Henry Chesbrough über die Zukunft von Open Innovation

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

Open Innovation: Anmerkungen zu einer Capgemini-Studie

Capgemini Research Institute (2023): The power of open minds

Seit Henry Chexbrough (2023) darauf hingewiesen hat, dass es für Organisationen Sinn macht, ihren Innovationsprozess zu öffnen (Open Innovation), gibt es immer wieder auch Studie dazu. Die Veröffentlichung Capgemini Research Institute (2023): The power of open minds. How open innovation offers benefits for all (PDF) ist eine davon. Insgesamt ist der Tenor, dass Organisationen davon profitieren, ihren Innovationsprozess zu öffnen. Allerings soll es dabei noch Verbesserungspotenzial geben.

Es ist lobenswert, wenn das Capgemini Research Institute die Erfahrungen von Organisationen mit Open Innovation darstellt, und auch Potenziale für Verbesserungen aufzeigt. Dabei ist natürlich zu beachten, dass die Autoren ausnahmslos von Capgemini sind und Capgemini ein Beratungsunternehmen ist, das möglicherweise mit der studie eigene Ziele verfolgt. Honi soit qui mal y pense.

Die Autoren gehen auch nicht tiefer darauf ein, wie es zu dem Trend zu mehr Open Innovation überhaupt kommt. Das Phänomen “Open Innovation” kann beispielsweise aus der Reflexiven Modernisierung mit ihren Entgrenzungstendenzen, also aus sozialwissenschaftlichen Betrachtungen angeleitet werden.

Weiterhin ist das Öffnen des Innovationsprozesses nicht immer gut für Organisationen. Wie Schäper et al. (2023) dargestellt haben, ähnelt die finanzielle Performance von Open Innovation eher einer S-Kurve – und weiter: “that firms are not well-advised to open up their innovation processes as far as possible”. Siehe dazu ausführlicher Open Innovation und die finanzielle Performance von Unternehmen.

Abschließend fehlt mir auch noch der Hinweis darauf, dass man Open Innovation auch noch anders interpretieren kann. Genau das hat Eric von Hippel gemacht, indem er nicht von Organisationen ausgeht. Der Ansatz von Eric von Hippel ist, dass jeder Einzelne innovativ sein kann. Diese Innovationen findet man allerdings nicht in den offiziellen Statistiken zu Innovationen von Ländern. Open Innovation ist hier ein Open User Innovation, das Innovation demokratisiert. Siehe dazu von Democratizing Innovation zu Free Innovation.

Wisdom of Crowds – Schwarm Intelligenz – Kollektive Intelligenz

Quelle: Feldhusen, B. (2021)

Der Begriff “Künstliche Intelligenz” hat uns wieder darauf gestoßen, dass es Sinn macht, sich auch mit der Menschlichen Intelligenz zu befassen. Entscheidend dabei ist, was unter der Menschlichen Intelligenz verstanden wird, und was unter einer gemeinsamen, eher Kollektiven Intelligenz verstanden wird.

Wie die Leser unseres Blog wissen, tendieren wir dazu, wie Howard Gardner von Multiplen Intelligenzen zu sprechen, was einer Ergänzung/Entgrenzung des klassischen Intelligenz-Quotienten entsprechen würde. Multiple Intelligenzen sind nach Howard Gardner “biopsychologisches Potential”, sodass der Begriff “Künstliche Intelligenz” eher ein Kategorienfehler ist. Siehe dazu auch OpenAI Model “o1” hat einen IQ von 120 – ein Kategorienfehler? Intelligenz kann dabei auf der individuellen Ebene, auf der Gruppenebene, auf der Ebene der Organisation, oder auch in Netzwerken thematisiert werden.

