Sie sind auf Seite 1von 736

Wolfgang Becker · Brigitte Eierle

Alexander Fliaster · Björn Ivens


Alexander Leischnig · Alexander Pflaum
Eric Sucky Hrsg.

Geschäftsmodelle
in der digitalen Welt
Strategien, Prozesse und Praxiserfahrungen
Geschäftsmodelle in der digitalen Welt
Wolfgang Becker · Brigitte Eierle
Alexander Fliaster · Björn Ivens
Alexander Leischnig · Alexander Pflaum
Eric Sucky
(Hrsg.)

Geschäftsmodelle in der
digitalen Welt
Strategien, Prozesse und
Praxiserfahrungen
Herausgeber
Wolfgang Becker Alexander Leischnig
Lehrstuhl für Betriebswirtschaftslehre, insbe- School of Business and Management
sondere Unternehmensführung & Controlling Queen Mary University of London
Otto-Friedrich-Universität Bamberg London, UK
Bamberg, Deutschland
Alexander Pflaum
Brigitte Eierle Lehrstuhl für Betriebswirtschaftslehre,
Lehrstuhl für Betriebswirtschaftslehre, insbe- insbesondere Supply Chain Management
sondere Internationale Rechnungslegung Otto-Friedrich-Universität Bamberg
und Wirtschaftsprüfung Bamberg, Deutschland
Otto-Friedrich-Universität Bamberg
Bamberg, Deutschland Eric Sucky
Lehrstuhl für Betriebswirtschaftslehre,
Alexander Fliaster insbesondere Produktion und Logistik
Lehrstuhl für Betriebswirtschaftslehre, Otto-Friedrich-Universität Bamberg
insbesondere Innovationsmanagement Bamberg, Deutschland
Otto-Friedrich-Universität Bamberg
Bamberg, Deutschland

Björn Ivens
Lehrstuhl für Betriebswirtschaftslehre,
insbesondere Vertrieb und Marketing
Otto-Friedrich-Universität Bamberg
Bamberg, Deutschland

ISBN 978-3-658-22128-7 ISBN 978-3-658-22129-4  (eBook)


https://doi.org/10.1007/978-3-658-22129-4

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
© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019, korrigierte Publikation 2019
Das Kapitel 37 „Die Bedeutung von End-to-End-Prozessen für die Digitalisierung im Finanzbereich“ wird unter
der Creative Commons Namensnennung 4.0 International Lizenz (http://creativecommons.org/licenses/by/4.0/
deed.de) veröffentlicht. Weitere Details zur Lizenz entnehmen Sie bitte der Lizenzinformation im Kapitel.
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 Verarbeitung in elektronischen Systemen.
Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt
auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen-
und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden
dürften.
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 veröffentlichten Karten und Institutionsadressen neutral.

Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier

Springer Gabler ist ein Imprint der eingetragenen Gesellschaft Springer Fachmedien Wiesbaden GmbH und ist
ein Teil von Springer Nature
Die Anschrift der Gesellschaft ist: Abraham-Lincoln-Str. 46, 65189 Wiesbaden, Germany
Vorwort der Herausgeber

Die bereits seit längerer Zeit begonnene Digitalisierung der Wirtschaft vollzieht sich in
Wellen. Nachdem in einer ersten Phase vor allem die softwaretechnische Unterstützung
betrieblicher Abläufe im Vordergrund stand, konzentrierten sich Unternehmen in einer
zweiten Phase auf die Nutzung des Internets als Distributionskanal und als Instrument
zur kommunikativen Vernetzung. Seit einigen Jahren steht in einer dritten Phase das
„Internet der Dinge“ im Vordergrund vieler Aktivitäten. Die physische Welt soll nach
Möglichkeit vollständig in die IT-Systeme der Wirtschaft eingebunden werden. Ziel ist
die Erhöhung der Agilität, der Flexibilität und der Effizienz existierender Wertschöp-
fungssysteme einerseits und die Steigerung von Umsatz, Gewinn und Unternehmenswert
durch smarte Produkte und neue datengetriebene Services andererseits. Die Wirkungen
der sich hinter dem Begriff „Digitalisierung“ verbergenden Technologien auf Unter-
nehmen, Geschäftsmodelle, Prozesse und andere Wertschöpfungsstrukturen sind, wenn
überhaupt, aktuell allenfalls im Ansatz verstanden.
Erstaunlich ist vor diesem Hintergrund, dass sich die bisher veröffentlichten For-
schungsergebnisse zum Thema der Digitalisierung vor allem mit technischen Fragestel-
lungen sowie mit Fragen der Informatik und Wirtschaftsinformatik auseinandersetzen.
Bei aller Begeisterung für die Möglichkeiten der neuen Technologien wird eng betriebs-
wirtschaftlich ausgerichtete Forschung zu diesem Thema, relativ zu den genannten
technischen Disziplinen gesehen, ungerechtfertigter Weise zu sehr vernachlässigt. Dem-
gegenüber zeigt die Tatsache, dass die digitale Transformation in vielen Unternehmen
schon begonnen hat, dass im Rahmen der betriebswirtschaftlichen Forschung deutlicher
Nachholbedarf besteht. Smarte Services rund um intelligente Kompressoren der Firma
Kaeser, die smarte Zahnbürste von Procter und Gamble, digitalisierte Montageprozesse
bei Bosch-Rexroth, „ValueFacturing“ zur Vernetzung von Maschinen und Anlagen bei
der Maschinenfabrik Reinhausen, oder die von verschiedenen Maschinenbauern gemein-
schaftlich entwickelte digitale Plattform Adamos stehen nur beispielhaft für eine ganze
Reihe von zukunftsweisenden Industrieaktivitäten.
Das im Oktober 2014 vom Erlanger Fraunhofer Institut für Integrierte Schaltungen
IIS in Kooperation mit der Bamberger Otto-Friedrich-Universität in der Weltkulturer-
bestadt Bamberg gegründete Kompetenzzentrum für Geschäftsmodelle in der digitalen

