Insgesamt finden Sie bei uns jetzt 4.089 Blogbeiträge. Davon sind ca. 340 alleine im Jahr 2024 hinzugekommen.
Alle Beiträge wurden in diesem Jahr 45.792 mal aufgerufen – für uns ein Rekordwert.
Auch die Anzahl der Besucher hat sich in diesem Jahr deutlich erhöht: Mit 20.563 Besucher ist das der bisher höchste Stand.
Diese Zahlen sind umso beeindruckender, da wir in unseren Blogbeiträgen doch recht spezielle Themen ansprechen und mit den jeweiligen Quellen versehen.
Bei LinkedIn besteht mein Netzwerk aktuell aus 714 Kontakten.
Unser Twitter-Account hat aktuell 1.198 Follower.
Bei Facebook sind wir (Jutta und ich) aktuell mit ca.1.800 Personen befreundet – 1.500 davon mit Jutta.
In diesem Beitrag geht es mir darum aufzuzeigen, wie Künstliche Intelligenz bei Open Innovation genutzt werden kann. Wie der folgenden Tabelle zu entnehmen ist, kann zwischen der Verbesserung von Open Innovation durch KI (OI-Enhancing AI), einer Ermöglichung von Open Innovation durch KI (OI-Enabling AI) und der Ersetzung von Open Innovation durch KI (OI-Peplacing AI) unterschiedenen werden. Die jeweils genannten Beispiele zeigen konkrete Einsatzfelder.
Description
Examples
OI-Enhancing AI
AI that enhances established forms of open innovation by utilizing the advantages of AI complemented with human involvement
Innovation search Partner search Idea evaluation Resource utilization
OI-Enabling AI
AI that enables new forms of open innovation, based upon AI’s potential to coordinate and/or generate innovation
AI-enabled markets AI-enabled open business models Federated learning
OI-Replacing AI
AI that replaces or significantly reshapes established forms of open innovation
AI ideation Synthetic data Multi-agent systems
Quelle: Holgersson et al. (2024)
Alle drei Möglichkeiten – mit den jeweils genannten Beispielen – können von einem KI-Modell (z.B. ChatGPT oder Gemeni etc.) der eher kommerziell orientierten Anbieter abgedeckt werden. Dieses Vorgehen kann als One Sizes Fits All bezeichnet werden.
Eine andere Vorgehensweise wäre, verschiedene spezialisierte Trainingsmodelle (Large Language Models) für die einzelnen Prozessschritte einzusetzen. Ein wesentlicher Vorteil wäre, dass solche LLM viel kleiner und weniger aufwendig wären. Das ist gerade für Kleine und Mittlere Unternehmen (KMU) von Bedeutung.
Nicht zuletzt kann auch immer mehr leistungsfähige Open Source AI eingesetzt werden. Dabei beziehe ich mich auf die zuletzt veröffentlichte Definition zu Open Source AI. Eine Erkenntnis daraus ist: OpenAI ist kein Open Source AI. Die zuletzt veröffentlichten Modelle wie TEUKEN 7B oder auch Comon Corpus können hier beispielhaft für “wirkliche” Open source AI genannt werden.
Weiterhin speilen in Zukunft AI Agenten – auch Open Source – eine immer wichtigere Rolle.
Das Kompetenztableau zeigt zwischen den beiden Dimensionen “Selbstwirksamkeit” und “Kooperation” verschiedene Kompetenzen auf. In diesem Spannungsfeld sind Emotionale Kompetenz, Spirituelle Kompetenz (ohne Esoterik), Kommunikationskompetenz, Wissenskompetenz und Lernkompetenz eingebettet. Je besser diese Kompetenzen ausgeprägter sind, um so handlungsfähiger ist jemand im Sinne einer sachgemäßen Problemlösung.
