion – Ein kontextorientierter … 511
Literatur
Prof. Dr.-Ing. Christoph Haag ist seit 2017 ist Professor für
Technologiemanagement an der Fakultät für Informatik und
Ingenieurwissenschaften der Technischen Hochschule Köln. In sei-
ner industrienahen Forschung, Lehre und Beratung befasst er sich
mit kontext- und nutzenorientierter Innovationsentwicklungs-
methoden, der digitalen Transformation und dem (Re-)Engineering
nachhaltiger Geschäftsmodelle. Prof. Haag studierte Wirtschafts-
ingenieurwesen an der Universität Paderborn und promovierte im
Bereich der Bewertung technologiebasierter Vermögenswerte am
Fraunhofer-Institut für Produktionstechnologie IPT in Aachen.
512 C. Haag und N. Pyschny
Prof. Dr.-Ing. Nicolas Pyschny lehrt und forscht seit 2017 als Pro-
fessor für Konstruktion und Produktentwicklung an der Fakultät für
Informatik und Ingenieurwissenschaften der Technischen Hoch-
schule Köln. Zu seinen Forschungsschwerpunkten gehören die Digi-
talisierung im Engineering (Model-Based Systems Engineering,
Knowledge-Based Engineering, Design Automation) sowie die fle-
xible Automatisierung in der Handhabungs- und Montagetechnik.
Prof. Pyschny studierte Maschinenbau und Wirtschaftswissen-
schaften an der RWTH Aachen und promovierte im Bereich der
selbstoptimierenden Montagesysteme am Fraunhofer-Institut für
Produktionstechnologie IPT in Aachen.
Technologiebasierte Konzepte der digitalen
Wertschöpfung unter besonderer 19
Berücksichtigung von Künstlicher
Intelligenz
Sonja Köppl
Zusammenfassung
Schlüsselwörter
S. Köppl (*)
Hochschule Neu-Ulm, Neu-Ulm, Deutschland
E-Mail: [email protected]
19.1 Einleitung
Bei der Serien- bzw. Massenfertigung werden über einen bestimmten Zeitraum viele
gleichartige Produkte hergestellt. Dies führt dazu, dass die Hersteller der Produkte bei der
Fertigung viele Vorgänge standardisieren und verbessern können. Gerade in hochauto
matisierten Fertigungen sind kontinuierliche Verbesserungen notwendig, um Effizienz
und Qualität der Prozesse zu verbessern und Produktionskosten zu senken.
Daher arbeiten Hersteller seit vielen Jahren an der Umsetzung von Industrie 4.0 Lösun
gen. Dabei werden Fertigungsanlagen standardisiert und an Produktionsleitsysteme an
gebunden. Dadurch liefern die Fertigungsstationen einen kontinuierlichen Datenfluss. Für
jede Fertigungsstation kann der Hersteller auf umfassende Informationen über Maschinen
zustände, qualitätsrelevante Daten und sogar einzelne Sensorwerte zugreifen. Für einzelne
Fertigungsteile werden aus Gründen der Rückverfolgbarkeit hunderte Datenpunkte ge
speichert (Luber & Litzel, 2019). Die Daten bilden die Grundlage für einen kontinuier
lichen Verbesserungsprozess. Durch die Verknüpfung der Daten der vor- und nach
gelagerten Produktionsstufen erreichen die Hersteller eine perfekte datenseitige vertikale
Verbindung. Allein durch die Umsetzung von Anwendungsfällen, die den unteren Teil der
Industrie 4.0 Pyramide betreffen, wie Standardisierung, Vernetzung und beschreibende
bzw. diagnostische Analyse von Daten (Kraus, 2019), können Unternehmen erhebliche
Produktivitätssteigerungen erreichen.
19 Technologiebasierte Konzepte der digitalen Wertschöpfung unter besonderer … 515
In vielen Fällen ist dies aber nicht mehr ausreichend. Unternehmen sind mit einer zu
nehmenden Komplexität der Fertigungsprozesse sowie des Designs konfrontiert. Die zu
nehmende Komplexität der Anlagen und Prozesse führt zu 1:n Kausalzusammenhängen,
die für den Menschen schwer oder sogar unmöglich zu erfassen sind. Daher konzentrieren
sich Unternehmen mehr auf den oberen Teil der Industrie 4.0 Pyramide.
Es wird eine künstliche Intelligenz (KI) benötigt, welche solche komplexen Zusammen
hänge auf Grundlage vorhandener Datenbestände und intelligenter Algorithmen erkennen
kann. Intelligente Algorithmen folgen nicht mehr genau definierten Programmcodezeilen,
sondern treffen datengesteuerte Vorhersagen oder Entscheidungen. Die aus den Daten ge
wonnenen Entscheidungen können verallgemeinert werden. Empirisches Wissen wird
durch KI-Verfahren erweitert und ermöglicht den Menschen bisher unbekannte Wirk
zusammenhänge schneller zu erkennen, um kontinuierlich an der Optimierung der
Fertigungsprozesse zu arbeiten.
Ziel ist es aufzuzeigen, wie industrialisierte KI in der Serien- bzw. Massenfertigung
realisiert werden kann. Dazu ist eine umfangreiche Unterstützung der Geschäftsleitung
notwendig, um Wertströme und Prozesse, genauso wie die Unternehmens-IT, aber auch
die Arbeitsweise von Mitarbeitern und Maschinen darauf hin anzupassen.
Diese extrem großen Datenmengen müssen mit speziellen Lösungen gespeichert, ver
arbeitet und ausgewertet werden. Die Verlagerung der Daten in eine Cloud ist das
effizienteste Vorgehen. In der Cloud stehen genügend Speicherplatz und Ressourcen für
die Speicherung, Vernetzung, Verarbeitung und Auswertung der Daten zur Verfügung.
Beim Cloud Computing geht es darum IT-Ressourcen nicht mehr zu besitzen und selbst zu
betreiben, sondern über das Internet bereitgestellte IT-Kapazitäten bei Bedarf temporär zu
nutzen. Mit Cloud-Computing werden Rechenleistung, Speicherkapazität und Software in
dem Umfang gemietet, wie sie tatsächlich benötigt werden (Klein et al., 2013). Damit
können Unternehmen sich auf ihre Kerngeschäfte konzentrieren, ohne dass die IT zum
limitierenden Faktor wird.
Alle in der Cloud ankommenden Daten werden in einem Data Lake gesammelt. Hier
liegen ungefiltert alle in der Fertigung anfallenden Rohdaten. Werden diese Rohdaten an
schließend aufbereitet, strukturiert und gefiltert stehen sie für bestimmte Zwecke in einem
Data Warehouse zur Verfügung (Mathis, 2017). Diese Daten können dann verwendet wer
den,um KI-Anwendungsfälle umzusetzen und Muster und Gesetzmäßigkeiten zu extrahie
ren. Beispielsweise kann mithilfe von intelligenten Algorithmen die ideale Kraftauf
wendung für den Verstemmprozess an Fertigungsstation Nr. 2 vorhergesagt werden. Dazu
müssen die im Data Warehouse zur Verfügung stehenden Daten korrekt, vollständig und
widerspruchsfrei sein. Das Finden von Mustern und Gesetzmäßigkeiten in großen Daten
mengen kann immense Rechenkapazitäten erfordern, die auch über die Cloud zur Ver
fügung gestellt werden (Hentschel & Leyh, 2018).
Dabei ist es entscheidend, dass die Daten sowohl in der Cloud als auch weiterhin in den
Datenbanken des Produktionsleitsystems gespeichert werden, um den normalen Echtzeit
betrieb der Fertigungsanlagen nicht zu gefährden. Das Produktionsleitsystem enthält ein
digitales Abbild der Produktion und ermöglicht die Überwachung der Prozesse in Echt
zeit. Dies muss unabhängig von der Datenspeicherung und -analyse in der Cloud weiter
hin gewährleistet werden.
Die Übermittlung der durch die Fertigungsstationen generierten Daten in die Cloud wird
durch eine Message oriented Middleware (MoM) übernommen. Diese Zwischen
anwendung mit Schnittstellencharakter vermittelt anwendungsneutral über ein Netzwerk
zwischen zwei Softwarekomponenten. Es wird nur eine lose Kopplung zwischen Sender
und Empfänger aufgebaut. Die Kommunikation zwischen den beteiligten Komponenten
erfolgt durch den Austausch von Nachrichten. So wird eine asynchrone Kommunikation
zwischen Sender und Empfänger ermöglicht. Diese Art der Kommunikation steht im
Gegensatz zur synchronen Kommunikation, wo Sender und Empfänger direkt und zeit
gleich miteinander Nachrichten austauschen. Die MoM verwaltet die asynchronen Nach
19 Technologiebasierte Konzepte der digitalen Wertschöpfung unter besonderer … 517
richten in Form einer Warteschlange. Dadurch kann sowohl der Sender als auch der Emp
fänger die Nachrichten zu einem beliebigen Zeitpunkt in die Warteschlange stellen bzw.
abholen. Jede auszutauschende Nachricht besteht aus einem Header, welcher ein be
stimmtes Flag zur Identifikation der Nachricht enthält und einem Body, welcher die
eigentlichen Daten beinhaltet. Die Empfänger überprüfen die Header, der sich in der
Warteschlange befindenden Nachrichten und lesen nur den Body der Nachrichten, wel
che für den jeweiligen Empfänger bestimmt sind. Die Nachrichten werden so über die
MoM unabhängig von Programmiersprachen und Plattformen ausgetauscht (Rausch
et al., 2018).
Da alle Daten aus den Fertigungsstationen, wie Sensorwerte, Maschinendaten, Quali
tätsdaten und Rückverfolgbarkeitsdaten in dem Produktionsleitsystem zusammengefasst
sind, können die Daten direkt am Produktionsleitsystem abgegriffen werden und über
die MoM in die Cloud gesendet werden. Das Produktionsleitsystem wird zum Sender
und legt die generierten Daten als asynchrone Nachrichten auf die MoM. Die Cloud
kann dann die Nachrichten von der MoM abgreifen. Dadurch sind nur minimale An
passungen in der bestehenden Software des Produktionsleitsystems notwendig. Die
Software der Fertigungsanlagen bleibt unverändert. Das ist ein Vorteil, da größere Soft
wareänderungen an Fertigungsstationen immer kritisch sind und einen Stillstand der
Station und somit der Produktion erfordern. Bei unvorhergesehenen Problemen kann es
zusätzlich zu Terminverzögerungen, unzufriedenen Kunden und finanzielle Einbu
ßen kommen.
Die Softwareänderung am Produktionsleitsystem kann, bei gegebener Offline-Fähig
keit, bei laufendem Betrieb der Fertigungsstationen vorgenommen werden. Es ist kein
Maschinenstillstand notwendig. Durch die Offline-Fähigkeit vieler Produktionsleit
systeme wird sichergestellt, dass die Fertigungsstationen weiter produzieren können, auch
wenn keine Verbindung zwischen Produktionsleitsystem und der Fertigungsstation be
steht. Bei fehlender Verbindung müssen intelligente Komponenten oder auch Datenpuffer
diese Zeit überbrücken können. Dadurch wird eine hohe Verfügbarkeit der Fertigungs
stationen sichergestellt (Kletti, 2013).
Abhängig von dem Aufbau der Fertigungslinie gibt es noch eine weitere Möglichkeit
die Daten abzugreifen. Manche Produktionslinien haben als Zwischenebene zwischen
SPS (Speicherprogrammierbare Steuerung, Gerät das zur Steuerung/Regelung einer
Maschine oder Anlage programmiert wird) und Produktionsleitsystem einen Linien-Ser
ver. Dieser dient als Datenpuffer für die generierten Daten, bereitet sie auf und leitet
diese an das Produktionsleitsystem weiter. Durch den Linien-Server wird somit die
Offline-Fähigkeit des Produktionsleitsystems sichergestellt. Auf dem Linien-Server lie
gen Informationen vom Produktionsleitsystem für die SPS z. B. über das zu ver
arbeitende Werkstück und Daten von der SPS für das Produktionsleitsystem wie
z. B. Rückverfolgbarkeitsdaten oder Maschinendaten. So kann weiter gefertigt werden,
auch wenn kurzfristig keine Verbindung zum Produktionsleitsystem besteht. Da alle
wichtigen Daten, wenn auch nur vorübergehend, auf dem Linien-Server liegen, können
von dort auch die Daten abgegriffen werden. Der Linien-Server wird zum Sender und
518 S. Köppl
legt die Daten auf die MoM. Auch bei dieser Alternative sind nur kleine Änderungen an
der Software des Linien-Servers notwendig. Die Software der Fertigungsstationen bleibt
unverändert.
• Digitaler Zwilling: anhand vorhandener Daten können digitale Abbilder von einzelnen
Komponenten bis hin zu gesamten Fertigungsstation erstellt werden. Der digitale Zwil
ling kann dazu genutzt werden Verhalten und Funktionalität des realen Zwillings unter
normalen oder extremen Bedingungen zu simulieren.
• Echtzeit Visualisierung: werden die zahlreichen Prozessdaten in Echtzeit visualisiert
erhält man einen permanenten Einblick in die laufenden Prozesse. So werden mögliche
Probleme im Ablauf frühzeitig erkannt und man kann adäquat auf sie reagieren.
Bei der Umsetzung solcher ML-Projekte hält man sich an den CRISP-DM Standard (Cross
Industry Standard Process for Data Mining). Es handelt sich um ein standardisiertes
Prozessmodell, das immer dann Anwendung findet, wenn Datenbestände nach Mustern,
Trends und Zusammenhängen durchsucht werden sollen. Dabei werden 6 Phasen (Ge
schäftsverständnis, Datenverständnis, Datenvorbereitung, Modellierung, Evaluierung,
Bereitstellung) unterschieden. Wobei die Phasen nicht als einmalig sequenziell durch
laufen werden, sondern es muss häufig zwischen diesen hin- und hergewechselt werden
(Wirth, 2000).
Dabei ist Durchgängigkeit und Automatisierung sehr wichtig. Die Implementierung
von ML-Modellen besteht aus vielen Routineaktivitäten. Das Sammeln und Vorbereiten
der Daten stellt erfahrungsgemäß den größten Aufwand innerhalb des Workflows dar. Die
gesammelten Daten müssen je nach Qualität vor einer Analyse vereinheitlicht und auf
fehlende Werte untersucht werden. Für die Abstraktion der Muster innerhalb der Daten
werden intelligente Algorithmen benötigt, welche eine Konfiguration in Form von Hyper
parametern enthalten. Zuletzt müssen die extrahierten Erkenntnisse vor der Bereitstellung
nach geeigneten Gütemaßen evaluiert werden.
Um diese Aufgaben weitgehend zu automatisieren, werden individuelle Frameworks
implementiert. Diese Frameworks werden speziell auf das Unternehmen bzw. die
Fertigungsdaten zugeschnitten. Abhängig von der Komplexität und dem Umfang der Auf
gabe lassen sich so einzelne Schritte bis zum gesamten Prozess automatisieren. Dadurch
wird die Implementierung von ML-Anwendungsfällen deutlich vereinfacht und be
schleunigt.
Das Gebiet des maschinellen Lernens enthält eine Vielzahl von Algorithmen, mit denen
Daten analysiert werden können. Ein großer Teil der Algorithmen benötigten viele histo
rische Trainingsdaten, bei denen die Eingabeparameter als auch das Ergebnis bekannt
sind. Aus den Trainingsdaten und den intelligenten Algorithmen werden Modelle erstellt,
die anhand der Eingabeparameter auf das Ergebnis schließen lassen. Nach diesem rechen
intensiven Training können die Modelle für unbekannte Eingabeparameter Ergebnisse lie
fern (Frochte, 2020), z. B. die Vorhersage der Notwendigkeit einer Funktionsprüfung am
Ende der Montage für ein bestimmtes Fertigungsteil. Dieses Vorgehen wird unter dem
Begriff Überwachtes Lernen zusammengefasst. Ideale Voraussetzungen für das rechen
intensive Training solcher Algorithmen bietet dabei die Cloud. Hier liegen alle benötigten
historischen Daten und es wird genügend Rechenkapazität zur Verfügung gestellt. Nach
dem Training befindet sich das erstellte Modell ebenfalls in der Cloud. Hier kann das Mo
520 S. Köppl
dell schon Vorhersagen treffen. Dazu müssen die Daten der Fertigungsstation über die
MoM und das Internet in die Cloud übertragen werden. Dort werden die Daten aufbereitet
und an das trainierte Modell weitergeleitet. Dann ist das Modell in der Lage genau für
diese Daten ein Ergebnis vorherzusagen. Damit die Vorhersage an der Fertigungsstation
ausgewertet werden kann, muss diese über das Internet und die MoM zurück zur SPS
gesendet werden. Dieser Vorgang kann, je nach Geschwindigkeit des Internets und der
agierenden Komponenten, mehrere Sekunden bis Minuten dauern. Für den Einsatz in der
Kurztakt Serien- bzw. Massenfertigung ist dies nicht akzeptabel, da hier die Vorhersage
am besten in Echtzeit oder wenigstens innerhalb der Taktzeit benötigt wird.
Empfänger mit der Message oriented Middleware und liest die für die Vorhersage be
nötigten Nachrichten mit den Fertigungsdaten ein. Das trainierte Modell bereitet die Daten
auf und bestimmt die benötigte Vorhersage. Diese Vorhersage wird von der Edge Archi
tektur als weitere asynchrone Nachricht an die MoM gesendet. Die Edge Architektur ist
also nicht nur Empfänger, sondern auch Sender.
Die Fertigungsstation muss jetzt nur noch die gewünschte Vorhersage aus der MoM
abgreifen. Dazu muss die Software der Fertigungsstation nur minimal angepasst werden.
Das SPS Programm registriert sich als weiterer Empfänger an der MoM und greift die ent
sprechende Nachricht mit der benötigten Vorhersage ab. Die Vorhersage wird nun von dem
SPS-Programm ausgewertet und der Fertigungsprozess entsprechend geregelt. Mit dem
Aufwand der Softwareänderung wird ein geschlossener Regelkreis realisiert, die Vorher
sagen eines intelligenten Algorithmus greifen live in den Fertigungsprozess ein.
Die auf der Edge Architektur bereitgestellten ML Modelle müssen regelmäßig an ver
ändernde Bedingungen angepasst werden. Die Vorhersagequalität von trainierten Model
len wird sich im Laufe der Zeit, aufgrund von Änderungen in der Umgebung, welche
gegen die Annahmen des Modells verstoßen, verschlechtern. Anstatt ein Modell einmal
bereitzustellen und zu einem anderen Projekt überzugehen, müssen ML Modelle neu trai
niert werden, wenn festgestellt wird, dass die Verteilung der aktuellen Fertigungsdaten
erheblich von denen des ursprünglichen Trainingssatzes abweicht (Patruno, 2019). Damit
eine Verschlechterung der Vorhersagequalität festgestellt werden kann, muss das Modell
und die generierten Fertigungsdaten regelmäßig überwacht werden. Bei Bedarf erfolgt
automatisch ein Re-Training des Modells. Wie das initiale Trainieren von ML Modellen
wird auch das erneute Trainieren in der Cloud vorgenommen, da hier die erforderlichen
historischen Daten und Rechenkapazitäten zur Verfügung stehen. Das Re-Training unter
scheidet sich kaum von dem Initialen-Training. Für das Re-Training wird nur ein aktueller
Trainingssatz an Fertigungsdaten benötigt. Dadurch kann das Modell an die geänderten
Umgebungsbedingungen angepasst werden. Anschließend wird das angepasste Modell
automatisch auf die Edge Architektur überführt, wo es das vorherige Modell ablöst, um für
den Fertigungsbetrieb hochqualitative Vorhersagen zu generieren. Beim Vorgang des
Re-Training ist darauf zu achten, dass zu jeder Zeit ein einsatzfähiges Modell auf der Edge
Architektur zur Verfügung steht, welches Vorhersagen für den Fertigungsprozess generie
ren kann. Ohne diese Vorhersagen kann nicht weiter produziert werden und die Fertigung
würde stillstehen. Ebenso muss nachvollziehbar sein, wann welche Version der Modelle
produktiv im Einsatz war.
schließt, kann nur erfolgreich umgesetzt werden, wenn das Management und alle Mit
arbeiter gemeinsam an dem Ziel der datengetriebenen Organisation arbeiten. Nur durch
die Interaktion und Veränderung der Arbeitsmethoden von Menschen, Maschinen und
Prozessen werden grundlegend neue Möglichkeiten geschaffen, um Verbesserungs
prozesse einzuleiten und Produktivitätssteigerungen zu erzielen.
Der Geschäftsführer kennt die Relevanz, aber auch die Grenzen der digitalen Trans
formation und unterstützt die Umsetzung. Dazu wird ein allgemeiner Überblick der zur
Verfügung stehenden Technologien und der benötigten Tools vorausgesetzt. Überzeugt
vom Nutzen von KI wird die Umsetzung vorangetrieben und eingefordert. Die Durch
führung eines KI-Projekts ist ein komplexer Prozess, der die Zusammenarbeit eines gan
zen funktionsübergreifenden agilen Teams erfordert. Es werden neue Rollen und Zu
sammenarbeitsmodelle benötigt, um einen Mehrwert aus den Daten zu generieren
(Industrie 4.0 Award, 2019). Eine Rolle entspricht dabei nicht zwangsläufig einer Per
son. Gerade bei kleineren Projekten kann ein Mitarbeiter auch mehrere Rollen
übernehmen.
Die entscheidenden Rollen in KI-Projekten sind der Domänenexperte, der Data Scien
tist, der Data Engineer, der Citizen Data Scientist, der Software Engineer und der Projekt
leiter (Mayer, 2020):
• Data Engineer: hat einen technischen Fokus und sorgt für die benötigte IT-Infrastruktur
und die benötigten Schnittstellen zu relevanten Systemen. Dies beinhaltet auch das Ein
richten und Konfigurieren der Cloud und der Edge Architektur sowie das Integrieren
von ML Vorhersagen in Geschäftsprozessen. In diesem Zusammenhang beschäftigt
sich der Data Engineer auch mit dem Zusammentragen, Aufbereiten und Prüfen von
Daten. Diese Tätigkeiten bilden die Grundlage für Datenanalyseprojekte und Maschi
nelles Lernen.
• Data Scientist: implementiert für das Unternehmen KI-Algorithmen und ML Modelle.
Er ist dafür zuständig, um aus unstrukturierten Rohdatenbeständen eine strukturierte
Datenbasis zu schaffen, diese zu analysieren und durch die Ergebnisse eine Ent
scheidungsgrundlage für Unternehmen zu generieren. Dazu arbeitet der Data Scientist
eng zusammen mit dem Domänenexperten und dem Geschäftsführer. Dadurch werden
Kenntnisse in der Datenanalyse mit tiefem Prozesswissen angereichert und eine
schnelle Umsetzung der KI-Projekte ermöglicht.
• Domänenexperte: als Mitarbeiter einer Fachabteilung, hat er keine Kenntnisse in der
Datenanalyse, kennt dafür aber die Bedürfnisse der jeweiligen Fachabteilungen und
weiß wie und wo Daten generiert werden. Er unterstützt den Data Scientisten in den
Phasen Geschäftsverständnis, Datenverständnis und Datenvorbereitung. Dadurch wird
sichergestellt, dass der Data Scientist den zu implementierenden Anwendungsfall und
die zur Verfügung stehenden Daten verstanden hat.
• Citizen Data Scientist: arbeitet in zunehmend datengetriebenen Fachabteilungen, kann
mit bereitgestellten Tools einfache Datenanalysen durchführen und abschätzen, was
mit den vorliegenden Daten möglich ist. Er erkennt datengetriebene Anwendungsfälle
19 Technologiebasierte Konzepte der digitalen Wertschöpfung unter besonderer … 523
in den Fachabteilungen und bittet den Data Scientist um Umsetzung. Damit wird die
Schnittstelle zwischen Fachabteilung und Data Scientist gebildet.
• Software Engineer: an ein erfolgreiches KI-Projekt schließt häufig ein Softwareent
wicklungsprojekt an. Der Software Engineer überführt einen KI-Prototyp in eine be
nutzerfreundliche Softwarelösung, so dass die Fachabteilungen dauerhaft von den Ana
lyseergebnissen profitieren können. Dazu ist eine Zusammenarbeit mit dem Data
Engineer notwendig, um einen reibungslosen Datenfluss zwischen den Software
lösungen zu ermöglichen.
• Projektleiter: je nach Größe des KI-Projektes wird noch ein Projektleiter benötigt, wel
cher den Gesamtablauf des Projekts koordiniert und überwacht. Dazu benötigt der
Projektleiter ein Verständnis über die notwendigen Schritte um ein KI-Projekt um
zusetzen.
Im Vorfeld von KI-Projekten kann oftmals nicht abgeschätzt werden, ob das Vorhaben
mittels den verfügbaren Daten erreicht werden kann. Dies kann meist nur erkannt werden,
wenn das Projekt gestartet und die Daten analysiert wurden. Um diese Besonderheiten
berücksichtigen zu können, wird ein agiles Projektmanagement etabliert und ein regel
mäßiger Austausch zwischen den einzelnen Rollen sichergestellt.
Die meisten ML Algorithmen, die heute in der Praxis Anwendung finden, gehören zur
Klasse des Überwachten Lernens. Ein einziges solches Modell zu trainieren ist vergleichs
weise einfach. In der Serien- bzw. Massenfertigung gibt es jedoch eine Vielzahl von
Produktvarianten, die auf mehreren Fertigungslinien produziert werden. Daraus ergibt
sich eine Fülle von möglichen KI-Anwendungsfällen. Die Umsetzung eines einzelnen KI-
Pilotprojekts bringt somit noch keine messbare Produktivitätssteigerung. Die Heraus
forderung besteht darin hunderte, vielleicht sogar tausende KI-Anwendungsfälle zu im
plementieren, um die gewünschte Effektivitätssteigerung jedes Jahr zu erreichen. Dazu
muss KI industrialisiert und KI-Anwendungsfälle in kürzester Zeit weitgehend auto
matisiert umgesetzt werden.
Unternehmen müssen lernen, wie tausende ML Modelle effizient entwickelt, über
wacht und an veränderte Umgebungsbedingungen angepasst werden können. Während
dieses Lernvorganges werden einzelne KI-Pilotprojekte dazu genutzt, um eine skalierbare
Architektur, standardisierte Frameworks und neue Zusammenarbeitsmodelle im Unter
nehmen zu etablieren. Je nach geleisteter Vorarbeit und Vorwissen kann dies einen erheb
lichen mehrjährigen Aufwand bedeuten.
Eine geeignete skalierbare IT-Architektur umfasst mindestens eine MoM für das asyn
chrone Übermitteln der Daten, eine Cloud Architektur zum Speichern und Verarbeiten der
Daten, Schnittstellen zum Abgreifen und Empfangen von Daten und eine Edge Archi
524 S. Köppl
tektur auf welcher die trainierten ML Modelle betrieben werden. Anhand der Daten eines
konkreten Pilotprojektes kann die Funktionsweise und Stabilität der aufgebauten Archi
tektur überprüft und verbessert werden.
Ebenso bieten Pilotprojekte eine gute Chance damit das funktionsübergreifende agile
Team aus Domänenexperte, Data Scientist, Data Engineer, Citizen Data Scientist, Soft
ware Engineer und Projektleiter zusammenfindet. Die einzelnen Mitglieder müssen sich
erst kennenlernen, sich aufeinander einstellen und ihre Rolle im Team finden. So d urchläuft
jedes Team am Anfang einen Selbstfindungsprozess bis es voll leistungsfähig arbei
ten kann.
Die Daten des Pilotprojektes werden außerdem dazu verwendet standardisierte Frame
works aufzubauen, mit denen die Routinetätigkeiten, welche während der Implementie
rung von ML Modellen auftreten, automatisiert werden können.
Die erfolgreiche Umsetzung von Pilotprojekten kann somit auch die Machbarkeit und
das Potenzial von KI im Unternehmen nachweisen. Mit diesen Ergebnissen können kri
tisch eingestellte Mitarbeiter von KI überzeugt werden.
Die Erkenntnisse und Erfahrungen aus kleinen einfachen Pilotprojekten werden an
schließend dazu benötigt KI zu industrialisieren (Thrive, 2021). Dazu ist es wichtig, dass
folgende Punkte beachtet und umgesetzt werden:
• Zu allererst ist es wichtig, dass das agile Team die Daten versteht. Es muss das Ver
ständnis zwischen digitalen Daten und analogen Fertigungsprozessen vorhanden sein,
um im Anschluss die gefundenen Muster und Gesetzmäßigkeiten auf Plausibilität hin
überprüfen zu können. Dazu ist die Zusammenarbeit zwischen Domänenexperte und
Data Scientist von besonderer Bedeutung.
• Bei der Besetzung der Rollen des agilen funktionsübergreifenden Teams ist darauf
zu achten, dass die Teammitglieder am selben Standort arbeiten und sich regelmäßig
abstimmen und zusammenarbeiten können. Dies ist gerade bei solchen Projekten,
wo sich die Zielsetzungen im Laufe der Datenanalyse mehrfach ändern kann, be
sonders wichtig. Die Zusammenarbeit wird hier besonders erschwert, wenn einzelne
Teammitglieder in unterschiedlichen Niederlassungen und in unterschiedlichen
Zeitzonen arbeiten.
• Die anhand der Pilotprojekte aufgebaute IT-Infrastruktur muss so strukturiert sein, dass
sie flexibel auf spezielle Anwendungsfälle angepasst werden kann und ohne großen
Aufwand weitere Anwendungsfälle mit hinzugefügt werden können. Ebenso muss das
Framework, welches die Routineaufgaben bei der Implementierung von ML Modellen
automatisiert, mit den unterschiedlichen Daten der verschiedenen Anwendungsfälle
umgehen können.
• Zum Schluss ist es notwendig den gesamten Kreislauf zu kontrollieren. Das Unter
nehmen muss in der Lage sein, sowohl seine datengenerierenden als auch eine daten
empfangenden Systeme an die durch die KI geforderten Bedingungen anpassen zu
19 Technologiebasierte Konzepte der digitalen Wertschöpfung unter besonderer … 525
können. Es muss z. B. möglich sein, Daten aus dem Produktionsleitsystem abzugreifen
und Vorhersagen durch die SPS auszuwerten.
19.5 Fazit
Literatur
Frochte, J. (2020). Maschinelles Lernen: Grundlagen und Algorithmen in Python. Carl Hanser Ver
lag GmbH Co KG.
Hentschel, R., & Leyh, C. (2018). Cloud Computing: Status quo, aktuelle Entwicklungen und
Herausforderungen. In Cloud computing (S. 3–20). Springer Vieweg.
Industrie 4.0 Award. (2019). Sieger smart factory: Robert Bosch GmbH. https://industry40award.
com/de/the-winners/robert-bosch-gmbh/. Zugegriffen am 15.05.2021.
IT-Daily.net. (2018). Großes Potenzial für Machine Learning in Europa. https://www.it-daily.net/
analysen/20085-grosses-potenzial-fuer-machine-learning-in-europa. Zugegriffen am 15.05.2021.
Klein, D., Tran-Gia, P., & Hartmann, M. (2013). Big data. Informatik-Spektrum, 2013, 36(3),
319–323.
Kletti, J. (2013). Industrie 4.0 ist ohne Manufacturing Execution Systems undenkbar. https://www.
maschinenmarkt.vogel.de/industrie-40-ist-ohne-manufacturing-execution-systems-undenkbar-
a-409073/. Zugegriffen am 15.02.2021.
Kraus, C. (2019). Wie Sie Ihren Industrie 4.0 Reifegrad bestimmen. https://www.produktion.de/in
dustrial_future_roi/wie-sie-ihren-industrie-4-0-reifegrad-bestimmen-114.html. Zugegriffen am
15.02.2021.
Luber, S., & Litzel, N. (2019). Was ist Digitalisierung? https://www.bigdata-insider.de/was-ist-
digitalisierung-a-626489/. Zugegriffen am 15.02.2021.
Mathis, C. (2017). Data lakes. Datenbank-Spektrum, 17(3), 289–293.
Mayer, F. (2020). Die richtige Mischung aus Rollen und Kompetenzen für ein erfolgreiches Data
Science Projekt. https://www.westphalia-datalab.com/die-richtige-mischung-aus-rollen-und-
kompetenzen-fuer-ein-erfolgreiches-data-science-projekt/. Zugegriffen am 15.02.2021.
Patruno, L. (2019). The ultimate guide to model retraining. https://mlinproduction.com/model-
retraining/. Zugegriffen am 15.02.2021.
Rausch, T., Dustdar, S., & Ranjan, R. (2018). Osmotic message-oriented middleware for the internet
of things. IEEE Cloud Computing, 2018, 5(2), 17–25.
Semmelmann, K. (2021). Die Bedeutung von Datenqualität für Unternehmen. https://datadriven
company.de/die-bedeutung-von-datenqualitaet-fuer-unternehmen/. Zugegriffen am 15.02.2021.
Thrive. (2021). Industrialisierte KI: Der neue Treibstoff für alles. https://thrive.dxc.technology/
de/2020/12/01/industrialisierte-ki-der-neue-treibstoff-fuer-alles/. Zugegriffen am 15.02.2021.
Von Enzberg, S., Sahrhage, P., & Kühn, A. (2019). Big Data-Architekturen–die sicheren Häuser in
der Fertigung. https://www.iem.fraunhofer.de/content/dam/iem/dokumente/themenschmoeker/
digitale-transformation/themenschmoeker-4-digitale-transformation-big-data-architekturen.pdf.
Zugegriffen am 15.02.2021.
Wirth, R. (2000). Towards a standard process model for data mining. In Proceedings of the 4th inter-
national conference on the practical applications of knowledge discovery and data mining.
Springer-Verlag.
19 Technologiebasierte Konzepte der digitalen Wertschöpfung unter besonderer … 527
Martin Stirzel und Selcuk Yaldiran
Zusammenfassung
Unternehmen durchlaufen aktuell einen Wandel. Startups sind häufig Träger der Digi-
talisierung, doch auch in etablierten Unternehmen werden Prozesse und Methoden
hinterfragt und im Rahmen einer Optimierung kommen neue Ideen und digitale Tools
zum Einsatz. Dabei ersetzen Self Service-Lösungen immer mehr die bisher aufwändig
aufbereiteten und bereitgestellten Informationen. Dies hat auch in die Welt des Control-
lings Einzug gefunden. Der Beitrag beschreibt daher, wie Reporting unter der Nutzung
moderner Möglichkeiten der Digitalisierung neue Formen annehmen kann. Im Zen
trum steht das Paradigma eines nachfrageorientierten Ansatzes für Nutzer im Rahmen
von Self Services zur Effizienzsteigerung im Reporting.
Neben Verhaltensänderungen sind durchaus auch weiterhin die klassischen system-
bildenden und systemkoppelnden Aufgaben des Controllings in einem Informations-
versorgungssystem erforderlich, allerdings in einer etwas modifizierten Form. Der hier
vorliegende Beitrag befasst sich mit einem Self Service-Ansatz im Kontext von Ent-
wicklungsdienstleistungen in der Automobilindustrie und zeigt praxistaugliche Lö-
sungen auf.
M. Stirzel (*)
Hochschule Neu-Ulm, Neu-Ulm, Deutschland
E-Mail: [email protected]
S. Yaldiran
Hochschule für Wirtschaft und Umwelt Geislingen, Geislingen, Deutschland
E-Mail: [email protected]
Schlüsselwörter
Derzeit sehen nahezu alle Unternehmen den Bedarf, sich mittels Digitalisierung zu
verändern.
Neben der technischen Seite gehen organisatorische Veränderungen einher. Im vor-
liegenden Fall findet ein Paradigmenwechsel in Richtung Self Services statt, wodurch
Mitarbeiter an höheren Freiheitsgraden und Flexibilität gewinnen. Dies folgt dem Trend,
dass Self Service-Reporting an Bedeutung gewinnt (vgl. Horváth et al., 2020, S. 190).
Um die notwendige Basis für Self Services zu schaffen, bedarf es einer informations-
technischen Unterstützung. Folglich befasst sich dieser Beitrag ebenso mit der infor
mationstechnologischen Perspektive und einem für das Fallbeispiel geschaffenen System.
Zur übersichtlichen Gestaltung sowie anwenderspezifischen Visualisierung von Daten
hat sich der Einsatz von Business Intelligence (BI)-Software etabliert. Diese ermöglicht
den Nutzern nicht nur die Verknüpfung und Visualisierung der Daten, sondern darüber hi
naus auch die Durchführung von Berechnungen. Geschäftsbereiche, für welche diese Be-
rechnungen relevant sein können, sind dabei zahlreich. Der Einsatz von BI-Visualisierungen
ist längst nicht mehr nur für das Management interessant. Mit Hilfe der Datenanalyse
und -Visualisierung können Führungskräfte und auch Mitarbeiter dabei gezielt unterstützt
werden, Trends zu erkennen und somit schneller auf Veränderungen am Markt zu reagieren.
Auch für die Kommunikation der Fachbereiche untereinander oder aber für die Kommuni-
kation innerhalb eines Teams können diese Berechnungen interessant sein. Es stellt sich
daher die Frage: „Wie können Self Service-Reportingsysteme zur Effizienzsteigerung im
betrieblichen Controlling und Informationsmanagement beitragen?“
Dieser Beitrag vergleicht anhand eines realen Beispiels bestehende mit neuen, Self
Service-basierten Prozessen im Reporting. Das Erkenntnisinteresse unserer Forschung
liegt darin, Unterschiede und deren Implikationen zu identifizieren und die Generalisier-
barkeit und Übertragbarkeit als Best Practices zu beurteilen.
Dabei stützt sich die vorliegende Analyse auf
Die Erkenntnisse werden generiert durch eine Reihe von methodengestützten Schritten.
Der formale Bezugsrahmen stützt sich auf eine Literaturanalyse. Für die Exploration
des Kontextes wurden Experteninterviews durchgeführt. Sodann wurde eine Prozessauf-
nahme und -analyse durchgeführt. Es folgte die systembildende Konzeptentwicklung, bei
der sowohl eine funktionale, instrumentale als auch eine institutionale Betrachtung er-
folgte. Gestützt wurde die Konzeptentwicklung auf IT-Methoden wie UML-Diagramme
und Funktionalspezifikation, außerdem wurde der ETL-Prozess herangezogen.
20.3 Bezugsrahmen
„Controlling ist – funktional gesehen – dasjenige Subsystem der Führung, das Planung und
Kontrolle sowie Informationsversorgung systembildend und systemkoppelnd zielorientiert
koordiniert und so die Adaption und Koordination des Gesamtsystems unterstützt.“ (Horváth
et al., 2020, S. 62)
Prognosefunktion, aber nicht zuletzt auch zur Innovationsfunktion (wenn durch neue Ein-
blicke und Sichtweisen neue Ansätze entstehen) und Zielerreichungsfunktion bei (vgl. zu
den Funktionen auch Töpfer, 1976, S. 97). BI kann durch bereitgestellte Informationen die
Kommunikation von Teams untereinander unterstützen, um auf Probleme oder aber ge-
leistete Arbeit aufmerksam zu machen.
Um diese Funktionen zu erfüllen, sind aber zunächst entsprechende Systeme zu schaf-
fen: die Schaffung bzw. die Modifikation des Reporting ist als systembildend zu betrachten
(vgl. zu systembildender und systemkoppelnder Koordination Horváth et al., 2020, S. 49).
Ausgehend von strukturellen Rahmenbedingungen in der Organisation können funktio-
nale Anforderungen ermittelt werden. Hierfür können dann Methoden und Instrumente
entwickelt werden. Die Anwendung dieser kann ablauforganisatorisch noch eingebettet
werden in Prozesse.
In der Vorgehensweise steht nach der Klärung des organisationalen Kontext eine
Informationsbedarfsanalyse, bei der Art und Menge der benötigten Informationen für
die Self Services geklärt werden. Diese kann anhand von häufig genutzten Informationen
(in Berichten, Dokumenten, Systemen, …), Interviews mit Experten oder durch deduktive
Ableitung aus Unternehmenszielen durchgeführt werden.
Im nächsten Schritt steht die Informationsbeschaffung im Vordergrund. Sodann folgen
Informationsaufbereitung, Informationsspeicherung und Informationsabgabe (vgl. Hor-
váth et al., 2020, S. 196). Zentrale Instrumente hierfür sind IT-Systeme (vgl. Horváth
et al., 2020, S. 195). Nachfolgend soll daher noch die Einbettung in einen Business Intel-
ligence(BI)-Bezugsrahmen erfolgen.
Nach Chamoni und Gluchowski dient BI grundsätzlich „[…] zur Kennzeichnung von
Systemen […], die auf der Basis interner Leistungs- und Abrechnungsdaten sowie ex-
terner Marktdaten in der Lage sind, das Management in seiner planenden, steuernden und
koordinierenden Tätigkeit zu unterstützen“ (Chamoni & Gluchowski, 2004, S. 119–128).
Betrachtet man die BI im Hinblick auf ein „analyseorientiertes Verständnis“, so ist fest-
zustellen, dass hier der Schwerpunkt auf dem Prozess der Datenauswertung liegt. In die-
sem Zusammenhang werden Anwendungen mit Schwerpunkt auf Datenbereitstellung wie
das Data Warehouse, der ETL-Prozess oder das Standard-Reporting nicht berücksichtigt.
Durch weitere Abstrahierungen ist die Sicht auf ein „enges BI-Verständnis“ möglich.
Hierzu zählen lediglich Anwendungen, welche eine direkte Unterstützung des Ent-
scheidungsfindungsprozesses bieten (vgl. Kemper et al., 2010, S. 3). Insbesondere das On-
line Analytical Processing (OLAP) und die Management Information Systems (MIS) bzw.
Executive Information Systems (EIS) im engeren Sinne werden an dieser Stelle als BI
definiert.
Es soll nun ein näherer Blick auf die Instrumente – hier im Wesentlichen die IT-
Systeme – geworfen werden. Zunächst einmal werden Datenspeicher eingesetzt, die teil-
weise in Legacy-Systemen bestehen können, meist aber aufgrund der neuen Anwendungen/
Funktionen ergänzt werden.
Bei der Datenverarbeitung kommt der Generierung und der (Zwischen-)Speicherung
eine wesentliche Rolle zu. Als Datenspeicher werden sogenannte Data Warehouses ein-
20 Reporting im Zeitalter der Digitalisierung 533
gesetzt, welche parallel zu den operationalen Systemen für gesonderte Zwecke betrieben
werden. Ein Data Warehouse beschreibt eine Datenbasis zur zentralen Verwaltung, Struk-
turierung und Speicherung unterschiedlichster Daten eines Unternehmens zur Unter-
stützung der Datenanalyse. Grundsätzlich ist ein Data Warehouse als Datenbank definiert,
die hauptsächlich der Speicherung von historischen Daten dient. Aktuelle Datensätze,
welche dem operativen Tagesgeschäft dienen, werden in der Regel in einer separaten
Datenbank verwaltet.
Mit Hilfe des Data Warehouse soll trotz dieser Entkopplung der schnelle Zugriff auf
möglichst aktuelle, operativ verwendete Daten gewährleistet werden, ohne dabei die ope-
rationalen Systeme einzuschränken. Weitere interne oder externe Datenquellen können
zusätzlich der Ergänzung dienen. In bestimmten Zyklen werden neue Datensätze von der
operationalen Ebene in das Data Warehouse übertragen, wobei sich die Aktualität aus den
Abständen zwischen den Update-Zyklen ergibt. „Die Gesamtheit aller Prozesse zur Daten-
beschaffung, Verwaltung, Sicherung und Bereitstellung der Daten nennt sich Data Ware-
housing.“ (Luber & Litzel, 2017, o.S.).
Sofern regelmäßig (und ggf. immer wieder) benötigte Daten umfangreiche, lang an-
dauernde Abfragen aus dem Data Warehouse erfordern, lassen sich ebenso in Zyklen
Datenzusammenstellungen bereits vor dem Bedarf des Nutzers oder von Nutzergruppen
erstellen; diese fertigen Zusammenstellungen nennen sich Data Marts. Damit wird die
eigentliche Datenbank entlastet, und die Nutzer erhalten die Daten viel schneller als durch
erneute Abfragen. Der Performancegewinn ist dabei von höherer Bedeutung als die zu-
sätzliche Belegung von Speicherplatz mit teilweise redundanten Daten in Form von Marts.