In diesem Beitrag soll es hauptsächlich um eine gemeinschaftliche, Kollektive Intelligenz gehen, die nicht einfach eine Menge von Individuen bedeutet, sondern erst unter bestimmten Bedingungen entsteht. Dazu gab es in der Vergangenheit weitere Begriffe wie Wisdom of Crowds, Schwarmintelligenz und eben Kollektive Intelligenz, die sich in ihrer Interaktionsqualität von Kumulation/Aggregation bis hin zu Interaktion/Kreation unterscheiden (Abbildung). Diese Unterschiede beschreibt Feldhusen (2021) wie folgt:

“Vielmehr entsteht Kollektive Intelligenz durch die Qualität menschlicher Begegnung und ihres Design- bzw. Organisationsprozesses. Entscheidend ist, wie wir uns und anderen zuhören, Unterschiede wahrnehmen und verarbeiten, aufeinander eingehen, uns auf neue Perspektiven einlassen, miteinander Lösungen verhandeln, uns und dem Prozess der Interaktion Aufmerksamkeit schenken. Wie eingangs zitiert, sieht Gary Hamel die Führungskräfte der Zukunft als Architekten sozialer Systeme. Dies bedeutet für die meisten Mitarbeiter/innen und Führungskräfte einen tiefgreifenden Reife- und Entwicklungsprozess hin zu einer Haltung, die dem Gegenüber mindestens die gleiche Bedeutung beimisst wie dem Selbst” (Feldhusen, B. (2021): Kollektive Intelligenz und Psychologische Sicherheit: Haben wir Intelligenz im Gefühl?. Organisationsberatung Supervision Coach 28, 355–371 (2021). https://doi.org/10.1007/s11613-021-00719-2).

Siehe dazu auch Schwarmintelligenz: Die Weisheit der vielen und das Wissen der Eliten.

OpenAI Model “o1” hat einen IQ von 120 – ein Kategorienfehler?

Lott, M. (2024): Massive breakthrough in AI intelligence: OpenAI passes IQ 120

Wenn wir von Intelligenz sprechen geht es oft um den Intelligenz-Quotienten (IQ) bei Menschen, dessen Ergebnisse in einer Normalverteilung dargestellt werden. Der Wert für den IQ kann dabei aus unterschiedlichen Testverfahren bestimmt werden. Der Mensa Norway IQ-Test ist dafür ein Beispiel.

Maxim Lott hat die dort gestellten Fragen von verschiedenen KI-Anwendungen beantworten lassen. Das Ergebnis ist in der Abbildung zusehen. Das neu vorgestellte Modell “o1” von OpenAI schneidet hier mit 120 Punkten am besten ab. Was bedeutet das?

Da in den IQ-Tests oftmals eher logisch-mathematische Attribute abgefragt werden, ist das Ergebnis wenig überraschend. Es stellt sich aus meiner Sicht eher die Frage, ob der Intelligenz-Quotient (IQ) mit seinen in den letzten über 100 Jahren entwickelten Messverfahren geeignet ist, menschliche Intelligenz abzubilden.

Wird das Verständnis von Intelligenz erweitert (entgrenzt), so kommen Dimensionen wie Emotionale Intelligenz, Soziale Intelligenz usw. hinzu, die von einer KI-App nicht, oder nur bedingt abgebildet werden können.

Aus meiner Sicht bedeutet das Ergebnis (Siehe Abbildung) also nicht, dass Künstliche Intelligenz genau so intelligent – oder intelligenter – als ein Mensch ist, sondern dass das zugrundeliegende Intelligenz-Konstrukt (IQ) möglicherweise nicht passt. In der von Howard Gardner vorgeschlagenen Theorie der Multiplen Intelligenzen ist Intelligenz beispielsweise wie folgt beschrieben:

„Ich verstehe eine Intelligenz als biopsychologisches Potenzial zur Verarbeitung von Informationen, das in einem kulturellen Umfeld aktiviert werden kann, um Probleme zu lösen oder geistige oder materielle Güter zu schaffen, die in einer Kultur hohe Wertschätzung genießen“ (Gardner 2002:46-47).

Der Hinweis auf ein “biopsychologisches Potenzial” deutet schon an, dass es für Howard Gardner bei dem Begriff “Intelligenz” für menschliche Intelligenz verwendet. Den Begriff “Künstliche Intelligenz” sieht Howard Gardner daher als Kategorienfehler. Siehe dazu auch Multiple Intelligenzen nach Howard Gardner: Ist eine Intelligenz der anderen überlegen?