V
VI Vorwort der Herausgeber

Welt will einen Beitrag zur Schließung der aufgezeigten Forschungslücke leisten. Sieben
Professorinnen und Professoren der Bamberger Betriebswirtschaftslehre aus den Berei-
chen Unternehmensführung und Controlling, Rechnungslegung und Wirtschaftsprüfung,
Innovationsmanagement, Produktion und Logistik, Supply Chain Management, Marke-
ting und Marketing Intelligence arbeiten im Kompetenzzentrum mit ihren Projektteams
an unterschiedlichen, betriebswirtschaftlich relevanten Fragestellungen der digitalen
Transformation. Eine im Zusammenhang mit dem Kompetenzzentrum neu gegründete,
und ebenfalls in Bamberg angesiedelte Organisationseinheit der Fraunhofer Arbeits-
gruppe für Supply Chain Services als eigenständiger Bereich innerhalb des Fraunhofer
IIS hat die Aufgabe, das entstehende Wissen in einen Gesamtkontext zu setzen und in die
Wirtschaft zu transferieren.
In den vergangenen vier Jahren sind bereits unterschiedliche Ergebnisse entstan-
den, die sich mit betriebswirtschaftlichen Fragestellungen rund um Geschäftsmodelle
in der digitalen Welt befassen. Der vorliegende Band trägt einige dieser Ergebnisse in
strukturierter Form zusammen und stellt nach einer thematischen Einführung wesent-
liche Erkenntnisse sowohl aus einer strategischen als auch operativen Perspektive dar.
Zudem liefern Praxisbeispiele und Best Practices Einblicke in die digitale Transforma-
tion von Unternehmen. Das Sammelwerk, das sich gleichermaßen an Wissenschaft-
ler und an Praktiker richtet, präsentiert in einem einleitenden Kapitel im Anschluss an
einige begriffsklärende Ausführungen zunächst ein Framework für die Realisierung
der im Kompetenzzentrum im Mittelpunkt stehenden Forschungsziele. Mithilfe dieses
Bezugsrahmens entsteht ein grundlegender Aufriss für den durch endogene und exo-
gene Impulse angestoßenen Prozess der Transformation bestehender Geschäftsmodelle
von Unternehmen. Die Digitalisierung bringt eine Reihe von strategischen Fragestellun-
gen für Unternehmen mit sich, die im zweiten Kapitel des Buches behandelt werden.
So werden bspw. die Bedeutungen von Kooperationen mit Start-Ups, das Agieren in
Netzwerken und auf Plattformen und die intensive Einbindung von Kunden in Innova-
tionsprozesse beleuchtet. Ebenfalls wird die Umwandlung von Big Data in Smart Data
und die daraus resultierten Problemfelder diskutiert. Auch die Auswirkungen auf tradi-
tionelle Funktionsbereiche wie z. B. das Controlling oder die Logistik sowie die Bedeu-
tung neuer Kompetenzen für Entscheidungen oder Aktivitäten werden beschrieben.
Zudem wird aufgezeigt, wie dynamische Fähigkeiten vorausgesetzt und eine digitale
Transformation mit Management-Instrumenten gesteuert werden kann. Darüber hin-
aus werden operative Fragestellungen im Zusammenhang mit der Digitalisierung von
Geschäftsmodellen beantwortet. Die Ergebnisse wissenschaftlicher Recherchen und am
Kompetenzzentrum durchgeführter Studien zeigen die Bedeutung und Reichweite der
Digitalisierung auf. Diese werden u. a. an Unternehmensaktivitäten wie z. B. Customer
Relationship Management oder Einkauf und Beschaffung verdeutlicht. Andere Beiträge
beleuchten die Bedeutung und Potenziale von Cyber-Physischen Systemen für Unter-
nehmen und damit verbundenen Ökosystemen. Eine wichtige Betrachtung erfolgt zudem
zur Abbildung der Digitalisierung in der externen Finanzberichterstattung aus Sicht von
Vorwort der Herausgeber VII

kapitalmarkt- und nicht-kapitalmarktorientierten Unternehmen. Daneben werden rele-