Die Gewinnung von Daten aus anderen Systemen und die Befüllung solcher Warehou-
ses erfolgt anhand der Schritte eines ETL-Prozesses. ETL steht für Extraktion, Trans-
formation, Laden und beschreibt „[…] mehrere Einzelschritte, durch die sich Daten aus
verschiedenen Datenquellen per Extrahieren und Aufbereiten in ein Data Warehouse inte-
grieren lassen.“ (Luber & Litzel, 2018, o.S.). Auch kann der ETL-Prozess zur Befüllung
einer Datenbank – welche als kleines Data Warehouse betrachtet werden kann – an-
gewendet werden. ETL-Lösungen bieten dem Anwender einen strukturierten Datenver-
arbeitungsprozess, welches dabei unterstützt Datenbestände aus verschiedenen hetero-
genen Landschaften in einer Datenbank zusammen zu führen. Dies wird mit Hilfe der drei
Phasen des ETL-Prozesses erreicht.
Extraktion
In der Extrahierungsphase liegt der Schwerpunkt bei der Extraktion wichtiger Daten aus
unterschiedlichen Datenbeständen. In der Regel ist diese Phase auch für die Bereitstellung
der Daten für die Transformationsphase verantwortlich. Um eine kontinuierliche Be-
füllung des Data Warehouse zu gewährleisten, findet dieser Prozessschritt regelmäßig statt
(vgl. Luber & Litzel, 2018, o.S.). Dabei ist es unwesentlich, ob eine Extraktion ganzer
oder bestimmter Teilbereiche aus Datenquellen erfolgt. Mögliche Datenquellen sind bei-
spielsweise Excel-Dateien oder Daten aus anderen Anwendungen.
534 M. Stirzel und S. Yaldiran
Transformation
In der Transformationsphase werden die zuvor extrahierten Daten in einen durch das Data
Warehouse geforderten Zustand versetzt. Dies ist insofern notwendig, da die extrahierten
Daten aus verschiedenartigen Datenquellen stammen und eine unterschiedliche Daten-
qualität und -struktur aufweisen können. Der Transformationsprozess kann in die drei
Teilschritte Bereinigung, Harmonisierung und Zuordnung unterteilt werden. So können
beispielsweise verschiedene Informationen zu ein und demselben Produkt in unterschied-
lichen Datenquellen hinterlegt sein, welche vor dem Laden in das Data Warehouse über
Schlüssel miteinander verknüpft werden müssen, um eine redundanzfreie und konsistente
Datenbasis zu bieten. Zudem können zusätzliche Kennzahlen wie Key Performance Indi-
cators (KPI) zu den vorliegenden Daten festgelegt und über Formeln berechnet werden.
Laden
Das Laden der Daten in ein Data Warehouse stellt den letzten Schritt des ETL-Prozesses
dar. In diesem Prozessschritt werden die zuvor transformierten und gegebenenfalls ver-
knüpften Daten im Data Warehouse abgelegt. Dieser Prozessschritt vollendet den Daten-
bereitstellungsprozess.
Durch die zuvor in das Data Warehouse geladenen Daten kann der Auswertprozess in
der BI-Endanwendung, wie z. B. OLAP-Anwendungen oder BI-Software (MS Power
BI, Tableau) stattfinden. Bei der Auswertung durch einen Nutzer wird über Online Analy-
tical Processing (OLAP) mittels spezieller Abfragesprachen auf ein Data Warehouse (bzw.
hier schlicht eine Datenbank) zugegriffen. Vollständige OLAP-Softwarelösungen dienen
der mehrdimensionalen Betrachtung verschiedener Fakten. Ziel von OLAP-Anwendungen
ist es, mit Hilfe dieser mehrdimensionalen Betrachtungsweise eine zeitlich effiziente
sowie dynamisch flexible Datenanalyse zu ermöglichen. Neben vorgefertigten Datenaus-
gaben (Data Marts / Standard- und Ad hoc-Berichten) kann auch Data Mining stattfinden,
um weitergehende Analysen zu betreiben. Spätestens, wenn daraus auch eine Prognostik
abgeleitet werden soll, werden Data Mining-Verfahren angewendet.
Bei dem hier vorliegenden Fall handelt es sich um Reporting von Entwicklungs- und
Testdaten, mit deren Hilfe u. a. der Reifegrad im Entwicklungsprozess bestimmt werden
kann. Der Entwicklungsprozess besitzt diverse Spezifikationen wie Aktualitätsgrad und
Ungewissheit/Unsicherheit; es kommen daher spezielle hierfür geeignete Instrumente/
Kennzahlen für Reporting und Steuerung zur Anwendung. Tendenziell besteht eine stär-
kere Portfolio-, Planfortschritts- und Prozessorientierung bei Projekten in der Entwicklung.
Die Steuerung erfolgt dabei mehrdimensional hinsichtlich Zeit, Kosten und Qualität (vgl.
Möller & Stirzel, 2008, S. 243). Daher sind die Instrumente und Methoden auch anders
orientiert als bspw. für Operations/Produktion (vgl. zu Entwicklungs- und Anlaufspezi-
fischen Instrumenten Möller & Stirzel, 2008, S. 250 ff. und Stirzel, 2010, S. 91 ff., außer-
dem zu IT-Unterstützung in der Entwicklung Borchert & Stirzel, 2009, S. 10 ff.).
Um den Erfolg zu messen, unterstellt man, dass sowohl der funktionale Aspekt aus
dem Controlling als auch der instrumentale, IT-bezogene eine Wirkung auf den Erfolg be-
20 Reporting im Zeitalter der Digitalisierung 535
sitzen. Zunächst entsteht nur ein systembezogener Erfolg innerhalb des Controllings,
mittelbar treten auch weitere Erfolge (bspw. im Prozess bei den Anwendern) auf, und zu-
letzt kann auch ein Beitrag zum Unternehmenserfolg entstehen. Die Messung des Erfolgs
aus dem Controlling heraus basiert also auf der Hypothese, dass der Erfolg indirekt und
hintereinander in einer Wirkungskette entsteht (vgl. auch Weber & Schäffer, 2016,
S. 542 f.). Eine Abbildung der Gesamtkette würde im Rahmen einer Evaluation an dieser
Stelle zu weit führen, daher wird in der Evaluation (Abschn. 20.6) die Wirkung auf die
Prozesse der Anwender ins Zentrum gerückt.
20.4.1 Unternehmensszenario
Das Unternehmen der hier vorliegenden Fallstudie ist als Ingenieurdienstleister für die
Telekommunikations-, Luftfahrt-, Automobil- und Energieindustrie tätig. Zeitgleich wer-
den ständig zahlreiche große IT- und Engineering-Projekte durchgeführt.
Besonders in der Entwicklungsphase sind ein hoher Grad an Agilität und regelmäßige
Abstimmungen mit Kunden und Lieferanten sehr wichtig. Um die Kommunikation mit
dem Kunden und innerhalb des eigenen Teams zu unterstützen, können übersichtliche und
informative Visualisierungen eingesetzt werden.
Im konkreten Fall geht es hier um die Auswertung einer großen Anzahl von Testergeb-
nissen aus dem Engineering. Es handelt sich um embedded systems, bei denen das Zu-
sammenspiel von Hardware und Software in Testdurchläufen verifiziert werden muss.
Das Ergebnis eines Testdurchlaufes kann dabei positiv, negativ, undefiniert oder ir-
relevant sein. Die Test-Ergebnisse werden für jede Software-Version in einem Excel-
Dokument erfasst. Negative Test-Ergebnisse haben einen Eintrag im kundeneigenen
Ticket-Portal zur Folge.
Durch die begrenzte Entwicklungszeit neuer technologischer Systeme und die in die-
sem Bereich notwendige Flexibilität fällt in kurzen Zeiträumen bereits eine große Menge
an Daten an, die überblickt werden und zur Steuerung den entsprechenden Stakeholdern
zur Verfügung gestellt werden muss. Der Fokus liegt dabei auf sachzielorientierten Infor-
mationen aus dem Engineering.
Ziel des hier vorgestellten Projekts war die Erarbeitung einer strukturierten Datenbasis
und die Erstellung eines Visualisierungsansatzes für historische Verläufe der Test-
Ergebnisse, der Tickets sowie der Test-Ergebnisse.
Abb. 20.1 beschreibt das Szenario.
536 M. Stirzel und S. Yaldiran
Test-Ergebnisse Test-Ergebnisse
Software V1
Test-Ergebnisse Ticket-Portal
Software V2
Ticket-ID | Testfall-ID | Status
Test-Ergebnisse Ticket-Nr. 100 |Fall 014 | offen
Software V3
positiv negativ
undefiniert irrelevant
Fall 012 | positiv
Fall 013 | positiv
Fall 014 | undefiniert
Fall 015 | negativ
Fall 016 | positiv
Zunächst sollen an dieser Stelle die funktionalen Anforderungen, beginnend mit den An-
wendungsfällen, beschrieben werden.
Informationsbedarfsanalyse
Für die genannten Anwendungsfälle werden bestimmte Informationen benötigt. Im Fol-
genden wird daher beschrieben, wie der Informationsbedarf erhoben wurde.
Visualisierungsanforderungen
Ziel der Datenvisualisierung ist, dem betroffenen Bereich eine Übersicht über den Status
eines Tickets und die Test-Ergebnisse eines Test-Cases über verschiedene Software-
Versionen hinweg zu schaffen. Darüber hinaus soll die Visualisierung eine unterstützende
Grundlage für Handlungsentscheidungen bilden.
Aus der Visualisierung des Test-Reports sollte eine direkt abrufbare Statistik über Test-
Ergebnisse einer gewählten Software-Version ersichtlich werden. Auch wird eine Statistik
über den historischen Verlauf aller Software-Versionen benötigt. Aus der Visualisierung
der Tickets sollte ebenfalls ein historischer Verlauf hervorgehen. Hierbei ist es interessant
zu wissen, zu welchem Zeitpunkt sich der Status eines Tickets geändert hat und wie lange
bzw. seit wann es bereits angelegt ist. Hierbei sollte ersichtlich sein, wann ein Ticket erst-
mals angelegt wurde und zu welchem Zeitpunkt sich der Status geändert hat. Die zeitliche
Differenz zwischen den Statusänderungen gibt dem Nutzer der Visualisierungen Auf-
schluss über die Liegezeit eines Tickets.
Technische Anforderungen
Aufgrund des vorrangigen Ziels der Umsetzung einer zeitnahen, projektspezifischen Visu-
alisierung als Handlungsgrundlage bei zugleich einfacher und schneller Umsetzung fiel
die Entscheidung auf die Wahl einer Datenbanklösung. Das Aufsetzen eines Data Ware-
house hätte an dieser Stelle die zeitnahe Fertigstellung der Lösung gefährdet.
Durch die Wahl eines teamspezifischen Laufwerkes zur Speicherung der Datenbank
wurden die Zugriffsrechte geregelt. Somit haben lediglich die Nutzer des jeweiligen
Teams Zugriff auf die in den Datenbanken enthaltenen Informationen.
Ferner wird festgelegt, dass die Reihenfolge der Spaltennamen der Excel-Exporte sich
über Versionen hinweg nicht ändern darf. Die Excel-Dateien müssen so konfiguriert sein,
dass nur ein Arbeitsblatt existiert und alle zu übertragenden Informationen sich darauf be-
finden. Spaltennamen dürfen nur in der ersten Zeile festgelegt werden. Ein Hinzukommen
neuer Spalten dagegen ist möglich und die Berücksichtigung und Aufnahme dieser neuen
Spalten in die Datenbank sollte durch die Software gewährleistet werden.
20.5 Implementierung
20.5.1 IT-Implementierung
Aus den Rahmenbedingungen folgt die grundsätzliche Setzung, mit einem datenbank-
basierten Ansatz zu arbeiten. Die nähere Detaillierung und Implementierung soll hier be-
schrieben werden.
DBMS
Um eine zentrale Speicherung und Verwaltung der Daten zu ermöglichen, werden Daten-
bankmanagementsysteme (DBMS) eingesetzt. Das DBMS gewährleistet die Datensicher-
heit und den Datenschutz und kontrolliert alle Lese- und Schreibzugriffe auf die Daten-
bank. Durch die Ablage der Datenbank auf ein Team-Laufwerk wird der Nutzerkreis
eingeschränkt und gegen den Zugriff unbefugter gesichert. Zudem ist eine weitere Be-
schränkung des Zugriffs auf einen bestimmten Nutzerkreis innerhalb des Teams, durch die
Verschlüsselung der Datenbank mittels eines Kennworts möglich. Im konkreten Fall
beschränkt sich der Nutzerkreis auf ein bestimmtes Team, weshalb eine weitere Ein-
schränkung nicht notwendig ist.
Die Kommunikation zwischen dem Nutzer und der Datenbank bzw. des Datenbank-
managementsystems (DBMS) wird mittels Datenbanksprachen ermöglicht. Ein Vorteil
von SQL ist die deskriptive Beschaffenheit und somit einfache Verständlichkeit der
Sprache.
20 Reporting im Zeitalter der Digitalisierung 539
Bei der Auswahl der BI-Plattform fiel letztlich die Wahl auf MS Power BI. Die kosten-
freie Desktop-Version sowie der unternehmensweite Einsatz der Software waren die
Hauptargumente bei der Auswahl.
Das in der Abb. 20.3 sichtbare Feld „ID“ stellt den Primärschlüssel und somit einen
eindeutigen Wert dar. Der Datentyp AutoWert sorgt für einen „eindeutige[n] Wert, der von
Access für jeden neuen Datensatz erstellt wird.“ (Microsoft, 2020, o.S.). Dem Feld
„ExportDatum“ wird der Datentyp Datum/Uhrzeit zugewiesen, um im Hinblick auf die
Darstellung einer Historie mittels BI-Software Zeitstempel zur Verfügung zu stellen. Für
sämtliche „IDs“ sowie den „Status“ wird der Datentyp „Kurzer Text“ mit einer Kapazität
von bis zu 255 Zeichen gesetzt. Für alle weiteren Spalten wird der Datentyp „Langer Text“
angewandt, mit einer Speichergröße von bis zu einem Gigabyte (GB). Bei weiteren Spal-
ten, welche zu einem späteren Zeitpunkt den Excel-Dateien hinzukommen könnten, wird
ebenfalls der Datentyp „Langer Text“ angewandt. Die im Vergleich zum Datentyp „Kurzer
Text“ gebotene hohe Speicherkapazität, bietet den Vorteil den unterschiedlichen An-
sprüchen möglicher neuer Spalten gerecht zu werden.
In Abb. 20.4 ist der Datentyp der Spalte „ID“ wie auch in der Tabelle latestData als Auto-
Wert sowie als Primärschlüssel festgesetzt. Allen weiteren Spalten in dieser Tabelle wird
20 Reporting im Zeitalter der Digitalisierung 541
der Datentyp „Kurzer Text“ zugewiesen, da dieses ausreichend Speicher-Kapazität, für die
hierin zu hinterlegenden Daten bietet, sowie die Möglichkeit alphanumerische Daten zu
hinterlegen. Darüber hinaus wird die Spalte „SpaltenNameDB“ benötigt, in der die Namen
der Spalten durch den Entwickler hinterlegt werden, welche für die Visualisierungen not-
wendig sind. Die in dieser Spalte hinterlegten Spalten-Namen werden im Laufe des
Programm-Ablaufes an eine Schnittstelle mit grafischer Benutzeroberfläche übergeben.
Ferner werden in der Spalte „ExcelSpaltenName“ die von der Schnittstelle übergebenen
Namen der zuvor festgelegten Pflicht-Spalten hinterlegt. In der Spalte „ExcelIndex“ werden
die durch die Datenverarbeitungssoftware ermittelten Indizes in Form von Zahlen hinterlegt.
Die Abb. 20.4 stellt die für die Darstellung der Historie notwendigen Felder dar. Im
Gegensatz zur Tabelle „latestData“ beinhaltet die Tabelle „historicData“ zusätzlich das
Feld „AnderungsDatum“, in welcher das Datum der letzten Änderung an einem Ticket
festgehalten wird. Auch hier wird analog zur Spalte „ExportDatum“ der Datentyp Datum/
Uhrzeit gewählt, um diese später als solche in einer BI-Visualisierung berücksichtigen zu
können und Markierungen in Zeitachsen zu ermöglichen.
Java Programm
datenbankbasierte
Datenverarbeitung
→ historic Data
Daten aller bisher eingelesenen Excel-Exporte
BI Visualisierungen
Statusvisualisierung Tickets/Testfälle
Historienvisualisierung Tickets/Testfälle
Im nächsten Schritt wird überprüft, ob die Matrix neue Spalten hinzubekommen hat.
Dies geschieht, indem die Anzahl der Spalten der Tabelle „latestData“ mit der Anzahl der
Matrix-Spalten verglichen wird. Stimmt die Anzahl überein, so ist davon auszugehen, dass
keine neue Spalte vorliegt. In diesem Fall kann zunächst der Inhalt der Tabelle latestData
geleert und im nächsten Schritt mit der vorliegenden Matrix befüllt werden.
Stimmt die Anzahl der Spalten nicht überein, so sind der Tabelle zunächst die neuen
Spalten hinzuzufügen. Im nächsten Schritt kann dann ebenso der Inhalt der Tabelle latest-
Data geleert und im Anschluss mit dem Inhalt der Matrix befüllt werden.
20 Reporting im Zeitalter der Digitalisierung 543
Als nächstes werden der GUI-Schnittstelle die Namen der festgelegten Pflichtspalten
für die Tabelle historicData übergeben. Die Schnittstelle liefert daraufhin die Namen
dieser Spalten, wie sie im Excel-Dokument vorliegen. Anhand der vorgegebenen Namen
der Spalten werden die Indizes im Excel-Dokument berechnet, um auf die benötigten
Spalten der Matrix zugreifen zu können. Die nun vorliegende Matrix enthält lediglich
die vorgegebenen Pflichtspalten sowie das Export- und Änderungsdatum als zusätz-
liche Spalte.
Im nächsten Schritt wird auf die Korrektheit der Zieldatenbank überprüft, in der die
Daten zu den Tickets hinterlegt werden. Grund für diese Überprüfung ist, dass bei den
Tickets aus den Excel-Exporten zusätzliche Regelungen stattfinden, um inhaltlich redun-
dante Datensätze zu vermeiden. Ist die Zieldatenbank eine andere, so wird der Inhalt der
Matrix in die Tabelle historicData übertragen. Hauptursache für die Übertragung ohne
weitere Regelungen in diesem Fall ist, dass mehrere Test-Reports zu einer Software Ver-
sion existieren können, bei denen die Test-Ergebnisse zu den jeweiligen Test-Fällen je-
doch unterschiedlich ausfallen. Dies kann beispielsweise vorkommen, wenn ein einfacher
Fehler unterlaufen ist, für dessen Behebung jedoch kein Release einer neuen Software-
Version benötigt wird.
Liegt hingegen die Datenbank für die Tickets als Zieldatenbank vor, so wird zunächst
überprüft, ob die in der Matrix vorliegende ID bereits in der Tabelle historicData vorliegt.
Ziel ist hierbei, inhaltliche Redundanzen zu vermeiden. Dadurch, dass die vorliegenden
Excel-Dokumente lediglich ein Abbild des Ticketsystems darstellen, ist es möglich, dass
ein Ticket zu einem späteren Export Zeitpunkt weiterhin keine Änderungen erfahren hat.
Die Erfassung dieser zusätzlichen Informationen würde zu Redundanzen und somit einer
ineffizienten Nutzung des Speichervolumens der Datenbank führen. Liegt die ID nicht in
der Datenbank vor, so wird der gesamte Eintrag zu diesem Ticket in die Datenbank
übertragen.
Ist die ID hingegen bekannt, so kann zunächst nicht festgestellt werden, wie viele Ein-
träge zu dieser ID in der Datenbank bereits vorliegen. Zur Überprüfung wurde hierzu der
Parameter Änderungsdatum eingeführt. Wird ein Ticket erstmals erfasst, entspricht das
Änderungsdatum dem Exportdatum. Nach dieser Eigenschaft wird in den vorliegenden
Einträgen zu dem Ticket gesucht. So kann davon ausgegangen werden, dass dies der aktu-
elle Eintrag ist. Im nächsten Schritt wird geprüft, ob Änderungen in den Pflichtspalten
gegenüber dem letzten Stand vorliegen. Liegen keine Änderungen vor, so kann von einem
redundanten Datensatz ausgegangen werden. In diesem Fall überspringt die Software die
Übertragung dieses Datensatzes in die Datenbank. Sobald Änderungen in den Pflicht-
spalten festgestellt werden, wird das Änderungsdatum des letzten Eintrags in der Daten-
bank mit dem Exportdatum des jetzt vorliegenden Ticket-Exportes überschrieben. Zudem
wird der neue Eintrag zu dem Ticket in der Datenbank hinzugefügt (dabei stimmen selbst-
verständlich Export- und Änderungsdatum überein), um den aktuellen Eintrag kenntlich
zu machen.
544 M. Stirzel und S. Yaldiran
Um dem Endbenutzer der Visualisierungen eine klare Übersicht der Datenbasis darzu-
stellen, wurden verschiedene Darstellungsmöglichkeiten der BI Software von Microsoft
Power BI verwendet. Die Visualisierungen folgen dabei einer einfachen Regel, im oberen
Bereich werden mögliche Filter und im darunter liegenden Bereich die Visualisierungen
der Daten angebracht.
Das in Abb. 20.6 dargestellte Beispiel einer Visualisierung in einem Report soll hier
anhand von Testdaten-Auswertungen aus der Entwicklung zeigen.
Um dem Nutzer eine leichte Informationsaufnahme des absoluten Anteils der jeweili-
gen Testergebnisse am Gesamtanteil zu ermöglichen, wurde ein Ringdiagramm eingesetzt.
Bei nicht ausgewähltem Filter werden in dem Ringdiagramm auf der linken Seite der ab-
solute Anteil der Testfälle mit den Ergebnissen „Pass“, „Error“ und „Fail“ dargestellt.
Neben der Visualisierung der meist benötigten Informationen ist auch eine Ad-hoc-
Anpassung durch den Benutzer möglich.
Weiterhin kann auch die Historie bezogen auf einen ausgewählten Vorgang (hier: Test-
fall anhand FehlerID) ausgewertet werden (s. Abb. 20.7).
Auf der rechten Seite der Abb. 20.7 wird die Dauer von dem Datum der Anlegung bis
zum Datum der letzten Statusänderung eines Tickets in Form einer Kennzahl dargestellt.
Dadurch soll dem Nutzer die gesamte Bearbeitungszeit eines Tickets auf einem Blick an-
gezeigt werden. Im unteren Bereich der Abbildung befindet sich die Visualisierung zur
Darstellung des historischen Statusverlaufs der Tickets.
20.5.1.2 Nutzer-Befragung
Um eine spätere Nutzung bestmöglich an die Bedürfnisse und Bedarfe der Nutzer abzu-
stimmen, wurde eine zunächst erstellte Probeversion dem gesamten Team, welches das
Tool nutzen soll, gezeigt. Mittels einer Befragung wurde überprüft, ob alle notwendigen
Informationen in der für die Anwendungsfälle geeigneten Form entnehmbar sind. Wie
weit die Wahrnehmung eines IT-Projektleiters von der eines Benutzers differieren kann,
zeigt bereits die allgemein gehaltene Übersichtsfrage.
Die Auswertung der Umfrage ergab, dass das Team bezüglich des Informationsgehalts
der im Rahmen dieses Projekts erstellten Visualisierungen mit einem Anteil von 66,7 %
nicht hinreichend versorgt war (s. Abb. 20.8). Somit war das Feedback mit entsprechender
Update-Schleife essenziell.
Ja
Nein
66.7%
33.3%
bei den Nutzern muss entstehen. Dies beginnt bei der eigenen Erkenntnis, Informationen
für das selbständige Management zu benötigen. Hierzu wurden den nutzenden Mit-
arbeitern Analyse-Beispiele und -Potenziale in einer Schulung vorgestellt, um diese zu
eigenen Ideen zu inspirieren. Zugleich wurden ihnen die Bedienung des BI-Tools nahe-
gebracht.
In diesem Kapitel wird die Effizienzsteigerung durch den Einsatz von BI und der damit
einhergehenden Nutzung einer Datenbank als Datenbasis ermittelt, indem der Prozess vor
und nach dem Einsatz aufgezeigt und diskutiert wird.
Excel-Export Excel-Export
Ticketportal regelmäßige Pflege der
Moment-
Excel-Export
aufnahmen Ticketdaten
Ticket-Nr. | Ticket -Status | Beschreibung
Ticket-Nr. | Ticket -Status | Beschreibung
Ticket-Nr. | Ticket -Status | Beschreibung
Excel-Visualisierungen
Excel-Export Excel-Export
Test -Report-Quelle
Moment-
Excel-Export
Testfall -Nr. | Status | Software-Version aufnahmen
Testfall -Nr. | Status | Software-Version
Testfall -Nr. | Status | Software-Version regelmäßige Pflege der
Ticketdaten
Nutzung:
Excel-Export Excel-Export
Ticketportal Moment- automatisierte Pflege der
aufnahmen Excel-Export Ticketdaten
Ticket-Nr. | Ticket-Status | Beschreibung
Ticket-Nr. | Ticket-Status | Beschreibung
Ticket-Nr. | Ticket-Status | Beschreibung
BI Visualisierungen
Excel-Export Excel-Export
Test-Report-Quelle Moment-
aufnahmen Excel-Export
Testfall-Nr. | Status | Software-Version
Testfall-Nr. | Status | Software-Version
automatisierte Pflege der
Testfall-Nr. | Status | Software-Version
Ticketdaten
Nutzung:
Prozess-Gegenüberstellung
Der Effekt auf die Effizienzsteigerung lässt sich aus Abb. 20.11 ablesen. Hinsichtlich der
Berichtsvorbereitung und -bereitstellung kann eine Einsparung von ca. 3 Stunden pro Tag
erzielt werden, die entweder einen Projektunterstützer oder gar einen fakturierbaren
Projektmitarbeiter entlasten. Geht man davon aus, dass die Berichtsdaten an 4 Tagen in der
Woche aktualisiert / benötigt werden, können in einem Monat ca. 48 Stunden eingespart
werden. Zudem werden im neuen Prozess die Daten aktuell am selben Tag bereitgestellt
und nicht erst am Folgetag wie vorher.
Nach der in Abschn. 20.5.2 genannten Schulung wurden einen Monat später das
push-orientierte Reporting außer Betrieb gesetzt. Ab diesem Zeitpunkt konnte die
Effizienzsteigerung in der Berichterstellung ausgeschöpft werden.
Darüber hinaus sind die im neuen System bereitgestellten Daten übersichtlicher dar-
gestellt, und der Anwender kann schneller einen Überblick. Die hier eingesparte Zeit
wurde zwar qualitativ zurückgemeldet, lässt sich jedoch nur schwer abschätzen und
20 Reporting im Zeitalter der Digitalisierung 549
quantifizieren. Zudem werden die Auslastung des Teams und aktuelle Heraus-
forderungen für alle transparenter, dies triggert auch Gespräche und den Austausch
über Projektwissen.
Darüber hinaus entstanden ab sofort zusätzliche Potenziale aus neuen Denkweisen und
Analysen. Das Lernen der Anwender und die Transformation in eine selbstlernende Orga-
nisation, unterstützt durch das Self Service-Reporting, führt in einer weiteren Hypothese
zu einer Effektivitätssteigerung. Die Erhöhung der Selbständigkeit und der Management-
qualität lässt sich nur mittelbar erfassen, ebenso die Wirkung auf den Unternehmenserfolg
(siehe auch Abschn. 20.3 letzter Absatz zu „Erfolg“).
20.7 Fazit
Aufgrund der täglich wachsenden Menge an Daten wird es zunehmend schwieriger, diese
zu veranschaulichen und daraus Schlüsse zu ziehen. Die Nutzung von Self Service-BI-
Tools ermöglicht es jedem Team, für sich relevante Daten mit Hilfe von Statistiken und
weiteren Veranschaulichungen zu visualisieren. Dies sorgt dafür, dass Mitarbeiter sprich-
wörtlich „ein Bild davon bekommen“ wie die aktuelle Situation innerhalb eines Projektes
ist und den bisher geleisteten Workload darzustellen. In den vorherigen Abschnitten wurde
gezeigt, wie ein zeitaktuelles Reporting mittels Self Services implementiert werden kann.
Dabei konnte eine messbare, nachhaltige Effizienzsteigerung nachgewiesen werden.
Die Befragung der Nutzer auf dem Weg der Implementierung (Abschn. 20.5.1.2) hat
gezeigt, dass ein System nicht immer notwendigerweise von Anfang an die Bedürfnisse
und Bedarfe der Nutzer deckt. Es empfiehlt sich daher, entweder direkt unter Einbindung
der Nutzer mit agilen Methoden oder mit entsprechenden Kontrollschleifen ein System zu
validieren.
Bei der Entwicklung der Anwendung zur datenbankbasierten Datenverarbeitung lag
der Fokus auf der Skalierbarkeit, um auch projektübergreifend Gebrauch von der Daten-
bereitstellungskomponente der BI zu machen. Hier wurden mit Hilfe der Rahmen-
bedingungen und einer ausführlichen Literaturrecherche geeignete Lösungen festgehalten
und deren Vor- und Nachteile im konkreten Fall gegeneinander abgewogen, um eine Aus-
550 M. Stirzel und S. Yaldiran
wahl treffen zu können. Die erstellten Datenbanken können später als Datenquelle von
Anwendungen zur Datenauswertung angesteuert werden. Dieser Schritt ist notwendig, um
weitergehende Berechnungen auf Grundlage dieser Daten durchführen zu können.
Die Datenverarbeitungsanwendung bietet Entwicklern den weiteren Ausbau der Soft-
ware und ist als eine projektübergreifende Lösung in vielen Gebieten einsetzbar. Für die
Zukunft wäre der geplante Einsatz einer grafischen Benutzeroberfläche für die Ver-
besserung der Usability und der User Experience ein weiterer Vorteil. Auch im Bereich der
Reportings ist eine gewisse Skalierbarkeit möglich. Durch die Nutzung einer umfang-
reichen Datenbasis können für unterschiedliche Nutzer dieser Reports weitergehende Be-
rechnungen zur Ermittlung von KPIs durchgeführt und somit neue Erkenntnisse ge-
wonnen werden.
Eine Übertragung des funktionierenden Konzepts auf andere Unternehmensprozesse,
wie bspw. IT-Ticketprozesse, erscheint ebenso möglich, um den Stand von gestellten Ti-
ckets zu tracken und in Reports mitaufzunehmen. Mit Hilfe der visualisierten Daten kann
die Basis für eine transparentere Kommunikation geschaffen werden. Zudem kann eine
übersichtlichere Gestaltung für eine schnellere Erkennung von Trends und die Berück-
sichtigung nützlicher Randinformationen sorgen. Dadurch können beispielsweise be-
stimmte IT-Prozesse, welche maßgeblich für die Erstellung solcher Tickets verantwortlich
sind, überarbeitet werden. Dies sorgt für eine nutzerorientiertere und flexiblere Reaktion
auf anfallende IT-Tickets und steigert die Effizienz der Arbeit nachhaltig.
Zusätzliche Erweiterungsmöglichkeiten werden in der Mustererkennung und Prognos-
tik gesehen, hierzu könnten Ansätze aus der Künstlichen Intelligenz (KI) eingesetzt werden.
Ebenso ist eine Anreicherung mit Daten möglich, welche außerhalb des Prozesses an-
fallen, um gesamtheitlichere Prognosen anstellen zu können. Bei Finanzdaten wäre an
dieser Stelle die Einbindung externer Parameter wie die Zinsentwicklung oder aber die
Nutzung allgemeiner Wirtschaftsdaten mittels einer Schnittstelle denkbar.
Literatur
Luber, S., & Litzel, N. (2017). Was ist ein Data Warehouse?, 09.05.2017. https://www.bigdata-
insider.de/was-ist-ein-data-warehouse-a-606701/. Zugegriffen am 06.05.2021.
Luber, S., & Litzel, N. (2018). Was ist ETL (Extract, Transform, Load)?, 16.11.2018. https://www.
bigdata-insider.de/was-ist-etl-extract-transform-load-a-776549/. Zugegriffen am 06.05.2021.
Microsoft. (2020). Datentypen für Access-Desktopdatenbanken. https://support.microsoft.com/
de-d e/office/datentypen-f %C3%BCr-a ccess-d esktopdatenbanken-d f2b83ba-c ef6-4 36d-
b679-3418f622e482. Zugegriffen am 06.05.2021.
Möller, K., & Stirzel, M. (2008). Kostenmanagement im Anlauf – Aufgaben und Instrumente. In
G. Schuh, W. Stölzle & F. Straube (Hrsg.), Anlaufmanagement in der Automobilindustrie erfolg-
reich umsetzen – Ein Leitfaden für die Praxis (S. 243–262). Springer.
Pichler, H. (2003). Übersicht der UML-Diagramme. https://www.infrasoft.at/images/downloads/
uebersicht_der_uml_diagramme.pdf. Zugegriffen am 06.05.2021.
Stirzel, M. (2010). Controlling von Entwicklungsprojekten: Dargestellt am Beispiel mechatroni-
scher Produkte. Gabler.
Thomsen, E. (2002). OLAP solutions: Building multidimensional information systems (2. Aufl.).
Wiley.
Töpfer, A. (1976). Planungs- und Kontrollsysteme industrieller Unternehmungen: eine theoretische,
technologische und empirische Analyse. Duncker & Humblot.
Weber, J., & Schäffer, U. (2016). Einführung in das Controlling (15. Aufl.). Schäffer-Poeschel.
Prof. Dr. rer. pol. Martin Stirzel lehrt an der Fakultät für
Informationsmanagement der Hochschule Neu-Ulm (HNU). Nach
Studium und Promotion an der Universität Stuttgart (Lehrstuhl Con-
trolling Prof. Horváth) und langjähriger Tätigkeit in der Automobil-
branche (Daimler-Konzern sowie in einer Vielzahl von Projekten mit
Akteuren aus der Automobilindustrie) lehrt und forscht er nun im
Studiengang Information Management Automotive (IMA) an der
HNU, in Zusammenarbeit mit bestehenden sowie Startup-Unterneh-
men, Verbänden und öffentlichen Trägern.
Zusammenfassung
Big Data besitzen ein großes Potenzial für Unternehmen, Vorteile im Wettbewerb auf-
zubauen. Sie können zu besseren Entscheiden, zu mehr Effizienz oder zu Innovationen
führen. Doch fällt es vielen Unternehmen schwer, Big Data tatsächlich in Werte zu
transferieren. Der Beitrag kommt zu dem Ergebnis, dass Unternehmen zunächst interne
Veränderungen vornehmen müssen, um dies zu ermöglichen. Big Data ist mit be-
sonderen Charakteristika verbunden. Um diese Charakteristika in Wettbewerbsvorteile
zu transferieren, braucht es einerseits eine Kombination aus technischem und
Management-Wissen. Andererseits erfordert dies eine Daten-dominante Logik, die sich
von der bisherigen Produkte- oder Service-dominanten Logik in Unternehmen unter-
scheidet. Die Diskussion des Beitrags baut auf Erkenntnissen zu Big Data in einem
strategischen Kontext und zur Ressourcen- und Fähigkeitsbasierten Sichtweise in
Unternehmen (RBV, CBV) auf.
Schlüsselwörter
Digitalisierung · Daten-dominante Logik · Big Data · Big Data Analytics · Big Data
Strategie
P. Kugler (*)
Institut für Unternehmensführung (IFU-OST), Ost – Ostschweizer Fachhochschule, St.Gallen,
Schweiz
E-Mail: [email protected]
21.1 Einleitung
Big Data wird häufig als „neues Öl“ oder als „neues Gold“ bezeichnet (z. B. Tabesh et al.,
2019; Manyika et al., 2011; Chin et al., 2017). Dahinter steckt die Idee, dass Daten zu
grundlegenden Veränderungen in der unternehmerischen Wertschöpfung führen können.
Häufig nutzen Unternehmen Big Data in Verbindung mit neuen Geschäftsmodellen, die
auf Plattformen, Netzwerken und digitalen Ökosystemen aufbauen. Die Stärke der Ver-
änderungen, die durch digitale Technologien angestoßen wird, kann dabei mit den voraus-
gehenden industriellen Revolutionen verglichen werden. Der Digitalisierung insgesamt
und insbesondere Big Data wird damit ein erhebliches disruptives Potenzial (Christensen,
1997) zugesprochen, das viele etablierte Lösungen und Ansätze in traditionellen Branchen
obsolet macht. Etablierte Industrien ordnen sich dann neu, denn es gibt „neue“ Gewinner
und Verlierer in diesem Prozess. Unternehmen müssen daher einerseits verstehen, welche
Veränderungen und Herausforderungen durch Big Data angestoßen werden, wenn andere
Unternehmen zielgerichtet mit Daten arbeiten.
Andererseits bieten sich auch zahlreiche Möglichkeiten, Daten und Praktiken zu ihrer
Analyse für die eigene Wertschöpfung gewinnbringend zu nutzen. Doch es zeigt sich, dass
Big Data nicht einfach nur „viele Daten“ sind, sondern eine besondere Ressource, auf die
sich Unternehmen erst neu einstellen müssen, damit die Daten tatsächlich zum Erfolg des
Unternehmens beitragen können. Insofern verwundert es nicht, dass sich viele Unter-
nehmen schwer damit tun, Daten in unternehmerische Werte oder in Wettbewerbsvorteile
zu transferieren. Das Potenzial, das in Big Data steckt, wird daher vielfach noch nicht
ausgeschöpft (Chin et al., 2017; Hagiu & Wright, 2020). Darin liegt eine große Chance für
Unternehmen. Doch wo sollen Unternehmen ansetzen, um mit Big Data nachhaltig Werte
zu schaffen?
Ziel des Beitrages ist es, anhand der in der Literatur diskutierten Erkenntnisse aufzu-
zeigen, dass in Unternehmen erst Voraussetzungen geschaffen werden müssen, um die
Ressource Big Data überhaupt wertschöpfend nutzen zu können. Im Mittelpunkt der Be-
trachtung stehen dabei die dominante Logik von Unternehmen, (Prahalad & Bettis, 1986;
Bettis & Prahalad, 1995). Darunter wird ein in der Vergangenheit gelerntes Selbstver-
ständnis und ein gelerntes Handlungsrepertoire verstanden. In einer veränderten Situation,
wie sie durch Big Data angestoßen wird, braucht es jedoch neue Denk- und Handlungs-
weisen (Jarzabkowski, 2001), welche Unternehmen erst verstehen und aufbauen müssen.
Empirische Erkenntnisse deuten darauf hin, dass die intensive Arbeit mit Daten eine
Daten-dominante Logik (Kugler, 2020) erfordert, welche Daten in den Mittelpunkt der
Wertschöpfung stellt.
Eine Daten-dominante Logik zeigt sich im Denken und Handeln sowohl auf individu-
eller als auch organisationaler Ebene. Sie beeinflusst, welcher Stellenwert Big Data im
Unternehmen generell beigemessen wird und zu welchen Veränderungen dies in der orga-
nisationalen Wertschöpfung führt. Der Beitrag zeigt auf, dass datengetriebene Unterneh-
mennach einer anderen Logik funktionieren als Unternehmen, in welchen Big Data
21 Aus Big Data wird Big Value: Warum es eine Daten-dominante Logik braucht 555
Im Jahr 2020 waren von den zehn wertvollsten Unternehmen, gemessen an der Markt-
kapitalisierung, sieben amerikanische oder chinesische Technologiekonzerne (Statista,
2021).1 Noch vor zehn Jahren sah das Bild ganz anders aus: In der Gruppe der erfolg-
reichsten Unternehmen waren deutlich mehr und unterschiedliche Industrien vertreten. Es
scheint also, dass es gerade die Technologieunternehmen sind, welche mit sich ver-
ändernden Bedingungen besonders gut klarkommen, oder diese sogar anstoßen. Denn es
zeigt sich heute immer deutlicher, dass die voranschreitende Digitalisierung zu grund-
legenden Veränderungen führt, sowohl auf dem Markt, als auch in Unternehmen. Dies
wird unter anderem deutlich an neuen Konstrukten wie digitale Ökosysteme, die nicht an
etablierte Denkkategorien wie Branchengrenzen gebunden sind, an neuen Spielregeln am
Markt, an innovativen Organisationsformen oder auch an veränderten individuellen Ver-
haltensweisen, die durch die Nutzung digitaler Tools erst angestoßen werden (Brynjolfs-
son & McAffee, 2014; Hamel & Zanini, 2020; Iansiti & Lakhani, 2020; McAffee & Bryn-
jolfsson, 2018; Parker et al., 2017). Je besser Unternehmen diese Veränderungen erkennen,
verstehen und mit ihnen umgehen können, umso eher ist es für sie möglich, erfolgreich im
Wettbewerb zu bestehen. Was unternehmensextern am Markt geschieht und wie Unter-
nehmen intern funktionieren, ist dabei nicht unabhängig voneinander zu betrachten. Digi-
tale Technologien sind einerseits Ermöglicher, um Neues anzustoßen. Andererseits zwin-
gen sie Unternehmen aber auch, solche Neuerungen selbst aufzugreifen, um überhaupt
noch im Wettbewerb mitspielen zu können.
1
Die zehn wertvollsten Unternehmen waren im Jahr 2020 (Statista, 2021): 1. Saudi Arabian Oil
Company (Saudi Aramco) (Saudi Arabia), 2. Microsoft (United States), 3. Apple (United States), 4.
Amazon (United States), 5. Alphabet (United States), 6. Facebook (United States), 7. Alibaba
(China), 8. Tencent Holdings (China), 9. Berkshire Hathaway (United States), 10. Johnson & John-
son (United States).
556 P. Kugler
Am Markt zeigt sich, dass nicht alle Unternehmen gleich mit der digitalen Veränderung
umgehen und auch nicht alle gleich erfolgreich sind. Auf der einen Seite nutzen meist
junge Unternehmen, Start-ups oder Technologiekonzerne digitale Technologien, um ge-
zielt neue Geschäftsmodelle, Produkte oder Services zu entwickeln. Wenn dies gelingt, so
sind die erfolgreichen Unternehmen ihren Wettbewerbern oft deutlich überlegen. Dies
trifft in besonderem Maße auf die sogenannten „GAFA“ Unternehmen zu (Google/Alpha-
bet, Apple, Facebook, Amazon), die häufig als Vorbilder angeführt werden. Diesen Unter-
nehmen ist gemeinsam, dass sie Plattformen, Big Data und Analytics Methoden nutzen,
um aktuelle und potenzielle Nutzer und Märkte besser zu verstehen. Darüber hinaus zeigt
sich aber auch, dass sich etablierte Unternehmen oft schwertun, ihre bestehenden Ge-
schäftsmodelle, Prozesse und Strukturen an Daten auszurichten und eine digitale Logik zu
etablieren. Viele etablierte Unternehmen funktionieren nach anderen Spielregeln und nach
einer anderen Logik als digitale Unternehmen.
Auch organisationsintern funktionieren digitale Unternehmen anders als eher traditio-
nelle (also „analoge“) Unternehmen. Dies wird deutlich am Beispiel agiler und offener
Organisationsmodelle (Kugler, 2019; Kugler et al., 2019), die sich durch Charakteristika
wie Flexibilität, flache Hierarchien und einem veränderten Führungsverständnis aus-
zeichnen (z. B. Chesbrough, 2006; Hamel & Breen, 2007; Laloux, 2015). Häufig sind
solche Organisationsformen überhaupt erst umsetzbar, da digitale Tools eine neue Art der
Zusammenarbeit und Wertschöpfung ermöglichen. Digitale Organisationen scheinen dann
oft einem veränderten Paradigma zu folgen, was sich beispielsweise in der Entwicklung
weg von einer Produkte-dominanten Logik hin zu einer Service-dominanten Logik zeigt
(Vargo & Lusch, 2004, 2006). Technologische Neuerungen, Veränderungen auf dem
Markt und im Inneren von Organisationen treten dabei häufig gemeinsam auf.
