Innovation | Dr. Robert Freund

15. Januar 202515. Januar 2025

GPM: Projektportfolio Sustainability Monitor 2024

Als GPM-Mitglied liegt mir die Studie Projektportfolio Sustainability Monitor 2024 vor. Dabei wurde untersucht, inwieweit die UN Sustainability Development Goals im Projektportfolio deutscher Unternehmen beachtet werden.

Auf der Informationsseite der GPM dazu finden Sie weitere Hinweise zum Aufbau und zur Durchführung der Studie Die wichtigsten Ergebnisse zum Schwerpunkt Nachhaltigkeit im Projektportfolio werden auf der Seiten 51-52 wie folgt zusammengefasst: (ebd.)

(1) Nachhaltigkeitsziele werden zwar im Projektportfolio integriert, jedoch legen nur sehr wenige Unternehmen einen Schwerpunkt auf Projekte mit expliziten Nachhaltigkeitszielen.

(2) Nachhaltigkeit als Kriterium zur Genehmigung und Priorisierung von Projekten zeigt sich heterogen: ein Viertel bis ein Drittel sieht Nachhaltigkeit als entscheidend an, genauso viele jedoch nicht.

(3) Insbesondere bei F&E-/Neuproduktentwicklungsprojekten, Infrastrukturprojekten und Kunden/Auftragsprojekten sind Nachhaltigkeitsziele häufiger explizite Projektziele.

(4) Derzeit scheint besonders in den frühen Phasen der Projektentwicklung Nachhaltigkeit stärker berücksichtigt zu werden, während inaktive Projekte tendenziell weniger Fokus auf Nachhaltigkeit aufweisen. Möglicherweise sind Projekte mit Nachhaltigkeitsbezug vor allem in der jüngeren Vergangenheit initiiert worden. Allerdings wäre auch eine andere Interpretation möglich: Nachhaltigkeit kann aus dem Fokus geraten, wenn im Laufe der Projektumsetzung die klassischen Erfolgsmaßstäbe Zeit, Kosten und Leistungsumfang stärker ins Augenmerk der Projektleitung rücken. Gerade dann wäre jedoch ein Projektportfoliomanagement zielführend, wenn es die kontinuierliche Berücksichtigung aller definierten Kriterien – inklusive Nachhaltigkeit – einfordert.

(5) Die allgemeine Öffentlichkeit sowie die Kunden werden als die zentralen externen Stakeholdergruppen gesehen, die Nachhaltigkeit als Kriterium zur positiven Beurteilung von Projekten heranziehen. Unternehmensintern ist es vor allem die Unternehmensleitung, die das Kriterium Nachhaltigkeit heranzieht.

Es wird deutlich, dass das Thema Nachhaltigkeit in Zukunft noch stärker im Projektportfolio bei der Projektauswahl, der Projektdurchführung und dem Projektabschluss beachtet werden sollte. Siehe dazu auch

Einfache Logik für die Ermittlung einer Projektrangfolge durch Priorisierung.

Mit OktoPus zu mehr Nachhaltigkeit im Projektmanagement.

Was ist eigentlich unter Nachhaltigkeit zu verstehen?

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.

6. Januar 20257. Januar 2025

“Innovation” und “Innovationsmanagementsystem” nach ISO-Norm

Innovationen sind den Standort Deutschland wichtig – für die gesamte Gesellschaft und für Organisationen. Im Jahr 2019 wurde dazu in der ISO 56002 ein Rahmen für das Innovationsmanagement in Organisationen veröffentlicht. Zusammen mit der übergeordneten ISO 56000 wird auch eine einheitliche Definition von “Innovation” und “Innovationsmanagement” festgelegt:

Eine Innovation beschreibt hier eine “neue oder veränderte Einheit, die Wert schafft oder neu verteilt” (ISO 56000).