vante, risikoorientierte Fragestellungen insbesondere aus einer ökonomischen wie auch
klein- und mittelstandsorientierten Sichtweise adressiert. Um der operativen Bedeutung
der Digitalisierung gerecht zu werden, erfolgt eine Auseinandersetzung mit der Rolle
des Chief Digital Officer im Mittelstand. Aus verschiedenen Projekten des Kompetenz-
zentrums mit Praxispartnern werden Erfahrungen zur digitalen Transformation in Unter-
nehmen im vierten Kapitel dargelegt. Dabei wird aus abgeschlossenen und laufenden
Industrie- und Forschungsprojekten berichtet, (Zwischen-)Ergebnisse und Erfahrungen
werden präsentiert.
Mit dem vorliegenden Buch und einer langen Reihe von wissenschaftlichen Beiträ-
gen in hochkarätigen Fachzeitschriften und Konferenzen, auf die im Rahmen der Bei-
träge verwiesen wird, sowie ersten am Kompetenzzentrum fertiggestellten Dissertationen
werden eine Vielzahl von Fragestellungen zum Thema der digitalen Transformation eta-
blierter Geschäftsmodelle beantwortet. Die entsprechenden Ergebnisse wurden und wer-
den in unterschiedlichen Praxisprojekten mit und für Industrieunternehmen angewendet.
Das Ziel, einen Beitrag für das Schließen der oben genannten betriebswirtschaftlichen
Forschungslücke zu leisten, ist damit grundsätzlich erreicht. Allerdings sind im Rahmen
der wissenschaftlichen Arbeiten mindestens ebenso viele Fragen neu entstanden. Die
betriebswirtschaftliche Forschung wird sich also in Zukunft mit den Auswirkungen der
digitalen Transformation auf Geschäftsmodelle noch intensiver auseinandersetzen müs-
sen. Es ist mehr als wahrscheinlich, dass sich rund um dieses Thema ein strukturierter
und vor allem nachhaltiger Forschungsstrom innerhalb der Disziplin der Betriebswirt-
schaftslehre entwickelt. Die in den einzelnen Buchbeiträgen angesprochenen For-
schungsfragen können letztlich in eine Forschungsagenda für die kommenden Jahre
übersetzt werden. Das Bamberger Kompetenzzentrum für Geschäftsmodelle in der digi-
talen Welt wird auch in Zukunft Beiträge zur Umsetzung solch einer Forschungsagenda
leisten und seine Aktivitäten weiter ausbauen.
Ohne die Unterstützung einer Reihe von Personen und Institutionen wäre dieses Buch
nicht in der vorliegenden Form entstanden. Der Dank der Herausgeber gilt zunächst
dem Fraunhofer Institut für Integrierte Schaltungen IIS und hier insbesondere Herrn
Prof. Dr. Albert Heuberger in seiner Rolle als geschäftsführender Institutsleiter. Die
dem Kompetenzzentrum vom Fraunhofer IIS zur Verfügung gestellten, nicht unbeträcht-
lichen finanziellen Mittel und das in die Bamberger Forscher gesetzte Vertrauen haben
beflügelt und, so meinen wir, Ergebnisse generieren lassen, die sowohl für die Wissen-
schaft als auch für die Praxis von signifikanter Bedeutung sind. Unser Dank gilt auch
der Otto-Friedrich-Universität Bamberg, die die Chancen einer engeren Kooperation mit
der Fraunhofer Gesellschaft erkannt und die Gründung des Kompetenzzentrums in sehr
unkomplizierter Weise unterstützt hat. Bedanken möchten wir uns auch bei den vielen
Praxispartnern, die im Rahmen von Interviews, Befragungen und Projekten zur Verfü-
gung standen, uns an ihren Erfahrungen und Erkenntnissen haben teilhaben lassen und
VIII Vorwort der Herausgeber

in einigen Fällen auch als Co-Autoren aktiv waren. In einer Zeit des intensiven Wandels,
in der die Industrie von Forschern zum Thema Digitalisierung geradezu belagert wird,
ist dies keine Selbstverständlichkeit und kann den Unternehmen und ihren Vertretern
gar nicht hoch genug angerechnet werden. Schlussendlich gebührt unser Dank aber vor
allem auch den wissenschaftlichen Mitarbeiterinnen und Mitarbeitern an den verschie-
denen Professuren und an der Bamberger Fraunhofer-Gruppe. Sie sind letztlich dieje-
nigen, die zusammen mit uns die inhaltlichen Beiträge generiert und damit maßgeblich
den Erfolg des Kompetenzzentrums generiert haben. Uns, den Herausgebern, bleibt nun
noch, den Lesern aus der Wirtschaftspraxis und der Wissenschaft eine spannende Lek-
türe zu wünschen. Für weitergehende Fragen stehen wir und die Autoren der einzelnen
Beiträge sehr gerne zur Verfügung.

Bamberg Wolfgang Becker


im März 2018 Brigitte Eierle
Alexander Fliaster
Björn Ivens
Alexander Leischnig
Alexander Pflaum
Eric Sucky
Vorwort Fraunhofer IIS