Vor diesem Hintergrund wird es zunehmen schwierig, allgemein von „Digitalisierung“
zu sprechen. Um konkrete Aussagen dazu zu treffen, wie Unternehmen mithilfe digitaler
Technologien ihre Wertschöpfung sinnvoll verändern können, braucht es vielmehr eine
Unterscheidung zwischen verschiedenen digitalen Spielarten, Technologien und Ge-
schäftsmodellen. Insbesondere Daten, oder „Big Data“ und Big Data Praktiken spielen bei
erfolgreichen Unternehmen eine herausragende Rolle. So sind sich sowohl Praktiker als
auch Wissenschaftler darüber einig, dass Unternehmen, die Big Data gezielt nutzen, ein
großes Erfolgspotenzial besitzen. Denn anhand von Daten lassen sich Möglichkeiten zur
Effizienzsteigerung oder Potenziale für innovative Produkte, Services und Geschäfts-
modelle identifizieren. Viele Entscheidungen können anhand von Daten besser abgeschätzt
und besser abgestützt werden. In Daten und Datenanalyse Praktiken liegt somit das Poten-
zial, Vorteile im Wettbewerb aufzubauen, was letztlich signifikant zum Erfolg eines Unter-
nehmens beitragen kann. Dies setzt jedoch voraus, dass Unternehmen Big Data als eine
zentrale Ressource (an)erkennen und innerhalb des Unternehmens die „richtigen“ Voraus-
setzungen zu ihrer Nutzung schaffen. Doch oft fehlt es an Wissen dazu, welche Besonder-
heiten ein datengetriebenes Unternehmen kennzeichnen, so dass das Potenzial, welches in
Big Data steckt, nicht ausgeschöpft werden kann (Akter et al., 2016; Fosso Wamba et al.,
2017; Gupta & George, 2016; Mikalef et al., 2020).
21 Aus Big Data wird Big Value: Warum es eine Daten-dominante Logik braucht 557
Auch wenn Big Data das Potenzial zugesprochen wird, Unternehmen und Märkte grundlegend
zu verändern, so ist die Arbeit mit Daten für Unternehmen nicht grundlegend neu. Der Begriff
„Daten“ hat im Zusammenhang von „Big Data“, „Data Science“, „Data Analytics“, oder „Busi-
ness Intelligence“ jedoch nicht mehr viel mit der Auswertung von Excel-Tabellen zu tun, son-
dern ist durch einige besondere Charakteristika gekennzeichnet. Eine klare Abgrenzung oder
allgemeingültige Definition für den Begriff Big Data gibt es jedoch nicht. Vielmehr geht es um
potenziell unendlich große Mengen an verschiedenen Daten, die in Echtzeit aus zahlreichen
Quellen gesammelt, gespeichert und analysiert werden können: „The term big data is often used
to describe massive, complex, and real-time streaming data that require sophisticated manage-
ment, analytical, and processing techniques to extract insights“ (Gupta & George, 2016, S. 2).
Um Big Data von einem traditionellen Verständnis „einfacher“ Daten zu unterscheiden,
werden häufig fünf zentrale Charakteristika, oder fünf „Vs“ herangezogen, die sich aus
den ersten Buchstaben der englischen Begriffe ergeben: Volume, variety, velocity, veracity
und value (siehe Tab. 21.1).
Tab. 21.1 Charakteristika von „Big Data“: Die fünf „Vs“. (Quelle: Fosso Wamba et al., 2015,
2017; Remane et al., 2017)
Begriff „V“
(Englisch) Begriff (Deutsch) Aussage
Volume Große Menge Sehr große Datenmengen, die entweder viel Speicherplatz
Volumen benötigen oder aus einer großen Anzahl an Datensätzen
bestehen. Sie können gesammelt, gespeichert, analysiert und in
neue Werte transferiert werden.
Variety Große Vielfalt Daten, die von zahlreichen verschiedenen Quellen stammen und
viele verschiedene Formate besitzen können, wie Text, Bild
oder Sprache.
Velocity Große Daten werden in Echtzeit kontinuierlich und mit großer
Geschwindigkeit Geschwindigkeit erzeugt oder transportiert. Sie stehen
unmittelbar zur Verfügung.
Veracity Großer Die große Menge an Daten ermöglicht es, genaue und
Wahrheitsgehalt verlässliche Prognosen zu treffen. Jedoch müssen Rohdaten
zunächst analysiert und interpretiert werden, bevor sie Aussagen
zu Zusammenhängen ermöglichen.
Value Großer Wert Die große Genauigkeit, Menge, Geschwindigkeit und
Wahrheitsgehalt machen Daten zu einer wertvollen Ressource
für zahlreiche ökonomische Anwendungsbereiche. Rohdaten
haben wenig oder keinen Wert, erst wenn Daten zu
Erkenntnissen führen, können Unternehmen sie direkt oder
indirekt in Werte transferieren.
558 P. Kugler
„Volume“ bezeichnet große, digitale Datenmengen, die oft „nebenbei“ ohne großen
Mehraufwand gewonnen werden. Digitale Technologien ermöglichen es heute erst, gro-
ßen Mengen an Daten zu speichern und zu verarbeiten. So ist es für Unternehmen bei-
spielsweise möglich, präzise Produktionsdaten, Daten zu Kundenpräferenzen oder zum
Mitarbeiterverhalten auszuwerten. Dazu reichen einfache digitale Aktivitäten aus, wie bei-
spielsweise ein Kontakt der Kunden mit der Unternehmenswebsite oder eine mit Sensoren
ausgestattete Maschine. Die so entstehenden Datenmengen übersteigen in einem mittel-
großen KMU schnell die Speichermenge eines Terabytes – pro Tag.
Die Daten können aus unterschiedlichen Kontexten („variety“) stammen, miteinander
in Beziehung gesetzt werden und so zu neuen Einsichten führen. Zu möglichen Daten-
quellen gehören unter anderem Suchmaschinen, E-Commerce und Handel, Websites, So-
ziale Netzwerke oder Daten aus Produktions- und Logistikprozessen (z. B. Mariani &
Fosso Wamba, 2020). Die Daten haben dabei oft unterschiedliche Formate, wie zum Bei-
spiel Text, Bild, Sprache, die zusammengeführt werden. Die Daten können zu jedem Zeit-
punkt in Echtzeit erhoben, transportiert und ausgewertet werden, so dass einige Aus-
wertungen zeitglich Erkenntnisse liefern können. So stehen Maschinendaten aus der
Produktion oder Daten zum Nutzungsverhalten einer Website aus dem Internet unmittel-
bar zur Verfügung. Überall, wo es um Überwachungs- und Kontrolldaten geht, wird keine
wertvolle Zeit bis zu möglichen Handlungen verloren („velocity“).
Aufgrund der sehr großen Datenmenge und der Vielfalt an sich wechselseitig er-
gänzende Datenquellen sind die Muster, die entdeckt werden und die Aussagen, die über
einen Sachverhalt getroffen werden, auch sehr genau, also verlässlich („veracity“). Big
Data können zur Beschreibung einer großen Vielfalt an Sachverhalten herangezogen
werden, über die bisher keine oder nur ungenaue Aussagen getroffen werden konnten.
Wurden bisher Kunden direkt zu ihrem Nutzungsverhalten zu Produkten befragt, dann
war nicht immer klar, ob sich die Antwort auf das tatsächliche Verhalten oder möglicher-
weise vielmehr auf ein sozial erwünschtes Verhalten bezog. Die so generierten Kunden-
daten waren bislang also nicht immer zuverlässig in ihrer Aussage. Big Data liefern
hingegen deutlich aussagekräftigere Daten, auf deren Grundlage Unternehmen bessere,
genauere und faktenbasierte Entscheide fällen können, welche vage Vermutungen oder
intuitive Entscheide ersetzen. Das heißt jedoch auch, dass sich Entscheider auf Daten
verlassen müssen, auch wenn die Datenlage nicht der subjektiven Intuition des Ent-
scheiders entspricht. Entscheide werden dann möglicherweise auf eine andere Art als
bisher getroffen.
Insofern ist es prinzipiell möglich, die Daten auch in unternehmerische Werte zu trans-
ferieren („value“). Dies beinhaltet einerseits die Möglichkeit, effizienter und kosten-
günstiger zu werden, indem zum Beispiel nicht rentable Prozesse verbessert werden.
Andererseits eröffnen sich durch neue Einsichten aus den Daten auch neue Möglichkeiten
für Innovationen. Bessere Informationen zu Kundenwünschen ermöglichen innovative
Produkte, Services, Prozesse oder auch neue Geschäftsmodelle. Vor diesem Hintergrund
können wir davon ausgehen, dass künftig nicht die technische Machbarkeit, sondern vielmehr
die menschliche Vorstellungskraft die Grenzen dessen definiert, was mit Daten überhaupt ge-
21 Aus Big Data wird Big Value: Warum es eine Daten-dominante Logik braucht 559
macht werden kann. Welchen Wert die vorhandenen Daten für ein Unternehmen besitzen
hängt dabei unter anderem davon ab, wie gut es dem Unternehmen gelingt, diese zu be-
arbeiten und in den Unternehmenskontext einzufügen.
21.3.2 Daten sind noch kein Wissen und noch kein Wettbewerbsvorteil
Daten genügen den Kriterien für einen Wettbewerbsvorteil, sie sind wertvoll, selten, nicht
imitierbar und nicht substituierbar. Rohdaten hingegen genügen diesen Kriterien meist
nicht (Bumblauskas et al., 2017; Gupta & George, 2016; Kriterien nach Barney, 1991).
Unternehmen stehen dann vor der grundsätzlichen Entscheidung, wie mit den Rohdaten
verfahren werden soll. Einerseits besteht die Möglichkeit, die oft sehr große Mengen un-
strukturierter Rohdaten zu sammeln und zu einem späteren Zeitpunkt zu entscheiden, wel-
che Analysen vorgenommen und welche Erkenntnisse daraus gezogen werden sollen.
Diese induktive Methode lässt den größtmöglichen Spielraum im Umgang mit den Daten.
Denn häufig ist zum Zeitpunkt der Datengewinnung noch gar nicht klar, welche Möglich-
keiten sich potenziell aus den Daten ergeben können. Das Ziel der Datenanalyse kann also
noch nicht vollständig definiert werden. Ein solches Vorgehen erfordert jedoch sehr viel
Speicherplatz für die Daten und ist daher auch kostenintensiv. Es braucht zudem gute ana-
lytische Fähigkeiten, um aus den unstrukturierten Daten für das Unternehmen Muster und
Strukturen herauszufiltern, die zu einem Mehrwert führen können.
Für viele, vor allem Klein- und mittelständische Unternehmen (KMU), ist es daher
andererseits realistischer, zunächst klare Ziele und Zusammenhänge festzulegen, und
dann zielgerichtet bestimmte Daten zu sammeln und zu analysieren. Diese deduktive Me-
thode ist einfacher in der Realisation, es besteht jedoch die Gefahr, dass Fragestellungen,
die sich zu einem späteren Zeitpunkt als relevant oder einzigartig herausstellen, mit den
vorhandenen Daten nicht abgedeckt werden können. Die Vorgehensweise hat daher ein
geringeres innovatives Potenzial. Wie so oft im Rahmen strategischer Entscheide liegen
also das Potenzial, Vorteile im Wettbewerb zu generieren und die Hürden, die zunächst
überwunden werden müssen, um das Potenzial tatsächlich nutzen zu können, nahe bei-
einander. Es gibt keine Abkürzung zu nachhaltigen Vorteilen im Wettbewerb.
Es wird deutlich, dass der Wert von Daten zu einem großen Teil davon abhängt, wie gut es
Unternehmen gelingt, den Daten-Rohdiamant sinnvoll zu bearbeiten, zu analysieren und in
unternehmerische Werte zu transferieren. Dies geschieht nicht automatisch, sondern er-
fordert die dazu notwendigen Praktiken und Fähigkeiten des Unternehmens zum Umgang
mit den Daten. Unter diesen „Big Data Analytics Capabilities“ (BDAC) wird dabei „a ho-
listic approach to managing, processing and analyzing the 5 V data-related dimensions (i.e.
volume, variety, velocity, veracity and value) to create actionable ideas for delivering sus-
tained value, meaning performance and establishing competitive advantages“ verstanden
(Fosso Wamba et al., 2020, S. 2). Zur Unterscheidung und Definition der Begriffe Big Data,
Big Data Analytics und Big Data Analytics Capabilities siehe auch Tab. 21.2.
21 Aus Big Data wird Big Value: Warum es eine Daten-dominante Logik braucht 561
Tab. 21.2 Big Data, Big Data Analytics und Big Data Analytics Fähigkeiten
BD Big Data Eine große Menge an komplexen und in Echtzeit Gupta &
strömende Daten, die anspruchsvolle Verwaltungs-, George, 2016,
Analyse- und Verarbeitungstechniken erfordern, um S. 2 (Original
Erkenntnisse zu gewinnen. auf Englisch).
BDA Big Data Ein ganzheitlicher Ansatz für die Verwaltung, Fosso Wamba
Analytics Verarbeitung und Analyse der 5 V-Daten-Dimensionen et al., 2020, S. 2
(d. h. Volumen, Vielfalt, Geschwindigkeit, (Original auf
Wahrhaftigkeit und Wert), um umsetzbare Ideen zu Englisch).
entwickeln und um nachhaltigen Wert und
Wettbewerbsvorteile aufzubauen.
BDAC Big Data Die Fähigkeit, mithilfe von Datenmanagement, Fosso Wamba
Analytics Infrastruktur (Technologie) und Talent (Personal) et al., 2017,
Capability ökonomisch relevante Erkenntnisse zu gewinnen, um S. 358 (Original
das Unternehmen im Wettbewerb zu stärken. auf Englisch).
Insofern verwundert es nicht, dass es Unternehmen oft schwerfällt, die ihnen vor-
liegenden Daten tatsächlich in unternehmerische Werte, in Wettbewerbsvorteile oder in
finanziellen Erfolg zu transferieren (Hagiu & Wright, 2020; Chin et al., 2017; Henke et al.
2017). Häufig ist daher auch der tatsächliche Wert der Daten unklar für das Unternehmen.
Das mögliche Potenzial der Daten wird dann nicht ausgeschöpft oder die vorliegende
Technologie wurde möglicherweise überschätzt (Hagiu & Wright, 2020). Unternehmen
müssen also auch innerhalb der Organisation Voraussetzungen schaffen, welche es ermög-
lichen, das Potenzial von Big Data und den damit verbundenen Praktiken tatsächlich nut-
zen zu können. Technologische Innovationen erfordern dann auch Innovationen im Ma-
nagement oder im Selbstverständnis einer Organisation.
Technisches Wissen und Management Wissen müssen somit miteinander verknüpft wer-
den, um die Ergebnisse der Datenanalyse überhaupt erst in Opportunitäten und letztlich in
unternehmerischen Wert zu transferieren. Technisches Wissen findet sich sowohl auf orga-
nisationaler als auch auf individueller Ebene der Mitarbeitenden. Auf organisationaler
Ebene geht es um die Daten selbst ebenso wie um die erforderliche Infrastruktur zu ihrer
Auswertung. Auf individueller Ebene braucht es darüber hinaus Kenntnisse zur Datenana-
lyse und -Interpretation, zum Beispiel durch die Position eines Data Scientist. Management
Fähigkeiten beinhalten strategische, koordinierende und planende Kenntnisse (Akter et al.,
2016). Erst die Kombination unterschiedlicher Fähigkeiten kann den Wert, der in Big Data
verborgen liegt, für ein Unternehmen nutzbar machen. Weder Technologie noch Manage-
ment können dies isoliert leisten, so dass das Potenzial, welches in Big Data liegt, bei einer
isolierten Betrachtung innerhalb nur einer dieser Disziplinen schnell übersehen wird (Chin
et al., 2017; Henke et al., 2016). Big Data braucht also eine gesamtheitliche Betrachtungs-
weise. Interessanterweise zeigen Studien, dass es gerade die individuellen Kenntnisse, und
die Fähigkeiten der Mitarbeitenden sind, die den wichtigsten Faktor in diesem Prozess dar-
stellen. Ohne das Wissen der Mitarbeitenden können Big Data kaum in unternehmerische
Werte oder in Vorteile im Wettbewerb umgewandelt werden (Akter et al., 2016).
562 P. Kugler
Die größten Hürden zum Ausschöpfen des Potenzials von Big Data liegen also weniger
auf der technischen Seite als darin, die notwendigen organisationalen und menschlichen
Voraussetzungen zum Erkennen und zur Nutzung des Potenzials überhaupt zu schaffen.
Dies wird auch in empirischen Erhebungen bestätigt (z. B. Kugler et al., 2020). Dahinter
verbergen sich verschiedene Faktoren, die häufig auch als „weiche“ Aspekte einer Organi-
sation bezeichnet werden, wie zum Beispiel fehlendes Wissen, Kompetenzen, Führungs-
aspekte, eine unklare Einbettung von Big Data in die Strategie der Unternehmen oder auch
die Kultur und das Mindset eines Unternehmens (siehe auch Kugler, 2020).
So zeigen Studien, dass viele Unternehmen es bislang nicht geschafft haben, eine
datengetriebene Organisationskultur zu entwickeln (Brown et al., 2013; Mariani und
Fosso Wamba, 2020; New Vantage Partners LLC, 2017). Vielmehr fehlt es an einem
grundlegenden Verständnis dafür, wie das Unternehmen selbst, das Geschäftsmodell und
der Wertschöpfungsprozess verändert werden müssen, um mit Big Data und Big Data
Praktiken zu arbeiten. Wie genau eine solche Kultur aussieht, ist bislang jedoch noch nicht
hinreichend geklärt. Jedoch scheinen die Denkweise der Organisationsmitglieder und die
Ausgestaltung der Organisation in enger Beziehung zu stehen. Diesen Aspekt greift die
Idee der dominanten Management-Logik auf (Prahalad & Bettis, 1986).
Als dominante Logik werden das strategische Mindset und die Handlungen eines Ma-
nagement Teams bezeichnet (Bettis et al., 2003), also die Art und Weise wie Manager ihr
Unternehmen und dessen Umwelt gedanklich wahrnehmen, kategorisieren und daraus ab-
geleitet Handlungen ergreifen. Eine dominante Logik ist die Art und Weise wie Individuen
„conceptualize the business and make critical resource allocation decisions – be it in
technologies, product development, distribution, advertising, or in human resource ma-
nagement“ (Prahalad & Bettis, 1986, S. 490). Dahinter steckt die grundlegende Frage,
warum es intelligenten, gut ausgebildete Managern oft schwerfällt, grundlegende struktu-
relle Veränderungen ihres Kerngeschäftes überhaupt wahrzunehmen oder rechtzeitig umzu-
setzen. Dies ist häufig vor dem Hintergrund technologischer Neuerungen oder Disruptio-
nen der Fall, so wie es für die Digitalisierung insgesamt und für die Nutzung von Big Data
in Unternehmen beschrieben wurde (siehe auch Kugler, 2020). Etablierten Unternehmen
gelingt es dann oft nicht, zu erkennen, wie sich ein Markt und die Bedürfnisse der Kunden
verändern und welche Konsequenzen sich daraus für das eigene Unternehmen ergeben.
Indem die Mitglieder eines Managementteams sich regelmäßig austauschen und ähnliche
Tools nutzen, gleicht sich ihr Wissen an. In der Folge werden die involvierten Personen
eine strategische Situation auch ähnlich interpretieren. Wie eine Situation in der Ver-
21 Aus Big Data wird Big Value: Warum es eine Daten-dominante Logik braucht 563
gangenheit eingeschätzt und wie auf diese reagiert wurde, beeinflusst also künftige Wahr-
nehmungen wie ein Filter. Menschen nehmen in einer unübersichtlichen Situation vor
allem das wahr, was sie bereits aus der Vergangenheit kennen, während Unbekanntes aus-
geblendet wird. Neue, unbekannte Phänomene werden dann häufig gar nicht wahr-
genommen, nicht ernst genommen oder falsch interpretiert. Dies ist insbesondere in sol-
chen Situationen der Fall, die sehr unsicher, komplex oder voller widersprüchlicher
Informationen sind. Das Gehirn vereinfacht dann gerade solche Irritationen, die anhand
des Wissens aus der Vergangenheit nur schwer einzuschätzen sind (Bettis & Prahalad,
1995). Das Ergebnis ist dann die kollektive Fehleinschätzung einer sich verändernden
unternehmerischen Situation. Dieser Sachverhalt hindert etablierte Unternehmen oft
daran, sich auf disruptive Innovationen oder neue Technologien einzustellen.
Auch in unterschiedlichen Unternehmenstypen lassen sich verschiedene dominante
Logiken finden. Dies wird etwa deutlich am Beispiel der unterschiedlichen dominanten
Logik, die in produzierenden Unternehmen oder in Dienstleistungs-Unternehmen vor-
herrscht. Im Rahmen einer Produkte-dominanten Logik steht in einem produzierenden
Unternehmen stets der Austausch des hergestellten, physischen Produktes. In einem
Unternehmen, welches Dienstleistungen anbietet, geht es hingegen immer um einen ge-
meinsamen Co-Creation Prozess, in den Anbieter und Nutzer der Leistung involviert sind.
Eine solche Transaktion ist deutlich stärker beziehungsorientiert, nicht-physische Charak-
teristika spielen dann eine erhebliche Rolle im Prozess der Leistungserstellung. Häufig
fällt es produzierenden Unternehmen, die stärker lösungsorientierte Leistungen anbieten
möchten, schwer, die bestehende Produkte-dominante Logik in eine Service-dominante
Logik zu transferieren (Vargo & Lusch, 2004, 2006).
Die grundlegende Art des Geschäftes beeinflusst also, wie Unternehmen „funktionie-
ren“, das heißt, wie die Mitarbeitenden denken und handeln. Es wurde gezeigt, dass sich
eine auf Big Data fußende Wertschöpfung grundlegend von einer solchen unterscheidet,
die nicht auf der Analyse großer Datenmengen aufbaut. Insofern braucht es möglicher-
weise eine neue, Daten-dominante Logik, um das ganze Potenzial von Big Data für die
unternehmerische Wertschöpfung auszunutzen (Kugler, 2020). Erst wenige Erkenntnisse
liegen dazu vor, was eine solche Logik konkret charakterisiert. Eine Daten-dominante
Logik bezeichnet in diesem Zusammenhang „the guiding way in which the members of a
data-driven company think, act, and design their value creation process within and across
the boundaries of their organization“ (Kugler, 2020, S. 25).
Da eine dominante Logik ein kognitives Konzept ist, ist es schwierig bis unmöglich, dieses
direkt in Unternehmen zu beobachten. Möglich ist dies jedoch, indem aus individuellen und
organisationalen Denk- und Handlungsweisen (Jarzabkowski, 2001) auf eine vorherrschende
dominante Logik geschlossen wird. Auf individueller Ebene äußert sich diese Logik vor
allem im „Denken“, unter anderem in einem bestimmten Weltbild, in Überzeugungen
564 P. Kugler
oder auch in der Definition von Kriterien zur Bewertung eines Sachverhaltes. Individuel-
les Denken wird auf organisationaler Ebene in Handlungen umgesetzt und dadurch sicht-
bar. Dies zeigt sich unter anderem darin, in welchen Gremien oder auf welchen Platt-
formen Entscheidungen getroffen werden (wer wird als zuständig und kompetent
betrachtet?), ebenso in organisationalen Prozessen oder Verfahren. Auch auf organisatio-
naler Ebene findet gemeinsames „Denken“ statt, etwa durch die Kultur oder Identität einer
Organisation, die ein gemeinsames Selbstverständnis prägen. Eine zusammenfassende
Übersicht hierzu zeigt Tab. 21.3.
Individuelles und organisationales „Denken“ und „Handeln“ ermöglicht es in Unter-
nehmen, ein spezifisches Handlungsrepertoire aufzubauen, welches für künftige Situatio-
nen eingesetzt werden kann. Bei sich wiederholenden Situationen oder einer großen
Stabilität ist dieses Vorgehen effizient. Unter sich verändernden Bedingungen, zum
Beispiel im Zusammenhang mit neuen Technologien oder Disruptionen, passen das eta
blierte Handlungsrepertoire und die etablierte Logik jedoch nicht mehr, es braucht neue
Handlungsmöglichkeiten. Vor diesem Hintergrund gelingt es Unternehmen nicht, neue
Informationen mit den bisherigen Erkenntnissen, Handlungen, Strukturen zu verknüpfen
(Kugler, 2020). Unklar ist bisher, welches Denk- und Handlungsrepertoire Unternehmen
benötigen, in deren Wertschöpfung Big Data eine zentrale Rolle einnimmt.
21.5 Fazit
Ziel des Beitrages war es, aufbauend auf bisherigen Erkenntnissen aus der Literatur auf-
zuzeigen, dass die Digitalisierung allgemein und insbesondere Big Data zu einer grund-
legend neuen Logik auf Märkten und in Organisationen führen . Um das Potenzial von Big
Data wertschöpfend nutzen zu können, brauchen Unternehmen solche Fähigkeiten, wel-
che die besonderen Charakteristika der Daten nutzen. Der Beitrag kommt zu dem Ergeb-
nis, dass datengetriebene Unternehmen eine Daten-dominante Logik erfordern, die sich
von der Logik vieler traditioneller (analoger) Unternehmen unterscheidet. Diese beein-
flusst sowohl das Denken als auch das Handeln im unternehmerischen Kontext.
Aus wissenschaftlicher Sicht tragen die Ergebnisse des Beitrages zu mehreren Literatur-
strömen bei. Der Beitrag hilft dabei, zu verstehen, wie Daten als strategische Ressource im
Rahmen der Wertschöpfung gezielt eingesetzt werden können. Die Diskussion baut auf
Erkenntnissen aus den Literaturströmen zu Big Data in einem strategischen Kontext und
zum Ressourcen- und Fähigkeits-basierten Ansatz (RBV, CBV) auf. Auch eine Daten-
dominante Logik kann als organisationale Fähigkeit gelten. Aus praxisorientierter Sicht
trägt der Beitrag dazu bei, Unternehmen bei der Umsetzung der digitalen Transformation
zu unterstützen, insbesondere bei der Arbeit mit Daten und Data Science Praktiken. Der
Beitrag hilft dabei zu verstehen, auf welche Hürden die Arbeit mit Daten im Unternehmen
stößt und wo Unternehmen ansetzen müssen, um dies zu tun. Im Zentrum steht dabei die
dominante Logik, nach welcher das Unternehmen funktioniert und gestaltet wird.
Der Beitrag ist als Anstoß zu verstehen, genauer zu untersuchen, was eine Daten-
dominate Logik konkret charakterisiert und wie diese von Unternehmen gestaltet werden
kann. Diese Fragen konnten im Rahmen der Diskussion nicht beantwortet werden. Der
Beitrag ist jedoch ein wichtiger Schritt, um überhaupt zu verstehen, dass Big Data die
richtigen organisationalen Rahmenbedingungen brauchen, um deren Potenzial Big Value
zu generieren, überhaupt ausgeschöpft werden kann. Der Beitrag zeigt implizit zudem auf,
dass technologische Veränderungen nicht ohne Veränderungen im Management einher-
gehen. Insofern liegt eine interessante offene Frage darin, ob technologische Disruptionen
notwendigerweise auch von Disruptionen im Management begleitet werden müssen und
ob eine dominante Logik ein Bindeglied zwischen diesen Veränderungen darstellt.
21.6 Danksagung
Der Beitrag wurde im Rahmen des Projektes „ABH 097 Data Sharing Framework“ aus
Mitteln des Interreg-Programms „Alpenrhein-Bodensee-Hochrhein gefördert. Die Mittel
des Interreg-Programms werden vom Europäischen Fonds für regionale Entwicklung
(EFRE) und vom Schweizer Bund zur Verfügung gestellt.
566 P. Kugler
Literatur
Akter, S., Fosso Wamba, S., Gunasekaran, A., Dubey, R., & Childe, S. J. (2016). How to improve firm
performance using big data analytics capability and business strategy alignment. International
Journal Production Economics., 182, 113–131. https://doi.org/10.1016/j.ijpe.2016.08.018
Barney, J. (1991). Firm resources and sustained competitive advantage. Journal of Management,
17(1), 99–120.
Bettis, R. A., & Prahalad, C. K. (1995). The dominant logic: Retrospective and extension. Strategic
Management Journal, 16(1), 5–14. https://doi.org/10.1002/smj.4250160104
Bettis, R. A., Wong, S. S., & Blettner, D. (2003). Dominant logic, knowledge creation, and manage-
rial choice. In J. Baum & S. Dobbings (Hrsg.), Economics meets sociology in strategic manage-
ment (S. 369–381). JAI Press.
Brown, B., Court, D., & Willmott, P. (2013). Mobilizing your c-suite for big-data analytics. McKin-
sey Quarterly, November.
Brynjolfsson, E., & McAffee, A. (2014). The second machine age. Work, progress, and prosperity in
a time of brilliant technologies. Norton and Company.
Bumblauskas, D., Nold, H., Bumblauskas, P., & Igou, A. (2017). Big data analytics: Transforming
data into action. Business Process Management Journal, 23(3), 703–720.
Chesbrough, H. W. (2006). Open innovation – The new imperative for creating and profiting from
technology. Harvard Business School Press.
Chin, J. K., Hagstroem, M., Libarikian, A., & Rifai, K. (2017). Advanced analytics: Nine insights
from the c-suite. McKinsey Analytics, July.
Christensen, C. M. (1997). The innovator’s dilemma: When new technologies cause great firms to
fail. Harvard Business School Press.
Constantiou, I. D., & Kallinikos, J. (2015). New games, new rules: Big data and the changing con-
text of strategy. Journal of Information Technology, 30, 44–57.
Côté, L., Langley, A., & Pasquero, J. (1999). Acquisition strategy and dominant logic in an enginee-
ring firm. Journal of Management Studies, 36(7), 919–952.
Davenport, T., & Prusack, L. (1998). Working knowledge: How organizations manage what they
know. Harvard Business School Press.
Fosso Wamba, S., Dubey, R., Gunasekaran, A., & Akter, S. (2020). The performance effects of big
data analytics and supply chain ambidexterity: The moderating effect of environmental dyna-
mism. International Journal of Production Economics, 222, 107498. https://doi.org/10.1016/
j.9jpe.2019.09.019
Fosso Wamba, S. F., Akter, S., Edwards, A., Chopin, G., & Guanzou, D. (2015). How ‘big data’ can
make big impact: Findings from a systematic review and a longitudinal case study. International
Journal of Production Economics, 165, 234–246. https://doi.org/10.1016/j.ijpe.2014.12.031
Fosso Wamba, S. F., Gunasekaran, A., Akter, S., Ren, S. J., Dubey, R., & Childe, S. J. (2017). Big
data analytics and firm performance: Effects of dynamic capabilities. Journal of Business Re-
search, 70, 356–365. https://doi.org/10.1016/j.jbusres.2016.08.009
Grant, R. M. (1988). On ‘dominant logic’, relatedness and the link between diversity and per-
formance. Strategic Management Journal, 9(6), 639–642. https://doi.org/10.1002/smj.4250090610
Gupta, M., & George, J. F. (2016). Toward the development of a big data analytics capability. Infor-
mation and Management, 53(8), 1049–1064. https://doi.org/10.1016/j.im.2016.07.004
Hagiu, A., & Wright, J. (January–February 2020). When data creates competitive advantage. Har-
vard Business Review, S. 94–101.
Hamel, G., & Breen, B. (2007). The future of management. Harvard Business School Publishing.
21 Aus Big Data wird Big Value: Warum es eine Daten-dominante Logik braucht 567
Hamel, G., & Zanini, M. (2020). Humanocracy: Creating organizations as amazing as the people
inside them. Harvard Business Review Press.
Henke, N., Bughin, J., Chui, M., Manyika, J., Saleh, T., Wiseman, B., & Sethupathy, T. G. (2016).
The age of analytics: Competing in a data-driven world (McKinsey research report). McKinsey
Global Institute in Collaboration with McKinsey Analytics.
Iansiti, M., & Lakhani, K. R. (2020). Competing in the age of AI: Strategy and leadership when al-
gorithms and networks run the world. Harvard Business Review Press.
Jarzabkowski, P. (2001). Dominant logic: An aid to strategic action or a predisposition to inertia?
Working paper of the Aston Business School Research Institute, RPO 110.
Kugler, P. (2019). When less is more: Coordinating innovation in open versus closed source software
development. International Journal of Entrepreneurship and Small Business, 37(1), 87–108.
https://doi.org/10.1504/IJESB.2019.10021494
Kugler, P. (2020). Approaching a data-dominant logic. Technology Innovation Management Review,
10(10), 16–28. https://doi.org/10.22215/timreview/1393
Kugler, P., Arnold, R., & Meichsner, C. (2019). Wenn „offen“ auch „innovativ“ ist: Arbeiten in
einem Software Startup und in einem Open Source Projekt. In S. Wörwag & A. Cloots (Hrsg.),
Zukunft der Arbeit – Perspektive Mensch (2. Aufl., S. 75–85). Springer.
Kugler, P., Meierhofer, J., & Etschmann, R. (2020). Daten und Data Science in KMU und in Gross
unternehmen: Wo stehen wir? In ZHAW Zürcher Hochschule für Angewandte Wissenschaften,
School of Engineering (Hrsg.), Data Science für KMU leicht gemacht: Aktuelle Erkenntnisse und
Lösungen (S. 14–33). Herausgeber.
Laloux, F. (2015). Reinventing Organizations: Ein Leitfaden zur Gestaltung sinnstiftender Formen
der Zusammenarbeit. Vahlen.
Lampel, J., & Shamsie, J. (2000). Probing the unobtrusive link: Dominant logic and the design of
joint ventures at General Electric. Strategic Management Journal, 21(5), 593–602. https://doi.
org/10.1002/(SICI)1097-0266(200005)21:5<593::AID-SMJ100>3.0.CO;2-0
Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C., & Byers, A. H. (2011). Big
data: The next frontier for innovation, competition and productivity (McKinsey research report).
McKinsey Global Institute.
Mariani, M. M., & Fosso Wamba, S. (2020). Exploring how consumer companies innovate in the
digital age: The role of big data analytics companies. Journal of Business Research, 121,
338–352. https://doi.org/10.1016/j.jbusres.2020.09.012
McAffee, A., & Brynjolfsson, E. (2018). Machine, platform, crowd. Harnessing our digital future.
Norton & Company.
Mikalef, P., Krogstie, J., Pappas, I. O., & Pavlou, P. (2020). Exploring the relationship between big
data analytics capability and competitive performance: The mediating roles of dynamic and ope-
rational capabilities. Information & Management, 57(2), Article 103169.
New Vantage Partners LLC. (2017). Big data business impact: Achieving business results through
innovation and disruption (Research report). Author.
Obloj, T., Obloj, K., & Pratt, M. G. (2010). Dominant logic and entrepreneurial firms’ performance
in a transition economy. Entrepreneurship Theory and Practice, 34(1), 151–170. https://doi.
org/10.1111/j.1540-6520.2009.00367.x
Pan, G. (2017). A dominant logic view of managing innovation. Journal of Information Technology
Management, 28(4), 1–17.
Parker, G. G., Van Alstyne, M. W., & Choudary, S. P. (2017). Platform revolution: How networked
markets are transforming and how to make them work for you. Norton & Company.
Prahalad, C. K. (2004). The blinders of dominant logic. Long Range Planning, 37(2), 171–179.
https://doi.org/10.1016/j.lrp.2004.01.010
568 P. Kugler
Prahalad, C. K., & Bettis, R. (1986). The dominant logic: A new linkage between diversity and per-
formance. Strategic Management Journal, 7, 485–501. https://doi.org/10.1002/smj.4250070602
Remane, G., Hanelt, A., Nickerson, R. C., & Kolbe, L. M. (2017). Discovering digital business mo-
dels in traditional industries. Journal of Business Strategy, 38(2), 41–51. https://doi.org/10.1108/
JBS-10-2016-0127
Statista. (2021). The 100 largest companies in the world by market capitalization in 2020 (in bil
lion U.S. dollars). https://www.statista.com/statistics/263264/top-companies-in-the-world-by-
market-capitalization/. Zugegriffen am 08.05.2021.
Tabesh, P., Mousavidin, E., & Hasani, S. (2019). Implementing big data strategies: A managerial
perspective. Business Horizons, 62(3), 347–358. https://doi.org/10.1016/j.bushor.2019.02.001
Vargo, S. L., & Lusch, R. F. (2004). Evolving to a new dominant logic for marketing. Journal of
Marketing, 68(1), 1–17. https://doi.org/10.1509/jmkg.68.1.1.24036
Vargo, S. L., & Lusch, R. F. (2006). Service-dominant logic: What it is, what it is not, what it might
be. The service dominant logic of marketing: Dialog debate and directions. Journal of the Aca-
demy of Marketing Science, 6(3), 281–288.
Kugler, P.,& Plank, T. (2021). Coping with the double-edged sword of data sharing in ecosystems.
Technology Innovation Management Review, 11(11-12): 5-16. http://doi.org/10.22215/timre-
view/1470
Francesco Fusaro
Zusammenfassung
In diesem Kapitel wird der praktische Aspekt der Digitalisierung von Geschäfts-
prozessen beleuchtet. Speziell werden die Besonderheiten bei der Digitalisierung der
Auftragsmanagementprozesse behandelt.
Nach einem Rückblick auf die jüngsten Entwicklungen der Digitalisierung in
Deutschland werden zunächst die Erfolgsfaktoren der Digitalisierung, aber auch die
häufigsten Gründe für das Scheitern von solchen Vorhaben betrachtet.
Danach bietet der Autor den Lesenden eine grobe Skizze für den Ablauf eines
Digitalisierungsprojekts an, indem er die drei Phasen eines Digitalisierungsprojekts,
von der Initiierung bis zum Go-Live der neuen Software-Lösung, beschreibt.
Als Bonus liefert der Autor, der als Digitalisierungsexperte den Deutschen Mittel-
stand in der Digitalisierung begleitet, ein Praxisbeispiel, in dem sich viele Unternehmen
wiederfinden können.
F. Fusaro (*)
FUSARO Unternehmensentwicklung,
Leinfelden-Echterdingen, Deutschland
E-Mail: [email protected]
Schlüsselwörter
Wir schreiben das Jahr 2021. Viele deutsche Unternehmen sind die ersten Schritte in der
Digitalisierung ihrer Geschäftsprozesse gegangen. Manche haben bereits ein erstes großes
Digitalisierungsprojekt hinter sich gebracht, das zeigen Umfrageergebnisse des DIHK
(https://www.dihk.de/resource/blob/35410/e090fdfd44f3ced7d374ac3e17ae2599/ihk-
digitalisierungsumfrage-2021-data.pdf, 2021). Ich persönlich schätze, dass die meisten
Mittelstandsunternehmen bis 1500 Mitarbeiter jedoch noch keine oder nur kleine Erfolge
in der Digitalisierung ihrer wertschöpfenden Geschäftsprozesse erreicht haben.
Die Wichtigkeit des Themas sowie der gesamten Digitalen Transformation ist in den
Führungsetagen des Mittelstands angekommen. Nur sind die Gehversuche oft Versuche
geblieben. Für manche Wenige ist aus dem Traum vom digitalen Unternehmen zwischen-
zeitlich ein Albtraum geworden.
Doch woran liegt es, dass das eine Unternehmen die Digitalisierung oder die Digitale
Transformation besser hinbekommt als das andere?
Ich möchte in diesem Kapitel versuchen, diese Frage zu beantworten. Und ich möchte
Ihnen aufzeigen, wie Sie mit deutlich reduzierten Reibungsverlusten zum Ziel gelangen.
Dazu möchte ich darauf hinweisen, dass die Ausführungen in diesem Kapitel auf mei-
nen Erfahrungen in der Digitalisierung von Auftragsmanagement- und Field Service-
Prozessen bauen. Meine Kunden beschäftigen zwischen 500 und 1500 Mitarbeiter*innen.
Sie sind in den vergangenen Jahren stark gewachsen und sie sind vorwiegend Teil der so-
genannten Kritischen Infrastruktur (KRITIS), zu der beispielsweise Bauunternehmen,
Energieversorger, Netzbetreiber und -Errichter, Telekommunikationsunternehmen und
mehr zählen. Eben alle Unternehmen, die dafür sorgen, dass Menschen unter anderem mit
Strom, Gas, Wasser, Fernsehen, Radio und dem Internet versorgt werden.
Diese Unternehmen halten eine große Anzahl an sogenannten Field Service-Arbeitskräften
vor. Das sind Kolonnenführer, Monteure, Service Techniker, Entstörungsspezialisten und
mehr. Damit die Aufträge in kurzer Zeit fehlerfrei und in bester Qualität abgearbeitet werden
können, sind die richtigen Werkzeuge notwendig. Und genau dabei unterstütze ich meine Kun-
den. Ich sorge dafür, dass die Profis auch Profiwerkzeuge zur Verfügung haben. Oder haben Sie
schon einen Landschaftsgärtner mit einem Discounter-Werkzeug bei der Arbeit gesehen? Eben.
Ich stelle ab Abschn. 22.4 eine Blaupause vor, die Sie in jeder Phase Ihres
Digitalisierungsprojekts konsultieren können. Für die Ausgestaltung sind jedoch Sie allein
verantwortlich. Kein Prozess der Welt kann Ihnen ohne Anpassungen als Anleitung die-
22 Stellen Sie sich vor, die Digitalisierung funktioniert! 571
nen. Execution is King! Für alle Punkte, die Sie in dieser Abhandlung lesen werden, gilt
das Pareto-Prinzip (Laukat, 1999). Aber nicht, wie Sie jetzt vielleicht denken. „Gehen Sie
mit einer 80 %-Lösung ins Rennen, die restlichen 20 % erarbeiten Sie im Praxiseinsatz“.
Nein, ich schlage Ihnen sogar vor, dass Sie mit einer 20 %-Lösung schon loslegen können.
Nicht in allen Fällen, aber, Sie ahnen es bereits, in 80 % der Fälle ist das möglich.
Vergeuden Sie also nicht mehr Zeit für die Planung und Konzeption wie nötig. Wie
einst Franz Beckenbauer schon sagte: „Geht’s raus und spielt’s Fußball!“.
In diesem Sinne wünsche ich Ihnen eine spannende und inspirierende Lektüre und viel
Erfolg bei Ihren Digitalisierungsvorhaben.
Ich stehe Ihnen gerne für Ihre Fragen zur Verfügung. Schreiben Sie diese direkt an
mich. E-Mails finden ihren Weg in mein Postfach unter [email protected].
Im Gegensatz zu den meistern Politiker*innen vergisst das Internet nichts und im Juni
2021 erfährt dieses Zitat des Bundeswirtschaftsministers eine Renaissance, die er sich so
sicher nicht vorgestellt hat. Er war im gleichen Atemzug sogar bereit, zwölf Flaschen
guten Grauburgunder darauf zu verwetten, dass diese vollumfängliche Digitalisierung der
Verwaltung auch wirklich klappe.
Die erste Frage ist nun natürlich: Wer bekommt den Wein? Denn wenn in der Endphase
der Corona-Pandemie eine Sache klar ist, dann dass es Deutschland nicht gelungen ist,
seine gesamte Verwaltung zu digitalisieren. Aber vielleicht war es auch zu ambitioniert,
mit der Verwaltung gleich eine nahezu monströs gewachsene Institution anzugehen, die in
unserem Land nahezu heilig ist.
Zur Illustration eine Anekdote aus dem Gesundheitsamt Aachen: Hier schickten die
Labore im Frühjahr 2020 jeden Tag die Testergebnisse der positiven Fälle an das Gesund-
heitsamt. Per Fax. Diese Faxe wurden dann manuell in den Computer übertragen. Pro Fall
dauerte das knapp 20 Minuten. Anschließend wurden zunächst die Betroffenen angerufen
und schließlich wurden diese Daten wieder ausgedruckt und zur zentralen Datensammlung
an das RKI gefaxt.
Keine Vernetzung unter den Gesundheitsämtern sowie mit Laboren oder dem RKI. Kein
Geld, Angst vor Komplexität und Desinteresse an den entscheidenden Positionen – was im
Gesundheitssektor zu beobachten war, unterscheidet sich nur wenig von der Situation in
anderen Bereichen der Gesellschaft, die vor der digitalen Transformation stehen.
DEMIS ist das „Deutsche Elektronische Melde- und Informationssystem für den
Infektionsschutz“. Es soll alle Meldungen an das Gesundheitsamt digitalisieren. Dafür jedoch
müssten auch Arztpraxen, Pflegeheime oder Krankenhäuser daran angeschlossen werden.
Und obwohl das Projekt bereits seit 2014 läuft, funktioniert bislang nur die Schnittstelle zu
den Laboren einwandfrei. Betrachtet man Zeit, Investition und Ergebnis, sind dies zwar noch
keine BER-Verhältnisse. Aber ein Land, dessen Wirtschaftsminister sich wünscht, dass seine
Digitalwirtschaft so stark werden solle, wie sein Maschinenbau, sollte es besser können.
Was uns zum Punkt führt, dass sich die Grundprobleme der Digitalisierung in den
Gesundheitsämtern problemlos auf die digitale Transformation im gesamten Land über-
tragen lassen:
• IT-Strukturen sind (sofern vorhanden) über Jahrzehnte gewachsen und lassen sich nur
schwerlich umbauen, bzw. mit anderen Systemen verknüpfen. Territorialkämpfe, Ent-
scheidungsschwäche und unklare Verantwortlichkeiten erschweren die Situation zu-
sätzlich.