“Die Lernkompetenz ist eine eher technische Fähigkeit. Sie umfasst die autodidaktischen Verfahren der Aufbereitung und systematischen Aneignung von Wissen und Können. Lern- und Memorierungstechniken gehören ebenso zu diesem Fähigkeitsbündel wie die Kenntnis unterschiedlicher Strategien zur schrittweisen Erschließung und Übung von Neuem. Zahlreiche Ratgeber und Trainings zum Selbsterlernen haben in den letzten Jahren diese Fähigkeiten gezielt in den Blick gerückt und den Einzelnen kleinschrittig zu absolvierende Wege zur Lernkompetenz aufgezeigt – gemäß dem Motto „Schritt für Schritt zum kompetenten Selbstlerner / zur kompetenten Selbstlernerin“. Menschen, die über Lernkompetenz verfügen, sind in der Lage, ihre Lernprozesse weitgehend selbständig zu planen. Sie haben die Besitzverhältnisse im Lehr-Lern-Prozess verstanden und wissen, dass das eigene Lernen ihnen gehört und nicht von anderen – gewissermaßen stellvertretend – verwaltet und gestaltet werden kann. Die Ownership der Lernenden entzieht der Inputpädagogik ihre Basis, und es wird sichtbar: ´Das Lehren ist nicht zu retten!´ (vgl. Arnold 2013c)” (Arnold 2017).
Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in Agil (IHK), die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.
Innovationen sind für eine Gesellschaft, und hier speziell für marktorientierte Organisationen wichtig, um sich an ein verändertes Umfeld anzupassen (inkrementelle Innovationen), bzw. etwas ganz Neues auf den Markt zu bringen (disruptive Innovationen).
Organisationen können solche Innovationen in einem eher geschlossenen Innovationsprozess (Closed Innovation) oder in einem eher offenen Innovationsprozess (Open Innovation) entwickeln.
Darüber hinaus können die Innovationen von Menschen (People Driven) oder/und von Technologie (Data Driven) getrieben sein. Aktuell geht es in vielen Diskussionen darum, wie Künstliche Intelligenz (AI: Artificial Intelligence) und die damit verbundenen Trainingsdaten (LLM: Large Language Models) im Innovationsprozess genutzt werden können.
Im einfachsten Fall würde sich eine Organisation den Innovationsprozess ansehen, und in jedem Prozessschritt ein Standard-KI-Modell wie ChatGpt, Gemini, Bart usw. nutzen. Die folgende Tabelle stellt das grob für einen einfachen Innovationsprozess nach Rogers (2003) dar:
Opportunity identification and idea generation
Idea evaluation and selection
Concept and solution development
Commercialization launch phase
e.g. identifying user needs, scouting promising technologies, generating ideas;
e.g. idea assessment, evaluation
e.g. prototyping, concept testing
e.g. marketing, sales, pricing
ChatGPT, Gemeni, etc.
ChatGPT, Gemini, etc.
ChatGPT, Gemini, etc.
ChatGPT, Gemini, etc.
Eigene Darstellung
Dieser Ansatz könnte als One Size fits all interpretiert werden: Eine Standard-KI für alle Prozessschritte.
Dafür sprechen verschiedene Vorteile: – Viele Mitarbeiter haben sich schon privat oder auch beruflich mit solchen Standard-KI-Modelle beschäftigt, wodurch eine relativ einfache Kompetenzentwicklung möglich ist. – Die kommerziellen Anbieter treiben AI-Innovationen schnell voran, wodurch es fast “täglich” zu neuen Anwendungsmöglichkeiten kommt. – Kommerzielle Anbieter vernetzen KI-Apps mit ihren anderen Systemen, wodurch es zu verbesserten integrierten Lösungen kommt.