Die Kompetenzen der Fraunhofer Gesellschaft als Einrichtung der angewandten For-
schung in den Bereichen Technik und Naturwissenschaft sind weithin anerkannt. mp3
und andere Innovationen zeigen die Innovationskraft der Gesellschaft und insbesondere
des Fraunhofer Instituts für Integrierte Schaltungen IIS in hervorragender Weise. Zent-
rale Zielsetzung eines Instituts der Fraunhofer Gesellschaft ist es, Ergebnisse der Grund-
lagenforschung in enger Kooperation mit Universitäten weiterzuentwickeln und für
Unternehmen transferierbar und anwendbar zu machen. Das Fraunhofer Institut für Inte-
grierte Schaltungen tut dies für Audio- und Medientechnologien einerseits sowie für kog-
nitive Sensorsysteme andererseits. Kognition umfasst die Gesamtheit aller Prozesse, die
mit Wahrnehmen und Erkennen zu tun haben. Das Institut entwickelt in diesem Zusam-
menhang intelligente Sensoren, drahtlose Kommunikationssysteme für den Transport
von Daten, Verfahren der Datenanalyse und der künstlichen Intelligenz und seit einiger
Zeit auch datengetriebene Services und Geschäftsmodelle. Anwendungsbereiche sind die
Mobilität von Morgen, das Internet der Dinge, die künstliche Nachbildung des mensch-
lichen Sensoriums, Materialprüfung sowie das Management von Versorgungsstrukturen.
Mit der Gründung der Fraunhofer Arbeitsgruppe für Supply Chain Services SCS vor
inzwischen mehr als 20 Jahren in Nürnberg hat das Institut das eigene Profil um Kompe-
tenzen im Bereich der betriebswirtschaftlichen Logistik, der Wirtschaftsinformatik und
der mathematischen Optimierung erweitert. In den vergangenen Jahren ist die Nürnber-
ger Arbeitsgruppe stetig und erfolgreich gewachsen und zählt heute als einer von sieben
Bereichen zu einem festen Bestandteil des Instituts.
Die zunehmende Digitalisierung der Wirtschaft stellt allerdings nicht nur Industrieun-
ternehmen, sondern auch die Forschung im Allgemeinen, in unserem Fall die Fraunhofer
Arbeitsgruppe SCS im Besonderen, vor neue Herausforderungen. Geschäftsmodelle und
Wertschöpfungssysteme verändern sich mit dem Einsatz von Technologien wie Cloud
und Mobile Computing, Data Analytics und nicht zuletzt dem Internet der Dinge grund-
legend. Die erfolgreiche Entwicklung und Implementierung solcher Technologien erfor-
dert neben technischen vor allem auch tiefe betriebswirtschaftliche Kernkompetenzen.
Vor diesem Hintergrund hat sich das Fraunhofer IIS bereits vor Jahren entschieden, in
Zusammenarbeit mit der Otto-Friedrich-Universität Bamberg ein Kompetenzzentrum

IX
X Vorwort Fraunhofer IIS

für Geschäftsmodelle in der digitalen Welt aufzubauen. Zielsetzung dieses Kooperati-


onsprojektes ist es, Modelle, Vorgehensweisen, Methoden und Werkzeuge für die Trans-
formation produktorientierter Geschäftsmodelle in die entsprechenden datengetriebenen
Pendants zu entwickeln und diese in Praxisprojekten zu evaluieren und kontinuierlich zu
verbessern. Nachdem mit dem an der sozial- und wirtschaftswissenschaftlichen Fakultät
der Universität Bamberg angesiedelten Lehrstuhl für Supply Chain Management bereits
intensive Kooperationsbeziehungen bestanden, war es ein logischer nächster Schritt,
diese Kooperation zu erweitern. Sieben Lehrstühle bzw. Professuren des Fachbereichs
Betriebswirtschaftslehre, die in Summe wichtige Funktionen im Unternehmen abbilden,
konnten für das gemeinsame Projekt gewonnen werden. Es wurden sich ergänzende The-
men und Fragestellungen festgelegt, deren Bearbeitung bzw. Beantwortung im Zusam-
menhang mit der Digitalisierung eine wichtige Rolle spielen.
Mit dem vorliegenden Band und den dazugehörigen, im Laufe der letzten Jahre ent-
standenen Beiträgen in Fachzeitschriften und auf Konferenzen wird ein großer Teil
der ursprünglichen Fragestellungen beantwortet. Aus Sicht des Fraunhofer IIS ist das
angestrebte Ziel der Kooperation erreicht worden. Die im Buch präsentierten Ergeb-
nisse bilden in Summe eine hervorragende Basis für anwendungsorientierte Kooperati-
onsprojekte mit Industrieunternehmen. Weitere Forschungsfragen, die in Zukunft durch
die Wissenschaft beantwortet werden müssen, wurden aufgeworfen. Durch die Veröf-
fentlichungen und nun auch das Buch haben das Kompetenzzentrum, die Otto-Fried-
rich-Universität Bamberg, das Fraunhofer IIS und darüber hinaus auch die Europäische
Metropolregion Nürnberg im Zusammenhang mit der betriebswirtschaftlichen For-
schung zur digitalen Transformation der Wirtschaft deutlich an Sichtbarkeit gewonnen.
Die Kombination von betriebswirtschaftlichen und technischen Kompetenzen in der
Region ist ein echter Wettbewerbsvorteil, wenn nicht sogar ein Alleinstellungsmerk-
mal. Im Rahmen des Projekts ist darüber hinaus ein Netzwerk an Forschungspartnern
und Industrieunternehmen entstanden, das von allen Beteiligten geschätzt wird. Ohne die
unermüdliche Arbeit der beteiligten Professorinnen und Professoren und ihren Mitarbei-
terinnen und Mitarbeitern an den einzelnen Lehrstühlen sowie den Mitarbeiterinnen und
Mitarbeitern der in Bamberg angesiedelten Fraunhofer-Forschergruppe für Geschäftsmo-
delle wäre dieses Ziel nicht erreicht worden. Ihnen gilt mein Dank. Ich wünsche dem
Kompetenzzentrum für Geschäftsmodelle auch in Zukunft viel Erfolg und den Lesern
des Buchs viel Spaß und einen hohen Erkenntnisgewinn.