• Prozesse, die sich seit Jahren kaum verändert haben, treffen auf eine Vielzahl ver-
schiedener Software-Lösungen: Fachanbieter sind mit ihren Produkten ebenso ver-
treten, wie lokale Softwareschmieden oder Eigenentwicklungen. Keine Spur einer
übergeordneten, gemeinsamen Strategie bzw. miteinander kompatibler Lösungen.
• Ziel und Weg werden verwechselt. 2020 sollte mit SORMAS (Surveillance, Outbreak
Response Management and Analysis System) eine vom Helmholtz-Zentrum für
Infektionsforschung (HZI) und dem Deutschen Zentrum für Infektionsforschung
(DZIF) entwickelte Software zum Management für Maßnahmen zur Epidemiebe
kämpfung in den Gesundheitsämtern implementiert werden. Viele weigerten sich zu-
nächst, stimmten dann nach Druck durch die Politik zu, verwendetet sie dann aber
nicht. Der Grund: Die Software war überdimensioniert, zu weit weg von der Praxis und
ließ sich nur schwer individualisieren. Fazit der Anwender*innen an der Front: Soft-
ware, die sowohl staatlich verordnet als auch programmiert wird, schaffe mehr Pro
22 Stellen Sie sich vor, die Digitalisierung funktioniert! 573
bleme als sie löse. Denn eigentlich wünschten sich die Gesundheitsämter nur einheit-
liche Schnittstellen und Standards, um ihr Ziel zu erreichen: Datenaustausch untereinander.
Der Weg dorthin ist nicht automatisch eine Multi-Millionen-Euro-Software, die
zwangsimplementiert wird. Schließlich braucht auch nicht jeder Rechner in Deutsch-
land Outlook, nur um E-Mails zu schreiben.
1. Bei der Konzeption einer Software wird jeder noch so marginale Anwendungsfall be-
rücksichtigt. Dies bläht Code und User Interface immer weiter auf und führt dazu, dass
die Software später nur unter großen Mühen zu implementieren und zu warten ist.
Auch die Bedienung kostet die Anwender*innen viele Nerven und ist nur selten mit
Freude verbunden.
2. Die Software wird nur für eine idealisierte Version der Anwendung entwickelt und lässt
sich später nur mit erheblichem Kostenaufwand anpassen.
Beide Fälle werden dadurch noch weiter verkompliziert, dass die ewigen Fragen nach
Budget und Verantwortung mehr Konfliktpotenzial in sich tragen, als dies einem effizien-
ten Projektmanagement zuträglich wäre. Denn leider sind Software-Entscheidungen
immer auch Gremien-Entscheidungen. Und Gremien haben es nun mal so an sich, dass sie
nicht immer durchgängig ausschließlich mit Experten zum gerade debattierten Thema be-
setzt sind. Die Folge sind Lösungen, die versuchen, es allen recht zu machen. Bei dieser
Politik des kleinsten gemeinsamen Nenners bleiben sowohl ein intuitiv bedienbares User
Interface als auch ein tatsächlicher Praxisbezug auf der Strecke.
Apropos Praxisbezug. Hier hapert es in Deutschland immer noch am meisten. Denn je
größer ein Digitalisierungsprojekt, desto ausgeprägter ist auch der Wunsch der Verantwort-
lichen, es wirklich allen Beteiligten recht zu machen, die später einmal mit der Lösung
arbeiten sollen. Und das sind nicht nur die Key User, die das Tool zu 80 % nutzen und
deren Meinung für ihre Kolleginnen und Kollegen zählt. Und wenn diese Multiplikatoren
dann mit Pauken und Trompeten ihre neue Megasoftware vorgestellt bekommen und
sehen, dass die für sie wichtigste Funktion in der dritten Navigationsebene versteckt ist,
kehrt Ernüchterung ein. Und diese wandelt sich auch dann nicht in Begeisterung, wenn
klar wird, dass Schnittstellen zu anderen genutzten Programmen erst noch entwickelt wer-
den müssen. All das führt dazu, dass die Software zwar installiert ist aber im Tagesgeschäft
meist wenig Verwendung findet.
574 F. Fusaro
Ein Grund für diese Schwierigkeiten ist eine typisch deutsche Prozesstreue. Diese wird
vielleicht am besten versinnbildlicht durch das fast schon sprichwörtliche „Das haben wir
schon immer so gemacht“. Unsere Erfahrung zeigt: Je kleiner das KMU, desto fester ver-
ankert und desto älter sind hier die Prozesse. Eng damit verwandt ist die immer wieder zu
beobachtende Liebe zum Detail. Wenn hierzulande ein Konzept oder Prozess entwickelt
wird, kann man davon ausgehen, dass die Verantwortlichen versuchen werden, jeden noch
so peripheren Aspekt komplett zu berücksichtigen. Die deutsche Impfkampagne während
der Corona-Pandemie ist hierfür ein gutes Beispiel. Und diese Liebe zum Detail kommt
beim Maschinenbau auch gut an – bei der Digitalisierung jedoch ist sie eher kontra-
produktiv. Denn in den Jahren der Konzeptionierung hat sich die untersuchte Technik
schon dreimal weiterentwickelt und am Ende ist das Konzept schon veraltet, bevor auch
nur eine Zeile Code geschrieben wurde.
22 Stellen Sie sich vor, die Digitalisierung funktioniert! 575
Und genau hier beginnt oft das Umdenken – denn wenn ein sicher geglaubter Auftrag
auf einmal an einen Wettbewerber (womöglich noch branchenfremd!) geht, wird oft die
Frage gestellt: Was machen die besser als wir? Und nicht selten landet man auf der Suche
nach Antworten bei der Digitalisierung. Oder vielmehr: Beim Ausbleiben ebendieser. Die
gute Nachricht: Ist das Bewusstsein für die Problematik der Digitalisierung erst einmal
vorhanden, ist die Umsetzung zwar keine reine Formalie mehr (das sehen wir in den nach-
folgenden Abschnitten), aber der Dringlichkeit sind sich alle Beteiligten bewusst. Diese
Erfahrung haben zumindest wir in unserer täglichen Arbeit gemacht.
Aber: Hinsichtlich der Abdeckung der Netze mit sehr hoher Kapazität (Very High Ca-
pacity Networks – VHCN) liegt Deutschland nur auf Rang 21 und damit unter dem
EU-Durchschnitt. Ebenso erreicht es bei der Digitalisierung der öffentlichen Dienste nur
für den 21. Platz. Und auch die Integration digitaler Technik in industrielle Abläufe geht
nur zäh voran. Eine LinkedIn-Seite reicht eben nicht aus, um sich als Unternehmen mit
dem Etikett „Digitalchampion“ zu schmücken.
legend zu verändern, ist es umso wichtiger, die Lücke zu schließen, zwischen dem Wunsch
nach Bequemlichkeit und Zeitersparnis auf der einen und den Ängsten auf der anderen
Seite. Damit die Menschen die Digitalisierung als tatsächliche Chance begreifen, brau-
chen sie Sicherheit und Transparenz. Sie müssen sich sicher sein können, dass die Digita-
lisierung nach klaren Regeln abläuft und dass die Politik dafür sorgt, dass alle beteiligten
Parteien diese Regeln auch einhalten. Wenn dies gegeben ist und sich Deutschland zudem
endlich vom leidigen „Weiter so“ verabschiedet, kann aus dem Land der Dichter und Den-
ker vielleicht ja tatsächlich noch das Land der Developer und Data Scientists werden.
• Die Digitalisierung beschränkt sich auf die Abbildung der Auftragsmanagement-, Dis-
positions- und Field Service-Prozesse
• Die Projekte finden in Unternehmen mit einer Mitarbeiteranzahl zwischen 500 und
1500 statt
• Die Anzahl der Lizenzen beträgt zwischen 150 und 850 Stück
• Die Investitionssumme beläuft sich auf Werte zwischen 500.000 € und 3.600.000 €
• Die Projektdauer liegt im Durchschnitt bei ~16 Monaten
3. Die Eigenschaft, dass ein tiefgreifender Wandel in der Organisation des Unternehmens
einhergeht.
4. Die Anforderungen an verschiedenste Fachbereiche, die meistens so noch nicht in
einem Projekt zusammengearbeitet haben.
5. Als Ergebnis meistens den Einsatz neuer Technologien, was branchenabhängig variie-
ren kann.
6. Eine Renaissancekraft für ein Unternehmen, da es fortan die Chance hat, auf weitaus
mehr Daten Zugriff zu haben, als es bisher der Fall war.
7. Besondere Anforderungen an das Management bzw. den oder die Auftraggeber, was
die Führung eines solchen Projekts und vor allem der Menschen, die im Projektteam
arbeiten, angeht.
Die Liste lässt sich fast beliebig fortführen und ist natürlich keinesfalls als exklusiv für
Digitalisierungsprojekte zu verstehen. Jedoch haben sich in meiner Praxis diese Ver-
änderungen stets gezeigt. Der Austausch mit Kolleginnen und Kollegen aus meinem Tätig-
keitsgebiet lässt ebenfalls den Schluss gut und gerne zu.
Schaut man auf die Ergebnisse verschiedener Studien, Umfragen und sonstigen Er-
hebungen, die sich auf die Erfolgswahrscheinlichkeiten eines Digitalisierungsprojekts fo-
kussieren, bekommt man in der Regel folgendes zu lesen:
„Europas Impfpass-Server stehen bereit, doch das Gesetz dazu lässt noch auf sich warten. In
Deutschland wurde dabei vor allem zu wenig an die Hausärzte gedacht.“ (Herwartz & Klöck-
ner, 2021) Handelsblatt 15.05.2021
Um es noch deutlicher zu machen, nehmen wir uns eine der Wirtschaftsmeldungen zum
Thema Digitalisierung willkürlich heraus. Bei oben abgedrucktem Zitat handelt es sich
um den Einleitungstext eines Artikels, der am 15.05.2021 im Handelsblatt erschien. Der
Artikel handelt von den europäischen Bestrebungen, einen einheitlichen digitalen Impf-
pass ins Leben zu rufen, der die Papier-Impfpässe ersetzen soll.
Der Zeitplan sehe laut Gesundheitsminister Jens Spahn vor, dass der digitale Impfpass
in Form der CovPass-App Ende Juni in Deutschland ausgerollt werden solle (Herwartz &
578 F. Fusaro
Klöckner, 2021). Sie als Leser werden zum Zeitpunkt der Lektüre wissen, ob Herr Spahn
Recht behalten sollte oder nicht. Ich kann den Autoren des Artikels nur beipflichten und
meine berechtigten Zweifel ob der Einhaltung des Zeitplans kundtun. In diesem Projekt
wurden die Projektphasen komplett vertauscht. Die IT-Infrastruktur steht hier schon vor
dem Konzept. Dieses kann nicht vollständig sein, wenn noch nicht einmal die Anwender,
in diesem Fall die Hausärzte, wissen, wie die App zu verwenden sei. Der Prozess steht
nicht, von einer Kommunikationsstrategie ganz zu schweigen. Am Ende zahlt dafür der
Verbraucher mit seinem Steueraufkommen und dem endlosen Ärger, der durch die Un-
wissenheit aller handelnden Beteiligten zwangsläufig entstehen wird.
Sie glauben, dass privatwirtschaftlich geführte Unternehmen aus diesen Fehlern lernen
und es besser machen? Hierfür möchte ich für Sie als Leser*innen Einflussfaktoren für das
Scheitern von Digitalisierungsprojekten aufzeigen.
Was sind aber die Gründe, weshalb Digitalisierungsvorhaben in deutschen Unter-
nehmen so oft scheitern, und vor allem im internationalen Vergleich mehr als doppelt so
teuer sind? Ich möchte nachfolgend einige dieser Gründe aufzeigen, die für das Scheitern
von Digitalisierungsprojekten verantwortlich gemacht werden können. Die Nennungen
sind keineswegs nur theoretischer Natur, sondern sie bestehen aus Beobachtungen meiner
praktischen Erfahrung als Unternehmensberater.
22.3.1.1 Aktionismus
Die Margen werden kleiner, das Geschäftsmodell bleibt das alte. Die Kundenzufriedenheit
sinkt, eine zielgerichtete Interaktion mit den Kunden bleibt aus. Der Wettbewerb gewinnt
immer spürbarer Marktanteile, die Sicherheit der vergangenen Jahrzehnte schwindet.
Was kommt ist der Angstschweiß und was bleibt ist der fahle Geschmack im Mund,
nun endlich etwas tun zu müssen, aber nicht die richtigen Werkzeuge und Rezepte im
Holster zu haben.
Es bleiben nur zwei Reaktionsmöglichkeiten: entweder der Angriff oder die Flucht.
Letztere kommt per se nicht infrage, und wenn sie doch gewählt wird, dauert der Nieder-
gang nicht lange und das Unternehmen blutet langsam, aber sicher aus. Zug nicht nur
verpasst, sondern auch davon überfahren worden!
Da muss die Management-Entscheidung her, es wird die Digitalisierungs-Bazooka aus-
gepackt. Vorhandene Budgets werden geplündert, umgelagert, großzügig mit freien Ge-
schäftsführer- oder Vorstandsbudgettöpfen angereichert. Doch entpuppt sich die Bazooka
nur allzu oft als Wasserpistole, mit der versucht wird, den lichterloh brennenden Wett-
bewerbsvorteil zu löschen, indem neue Hochglanzwebseiten oder unnütze und überteuerte
Software ohne Plan oder gar einer Strategie eingekauft werden.
Fehlt das Zielbild, entsteht Chaos und Wildwuchs. Eine einheitliche Lösung kann dann
nicht mehr gefunden werden. In dieser Situation kämpft die Projektleitung gegen
Windmühlen. Immer wieder werden neue Schaubilder gezeichnet, die den Endzustand der
Softwarefunktionen skizzieren sollen, neue Zeitpläne erstellt und so weiter.
Diese Aufstellung muss noch nicht einmal vollständig sein. Beauftragt ein Unter-
nehmen z. B. einen externen Projektleiter oder ein Beraterteam, erhöht sich das Budget
signifikant.
Plant man nun für dieses Projekt zu wenig Ressourcen, Zeit oder Budget ein, ist es zum
nächsten Projektänderungsantrag nicht weit.
Beispiele finden sich nicht erst seit dem Ausbruch der Corona-Pandemie in erschreckend
großer Anzahl wieder, sondern sind bereits seit einigen Jahren fester Bestandteil der Wirt-
schaftsnachrichten. Aktuell ist dies wieder zu lesen in Bezug auf den europäischen
Impfpass.
Die Frage, die sich in diesem Zusammenhang stellt, ist nicht die, ob oder ob nicht
digitalisiert werden sollte, sondern, warum die Digitalisierung nicht schon gestern an-
gepackt wurde.
Die Analogie zur digitalen Impfpass-Farce kann auch hier wiederhergestellt werden.
Die Bundesregierung beantwortete Anfang April auf eine Anfrage der FDP-Fraktion im
Bundestag auf die Frage, welche Kosten für die Bereitstellung der CovPass-App auf den
Bund zukommen. Die Schätzung der Bundesregierung beläuft sich auf 2,7 Millionen €
(Antwort der Bundesregierung auf die Kleine Anfrage der Abgeordneten Dr. Wieland
Schinnenburg, Michael Theurer, Grigorios Aggelidis, weiterer Abgeordneter und der
Fraktion der FDP– Drucksache 19/27714 vom 06.04.2021). Wohlgemerkt wird die App
Anfang 2022 abgelöst, da dann die Funktion in der bereits bestehenden elektronischen
Patientenakte integriert werden soll. „Ab dem 1. Januar 2022 wird der digitale Impfnach-
weis Teil der elektronischen Patientenakte in der Telematikinfrastruktur“ (Antwort der
Bundesregierung auf die Kleine Anfrage der Abgeordneten Dr. Wieland Schinnenburg,
Michael Theurer, Grigorios Aggelidis, weiterer Abgeordneter und der Fraktion der FDP–
Drucksache 19/27714 vom 06.04.2021).
Klares Zielbild
Ein Schiff benötigt einen Leuchtturm, genauso wie ein Mount Everest-Besteiger einen
Sherpa benötigt, um auf der Route zu bleiben und am Gipfel anzukommen.
Kein anderes Bild zeichnet sich in Digitalisierungsprojekten ab. Aber was bedeutet es,
ein Zielbild zu haben? Ich möchte es ein klein wenig klarer machen: Wenn Sie und Ihr
22 Stellen Sie sich vor, die Digitalisierung funktioniert! 581
Team keine Vorstellung davon haben, wohin Sie gehen möchten, werden Sie auch nie am
Ziel ankommen, sondern sich verirren. Ihre Vision muss viel mehr sein als nur eine Dunst-
wolke leerer Worthülsen. Eine gute Vision erklärt in kurzen, klaren Sätzen, warum es er-
strebenswert und alternativlos ist, diesen Weg gemeinsam zu beschreiten.
Performantes Projektteam
Um bei dem Bild des Schiffes zu bleiben: ein Schiff, das nur aus Kapitänen besteht, wird
niemals ankommen, weil die Crew verhungert. Ein Schiff voller Matrosen auf der anderen
Seite wird ebenfalls scheitern, weil es auf Grund laufen wird.
Weltmeisterlich war nicht nur die sportliche Leistung auf dem Platz, sondern auch die
kommunikative Leistung und der Wille außerhalb des Platzes.
Wer Weltmeister werden möchte, muss sich schon davor so verhalten, als wäre man es
bereits. Das schließt die Kommunikation mit ein. Die Kommunikation nach innen und die
nach außen. „Fake it till you make it“ lautet hier die Losung. So tun, als ob, um zu er-
reichen, was man erreichen möchte.
Was im sportlichen Bereich durch Trainerstab inkl. Mentaltrainer schon seit Jahr-
zehnten gelebt wird, ist in Digitalisierungsprojekten der Job von Auftraggeber, Projekt-
leiter bzw. Product Owner und Scrum Master. Sie müssen das Team regelrecht einschwören
auf die Veränderung, die kommen wird und auf das Zielbild, die gemeinsame Vision des
Projektteams.
Dafür ist Kommunikation unabdingbar. Die Grundlage guter Kommunikation ist, dass
sich die Beteiligten darüber klar werden, was die Einflussfaktoren für gute Kommunika-
tion sind und wie man diese praktisch anwenden kann. Dabei geht es um mehr als nur
miteinander reden. Aktives Zuhören, hinterfragen, gemeinsame Maßstäbe entwickeln und
verhandeln sind nur einige der Themenfelder, die zu guter Kommunikation führen.
582 F. Fusaro
Definierte Change-Management-Strategie
Die Vision steht, das Team ist bereit, über Kommunikation wurde bereits gesprochen. Der
nächste Schritt ist nun, das inhaltlich Vereinbarte auch nach außen an die Stakeholder
zu tragen.
Die Stakeholder eines Digitalisierungsprojekts sind alle, deren Erfolg und die zu-
künftige Arbeitsweise durch das Projekt beeinflusst werden.
Dabei beschränkt sich diese Gruppe nicht nur auf die Anwender, die nach dem Go Live
tagtäglich mit dem neuen digitalen Werkzeug arbeiten müssen. Sie schließt auch alle im
Unternehmen beteiligten Personen mit ein, von der Geschäftsführung über die Führungs-
kräfte bis hin zu den Schnittstellenabteilungen.
Vor allem bei wertschöpfenden Hauptprozessen, wie dem Auftragsmanagement-
prozess, sind die Schnittstellen vielfältig. Von der Personalabteilung über die IT bis hin zu
den Abteilungen Finanzen, Controlling, Rechnungswesen sind meistens alle involviert.
Nicht zu vergessen ist der Betriebsrat, eine wichtige Kontrollinstanz und rechtliche
Interessensvertretung der Mitarbeiter im Unternehmen. Alle wollen und sollen mit den
richtigen Informationen versorgt werden.
Stellen Sie dafür eine Kommunikationsstrategie auf und legen Sie fest wer zu welchem
Thema in welcher Detailtiefe informiert werden soll.
Doch was macht den richtigen Partner aus? Und wie findet man diesen?
Zum einen geht es um die Definition, wer denn der richtige Partner ist. Hier spielen
einige Faktoren eine Rolle. Die folgenden Fragen können dabei helfen, den richtigen Part-
ner für Ihr Digitalisierungsvorhaben zu finden.
Spricht der Partner meine Sprache? Dies ist essenziell wichtig, da wir hier von der
Kommunikation sprechen. Die ist wiederum ein Erfolgsfaktor in großen Digitalisierungs-
projekten. Neben der reinen Sprache ist es wichtig, dass der Partner Ihre Fach- und
Prozesssprache spricht. Nur, wenn ein Dienstleister oder Lieferant Ihre Prozesse kennt
und sich, wenn auch nur rudimentär, mit den fachlich-/rechtlichen Gegebenheiten aus-
kennt, kann er Sie auch richtig beraten und unterstützen.
Bietet der Partner eine valide Eskalationsstrategie an? Was zu tun ist, wenn ein Feuer aus-
bricht, das sollte jedem klar sein. Die Fluchtwege sind gekennzeichnet, der Sammelplatz vor
dem Gebäude ist ebenfalls bekannt. Aber wenn sich in einem Millionen-Projekt eine schein-
bar unüberwindbare Hürde auftut, dann schauen sich alle ratlos an. Das muss nicht sein.
Fragen Sie offen danach, wie und wann eskaliert werden sollte, wer dann mit wem spricht
und wie Probleme, die es in großen Projekten nun einmal gibt, gelöst werden können.
22 Stellen Sie sich vor, die Digitalisierung funktioniert! 583
Wie groß ist die Motivation des Lieferanten? Ist Ihr Projekt auch für Ihren Lieferanten
neu oder hat er das schon zigmal durchgeführt? Möchte der Lieferant in der Branche Fuß
fassen und verfolgt somit eine Strategie? Diese Informationen können wichtig für Sie sein,
denn dadurch wird klar, ob der Lieferant echter Partner ist und die Extra-Meile für Sie geht
oder ob er Dienst nach Vorschrift macht.
Auf welche kritischen Ressourcen kann Ihr Lieferant zurückgreifen? Unterhält Ihr Lie-
ferant eine große Entwicklungsabteilung oder konkurriert er mit allen anderen Wett-
bewerbern um die besten Entwickler? Auch wichtig ist hierbei die Kennzahl Verhältnis
Anzahl Entwickler zu Gesamtanzahl Mitarbeiter.
Die Digitalisierung von Geschäftsprozessen gliedert sich grob in drei aufeinander auf-
bauende Phasen. Diese werden in diesem Abschnitt ausgiebig beschrieben. Sie werden
keine theoretische Abhandlung zu Herleitungen oder abstrakten Beschreibungen vor-
handener Frameworks von mir bekommen. Dafür sollten Sie eine Schulung besuchen oder
einfach einmal Googlen. Stattdessen biete ich Ihnen einige der wichtigsten praktischen
Erfahrungen aus über einem Jahrzehnt in der Welt der Prozesse, der Digitalisierung und
digitaler Geschäftsmodelle.
„Achte auf Deine Gedanken, denn sie werden zu Worten. Achte auf Deine Worte, denn sie
werden zu Handlungen. Achte auf Deine Handlungen, denn sie werden zu Gewohnheiten.
Achte auf Deine Gewohnheiten, denn sie werden Dein Charakter. Achte auf Deinen Charak-
ter, denn er wird Dein Schicksal.“ (Reade, 1814)
Die erste Phase betrifft im Idealfall die Digitale Transformation insgesamt, kann sich je-
doch auch „nur“ auf die Digitalisierung von Geschäftsprozessen beziehen. In dieser Phase
gilt es, die Digitalisierung für Ihr Unternehmen zu definieren. Warum möchte das Unter-
nehmen die Digitale Transformation angehen? Was ist das Ziel der Digitalisierung? Was
soll sich denn danach konkret verbessert haben?
Neben diesen Einstiegsfragen sollte das Unternehmen schon einmal einen groben Plan
entwickeln, welche Themen zu welchem Zeitpunkt betrachtet werden sollen. Denn es han-
delt sich nicht nur um ein Projekt wie jedes andere. Wie bereits in Kapitel Abschn. 22.3
beschrieben, sind Digitalisierungsprojekte immer gleichzeitig auch Veränderungsprojekte.
Daher muss in der ersten Phase der Digitalisierung das Change-Management ebenfalls
vorangetrieben werden. Dies beginnt schon damit, dass die Initiatoren der Digitalisierung,
meist auf C-Ebene, Verbündete für sich gewinnen können. Ein kleines, aber einflussreiches
Team von charismatischen Experten reicht hier aus, um den Grundstein für die Digitale
Transformation zu legen.
584 F. Fusaro
Abschließend geht es in der Phase I darum, den Startpunkt abzustecken und einen gro-
ben Rahmen, zeitlich und monetär, für das Digitalisierungsvorhaben vorzugeben. Dann
kann es losgehen.
Wie oft haben wir in Hollywoodfilmen die Szene gesehen, in der der Held der Erzäh-
lung nach vielen Niederlagen zum ersten Mal seine wirkliche Berufung im eigenen
Spiegelbild zu sehen bekommt. Fortan gewinnt die Heldin oder der Held Schlacht für
Schlacht, bevor die Figur auch den Krieg gewinnt.
Im wirtschaftlichen Kontext wurde die Frage 2015 von Donald Sull untersucht, warum
sich Unternehmen bei der Umsetzung der eigenen Unternehmensstrategien so schwertun.
Die wichtigste Erkenntnis war, dass die interne Kommunikation eine tragende Rolle
spielte (Sull, 2015). Wenn in monate- oder jahrelangen Prozessen Kernwerte, Mission
Statements, Leitbilder Wettbewerbs- und Portfolioanalysen erarbeitet und durchgeführt
wurden, um dann endlich eine Unternehmensstrategie zu erarbeiten, die dann nicht erfolg-
reich umgesetzt werden, liegt der Grund wahrscheinlich in der schlechten Kommunikation.
In seinen Untersuchungen beschreibt Sull, dass bei Befragungen im mittleren Manage-
ment, übertragen auf den deutschen Mittelstand also zum Beispiel Abteilungs- und Team-
leiter, nur 55 % der Befragten auch nur eines der strategischen Top-Ziele des Unter-
nehmens für die aktuelle Periode nennen konnten. Dieses Ergebnis resultierte daraus, dass
Unternehmensziele vom Top-Management zwar häufig kommuniziert wurde, aber kein
Wert darauf gelegt wurde, zu untersuchen, ob die Prioritäten auch so verstanden wurden.
Das Ergebnis ist allzu oft, dass es im mittleren Management eine Vielzahl weiterer Priori-
täten und Ziele gibt, die nicht zwingend mit der Unternehmensstrategie im Einklang ste-
hen. Ein diffuses Bild ergibt sich.
Es muss:
3 . Im Unternehmen von allen akzeptiert werden können und positive Emotionen wecken,
4. Und vor allem einfach einzuprägen sein.
Eine generische Beschreibung, wie zum Beispiel „wir wollen unserer sozialen Ver-
antwortung gerecht werden“ oder „wir wollen [hier gerne wahlweise Technologie, Quali-
tät oder Preis eintragen] -Führer werden“ würden somit schon einmal wegfallen.
Was mich in der Praxis immer interessiert, sind die pragmatischen Details. Was soll
sich dadurch verbessern? Wie wirkt sich das aus? Wie können dies Kunden, Mitarbeiter
und Lieferanten erfahren?
Genauso verhält es sich mit dem Zielbild, die ich mit meinen Kunden zur eigenen Di-
gitalen Transformation oder in Digitalisierungsprojekten erarbeite. Nur, wenn hier Klar-
heit herrscht und jeder dieses Bild zu jeder Zeit vor Augen behält, besteht die realistische
Chance, dass auch danach gehandelt wird.
Wenn dieses Zielbild in einer kleinen Koalitionsgruppe erarbeitet wurde, kann es intern
weiter kommuniziert werden. Das Veränderungsmanagement hat hier bereits begonnen.
Nach dem Modell von Kotter (1995) befinden wir uns bereits auf der vierten Stufe: „Die
Vision kommunizieren“. Dem nächsten Ziel, eine breitere Masse an Menschen für das
Vorhaben zu begeistern und zu befähigen, widmen wir uns im nächsten Kapitel.
Jetzt wird es schon konkreter. Sie haben bereits ein kleines, aber feines Team um sich
herum aufgebaut und den groben Rahmen abgesteckt. Das nächste, was nun zu tun ist, ist
herauszufinden, welche digitale Lösung Sie suchen sollten.
Dazu schauen Sie sich Ihre Prozesse an. Genauer gesagt schauen Sie sich die Ge-
schäftsprozesse an, die Sie mit der höchsten Priorisierung digitalisieren sollten. Die wich-
tigsten Prozesse eines Unternehmens sind leicht identifiziert. Stellen Sie sich einfach diese
eine Frage: „Würde das Unternehmen noch Geld verdienen, wenn dieser eine Prozess
nicht mehr ausgeführt würde?“. Das war’s.
Machen wir ein paar Beispiele: könnte Ihr Unternehmen noch weiter Umsätze generie-
ren, wenn Sie das Controlling nicht mehr betreiben würden? Wahrscheinlich, es sei denn,
Sie sind Controlling-Dienstleister. Dasselbe gilt für die Personalprozesse oder etwa die
Buchhaltungsprozesse. Klar, es würde sicher nicht lange gut gehen, aber Sie könnten wei-
ter Umsätze generieren. Wie aber stünde es um Ihr Unternehmen, wenn Sie keine Pro-
dukte mehr produzieren oder Ihre Dienstleistungen nicht mehr ausführen würden? Das
würde dann sehr schnell zu Umsatzeinbrüchen führen. Hier sprechen wir also von der
Auftragsverwaltung und von der Leistungserbringung. Kurz danach folgt dann der Ver-
triebs- dann der Einkaufsprozess. Dies sind in der Regel die wichtigsten Geschäfts-
prozesse.
586 F. Fusaro
Die grobe Richtung wurde von Ihnen im Zielbild verankert. Nun geht es darum, den
Weg dorthin zu skizzieren und ihn dann, das wird in Abschn. 22.4.3 beschrieben, zu
begehen.
Die Liste lässt sich je nach Ausgangslage noch ergänzen, soll in dieser Betrachtung jedoch
ausreichen.
22 Stellen Sie sich vor, die Digitalisierung funktioniert! 587
• Zeit: planen Sie realistisch und zielgerichtet. Sie planen zu knapp? Machen Sie sich auf
heftige Rückmeldungen von allen Beteiligten gefasst. Ich bin persönlich ein Fan von
sportlichen Zeitplänen. Aber auch von realistischen und dadurch erreichbaren Meilen-
steinen. Kürzere Laufzeiten bei gleichbleibender Qualität und ohne reihenweise
Burn-Out-Fällen oder Kündigungen bei Ihren Mitarbeitern sind nur erreichbar, wenn
Sie Ihre Erwartungshaltung beim Funktionsumfang herunterschrauben. Sie kennen das
Spiel vom magischen Dreieck zwischen Preis, Geschwindigkeit und Qualität? So ist es
hier auch. Aber etwas komplexer. Meine Faustformel für die schnelle Zeitabschätzung
lautet: geschätzte und im Projektteam abgestimmte Zeitplanung + 20–25 %! Menschen
neigen dazu, Zeitpläne zu unterschätzen und rechnen die möglichen Einflussfaktoren,
die einen Zeitplan schnell in die Länge ziehen können, schlicht nicht mit ein. Es ist
auch ein Ding der Unmöglichkeit, dies zu tun, daher der Risikoaufschlag von 20–25 %.
Für ein Projekt, das über einen Zeitraum von einem Jahr geplant ist, plane ich mit 1,2
Jahren mindestens ein, besser wären hier fünf Quartale.
• Budget: Für das Budget gilt die Faustformel analog. Wie oft haben Sie Projekte durch-
geführt, die im Budget beendet wurden? Wenn man näher hinschaut, kann ein Projekt,
das keine Budgetüberschreitung hatte, entweder zu klein war und somit nicht in der
Größenklasse spielt, wie die Projekte, die ich hier betrachte, s. Abschn. 22.3. Oder der
Funktionsumfang hat signifikant abgenommen, was eine ähnliche Klassifizierung wie
im vorigen Beispiel zulässt. Sie kennen vielleicht den vielzitierten Spruch „Der Appetit
kommt beim Essen“. Wenn Sie ein Projekt dieser Größenordnung durchführen und eine
echte Digitalisierung vorhaben, trifft dieser Spruch absolut zu! Mit jedem neuen An-
wender, der im System arbeitet, kommen neue Wünsche, Ideen, Fragen auf. Sie werden
garantiert mehr Mühe haben, all diesen Input aufzunehmen, als nach neuem zu suchen.
Jeder Wunsch bedeutet im Zweifel auch zusätzliches Budget. Schnittstellen müssen
angepasst werden, Entwickler verschiedener Dienstleister müssen betreut und ge-
managt werden. Funktionen stehen in Abhängigkeit zueinander, was Sie zwingt, noch
das ein oder andere mehr zu implementieren. Planen Sie diese Eventualitäten ein in
Form von zusätzlichem Budget. Die Digitalisierung ist teurer als Sie denken. Aber die
positive Nachricht ist, dass sie nicht so teuer ist, wie wenn Sie nichts tun würden!
• Externe Berater: Externe Berater können eine wertvolle Quelle für Abkürzungen sein.
Wenn Sie einen erfahrenen und empathischen Berater an Ihrer Seite haben, der Ihre
Interessen zu seinen macht, werden Sie Zeit und Budget sparen, die Sie ansonsten für
gemachte Fehler aufbringen müssten. Ein Berater hat in der Regel mehr Projekt-
erfahrung als Ihre Mitarbeiter und bringt mit dem externen Blick eine neue, frische
Perspektive mit. Auch Ihre Mitarbeiter können von einem guten Berater profitieren. Sie
588 F. Fusaro
lernen neue Werkzeuge und Vorgehensweisen kennen. Achten Sie bei der Auswahl
eines externen Beraters auf folgende Kriterien:
–– Erfahrung: hier ist nicht zwingend die Erfahrung in der Branche gemeint. Ein guter
Berater kann Geschäftsmodelle und Prozesse in kürzester Zeit durchdringen. Er
oder sie projiziert bereits erzielte Erfolge auf Ihre Digitalisierung.
–– Verständnis: versteht der Berater, was Sie machen, was Sie antreibt und welche Ab-
hängigkeiten es bei Ihnen gibt?
–– Sprache: spricht der Berater Ihre Sprache? Damit ist sowohl der fachliche Jargon
gemeint als auch Ihre Unternehmenskultur.
–– Empathie: kann sich der Berater in Andere hineinversetzen? Versteht er oder sie die
Teamdynamiken und kann dementsprechend zielführend handeln?
–– Charisma: kann der Berater oder die Beraterin auch überzeugen und Ihnen somit
einen Teil der Arbeit abnehmen? Oder handelt es sich eher um eine unnahbare und
zahlen-/daten-/faktenbasierte Person?
–– Prozesse & Methoden: Hat der Berater ein prozess- und methodenbasiertes Vor-
gehen, das Sie wie eine Blaupause auf Ihr Projekt anwenden können?
• Raum: Räume anzubieten heißt nicht immer, physische oder digitale Räume zu bieten.
Sondern es bedeutet in erster Linie, Beteiligte zu Betroffenen zu machen. Es bedeutet,
Ergebnisverantwortung zu übertragen. Das mag für den ein oder anderen Beteiligten
befremdlich erscheinen und Sie können nicht allen gleichermaßen Ergebnisse ab-
fordern. Dafür sind die Hintergründe der Projektmitglieder zu unterschiedlich. Sie wis-
sen sicher am besten, wem Sie welche Verantwortung übertragen können. Räume ent-
stehen hier in Form von Entscheidungsfreiheit in gewissem Maße einzuräumen. Doch
Räume können auch physischer Natur sein. Sorgen Sie für eine Umgebung, in der am
wenigsten Reibungspunkte entstehen. Sorgen Sie für flächendeckende WLAN-Ab-
deckung, besorgen Sie sich Hardware, Kreativwerkzeuge, etc. Diese Investitionen fal-
len in der Regel im Vergleich zum Gesamtbudget nicht ins Gewicht und bieten einen
besseren Return in Form von Leistung und Engagement der Teammitglieder, als wenn
Sie sie nicht tätigen würden. Leistungen können zu guter Letzt nur dann entstehen,
wenn die handelnden Personen auch Arbeitszeit dafür opfern können. Das bedeutet,
dass Aufgaben im operativen Tagesgeschäft für den Zeitraum des Projekts an Kollegen
übergeben werden sollten.
Ein gutes Team ist immer perfekt besetzt, nie mit zu vielen oder zu wenigen Personen.
Mehr Personen verbessern die Projektqualität nicht und zu wenige Personen verzögern
den Projektverlauf unnötig. Achten Sie deshalb auf eine ausgewogene Mischung.
Diese Rollen müssen Sie in einem Digitalisierungs-Projektteam auf jeden Fall beachten:
22 Stellen Sie sich vor, die Digitalisierung funktioniert! 589
• Auftraggeber oder Projekt-Sponsor: das muss immer die Person sein, die die Ressour-
cen stellt.
• Projektleitung: je nach Projektmanagementmethode ist das der Projektleiter oder die
Kombination aus Product Owner und Scrum Master.
• Teilprojektleiter: innerhalb des Projektteams gibt es verschiedene Subteams, die nach
Aufgaben oder Bereichsherkunft aufgeteilt sind. Es macht Sinn, Teilprojektteams für
die IT, den oder die Fachbereiche und für das Change-Management zu bilden.
• Key User oder Guides: das sind Projektbeteiligte, die nicht zwingend dem Projektteam
zugehörig sein müssen. Diese Personen sind Vorreiter in Ihren Bereichen und versorgen
ihre Kolleginnen und Kollegen mit Informationen und bieten Hilfestellungen an.
• Testanwender: können zum Teil aus den Key Usern bestehen. Es macht aber durchaus
Sinn, ganz normalen Anwendern diese Rolle anzuvertrauen. So kann die Akzeptanz
innerhalb des Unternehmens leicht steigen.
• Anwender: das ist die Rolle mit den meisten Mitgliedern. Die Anwender nutzen die
Softwarelösung und Standardprozesse später im Tagesgeschäft. Für sie ändert sich in
der Regel am meisten.
• Projektleiter oder Ansprechpartner des Lieferanten: oftmals wird diese Position in
einem Projektteam vergessen. Doch erinnern Sie sich bitte, warum Sie sich für den
Dienstleister entschieden haben. Sie wollten einen Partner auf Augenhöhe, der mit
Ihnen zusammen dieses Großprojekt erfolgreich stemmt. Beachten Sie das daher un-
bedingt in der Zusammenstellung des Projektteams.
Übersetzt auf das Projekt-Tagesgeschäft fühlt es sich nicht nur komisch an, auch die
Ergebnisse werden kaum halb so gut sein, wie das der Jazz-Band. Daher ist es umso wich-
tiger, dass in einem Projekt ein gemeinsamer Takt vorhanden ist. Eine passende Struktur
an Terminformaten mit abgestimmten Intervallen und Inhalten ist hier die richtige Wahl.
590 F. Fusaro
Dieses Gremium trifft sich je nach Projektphase ein- bis viermal pro Monat. Die
Detailebene ist vorwiegend nicht tief, hier spielt das Große Ganze eine wichtige Rolle.
Moderiert wird diese Terminserie sinnvollerweise von der Projektleitung bzw. vom Pro-
duct Owner oder Scrum Master. Die Dauer sollte hier nicht zu kurz gewählt werden,
unter einer Stunde macht es sicher keinen Sinn, über zwei Stunden ist nicht effizient.
Die Mitte macht am meisten Sinn, 90 Minuten sollte eingeplant werden. Die Struktur
muss nicht fix durch das gesamte Projekt durchgezogen werden. Nehmen Sie An-
passungen vor, wenn nötig.
Aus einem anderen Projekt kenne ich folgendes Vorgehen: zu Beginn der kurzen
Team-Treffen hat jeder in den ersten Minuten sein wichtigstes Problem auf ein Post-It ge-
schrieben und an einer Tafel am Eingang des Raumes angeheftet. Darauf waren z. B. Punkte
zu lesen, wie: „IT-Dienstleister XY seit 1 Woche nicht erreichbar. Suche Ansprechpartner
auf Geschäftsführungsebene“ oder „Hat jemand Erfahrung mit Software für schnelle
Prozessvisualisierungen?“. Wenn dann einer der Teammitglieder helfen konnte, haben
sich die Beteiligten nach der Besprechung kurz in der Kaffeeecke ausgetauscht.
Das Daily sollte 15 Minuten, das Weekly 45 Minuten nicht überschreiten. In beiden
Formaten geht es um ein kurzes Update der verantwortlichen Teilprojektleiter. Tief-
ergehende Diskussionen oder gemeinsame Entscheidungen werden idealerweise an-
gekündigt oder finden am besten außerhalb der Veranstaltungen statt.
22 Stellen Sie sich vor, die Digitalisierung funktioniert! 591
cc Tipp Nehmen Sie alle Bedenken ernst: meine Erfahrung zeigt, dass Rück-
meldungen von den Anwendern zu wenig ernst genommen werden und zu
häufig auf der Personenebene verarbeitet werden. Doch jegliche Meldungen
aus den Vertretern der Fachbereiche ist Gold wert!
Hinterfragen Sie gegeben falls, bis Sie verstanden haben, was gemeint ist.
Anschließend geben Sie immer eine Rückmeldung. Seien Sie verbindlich. Ihr
Gegenüber merkt das und versteht das als Form von Wertschätzung.
Die anderen arbeiten nicht effizient. Das fordert die meistens ohnehin angespannte
Personalsituation unnötig heraus.
Abhilfe schafft eine einheitliche Prozesslandschaft mit echten Standards. Daher sollten
Sie ausreichend Zeit auf die richtige Aufnahme der relevanten Geschäftsprozesse ver-
wenden. Sie möchten in dieser Phase wissen, welcher Standort wie vorgeht. Wie Sie die
Prozesse aufnehmen, das sollten Sie immer individuell entscheiden. Finden Sie die rich-
tige Balance zwischen Schnelligkeit der Aufnahme, Akzeptanz der Mitarbeiter und gründ-
licher Aufnahme der Prozesse.
Entscheiden Sie dann nach der Prozessanalyse, wie ein Standardprozess aussehen
kann, der an allen Standorten funktionieren wird. Nur, wenn Sie diesen Schritt korrekt be-
arbeiten, werden Sie den Grundstein für die richtige Softwareauswahl legen können.
Sind die Anforderungen einmal aufgenommen, gilt es, diese Ansammlung noch einmal
kritisch zu hinterfragen. Ist wirklich alles wichtig? Werden alle Funktionen direkt be-
nötigt, oder kann auch ein schrittweises Ausrollen der Funktionspakete erfolgen? Was
wird nicht benötigt? Was ist Pflicht und was ist nice to have?
Dieses Hinterfragen hilft Ihnen, den Überblick zu behalten oder ihn wieder zu erlangen,
sollte dieser auf der Reise etwas verloren gegangen sein. Außerdem fällt es Ihnen deutlich
leichter, die Ausarbeitungen mit Ihrem Zielbild abzugleichen.
sich reklamieren und es gibt sicher noch weitere Ausprägungen und Anforderungen, die je
nach Branche auch rechtlicher Natur sind. Die nachfolgende Auflistung stellt jedoch eine
Sammlung und Zusammenfassung vergangener Projekte dar, mithilfe derer Software im
Wert von mehreren Millionen eingekauft wurde.
Sie sollten folgende Themen auf dem Schirm, bzw. folgende Unterlagen bereithalten:
1. Ihre schriftlichen Anforderungen. Das Herzstück ist Ihre Beschreibung Ihrer An-
forderungen. Ob Sie dies als klassisches Lastenheft aufbauen oder eher nach agilem
Vorbild mit User Stories schmücken, sei Ihnen überlassen.
2. Rückmeldeformular für den Lieferanten. Der Lieferant sollte für alle relevanten Infor-
mationen, die Sie einfordern ein entsprechendes Formular mit vordefinierten Eingabe-
feldern vorfinden. Sorgen Sie dafür, dass der Lieferant hier so wenig Aufwand wie
möglich hat. Hier sollten Preise, Aufwandsschätzungen, zeitliche Verfügbarkeiten und
viele weitere Informationen eingefordert werden.