“Ein Innovationsmanagementsystem ist ein Satz zusammenhängender oder sich gegenseitig beeinflussender Elemente die auf der Schaffung von Wert abzielen. Es bietet einen gemeinsamen Rahmen zum Entwickeln und Bereitstellen von Innovationsfähigkeiten, Beurteilen von Leistung und Erreichen von beabsichtigten Ergebnissen” (ISO 56002:2019), gefunden in Flore/Würdemann (2024), projektmagementaktuell 05/2024).

In der nationalen und internationalen Zusammenarbeit ist es immer gut, Begriffe zu standardisieren, um die Kommunikation zu vereinfachen. Ich frage mich allerdings, ob die in den letzten Jahrzehnten veröffentlichten Normen zum Innovationsmanagement in Organisationen wirklich dazu beigetragen haben, dass Organisationen innovativer geworden sind. Die Realität sieht m. E. in Deutschland nicht danach aus…. Siehe dazu auch:

“Innovation”: Definition aus 2018 (Oslo Manual)

Künstliche Intelligenz im Innovationsprozess von Organisationen.

Künstliche Intelligenz und Open Innovation.

Inflation der Innovationspreise?

31. Dezember 2024

Künstliche Intelligenz und Open Innovation

AI (Artificial intelligence) AI management and support technology in the Business plan marketing success customer. AI management concept.

Zunächst sollten Sie sich noch einmal klar machen, wie sich Closed Innovation und Open Innovation unterscheiden. Wie so oft, gibt es nicht nur die beiden Pole, sondern ein Innovations-Kontinuum (Roth 2008). Weiterhin finden Sie in dem Beitrag Künstliche Intelligenz im Innovationsprozess von Organisationen Hinweise dazu, welche Vorteile, bzw. Nachteile es geben kann, wenn für jeden Schritt im Innovationsprozess eines der bekannten KI-Modelle wie ChatGPT, Gemeni etc. genutzt wird.

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.

29. Dezember 202429. Dezember 2024

Künstliche Intelligenz im Innovationsprozess von Organisationen

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.

28. Dezember 202428. Dezember 2024

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

21. Dezember 2024

Worin unterscheiden sich “Trends” und “Treiber”?

Wenn es um die Beschreibung des Umfeldes von Organisationen oder Branchen geht, fallen oft die Begriffe “Trends” und/oder “Treiber“. Dabei ist oft nicht ganz klar, worin sich beide Begriffe unterscheiden. Eine gute Erklärung, natürlich mit verschiedenen Quellenangaben, habe ich hier gefunden:

“Im Vergleich zu Trends sind Treiber lokaler, weniger langlebig und wirken sich direkter auf Geschäftsmodelle, Arbeitsprozesse, Technologien, Beschäftigung sowie auf Beschäftigte und deren Kompetenzen aus (vgl. Proff 2021; Hünniger et al. 2022, S. 4). In der Regel resultieren Treiber aus Trends und können von einzelnen Akteuren und Akteurinnen oder Organisationen bis zu einem gewissen Grad beeinflusst werden. Automatisierung, Elektromobilität, Elektrifizierung, Vernetzung, Industrie 4.0-Anwendungen und Kreislaufwirtschaft werden als wesentliche Treiber der Transformation im Automobilsektor beschrieben (vgl. Kaul et al. 2019; Kempermann et al. 2021; Lichtblau et al. 2021; Herrmann et al. 2023)” (Berger et al. (2024), in Jennewein et al. (Hrsg.) (2024)).

Natürlich sollte eine Organisation die langfristigen Trends beobachten. Mehr oder weniger beeinflussbar sind allerdings eher Treiber, die direkter in der Organisationsstruktur berücksichtigt werden können.

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.