Erlangen Prof. Dr. Albert Heuberger


im März 2018 Geschäftsführender Institutsleiter
Fraunhofer IIS
Inhaltsverzeichnis

Teil I  Einführung: Geschäftsmodelle in der digitalen Welt


1 Begriff der Digitalisierung – Extension und Intension aus
betriebswirtschaftlicher Perspektive. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Wolfgang Becker und Alexander Pflaum
1.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Historische Einordnung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Begriffsbestimmung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Schlussbetrachtung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2 Digitale Transformation von Geschäftsmodellen – Ein konzeptioneller
Bezugsrahmen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Wolfgang Becker
2.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2 Begriffliche Grundlagen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.1 Geschäftsmodell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.2 Digitalisierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.3 Bezugsrahmen für das Digitalisierungs-Management. . . . . . . . . . . . . . . 25
2.3.1 Begriff und Funktionsweise eines Bezugsrahmens. . . . . . . . . . 25
2.3.2 Darstellung des Bezugsrahmens für das Digitalisierungs-
Management . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3.3 Forschungsfelder des Digitalisierungs-Managements. . . . . . . . 28
2.4 Schlussbetrachtung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

XI
XII Inhaltsverzeichnis

Teil II  Strategische Perspektiven


3 Die Balanced Scorecard als Instrument zur Entwicklung und
Implementierung von Digitalisierungsstrategien. . . . . . . . . . . . . . . . . . . . . . . 37
Wolfgang Becker, Felix Schuhknecht und Tim Botzkowski
3.1 Einführung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.2 Einordnung der Digitalisierung als Strategie. . . . . . . . . . . . . . . . . . . . . . 39
3.2.1 Strategiedefinition und -merkmale. . . . . . . . . . . . . . . . . . . . . . . 39
3.2.2 Typologisierung von Strategien. . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2.3 Digitalisierungsstrategien in der Wissenschaft . . . . . . . . . . . . . 43
3.3 Ganzheitliche Betrachtung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3.1 Der Managementprozess als Grundlage . . . . . . . . . . . . . . . . . . 46
3.3.2 Strategieprozess. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.4 Balanced Scorecard. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.4.1 Entwicklung von Digitalisierungsstrategien mithilfe der
Balanced Scorecard. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.4.2 Implementierung von Digitalisierungsstrategien mithilfe der
Balanced Scorecard. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.5 Fazit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4 Von der Pipeline zur Plattform – Strategische Implikationen für
das Unternehmen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
Alexander Pflaum und Christoph Klötzer
4.1 Vom produktorientierten zum datengetriebenen Unternehmen. . . . . . . . 58
4.2 Denkrahmen für die digitale Transformation. . . . . . . . . . . . . . . . . . . . . . 59
4.3 Digitale Transformation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.3.1 Das produktorientierte Unternehmen als Startpunkt. . . . . . . . . 61
4.3.2 Der Transformationsprozess . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.3.3 Das datengetriebene Unternehmen als Endpunkt . . . . . . . . . . . 64
4.4 Zur strategischen Bedeutung digitaler Plattformen. . . . . . . . . . . . . . . . . 65
4.5 Strategische Fragestellungen und Implikationen. . . . . . . . . . . . . . . . . . . 68
4.6 Zusammenfassung und Ausblick. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
5 Die Rolle des Controllings im Rahmen der Digitalisierung – Funktionen,
Aufgaben und Instrumente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
Wolfgang Becker und Matthias Nolte
5.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
5.2 Wertschöpfungsorientiertes Controlling . . . . . . . . . . . . . . . . . . . . . . . . . 76
5.3 Objektfeld Digitalisierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.3.1 Der Prozess der digitalen Transformation . . . . . . . . . . . . . . . . . . . 78
Inhaltsverzeichnis XIII

5.3.2 Controlling der Digitalisierung. . . . . . . . . . . . . . . . . . . . . . . . . 79


5.3.3 Informationsfunktion des Controllings. . . . . . . . . . . . . . . . . . . 80
5.3.4 Abstimmungsfunktion des Controllings . . . . . . . . . . . . . . . . . . 82
5.3.5 Lokomotionsfunktion des Controllings. . . . . . . . . . . . . . . . . . . 83
5.4 Rolle und Kompetenzen des Controllings. . . . . . . . . . . . . . . . . . . . . . . . 85
5.5 Fazit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
6 Entscheidungskompetenzen für Digitalisierungs-Entscheidungen:
Zum gegenwärtigen Stand der Dynamic Capabilities-Forschung. . . . . . . . . 91
Wolfgang Becker, Felix Schuhknecht, Meike Stradtmann und
Tim Botzkowski
6.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
6.2 Grundlagen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.2.1 Begriffliche Grundlagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.2.2 Kompetenzorientierter Managementansatz als Verbindung
der Markt- und Ressourcenperspektive. . . . . . . . . . . . . . . . . . . 95
6.3 Status Quo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.3.1 Methodik. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.3.2 Konzeptionelle Forschungsbeiträge. . . . . . . . . . . . . . . . . . . . . . 97
6.3.3 Qualitative Forschungsbeiträge. . . . . . . . . . . . . . . . . . . . . . . . . 99
6.3.4 Quantitative Forschungsbeiträge. . . . . . . . . . . . . . . . . . . . . . . . 101
6.3.5 Zwischenfazit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6.4 Entscheidungskompetenzmodell. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6.4.1 Systematisierung der Entscheidungskompetenz. . . . . . . . . . . . 104
6.4.2 Bestandteile. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6.4.2.1 Dürfen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6.4.2.2 Wollen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
6.4.2.3 Können. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
6.4.2.4 Wissen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
6.4.3 Operationalisierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
6.4.4 Kompetenzkatalog. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.4.4.1 Dürfen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.4.4.2 Wollen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
6.4.4.3 Können. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
6.4.4.4 Wissen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.5 Schlussbetrachtung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
7 Kundengetriebene Innovation und Digitalisierung. . . . . . . . . . . . . . . . . . . . . 123
Michael Kolloch und Fabian Reck
7.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
XIV Inhaltsverzeichnis