Von “Märkte als Ziele” zu “Märkte als Foren”

Image by user32212 from Pixabay

Es wird in unterschiedlichen Zusammenhängen (Kontexten) immer wieder von “dem Markt” gesprochen/geschrieben, der das Ziel aller Unternehmensaktivitäten sein soll. Das hört sich an, als ob “der Markt” ein relativ homogenes “Gebilde” ist, doch “der Markt” ist sehr differenziert. Weiterhin sind die verschiedenen Akteure immer stärker vernetzt (technologisch, räumlich, zeitlich usw.) und haben Rückkopplungen untereinander. Ramaswar und Prahalad haben daher vorgeschlagen, “Märkte als Foren” zu sehen.

“Market is no longer a target, it is more a forum (Prahalad and Ramaswamy 2004) to “tap into the knowledge of participants in the social ecosystem to create a freer flow of information, engage people more wholeheartedly, and enable richer, fuller stakeholder interactions” (Ramaswamy and Gouillart 2010). Further, in such a complex system knowledge is unevenly distributed (Hayek 1945) and the direction of flows of knowledge and information cannot be predetermined (Ramaswamy and Ozcan 2014)” (Freund, R. 2017).

Es ist somit nicht, oder nur bedingt, möglich, Wissensflüsse in solchen Foren (Marktplätzen) gezielt vorauszusagen. In Unternehmen möchte man allerdings gerne, den Wissensfluss so organisieren, dass ein bestimmtes Ergebnis (meistens ein Gewinn für das Unternehmen) herauskommt. Die Schwierigkeiten so vorzugehen haben viele Unternehmen erkannt, und öffnen ihre Innovationsgrenzen. Diese Entwicklung hat Chesbrough als Open Innovation bezeichnet. Dabei bezieht er sich ausdrücklich auf Unternehmen mit ihrem Geschäftsmodell.

Betrachten wir allerdings die oben genannten Charakteristika von Foren und den damit verbundenen Wissensflüssen müssen Innovationen nicht zwangsläufig nicht nur von Unternehmen ausgehen, sondern können in der Vernetzung von allen möglichen Foren-Teilnehmern geschehen. Ein so verstandenes Open User Innovation wird von Eric von Hippel propagiert.

Solche Bottom-up-Innovationen tauchen allerdings immer noch nicht in den offiziellen Innovations-Statistiken auf. Es ist vorstellbar, dass diese Art von Innovationen mit Hilfe neuer Technologien (Künstliche Intelligenz, Additive Manufacturing, Open Source, Maker-Bewegung usw.) in Zukunft immer mehr an Bedeutung gewinnt. Unternehmen sollten diese Entwicklungen frühzeitig adaptieren.

Innovationsmanagement bei Großunternehmen, KMU und in Netzwerken

Conceptual technology illustration of artificial intelligence. Abstract futuristic background

Großunternehmen werden oft von Kleinen und mittleren Unternehmen (KMU) unterschiedenen, da bei beiden alleine durch ihre Größenordnung unterschiedliche Management-Ansätze erforderlich sind. Die Abgrenzung zwischen Großunternehmen und KMU liegt zwar vor (Definition), doch kommt es immer wieder auch zu Entgrenzungen und fließenden Übergängen.

Diese Entgrenzungstendenzen sind sogar auf der gesellschaftlichen Ebene wiederzufinden und sind Bestandteile einer Reflexiven Modernisierung. Dabei entstehen immer mehr temporäre oder auch relativ stabile Netzwerke, in denen Wissen geteilt wird, um beispielsweise Innovationen zu entwickeln. Betrachten wir nun die drei Bereiche Großunternehmen, KMU und Netzwerk, so ergeben sich im Rahmen des Innovationsmanagements unterschiedliche Ausprägungen bei den Dimensionen Komplexität, Verbindlichkeit und Steuerung. Die folgende Tabelle stellt alles übersichtlich dar.