3. Auswertungstabelle für den Lieferantenvergleich. Sie möchten eine objektive Ent-
scheidung treffen und sind firmenintern aus Compliance-Gründen eventuell dazu ver-
pflichtet, diese schriftlich herleiten und begründen zu können. Dazu sollten Sie eine
Liste mit allen wichtigen Bewertungskriterien erstellen, die Sie mit einem oder mehre-
ren Bewertungsmaßstäben versehen.
4. Die Spielregeln. Sie sollten festlegen, nach welchen Regeln die Lieferantenauswahl
bzw. die Ausschreibung stattfinden soll. Legen Sie klare Zeitpläne für die Rück-
meldungen dar, klären Sie, wer bei Ihnen für Rückfragen zur Verfügung steht und wel-
che Fragen überhaupt beantwortet werden dürfen oder können.
5. Das Vertragswerk. Zusammen mit den Spielregeln halten Sie einen Satz an Verträgen
vor, die Sie im Bedarfsfall vorlegen können. Ihre Investition, Ihre Regeln. Gute Liefe-
ranten sind darauf vorbereitet. Mit einem echten Partner arbeiten Sie die Verträge ge-
meinsam aus.
6. Die Lieferantenliste. Kontaktdaten, Webseite, Produktnamen. Alles, was man so an
Informationen benötigt werden könnte, sollte in eine Tabelle eingetragen werden.
gemein. Sie stehen nicht für glasklare und kundenorientierte Kommunikation. Einer Ent-
wicklerbude können Sie vielleicht ein Hochglanz-Corporate Design verpassen, aber es ist
und bleibt eine Entwicklerbude. Das soll nicht abwertend klingen. Im Gegenteil, Sie
möchten in den meisten Fällen einen lösungsorientierten Anbieter haben. Aber sie müssen
erstens wissen, nach was Sie suchen sollen und wie Sie mit den Lieferanten umgehen
sollten. Ein offenes Gespräch wirkt meist Wunder.
Nachdem Sie die ersten Unternehmen ausgeschlossen haben, haben Sie eine vorläufige
Short List. Eine bereits verkürzte Liste also. Diese Liste wird sich noch verändern, maß-
geblich durch zwei Faktoren. Der erste Faktor ist simpel. Sie können sicher aus Zeit-
gründen nicht mit allen, sagen wir zehn bis 15 Lieferanten sprechen. Schon allein daher
muss sich diese Liste noch einmal verkürzen. Legen Sie verschiedene Runden fest, in
denen Sie nach vorgefertigten Kriterien entscheiden, mit wem Sie weiter im Gespräch
bleiben wollen. Der Zielwert sollte sein, dass Sie mit drei Unternehmen in die weiter-
führenden Gespräche gehen.
Im letzten Abschnitt des Auswahlverfahrens sollten Sie sich nun, wie erwähnt, auf ma-
ximal drei Hersteller beschränken. Das sind die Top 3 Ihrer Short List. Sie dürfen hier
einen Favoriten haben. Stellen Sie aber sicher, dass Ihr Team an der Entscheidung beteiligt
ist und dass die Kriterien über die wirtschaftlichen Faktoren hinaus gehen. Außerdem
möchten Sie sich eine sehr gute Verhandlungsposition erhalten. Dafür sollten Sie in Sze-
narien denken. Was passiert, wenn der Wunschkandidat doch nicht liefern kann oder das
Budget nicht ausreicht? Legen Sie sich einen guten Plan B zurecht. Nur, wenn Sie eine
gute Alternative haben, gehen Sie auch entspannt in die Verhandlungsgespräche.
cc Bonus-Tipps
• Gehen Sie nicht zuerst mit Ihrem Wunschpartner ins Gespräch! Sondieren
Sie erst einmal die Lage und prüfen Sie ihre vermeintliche zweite und dritte
Wahl. Wenn Sie dann wissen, was die anderen leisten können, sprechen Sie
mit Ihrem Favoriten. Dann sehen Sie zum einen schnell, ob das wirklich Ihr
Favorit bleibt. Außerdem wollen Sie mit Ihrem Wunschpartner nicht direkt
22 Stellen Sie sich vor, die Digitalisierung funktioniert! 595
zu Beginn in eine schwierige oder verfahrene Situation kommen, aus der Sie
dann vermeintlich nur schwer wieder herauskommen. Mit einer guten Alter-
native in der Hinterhand erzielen Sie bessere Ergebnisse.
• Bewerten Sie die Anbieter mit Kriterien, die nicht rein wirtschaftlicher Natur
sind. Betreiben Sie opportunistisches Risikomanagement. Was macht einen
Anbieter in Ihren Augen zu einem echten Partner? Was ist Ihnen wichtig?
Wovon könnten Sie noch profitieren? Umso ganzheitlicher Sie hier an die
Sache rangehen, umso größer könnte der Nutzen für Sie sein und umso bes-
ser können Sie verhandeln. Dann bewegen Sie sich nicht im Standard und
auch die Anbieter werden mehr gefordert, Ihnen ein sehr gutes Angebot zu
unterbreiten.
Die letzte Phase bricht an. Die Software ist gekauft, die Tinte unter den Verträgen ist tro-
cken. Nun geht es in den Umsetzungsmodus über.
Bisher haben Sie die Digitale Transformation angeschoben, das Change-Management
aktiviert, ein Team um sich herum aufgebaut, die relevanten Prozesse analysiert, die An-
forderungen an die zukünftige Software abgeleitet und noch einmal eingegrenzt und ge-
nauer definiert.
Ich erkläre nun, wie die nächsten Schritte aussehen werden. Dazu finden Sie im Text
dann wichtige Hinweise und Tipps, wie Sie Ihr Risiko durch unnötige Fehler verrin
gern können.
In dieser Phase sollten Sie in der folgenden Reihenfolge vorgehen:
Diese Punkte stellen eine stark verkürzte Liste dar, die es für Ihr Unternehmen individuell
mit Leben zu füllen gilt. Gerade hier zeigt sich, wie gut Sie vorbereitet sind. Gehen wir die
einzelnen Punkte einmal durch.
Nun wird das Projekt weitaus komplexer. Es kommen aus meiner Erfahrung heraus
noch mindestens zwei bis drei Dienstleister hinzu. Integrationspartner, ERP-Entwickler,
Schnittstellenexperten, Datenbank-Profis und mehr.
Für die Bereitstellung der IT-Infrastruktur und für die Wartung Ihrer IT-Systeme kaufen
Sie sich evtl. von außen zusätzliche Arbeitskraft ein. Für bestimmtes Datenbanken-
Spezialwissen haben Sie vielleicht die Dienste des Datenbank-Anbieters gesichert. Und so
kommen hier bereits aus Ihren Reihen ein paar Dienstleister zusammen, die auch in Ihrem
Projekt tätig werden sollen.
Zu den IT-Technikern und Entwicklern kommen noch Experten für das Change-
Management, aus der Personalabteilung und aus dem Betriebsrat mit dazu.
Die wichtigste Gruppe neben den Mitarbeitern aus der IT-Abteilung sind die Ver-
treter*innen aus den betroffenen Fachabteilungen. Sorgen Sie hier unbedingt für eine re-
präsentative Auswahl. Dabei helfen Ihnen Kriterien, um die richtigen Mitarbeiter*innen
zu finden.
Projektmitglieder aus dem Fachbereich sollten:
• Zeit für das Projekt aufbringen können. Dies muss die zuständige Führungskraft ge-
nehmigen.
• Idealerweise Interesse und Wissen zu IT-Systemen mitbringen.
• Gut vernetzt sein im Unternehmen.
• Erfahrungen mit derartigen Projekten oder anderen größeren Projekten gesam
melt haben.
• Überdurchschnittliche Kommunikations- und Organisationsfähigkeiten mitbringen.
• Teamplayer sein.
• An den Projektnutzen glauben.
• Vertreter*innen haben, für den Fall eines Ausfalles.
Dieses Team neu aufzustellen, fällt Ihnen wahrscheinlich leicht. Sie kennen Ihre Kol-
leg*innen und Mitarbeiter*innen am besten. Was Ihnen deutlich schwerer fallen dürfte, ist
das Erkennen der Ursachen, wenn es plötzlich nicht mehr so rund läuft im Team. Die Er-
gebnisse verschlechtern sich qualitativ und quantitativ. Fertigstellungsdaten, neudeutsch
„Deadlines“, werden zu echten Todeslinien. Das Team ist nämlich tot. Daher kann keine
Diskussion zu einem echten Erfolg führen. Sie haben keine Überzeugungstäter mehr im
Team, sondern nur noch ängstliche Verweigerer und Vermeider, die den Projekterfolg ge-
fährden. Sie sind gefragt. Dabei ist es unerheblich, welche Rolle Sie im Projekt einnehmen.
Sie müssen handeln. Aber wie?
Abb. 22.1 Robert M. Lencioni – die 5 Dysfunktionen eines Teams. (Quelle: Eigene Darstellung)
Um jedoch herauszufinden, woran es liegt, sollten Sie auf eine Methode zurückgreifen,
damit Sie Anhaltspunkte bekommen, wonach Sie Ausschau halten sollten. Dabei könnte
Ihnen das Konzept von Lencioni (2014) helfen.
Er erforschte Teams und fand heraus, was ein nicht erfolgreiches Team von einem hoch
performanten Team unterscheidet. Daraus hat er die fünf Dysfunktionen eines Teams ab-
geleitet. Diese bauen aufeinander auf, was die Darstellung des Konzepts in Form einer
Pyramide verdeutlichen soll (Quelle: eigene Darstellung) (Abb. 22.1).
Die Dysfunktionen im Überblick:
Beginnen wir also von unten nach oben. Als erstes untersuchen Sie, ob es dem Team an
Vertrauen fehlt. Das ist keine leichte Aufgabe, vor allem, wenn der Streit eskaliert ist.
Befähigen Sie Ihr Team dazu, sich zu öffnen. Machen Sie klar, dass eine sichere Um-
gebung existiert, in der die Handlungen und Aussagen nicht sanktioniert werden. Nehmen
Sie sich bei Bedarf einen erfahrenen Experten als Moderatoren für den Prozess zur Seite.
Je nach Unternehmenskultur kommt dieser besser von außen und nimmt eine sichtbar
neutrale Rolle ein. Räumen Sie dann Vorurteile oder falsche Bewertungen aus, indem Sie
versuchen herauszufinden, warum es zu einer Eskalation oder schlechten Ergebnissen
kam. Hier kann Ihnen das Harvard-Konzept aus der Verhandlungswelt helfen (Fisher
et al., 2015). Das sachbezogene Verhandeln beruht im ersten Schritt darin, Menschen und
Probleme getrennt voneinander zu betrachten. Anschließend konzentriert man sich auf
Interessen statt Positionen. Damit ist gemeint, dass die ersten Aussagen von Menschen in
Bezug auf ein bestimmtes Thema, z. B. Preisvorstellungen oder Vertragskonditionen, als
Position zu verstehen sind. Jede Position hat jedoch ein wahres Interesse, das sich noch im
Verborgenen befindet, als Grundlage. Wenn Sie dieses Interesse herausfinden, finden Sie
auch den Zugang zur Person.
Genau so können Sie mit Teams verfahren. Finden Sie heraus, was die Menschen dazu
bringt, die Position zu vertreten, die Sie beobachtet haben. Stellen Sie Fragen und hören
Sie genau zu. Hinterfragen Sie die Aussagen, bis Sie zum Kern vorgestoßen sind. Sie wer-
den schnell erkennen, was die Ursachen sind. Liegt es an fehlendem Vertrauen? Wenn ja,
22 Stellen Sie sich vor, die Digitalisierung funktioniert! 599
was können Sie tun? Ich gebe Ihnen für jede Dysfunktion einen kurzen Impuls, wie Sie die
Situation entschärfen und verbessern können. Und achten Sie bitte darauf: nur, wenn auch
Sie mit gutem Beispiel vorangehen, werden Ihnen die Teammitglieder vertrauen und
Ihnen folgen.
Liegt es an …:
1. fehlendem Vertrauen? Vereinbaren Sie mit dem Team Termine, die nichts mit dem
Projekt zu tun haben. Hier sollen sich die Teammitglieder besser kennen und (ein)
schätzen lernen können. Dazu braucht es vielleicht nur ein oder zwei intensive Ter-
mine, dann können bereits grundlegende Missverständnisse aus dem Weg geräumt
werden und Sie können sich wieder dem Projekt widmen.
2. der Angst vor Konflikten? Hier herrscht vermutlich ein falsches Harmoniebedürfnis
oder es ist den Teammitgliedern nicht klar, was Sie im Team äußern können und was
nicht. Arbeiten Sie also an der Vertrauensbasis. Zusätzlich können Sie darüber spre-
chen, dass Konflikte nicht immer negativ sein müssen, sondern auch zur Lösungs-
findung beitragen können. Legen Sie im Team klare Regeln fest, wie mit Konflikten
umgegangen werden soll. Das nimmt die Angst und zahlt auf das Vertrauenskonto ein.
3. fehlender Verpflichtung? Stellen Sie sicher, dass bei Entscheidungen, aber auch in
Terminen, alle Teammitglieder zu Wort kommen. Das ist schwerer als es scheint, vor
allem, wenn Sie vorwiegend remote arbeiten und die Stimmung im Team nicht immer
leicht zu greifen ist. Stellen Sie außerdem Transparenz her. Zeigen Sie schriftlich auf,
wie der Projektfortschritt ist und stellen Sie klar, dass das Team alle Kompetenzen be-
kommt, um das Projektziel zu erreichen.
4. Vermeidung von Rechenschaft? Das hier scheint die Paradedisziplin im Projekt-
management zu sein, wird aber allzu oft falsch oder nicht gemacht. Stellen Sie klar, nach
welchen Regeln das Projektteam arbeiten muss. Dies sollte mit dem Team erarbeitet
werden. Verteilen Sie Verantwortlichkeiten und klare Fertigstellungsdaten und stellen
Sie so mehr Verbindlichkeit her. Machen Sie klar, dass Unverbindlichkeit nicht geduldet
wird. Nichts wirkt so destruktiv in einem Projekt wie fehlende Verbindlichkeit.
5. der Unaufmerksamkeit gegenüber Ergebnissen? Ihr Team leistet viel und es liegt
nicht an den anderen Dysfunktionen, dass trotzdem keine, wenige oder schlechte Ergeb-
nisse produziert werden? Dann sorgen Sie für mehr Transparenz, welche Ergebnisse
erreicht wurden, welche hätten erreicht werden sollen und was das für die Zielerreichung
im Projekt bedeutet. Belohnen Sie gute Leistungen regelmäßig, aber nicht willkürlich
und vor allem nicht jedes Mal. Kein Kind dieser Erde kauft es Ihnen ab, wenn Sie es
nicht ernst meinen. Warum sollten es Ihre Kolleg*innen oder Mitarbeiter*innen tun?
cc Es ist eines der Megathemen in unserer Wirtschaft und unserer Gesellschaft: die
Diversität. Leisten Sie Ihren Beitrag und stellen Sie Ihre Teams so divers auf wie
möglich. Klar, Expertenwissen geht vor. Aber machen Sie keinen Halt vor
Geschlechter oder Kulturen. Solange das Team den Projekterfolg in den
Mittelpunkt stellt, kann Vielfalt nur helfen.
600 F. Fusaro
Ein solches Dokument beschreibt somit ausführlich, wie ein Softwarehersteller plant,
Ihre Anforderungen umsetzen zu wollen. Dabei geht er auf die Anforderungen an die
Funktionalität als auch auf die Umsetzung und Anforderungen bezüglich Schnittstellen
und der IT-Infrastruktur ein. Es berücksichtigt die prozessualen Anforderungen sowie die
Benutzeroberfläche genauso wie die Angaben zur zeitlichen Vorgehensweise und der Prio-
risierung der abzuarbeitenden Themen.
Neben den technischen Inhalten beschreibt die Spezifikation auch Anwendungsbei-
spiele, sog. Use Cases, an denen verdeutlicht werden soll, wie der Hersteller Ihre An-
forderungen verstanden hat. Gute Dienstleister legen viel Wert auf die Kommunikations-
prozesse und legen fest, was im Eskalationsfall getan werden muss.
Dieses Dokument erarbeitet der Hersteller basierend auf Ihren Vorgaben. Spätestens
hier werden Sie verstehen, welche fundamentalen Auswirkungen Ihre Vorarbeiten haben,
die in Abschn. 22.4.2 beschrieben wurden.
Eine Spezifikation sollte daher zwingend gemeinsam erarbeitet werden. Sie stehen als
Auftraggeber damit auch in der Pflicht, die Spezifikation abzunehmen und somit zu quit-
tieren, dass Sie mit der Vorgehensweise des Herstellers einverstanden sind. Dieses Do
kument wird Vertragsbestandteil. Eine rechtliche Prüfung sollten Sie ebenfalls in Be-
tracht ziehen.
Die Anwender werden bald die neue Software nutzen. Ihre Aufgabe besteht nun darin,
dafür zu sorgen, dass sich der ganze Staub, den Sie aufgewirbelt haben, an den richtigen
Stellen niederlegt – oder aus dem Unternehmen gefegt wird. Und das bekommen Sie nur
mit der richtigen Kommunikation hin.
Sie können dies steuern, indem Sie mit Ihrem Team verschiedene Besprechungsformate
für diese Phase festlegen. Sorgen Sie dafür, dass nicht alle Projektteammitglieder mit dem
Hersteller sprechen. Sie können dies erreichen, wenn Sie einen Teil des Projektteams für
diese Phase in ein neues Subteam zusammenfassen. Dieses Konfigurationsteam kümmert
sich dann speziell darum, dass zielgerichtet konfiguriert wird. Der Weg ist Ihnen nun
schon klar, jetzt geht es um die effiziente Abarbeitung (Abb. 22.2).
Der andere Teil des Projektteams kann sich nun auf andere Themen, wie zum Beispiel
das Test- und Schulungsmanagement oder das Change-Management fokussieren.
Damit sind jegliche Meldungen der Anwender gemeint, die nun verstärkt auf Sie
einprasseln.
Sie nehmen alle Einwände ernst, lernen, diese zu hinterfragen und zu verstehen. Nur
dann haben Sie eine Chance, dem Fragesteller eine genügsame und motivierende Antwort
anbieten zu können.
Ein Beispiel, wie so etwas gestaltet werden kann, habe ich Ihnen vorbereitet, siehe
Tab. 22.2.
An dieser Stelle sei noch einmal erwähnt, dass das Change-Management eine obligato-
rische Disziplin in einem Digitalisierungsprojekt darstellen sollte. Jeder Mensch reagiert
zu Beginn vielleicht unterschiedlich auf Veränderungen, jedoch ist die emotionale Abfolge
in einem Veränderungsprozess weitgehend erforscht und kann im Modell von Richard
K. Streich nachvollzogen werden (Streich, 1997).
Weitere Modelle, die sich besser für die Anwendung und Steuerung von Change-
Management-Aktivitäten eignen, sind die Modelle von Lewin (https://de.wikipedia.org/
wiki/3-Phasen-Modell_von_Lewin, n.d.) und Kotter (1995).
7. Ist ein geeigneter Prozess vorhanden, mit dem Ideen, Wünsche, aber vor allem Pro-
bleme und Fehler in den ersten Wochen adäquat aufgenommen und verarbeitet wer-
den können?
Nach dem Go Live empfehle ich, dass ein Teil des Projektteams sich regelmäßig weiter
bespricht und auch die Anwender regelmäßig informiert und proaktiv Hilfe anbietet.
Hilfestellungen können Regeltermine, Sprechstunden, offene Diskussionsrunden, zu-
sätzliche Schulungstermine, Befragungen und mehr sein. Welche Formate Sie hier wäh-
len, bleibt Ihnen überlassen und sind abhängig von Unternehmensgröße, Kultur und be-
stehenden Formaten.
Wie lange diese Phase andauert, richtet sich ebenfalls nach der Komplexität der Soft-
ware und anderen Faktoren.
Das folgende Beispiel dieser kleinen Fallstudie ist ein realer Fall. Das Unternehmen ist in
der Baubranche tätig und beschäftigt ca. 1000 Mitarbeiter*innen. Das Ziel des Projekts
war es, ca. 4/5 der Mitarbeiter mit einer neuen Standardsoftware für die Bearbeitung von
Aufträgen auszustatten. Das Unternehmen hatte in den zehn Jahren zuvor sowohl die Mit-
arbeiter- als auch die Umsatzzahlen verdoppelt. Eine normale Ausgangslage bei meinen
Kunden. Obwohl das Unternehmen in der Ausführung ihrer Bauprojekte sehr innovativ
vorging, war von diesem Innovationsgedanken in der Verwaltung kaum etwas zu spüren.
Während meiner Ist-Aufnahme, die geprägt war von Workshops und Einzelgesprächen,
stellte sich heraus, dass das Unternehmen an über zehn Standorten dezentral organisiert
606 F. Fusaro
war. Der einzige Standard war, dass jeder Standort offiziell seine Leistungsdaten in einem
standardisierten Excel-Formular bereitstellen musste. Diese Listen wurden dann einen
Monat lang befüllt und für den Monatsabschluss vom kaufmännischen Leiter konsolidiert.
Sie können sich vorstellen, dass hierbei Fehler nicht ausblieben, und für das gesamte
Unternehmen stellten die Monatsabschlüsse eine stressige Zerreißprobe dar.
Für Standardprozesse, wie das Erstellen einer Ausgangsrechnung für einen Kunden,
gab es sogar innerhalb der unterschiedlichen Standorte Varianten in der Abarbeitung, je
nachdem welches Team hier zusammengearbeitet hat. An die Anstrengung der letzten
Jahre hatten sich die Mitarbeiter zwar gewöhnt, aber es war nur eine Frage der Zeit, bis
dieses System kollabieren würde. Ein zu großes Risiko entstand.
Auch die Kunden haben den digitalen Wandel teilweise begriffen und vor allem die
Key Accounts fingen damit an, digitale Schnittstellen anzubieten, mit dem Hinweis, dass
eine Übergabe der Auftragsdaten per E-Mail oder Post nur noch bis zu einem gewissen
Datum möglich sei. Daher entstanden Bestrebungen, den Auftragsmanagementprozess
mitsamt der Field Service-Prozesse zu digitalisieren.
lösungen führte. Zum Unmut der Anwender. Und nein, wir sprechen nicht vom Jahre
1980, sondern von einem Projektstart im Jahr 2018!
Diese kritische Phase konnte nur durch den unerschütterlichen Mut der Geschäfts-
führung und einem gemeinsamen Zielbild des Projektteams überstanden werden. Zum
Zeitpunkt dieser Lektüre werden jeden Tag knapp 100 Aufträge standardisiert angelegt,
bearbeitet, zurückgemeldet und abgerechnet. Fast alle großen Kunden sind bereits mit
digitalen Schnittstellen an das System angebunden, sodass die Auftragsanlage weitest-
gehend automatisiert erfolgt und nur noch in Einzelfällen eine händische Überprüfung
benötigt. Allein dieser Arbeitsschritt hat im Schnitt zwei Mitarbeiter*innen gebunden und
war stark fehleranfällig.
Aus einer Liste mit 13 Anbietern wurde auf eine vorläufige Short List mit sechs An-
bietern gekürzt. Die verbleibenden Anbieter haben wir mittels Telefonkonferenzen und
teilweiser Bildschirmübertragung (es war das Jahr 2019!) kontaktiert und konnten somit
einen kleinen Kreis von drei verbleibenden Anbietern ermitteln.
Mit diesen Anbietern sind wir dann in mehrstufige Gespräche gegangen. Doch keiner
der Anbieter konnte das liefern, was gefordert war. Trotzdem waren wir uns sicher, die
richtigen Funktionen ermittelt zu haben und wollten davon noch nicht abrücken. Es stand
also im Raum, das kleinere Übel zu wählen. Wobei es immer darauf hinauslief, dass eben
nicht nur eine, sondern evtl. zwei bis drei Software-Module miteinander kombiniert wer-
den sollten. Doch die Ideallösung war das nicht. Die Gespräche liefen also weiter. Und
zwischendrin, ohne, dass es dafür eine plausible Erklärung gab, meldete sich ein Vertriebs-
mitarbeiter eines Software-Herstellers bei einem der Entscheider im Projekt. Es stellte
sich heraus, dass dieser jede Anforderung in einer Software anbieten konnte. Es lohnte
sich also doch, den Markt zu sondieren und alle im Projektteam zu involvieren. Hätte sonst
die Führungskraft des Fachbereichs sofort reagiert und einen kurzfristigen Vorstellungs-
termin einberufen, wäre nur der Einkauf oder die IT-Abteilung in den Prozess involviert
gewesen? Ich schätze nicht.
Sprechen wir also von einem glücklichen Zufall oder vom Glück des Tüchtigen? Ich
überlasse Ihnen die Antwort.
Es wurde damit begonnen, das Projektteam aufzustocken. Neue Vertreter der Fach-
bereiche kamen mit dazu. Wir haben hier darauf geachtet, dass alle neuen Mitarbeiter*innen
zum einen offen waren für Veränderungen und motiviert waren, die Zeit, die sie von Ihren
Vorgesetzten zur Verfügung bekamen, für das Projekt einzusetzen. Das war für alle
Beteiligten nicht leicht. Denn dadurch mussten Aufgaben des Tagesgeschäfts innerhalb
der Abteilungen von den Kolleg*innen, die nicht im Projekt mitgearbeitet haben, zusätz-
lich erledigt werden.
Mit dem neuen Team wurden parallel die Rollendefinitionen innerhalb des Projekt-
teams und eine Kommunikationsstrategie erarbeitet. Dazu gehörte es auch, dass geeignete
Formate zum Austausch mit den restlichen Mitarbeiter*innen und Anwendern erfunden
wurden. So entstand auch das digitale Gipfeltreffen mit dem Projektteam. Hier wurde
jeden zweiten Monat die Projektfortschritte, inklusive aller Probleme und Erfolge, und die
Vorschau über die nächsten Schritte kommuniziert. Am wichtigsten für das Projektteam
waren jedoch die Fragerunden nach der kurzen Präsentation. Wir waren uns darüber einig,
dass dies eine perfekte Chance sein würde, das Stimmungsbild in der Belegschaft aufzu-
greifen und Einwände, Sorgen und Ängste zu behandeln.
Die Arbeit in Zusammenarbeit mit dem Hersteller begann. Eine interessante Anfangs-
phase kann ich hierbei in jedem komplexen Projekt beobachten. Wie in jedem Team, was
sich neu geformt hat, gibt es zu Beginn eine eher stürmische Phase, in der noch nicht alles
rund läuft. Wichtig ist hier, dass sich überhaupt etwas tut. Das war hier schon der Fall,
allerdings gab es noch viel zu viel unstrukturiertes Arbeiten, Termine ohne Sinn und Dis-
kussionen ohne gemeinsamen Kommunikationsmaßstab. Eine Leitplanke musste also her.
Dafür versammelte ich das Team und wir haben Schritt für Schritt verschiedene Dinge
festgelegt und im Team entschieden. Die Art, wann und wie wir miteinander kommunizie-
ren, die Inhalte, die Meilensteine. Einfach alles wurde noch einmal geprüft und be-
schlossen. Hier hatte ich einen wichtigen Schritt nicht richtig zu Ende geführt und zu viele
Dinge vorausgesetzt. Man lernt nie aus.
Die Konfiguration war schon fast abgeschlossen, da haben wir bereits die ersten An-
wendertests durchgeführt. Zwischen dem Abnahmetest und dem Beginn der Anwender-
schulung lagen keine zwei Wochen. Das ist wenig Puffer für die Größe des Projekts. Doch
wir sollten es schaffen. Für die Anwenderschulungen haben wir uns für ein Hybridmodell
zwischen Präsenzschulungen und dem Train-the-Trainer-Ansatz gewählt. Das war für die
Struktur ideal, denn die Außendienstmitarbeiter wurden ohnehin regelmäßig von Ihren
Kolleg*innen im Innendienst zu verschiedenen Themen geschult. Somit hat das hervor-
ragend funktioniert.
22 Stellen Sie sich vor, die Digitalisierung funktioniert! 609
Dann kam der Tag des Go Live. Wir haben uns für eine Mischung aus „Big Bang“ und
schrittweisem Rollout in Abhängigkeit der abzulösenden Umsysteme entschieden. Ein
kontrollierter, aber auch risikobehafteter Schritt. Daher haben wir den Praxistest mit einem
kleineren Bereich vorgelagert durchgeführt, um daraus lernen zu können.
Mit diesem Projekt haben wir im Unternehmen, aber auch in der Branche einen Stan-
dard gesetzt. Natürlich lief nicht alles nach Plan. Aber das Budget wurde nur mit 5 %
überschritten, obwohl viele Zusatzwünsche während des Projektverlaufs dazukamen, die
zum Großteil auch umgesetzt wurden. Das Unternehmen hat zudem eine Projekt-
organisation entwickeln können, die sicher auch auf weitere Projekte in der Größen-
ordnung problemlos angewandt werden konnte. Und, das finde ich am wichtigsten,
die Akzeptanz unter den Anwendern ist mittlerweile sehr hoch. Zudem haben sich
Schlüssel-Mitarbeiter im Projektteam durch Ihren unermüdlichen Einsatz zu wichtigen
Experten für das neue System entwickelt, was mit einer wirtschaftlichen Verbesserung der
Mitarbeiter*innen einherging. Das sind die wahren Erfolge eines solchen Projekts.
22.5 Fazit
All diese Schritte und Entscheidungen, die es in einem solchen Projekt zu treffen gilt,
sollen Ihnen aufzeigen, dass es kein Standardvorgehen gibt, das Ihnen Schritt für Schritt
vorgibt, was wann zu tun ist. Sie müssen einen Großteil der Schritte inhaltlich füllen. Da
führt kein Weg dran vorbei. Den roten Faden bekommen Sie in diesem Fachbeitrag ge-
liefert. Nun sind Sie dran. Füllen Sie diesen mit Leben.
Damit Sie dafür bestens gewappnet sind, möchte ich die wichtigsten Informationen
noch einmal für Sie zusammenfassen.
spiegelt, dass eine Software eingekauft wurde, ohne die prozessuale Grundlage erarbeitet
zu haben. Dann muss der Kunde nach dem Kauf noch eine Extra-Runde drehen, um dann
bei der Erarbeitung und Dokumentation der eigenen Prozesse herauszufinden, dass die
gekaufte Software doch nicht die richtige ist oder nur zu einem Teil passt. Das muss nicht
sein. Es erfordert wenig Aufwand, darf aber nicht vergessen werden. Ihre Prozesse be-
stimmen die Funktionalität der Software – nicht andersherum.
Der erste Schritt ist dabei sicherlich die Digitalisierung. Jedoch kommt kein Unter-
nehmen, das von sich behauptet, es möchte sich weiterentwickeln und wachsen, daran
vorbei, auch das eigene Geschäftsmodell weiterzuentwickeln und somit in die Digitale
Transformation einzutauchen.
Diese nicht anzugehen ist so, als wenn auf der Titanic geleugnet würde, dass das Schiff
beginnt zu sinken.
Literatur
Antwort der Bundesregierung auf die Kleine Anfrage der Abgeordneten Dr. Wieland Schinnenburg,
Michael Theurer, Grigorios Aggelidis, weiterer Abgeordneter und der Fraktion der FDP– Druck-
sache 19/27714 vom 06.04.2021.
Braun, F., & Mahayni, Z. (2020). Transformation in der Prozessindustrie – Darum scheitern 80 Pro-
zent der mittelständischen Digitalisierungsprojekte. https://www.industr.com/de/darum-scheitern-
prozent-der-mittelstaendischen-digitalisierungsproje-2534187#:~:text=Transformation%20
in%20der%20Prozessindustrie%20Darum%20scheitern%2080%20Prozent%20der%20mit-
telst%C3%A4ndischen%20Digitalisierungsprojekte. Zuggriffen am 28.04.2021.
Einführung eines digitalen Impfpasses.
Fisher, R., Ury, W., & Patton, B. (2015). Das Harvard-Konzept (orig. Gettin to Yes) (25. Aufl). Cam-
pus Verlag.
Fujitsu. (2017). https://www.fujitsu.com/nl/Images/The_Digital_Transformation_PACT_Full_Re-
port.pdf. Zugegriffen am 03.05.2021.
Herwartz, C., & Klöckner, J. (2021). „COVID-19 ZERTIFIKAT“ – Diese Probleme gibt es noch beim
digitalen Impfpass. https://www.handelsblatt.com/politik/deutschland/covid-19-zertifikat-diese-
probleme-gibt-es-noch-beim-digitalen-impfpass/27192130.html. Zugegriffen am 16.05.2021.
https://de.fifa.com/worldcup/news/fifa-fussball-wm-2014tm-3-2-milliarden-zuschauer-1-milliarde-
beim-fina-2745551 vom 16 Dez 2015. Zugegriffen am 20.04.2021.
https://de.wikipedia.org/wiki/3-Phasen-Modell_von_Lewin. Zugegriffen am 21.04.2021.
https://ec.europa.eu/germany/news/20200611-digitalisierung_de. Zugegriffen am 12.05.2021.
https://www.destatis.de/DE/Themen/Branchen-Unternehmen/Unternehmen/Kleine-Unternehmen-
Mittlere-Unternehmen/aktuell-umsatz.html. Zugegriffen am 27.04.2021.
612 F. Fusaro
https://www.dihk.de/resource/blob/35410/e090fdfd44f3ced7d374ac3e17ae2599/ihk-
digitalisierungsumfrage-2021-data.pdf. Zugegriffen am 05.05.2021.
https://www.wiwo.de/politik/deutschland/altmaier-beim-handelsblatt-wirtschaftsclub-bis-2021-ist-
deutschlands-verwaltung-komplett-digital/20319692.html. Zugegriffen am 12.05.2021.
Kotter, J. P. (1995). Leading change: Why transformation efforts fail. Harvard Business Review, 2,
59–67. Reprint 95204.
Laukat, A. (1999). Vilfredo Pareto: Trattato di Sociologia Generale. In „Friedhof der Eliten“, Die
Zeit 36.
Lencioni, P. M. (2014). Die 5 Dysfunktionen eines Teams, 10. September 2014.
Reade, W. C. (1814–1884) zugeschrieben, geht aber wohl auf ein Chinesisches Sprichwort zurück,
keine weiteren Quellenangaben.
Streich, R. K. (1997). Veränderungsprozessmanagement. In M. Reiß, L. von Rosenstiel & A. Lanz
(Hrsg.), Change Management – Programme, Projekte und Prozesse. (USW-Schriften für
Führungskräfte, Bd. 31, Abb. 4, S. 423). Schäffer-Poeschel.
Sull, D. (2015). Harvard Business Review. https://www.researchgate.net/publication/289998893_
Why_Strategy_Execution_Unravels-and_What_to_Do_About_It. Zugegriffen am 03.05.2021.
Watzlawick, P., Beavin, J. H., & Jackson, D. D. (2007). Menschliche Kommunikation. Formen, Stö-
rungen, Paradoxien (11., unveränd. Aufl., S. 53–70). Huber.
Fabian Reck und Sebastian Posset
Zusammenfassung
In diesem Beitrag diskutieren wir, auf welche Art und Weise Innovationsnetzwerke bei
der Digitalisierung der Automobilindustrie genutzt werden und inwiefern sich Ko-
operationsmuster im Zuge der digitalen Transformation verändern. Wir greifen dabei
auf eine empirischen Datenerhebung in Form von qualitativen Experteninterviews und
Fallstudiendaten aus 24 kooperativen Innovationsprojekten in Themenbereichen wie
„Autonomes Fahren“, „Smart Mobility Management“ und „Connected Services“ zu-
rück. Unsere Studie zeigt auf, dass Automobilunternehmen zwar verstärkt auf hetero-
genere Innovationsnetzwerke setzen, jedoch weiterhin auf zentralisierten Kontroll- und
Koordinationsmechanismen beharren. Wir schlagen zwei zueinander komplementäre
Perspektiven zur Erklärung dieser Entwicklung vor und leiten Prognosen für die Ent-
wicklung von Innovationsnetzwerken in der Branche ab. Im Speziellen sehen wir zwei
gegensätzliche, jedoch sich ergänzende Szenarien: 1) die Formierung dauerhafter,
branchenübergreifender Allianzen als „Orchestratoren“ und „Keystone“-Akteure der
digitalen Transformation; 2) das Entstehen offener Communities und Cluster mit der
Etablierung von Mobilität als Open-Source-System.
F. Reck (*)
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: [email protected]
S. Posset
LIDL Stiftung & Co. KG, Heilbronn, Deutschland
E-Mail: [email protected]
Schlüsselwörter
Digitale Innovationen eröffnen Unternehmen zahlreiche Chancen, z. B. durch die Er-
weiterung der Funktionalität physischer Produkte oder durch das Angebot von daten-
basierten Dienstleistungen (Porter & Heppelmann, 2014). Die Digitalisierung bringt aller-
dings tiefgreifende Änderungen in den Entstehungs- und Diffusionsmechanismen von
Produkt- und Serviceinnovationen mit sich (Nambisan et al., 2017). Die Forschung hebt
hier vor allem zwei Faktoren hervor: (1) Konvergenz, d. h., das Verschwimmen von Markt-
und Branchengrenzen bei digitalen Produkten und Dienstleistungen (Tilson et al., 2010);
(2) Konnektivität, d. h., die voranschreitende Vernetzung von Innovationsakteuren durch
verbesserte Informations- und Kommunikationstechnologien (IKT) (Majchrzak & Malho-
tra, 2013). Um in der digitalen Welt erfolgreich zu innovieren, müssen Unternehmen ge-
eignete Strategien formulieren und implementieren, die diesen Entwicklungen Rechnung
tragen (Yoo et al., 2012).
Insbesondere ein Strategieelement gewinnt im Zuge der Digitalisierung besonders
stark an Bedeutung: die Kooperationsbeziehungen und Netzwerke des Unternehmens
(Lyytinen et al., 2016). Die „Annual Global Innovation Survey“ der Boston Consulting
Group von 2018 ergab beispielsweise, dass die jährliche Anzahl kooperativer Innovations-
vorhaben im Zeitraum von 2014 bis 2017 branchenübergreifend um knapp 60 % anstieg
(Ringel & Zablit, 2018). Eine Studie des Beratungsunternehmens Accenture aus dem-
selben Jahr kommt zu einem ähnlichen Ergebnis (Lyman et al., 2018). 76 % der befragten
Topmanager gaben an, dass Unternehmensnetzwerke bis Mitte der 2020er-Jahre zur domi-
nierenden Organisationsform für Innovationsvorhaben aufsteigen werden. Gleichzeitig
scheinen viele Unternehmen Probleme zu haben, Kooperationsbeziehungen aufzubauen
und effektiv zu nutzen. Lediglich 40 % der Befragten bewerteten das strategische Bewusst-
sein und die unternehmensinterne Expertise im Management von Innovationsnetzwerken
als ausreichend. Nur knapp 50 % der Unternehmen erzielten signifikante Umsatz-
steigerungen aus kooperativen Innovationsvorhaben.
Vor allem Unternehmen aus traditionell „analogen“ Industrien sehen sich mit den
Herausforderungen dieser stetig wachsenden Vernetzung konfrontiert (Reck & Fliaster,
2019). Ein Beispiel dafür ist die Automobilbranche. Technologische Trends wie Auto-
nomes Fahren und Smart Mobility führen nicht nur zu einer Transformation des Ge-
schäftsmodells von Automobilherstellern, sondern ziehen grundlegende Veränderungen
der Struktur und Steuerung von Innovationsnetzwerken in der Branche nach sich (Hen-
fridsson & Yoo, 2014). So entsteht für Automobilunternehmen ein erheblicher Ko-
23 Mehr „Anarchie“ wagen? – Kooperationsmuster in Innovationsnetzwerken und … 615
beiden Erklärungsansätze sinnvoll ist und wichtige Erkenntnisse für die Formulierung von
Netzwerk- und Digitalisierungsstrategien etablierter Industrieunternehmen liefert.
Die wissenschaftliche Literatur ist sich weitgehend einig, dass mit einem steigenden Grad
an Digitalisierung in der Geschäftswelt Innovationen immer weniger in linearen Prozes-
sen innerhalb von Unternehmensgrenzen entstehen (Nambisan et al., 2017). Vielmehr
führt die digitale Transformation zu einer verstärkten „Demokratisierung“ von Innovation
(Yoo et al., 2012). Innovationsvorhaben werden dabei nicht von einzelnen Unternehmen,
sondern in multilateralen Unternehmenskooperationen und Netzwerken organisiert (Lyy-
tinen et al., 2016).
Innovationsnetzwerke spielen deshalb eine zentrale Rolle für die Innovationsfähigkeit
von Unternehmen und stellen einen wichtigen Differenzierungsfaktor zwischen erfolg-
reichen Innovatoren und weniger innovativen Firmen dar (Dhanaraj & Parkhe, 2006). Der
Begriff „Innovationsnetzwerk“ beschreibt eine freiwillige Kooperation von zwei oder
mehr ansonsten unabhängigen Akteuren mit dem gemeinsamen Ziel der Entwicklung,
Umsetzung und/oder Vermarktung eines bestimmten Innovationsvorhabens (Dilk et al.,
2008). Diese Definition umfasst ein breites Spektrum an Netzwerkarten: Innovationsnetz-
werke können beispielsweise in Form von strategischen Allianzen (He et al., 2020),
Industrieverbänden (Wen et al., 2020) und Technologieplattformen (Tiwana et al., 2010)
auftreten.
Aufgrund der Vielfalt von Netzwerkformen benötigen wir für unsere Analyse der Auto-
mobilindustrie eine einheitliche Systematik zur Klassifizierung und Bewertung von
Innovationsnetzwerken. Lyytinen et al. (2016) bieten einen für die Zwecke unserer Studie
passenden Ansatz. Dieser unterscheidet verschiedene Arten von Innovationsnetzwerken
anhand zweier Dimensionen: a) Heterogenität der Zusammensetzung des jeweiligen Netz-
werks, und b) Zentralisierungsgrad der Koordination und Kontrolle der Innovations-
prozesse im Netzwerk.
Die erste Dimension „Heterogenität“ beschreibt die Zusammensetzung der im In
novationsnetzwerk versammelten Partnerunternehmen. Ein hoher Grad an Heterogenität
resultiert vor allem daraus, dass die beteiligten Unternehmen aus unterschiedlichen
Branchenhintergrund kommen und dadurch jeweils eine unterschiedliche Technologie-
basis besitzen (Ozcan & Eisenhardt, 2009). Eine heterogene Zusammensetzung führt ge-
nerell zu einer größeren Bandbreite an Expertise und eröffnet den beteiligten Unternehmen
die Chance, neuartige Lösungskonzepte durch kreative Wissenskombinationen zu ent-
23 Mehr „Anarchie“ wagen? – Kooperationsmuster in Innovationsnetzwerken und … 617
wickeln (Reck & Fliaster, 2019). Andererseits kann Heterogenität auch zu Konflikten und
Verständigungsproblemen führen (Gassmann et al., 2010). Der optimale Grad an Hetero-
genität hängt somit von den Eigenschaften des jeweiligen Innovationsvorhabens ab,
z. B. dessen Komplexität und Neuheitsgrad (Lyytinen et al., 2016).
Die zweite Dimension „Zentralisierung“ beschreibt die Art und Weise, wie die Auf-
gabenteilung im Innovationsnetzwerk gesteuert und koordiniert wird. In zentral ge-
steuerten Netzwerken liegt eine asymmetrische Machtverteilung unter den beteiligten
Netzwerkpartnern vor, bei der die Kontrolle im Wesentlichen von einem oder einigen we-
nigen Unternehmen ausgeht (Lyytinen et al., 2016). Im Gegensatz dazu sind in dezentra
len Netzwerken die Kooperationspartner gleichgestellt, zentrale Steuerungs- und Ko-
ordinationsinstanzen sind auf ein Minimum beschränkt (Tilson et al., 2010). Zwischen den
beiden Ausprägungen zentral vs. dezentral existieren eine Reihe von Mischformen. So
kann zum Beispiel ein einzelnes Unternehmen bestimmte Schlüsselaufgaben im Netzwerk
zentral verantworten, während andere Aktivitäten den restlichen Netzwerkmitgliedern
selbst überlassen werden (Provan & Kenis, 2008). Zudem kommt es häufig vor, dass die
beteiligten Unternehmen gemeinschaftlich eine dedizierte Organisationseinheit schaffen
oder einen Netzwerkmanager einsetzen, der hauptverantwortlich mit der Steuerung und
Koordinierung der Zusammenarbeit im Netzwerk betraut ist (Heidenreich et al., 2016).