Es gibt allerdings auch erhebliche Nachteile: – Möglicherweise werden auch andere Organisationen/Wettbewerber so einen Ansatz wählen, sodass kaum ein grundlegendes Alleinstellungsmerkmal erzielt werden kann. – Kritisch ist auch heute noch, ob es sich bei den verwendeten Trainingsdaten (Large Language Models) nicht um Urheberrechtsverletzungen handelt. Etliche Klagen sind anhängig. – Weiterhin können die für Innovationen formulierte Prompts und Dateien durchaus auch als Trainingsdaten verwendet werden. – Die LLM sind nicht transparent und für alle zugänglich, also sie sind keine Open Source AI, auch wenn das von den kommerziell betriebenen KI-Modellen immer wieder suggeriert wird. – Organisationen sind anhängig von den Innovationsschritten der kommerziellen Anbieter. – Die Trainingsdatenbanken (Large Language Models) werden immer größer und damit natürlich auch teurer. – Nicht zuletzt ist unklar, wie sich die Kosten für die kommerzielle Nutzung der KI-Apps in Zukunft entwickeln werden – eine gerade für kleine und mittlere Unternehmen (KMU) nicht zu unterschätzende Komponente.
Gerade kleine und mittlere Unternehmen (KMU) sollten die genannten Vorteile und Nachteile abwägen und überlegen, wie sie Künstliche Intelligenz in ihrem Innovationsprozess nutzen wollen.
In unserem Blog werde ich in der nächsten Zeit weitere Möglichkeiten aufzeigen.
Wenn es um Open Innovation geht, wird meistens die Veröffentlichung von Henry Chesbrough aus dem Jahr 2003 genannt: Open Innovation: The New Imperative for Creating and Profiting from Technology.
Dabei stellt Chesbrough dar, wie sich der bisher geschlossene Innovationsprozess (Closed Innovation) immer mehr öffnet. indem Organisationen für den dazugehörenden Wissensfluss (neue) technologische Möglichkeiten einsetzen (Abbildung). Darüber hinaus hatte Chesbrough bei seiner Veröffentlichung seinen Fokus auf Großunternehmen gelegt, und entsprechende Beispiele beschrieben. Nach mehr als 20 Jahren hat Henry Chesbrough nun einen sehr lesenswerten Artikel veröffentlicht:
Chesbrogh, H. (2024): Open Innovation: Accomplishments and Prospects for the Next 20 Years, in: California Management Review, Volume 67, Issue 1, November 2024, Pages 164-180 | Link
Der Beitrag zeichnet die Entwicklungslinien von Open Innovation für Organisationen noch einmal nach, und ordnet diese ein. Ich habe hier absichtlich “für Organisationen” ergänzt, da das Verständnis von Open Innovation nach Chesbrough auf ein offeneres Business Model von Organisationen abzielt.
Dieser Hinweis ist deshalb wichtig, da es auch eine andere Perspektive auf Open Innovation gibt, und zwar die von Eric von Hippel. Siehe dazu von Hippel, E. (2005): Democratizing Innovation und von Hippel, E. (2017): Free Innovation. Dieser Blick ist eher Bottom-Up gerichtet, da er davon ausgeht, dass jeder Mensch in seinem täglichen Umfeld Möglichkeiten sieht, innovativ zu sein. Mit Hilfe neuer Technologien wird es fast jedem möglich sein, Innovationen zu entwickeln und anzubieten – entweder kommerziell oder frei nutzbar für andere Menschen.
Abschließend möchte ich Open Innovation auch noch mit den größeren gesellschaftlichen Entwicklungen der Modernisierung in Verbindung bringen. ein Ergebnis von Entgrenzungstendenzen, die sich aus der Reflexiven Modernisierung ergeben haben. Dabei handelt es sich um einen Strukturbruch zwischen einfacher und reflexiver Modernisierung.
Siehe dazu auch meine verschiedenen Veröffentlichungen zu Open Innovation, beispielsweise
Freund, R. (2016): Cognitive Computing and Managing Complexity in Open Innovation Model. Bellemare, J., Carrier, S., Piller, F. T. (Eds.): Managing Complexity. Proceedings of the 8th World Conference on Mass Customization, Personalization, and Co-Creation (MCPC 2015), Montreal, Canada, October 20th-22th, 2015, pp. 249-262 | Springer
Viele kleine und mittlere Unternehmen (KMU) müssen im Gegensatz zu Großunternehmen viel genauer auf ihre Vorhanden Ressourcen achten. Um die Produktivität zu verbessern setzen viele KMU daher auf Kaizen, oder in deutsch: Kontinuierlicher Verbesserungsprozess (KVP). Dabei spielt der Einfallsreichtum der Mitarbeiter eine wichtige Rolle.