KomplexitätVerbindlichkeitSteuerung
Großunternehmenhochmittelhoch
KMUgeringhochmittel
Netzwerkehochgeringgering
Vergleich Großunternehmen, KMU und Netzwerke bezüglich Innovationsmanagement
(Bundesministerium für Wirtschaft und Technologie 2012)

Das Innovationsmanagement in KMU oder auch in Großprojekten ist es oftmals nicht gewohnt, Netzwerke zu managen und verfallen dabei oft in die gewohnten Ansätze aus den jeweiligen Organisationen. Ein Netzwerk “funktioniert” allerdings anders. Beispielsweise ist die Komplexität hoch, allerdings sind gleichzeitig die Steuerungsmöglichkeiten gering. Das sind traditionelle Manager so nicht gewohnt.

Siehe dazu auch Welche Einflussfaktoren wirken auf den Erfolg von Netzwerken?, Soziale Netze und Big Nudging, Innovationen im Netzwerk entwickeln.

Hybrides Arbeiten: Folgeerscheinungen und Entgrenzungseffekte

Das Fraunhofer- Institut für Arbeitswirtschaft und Organisation IAO und die Deutshe Gesellschaft für Personalführung e.V. haben zusammen die Studie »Arbeiten nach der Corona-Pandemie – Ein Jahr danach« (2023, PDF) durchgeführt. Dort ist deutlich die Entwicklung zum hybriden Arbeiten in Deutschland zu erkennen.

»Auf der einen Seite belegt die Studie, dass die hybride Arbeitswelt Schwierigkeiten bei der Integration, Vernetzung und dem Wissensaustausch von Mitarbeitenden mit sich bringt. Auf der anderen Seite sehen wir, dass sowohl die Innovations- als auch Produktionskraft davon bisher unberührt bleiben. Vor diesem Hintergrund empfehlen wir Unternehmen, sich noch stärker mit ihrer Rolle als ›sozialem Ort‹ auseinanderzusetzen und die Fragen der Betriebsgemeinschaft und Identitätsstiftung zu klären, um eine langfristige Bindung und gemeinsame Innovationsfähigkeit sicherzustellen«.

Interessant finde ich in diesem Zusammenhang auch den Hinweis auf Entgrenzungseffekte, die in der Studie aus dem Jahr 2020 (PDF) thematisiert wurden: “die Arbeit zu unüblichen Tageszeiten (66 Prozent), Überstunden (65 Prozent), fragmentiertes Arbeiten (also Arbeiten früh morgens und dann mit langer Pause erst wieder abends (51 Prozent)) und für immerhin 35 Prozent die Arbeit am Wochenende” (ebd.). Die Entgrenzung von Arbeit ist Bestandteil des Übergangs von der einfachen zu einer eher Reflexiven Modernisierung. Dabei kommt es dann zu vielfältigen Entgrenzungen im Arbeitsprozess. Viele Blogbeiträge zum Thema “Hybrid” finden Sie hier.

Künstliche Intelligenz und Menschliche Intelligenz

Aktuell reden und schreiben viele zur Künstlichen Intelligenz, die sich praktisch umgesetzt in vielen Anwendungen, wie z.B. ChatGPT von OpenAI, zeigt. Haben wir “Intelligente IT-Systeme” und dumme Menschen? Wenn es um menschliche Intelligenz geht, kommt oft der vor mehr als 100 Jahren entwickelte Intelligenztest ins Spiel, mit dem dann zukünftige Möglichkeiten und Dispositionen vorhergesagt werden. Die folgende Passage beschreibt die Zusammenhänge etwas ausführlicher.