15. Dezember 2024

Technologie-Grid Deutschland: Relative Bedeutung von Innovationsfeldern und Zeit bis zum kommerziellen Durchbruch

Quelle: Weber, T.; Süssenguth, S. (Hrsg.) (2024): Innovationsfähigkeit in der Zeitenwende, acatech IMPULS vom 27.11.2024 | Website

Über die Innovationsfähigkeit Deutschlands habe ich in den letzten Jahren verschiedene Beiträge geschrieben. Es war schon lange abzusehen, dass Deutschland (Europa) den Anschluss an die USA und an China bei den wichtigsten Innovationsfeldern verloren hat. Von der Politik wird allerdings immer noch versucht, Innovation auf allen Ebenen Top-Down zu planen, und zu fördern/steuern. Dadurch werden sehr viele Ressourcen im gesamten Innovations-Ökosystem verschwendet, und ein Bottom-Up-Ansatz vernachlässigt. Um es etwas drastisch auszudrücken: Es gibt mehr Innovations-Preise als wirkliche Innovationen (Siehe beispielhaft meinen Blogbeitrag aus dem Jahr 2010).

Wenn wir uns der Zukunft zuwenden ist es interessant sich klarzumachen, wie sich wichtige Innovationsfelder entwickeln. Dabei sollte die jeweilige Bedeutung und das zeitliche Eintreten beachtet werden. Genau das wurde mit Hilfe von Hintergrundgesprächen und der Sichtung verschiedener Quellen gemacht, und in ein Technologie-Grid überführt (Abbildung), das durchaus interessante Ergebnisse liefert.

Deutlich zu erkennen ist beispielsweise, dass viele der Pfeile nach links zeigen, was bedeutet, dass die jeweilige Technologie früher als noch in 2021 erwartet ihren Durchbruch erzielen soll. Weiterhin ist zu erkennen, dass Cybersecurity, von seiner Bedeutung in 2021 eher “mittel”, nun als “sehr hoch” eingestuft wird.

Es lohnt sich, diesen Teil der Veröffentlichung genauer zu analysieren um zu erkennen, welche Möglichkeiten – welche Innovationsprojekte – sich aus diesen Entwicklungen für die eigene Organisation ableiten lassen.

Quelle: Weber, T.; Süssenguth, S. (Hrsg.) (2024): Innovationsfähigkeit in der Zeitenwende, acatech IMPULS vom 27.11.2024 | Website.

10. Dezember 202411. Dezember 2024

Lückenanalyse: Gibt es genug Innovationsprojekte?

Die Abbildung zeigt was mit dem Gewinn einer Organisation passiert, wenn keine weiteren Innovation auf den Markt gebracht werden, bzw. Innovationen zur Gewinnsteigerung beitragen sollen (Lückenanalyse).

Als Ergebnis der Ideenfindung, z.B. durch den Einsatz von Kreativitätstechniken, liegen in der Regel viele Innovationsideen (50 bis mehrere 100) dokumentiert vor. Da nicht alle Ideen Substanz aufweisen und umsetzbar sind, sowie die Ressourcen in Organisationen begrenzt sind, können nur wenige Ideen in neue Produkte/Dienstleistungen umgesetzt werden. Ideen sollten daher in Potentialniveaus eingeteilt werden (CEN/TS 16555-6:2014).

Es gilt, in einem Bewertungs- und Auswahlprozess effizient die aussichtsreichsten Ideen herauszufiltern. Berücksichtigt man beispielsweise die beiden Dimensionen Budget/Kosten und Nutzen, so ergibt sich das ein priorisiertes Portfolio.

Projekte im Sektor „Quick Wins“ sind schnell umsetzbar, da ihr Nutzen hoch ist und die benötigten Kosten niedrig sind. Weiterhin ergeben sich noch „KVPs“ (Kontinuierliche Verbesserungen), „Strategische Themen“ (Projekte mit strategischer Relevanz) und „Question Marks“ (Wirkung fraglich).

7. Dezember 2024

Innovationsökosysteme können von einem starren Qualitätsmanagement behindert werden

Die Zertifizierung nach ISO 9001 bedeutet, dass alle Prozesse einer Organisation dokumentiert und wirksam eingeführt wurden (Qualitätsmanagementsystem). Es ist also ein Mindestmaß an Management-Qualität dokumentiert. Prozesse wie Entwicklung neuer Produkte und Dienstleistungen oder auch der Ablauf im Vertragswesen usw. sind beschrieben, und die Mitarbeiter halten sich möglichst daran. Für Abweichungen von den Prozessen, oder bei Verbesserungen (KVP) gibt es weitere Prozessbeschreibungen.