Auch in KMU wird darüber hinaus auch die Digitalisierung immer stärker genutzt, sodass es in Zukunft darauf ankommen wird, ein für das jeweilige Unternehmen abgestimmte Vorgehensweise zu entwickeln. Dabei kommt es auf die Balance zwischen dem Einfallsreichtum der Mitarbeiter, den digitalen Technologien und von Digital Kaizen an.
“Traditionally, kaizen has significantly contributed to improving productivity in small SMEs. This is because one aspect of kaizen is to increase productivity through human ingenuity while reducing investment. As the importance of digital technology is increasingly recognized alongside the advancement of AI, human ingenuity or the kaizen mindset is becoming more and more important, not less. In other words, the Digital Kaizen concept is essential for SMEs that need to curb their investments” (APO 2024).
Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in Agil (IHK), die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.
Auch im Vertragsmanagement wird immer mehr digitalisiert und automatisiert. Die Automatisierung nutzt dabei immer mehr mit den Möglichkeiten der Künstlichen Intelligenz.
“Bereits heute lässt der US-amerikanische Einzelhandelsriese Walmart den Einkauf testweise von einem Chatbot erledigen” (Fraunhofer Magazin 4/2024 | PDF). Hier verhandeln also Software -Agenten den jeweiligen Preis.
Bei immer stärkeren Nutzung von Künstlicher Intelligenz im Vertragsmanagement kommt man auch zu folgender Frage,: Ist ein Vertrag rechtssicher ist, wenn er von Künstlicher Intelligenz unterzeichnet wurde? Das Projekt RECHT-TESTBED soll helfen, hier etwas Klarheit zu erhalten. In dem vom Fraunhofer Institut entwickelten Online-Portal können Interessenten Ein Szenario auswählen, das Szenario und ein Experiment konfigurieren, sowie das Experiment starten.
Ich muss allerdings anmerken, dass verschiedene Elemente nicht richtig funktionieren, und es teilweise zu einer Fehlermeldung kommt (Stand: 23.12.2024). Schade, denn ich halte so eine Online-Möglichkeit für sinnvoll. Gerade für Kleine und mittlere Unternehmen (KMU) kann diese Plattform hilfreich sein.
Um noch einmal auf die gestellte Frage zurückzukommen: “Ob vom Menschen oder von Künstlicher Intelligenz unterzeichnet – Vertrag ist Vertrag. Damit können automatisch geschlossene Verträge als rechtssicher gelten” Fraunhofer Magazin 4/2024. Bei dem Artikel wurde ein fiktiver Gerichtsprozess beschrieben, in dem es dann zu dieser Entscheidung gekommen ist.
Speech bubbles, blank boards and signs held by voters with freedom of democracy and opinion. The review, say and voice of people in public news adds good comments to a diverse group.
Wie in dem Kompetenztableau dargestellt, entsteht die Handlungsfähigkeit in komplexen Problemlösungssituationen durch mehrere Kompetenzdimensionen. Eine davon ist die Kommunikationskompetenz, die an dieser Stelle noch einmal ausführlicher dargestellt werden soll:
“Die Kommunikationskompetenz beschreibt die Fähigkeiten, sich in kooperativen und kommunikativen Prozessen zielgerichtet sowie möglichst konfliktfrei und wirksam zu verhalten. Über solche Fähigkeiten verfügt man in aller Regel nicht qua Erfahrungslernen, vielmehr setzten sie einen distanzierten Blick auf das Wesen der Kommunikation sowie ein Verständnis der unterschiedlichen Dimensionen des kommunikativen Handelns voraus. Die Weiterentwicklung und Optimierung des eigenen Kommunikationsverhaltes bedarf zudem der Erprobung sowie der Übung in Feedback-Kontexten. Kommunikative Kompetenz reift durch Selbstdistanz, Selbstbeobachtung und Selbstreflexion sowie Wirksamkeitserleben, nicht durch die vordergründig-mechanische Befolgung bestimmter Regeln” (Arnold 2017).