“Eine erste Entwicklungslinie soll hier aus heuristischen Gründen auf das Ende des 19. und Anfang des 20. Jahrhundert datiert werden. Ausgangspunkt ist die kausalmechanische Logik einer behavioristischen Entwicklungspsychologie, die den Körper wesentlich als Reiz-Reaktions-Maschine betrachtet. In dieser Logik entwickelte der französische Psychologe Alfred Binet 1905 gemeinsam mit dem Arzt Théodore Simon einen ersten sogenannten ´Intelligenztest´ (Liungman, 1976). Das mit der Psychometrie etablierte sehr lineare, planmäßig geregelte Mess- und Testregime verweist auf einige zentrale Merkmale von Vermessungs- respektive Prüfungspraktiken. Grundlegend zielt die Prüfung darauf ab, von der Summe einzelner aktueller Leistungsergebnisse eines Individuums auf die zukünftigen Möglichkeiten und Dispositionen bzw. auf die zukünftig erwartbare Leistungsfähigkeit schließen zu können. Aber der Psychometrie gilt nicht nur eine aktuelle Leistung als repräsentativ für ein Leistungsvermögen, sondern sie stellt durch ihre Orientierung am Modell der Normalverteilung zugleich die Kontrolle sozialer Relationen sicher: Die Intelligenzleistungen, die dem Einzelnen als Leistungen zugeschrieben werden, werden im Verhältnis zum Durchschnitt der Leistungen anderer angegeben und damit vergleichbar gemacht. Auf Basis derartiger Aussagen über ´Begabung´ und ´Intelligenz´ lassen sich institutionelle Selektionsprozesse und soziale Hierarchisierungen legitimieren (Bourdieu, 1993; Gould, 1988)” (Vater, S. (2023:255248).): Validierung und Neoliberalismus – selbstverantwortete Beschäftigungsfähigkeit als Lernergebnis, in: Schmid, M. (Hrsg.) (2023): Handbuch Validierung non-formal und informell erworbener Kompetenzen, S. 235-248).

Intelligenztests werden für berufliche/gesellschaftliche Selektionsprozesse genutzt, dabei haben diese ihren Ursprung in einer behavioristischen Logik und sollen Auskunft über zukünftige Dispositionen geben. Dieser Determinismus stößt auf Kritik. Siehe dazu auch Ursache – Wirkung: Die Intellektualistische Legende. Es wird immer wieder vorgeschlagen, das Konstrukt “Intelligenz” auszudifferenzieren. Folgender Text soll das beispielhaft aufzeigen:

“Inhaltlich hat sich das Intelligenzkonzept in den letzten 100 Jahren ausdifferenziert (vgl. Funke u. Vatterodt-Plünnecke 2004): An der Stelle einer einzigen Intelligenzdimension (´general intelligence´, g-Faktor) ist heute die Konzeption multipler Intelligenzen im Sinne unterschiedlicher Teilkompetenzen (z.B. logisches Schlussfolgern, verbale Intelligenz, kreatives Problemlösen, emotionale Kompetenz, Körperbeherrschung) getreten, für die jeweils andere Erfassungsinstrumente benötigt werden” (Funke 2006).

Gerade in Zeiten von Künstlicher Intelligenz ist es wichtig, auch über die Menschliche Intelligenz zu sprechen. Daraus ergibt sich die Frage, wie passen Künstliche Intelligenz und Menschliche Intelligenz zusammen? Interpretieren wir die von Funke angesprochene Ausdifferenzierung des Intelligenzkonzepts, so führt das meines Erachtens direkt zur Reflexiven Modernisierung und der dort thematisierten Entgrenzung. Möglicherweise hat Gardner´s Theorie der Multiplen Intelligenzen eine bessere Passung zu den aktuellen Entwicklungen. Siehe dazu auch Hybrid Intelligence: Menschliche und Künstliche Intelligenz.

Siehe dazu auch Freund, R. (2011): Das Konzept der Multiplen Kompetenz auf den Analyseebenen Individuum, Gruppe, Organisation und Netzwerk.

Entgrenzungsdimensionen im Arbeitsprozess

Um den in der Überschrift angedeuteten Zusammenhang darzustellen, muss ich etwas ausholen: Neue Arbeitsformen entstehen ja nicht über Nacht, sondern entwickeln sich einerseits aus gesellschaftlichen Entwicklungen, und führen selbst zu gesellschaftlichen Veränderungen. Diese beidseitige Bedingung (Kontingenz) kommt in der Beschreibung der Reflexiven Modernisierung vor und zeigt, einen Strukturbruch zu der oftmals unterstellten einfachen Modernisierung auf. Darüber hinaus wird hervorgehoben, dass es zu ganz unterschiedlichen Entgrenzungseffekten kommt – auch bei den Arbeitsprozessen. Die folgende Tabelle zeigt Elemente des Arbeitsprozesses und die Entgrenzungsdimensionen auf.