Solche Managementsysteme sind gut bei einem relativ stabilen Umfeld, bei dem die Prozesse marginal, kontinuierlich verbessert werden. Das führt dann auch immer wieder zu inkrementellen Innovationen, die allerdings heute alleine nicht mehr ausreichen. Das turbulente Umfeld erwartet in Innovationsökosystemen viele – und immer schneller – Innovationen, die eher disruptiv sind. In so einem beschleunigten Umfeld kommen Organisationen mit ihrem Qualitätsmanagementsystem oftmals gar nicht mehr hinterher. Bernhard Lingens fasst das wie folgt zusammen:

“Bei Innovationsökosystemen geht es darum, mit Partnern zusammen Innovationen zu realisieren. Dies erfordert Koordination und Geschwindigkeit. Verträge sind schwierig, weil alle Partner auf Augenhöhe arbeiten. Schnelligkeit und der schnelle Marktstart sind entscheidend. Ein starres Qualitätsmanagement könnte diesen Prozess behindern. Versuche, komplexe Liefergegenstände vertraglich zu definieren, sind hier oft zum Scheitern verurteilt. Ein Minimum Viable Product (MVP) ist oft wichtiger als Perfektion, um schnell Feedback zu erhalten und iterativ zu verbessern” (Interview mit Prof. Dr. Bernhard Lingens, in: qz-online vom 07.11.2024).

Die Stärken traditioneller Managementsysteme des Scientific Managements haben den eher auf Routine ausgerichteten Organisationen eine Struktur gegeben, die jahrzehntelang zum Erfolg ganzer Branchen, oder auch der Verwaltungen, beigetragen haben.

In den letzten Jahrzehnten hat sich das Umfeld durch die Vernetzung von allem erheblich beschleunigt, sodass die neuen komplexen Probleme mit diesen Ansätzen immer weniger zeitnah gelöst werden können. Das wird in der Zwischenzeit allen klar. Doch ist es immer wieder Erstaunlich, wie lange sich Systeme gegen eine Veränderung streuben – bis es dann gar nicht mehr geht. Der Volkswagen-Konzern, und auch staatliche Strukturen, sind hier Negativ-Beispiele. Dort galt und gilt (?) immer noch das Credo: Wer sich zuerst bewegt, verliert…

12. November 202412. November 2024

Was ist der Unterschied zwischen Prototypen und MVPs?

Der Begriff “Minimum Viable Product” oder auch MVP kommt aus derm Lean-Startup-Ansatz und wurde in unserem Blog schon mehrfach thematisiert. Siehe dazu Kundenzufriedenheit: Vom Minimum Viable Product (MVP) zum MLP (Minimum Loveable Product)?, Wie MVP´s (Minimum Viable Products) zur Kundenzufriedenheit beitragen oder auch Was macht ein minimal funktionsfähiges Produkt aus? Bei den verschiedenen Beschreibungen und Erläuterungen wird oft nicht so klar, was der Unterschied zwischen MVPs und Prototypen ist. Dazu habe ich folgendes gefunden:

“A key distinction between prototypes and MVPs relates to how these objects are positioned relative to stakeholders. MVPs are externally facing and used for market validation, testing, and learning about product-market fit (Blank, 2013; Blank & Eckhardt, 2024). Prototypes are internally positioned and used mainly to assess manufacturability or patentability. Overall, the key conceptual and pragmatic differences between MVPs and prototypes lie in their inherent purposes, internal versus externally facing positions in relation to stakeholders, and their integration within the lean start-up framework”

Source: Stevenson et al. (2024): The Minimum Viable Product (MVP): Theory and Practice.