7.2 Besonderheiten digitaler Innovationen und resultierende


Herausforderungen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
7.3 Kundengetriebene Innovation im digitalen Kontext – Das 5
A-Modell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
7.3.1 A1 – Akzeptanz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
7.3.2 A2 – Attraktivität. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
7.3.3 A3 – Affektion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
7.3.4 A4 – Aktualität. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
7.3.5 A5 – Anpassung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
7.4 Fazit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
8 „Play to win“ versus „Play it safe“. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
Fabian Reck und Alexander Fliaster
8.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
8.2 Eigenschaften eines innovationsförderlichen Partnerportfolios. . . . . . . . 147
8.3 Aufbau und Entwicklung von Partnerportfolios . . . . . . . . . . . . . . . . . . . 150
8.3.1 Hindernisse beim Aufbau innovationsförderlicher
Partnerportfolios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
8.3.2 Ungleichgewichte in der Zusammensetzung von
Partnerportfolios bei Innovationskooperationen. . . . . . . . . . . . 153
8.3.3 „Play to win“- und „Play it safe“-Portfolios. . . . . . . . . . . . . . . 156
8.4 Fazit und Handlungsempfehlungen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
9 Geschäftsprozessmanagement in Wertschöpfungsnetzwerken –
Herausforderungen vor dem Hintergrund der Digitalisierung . . . . . . . . . . . 167
Wolfgang Becker, Alexander Burggraf und Maike Martens
9.1 Einführung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
9.2 Wertschöpfungsnetzwerke. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
9.2.1 Begriff und Merkmale von Wertschöpfungsnetzwerken. . . . . . 169
9.2.2 Netzwerkstrukturen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
9.2.3 Abgrenzung analoge und digitale Wertschöpfungsnetzwerke. . . . 174
9.3 Grundlagen Geschäftsprozessmanagement. . . . . . . . . . . . . . . . . . . . . . . 175
9.3.1 Definition Geschäftsprozesse. . . . . . . . . . . . . . . . . . . . . . . . . . . 175
9.3.2 Definition Geschäftsprozessmanagement. . . . . . . . . . . . . . . . . 178
9.4 Geschäftsprozessmanagement in Wertschöpfungsnetzwerken im
Kontext der Digitalisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
9.4.1 Herausforderungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
9.4.2 Weiterentwicklung der unternehmensübergreifenden
Zusammenarbeit im Geschäftsprozessmanagement . . . . . . . . . 183
9.5 Schlussbetrachtung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
Inhaltsverzeichnis XV

10 Digitale Transformation der Logistik – Wie verändern neue


Geschäftsmodelle die Branche?. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
Eric Sucky und Björn Asdecker
10.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
10.2 Digitale Transformation von Geschäftsmodellen. . . . . . . . . . . . . . . . . . . 195
10.2.1 Digitalisierung und digitale Transformation. . . . . . . . . . . . . . . 195
10.2.2 Vom Geschäftsmodell zum digitalen Geschäftsmodell. . . . . . . 196
10.3 Geschäftsmodelle in der Logistik. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
10.3.1 Logistikoutsourcing. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
10.3.2 Vom 1PL-Provider zum 4PL-Provider. . . . . . . . . . . . . . . . . . . . 200
10.4 Digitale Transformation in der Logistik. . . . . . . . . . . . . . . . . . . . . . . . . . 201
10.4.1 Sinkende Markteintrittsbarrieren und Anstieg von
Logistik-Startups. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
10.4.2 Verändertes Wettbewerbsumfeld für Logistikunternehmen. . . . 204
10.4.3 Von der Frachtenbörse zum digitalen 4PL. . . . . . . . . . . . . . . . . 207
10.5 Schlussbetrachtung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
11 From Big Data to Smart Data – Problemfelder der systematischen
Nutzung von Daten in Unternehmen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
Steffen Wölfl, Alexander Leischnig, Björn Ivens und Daniel Hein
11.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
11.2 Die systematische Verarbeitung und Nutzung von Daten in
Unternehmen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
11.3 Informationslebenszyklus und Problemfelder der organisationalen
Datenverarbeitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
11.3.1 Die Informationslebenszyklusperspektive. . . . . . . . . . . . . . . . . 217
11.3.2 Problemfelder der organisationalen Datenverarbeitung . . . . . . 219
11.4 Implikationen und Schlussbetrachtung . . . . . . . . . . . . . . . . . . . . . . . . . . 224
11.4.1 Implikationen für die organisationale Datennutzung. . . . . . . . . 225
11.4.2 Schlussbetrachtung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
12 Digitalisierung als Element der Geschäftsmodellinnovation . . . . . . . . . . . . . 233
Patrick Ulrich und Alexandra Fibitz
12.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
12.2 Grundlagen und Begriffsdefinition. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
12.2.1 Digitalisierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
12.2.2 Geschäftsmodellinnovationen. . . . . . . . . . . . . . . . . . . . . . . . . . 236
12.3 Digitalisierung als Schlüsselfaktor der Geschäftsmodellinnovation. . . . 237
12.3.1 Digitalisierung im Rahmen von
Geschäftsmodellinnovationen. . . . . . . . . . . . . . . . . . . . . . . . . . 238
XVI Inhaltsverzeichnis