Element des ArbeitsprozessesEntgrenzungsdimension
ZeitZeitliche Flexibilisierung, Vielfalt der Arbeitszeitformen in Dauer, Lage und Regulierungsform
RaumEntgrenzung der lokalen Strukturierung und örtlichen Bindung von Arbeit
MittelWachsende Austauschbarkeit, Kompatibilität und individuelle Verfügbarkeit der Arbeitsmittel
Soziale FormEntgrenzung kooperativer Strukturen
OrganisationAbbau institutioneller Regulierungen und normativ organisierter
Gefüge mit wachsender Autonomie der Akteure
QualifikationBerufliche Mobilität gegenüber standardisierten fachlich-beruflichen Arbeitsplatzspezifikationen
BiographieEntstandardisierung der kontinuierlichen Erwerbsbiographie
Sinn/MotivationEigenmotivierung und selbständige Sinnsetzung gegenüber
Betriebs- und Berufsbindungen
Entgrenzungen in den Elementen des Arbeitsprozesses (Kirchhöfer 2004:49)

Die offensichtliche Vielfalt der Optionen führt dazu, dass der Selbstorganisation auf der individuellen Ebene, der Teamebene, der organisationalen Ebene und der Netzwerkebene eine zentrale Bedeutung zukommt. Die erforderliche Veränderung von einer eher fremdorganisierten, zu einer eher selbstorganisierten Struktur/Arbeitsform ist nicht alleine durch Werkzeuge/Tools zu schaffen, sondern sollte den Menschen mit seinen Selbstorganisationsdispositionen – also mit seiner Kompetenz – in den Mittelpunkt stellen. Projektarbeit (plangetrieben, hybrid, agil) bietet hierfür den geeigneten Rahmen.

In den von uns entwickelten Blended Learning Lehrgängen gehen wir auf diese Zusammenhänge ein. Informationen dazu finden Sie auf unserer Lernplattform.

Anmerkungen zur Studie Fraunhofer IAO (2022): Homeoffice Experience 2.0

In der Studie Fraunhofer IAO (2022): Homeoffice Experience 2.0 (PDF) wird analysiert, wie sich der Trend zum Homeoffice in Zeiten von Corona entwickelt hat: “Die webbasierte Befragung hatte zum Ziel, die Arbeitssituation der Beschäftigten nach einem Jahr im Homeoffice zu analysieren.” Folgende Ergebnisse konnten ermittelt werden (ebd. S. 4):

Austausch mit Kolleg*innen als Motivation für eine Rückkehr ins Büro.

Empfundene Produktivität beim Arbeiten von zu Hause aus nimmt weiter zu.

Homeoffice stärkt die Vereinbarkeit von Berufs- und Privatleben.

Ergonomie und technische Ausstattung haben Einfluss auf die Rückkehrbereitschaft ins Büro.

Rückkehrbereitschaft der Mitarbeitenden ist unabhängig vom Alter.

Gute Anbindung und gutes Essen sind die größten Anreize für eine Rückkehr ins Büro.

Die Ergebnisse überraschen jetzt nicht wirklich. Dennoch ist es gut, eine Studie vorliegen zu haben, die nicht tendenziell, und von ökonomischen Interessen geleitet ist. Nach den vielen und langwierigen Diskussionen über fie Frage “Entweder Homeoffice oder Büro?” kommen alle Beteiligten nunmehr langsam aber sicher zu der Erkenntnis, dass es ein Sowohl-als-auch sein muss. Also sowohl Büro als auch Homeoffice. Zwischen beiden Extrempositionen gibt es – wie immer – ein Kontinuum von Möglichkeiten der Gestaltung/Ermöglichung von Arbeit (1.0 bis 4.0). Diese Möglichkeiten gezielt für jede berufliche Domäne, bzw. für jede Organisation zu gestalten, ist eine der modernen Herausforderungen.