Basierend auf den beiden Dimensionen unterscheiden Lyytinen et al. (2016) vier Arten
von Innovationsnetzwerken: 1) „projektbasierte“, 2) „föderale“, 3) „clanähnliche“ und 4)
„anarchische“ Netzwerke (siehe Abb. 23.1). Jeder dieser Idealtypen beschreibt ein spezi-
fisches Muster der Organisation kollaborativer Innovationsvorhaben, jeweils mit spezi-
fischen Nutzenpotenzialen und Herausforderungen.
Aus unternehmensstrategischer Sicht stellt sich nun die Frage, ob und inwiefern die vier
oben beschriebenen Netzwerktypen im Zuge der Digitalisierung an Bedeutung gewinnen,
bzw. verlieren. Die bisherige Forschung geht stark davon aus, dass die Digitalisierung die
Form der Zusammenarbeit zwischen Unternehmen und damit auch die relative Häufigkeit/
Wichtigkeit bestimmter Netzwerktypen stark beeinflusst (Yoo et al., 2012). Lyytinen et al.
620 F. Reck und S. Posset
(2016) fassen die Entwicklung in folgenden Worten zusammen: „The introduction of digi-
tal components into products, then, no matter how innocent the original intent […] might
be, is likely to lead to fundamental and continuing reconfiguration of the innovation net-
works“ (S. 69).
Die Entwicklung der Zusammensetzung und Steuerung von Innovationsnetzwerken
wird vor allem durch zwei Kerneigenschaften digitaler Innovation beeinflusst: Konvergenz
und Konnektivität. Konvergenz bedeutet, dass Digitalisierung die Kombination einer Viel-
zahl an Technologien erlaubt und dadurch die Integration zahlreicher bislang getrennter
Leistungen und Funktionen ermöglicht (Arthur, 2009). Ein einfaches Smartphone ver-
bindet zum Beispiel Telefonie, Fotografie, Internetfähigkeit und darüber hinaus ein
breites, vom Nutzer durch die Installation von Apps individuell festgelegtes Funk
tionsspektrum (Henfridsson & Yoo, 2014). Die hohe Schnittstellenfähigkeit digitaler
Technologien führt insgesamt dazu, dass „smarte“ Funktionen in physische Objekte ein-
gebettet, bislang separate Nutzenerlebnisse in einem einzelnen Produkt gebündelt und so
komplexe, kontinuierlich modifizier- und erweiterbare Produktarchitekturen geschaffen
werden (Yoo et al., 2012). Dies hat starke Auswirkungen auf die Organisation der Zu-
sammenarbeit von Unternehmen, da digitale Innovation vor allem aus der Zusammen-
führung bislang unverbundener „Knowledge Communities“ und dem Aufbrechen von
Branchengrenzen entsteht (Kolloch & Reck, 2019). Durch das Zusammenwachsen bisher
getrennter Industrien müssen Unternehmen neue und diversere Partnerschaften eingehen,
sodass insgesamt ein steigender Grad an Heterogenität in Innovationsnetzwerken zu er-
warten ist (Lyytinen et al., 2016).
Der Begriff Konnektivität, auf der anderen Seite, beschreibt, dass digitale Artefakte
schneller und kostengünstiger zwischen Unternehmen übertragen und modifiziert werden
können als dies in der physischen Welt möglich wäre (Autio et al., 2018). Der verstärkte
Einsatz von Informations- und Kommunikationstechnologien führt zu abnehmenden Ko-
ordinationskosten zwischen Partnerunternehmen (Majchrzak & Malhotra, 2013). Insgesamt
reduziert sich die „Tyranny of Space“ in Innovationsprozessen: die Zusammenarbeit von
Innovationsakteuren wird immer weniger durch geografische Distanzen und Unternehmens-
grenzen behindert (Yoo et al., 2012). Die Folge sind neue Formen der Organisation,
z. B. Open-Source-Projekte, in denen unabhängige Programmierer Software-Applikationen
um neue Funktionen erweitern, Komponenten des digitalen Produkts auf ihre Bedürfnisse
anpassen und die dabei erstellten Programmcodes der Community offen zur Verfügung stel-
len (Tilson et al., 2010). Konnektivität führt dazu, dass der Einfluss einzelner Akteure über
Innovationsprozesse und -ergebnisse stark abnimmt (Autio et al., 2018). Infolgedessen ver-
lieren Top-down Kontrollmechanismen immer mehr an Bedeutung (Lyytinen et al., 2016).
Da Innovation in der digitalen Welt somit ein fundamental dezentraler Prozess ist, ist ins-
gesamt eine wachsende Bedeutung dezentraler Netzwerkformen zu erwarten.
Zusammengefasst liefert die bisherige Forschung eine eindeutige Prognose: Innova
tionsnetzwerke werden im Zuge der Digitalisierung sowohl heterogener als auch de-
zentraler. Insgesamt ergibt sich der in Abb. 23.2 dargestellte Entwicklungstrend: die rela-
tive Häufigkeit und Wichtigkeit der vier Netzwerktypen verschiebt sich von „Südwesten“
23 Mehr „Anarchie“ wagen? – Kooperationsmuster in Innovationsnetzwerken und … 621
Abb. 23.2 Entwicklung von Innovationsnetzwerken im Zuge der Digitalisierung. (Quelle: Eigene
Darstellung)
Unsere empirische Studie setzt an den oben beschriebenen Forschungslücken an. Konkret
untersuchen wir, in welchem Umfang die vier Netzwerkarten bei digitalen Innovations-
vorhaben in der Automobilindustrie auftreten, inwiefern Innovationsnetzwerke tatsächlich
heterogener und dezentraler werden und zuletzt, ob Transformationspfade bzw. eine
Transformationslogik erkennbar sind. Unser Ziel ist dabei ein tiefgehendes Verständnis
von Mustern und Mechanismen in der Zusammenarbeit von Unternehmen. Zu diesem
Zweck nutzen wir einen qualitativ-empirischen Ansatz. Dieser erlaubt es uns, detaillierte
Erkenntnisse darüber zu sammeln, „wie“ und „warum“ sich Innovationsnetzwerke im
Zuge der Digitalisierung verändern (Yin, 2013). Zudem ist ein qualitatives Studiendesign
gut dafür geeignet, komplexe Zusammenhänge zu erfassen und geeignete Erklärungsan-
sätze für diese zu entwickeln (Dubé & Paré, 2003).
622 F. Reck und S. Posset
nagement“ (Schmidt et al., 2019). Somit bietet unsere Sammlung an Fallstudien ein an-
nähernd komplettes Bild der digitalen Innovation in der Automobilbranche. Die befragten
Experten bestätigten diese Einschätzung in Follow-up-Gesprächen: „Also, wenn ich mir
Ihre Liste da so angucke […], dann haben Sie da schon eine ganz gute Collage davon, was
bei uns in der Branche gerade so abgeht.“ (IKT3).
624 F. Reck und S. Posset
Abb. 23.5 Übersicht der betrachteten Innovationsprojekte – Fortsetzung. (Quelle: Eigene Dar-
stellung)
Unsere Analyse startet mit der Frage, in welchen Netzwerkformen digitale Innovationen
in der Automobilbranche organisiert werden. Im ersten Schritt nutzten wir die g ewonnenen
Interview- und Archivdaten, um die Innovationsnetzwerke jedes der 24 Projekte in die
23 Mehr „Anarchie“ wagen? – Kooperationsmuster in Innovationsnetzwerken und … 625
Systematik von Lyytinen et al. (2016) einzuordnen. Dabei identifizierten wir fünf Kate-
gorien von Innovationsnetzwerken, die sich eindeutig im Hinblick auf die Zusammen-
setzung der Partner und die Steuerung der Zusammenarbeit unterscheiden. Abb. 23.6 stellt
die Einordnung der einzelnen Innovationsprojekte in die 4-Felder-Matrix schematisch dar
und bildet die Eingruppierung in die jeweiligen Kategorien ab.
Abb. 23.6 Schematische Darstellung der beobachteten Netzwerkformen. (Quelle: Eigene Dar-
stellung)
626 F. Reck und S. Posset
basiert. Ein Experte beschreibt mehrere Beispiele dieser Netzwerkform: „Das sind
Arbeitsgruppen, die es auf verschiedensten Ebenen gibt, ob es jetzt im Bereich der
Standardisierung oder Industriekooperationen sind, ob es jetzt ein Industrial Internet
Consortium – IIC – in den USA ist, ob das IEEE Arbeitsgruppen sind im Bereich auto-
nomes Fahren sind, wo man sich schon immer sehr eng ausgetauscht hat und wo auch
signifikant Innovation kreiert wird.“ (Lieferant1). Insgesamt lässt sich die Netzwerk-
form somit als formal-organisiertes Clannetzwerk beschreiben.
• Kategorie 5: In unserer empirischen Erhebung kann lediglich diese letzte Netzwerk-
form als wirklich dezentral organisiert beschrieben werden. Zugleich stellt Kategorie 5
einen absoluten Ausnahme-, bzw. Einzelfall dar. Einzig das Projekt Consultant_Digi-
talTwin nutzt ein Innovationsnetzwerk dieser Art. Unser Interviewpartner beschreibt
dabei den Aufbau und die Organisation des Netzwerks folgendermaßen: „Wir haben
uns Partner am Markt gesucht, die sich mit großen Daten, mit Big Data, auskennen
[…] und haben uns mehr oder weniger somit ein loses Innovationsnetzwerk erschaffen.
Lose heißt es deshalb, weil es keine Verträge nach klassischer Art gibt, sondern es gibt
eher eine Interessengemeinschaft. Da haben wir uns zusammengetan und relativ schnell
und zügig und sehr konstruktiv einen Prototyp gebaut, den wir schon vor einem Monat
hier auf dem großen Automobilelektronik-Kongress vorgestellt haben. Faktisch mit
einer Innovationsgeschwindigkeit, wo man früher erst ein Jahr lang über einen Vertrag
über die Zusammenarbeit verhandelt hätte. Hier hat man jetzt eher grundsätzliche Zu-
sammenarbeitsregeln. Über die muss man sich kurz abstimmen, aber dann einfach ge-
sagt: ‚Komm, lass uns mal anfangen und mit dem ersten MVP – Minimum Viable Pro-
duct – mal anstarten‘.“ (Consultant).
Die zweite Frage im Rahmen unserer empirischen Analyse ist, inwiefern Muster und
Trends in der Netzwerkaktivität von Automobilunternehmen erkennbar sind. Abb. 23.7
bietet hier einen aufschlussreichen Startpunkt. Es ist klar ersichtlich, dass die große Mehr-
heit der betrachteten Innovationsvorhaben auf die unteren beiden Quadranten entfällt. Ins-
gesamt elf Projekte (ca. 46 %) fallen den Kategorien 1a und 1b zu und somit den projekt-
basierten Innovationsnetzwerken nach Lyytinen et al. (2016). Die Kategorien 2 und 3 im
Feld der föderalen Innovationsnetzwerke umfassen drei (ca. 13 %) bzw. sieben (ca. 29 %)
Projekte. Clanähnliche Innovationsnetzwerke spielen eine untergeordnete Rolle, mit zwei
Projekten in Kategorie 4 (ca. 8 %) und einem in Kategorie 5 (ca. 4 %). Anarchische
Innovationsnetzwerke nannte keiner der Befragten, trotz aktiver Nachfrage unsererseits.
Da 24 Innovationsprojekte nur in begrenztem Umfang eine allgemeine Aussage über
die relative Wichtigkeit/Häufigkeit verschiedener Netzwerkarten zulassen, baten wir die
Experten eine ungefähre Schätzung des jeweiligen Anteils für jede der vier Netzwerkarten
nach Lyytinen et al. (2016) an den kooperativ durchgeführten digitalen Innovationsprojekten
des eigenen Unternehmens abzugeben. Das oben beschriebene Muster wurde dabei be-
628 F. Reck und S. Posset
stätigt, bzw. sogar eher verstärkt. Nach Angaben der Befragten werden über 60 % der
Digitalisierungsvorhaben in projektbasierten Innovationsnetzwerken durchgeführt, 20–30 %
in föderalen Netzwerken, 10–15 % in clanähnlichen Netzwerken und 0–5 % in an-
archischen Netzwerken.
Insgesamt ist jedoch ein klarer Trend ersichtlich: die Zusammensetzung der Innovations-
netzwerke in der Automobilindustrie wird im Zuge der Digitalisierung deutlich hetero-
gener. Die befragten Experten führen dies, wie erwartet, auf Konvergenzeffekte zurück,
siehe beispielsweise folgende Aussage: „Aktuell ist eher das Thema heterogen gefragt,
weil die Zeiten der Homogenität […] vorbei sind. […] Gerade bei den Megathemen, die
uns alle bewegen, wie beispielsweise das Thema Mobility oder Urbanisierung, habe ich
den Eindruck, dass die Innovationskräfte in den verschiedenen Industrien oder ver-
schiedenen Disziplinen einer Industrie aufeinanderstoßen. Dass sich jetzt ein Energiever-
sorger mit dem Laden von Elektroautos beschäftigt oder dass ein Telekommunikationsan-
bieter sich damit beschäftigt, wie in einer Smart City gewisse Verkehrsströme laufen, oder
dass er sich mit Parkplatzlösungen beschäftigt, hätte es vor ein paar Jahren so nicht ge-
geben.“ (Consultant). Insgesamt besteht bei den Unternehmen ein hohes strategisches
Bewusstsein für den Trend in Richtung Heterogenität: „Our networks will change, of
course. They will change over the years, because more and more when we move to a mo-
bility solution of the OEM, the services would play a bigger role than the product itself.
Then you would need to have more collaboration from different industries.“ (OEM3).
Insbesondere zeigt die Automobilbranche eine hohe Bereitschaft, auf Unternehmen aus
IT- und Softwarebranche zuzugehen und Fähigkeiten zur branchenübergreifenden Zu-
sammenarbeit zu entwickeln: „Der Übergang kommt aus dem ‚Ich arbeite mit anderen
OEMs, ich arbeite mit Zulieferern an Innovationen‘ zukünftig in eine Form ‚Wie kann ich
eigentlich mit IT-Konzernen, die potenziell auch immer Wettbewerber sein können, zu-
23 Mehr „Anarchie“ wagen? – Kooperationsmuster in Innovationsnetzwerken und … 629
Unsere Studie zeigt, dass die Automobilindustrie bei der Digitalisierung verstärkt auf
heterogene Innovationsnetzwerke setzt. Dezentralität in der Koordination und Steuerung
dieser Netzwerke hingegen wird skeptisch gesehen und bislang kaum praktisch umgesetzt.
Es stellt sich die Frage, wie dieses Muster zustande kommt. Die Aussagen und Experten-
meinungen unserer Interviewpartner scheinen sich bei diesem Thema teils zu widersprechen
630 F. Reck und S. Posset
und ergeben kein kohärentes Gesamtbild. Aus diesem Grund verglichen wir unsere empi-
rische Datenbasis mit bestehenden Theorien in der strategischen Managementforschung
und identifizierten dabei zwei mögliche Erklärungsansätze. Beide Ansätze beschreiben
jeweils eine in sich konsistente Argumentationskette, führen jedoch zu grundverschiedenen
Schlussfolgerungen hinsichtlich der Entwicklung von Innovationsnetzwerken in der Auto-
mobilindustrie. Abb. 23.7 stellt die Kernelemente beider Perspektiven einander gegenüber.
Geschwindigkeit wird niemals so groß sein, dass OEMs sich ausschließlich auf Partner
verlassen. […] Sie würden nie etwas gerade im Kommunikationsmodul, das 5G-fähig
ist, in ein Fahrzeug einbauen, wo der Partner gesagt hat, das ist in Ordnung.“ (IKT3).
In ihrem Netzwerkverhalten müssen Automobilunternehmen deshalb sorgfältig die je-
weiligen Chancen und Risiken der Nutzung von Innovationsnetzwerken abwägen. Es
gilt diejenige Netzwerkform zu finden, die insgesamt den besten Trade-off liefert.
2. Unternehmen in der Automobilindustrie entwickeln und optimieren ihre Innovations-
netzwerke mit Blick auf die Komplementarität der Partnerressourcen. Innovationsnetz-
werke sind vor allem dann wertvoll, wenn sie Zugang zu technologischer Expertise
bieten, die das Unternehmen nicht oder nur schwerlich selbst aufbauen kann. Das zen-
trale Motiv für die Kooperation in Innovationsnetzwerken ist deshalb die Komplementari-
tät von Partnerressourcen (Chung et al., 2000). Dies gilt ebenso in der Automobil-
industrie, wie die befragten Experten bestätigen: „Ich würde sagen schon klar, dass es
schon eine gute komplementäre Situation geben sollte und dass man sich ergänzt und
dass man nicht dauernd 100 % Deckungsgleichheit hat. Das hat sowohl eine techno-
logische Komponente oder eine Prozesskomponente bzw. Know-how-Komponente.“
(IKT2). Die digitale Transformation hat dabei den Bedarf an Komplementärressourcen
stark wachsen lassen: „Du siehst ja auch in letzter Zeit, gerade was autonomes Fahren
betrifft, da wird die Komplexität so hoch. […] Beim autonomen Fahren geht es bei
unserer Netzwerkaktivität darum, dass wir Innovationen aufnehmen, die wir ansonsten
nicht zur Verfügung hätten, oder aber Komplexität bewältigen, die wir ansonsten allein
nicht bewältigen könnten.“ (Lieferant1). Der Trend zu heterogenen Netzwerken ist
letztlich die strategische Antwort der Unternehmen auf die hohe Relevanz von
Komplementärressourcen: „Wir waren die weltbesten Autobauer, die besten Motoren-
hersteller. Jetzt mit der Digitalisierung kommen wir in Bereiche, die für uns komplett
neu sind, und das schaffen wir nicht, nur intern aufzubauen. D. h., die Relevanz hetero-
gener Innovationsnetzwerke wurde erkannt, und in die Richtung wird auch stark in-
vestiert. Das ist kein Altruismus, sondern eine betriebswirtschaftliche Notwendig-
keit.“ (OEM2).
3 . Der zentrale Erfolgsfaktor in Innovationsnetzwerken in der Automobilindustrie sind
enge Koordination und formale Steuerung. Bei der Realisierung partnerschaftlicher
Innovationsvorhaben treten eine Reihe von Kooperationsrisiken auf, die zu verfehlten
Projektzielen oder zum kompletten Scheitern führen können (Dellermann et al., 2017a).
Vor dem Hintergrund der Ressourcenkontrolle müssen sich Automobilunternehmen
zudem gegen mögliches Fehlverhalten und Opportunismus von Partnern absichern,
insbesondere da einige dieser Partner potenzielle Konkurrenten im Mobilitätsmarkt der
Zukunft sind (Lazzarotti et al., 2013). Zentrale Steuerung und formale Vereinbarung
sind daher unabdingbar: „Natürlich werden wir immer noch gewisse zentrale Struktu-
ren haben. Einfach deswegen, weil es nicht praktisch ist, alles dezentralisiert zu ma-
chen. Weil es auch nicht gut ist für Synergien und Kostenstrukturen. […] Je mehr du
dezentralisiert, desto ineffizienter wird das in gewisser Weise auch, weil du Sachen
duplizierst.“ (Lieferant1). In Innovationsnetzwerken setzen Automobilunternehmen
632 F. Reck und S. Posset
deshalb auf enge Koordination und klare Regeln und Absprachen: „I often see that
once you start the collaboration, it starts in a very vague manner where nobody knows
where we are moving. So, the expectation and rule setting from both sides are very
important. Otherwise everybody aims towards getting more revenue share, and many
of the collaborations are failing.“ (Lieferant2). Im Gegensatz dazu bringen dezentrale
Kooperationsformen Risiken mit sich, die mit den Anforderungen der physischen Welt
unvereinbar sind: „Die Automobilindustrie hat auch eine gewisse Verantwortung. Wenn
ein Auto auf der Straße stehen bleibt, ist das ein anderes Problem, als wenn eine App
stehen bleibt. Oder ein Konsumgut, wenn ein Fernseher nach fünf Jahren nicht mehr
geht, ist das etwas anderes, als wenn ein Auto nach fünf Jahren nicht mehr geht. Das
spiegelt sich dann auch in der Zusammenarbeit wider.“ (Consultant).
4. Digitale Innovation in der Automobilindustrie bedarf einer klaren Definition von
Rollenverhältnissen und Kooperationsarchitekturen. Für digitale Innovation in der
Automobilbranche ist es wie oben beschrieben notwendig, eine Bandbreite an Ressour-
cen und Leistungsbeiträgen von Partnerunternehmen zu mobilisieren. Klare Rollenver-
hältnisse und Kooperationsarchitekturen leisten hier einen wichtigen Beitrag. Sie
helfen vor allem, die Interaktionen zwischen Partnern zu strukturieren und stabile
Rahmenbedingungen zu schaffen, die Zusammenarbeit zwischen Unternehmen erst
ermöglichen (Ozcan & Eisenhardt, 2009). Im Zuge der Digitalisierung treten Spannun-
gen und Machtverschiebungen in den traditionellen Strukturen der Automobilindustrie
auf: „Wie stehen wir zueinander? Was sind unsere Rollen in der Value Chain zum Bei-
spiel? Die verschieben sich. Dadurch gibt es natürlich strategische Spannungen. Die
treten tagtäglich auf und da müssen wir uns die ganze Zeit neu definieren.“ (Liefe-
rant1). Dies kann schnell zu Verteilungskonflikten führen, die eine erfolgreiche Ko-
operation zwischen Unternehmen behindern: „Wenn solche Innovationen sehr erfolg-
reich sein werden, dann wird es sehr schnell darum gehen, wer kriegt welchen Teil vom
Kuchen.“ (OEM2). Durch die Öffnung von Branchengrenzen und den Eintritt neuer
Player ist die Organisation von digitaler Innovation in der Automobilbranche unüber-
sichtlich und ökonomisch ineffizient: „Everybody is trying to do the same thing. And
everybody sees that they’re trying to be the first one in the world which is not the case.
These things are a wastage of time, money, resources and this is happening because
there is no collaborative platform where people know that in which area who is wor-
king on and how to collaborate in those areas plus the collaboration framework also
needs to be very clear – so this will help us to have more innovation in the industry.“
(Lieferant2). Die Etablierung von Rollenverhältnissen und Regeln der Kooperation
wird typischerweise von zentralen „Orchestratoren“ (Dhanaraj & Parkhe, 2006) bzw.
„Keystone“-Akteuren (Iansiti & Levien, 2004) vorangetrieben. In der analogen Auto-
mobilindustrie wurde diese Aufgabe vor allem von OEMs übernommen (Henfridsson
& Yoo, 2014). Auch in der digitalen Welt sollten diese Unternehmen deshalb eine zen-
trale Rolle einnehmen.
5 . Die Entwicklung digitaler Innovationsnetzwerke in der Automobilindustrie folgt einem
inkrementell-evolutorischem Transformationspfad. Zusammengenommen führen die
23 Mehr „Anarchie“ wagen? – Kooperationsmuster in Innovationsnetzwerken und … 633
vier oben beschriebenen Thesen zu einer klaren Prognose für die zukünftige Ent-
wicklung von Innovationsnetzwerken in der Automobilbranche. Demnach bleibt die
grundlegende Logik hinter Unternehmensnetzwerken und Kooperationsbeziehungen
beim Übergang von analoger zu digitaler Welt dieselbe. Die größte Veränderung liegt
darin, dass Automobilunternehmen aktiv nach neuen Partnern suchen und zudem ihr
bisheriges Suchfeld nach Kooperationsmöglichkeiten deutlich ausweiten: „Wir werden
dadurch, dass wir neue Ideen und auch andere Ansätze brauchen, heterogener arbeiten
müssen. Das ist mit sehr viel Aufwand und sehr viel Zeit verbunden, die auch spendiert
wird, um mit Start-ups zu arbeiten, Inkubationen selbst intern oder extern zu betreiben,
und wo wir die ganze Klaviatur an kooperativen Innovationsmechanismen nutzen müs-
sen, um nach wie vor ein führender Anbieter sein zu können.“ (Lieferant1). Um neue
Partner zu erreichen, zeigen Automobilunternehmen eindeutig Veränderungs- und
Investitionsbereitschaft: „Wir haben auch im Unternehmen eine Digitalisierungs-
Roadmap aufgestellt, wo alle Bereiche in der Digitalisierung stark unterstützt werden
sollen. Und auch hier werden wir sehr stark über Communities gehen und diese Com-
munities auch zu einem sehr starken Maße für andere Unternehmen öffnen. […] Wir
stehen am Anfang. Wir werden aber massiv in diese Richtung investieren.“ (OEM2).
Insgesamt ist zu erwarten, dass Automobilunternehmen vor allem bei Kerntechno-
logien verstärkt partnerschaftlich-föderale Innovationsnetzwerke (Kategorie 3) nutzen.
Die derzeitigen branchenübergreifenden Konsortien werden voraussichtlich mehr und
mehr durch dauerhafte strategische Allianzen abgelöst: „Da entstehen komplett neue
Allianzen, da entstehen Zusammenkünfte, wie sie zum Beispiel in der Luftfahrtindustrie
vor vielen Jahren, Jahrzehnten gegründet wurden mit Star Alliance und SkyTeam Alli-
ance als Beispielen. Solche Dinge, die kommen jetzt auch hier in der Automobil-
industrie zum Einsatz.“ (IKT1). Ein wahrscheinliches Szenario ist, dass diese Allian-
zen schrittweise die bisherige Rolle der OEMs als zentrale Akteure im Ecosystem der
Automobilbranche einnehmen. Anstelle der Entwicklung und Vermarktung von Auto-
mobilen durch OEMs würde so die gemeinschaftliche Entwicklung und Vermarktung
umfassender und smarter Mobilitätslösungen durch Allianzen (beispielsweise von
OEMs, IKT-Anbietern und Softwareunternehmen) zur dominierenden Wettbe
werbslogik.
man zu stark auf einen Partner setzt und dadurch andere Entwicklungen verpasst, dann
riskiert man gegebenenfalls als Automobilhersteller selbst seine Geschäftsfähigkeit.“
(IKT3). In der digitalen Welt ist deshalb „Generativität“ eine sinnvollere Zielgröße,
d. h., die Fähigkeit des Netzwerks, spontane innovative Erträge aus einer großen, oft
wenig koordinierten Anzahl an Mitgliedern zu stimulieren (Autio et al., 2018). Dies
kann typischerweise durch die Bereitstellung von Plattformtechnologien geschehen:
„Bei Ökosystemen oder auch digitalen Plattformen geht es ja darum, dass ich etwas
bereitstelle, wo andere damit ihre Anwendungen machen. […] Das haben OEMs auch
schon früher in einer gewissen Form gemacht, aber es geht jetzt deutlich darüber hi
naus, indem man sagt, ich stelle jetzt eine Plattform bereit und anderen entwickeln Pro-
dukte auf der Plattform. […] Wenn man das Ganze noch konsequenter weiterdenkt,
sind die größten Firmen der Welt, wie Google oder Facebook, eigentlich digitale Platt-
formen, die etwas bereitstellen und die Masse der Anwendungen darauf wird von Drit-
ten gebaut.“ (Consultant).
3. Der zentrale Erfolgsfaktor in Innovationsnetzwerken in der Automobilindustrie ist die
Fähigkeit des Netzwerks, auf breiter Basis neue Partner anzuziehen und an sich zu
binden. Während bei auf Komplementarität ausgerichteten Innovationsnetzwerken eine
zielgerichtete Partnersuche und -auswahl entscheidend sind, rücken bei auf Generativi-
tät ausgerichteten Netzwerken Attraktivitäts- und Loyalitätsmanagement gegenüber
einer Vielzahl an potenziellen Plattformmitgliedern in den Mittelpunkt (Dellermann
et al., 2017b). Anstelle eines Wettbewerbs um Ressourcen tritt ein Wettbewerb um
Partner: „Das heißt ja nicht nur: ‚Ja, wir öffnen unsere Schnittstellen für Dritte und ihr
könnt gerne was darauf bauen‘, sondern die Dritten sind der eigentliche Kern. Man
konzentriert sich nicht nur auf die Plattform, sondern auf die Mitglieder der Platt-
form.“ (Consultant). Automobilunternehmen scheinen jedoch genau mit diesem At-
traktivitäts- und Loyalitätsmanagement Probleme zu haben. Aufgrund der traditionell
starken Position der Branche sehen diese Unternehmen den eigenen Wert als Ko-
operationspartner oft als gegeben an: „Genau, das ist ja das Stichwort beim Thema
Ökosysteme. Ein Automobiler denkt: ‚Ich bin die Sonne, um mich herum sind kleine
Planeten‘.“ (Consultant). Als Folge dieser Selbstbezogenheit mangelt es häufig an
Bewusstsein dafür, was potenzielle Partner und Plattformmitglieder anzieht oder ab-
schreckt: „Auf der einen Seite die Automobilindustrie, die über 130 Jahre gewachsen,
eher sequenziell organisiert, eher sehr fein prozessual organisiert ist. Darauf stößt jetzt
die Start-up-Kultur, die dort völlig entgegengesetzt ist, die mit einer tollen Idee kommt,
dort wahnsinnig schnell diese Idee verbessern, optimieren wird, aber wenn man damit
auf einen OEM stößt, sagt der erst einmal: ‚Hier unterschreibe erst einmal mein MDA
und meine AGBs.‘ Da ist das Start-up völlig überfordert.“ (Consultant).
4 . Starre Rollenverhältnisse und Kooperationsarchitekturen behindern die vollständige
Ausnutzung des Wertschöpfungspotenzials von Innovationsnetzwerken in der Auto-
mobilindustrie. Lyytinen et al. (2016) argumentieren, dass nur heterogene und de-
zentrale Innovationsnetzwerke zur vollen Ausschöpfung des generativen Potenzials
digitaler Technologien führen. Dies bestätigen auch die befragten Experten: „Also, aus
636 F. Reck und S. Posset
meiner Sicht ist die Öffnung hin zu vielschichtigen Partnerschaften erforderlich. Das
heißt, wir werden mehr in heterogene Zusammenarbeitsformen gehen und die de-
zentralisiert. Das ist meine persönliche Sicht, weil die Entwicklungsgeschwindigkeit,
die der Markt verlangt, die die Unternehmen verlangen, das werden sie in homogenen,
geschlossenen Systemen einfach nicht mehr leisten können.“ (IKT1). Wie oben be-
schrieben, lassen Automobilunternehmen Heterogenität bereitwillig zu. Anders sieht es
im Hinblick auf Dezentralität aus. Hier bestehen insbesondere OEMs auf der Formali-
sierung von Rollenverhältnissen und Kooperationsnormen: „Wir kommen aus einer
langen Tradition hierarchisch gesteuerter Projekte und hierarchisch orientierter
Projektarbeit. Das löst sich schrittweise auf, braucht aber eine Menge, um erst einmal
zusammenzufinden.“ (OEM1). Die oft starren Regeln erweisen sich als Barriere für
Generativität aus dem Partnernetzwerk der Automobilunternehmen: „Da kommt dann
eine flippige Start-up-Idee rein und sagt: ‚Das und das will ich gerne!‘, und dann sagt
einer: ‚Junger Freund, die Jahresplanung für 2020 hätte man schon bis März letzten
Jahres abschließen müssen. Das, was ihr wollt, ist zwar schön, aber da hättet ihr euch
schon vor anderthalb Jahren anmelden müssen.‘“ (Consultant). Zudem ähneln die
Innovationsnetzwerke von Automobilunternehmen eher geschlossenen Gesellschaften
als offenen Communities. Die Mitwirkung in den jeweiligen Ecosystemen wird stark
beschränkt und handverlesen ausgewählt: „Es gibt entsprechende Organe in der Firma,
die Due Diligence machen, neue Partner natürlich überprüfen. […] Es geht wirklich
darum, wo man Geschäftschancen sieht und wie sich auch Business Cases rechnen, die
man dann entsprechend in den jeweiligen Geschäftseinheiten und Dimensionen zur
Entscheidung bringt.“ (OEM1).
5 . Die Entwicklung digitaler Innovationsnetzwerke in der Automobilindustrie folgt einem
radikal-disruptiven Transformationspfad. Unter der Annahme von Offenheit und
Generativität als zentralen Erfolgsfaktoren für digitale Innovation lassen sich folgende
dominierende Netzwerkformen für die Automobilindustrie und den Mobilitätsmarkt
prognostizieren: offene Communities, Cluster und Ecosysteme, d. h. anarchische
Innovationsnetzwerke (Lyytinen et al., 2016). Diese Innovationsnetzwerke versammeln
nicht nur neue Partner, sondern bringen eine vollkommen neue Kooperationslogik mit
sich, die adäquat gemanagt werden muss. Vor allem mit letzterem haben Automobil-
unternehmen augenscheinlich Probleme. Warum das so ist, lässt sich mithilfe des Kon-
zepts der „Incumbent Inertia“ erklären (Gilbert, 2005). Dieses beschreibt eine Situa-
tion, in der die traditionellen „Ways-of-Doing-Things“ etablierter Unternehmen durch
Technologie-, Markt- und Umfeldveränderungen unter Druck gesetzt werden. Eine
solche Entwicklung ist in der Automobilindustrie deutlich beobachtbar: „Da gibt es
natürlich massivste Spannungen und Verwerfungen in dem Markt. Auf einmal kommt
Amazon rein von links, da kommt Apple rein von rechts, da kommt Google von hinten.
Was ändert das? […] Ist das etwas, was die Vormachtstellung der Automobilhersteller
eventuell betrifft?“ (Lieferant1). Erschwerend kommt hinzu, dass etablierte Unter-
nehmen zumindest eine Zeit lang parallel die alte und die neue Logik bedienen müssen:
„Man muss immer gucken, wie bewahre ich die bewährten Prozesse. Ich muss es aber
23 Mehr „Anarchie“ wagen? – Kooperationsmuster in Innovationsnetzwerken und … 637
ergänzen und anreichern mit dem sogenannten Neuen und das ist die Herausforderung
für die Industrie, beides können zu müssen. Das ist wirklich das Harte.“ (IKT2). In
einer solchen Situation reagieren Unternehmen mit verstärkten Ressourceneinsatz und
Investitionen in Veränderungen, siehe zum Beispiel die Bereitschaft der Automobil-
unternehmen neue Partner und Netzwerke zu erschließen. Allerdings scheitern eta
blierte Player meist daran, die „Soft Factors“, d. h. die zugrundeliegenden Routinen,
Verhaltensweisen, Mindsets und Kulturen anzupassen, so auch in der Automobil-
branche: „OEMs müssen mit Informationen deutlich anders umgehen, müssen Infor-
mationen in Netzwerken bereitstellen. Es ist ein Thema der Prozesse, Information als
Herrschaftswissen hört dann zumindest bei vielen Themen auf. Es muss eine Bereit-
schaft geben und das ist auch ein Kulturthema. […] Das sind alles Themen, wo man
sagt, das kann man besser machen, indem man schneller, Stichwort Dinosaurier, auf
die Umwelt reagiert.“ (Consultant). Automobilunternehmen passen sich somit im Hin-
blick auf die Frage „Mit wem kooperieren wir?“ an, sind aber nicht in der Lage, sich
im Hinblick auf die Frage „Wie kooperieren wir?“ neu auszurichten. Infolgedessen
schaffen sie es nicht, dezentrale Netzwerkformen für sich nutzbar zu machen.
In diesem Beitrag betrachteten wir, auf welche Art und Weise Netzwerke und Ko-
operationsbeziehungen bei digitalen Innovationen in der Automobilbranche zum Einsatz
kommen. Unsere Ergebnisse zeigen, dass digitale Innovationsvorhaben vor allem in klas-
sischen OEM-Lieferanten-Beziehungen (d. h., in projektbasierten Innovationsnetzwerken)
und branchenübergreifenden Konsortien (d. h., in partnerschaftlich-föderale Innovations-
netzwerken) organisiert werden. Insgesamt ist ein klarer Trend in Richtung einer hetero-
generen Zusammensetzung von Innovationsnetzwerken zu beobachten. Automobilunter-
nehmen suchen aktiv und strategisch nach neuen Partnern, vor allem in Branchen, die
durch Smart Mobility und Autonomes Fahren mehr und mehr mit der Automobilindustrie
zusammenwachsen. Im Gegensatz dazu konnte kein Trend in Richtung stärkerer De-
zentralisierung festgestellt werden – ein unerwartetes Ergebnis vor dem Hintergrund der
bisherigen Forschung zu digitaler Innovation. Automobilunternehmen bevorzugen hier
eindeutig stabile Rollenverhältnisse und enge Koordination mit Netzwerkpartnern.
Unser Beitrag schlägt zwei alternative Erklärungsansätze für das beobachtete Netz-
werkverhalten vor. Diese beiden Erklärungsansätze zeigen gegensätzliche Argumentations-
ketten dafür auf, dass Automobilunternehmen Netzwerkheterogenität aktiv befördern, je-
doch Dezentralität auf ein notwendiges Minimum beschränken. Der erste Ansatz fokussiert
sich auf Ressourcenkontrolle und Komplementärressourcen als Treiber des Innovations-
erfolgs von Unternehmen. Aus dieser Perspektive geschieht die Vermeidung dezentraler
Netzwerkformen aus insgesamt nachvollziehbaren strategischen Gründen. Der zweite
Ansatz folgt der Annahme, dass Schnittstellenfähigkeit und Generativität die zentralen
Erfolgsfaktoren bei der digitalen Transformation der Automobilindustrie sind. Diese
638 F. Reck und S. Posset
Sichtweise impliziert, dass der geringe Grad an Dezentralisierung die Folge organisationaler
Trägheit der Automobilunternehmen ist und diesen letztlich teuer zu stehen kom-
men könnte.
Am Ende ist es wie bei vielen anderen strategischen Fragestellungen: die Wahrheit liegt
vermutlich zwischen diesen beiden Extrempositionen. Zu einem gewissen Grad werden
sowohl Kontrolle als auch Anschlussfähigkeit notwendig sein, sowohl Komplementarität
als auch Generativität. Die parallele Betrachtung der beiden Erklärungsansätze erlaubt
hier einen ganzheitlichen Überblick über das Spannungsfeld, in dem sich die Automobil-
industrie derzeit befindet. Durch ihre Gegenüberstellung helfen die beiden Erklärungsan-
sätze dabei, das strategische Bewusstsein für netzwerkrelevante Fragestellungen zu
schärfen und die richtige Balance in der Nutzung verschiedener Netzwerk- und Ko-
operationsformen herzustellen.
Auf diese Weise liefert unsere Forschung mehrere Handlungsempfehlungen für
Unternehmens- strategen, Netzwerkmanager und Digitalisierungsexperten. Zuvorderst
steht hier die Frage, welche Art Innovationsnetzwerk sich letzten Endes als dominante
Kooperationsform in der Automobilbranche durchsetzen wird: partnerschaftlich-föderale
Innovationsnetzwerke oder anarchische Innovationsnetzwerke? Auf welche Netzwerk-
form sollten Automobilunternehmen hier zukünftig setzen? In Anbetracht unserer
Forschungsergebnisse halten wir eine integrierte Herangehensweise für am meisten
erfolgversprechend. Automobilunternehmen sollten dabei zentrale Allianzen um die Kern-
technologien und -unsicherheiten zukünftiger Technologiefelder schließen. Beim Thema
Autonomes Fahren wären beispielsweise vier Hauptbereiche abzudecken: Fahrzeugbau,
Software & AI, Kommunikationstechnologie und Verkehrsinfrastruktur. Diese strategi-
schen Allianzen entwickeln kooperativ Produkt- und Leistungsarchitekturen mit dem ex-
pliziten Ziel, diese als offene Plattform für Servicedienstleister und unabhängige Soft-
wareentwickler bereitzustellen. Die jeweilige Allianz bildet somit den Kern eines
dynamischen Ecosystems mit einer weitläufigen Peripherie an verbunden Akteuren. Wäh-
rend dieses Ecosystem die Basis für den Innovationserfolg darstellt, würden Automobil-
unternehmen des Weiteren auf die volle „Klaviatur“ der anderen oben beschriebenen
Netzwerkformen zugreifen, beispielsweise um Teilmodule weiterzuentwickeln oder
Industriestandards in die gewünschte Richtung zu verschieben. Dabei sollten die Unter-
nehmen einen Portfolioansatz verfolgen, um jeweils die geeignete Netzwerkform für das
spezifische Innovationsvorhaben auszuwählen.
Damit diese Vision in die Tat umgesetzt werden kann, müssen Automobilunternehmen
massiv in den Aufbau wichtiger unternehmensinterner Fähigkeiten investieren. Wir sehen
hier drei dringende Handlungsfelder. Erstens zeigen Studien, dass die Teilnahme un-
abhängiger Entwickler in digitalen Ecosystemen vorrangig durch die technologische
Qualität der jeweiligen Plattform bestimmt wird (Dellermann et al., 2017b). Zur Steige-
rung der Attraktivität eigener Plattformen benötigen Automobilunternehmen deshalb
Fähigkeiten im Bereich Software-Interfaces, APIs und Open-Source. Zweitens bedarf es
einer Professionalisierung des Netzwerkmanagements, einer bislang oft eher stiefmütter-
lich behandelten organisationalen Funktion in vielen Unternehmen. Hier bietet sich bei-
23 Mehr „Anarchie“ wagen? – Kooperationsmuster in Innovationsnetzwerken und … 639
spielsweise die Schaffung eigener Organisationseinheiten für die Bündelung von Exper-
tise im N
etzwerkmanagement an, die als Berater für die jeweiligen Geschäftsabteilungen
und Projektteams zur Verfügung stehen (Kale et al., 2002). Des Weiteren liefert die For-
schung eine Reihe von Best Practices, die Automobilunternehmen intern implementieren
können (Reck & Fliaster, 2019). Drittens benötigen Automobilunternehmen ein hohes
Maß an netzwerkbezogener „Ambidexterität“ (Birkinshaw & Gibson, 2004), d. h., die
Fähigkeit eine Balance zwischen miteinander in Konflikt stehenden Zielgrößen herzu-
stellen (z. B. gleichzeitige Offenheit und Ressourcenkontrolle in Innovationsnetzwerken).
Dieser letzte Punkt umfasst insbesondere auch die Unternehmenskultur, die sich hierzu
von der derzeitigen Effizienzorientierung der Automobilindustrie hin zu mehr Ambigui-
tätstoleranz öffnen muss. Um es zum Abschluss mit den Worten eines der befragten Ex-
perten auszudrücken: „Das Allerwichtigste, was man oft beim Thema Innovationsnetz-
werke unterschätzt, ist dass die konkrete Organisationsform hauptsächlich als Enablement
dient, aber wichtig ist eher die Frage des Mindsets und der Kultur. Wenn ich das nicht
zustande bringe, dann kann ich mir die Organisationsform schenken.“ (IKT2).
Literatur
Andersson, M., Lindgren, R., & Henfridsson, O. (2008). Architectural knowledge in heterogeneous
IT innovation: Implications for research and strategy. Journal of Strategic Information Systems,
17(1), 22–38.
Arthur, W. B. (2009). The nature of technology: What it is and how it evolves. Free Press.
Autio, E., Nambisan, S., Thomas, L. D., et al. (2018). Digital affordances, spatial affordances, and
the genesis of entrepreneurial ecosystems. Strategic Entrepreneurship Journal, 12(1), 72–95.
Beiker, S., Hansson, F., Suneson, A., et al. (2016). How the convergence of automotive and tech will
create a new ecosystem. McKinsey. https://www.mckinsey.de/~/media/McKinsey/Industries/Auto-
motive%20and%20Assembly/Our%20Insights/How%20the%20convergence%20of%20auto-
motive%20and%20tech%20will%20create%20a%20new%20ecosystem/Howthe-convergence-of-
automotive-and-tech-will-create-a-new-ecosystem-final.pdf. Zugegriffen am 20.07.2022.
Birkinshaw, J., & Gibson, C. (2004). Building ambidexterity into an organization. MIT Sloan Ma-
nagement Review, 45(4), 47–55.
Cacilo, A., Schmidt, S., Wittlinger, P., et al. (2015). Hochautomatisiertes Fahren auf Autobahnen –
Industriepolitische Schlussfolgerungen. Fraunhofer-Institut für Arbeitswirtschaft und Organisa-
tion (IAO).
Chen, R., Lam, O., & Kramer, K. (2007). Strategic use of information technology – Google. Working
paper, Center for Research on Information Technology and Organizations (CRITO), University
of California.
Chung, S., Singh, H., & Lee, K. (2000). Complementarity, status similarity and social capital as
drivers of alliance formation. Strategic Management Journal, 21(1), 1–22.
Dellermann, D., Fliaster, A., & Kolloch, M. (2017a). Innovation risk in digital business models: The
German energy sector. Journal of Business Strategy, 38(5), 35–43.