12.3.2 Literaturüberblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239


12.4 Ausgewählte empirische Erkenntnisse. . . . . . . . . . . . . . . . . . . . . . . . . . . 241
12.4.1 Digitalisierung und deren Einfluss auf das Verständnis
von Strategie und Geschäftsmodellinnovation . . . . . . . . . . . . . 242
12.4.2 Digitalisierung und deren Einfluss auf die Hemmnisse
für Geschäftsmodellinnovationen . . . . . . . . . . . . . . . . . . . . . . . 242
12.4.3 Digitalisierung und deren Einfluss auf die Erfolgswirkung von
Geschäftsmodellinnovationen. . . . . . . . . . . . . . . . . . . . . . . . . . 243
12.5 Diskussion und Ausblick. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
13 Aufbau von Kooperationen mit Start-ups – eine mittelstandsgerechte
Alternative zu Geschäftsmodellinnovationen?. . . . . . . . . . . . . . . . . . . . . . . . . 249
Wolfgang Becker, Patrick Ulrich und Meike Stradtmann
13.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
13.2 Grundlagen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
13.2.1 Geschäftsmodellinnovationen. . . . . . . . . . . . . . . . . . . . . . . . . . 252
13.2.2 Kooperationen als strategische Alternative. . . . . . . . . . . . . . . . 254
13.2.3 Start-up Unternehmen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
13.3 Strategische Bedeutung von Kooperationen mit Start-up
Unternehmen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
13.3.1 Besonderheiten und gegenwärtige Herausforderungen
mittelständischer Unternehmen. . . . . . . . . . . . . . . . . . . . . . . . . 260
13.3.2 Kooperationen mit Start-up Unternehmen als Strategie
für mittelständische Unternehmen. . . . . . . . . . . . . . . . . . . . . . . 263
13.4 Ausgewählte empirische Erkenntnisse. . . . . . . . . . . . . . . . . . . . . . . . . . . 265
13.4.1 Motivlage mittelständischer Unternehmen. . . . . . . . . . . . . . . . 265
13.4.2 Wettbewerbsrelevanz und sonstige Nutzenaspekte. . . . . . . . . . 267
13.4.3 Auswirkungen auf mittelständische Geschäftsmodelle. . . . . . . 269
13.5 Diskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
13.6 Schlussbetrachtung und Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
14 Dynamic Capabilities-bezogene Fähigkeiten von Internet of Things-
Lösungsintegratoren in Business Ecosystems in der digitalen Welt. . . . . . . . 281
Mashood Ahmad
14.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
14.2 Der Resource-Based View und seine Erweiterung zum Dynamic
Capabilities View. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
14.2.1 Resource-Based View . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
14.2.2 Dynamic Capabilities View. . . . . . . . . . . . . . . . . . . . . . . . . . . . 285
14.2.2.1 DC-Klassen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
Inhaltsverzeichnis XVII

14.2.2.2 Sensing. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286


14.2.2.3 Seizing. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
14.2.2.4 Transforming. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
14.3 Dynamic Capabilities bezogene Fähigkeiten von Internet
of Things-Lösungsintegratoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
14.4 Methodik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289
14.5 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
14.6 Ergebnisdiskussion und Fazit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297

Teil III  Operative Perspektiven


15 Business Digitization – Ein Meta-Review. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303
Alexander Leischnig, Björn Ivens, Steffen Wölfl und Daniel Hein
15.1 Einführung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304
15.2 Das Konzept der Business Digitization. . . . . . . . . . . . . . . . . . . . . . . . . . 305
15.3 Bibliometrische Analyse der bisherigen Forschung zu Business
Digitization. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
15.3.1 Vorgehensweise. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
15.3.2 Ergebnisse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
15.4 Diskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
16 Auswirkungen der Digitalisierung auf das Geschäftsmodell
mittelständischer Unternehmen: Eine unternehmensgrößen-, branchen-
und geschäftsmodelltypabhängige Analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
Wolfgang Becker und Tim Botzkowski
16.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 320
16.2 Elemente des Geschäftsmodells. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
16.3 Charakteristika der Probanden und Analyseeinheiten. . . . . . . . . . . . . . . 326
16.3.1 Charakteristika der Probanden. . . . . . . . . . . . . . . . . . . . . . . . . . 326
16.3.1.1 Datenerhebung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
16.3.1.2 Unternehmensangaben. . . . . . . . . . . . . . . . . . . . . . . 327
16.3.2 Bildung der Cluster. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
16.3.2.1 Unternehmensgröße. . . . . . . . . . . . . . . . . . . . . . . . . 330
16.3.2.2 Branche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331
16.3.2.3 Geschäftsmodelltyp. . . . . . . . . . . . . . . . . . . . . . . . . 331
16.4 Empirische Erkenntnisse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
16.4.1 Deskriptive Erkenntnisse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
16.4.2 Mittelwertvergleiche der Analyseeinheiten. . . . . . . . . . . . . . . . 335
16.5 Schlussbetrachtung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 338
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 338
XVIII Inhaltsverzeichnis