Wie am Ende erwähnt, sollte man sich nicht so sehr auf die vielen Ratgeber zur Kommunikation verlassen, sondern darauf vertrauen, dass Kommunikationskompetenz mit der Zeit reift – sich entwickelt.
Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in Agil (IHK), die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.
Adobe: AI (Artificial intelligence) AI management and support technology in the Business plan marketing success customer. AI management concept.
Die bekannten KI-Anwendungen (AI Apps) wie ChatGPT, Gemini usw. dominieren den Markt und setzen durch schnelle Neuerungen (Updates) Standards bei der Performance. Solche Angebote können als closed-source Large Language Models (LLMs) bezeichnet werden. Die Nutzung wird dabei durch wenig Transparenz bei den verwendeten Daten und durch immer mehr kostenpflichtige Angebote “erkauft”.
Diese schnelle Abhängigkeit von der jeweiligen Funktionsweise der verwendeten KI-Apps führt bei einem Wechsel – beispielsweise zu Open Source AI – zu erhöhten Switching Costs. Diesen Effekt nutzen die kommerziellen Anbieter, um ihr Geschäftsmodell weiter zu etablieren und zu kommerzialisieren.
Open Source AI (Definition) bedeutet u.a. die Transparenz bei den Trainingsdaten zu schaffen, und den Zugang für jeden zu ermöglichen. Meine Auffassung ist, dass Open Source AI in Zukunft für Privatpersonen, Organisationen und demokratische Gesellschaften besser ist. Siehe dazu Digitale Souveränität: Europa, USA und China im Vergleich.
Diese Ansicht wird auch von wissenschaftlichen Forschungen zu dem Thema gestützt. Eine aktuelle Veröffentlichung von Manchanda et al. (2024) beschreibt die Zusammenhänge wie folgt:
“Closed-source LLMs continue to lead in performance, leveraging proprietary datasets and significant computational investments to excel in tasks requiring advanced generative abilities, multi-step reasoning, and broad generalization. However, their success comes at the cost of limited transparency and restricted accessibility, which creates challenges for external validation and replication.
The closed-source approach also consolidates resources and technological power within a few institutions. In so doing, it poses barriers to equitable AI development and raising concerns about reproducibility of outcomes and organizational accountability. By contrast, open-source LLMs emphasize accessibility and collaborative development. While these models often trail closed-source systems in absolute performance, they have made significant progress in narrowing the gap through methods such as Low-Rank Adaptation (LoRA) and quantization. These strategies enable efficient, competitive outcomes even in resource-constrained environments. By utilizing diverse datasets across languages and contexts, open-sourcemodels demonstrate their capacity to address realworld challenges with inclusivity. This democratic ethos has already empowered researchers and developers globally, and is likely to continue to do so” (Manchanda et al 2024).
An dieser Stelle möchte ich mich nicht an den bekannten Modellen aus Europa orientieren, sondern auch einmal nach Asien schauen. Die APO (Asian Productivity Organization) beispielsweise orientiert sich an den folgenden 5 Aktivitäten, die den europäischen Modellen allerdings sehr ähneln : Identifying the Knowledge – Creating Knowledge – Storing Knowledge – Sharing Knowledge – Applying Knowledge. Die APO (2020) schlägt für den Schritt “Creating knowledge” (Wissen schaffen) vor, folgende Methoden/Tools zu nutzen:
Brainstorming Learnings and Ideas Capture Learning Reviews After Action Reviews Collaborative Physical Workspaces Knowledge Café Communities of Practice Knowledge Bases (Wikis, etc.) Blogs Video Communication and Webinars Advanced Search Building Knowledge Clusters Expertise Locator/Who’s Who Collaborative Virtual Workspaces Mentor/Mentee Scheme Knowledge Portal Video Sharing