Dellermann, D., Jud, C., & Reck, F. (2017b). Plattform-Loyalität in der Cloud. HMD Praxis der
Wirtschaftsinformatik, 54(3), 403–416.
Dhanaraj, C., & Parkhe, A. (2006). Orchestrating innovation networks. Academy of Management
Review, 31(3), 659–669.
640 F. Reck und S. Posset
Dilk, C., Gleich, R., Wald, A., et al. (2008). State and development of innovation networks: Evidence
from the European vehicle sector. Management Decision, 46(5), 691–701.
Dubé, L., & Paré, G. (2003). Rigor in information systems positivist case research: Current practi-
ces, trends, and recommendations. MIS Quarterly, 27(4), 597–635.
Eisenhardt, K. M., & Graebner, M. E. (2007). Theory building from cases: Opportunities and chal-
lenges. Academy of Management Journal, 50(1), 25–32.
Gassmann, O., Zeschky, M., Wolff, T., et al. (2010). Crossing the industry-line: Breakthrough inno-
vation through cross-industry alliances with ‘non-suppliers’. Long Range Planning, 43(5-6),
639–654.
Gilbert, C. G. (2005). Unbundling the structure of inertia: Resource versus routine rigidity. Academy
of Management Journal, 48(5), 741–763.
Gioia, D. A., Corley, K. G., & Hamilton, A. L. (2013). Seeking qualitative rigor in inductive re-
search: Notes on the Gioia methodology. Organizational Research Methods, 16(1), 15–31.
He, Q., Meadows, M., Angwin, D., et al. (2020). Strategic alliance research in the era of digital trans-
formation: Perspectives on future research. British Journal of Management, 31(3), 589–617.
Heidenreich, S., Landsperger, J., & Spieth, P. (2016). Are innovation networks in need of a conduc-
tor? Examining the contribution of network managers in low and high complexity settings. Long
Range Planning, 49(1), 55–71.
Henfridsson, O., & Yoo, Y. (2014). The liminality of trajectory shifts in institutional entrepreneur-
ship. Organization Science, 25(3), 932–950.
Hillman, A. J., Withers, M. C., & Collins, B. J. (2009). Resource dependence theory: A review.
Journal of Management, 35(6), 1404–1427.
Iansiti, M., & Levien, R. (2004). The keystone advantage: What the new dynamics of business eco-
systems mean for strategy, innovation, and sustainability. Harvard Business Press.
Kale, P., Dyer, J. H., & Singh, H. (2002). Alliance capability, stock market response, and long-term
alliance success: The role of the alliance function. Strategic Management Journal, 23(8),
747–767.
Kolk, M., Eagar, R., Boulton, C., et al. (2018). How hyper-collaboration accelerates ecosystem in-
novation. Strategy & Leadership, 46(1), 23–29.
Kolloch, M., & Reck, F. (2019). Kundengetriebene Innovation und Digitalisierung: Wirkmechanis-
men, Nutzenpotenziale und Umsetzungsbarrieren am Beispiel der Energiebranche. In W. Becker,
B. Eierle, A. Fliaster, et al. (Hrsg.), Geschäftsmodelle in der digitalen Welt: Strategien, Prozesse
und Praxiserfahrungen (S. 123–143). Springer Gabler.
Lazzarotti, V., Manzini, R., Pellegrini, L., et al. (2013). Open Innovation in the automotive industry:
Why and how? – Evidence from a multiple case study. International Journal of Technology In-
telligence and Planning, 9(1), 37–56.
Lyman, M., Ref, R., & Wright, O. (2018). Cornerstone of future growth: Ecosystems. Accenture.
https://www.accenture.com/us-en/insights/strategy/cornerstone-future-growth-ecosystems. Zu-
gegriffen am 20.07.2022.
Lyytinen, K., Yoo, Y., & Boland, R. J. (2016). Digital product innovation within four classes of in-
novation networks. Information Systems Journal, 26(1), 47–75.
Majchrzak, A., & Malhotra, A. (2013). Towards an information systems perspective and research
agenda on crowdsourcing for innovation. Journal of Strategic Information Systems, 22(4),
257–268.
Makkonen, H., & Komulainen, H. (2018). Explicating the market dimension in the study of digital
innovation: A management framework for digital innovation. Technology Analysis & Strategic
Management, 30(9), 1015–1028.
Nambisan, S., Lyytinen, K., Majchrzak, A., et al. (2017). Digital innovation management: Reinven-
ting innovation management research in a digital world. MIS Quarterly, 41(1), 223–238.
23 Mehr „Anarchie“ wagen? – Kooperationsmuster in Innovationsnetzwerken und … 641
Nepelski, D., & De Prato, G. (2018). The structure and evolution of ICT global innovation network.
Industry and Innovation, 25(10), 940–965.
Ozcan, P., & Eisenhardt, K. M. (2009). Origin of alliance portfolios: Entrepreneurs, network strate-
gies, and firm performance. Academy of Management Journal, 52(2), 246–279.
Porter, M. E., & Heppelmann, J. E. (2014). How smart, connected products are transforming com-
petition. Harvard Business Review, 92(11), 64–88.
Provan, K. G., & Kenis, P. (2008). Modes of network governance: Structure, management, and ef-
fectiveness. Journal of Public Administration Research and Theory, 18(2), 229–252.
Reck, F., & Fliaster, A. (2019). “Play to win” versus “Play it safe”: Strategische Gestaltung eines
innovationsförderlichen Partnerportfolios und seine Bedeutung im Digitalisierungskontext. In
W. Becker, B. Eierle, A. Fliaster, et al. (Hrsg.), Geschäftsmodelle in der digitalen Welt: Strate-
gien, Prozesse und Praxiserfahrungen (S. 145–166). Springer Gabler.
Ringel, M., & Zablit, H. (2018). Innovation in 2018. Boston Consulting Group. https://www.bcg.
com/publications/2018/most-innovative-companies-2018-innovation.aspx. Zugegriffen am 20.07.2022.
Schmidt, A., Quilligan, A., Narsalay, R., et al. (2019). Driving growth with digital innovation –
The remaking of industries: Automotive. Accenture. https://www.accenture.com/_acnmedia/
Thought-Leadership-Assets/PDF-2/Accenture-Remaking-Industries-Automotive-PDF-Report.
pdf#zoom=50. Zugegriffen am 20.07.2022.
Svahn, F., Mathiassen, L., & Lindgren, R. (2017). Embracing digital innovation in incumbent firms:
How Volvo cars managed competing concerns. MIS Quarterly, 41(1), 239–253.
Tilson, D., Lyytinen, K., & Sørensen, C. (2010). Digital infrastructures: The missing IS research
agenda. Information Systems Research, 21(4), 748–759.
Tiwana, A., Konsynski, B., & Bush, A. A. (2010). Platform evolution: Coevolution of platform ar-
chitecture, governance, and environmental dynamics. Information Systems Research, 21(4),
675–687.
Wen, J., Qualls, W. J., & Zeng, D. (2020). Standardization alliance networks, standard-setting influ-
ence, and new product outcomes. Journal of Product Innovation Management, 37(2), 138–157.
Yin, R. K. (2013). Case study research: Design and methods (5. Aufl.). Sage.
Yoo, Y., Boland, R. J., Lyytinen, K., et al. (2012). Organizing for innovation in the digitized world.
Organization Science, 23(5), 1398–1408.
Zoppelletto, A., Bullini Orlandi, L., et al. (2020). Adopting a digital transformation strategy to en-
hance business network commons regeneration: An explorative case study. TQM Journal, 32(4),
561–585.
Zusammenfassung
Durch den Austausch von Daten aus verschiedenen Objekten ermöglicht das Internet
der Dinge (Internet of Things/IoT) neue Formen der Zusammenarbeit zwischen Unter-
nehmen aus verschiedenen Bereichen. Diese Kooperationen von Unternehmen werden
als IoT-Ökosysteme (Wertschöpfungsnetzwerke) bezeichnet. Durch die Wechsel-
beziehungen zwischen den Partnern innerhalb des IoT-Ökosystems können diese
Unternehmen zusätzliche Geschäftspotenziale realisieren. In unserem Beitrag identi-
fizieren wir Geschäftspotenziale und Ökosystemanforderungen basierend auf den
Wechselbeziehungen zwischen den Partnern in einem IoT-Ökosystem. Grundlage
unseres Beitrags ist eine Fallstudie mit verschiedenen Unternehmen, welches unter rea-
len Bedingungen durchgeführte wurde. Im Rahmen der Fallstudie wurde ein neues
Wertschöpfungssystem geschaffen, das auf Basis je gefertigtem Gutteil vergütet wird
(Pay-per-Part) und der bisherige Produzent nicht mehr Eigentümer des realen Ob-
jekts ist.
D. Werth
Ferdinand-Steinbeis-Insitut, Heilbronn, Deutschland
E-Mail: [email protected]
S. Hiller · H. Lasi
Ferdinand-Steinbeis-Insitut, Stuttgart, Deutschland
E-Mail: [email protected]; [email protected]
D. Rygl (*)
Ferdinand-Steinbeis-Insitut, Nürnberg, Deutschland
E-Mail: [email protected]
Schlüsselwörter
24.1 Ausgangssituation
Die Stärkung der Wettbewerbsfähigkeit von Unternehmen ist eine wesentliche Voraus-
setzung zum Erhalt des erreichten Wohlstands. In diesem Kontext wird der Digitalisierung
und Vernetzung derzeit eine Schlüsselrolle zugeordnet. Diskutiert werden aktuell zahl-
reiche Ansätze, die Unternehmen befähigen sollen, mittels Digitalisierung und Vernetzung
ihre Position im globalen Wettbewerb zu verbessern, ausgehend von einer Wertschöpfungs-
verlagerung auf digitale Plattformen.
Bei regionaler Betrachtung stellt Deutschland derzeit jedoch eine Ausnahme dar. Es
scheint, als ob in deutschen Unternehmen verbreitete Ansätze die (vollständige) Integra-
tion von Automatisierungstechnologie und Informationstechnologie mittels Schnittstellen
fokussieren.
Die Zielsetzung ist hierbei, bestehende Abläufe durch den Einsatz von Computer-
technologie und Software unter der Maßgabe von Effizienz, Effektivität und Flexibilität zu
verbessern. Hierbei spielt es zunächst keine Rolle, ob die fokussierten Prozesse im direkt
wertschöpfenden Bereich (bspw. in einer Fertigung) oder im administrativen Bereich
(bspw. in der Fakturierung) angesiedelt sind (Abschn. 24.2).
Eine andere Perspektive hinsichtlich der Adressierung orchestrierter Abläufe zur Ge-
nerierung von Wertschöpfung im Kontext der Digitalisierung baut auf der zunehmenden
Durchdringung von Objekten mit Internettechnologie auf und stellt die Identifikation
und Implementierung von zusätzlichen (neuen) Geschäftsprozessen in den Vordergrund.
Charakteristisch für die bei dieser Perspektive fokussierten Prozesse ist, dass im Ver-
gleich zu der Automatisierungsperspektive die Digitalisierung nicht primär indirekt,
sondern weitestgehend direkt wertschöpfend wirkt. Hierbei entscheidend ist das Zu-
sammenspiel zwischen realer und digitaler Welt, gepaart mit der Erkenntnis, dass durch
digitale Abbilder die Realität in der Virtualität abbildbar und orchestrierbar wird. Diese
Betrachtungsweisen bilden zusammenführend die Grundlage für eine fortschreitende
Digitalisierung weit über die bisher bekannten Unternehmens- und Branchengrenzen
hinaus. Hierdurch können sich vor allem klassische Wettbewerbsstrukturen auflösen.
Damit einhergehend begeben sich oftmals neue Wettbewerber in bestehende Domänen
und versuchen, die Schnittstellen zum Kunden mit digitalen Services anders als bisher
zu besetzen. Befähiger hierbei sind die Gewinnung und Verwendung von Daten digitaler
Abbilder realer Objekte. Die Daten digitaler Abbilder unterscheiden sich von klassi-
schen Stamm- oder Planungsdaten insofern, als dass sie vor allem den Zustand eines
realen Objekts (Asset) sowie Abhängigkeiten verschiedener Messwerte in Form digita-
ler Modelle abbilden. Der Zustand des digitalen Abbilds lässt sich mithilfe von Funktio-
nen und Services beeinflussen, die Änderung des digitalen Zustandes wiederum auf das
24 Digitale Wertschöpfungspotenziale in Ökosystemen am Beispiel Pay-per-Part 645
24.2 Grundlagen
Das folgende Kapitel widmet sich dem übergeordneten Zusammenhang digitaler Wert-
schöpfung, welches das grundlegende Verständnis der Digitalisierung, der zukünftigen
Relevanz digitaler Abbilder, bis hin zu neuen Wertschöpfungspotenzialen für Unter-
nehmen darstellt. Einleitend gilt es zu klären, warum es relevant ist zu verstehen,
dass global zunehmend das Ziel verfolgt wird, Automatisierungstechnologie durch
Informationstechnologie abzulösen und warum Unternehmen vor der Herausforderung
stehen, neben den etablierten Wertschöpfungsketten plattformbasierte Dienste in ihre
Wertschöpfung zu integrieren (Abschn. 24.2.1). Im zweiten Schritt soll die Frage geklärt
werden, warum eine zunehmende Digitalisierung und Vernetzung aufgrund der Ent-
wicklungen des Industrial Internet/Internet of Things eine bisher noch nicht dagewesene
globale Erforschung in der Wissenschaft und eine experimentierende Integration in der
Wirtschaft ermöglicht (Abschn. 24.2.2). Abschließend gilt es aufzuzeigen, warum es für
Unternehmen bedeutend sein wird, in gut positionierten wertschöpfungsorientierten Netz-
werken vertreten zu sein, ausgehend von einer Verlagerung von Wertschöpfung auf digi-
tale Plattformen (Abschn. 24.2.3).
24.2.1 Digitalisierungsverständnisse
Der Begriff der Digitalisierung steht für eine vielschichtige Veränderung, deren Potenziale
und Auswirkungen in weiten Teilen noch unbekannt sind. Aus wissenschaftlicher Per
spektive bedingt dies eine Fülle neuer Konzepte und Methoden sowie aus wirtschaftlicher
Sicht mutige Entscheidungen zur Gestaltung neuer Wertschöpfungsszenarien und Ge-
schäftsmodelle in bisher unbekanntem Terrain (Weber et al., 2021). Erste Erkenntnisse aus
der Praxis zeigen, dass insbesondere dort neue Nutzenszenarien entstehen, wo bereichs-
und branchenübergreifende Wertschöpfung adressiert wird.
646 D. Werth et al.
Im Folgenden wird zunächst unter Digitalisierung das allgemeine Phänomen der Er-
fassung, Verarbeitung, Speicherung und Übertragung von Daten mittels diskreter Werte
verstanden. Diese allgemein gehaltene Verwendung des Begriffs Digitalisierung beinhaltet
die mit dem zunehmenden Einsatz von Computern einhergehende Veränderung, die in der
Industrie in den 1960er-Jahren begonnen hat. Im Rahmen dieser Entwicklung sind in den
vergangenen Jahrzehnten in operativen Unternehmensbereichen Ansätze entstanden, die
in unterschiedlichen Branchen und Kontexten aufgrund unterschiedlicher Anforderungen
und Rahmenbedingungen zu einer Vielzahl an proprietären und heterogenen Lösungen
und Standards unter dem Oberbegriff der Automatisierungstechnik geführt haben (z. B.
Maschinensteuerungen). Unter Automatisierungstechnik werden daher computer-basierte
Systeme, die primär die Erfassung, Verarbeitung und Übertragung von diskreten Signalen
und Daten zum Zwecke der Automatisierung unter Berücksichtigung domänenspezi-
fischer Zwecke, Anforderungen und Standards dienen, subsumiert. Der Fokus liegt hierbei
auf der Wertschöpfungsstufe der Produktion, so dass etablierte Wertschöpfungsketten
weitgehend unverändert bleiben. Aktuelle Untersuchungen hierzu zeigen, dass in etlichen
produzierenden Betrieben noch teils erhebliche Potenziale zur Steigerung der Wirtschaft-
lichkeit bestehen, die durch Digitalisierungs- und Vernetzungsprojekte in der Produktion
realisiert werden können. Daher ist insbesondere in Deutschland dieser produktions-
orientierte Ansatz gegenwärtig für viele industrielle Unternehmen ein Startpunkt hin zur
Industrie 4.0 (Lasi, 2017).
Parallel hierzu ist in dispositiven Kontexten unter dem Oberbegriff der Informations-
technologie (IT) eine „Software-basierte Lösungswelt“ entstanden, die auf Basis einheit-
licher (Internetprotokoll-)Standards zunehmend interkonnektiv und interoperabel aus-
gestaltet wird. Ein Beispiel hierzu ist die Kommunikation per E-Mail. In diesem Beitrag
werden daher unter dem Begriff der Informationstechnologie computer-basierte Systeme
zur Eingabe, Verarbeitung, Speicherung und Übertragung von Daten (Information)
unter Berücksichtigung domänenunabhängiger Interkonnektivität und Interoperabilität
verstanden.
Im internationalen Kontext ist zu beobachten, dass aktuell vielfach das Ziel verfolgt
wird, Automatisierungstechnologie durch Informationstechnologie abzulösen. Dabei ist
zu erkennen, dass auch in industriellen Prozessen eine durchgängige Interkonnektivität
und Interoperabilität durch den durchgängigen Einsatz von Internettechnologie hergestellt
wird. Für eine zunehmend vernetze Zukunft wird es von Relevanz werden, dass von phy-
sischen Objekten (Assets, z. B. Akkuschrauber, Flurförderfahrzeuge) ein digitales Abbild
erstellt wird und sich diese innerhalb offener Netzwerke mit weiteren digitalen Abbildern
orchestrieren lassen (interkonnektiv und interoperabel). Das Ziel hierbei ist es aus der
Virtualität heraus Einfluss auf das physische Objekt (Realität) zu nehmen. Digitale Ab-
bilder bilden somit die Realität in der Virtualität ab und schaffen die Grundlage für die
fortschreitende Digitalisierung (vgl. Abschn. 24.2.3).
Eine Perspektive, die in diesem Kontext insbesondere in IT-getriebenen Unternehmen
vorzufinden ist, fokussiert Potenziale im industriellen Kontext, die durch einen zusätz-
24 Digitale Wertschöpfungspotenziale in Ökosystemen am Beispiel Pay-per-Part 647
Technologien Mitarbeiter
Wertschöpfungsnetzwerke
Erlösperspektive Plattform
Technologie-
perspektive
Kostensenkung Pipeline
& Flexibilisierung
Produkt(ionsprozess)- Produktnutzung/
Vorphase Vertrieb Produkon Recycling
entwicklung Service/Wartung
Industrie 4.0 Industrial Internet
Einsatz cyber-physischer (IoT & Dienste in
Systeme in der Produkon industriellen Prozessen)
und Logisk
Abb. 24.2 Wertschöpfungsorientiertes Verständnis und Abgrenzung Industrie 4.0. (Quelle: Eigene
Darstellung)
netzung (Industrial Internet of Things/IIoT) fokussiert, die u. a. darin bestehen, dass mit-
tels einer abstrahierten Problembetrachtung auf Basis von offenen Standards Lösungsan-
sätze branchenübergreifend eingesetzt werden können.
Ein Beispiel hierfür ist die Ortung und Verfolgung von Werkzeugen in einer Fertigungs-
umgebung. Lösungsansätze hierzu sind im Kontext der Industrie vielversprechend, da
hierdurch die Qualitätssicherung sowie das Werkzeugmanagement unterstützt werden
können. Auf einer abstrahierten Betrachtungsebene „Ortung und Verfolgung“ kann die
Problemstellung in andere Domänen (bspw. Tracking von Betten im Gesundheitswesen,
Verfolgung von Transporteinheiten in der Logistik) übertragen werden (Industrial Internet
Consortium, 2017).
Mittels der Entstehung von kontextunabhängigen Lösungsansätzen auf Basis neuer
internetbasierter Technologien und Standards werden Lösungsanbieter in die Lage ver-
setzt, einerseits in unterschiedlichen Anwendungskontexten aktiv zu sein und anderer-
seits eine Vernetzung der Kontexte (Domänen) herbeizuführen. Die zunehmende
domänenübergreifende Interkonnektivität und Interoperabilität stellt damit für eta
blierte Unternehmen das Risiko dar, dass Unternehmen aus anderen Bereichen und
Branchen zu Wettbewerbern werden. Andererseits besteht für viele produzierende
mittelständische Unternehmen die große Chance, in neue Bereiche und Branchen ein-
zutreten und mittels der Vernetzung bisher getrennter Branchenanwendungen neue
Wertschöpfung zu generieren. Entscheidend wird hierbei sein, frühzeitig Erfahrung im
Bereich internetbasierter Lösungsansätze mittels Kooperationen zu sammeln und mit
strategischen Partnerschaften branchenübergreifende Wertschöpfungssysteme (Öko-
systeme) aufzubauen.
24 Digitale Wertschöpfungspotenziale in Ökosystemen am Beispiel Pay-per-Part 649
Für Handwerksunternehmen bis hin zu großen Unternehmen bedarf es zudem einiger An-
passungen, die insbesondere die Erfolgsfaktoren dieser Unternehmen aber auch deren li-
650 D. Werth et al.
Die deutsche Wirtschaft steht vor der Herausforderung, wie sie von neuen Wertschöpfungs-
potenzialen durch digitale Abbilder profitieren kann, ohne dabei in die Abhängigkeit gro-
ßer, internationaler Plattformen zu geraten.
Die Daten digitaler Abbilder unterscheiden sich von klassischen Stamm- oder Planungs-
daten, als dass sie vor allem den Zustand des realen Objekts (Asset) sowie Abhängigkeiten
verschiedener Messwerte in Form digitaler Modelle abbilden (Sensoren). Der Zustand des
digitalen Abbilds lässt sich mithilfe von Funktionen und Services bereichern, um ent-
sprechende Änderungen des digitalen Zustandes auf das reale Objekt zu übertragen (Ak-
toren). Das Wertschöpfungspotenzial digitaler Abbilder (vgl. Abb. 24.3) besteht dabei ins-
besondere darin, dass über digitale Abbilder die Steuerung von Prozessen und anderer
Abläufe in der Realität möglich wird.
Das vorliegende Verständnis von Digitalisierung, hinsichtlich der technologischen
Interaktion zwischen realer und digitaler Welt und damit einhergehende Digitalisierungs-
lösungen, basieren auf dem Ebenen-Modell der Industrial Internet Reference Architecture
(IIRA). Die Zielsetzung der IIRA ist es, Leitlinien bereitzustellen und Unterstützung für
die Entwicklung, Dokumentation und Kommunikation im Kontext der Digitalisierung zu
geben (Lin et al., 2017). Hierfür teilt die IIRA digitale Systeme in die vier Ebenen Busi-
ness-, Partner-, Prozess- und Implementierungsebene. Im Folgenden werden diese Ebenen
kurz beschrieben.
• Die Businessebene befasst sich mit der Identifikation verschiedener Akteure sowie
deren Geschäftsinteressen, Werte und Ziele gegenüber einem digitalen System.
• Die Partnerebene stellt die Aktivitäten der Nutzer des digitalen Systems dar. Nutzer
können hierbei Unternehmen, Menschen oder Systemkomponenten/logische Sys-
teme sein.
• Die Prozessebene geht auf die Belange der Funktionsbausteine ein, ihre Struktur und
Wechselbeziehung sowie die Schnittstellen und deren Wechselwirkungen.
24 Digitale Wertschöpfungspotenziale in Ökosystemen am Beispiel Pay-per-Part 651
Digitales Abbild
Sensoren Aktoren
Reales Asset
• Die Implementierungsebene befasst sich mit den Technologien, die zur Implementie-
rung der funktionalen Komponenten erforderlich sind (Lin et al., 2017).
Fähigkeiten
Fähigkeiten
Partner
Prozesse
Pla
orm
Offenheit
…
Technologie
Abb. 24.4 Alternative Darstellung der Industrial Internet Reference Architecture (angelehnt an
(Lin et al., 2017))
faches höher, welches ein Unternehmen für sich betrachtet nicht erreichen würde (Weber
et al., 2019b).
Wertschöpfungsnetzwerke entstehen in Folge auf Basis gemeinsamer Verständnisse
der beteiligten Unternehmen und der pragmatischen Gestaltung von Wertschöpfungs-
szenarien. Ein zentrales Element von Wertschöpfungsnetzwerken ist dabei die Fragmen-
tierung einzelner Leistungsbestandteile (Business Capabilities), die von den jeweiligen
Unternehmen des Netzwerks eingebracht werden (Picot, 2001). Für Unternehmen wird
es zukünftig wichtig, in gut positionierten wertschöpfungsorientierten Netzwerken ver-
treten zu sein oder diese mit Partnern aufzubauen, um die Positionen im globalen Wett-
bewerb zu verbessern, ausgehend von einer Verlagerung von Wertschöpfung auf digitale
Plattformen.
Aus den Prinzipien der Digitalisierung sowie aus zahlreichen, erfolgreich umsetzten
Praxisbeispielen am Ferdinand-Steinbeis-Institut (Micro Testbeds, vgl. Abschn. 24.3)
ergibt sich, dass die Beteiligung an Wertschöpfungsnetzwerken vielfach ohne großen
Investitionsaufwand, personaler Kompetenzaufbau oder ohne Entwicklung bestimmter
Geschäftsfähigkeiten (Business Capabilities) erfolgen kann. Damit stellt diese Ent-
wicklung eine große Chance für Unternehmen jeglicher Branche und Bereiche dar (vgl.
Abb. 24.5).
24 Digitale Wertschöpfungspotenziale in Ökosystemen am Beispiel Pay-per-Part 653
Plattform
Plattform
Plattform
Wertschöpfungsnetzwerke
Micro Testbed ist ein Ansatz, um ca. drei bis fünf Unternehmen zusammen zu bringen, mit
dem Ziel, gemeinsam Wertschöpfungsszenarien im realen Umfeld der beteiligten Unter-
nehmen experimentell umzusetzen. In einem hierfür neutral moderierten Vertrauensraum
arbeiten die teilnehmenden Unternehmen branchenübergreifend und partnerschaftlich zu-
sammen (vgl. Abb. 24.6).
Die Mitarbeit in einem Micro Testbed ist für die beteiligten Unternehmen insbesondere
eine unternehmerische Entscheidung mit offenem Ausgang, da zu Beginn des jeweiligen
Ansatzes die Problemstellung als auch die finale Lösung in der Regel unbekannt sind. Der
Schwerpunkt des Projekts wird dabei auf die Umsetzung kleiner, gemeinsam entwickelter,
konkreter Anwendungsszenarien gelegt. Auf diese Art und Weise entstehen unter Nutzung
bestehender Technologien durch die interdisziplinäre Zusammenarbeit neue Produkte und
Services im Kontext der Digitalisierung und Vernetzung. Das Ergebnis eines Micro Test-
beds ist damit vielfach ein vorher nicht antizipierbarer Nutzen für alle Beteiligten (Weber
& Lasi, 2017), welcher für alle beteiligten Unternehmen größer ist und alleine schwer um-
setzbar ist.
Als übergeordnetes Ziel lässt sich aufgrund zahlreicher erfolgreicher Umsetzungen
aufzeigen, wie mit vorhandenen Mitteln eine schnelle Umsetzung ermöglicht werden
kann. Dieser sogenannte Proof of Concept soll für die beteiligten Unternehmen einen ent-
scheidenden Nutzen stiften und die Möglichkeit schaffen, gemeinsam an den gewonnenen
Erkenntnissen und Ergebnissen zu lernen. Dabei zielt der Proof of Concept auf die
Generierung von domänenübergreifende Wertschöpfung in vernetzten Ökosystemen ab.
Üblicherweise ist die Dauer eines Micro Testbeds auf sechs bis zwölf Monaten angesetzt
654 D. Werth et al.
Micro Testbed
- Interdisziplinäre Zusammenarbeit zur Generierung branchenübergreifender Wertschöpfung -
(Weber & Lasi, 2017). Abb. 24.6 zeigt den Ablauf eines Micro Testbeds, das ein mehr-
stufiges und iteratives Vorgehen ist, welches auf Workshops basiert.
Analyse In dieser Phase wird das Forschungsziel mit der Forschungsfrage und der ent-
sprechenden Forschungslücke beschrieben (Österle et al., 2010). Für den beschriebenen
Fall ergaben sich primär folgende Fragen für die beteiligten Partner:
Zusätzlich wird in der Analysephase auch der grundlegende Stand der Wissenschaft und
Praxis, wie in Abschn. 20.2.1 beschrieben, dargelegt.
24 Digitale Wertschöpfungspotenziale in Ökosystemen am Beispiel Pay-per-Part 655
Entwurf Auf Basis von wissenschaftlich anerkannten Methoden sind in der Entwurfs-
phase die entsprechenden Artefakte herzuleiten (Österle et al., 2010).
Das auf Workshops basierenden Konzept der Micro Testbeds gibt es unterschiedliche
Rollen. Die Workshops werden von einem Moderator geleitet und von einem Projekt-
manager sowie einem IoT Experten mitbegleitet. Zur Dokumentation der Ergebnisse ist
zusätzlich ein Wissenschaftler mit anwesend. Die Workshops sind nach Atteslander als
unstrukturierte Gruppendiskussionen zu sehen (Atteslander, 2010, S. 133 ff.) und ein-
gebettet in den Case Study Ansatz von Yin. Eine Case Study ist eine empirische Unter-
suchung, die ein gegenwärtiges Phänomen in seinem realen Kontext untersucht, ins-
besondere dann, wenn die Grenzen zwischen Phänomen und Kontext nicht klar erkennbar
sind (Yin, 2018). Für jeden Workshop gibt es eine eigens definierte Forschungsfrage, die
durch teilnehmende Beobachtung beantwortet wird. Die Ergebnisse stehen dann in Form
von geschriebenen Protokollen und/oder Fotoprotokollen zur Verfügung.
Evaluation Für die Überprüfung des entworfenen Artefakts dient die Evaluationsphase
(Österle et al., 2010). Der Micro Testbed Ansatz ist mit zahlreichen unterschiedlichen
Unternehmen sowie Fragestellungen durchgeführt wurden (Hiller et al., 2020; Weber
et al., 2019a). Zusätzlich ergibt sich eine Überprüfung durch den Grad der Implementie-
rung der gewonnenen Erkenntnisse bei den teilnehmenden Unternehmen.
Mit einem offenen und partnerschaftlichen Plattformansatz wurden im Micro Testbed In-
dustrial Service neue Wertschöpfungsansätze zum Nutzen aller Beteiligter generiert.
Federführend in diesem Micro Testbed war ein Industrial Service Dienstleister.
Die im Micro Testbed teilnehmenden Unternehmen wurden auf Basis ihrer unter-
nehmensspezifischen Fähigkeiten (Business Capabilities) ausgewählt (Weber et al., 2018).
Grundlage hierfür ist die etablierte Referenzarchitektur IIRA des Industrial Internet Con-
sortiums (Lin et al., 2017).
Zusammenhängend zeigt Abb. 24.7 die jeweilige Rolle der teilnehmenden Unter-
nehmen entlang der klassischen Wertschöpfungskette. Die am Micro Testbed teil-
nehmenden Maschinenbauer dominieren die Kette der Maschinenentwicklung und
Maschinenproduktion. Der teilnehmende Hersteller von Baggern hat seine Fähigkeiten
entlang der Wertschöpfungskette des Produktes selbst eingebracht und der Industrial Ser-
vice Dienstleister wiederum besetzt mit seinen Fähigkeiten typischerweise den Schnitt-
656 D. Werth et al.
Produkt Fergung
& Montage
Enterprise-Ebene
Plaorm- &
Systemanbieter
Plaorm-Ebene
Sensorhersteller
Edge-Ebene
Abb. 24.8 3-Ebenen-Architektur (Weber et al., 2019a) angelehnt an (Lin et al., 2017)
punkt dieser Ketten. Der Sensorhersteller sowie der Provider von Software- und Platt-
formlösungen lassen sich abschließend mit ihren Fähigkeiten zwischen Edge- und
Plattform-Ebene bzw. zwischen Plattform- und Enterprise-Ebene verorten (vgl. Abb. 24.8).
Bevor die Partner ihre Aktivitäten in dem Wertschöpfungsnetzwerk starteten, sahen sie
das Thema Digitalisierung als Möglichkeit, bisherige Abläufe zu optimieren (Auto-
matisierung). Das Thema neue Wertschöpfungsszenarien war für die Unternehmen bis
24 Digitale Wertschöpfungspotenziale in Ökosystemen am Beispiel Pay-per-Part 657
dato nicht im Fokus und die Unternehmen arbeiteten vornehmlich in bilateralen Ko-
operationen zusammen. Dabei hatten die Unternehmen keine konkrete Vorstellung, was
Digitalisierung für ihr Unternehmen im Speziellen bedeutet und wie sie die Digitalisie-
rung angehen können.
Durch die Kombination der Fähigkeiten der unterschiedlichen Partner wurden An-
wendungsszenarien identifiziert. Diese Wertschöpfungsszenarien wurden gebündelt und
von den Micro Testbed Teilnehmern bewertet. Die Teilnehmer entschieden sich dafür im
Rahmen des Micro Testbeds das Wertschöpfungsszenario Pay-per-Part weiter zu ver-
folgen. Pay-per-Part bedeutet, dass nach gefertigtem Gutteil vergütet wird und der bis-
herige Produzent nichtmehr Eigentümer der Maschine ist.
Hierfür nahmen die Partner neue Rollen in einem Netzwerk ein und gestalteten die
Fertigungsprozesse bei der Erstellung eines Bauteils neu. Zentraler Befähiger ist eine of-
fene Plattform, über die Daten von unterschiedlichen Partnern ausgetauscht werden
können. Wichtig war hierbei, dass alle beteiligten Partner ihren Nutzen in der Umsetzung
dieses Wertschöpfungsszenarios erkannten.
Das gewählte Szenario zeichnet sich nicht ausschließlich durch Neuheit oder durch das
Design eines bestimmten Industrial Internet of Things Produkts oder einer Dienstleistung
aus. Ihr Merkmal liegt in der kollaborativen Umsetzung im Rahmen eines Ökosystems,
das durch Industrial Internet of Things (IIoT), wie anschließend beschrieben, ermög-
licht wird.
Technische Realisierung der Fallstudie Industrial Service Eine Drehbühne eines Rad-
baggers wurde als Objekt identifiziert. Dieses durchläuft mehrere Arbeitsschritte auf einer
5-Achsen-CNC Fräsmaschine, unter anderem, um Bohrungen zu setzen und Gewinde zu
drehen. Anschließend erfolgt ein Verschraubungsprozess, indem die Drehbühne das Ver-
bindungsstück zum Ober- und Unterwagen des Radbaggers darstellt.
Plaorm- &
Sensoranbieter
Digitale Abbilder auf offenen Plaormen
Sensorhersteller
Maschinenbauer,
Montageanlage &
Zerspanungsanlage
Im Ökosystem Pay-per-Part ist der Hersteller von Baggern der Abnehmer der ge-
fertigten und montierten Drehbühne. Er bezahlt pro Gutteil und ist nicht mehr Eigentümer
der Maschinen, die die Drehbühne fertigen und montieren. Der Hersteller von Baggern
gibt jedoch, wie in einer konventionellen Fertigung, Spezifikationen zum Produkt und in
welchem Prozess dieses montiert wird, weiterhin vor.
Einen erhöhten Freiheitsgrad bekommen die Maschinenbauer, diese können unter den
Spezifikationen des zu fertigenden Produktes und des Prozesses ihre Maschinen nach
eigenen Fähigkeiten bereitstellen. Das ermöglicht den Maschinenbauern das volle Poten-
zial ihrer Fähigkeiten ausnutzen zu können und Maschinen in einem, auf Pay-per-Part
zugeschnittenen, neuen Design herzustellen. Die Maschinen selbst werden dann an den
neuen Besitzer verkauft.
Der neue Besitzer im Ökosystem ist der Rückversicherer, zudem sichert er gegen
Schwankungen der Abnahmemenge des Gutteils ab. Durch die Digitalisierung der
Maschinen und des Produktes und die damit entstandene Transparenz ist der Rückver-
sicherer zusätzlich in der Lage, das fertige Produkt auch im Feld gegen Ausfälle zu
versichern.
Möglich gemacht wird die Transparenz durch den Sensorhersteller sowie den Anbieter
von Plattform- und Systemlösungen. Die Fräsmaschine, die Drehbühne und der Schrauber
im Schraubprozess werden in der Virtualität abgebildet. Zudem können vom Anbieter von
Plattform- und Systemlösungen zusätzliche Analysen auf der Plattformebene zur Ver-
fügung gestellt werden. Das Ökosystem könnte hier auch für weitere Partner im Bereich
der Analyse geöffnet werden.
Den Betrieb und den Service des Fertigungs- und Montageprozesses übernimmt im
Ökosystem der Industrial Service Dienstleister. Dieser kann seine Fähigkeiten im Bereich
der Instandhaltung mit dem Betrieb nutzenstiftend kombinieren.
24 Digitale Wertschöpfungspotenziale in Ökosystemen am Beispiel Pay-per-Part 659
Datenebene – kooperav
Abb. 24.10 gibt einerseits einen Überblick über die Datenebene (Assets und digitale
Abbilder), der gemeinsam, in einem kooperativen Ansatz genutzt wird. Andererseits wie
die Partner in einem Netzwerk kompetitiv gegenüberstehen und die Einnahmen des be-
zahlten Gutteils je nach Partner und Geschäftsmodell aufgeteilt werden kann. Wichtig je-
doch ist, dass jeder Partner im Ökosystem einen Nutzen hat.
Wichtig für die Institutionalisierung kooperativer Datenräume ist es, dass alle Partner
Nutzen generieren unter Wahrung der freien Datenverfügbarkeit bei gleichzeitiger
Informationseigentümerschaft und -souveränität. Für die Realisierung kooperativer Daten-
räume bietet sich beispielsweise das Rechtskleid der Genossenschaften an: Es ist seit jeher
ein etabliertes Konzept zur Umsetzung von Verbundvorhaben in dem Ziele gemeinsam und
gemeinschaftlich verfolgt werden. Zudem wird durch das Identitätsprinzip sichergestellt,
dass die Interessen der Mitglieder in den Mittelpunkt gestellt werden, ein Prinzip, das die
Genossenschaften von anderen Formen der kooperativen Zusammenarbeit abgrenzt. All
diese Vorzüge bilden eine gute Grundlage für die Bildung eines Vertrauensraums, in dem
beteiligte Partner selbstbestimmt und gleichberechtigt zusammenkommen; getreu der Aus-
sage von Friedrich Wilhelm Raiffeisen: „Was den Einzelnen nicht möglich ist, das Vermögen
viele“. Eine Genossenschaft im Kontext digitaler Abbilder auf offenen Plattformen wird als
Datengenossenschaft bezeichnet. Eine Datengenossenschaft ist definiert, als eine Organisa-
tion in der Rechtsform der Genossenschaft (eG), mithilfe derer die gemeinsame Sammlung
und Analyse von Daten in einem Ökosystem institutionalisiert wird (Baars et al., 2021).
660 D. Werth et al.
24.6 Ausblick
Letztlich hat jeder der Partner aufgrund der interdisziplinären Zusammensetzung mit an-
deren Unternehmen einen vielfach höheren Nutzen und profitiert in seiner Rolle im Öko-
system. Die im Rahmen des Micro Testbeds definierten Leistungsverflechtungen und
finanziellen Verflechtungen können als abstraktes Geschäftsmodell des Ökosystems be-
zeichnet werden und im weiteren Verlauf entsprechend im betriebswirtschaftlichen Kon-
text skaliert werden.
Literatur
Weber, P., Morar, D., & Lasi, H. (2018). Transforming value chains into internet-based ecosystems:
A Testbed approach. In D. F. Kocaoglu, T. R. Anderson & PICMET (Hrsg.) Managing techno-
logical entrepreneurship: The engine for economic growth. PICMET’18: Portland International
Conference on Management of Engineering and Technology, S 1–10.
Weber, P., Hiller, S., & Lasi, H, (2019a). Design and evaluation of an approach to generate cross-
domain value scenarios in the context of the industrial internet of things: A capability-based
approach. 2019 Portland international conference on Management of Engineering and Techno-
logy (PICMET), S. 1–8.
Weber, P., Neff, A., & Lasi, H. (2019b). Studie: Neue Wertschöpfung für den Groß- und Außen-
handel durch interdisziplinäre internetbasierte Wertschöpfungsnetzwerke – ein fähigkeitenba-
sierter Ansatz. Ferdinand-Steinbeis-Institut. https://ferdinand-steinbeis-institut.de/wp-content/
uploads/2022/06/2019-Studie_Neue-Wertschoepfung-fuer-den-Gross-und-Aussenhandel-1.
pdf. Zugegriffen am 12.09.2022.
Weber, P., Hiller, S., & Lasi, H. (2021). Dual scientific research framework – Generating real world
impact and scientific progress in internet of things ecosystems; accepted Paper. Proceedings of
Pacific Asia Conference on Information Systems (PACIS).
Westkämper, E., & Zahn, E. (Hrsg.). (2009). Wandlungsfähige Produktionsunternehmen; Das Stutt-
garter Unternehmensmodell. Springer.
Yin, R. K. (2018). Case study research and applications; design and methods. SAGE.
Professor Dr. Heiner Lasi leitet seit April 2015 das Ferdinand-
Steinbeis-Institut mit Sitz in Stuttgart und Heilbronn und ist Inhaber
der Professur für Industrial Intelligence an der Steinbeis Hochschule.
Lasi forscht und lehrt im Bereich neuer Konzepte und Methoden zur
erfolgreichen Gestaltung der Digitalen Transformation in Wirtschaft
und Gesellschaft. Im Rahmen seiner internationalen Aktivitäten ist er
u. a. Mitglied im AIoT Editorial Board und ein gefragter Experte für
die Gestaltung neuer Wertschöpfungsmodelle, u. a. in der Enquete
Kommission KI des Deutschen Bundestags und der Arbeitsgruppe
Digitale Agenda des Bundeskanzleramts.
24 Digitale Wertschöpfungspotenziale in Ökosystemen am Beispiel Pay-per-Part 663
Zusammenfassung
Der nachfolgende Beitrag untersucht den Fortschritt der Digitalisierung von kleinen
und mittelständischen Unternehmen (KMU) in Bezug auf das Supply Chain Manage-
ment. KMU sind das Rückgrat der deutschen Industrie, haben aufgrund ihrer Größe
aber besondere Hürden bei der Digitalisierung. Gleichzeitig nehmen sie auch in den
Lieferketten größerer Unternehmen einen elementaren Bestandteil ein. Dies bedeutet,
dass die Digitalisierung der Supply Chain Prozesse von KMU für eine nachhaltige di-
gitale Transformation des gesamtheitlichen Supply Chain Managements ebenso das
Rückgrat darstellt. Um den Status Quo und die Hürden der digitalen Transformation zu
untersuchen, wird auf Basis von durchgeführten Interviews ein Einblick aus strategi-
scher und technologischer Perspektive gegeben. Zudem werden aus den Antworten der
Befragten Eckpunkte für eine nachhaltige digitale Transformation des Supply Chain
Managements von KMU abgeleitet.
Schlüsselwörter
J. Grinninger (*)
Hochschule Neu-Ulm, Neu-Ulm, Deutschland
E-Mail: [email protected]
P. Kaiser · C. Lieb
BLSG AG, Garching bei München, Deutschland
E-Mail: [email protected]; [email protected]
25.1 Einleitung
Politiker wie auch Wissenschaftler werden nicht müde die Aussage von Dieter Hundt zu
wiederholen: „Der Mittelstand ist das Rückgrat der deutschen Wirtschaft. Er erwirtschaftet
mehr als die Hälfte der Wertschöpfung, stellt fast 60 Prozent der Arbeitsplätze und rund 82
Prozent der betrieblichen Ausbildungsplätze. Aber deutscher Mittelstand ist mehr als nur
Materielles. Der deutsche Mittelstand ist eine Gesinnung und eine Haltung im gesellschaft-
lichen, wirtschaftlichen und politischen Prozess“ (Hundt, 2017).
Allein in den vergangenen 15 Jahren stieg der Exportumsatz von KMU um fast 40 Pro-
zent auf über 200 Milliarden Euro (Bundesministerium für Wirtschaft und Energie, 2016).
Auch bei den Importen gibt es insbesondere beim verarbeitenden Gewerbe einen signi-
fikanten Umsatzzuwachs in den letzten Jahren. Im Jahr 2011 bezogen bereits mehr als
zweidrittel der befragten Unternehmen Waren aus dem Ausland (siehe Abb. 25.1) (Kranz-
usch & Holz, n.d.).
Die Internationalisierung des Güterverkehrs bei KMU wirkt sich auf die Prozesse in
den Unternehmen aus. Das Supply Chain Management als Querschnittsfunktion und Ver-
bindungsglied zwischen Beschaffungs-, Produktions- und Distributionszyklus wird dabei
zunehmend als Enabler für Wettbewerbsvorteile im produzierenden Umfeld wahr-
genommen. Gleichzeitig stellt es Unternehmen vor neue Herausforderungen, globale
Waren- und Informationsflüsse zu managen.
Die Digitalisierung von komplexen Wertschöpfungsnetzwerken wirkt als Katalysator
für Evolutionssprünge in Transparenz und Effizienz. Digitalisierung bedeutet die Trans-
formation von analogen zu digitalen Informationen, deren digitale Darstellung und die
Durchführung von digitaler Kommunikation (Demara et al., 2016). Dies erfolgt im Supply
Chain Management durch:
11 % aller Unternehmen
in Deutschland exportieren,
davon sind 97 % KMU
18 % des gesamten
Exportumsatzes werden
Seit 2000 konnten KMU 39,9 % von KMU erwirtschaftet
mehr Exportumsatz erzielen €
201 Milliarden Euro Umsatz erzielen
Exportierende im Ausland, das sind 20,4 %
ihres Gesamtumsatzes
Abb. 25.1 Bedeutung von KMU in der globalen Supply Chain. (Quelle: Eigene Darstellung)
25 Status Quo und Hürden der Digitalisierung im Supply Chain Management bei KMU 667
Ein Beispiel zu letzterem ist der elektronische Datenaustausch (EDI) zwischen Supply
Chain Partnern.
Eine digitale Implementierung im Supply Chain Management bedingt aufgrund der
Vernetzung verschiedener Akteure (Lieferanten und Kunden) im Wertschöpfungsnetz-
werk immer auch einen Prozess der digitalen Transformation. Darin begründet sich auch
eine zentrale Herausforderung: KMU und deren Supply Chain Partner stehen an ver-
schiedenen Stellen des Digitalisierungswegs. Des Weiteren gibt es eine Fülle an digitalen
Lösungen, die den Markt intransparent machen und den Know-how Aufbau komplex ge-
stalten. Daneben bestehen teilweise Ängste, dass digitale Lösungen teuer sind und die
Umsetzung zu komplex ist, da mehrere Unternehmensbereiche („Bereichsdenken“) bzw.
mehrere Unternehmen („Silodenken“) in die Implementierung eingebunden werden müs-
sen. Insbesondere die Re-Organisation von Strukturen im Unternehmen und Wert-
schöpfungsnetzwerk, sowie die neuen Anforderungen an das Kompetenzprofil von Mit-
arbeitern stellen KMU vor Herausforderungen.
Im Rahmen dieses Beitrags wird ein Einblick in den Status Quo der Digitalisierung bei
KMU im produzierenden Umfeld gegeben, die Hürden bei der nachhaltigen Implementie-
rung von digitalen Lösungen diskutiert sowie Eckpunkte abgeleitet, die eine nachhaltige
digitale Transformation des Supply Chain Management bei KMU begünstigen.
In der Literatur gibt es zahlreiche Definitionen von Supply Chain Management. Gemäß
dem Council of Supply Chain Management Professionals (CSCMP) „encompasses SCM
the planning and management of all activities involved in sourcing and procurement, con-
version, and all logistics management activities. Importantly, it also includes coordination
and collaboration with channel partners, which can be suppliers, intermediaries, third
party service providers, and customers. In essence, supply chain management integrates
supply and demand management within and across companies.“ (Stank et al., 2020).
Das Supply Chain Management als Schnittstellenfunktion plant und steuert die Aktivi-
täten im Beschaffungs-, Produktions-, Versand/Transport- und Kundenauftragszyklus
(Chopra & Meindl, 2014) (siehe Abb. 25.2) und nimmt auch bei KMU eine wettbewerbs-
kritische Stellung ein.
Eine besondere Herausforderung haben KMU durch die unterschiedlichen Positionen
bzw. Rollen, die diese in einem Wertschöpfungsnetzwerk einnehmen. Typischerweise ste-
chen zwei besonders hervor. Zum einen gibt es KMU, die nur Kunde sind, also OEM von
Produkten, die direkt an den Endkunden bzw. Distributionspartner, z. B. Händler, ver-
trieben werden. Zum anderen gibt es KMU, die sowohl Kunde als auch Lieferant inner-
668 J. Grinninger et al.
Einzelhändler
Lieferzyklus
Großhändler/
Distributor
Produktionszyklus
Hersteller
Beschaffungszyklus
Lieferant
halb einer Supply Chain sind, also nicht am Ende der B2B Supply Chain stehen. In beiden
Fällen gilt, dass das KMU aufgrund der Größe bei zahlreichen seiner Lieferanten häufig
ein kleiner Kunde ist. Die Marktmacht des KMU gegenüber seinen Lieferanten ist folglich
gering. Das bedingt ein Anpassen des Unternehmens an die meist starren Prozessvorgaben
des Kunden bzw. der Lieferanten. Sofern keine Standards in der Branche (z. B. beim elek-
tronischen Datenaustausch, Behältern, Labelling von Produkten) festgelegt sind, erzeugt
dies eine enorme Prozesskomplexität. Eine weitere Besonderheit im Supply Chain Ma-
nagement bei KMU liegt in der Aufbauorganisation. Viele Unternehmen haben heute
keine eigenständige Supply Chain Organisation, sondern die Aufgaben sind auf mehrere
Funktionsbereiche (Einkauf, Produktion, Vertrieb, Fertigungsplanung und -steuerung)
verstreut. Oftmals ist auch der Grad an Systemunterstützung in Form von Customer
Relationship Management-, Enterprise Ressource Planning-, Manufacturing Execution-
Systemen sehr niedrig bzw. eine Systemunterstützung fehlt gänzlich. Laut Christensen
fokussieren sich speziell erfolgreiche Unternehmen oftmals zu sehr auf die aktuellen Be-
dürfnisse und Anforderungen ihrer Kunden. Sie verpassen es deshalb, neue Technologien
und Geschäftsmodelle zu implementieren, welche die zukünftigen, noch unbekannten
Kundenbedürfnisse decken können (Innovator’s Dilemma) (Christensen, 2000).
Die digitale Transformation der Supply Chain ausgehend von KMU, kann daher nicht
auf Basis von Anforderungen, die aus einer marktbeherrschenden Position heraus ent-
stehen, realisiert werden. Vielmehr müssen die unternehmensübergreifenden Potenziale in
25 Status Quo und Hürden der Digitalisierung im Supply Chain Management bei KMU 669
Die Digitalisierung verändert Prozesse, Geschäftsmodelle und auch das Denken in Unter-
nehmen. Diese Transformation wird maßgeblich aus zwei Richtungen getrieben. Zum
einen sehen die Führungsetagen von KMU oft die strategische Chance die Unternehmens-
prozesse nachhaltig zu verbessern und durch digitale Lösungen Transparenz sowie Opera-
tional Excellence zu erreichen. Zum anderen erhöhen die Neuentwicklungen von digitalen
Technologien sowie der zunehmende Reifegrad bestehender Lösungen stetig das Inte
resse, aber auch den Wettbewerbsdruck im eigenen Unternehmen zu digitalisieren. Die
Vielzahl an verfügbaren und einsatzfähigen Technologien und die rasante Geschwindig-
keit, mit der neue Lösungen auf den Markt gebracht werden in Kombination mit fehlen-
dem Know-how führen bei KMU zu Intransparenz. Dies sorgt für Verunsicherung und
Inaktivität bei der Entscheidung zu digitalisieren, aus Sorge falsche, kostenintensive Ent-
scheidungen zu treffen. Gerade in kleineren Unternehmen ist das Wissen über neue digi-
tale Technologien im Rahmen von Industrie 4.0 häufig noch gering. Einer Innovationsent-
scheidung gehen oft Monate der Informationssuche voraus (Christensen, 2000). Dadurch
bleiben gesehene Chancen der Digitalisierung (Christensen, 2000) und Optimierungs-
potenziale im Unternehmen ungenutzt. Eben aus diesem Grund ist es unabdingbar, dass
die Digitalisierung nicht nur auf operativer Ebene stattfindet, sondern in einer nachhaltigen
Strategie verfolgt wird.
Zur Untersuchung des Status Quo zur Digitalisierung von KMU im Supply Chain Ma-
nagement wurden leitfadengestützte Experteninterviews durchgeführt. Dabei wurden 23
Unternehmensvertreter aus unterschiedlichen Branchen befragt. Mit 43 % der Teilnehmer
gehören Unternehmen des Maschinenbaus zu den häufigsten Interviewpartnern (siehe
Abb. 25.3).
Je nach Position des Unternehmens in der Supply Chain kann der Veränderungsprozess
zur Digitalisierung aus unterschiedlichen Gründen initiiert sein (siehe Abb. 25.4). Wäh-
rend OEM (43 % der untersuchten Unternehmen) die Entscheidung zu digitalisieren häu-
fig aus eigenem Antrieb bzw. aufgrund von Bedürfnissen des Endkunden treffen, entsteht
bei Lieferanten oder Dienstleistern innerhalb der Supply Chain (48 % der untersuchten
Unternehmen) teilweise ein Digitalisierungsdruck auf Drängen des OEM.
670 J. Grinninger et al.
10
2 2 2 2
1 1
0 0
(Sonder-) Automobil Metall Nahrungs- Sozialwesen Transport Elektro Medizintechnik Luft & Kunststoff
Maschinenbau mittel & Logistik Raumfahrt
Abb. 25.3 Verteilung der Grundgesamtheit der Befragten auf Industriezweige. (Quelle: Eigene
Darstellung)
10
4 4
2 2
Abb. 25.4 Verteilung der Grundgesamtheit der Befragten auf deren Position. (Quelle: Eigene Dar-
stellung)
25 Status Quo und Hürden der Digitalisierung im Supply Chain Management bei KMU 671
25.3.1 Strategisch
Die Grundlage für eine erfolgreiche Technologiediffusion in Unternehmen ist eine Klar-
heit über die Vision und Strategie zur Digitalisierung. In den ersten beiden Stufen – Wissen
und Überzeugung – nach Rogers (2003) wird hierzu die Grundlage gelegt. Entscheider
sammeln Informationen und identifizieren deren Vorteile im Einsatz. Darauf aufbauend
entwickelt sich eine Einstellung zu den wahrgenommenen oder erwarteten Eigenschaften
der Innovation durch ihren relativen Vorteil, ihre Kompatibilität, ihre Komplexität, ihre
Versuchseignung sowie durch die Beobachtbarkeit der, durch die Innovation hervor-
gerufenen, Veränderungen (Demara et al., 2016). Wer Leistung und Veränderung fordert,
muss Sinn bieten, erklärt Professor Dieter Frey, Leiter des Centers for Leadership and
People Management an der LMU. Es entsteht nicht durch die Tätigkeit an sich Sinn, son-
dern durch die Einbettung des eigenen Tuns in ein großes Ganzes. Damit dies gelingen
kann, braucht es ein gemeinsames Zielbild, das aufzeigt, wohin sich das Unternehmen
verändern soll und warum (Frey & Schmalzried, 2013). Das Zielbild Digitalisierung dient
in Anlehnung an die Lean-Philosophie als „Nordstern“ – beschreibt somit die Zukunft, ist
konkret, fordernd, das warum erklärend, ambitioniert und es lässt sich einfach kommuni-
zieren, so dass jeder Mitarbeiter des Unternehmens dies versteht. Zur Erarbeitung von
Zielbildern gibt es zahlreiche Methoden, z. B. den Golden Circle von Simon Sinek (2009).
Darauf aufbauend wird die Strategie als Summe an Maßnahmen zur Erreichung der Vision
definiert.
Fast die Hälfte aller befragten Unternehmen (43 %) haben aktuell noch keine Vision
bzw. Zielbild hinsichtlich Digitalisierung, noch sind sie sich im Klaren über eine Road-
map (39 %) (siehe Abb. 25.5). Dies zeigt, dass es Unternehmen gibt, die einen
Implementierungspfad ohne festgelegtes Ziel beschrieben haben. Bei den Unternehmen
mit einer Strategie ist diese primär auf einen Zeithorizont von mehr als 3 Jahren aus-
gerichtet. Trotz der fehlenden Guidance gibt es KMU, die in Bezug auf das Supply Chain
Management ihren Stand zu Digitalisierung als eher hoch bzw. hoch einschätzen. Daraus
lässt sich in Summe erkennen, dass bei einem großen Teil der befragten KMU das Ver-
ständnis zur Vorgehensweise einer erfolgreichen Technologiediffusion fehlt.
Einigkeit herrscht dagegen bei den Teilnehmern zur Relevanz des Themas Digitalisie-
rung für das eigene Unternehmen. 96 % der Interviewpartner sind der Meinung, dass dies
relevant oder sehr relevant für das Management der Supply Chain Aktivitäten ist (siehe
Abb. 25.6). Das Bild wird bestätigt durch die Studienergebnisse einer im Jahr 2020 durch-
geführten Studie zu Trends und Strategien in Logistik und Supply Chain Management –
hier sehen 66 % bzw. 59 % der Unternehmen eine Möglichkeit durch Digitalisierung zu-
sätzliche Erlöse zu generieren bzw. Kosten zu reduzieren. Insgesamt befürchten nur
wenige Unternehmen (ca. 29 %) Risiken bei der digitalen Transformation (Kersten
et al., 2020).
Der allgemeine Stand zur Digitalisierung weicht nicht vom Reifegrad im Supply Chain
Management ab. Die Erkenntnis bzw. Notwendigkeit zur Digitalisierung von Prozessen
im Supply Chain Management als Querschnittsfunktion zeigt aktuell somit noch keine
672 J. Grinninger et al.
Ja
Nein 43 % 39 %
57 % Ja
61%
Nein
5
3
1
0
keine Strategie bis 1 Jahr 1 -3 Jahre 3 -5 Jahre > 5 Jahre
Wie hoch bewerten Sie den Wie hoch bewerten Sie den Stand der Für wie relevant halten Sie das
allgemeinen Stand der Digitalisierung Digitalisierung im Bereich SCM Thema Digitalisierung in Bezug auf
in Ihrem Unternehmen? in Ihrem Unternehmen? SCM für Ihr Unternehmen?
sehr hoch sehr niedrig sehr hoch sehr niedrig nicht relevant kaum relevant
hoch niedrig hoch niedrig
0% 4% 0%
13 % 9% relevant
4 %4 % 0% 4%
0%
39 % eher niedrig 39 %
30 % 57 %
52 %
43 %
eher hoch
eher hoch
eher niedrig
sehr relevant
Abb. 25.6 Stand der Digitalisierung in befragten Unternehmen. (Quelle: Eigene Darstellung)
25 Status Quo und Hürden der Digitalisierung im Supply Chain Management bei KMU 673
Auswirkung auf die Implementierungsquote. Fast die Hälfte aller befragten KMU haben
einen niedrigen Entwicklungslevel bei der Digitalisierung von Abläufen, der Vernetzung
von Menschen und Objekten und dem Austausch von Daten (siehe Abb. 25.6). Dies zeigt
den Nachholbedarf trotz der wahrgenommenen Wichtigkeit des Themas. Es handelt sich
damit nicht um ein Erkenntnis- sondern ein Umsetzungsproblem.
Trotz teils fehlender Vision sowie Roadmap und wohl wegen der erkannten Dringlich-
keit planen die Unternehmen teils signifikante Budgets für Digitalisierungsprojekte.
Immerhin ein Fünftel der befragten Betriebe sieht Investitionen in Höhe von mehr als 0,5
Mio. Euro im nächsten Jahr ausschließlich für die Digitalisierung (siehe Abb. 25.7).
Ohne qualifizierte Ressourcen in Form von Mitarbeitern oder externen Beratern sind
Digitalisierungsprojekte nicht durchführbar. Zahlreiche Beratungsunternehmen aus dem
Prozess- und IT-Umfeld haben heute eigene Geschäftsfelder mit Experten zu Techno-
logien bzw. digitaler Transformation. Abb. 25.8 zeigt, dass das Thema Digitalisierung be-
reits in der Aufbauorganisation der KMU angekommen ist. Lediglich 30 % der Unter-
nehmen haben heute noch keine explizite Funktion im Betrieb die sich mit Digitalisierung
beschäftigt. Das zeigt, dass die Unternehmen erkannt haben, dass Expertenwissen ein
elementarer Schritt auf dem Weg der Umgestaltung ist. Diejenigen Unternehmen mit die-
sen Stellen, haben lt. Umfrage heute bereits durchschnittlich zwei Experten an Board.
Einzelne Unternehmen haben bereits ganze Abteilungen mit entsprechendem Manage-
ment geschaffen, die sich mit der Konzeption, Implementierung und teils auch dem Be-
trieb von Digitalisierungslösungen beschäftigen. Hier zeigen sich erhebliche Unterschiede
in der Vorgehensweise und Verankerung in der betrieblichen Organisation. Eine Option ist,
dass reine Projektorganisationen (meist als Stabsstelle Digitalisierung) sich um die Initiie-
17 %
52 %
101 - 500 TEUR 13 %
9%
0 - 100 TEUR 4% nicht bekannt
keine Angabe
Abb. 25.7 Jährlich geplantes Budget für Digitalisierungsprojekte. (Quelle: Eigene Darstellung)
674 J. Grinninger et al.
9
8
7
4 4
3 Ø2
Abb. 25.8 Besetzte Rollen zu Digitalisierung in den befragten Unternehmen. (Quelle: Eigene Dar-
stellung)
rung und Projektierung von Digitalisierungsprojekten kümmern – der Betrieb wird dann
von den Fachfunktionen verantwortet. Andererseits gibt es auch Betriebe bei den sich die
bestehenden Funktionen/Abteilungen parallel zum Tagesgeschäft um die digitale Trans-
formation (Projekt- und Betriebsphase) kümmern.
25.3.2 Technologisch
Neben der klaren Vorstellung über das Ziel, den Zweck und den Weg in Form einer Stra-
tegie zur digitalen Transformation bilden, wie in Abschn. 25.3.1 beschrieben, das Wissen
und die Überzeugung zu innovativen Technologien für das Supply Chain Management die
Grundlage für eine erfolgreiche Technologiediffusion (Rogers, 2003). Entscheidend hier-
bei ist nicht nur die Kenntnis der Technologie selbst, sondern insbesondere wie die Inno-
vationen auf die eigene Umgebung adaptiert werden können und dadurch einen Kos
ten-
Nutzen- Vorteil ermöglichen. Dies setzt voraus, dass die Ist-Situation inkl. der
Schwachstellen bei der Digitalisierung von Abläufen, der fehlenden Vernetzung von Men-
schen und Objekten und dem analogen Austausch von Daten bekannt ist. Dazu sind
geeignete Analyseinstrumente wie ein SCM-Digitalisierungsreifegradmodell oder die
logistikorientierte Wertstromanalyse der Schlüssel zur Transparenz.
Darauf aufbauend gilt es Digitalisierungslösungen auf dem Markt zu identifizieren, die
einen potenziellen Mehrwert liefern. Abb. 25.9 liefert einen unvollständigen Ausschnitt
der Technologien, die unabhängig von ihrer Marktreife für den Einsatz im Supply Chain
Management verwendet werden.
25 Status Quo und Hürden der Digitalisierung im Supply Chain Management bei KMU 675
Materialfluss Informationsfluss
Abb. 25.9 Überblick Technologien und Digitalisierungslösungen für das Supply Chain Manage-
ment. (Quelle: Eigene Darstellung)
Im Folgenden werden ausgewählte Technologien kurz erläutert und dann deren Be-
wertung durch die Befragten hinsichtlich der Relevanz und des Einsatzes in der Inbound-,
Inhouse- und Outboundlogistik diskutiert.
Grundlage für die Einschätzung der Technologien bildet Abb. 25.10.
Es existieren bereits Lösungen für das Supply Chain Management mit integrierter
KI. So verwenden Spediteure Software zur Erkennung und automatisierten Verarbeitung
von für den Transport notwendigen Dokumenten (z. B. Ladepapiere, Lieferscheine) oder
für die Prognose von ETA (estimated time of arrival) Terminen im Überseeverkehr, basie-
rend auf der Kombination von Historiendaten der genommenen effizientesten Routen und
Echtzeitinformationen (z. B. Wetterdaten). Des Weiteren wird KI in der Logistik ein-
gesetzt, um Anomalien oder Muster z. B. bei Warenlieferungen von Lieferanten zu er-
kennen oder bei der effizienten Verpackung von verschiedenen Artikeln, um eine mög-
lichst hohe Packdichte zu erreichen und damit Transportkosten zu reduzieren. Viele der
Anwendungen im Logistikumfeld befinden sich nach wie vor in einer Erprobungsphase.
676 J. Grinninger et al.
Künstliche Intelligenz 13 % 39 % 17 % 13 % 17 % 13 % 57 % 9 % 13 % 9 % 13 % 26 % 35 % 9 % 17 %
Machine Learning 17 % 35 % 30 % 9% 17 % 30 % 13 % 17 % 22 % 17 % 52 % 13 % 9%
9% 9%
Cloud Lösungen 13 % 17 % 13 % 52 % 13 % 9 % 13 % 61 % 13 % 13 % 13 % 13 % 48 %
4% 4%
Master Data Management 35 % 13 % 26 % 17 % 9 % 35 % 13 % 22 % 17 % 13 % 35 % 13 % 26 % 13 % 13 %
Open API 43 % 17 % 9 % 13 % 17 % 43 % 22 % 9 % 13 % 13 % 43 % 17 % 9 % 13 % 17 %
Data Mining 17 % 26 % 22 % 17 % 17 % 17 % 22 % 22 % 17 % 22 % 17 % 30 % 26 % 13 % 13 %
Process Mining 30 % 22 % 13 % 22 % 13 % 30 % 30 % 17 % 17 % 4 % 30 % 26 % 17 % 22 % 4 %
BI Systeme 26 % 9 % 17 % 17 % 30 % 26 % 4 % 17 % 17 % 35 % 26 % 4 % 17 % 26 % 26 %
Digitaler Zwilling 26 % 39 % 4 % 17 % 13 % 26 % 39 % 4 % 22 % 9% 26 % 48 % 9 % 13 %
4%
Execution Management Systeme (EMS) 43 % 17 % 9 % 13 % 17 % 43 % 17 % 9 % 13 % 17 % 43 % 17 % 13 % 13 % 13 %
Abb. 25.10 Bewertung der Technologien durch die Befragten. (Quelle: Eigene Darstellung)
Dieses Bild wird auch durch die Ergebnisse der Umfragen verdeutlicht. Lediglich 17 %
der befragten KMU haben KI-Anwendungen im Einsatz, weitere 13 % planen diese. Über
50 % der Unternehmen kennen diese Technologie nicht bzw. sehen keine Einsatzmöglich-
keit. Für Maschinelles Lernen sieht die Situation ähnlich aus, hier nutzen lediglich 18 %
der Unternehmen diese Innovation bereits bzw. haben den Einsatz geplant.
Data Mining ist ein Schritt im Verfahren Knowledge Discovery Database (KDD) und
ein analytischer Prozess, der anhand von computergestützten Methoden eine möglichst
autonome und effiziente Identifizierung von Datenmustern innerhalb großer Datensätze
findet. Dies dient der Entscheidungsunterstützung, um Muster und Beziehungen, die
außerhalb des Bereichs der menschlichen Erfahrung und Vorstellungskraft liegen, zu ent-
decken, überprüfen und vorzulegen. Die eingesetzten Algorithmen kommen aus der Sta-
tistik, künstlichen Intelligenz oder dem maschinellen Lernen. Im Process Mining werden
dazu anstelle von Bewegungsdaten (z. B. Lagerbestand) Log-Files von IT-Systemen
verwendet. Dadurch wird ermöglicht, das in Daten enthaltene, implizite und sonst ver-
borgene Prozesswissen zu einem Gesamtprozess zu modellieren und dies Entscheidern zu
vermitteln.
Business Analytics geht über Visual, Predictive und Prescriptive Analytics den Fragen
„Was wird passieren?“ und „Was ist zu tun?“ nach. Das Ziel ist aus den Trends der Ver-
gangenheit Vorhersagen für die Zukunft (z. B. Genauigkeit in der Kundenbedarfsprognose)
abzuleiten.
Der Status Quo bei den interviewten Unternehmen zeigt, dass klassisches Business
Intelligence am weitesten verbreitet ist – 30 % haben ein irgendwie geartetes Reporting,
weitere 34 % prüfen oder planen den Einsatz. Nichtsdestotrotz bedeutet dies, dass aktuell
70 % der KMU keine Visualisierung von Kennzahlen und Prozessdaten im Supply Chain
Management im Einsatz haben. Dies ist insofern erstaunlich, da diese Methoden bereits
seit Jahrzehnten zum Industriestandard zählen, wohingegen innovative Technologien wie
Data oder Process Mining auch vereinzelt in befragten Unternehmen implementiert sind.
Cloud Computing
Beim Cloud Computing werden IT-Ressourcen, wie Server, Datenspeicher oder Applika-
tionen über das Internet bereitgestellt und nach Nutzung abgerechnet. Erste Anwendungen
diesbezüglich gibt es schon seit den 90er-Jahren.
Nahezu 50 % der befragten Personen kennen Robotic Process Automation nicht oder
sehen diese Technologie als nicht relevant für ihr Unternehmen an. Teilweise verwechseln
Mitarbeiter RPA mit Automatisierung durch Makros oder Programmierung in Office-
Software-Paketen. Erkenntnisse aus RPA Projekten haben gezeigt, dass selbst bei voll-
umfänglichem Wissen und funktionierenden Prozess-Automatisierungen nach wie vor
eine ablehnende Haltung bzw. Leugnung der Eignung der Technologie bei den Mit-
arbeitern vorhanden ist. Nur über ein entsprechendes Know-how und Changemanagement
kann dem begegnet werden (Langmann & Turi, 2020).
Dass insbesondere KMU bei der digitalen Transformation von Lieferketten auf große
Herausforderungen treffen, zeigt sich darin, dass fundamentale Voraussetzungen noch
nicht erfüllt sind. Exemplarisch dafür ist eine Bemerkung der befragten Unternehmen:
„Digitalisierungslösungen sind mehrere Schritte voraus. Die Rahmenbedingungen für die
Einführung sind nicht gegeben. Die Lösungen sind teils zu High-Tech!“. Dieses Beispiel
zeigt deutlich, dass die Digitalisierung von Prozessen oder die Einführung bestimmter
Technologien bei KMU nicht nur eine Veränderung darstellen. Vielmehr bedeutet Digita-
lisierung für KMU einen Evolutionssprung in Transparenz und Effizienz (Demara et al.,
2016). Dennoch geben 74 % der befragten Unternehmen an, bereits Digitalisierungs-
projekte umgesetzt zu haben (siehe Abb. 25.12). Die in Abb. 25.13 aufgezeigten Beispiele
zeigen auf, dass eben genannte Projekte sehr vielfältig sind und überwiegend nicht auf die
Lieferkette ausgerichtet sind. Nur zwei der genannten Projekte sind aus dem Bereich
Supply Chain Management. Jedes vierte der befragten Unternehmen hat noch keine
Digitalisierungsprojekte umgesetzt.
Drei der befragten Unternehmen haben zuletzt Projekte zur Einführung von EDI (Elec-
tronic Data Interchange) umgesetzt bzw. planen die Einführung in naher Zukunft. EDI
dient zum elektronischen, standardisierten Datenaustausch mit Kunden und Lieferanten
(Höcht, 2020). Im Gegensatz zu dieser Technologie gibt es jedoch bereits wesentlich fort-
schrittlichere Lösungen wie beispielsweise Open API (Application Programming Inter-
face). In diesem Fall werden Daten zwischen zwei Unternehmen nicht nur elektronisch
versendet, sondern über eine Schnittstelle zwischen deren Systemen in Echtzeit und ohne
menschliches Eingreifen aktualisiert, übersetzt und freigegeben (Sauterleute et al., 2018).
Abb. 25.10 zeigt, dass beispielsweise im In- und Outbound bereits bei 17 % der befragten
Open API im Einsatz ist bzw. weitere 13 % den Einsatz planen. Eben beschriebene Sach-
verhalte zeigen auf, dass sich die befragten Unternehmen an verschiedenen Stufen der
digitalen Transformation befinden und der Status Quo teilweise mehrere Jahre hinter dem
Stand der Technik zurückliegt. Weitere Beispiele für in den nächsten drei Jahren geplante
Projekte sind die Einführung von RPA zur Digitalisierung und Automatisierung des
Lieferscheinprozesses im Wareneingang, die Nutzung von Data Mining zur Optimierung
25 Status Quo und Hürden der Digitalisierung im Supply Chain Management bei KMU 679
Nein
26 %
74 %
Ja
von Maschinenstillstandszeiten und die Zuliefererintegration für C-Teile sowie die auto-
matische Nachbestellung und Buchung per RFID-Technik. Die künftig geplanten Projekte
zeigen deutlich, dass die befragten Unternehmen grundsätzlich offen für neue Techno-
logien sind. Allerdings ist über den Großteil der Befragten hinweg festzustellen, dass die
Projekte überwiegend Insellösungen sind und demnach nicht zu einer ganzheitlichen
Digitalisierungsstrategie mit integrierten Systemen beitragen. Die Tatsache, dass 57 % der
Befragten kein Digitalisierungsprojekt nennen können, welches innerhalb der nächsten
drei Jahre umgesetzt werden soll, untermauert wiederum, dass Digitalisierung bei den be-
fragten Unternehmen nicht strategisch geplant ist, sondern vielmehr spontan umgesetzt
und als Insellösung gesehen wird. In Abb. 25.14 wird aufgezeigt, welche Probleme und
Befürchtungen die befragten Unternehmen in Bezug auf Digitalisierungsprojekte hatten
bzw. haben.
70 % der Befragten geben an, dass die Komplexität von digitalen Lösungen ein großes
Problem bei der Umsetzung darstellt. Dass jeder zweite der Befragten mangelndes Know-
how als zusätzliche Herausforderung beschreibt, macht deutlich, dass die Komplexität der
680
Ressourcen 1 FTE a 2h pro Woche 1 FTE a 5h pro Woche 5 FTE a 10h pro Woche 2 FTE a 40h pro Woche 1 FTE 40h pro Woche
Abb. 25.13 Beispiele für umgesetzte Digitalisierungsprojekte unter den Befragten. (Quelle: Eigene Darstellung)
J. Grinninger et al.
25 Status Quo und Hürden der Digitalisierung im Supply Chain Management bei KMU 681
Zustimmung in % Rang
Komplexität 70 % 1
IT-Sicherheit 52 % 2
Mangelndes Know-how 52 % 2
Insellösungen 39 % 3
Kosten/Investitionsbedarf 39 % 3
Insellösungen 39 % 3
Breitbandverfügbarkeit 9% 4
Ressourcen 9% 4
Schnittstellen zwischen
4% 5
Programmen
digitalen Lösungen nicht vollständig durchdrungen und bewertet werden kann. Somit fehlt
auch das Verständnis für die Vorteile, welche durch die jeweiligen Technologien gehoben
werden könnten. In Zusammenhang mit hoher Komplexität nennen die Unternehmen
nicht nur die Komplexität neuer Digitalisierungslösungen, sondern auch die Komplexität
der eigenen Systeme und Strukturen. Dies wird durch die Aussage „Zusammenführen von
fünf verschiedenen ERP-Systemen an drei verschiedenen Standorten“ eines Befragten zu-
sätzlich verdeutlicht. Die Transparenz über eigene Systeme, Informationsflüsse und Pro-
zesse ist überwiegend nicht gegeben, wobei diese Elemente Grundvoraussetzung für eine
nachhaltige Digitalisierungsstrategie darstellen. Es fehlt daher insbesondere an Experten-
wissen innerhalb der Unternehmen, um den aktuellen Status zu verstehen und darauf auf-
bauend Digitalisierung strategisch, effizient, effektiv und nachhaltig umzusetzen. 30 %
der befragten Unternehmen haben keine expliziten Digitalisierungsstellen besetzt. 52 %
haben kein Budget für Digitalisierungsprojekte geplant. 39 % geben hohe Kosten und In-
vestitionsbedarfe als Hemmnis für Digitalisierungsprojekte an. Um Wirtschaftlichkeits-
analysen ganzheitlich durchzuführen, fehlt überwiegend das Know-how, demnach wird
682 J. Grinninger et al.
auch der qualitative und quantitative Nutzen sowie Break-Even-Point der Lösungen nicht
erkannt. Alles in allem bleibt festzuhalten, dass sehr viele Zweifel bei den befragten Unter-
nehmen zum Thema Digitalisierung bestehen, wobei bereits umgesetzte Projekte über-
wiegend als eher erfolgreich eingestuft wurden. Abb. 25.15 zeigt die Verteilung auf, wie
die befragten Unternehmen bereits umgesetzte Digitalisierungsprojekte hinsichtlich deren
Erfolgs eingestuft haben.
Nur 13 % der Befragten stufen deren bisherigen Digitalisierungsprojekte als nicht
erfolgreich ein. Die Erfolgsfaktoren, welche ein Digitalisierungsprojekt für die Unter-
nehmen erfolgreich und nachhaltig machen, sind in Abb. 25.16 aufgezeigt.
Ca. 91 % der befragten Unternehmen erwarten eine Kosteneinsparung aus der Um-
setzung von Digitalisierungsprojekten. Das fehlende Know-how sowie die nicht durch-
drungene Komplexität der Lösungen lassen jedoch Wirtschaftlichkeitsbetrachtungen in
umfassender Form häufig nicht zu. Neben diesem Erfolgsfaktor ist unter anderem auch
der Aspekt Umweltschutz für 39 % der Unternehmen wichtig. Themen wie Zeiterspar-
nis, die Reduzierung von verschiedenen Systemen und Schnittstellen sowie die
Entlastung bei repetitiven Aufgaben werden hingegen nur von 4 % der Befragten als
Erfolgsfaktor für Digitalisierungsprojekte genannt. Die Transparenz über Daten und
Prozesse wird von 70 % der Befragten als Erfolgsfaktor eingestuft. Diese Elemente
sind zentraler Bestandteil des Supply Chain Managements. Demnach wird eine auf die
Lieferkette ausgerichtete Organisation als zentraler Bestandteil des Unternehmens-
erfolgs angesehen, jedoch nicht im Sinne der digitalen Transformation in die Strategie
miteinbezogen.
78 %
eher erfolgreich
25 Status Quo und Hürden der Digitalisierung im Supply Chain Management bei KMU 683
Zustimmung in % Rang
Kosteneinsparung 91 % 1
Automa sierung 74 % 2
Prozessstabilität 61 % 4
Integrierte
43 % 5
Systemlandscha
Usability 43 % 5
Umweltschutz 39 % 6
Zeiteinsparung 4% 7
Reduzierung von
verschiedenen Systemen 4% 7
und Schnistellen
Entlastung bei reziproken
4% 7
Aufgaben
Abb. 25.16 Faktoren für ein erfolgreiches und nachhaltiges Digitalisierungsprojekt. (Quelle:
eigene Darstellung)
Produktions- und Logistikprozesse bei KMU sind häufig durch eine „Hands-on Mentali-
tät“ und fehlende Standardisierung geprägt. Ebenso fehlt oft die Transparenz über Prozess-
zusammenhänge, die insbesondere im Supply Chain Management auch globale Wert-
schöpfungsketten betrifft. Um einerseits diese Komplexität zu beherrschen und andererseits
die Anforderungen des Marktes hinsichtlich effizienter, agiler, zuverlässiger und kunden-
orientierter Abläufe zu gewährleisten, können Digitalisierungslösungen Wettbewerbsvor-
teile bringen. Aus den durchgeführten Interviews und analysierten Digitalisierungs-
projekten konnten folgende Eckpunkte für die erfolgreiche digitale Transformation bei
KMU identifiziert werden:
Wichtig ist der konstruktive Umgang mit diesen Widerständen, d. h.: ernst nehmen, fra-
gen, nachfragen, informieren über das Neue, Beteiligte involvieren und Vereinbarungen
25 Status Quo und Hürden der Digitalisierung im Supply Chain Management bei KMU 685
treffen, trainieren und ausbilden, Strukturen schaffen für eine klare Kommunikation.
Im Rahmen eines integrierten Change-Managements kann durch ausgebildete Trans-
formationsmanager oder Prozessbegleiter z. B. das 8 Stufen Modell nach Kotter verwendet
werden. Hierbei müssen in acht Stufen drei fundamentale Fragen zur Veränderung be-
antwortet werden (Kotter, 1995):
U V S B
U steht dabei für Unzufriedenheit im System, V für eine klare Vision bzw. ein Zielfoto der
Veränderung, S für den ersten Schritt zur Umsetzung und B für die vorhandenen Be-
harrungskräfte des Systems.
• Liquiditäts-/Rentabilitätskrise
• Umsatz-/Rentabilitätskrise
• Strategische/Innovationskrise
Im ersten Schritt geht es darum, das „Warum Digitalisierung“ in Zahlen, Daten und Fakten
zu formulieren. Hier helfen Potenzialauflistungtung und Maßnahmenbewertung aus der
Ist-Analyse. Damit ist es möglich, das Ziel für elementare Unternehmenskennzahlen
(z. B. Liefertreue oder Kundenauftragsdurchlaufzeit) festzulegen und über die Maß-
nahmen den Zukunftszustand möglichst einfach zu visualisieren. Methodisch kann hier
visuelles Storytelling helfen, getreu nach Antoine de Saint-Exupéry (1900–1944), Schrift-
steller und Pilot: „Jedes starke Bild wird Wirklichkeit.“. Elementar in diesem Vorgehen ist,
dass die Unternehmensstrategie eine Art Leitfunktion hat. Ist das Zielbild definiert und
kommuniziert, wird eine Strategie als konkretes Maßnahmen-Set daraus abgeleitet. Hilf-
reich hierfür sind Methoden zur Kaskadierung von Zielen und Maßnahmen (z. B. Hoshin
686 J. Grinninger et al.
Kanri oder Objective Key Results) auf die einzelnen Unternehmensfunktionen und
Prozessbereiche. Als probates und einfaches Mittel zur Operationalisierung von Maß-
nahmen eignet sich der PDCA-Zyklus nach Deming (2000). Über die Abfolge Plan-Do-
Check-Act wird die Überführung des Ist- in den Soll-Zustand überwacht.
Zunächst muss die Struktur der Supply Chain Daten im Unternehmen verstanden wer-
den. Dadurch wird transparent,
Die Einbindung neuer Software und Devices in bestehende Strukturen kann zu einer
IT-Systemlandschaft mit zahlreichen Systembrüchen führen. Um dies zu vermeiden, soll
die Datenstruktur transparent und möglichst einfach aufgebaut sein. Digitale Methoden
und Tools, wie z. B. Master Data Management, können bei der Erzeugung und Verwaltung
dieser Transparenz unterstützen.
Eng im Zusammenhang mit der Datenstruktur steht die Anbindung von Datenquellen
zueinander. Standardisierte Schnittstellen reduzieren den Implementierungsaufwand und
erhöhen die Flexibilität neue Partner in die Supply Chain zu integrieren. In der Automobil-
industrie ist in der Supply Chain noch die Anbindung per EDI weit verbreitet. Neuere
Standards wie Open API treten jedoch vermehrt branchenübergreifend auf. Die Interviews
zeigen, dass 43 % der Befragten diesen Standard jedoch überhaupt nicht kennen.
Gesammelte und verwaltetet Daten werden erst durch deren Aufbereitung, Analyse und
Interpretation zu einem Mehrwert im Unternehmen. Daneben besteht eine hohe Gefahr
der Fehlinterpretation von Daten, falls eine transparente Datenstruktur sowie ein generel-
les Prozessverständnis nicht vollständig vorhanden sind. Data- und Process Mining Tools
können dabei unterstützen diese Transparenz zu erzeugen, BI-Systeme helfen in Ver-
bindung mit künstlicher Intelligenz bei der automatischen Analyse von Daten und Pro
gnose von statistischen Szenarien. Um valide Entscheidungen auf Basis dieser Tools zu
treffen, muss deren Wirkweise bei der Interpretation berücksichtigt werden.
Die Digitalisierung der Supply Chain bedeutet im Besonderen die Digitalisierung von
Schnittstellen zwischen Unternehmen. Durch den bereits weit verbreiteten Einsatz von
Cloud-Lösungen lassen sich die gegenseitigen Daten auf „neutralem Boden“ verwalten.
Jedoch steigen durch die Schnittstellen und den unternehmensübergreifenden Datenaus-
tausch die Gefahr potenzieller Sicherheitslücken sowie die Anzahl an Angriffspunkten.
Um die Supply Chain zu digitalisieren, ist es auch für KMU unerlässlich Kompetenzen zu
Datensicherheit aufzubauen.
688 J. Grinninger et al.
25.6 Fazit
Der Einblick in den Status Quo der Digitalisierung in KMU zeigt, dass sowohl auf strate-
gischer als auch technologischer Ebene noch keine durchgehende Basis für eine flächen-
deckende Digitalisierung vorhanden ist. 43 % befragten Unternehmen haben kein strategi-
sches Zielbild für die Digitalisierung der Supply Chain. Selbst bei den Unternehmen, die
eine digitale Vision haben, fehlt häufig eine Roadmap mit Projekten, Verantwortlichen und
Terminen, um sich gezielt in Richtung dieser Vision zu entwickeln. Häufig werden einzelne
Pilotprojekte ohne ein übergeordnetes Zielbild durchgeführt. Jedoch gibt es auch KMU,
die ihre Unternehmensorganisation bereits gezielt auf die Digitalisierung ausrichten.
Technologisch ist besonders der Einsatz von Cloud-Lösungen weit verbreitet. Dahingegen
sind die meisten anderen abgefragten Digitalisierungstechnologien überwiegend un-
bekannt oder als nicht relevant eingestuft. Besonders die Themen künstliche Intelligenz,
Machine Learning und Digitaler Zwilling werden in Bezug auf die Supply Chain von über
35 % der Befragten als nicht relevant beurteilt. Da die Relevanz von BI Systemen jedoch
als höher bewertet wird und darin häufig Algorithmen der künstlichen Intelligenz ver-
wendet werden, scheint deren Wirkweise in KMU noch nicht durchdrungen zu sein. Aus
dem hohen Grad an nicht bekannten Technologien wird geschlossen, dass KMU oft ein
Defizit im Know-how Aufbau für die Digitalisierung haben. Um die Digitalisierung auch
in KMU zu fördern und die Arbeitsweise sowie Vor- bzw. Nachteile verschiedener Lösun-
gen transparent darzustellen, ist noch deutliche Aufklärungsarbeit erforderlich.
Literatur
Bundesministerium für Wirtschaft und Energie. (2016). Weltweit gut ankommen. Mittelstand Global.
Busch, A. (2009). Integriertes supply chain management (2. Aufl.). Gabler Verlag.
Chopra, S., & Meindl, P. (2014). Supply chain management. Pearson Verlag.
Christensen, C. M. (2000). The innovator’s Dilemma. When new technologies cause great firms to
fail. HarperBusiness.
Demara, V., et al. (2016). Digitalisierung und Mittelstand: Eine Metastudie (IW-Analysen, No.
109). Institut der deutschen Wirtschaft.
Deming, W. E. (2000). Out of the crisis (1. Aufl.). The MIT Press.
Fawcett, S., et al. (2012). Peeking inside the black box: Toward an understanding of supply chain
collaboration dynamics. Journal of Supply Chain Management, 48(1), 44–72.
Frey, D., & Schmalzried, L. (2013). Philosophie in der Führung – Gute Führung lernen von Kant,
Aristoteles, Popper & Co. Springer.
Höcht, S. (2020). Logistikkompendium TU München – Lehrstuhl fml, Electronic Data Interchange
(EDI). https://wiki.tum.de/display/logistikkompendium/Electronic+Data+Interchange. Zu-
gegriffen am 21.06.2021.
Hundt, D. (2017). Rede 3. Deutsch-Chinesische Mittelstandskonferenz. Jieyang.
Kersten, W., et al. (2020). Trends und Strategien in Logistik und Supply Chain Management – Ent-
wicklungen und Perspektiven einer nachhaltigen und digitalen Transformation. BVL.
Kotter, J. P. (1995). Leading change: Why transformation efforts fail. Harvard Business Review,
86, 97–103.
25 Status Quo und Hürden der Digitalisierung im Supply Chain Management bei KMU 689