17 Die Implementierung des digitalen Customer Relationship Managements –


Erfolgsfaktoren, Hemmnisse und Entwicklungsoptionen. . . . . . . . . . . . . . . . . 341
Daniel Hein, Björn Ivens, Alexander Leischnig und Steffen Wölfl
17.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
17.2 Die Implementierung von CRM. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343
17.2.1 Grundlagen des Customer Relationship Managements. . . . . . . 343
17.2.2 Erfolgsfaktoren und Barrieren. . . . . . . . . . . . . . . . . . . . . . . . . . 347
17.2.2.1 CRM aus organisationaler Perspektive . . . . . . . . . . 347
17.2.2.2 CRM-Implementierung als Kulturwandelprojekt. . . 350
17.2.2.3 CRM-Implementierung als Technologieprojekt. . . . 351
17.3 Entwicklungsoptionen für digitales CRM. . . . . . . . . . . . . . . . . . . . . . . . 353
17.3.1 Big Data Analytics und künstliche Intelligenz . . . . . . . . . . . . . 353
17.3.2 Potenziale in CRM. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
17.3.3 Managementbezogene Implikationen. . . . . . . . . . . . . . . . . . . . 355
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 356
18 Rolle des Chief Digital Officer (CDO) im Rahmen der digitalen
Transformation von Unternehmen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361
Wolfgang Becker und Oliver Schmid
18.1 Der Chief Digital Officer (CDO) und die digitale Transformation von
Unternehmen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 362
18.1.1 Begriff des Chief Digital Officer. . . . . . . . . . . . . . . . . . . . . . . . 362
18.1.2 Abgrenzung zu anderen C-Levels. . . . . . . . . . . . . . . . . . . . . . . 363
18.2 Theoretische Fundierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365
18.3 Forschungsmethodik und Datenanalyse. . . . . . . . . . . . . . . . . . . . . . . . . . 366
18.3.1 Forschungskonzeption. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366
18.3.2 Charakterisierung der Probanden . . . . . . . . . . . . . . . . . . . . . . . 367
18.3.3 Datenerhebung und -analyse. . . . . . . . . . . . . . . . . . . . . . . . . . . 368
18.4 Ergebnisdarstellung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
18.4.1 CDO-Bereich. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
18.4.1.1 Organisationsstruktur. . . . . . . . . . . . . . . . . . . . . . . . 369
18.4.1.2 Größe des CDO-Bereichs. . . . . . . . . . . . . . . . . . . . . 370
18.4.1.3 Mitarbeiter-Kompetenzen . . . . . . . . . . . . . . . . . . . . 370
18.4.1.4 Zusammenarbeit mit externen Beratern. . . . . . . . . . 371
18.4.2 Rolle des CDO. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 372
18.4.2.1 Verantwortlichkeiten . . . . . . . . . . . . . . . . . . . . . . . . 372
18.4.2.2 Pflichten und Rechte . . . . . . . . . . . . . . . . . . . . . . . . 373
18.4.2.3 Funktions- und Aufgabengebiete. . . . . . . . . . . . . . . 374
18.4.2.4 Bisherige Veränderung der Rolle des CDO. . . . . . . 375
18.5 Diskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 376
Inhaltsverzeichnis XIX

18.6 Schlussbetrachtung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 377


18.6.1 Implikationen für Forschung und Praxis. . . . . . . . . . . . . . . . . . 377
18.6.2 Limitationen und zukünftige Forschungsbereiche. . . . . . . . . . . 377
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 378
19 Cyber-Physical Systems (CPS) als technologische Basis einer
digitalen Supply Chain der Zukunft. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381
Christoph Klötzer und Alexander Pflaum
19.1 Einführung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 382
19.2 Cyber-Physical Systems im Kontext der Digitalisierung. . . . . . . . . . . . . 383
19.3 Problemlösungsbeiträge von Cyber-Physical Systems . . . . . . . . . . . . . . 387
19.4 Relevante Forschungsfragen und mögliche Implikationen zukünftiger
Forschung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 391
19.5 Zusammenfassung und Fazit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 393
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 395
20 Ökosystembezogene Implementierungsempfehlungen für
Internet-der-Dinge-Lösungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 397
Marcel Papert
20.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 398
20.2 Grundlagen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 399
20.3 Methodik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 403
20.4 Implementierungsempfehlungen für Internet-der-Dinge-Lösungen . . . . 405
20.5 Schlussbetrachtung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 410
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 411
21 Die Abbildung der Digitalisierung in der externen
Finanzberichterstattung von kapitalmarktorientierten
Unternehmen in Deutschland . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 415
Brigitte Eierle, Andreas Kreß und Florian Ther
21.1 Einleitung – Digitalisierungsstrategien kapitalmarktorientierter
Unternehmen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 416
21.2 Die Digitalisierung als Herausforderung für die Rechnungslegung . . . . 418
21.3 Digitalisierungsstrategien aus Sicht der externen Rechnungslegung. . . . 421
21.4 Empirisch-deskriptive Analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 424
21.4.1 Datenerhebung und Stichprobenzusammensetzung . . . . . . . . . 424
21.4.2 Vorgehensweise und Annahmen . . . . . . . . . . . . . . . . . . . . . . . . 425
21.4.3 Ergebnisse der Untersuchung . . . . . . . . . . . . . . . . . . . . . . . . . . 425
21.5 Zusammenfassung und Schlussfolgerung . . . . . . . . . . . . . . . . . . . . . . . . 431
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432
XX Inhaltsverzeichnis

22 Die Abbildung der Digitalisierung in der handelsrechtlichen


Finanzberichterstattung nicht kapitalmarktorientierter Unternehmen
in Deutschland. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 435
Brigitte Eierle, Florian Ther und Andreas Kreß
22.1 Immaterielles Vermögen als Ausdruck der Digitalisierung
unternehmerischer Geschäftsmodelle . . . . . . . . . . . . . . . . . . . . . . . . . . . 436
22.2 Die Digitalisierung im Kontext der handelsrechtlichen
Finanzberichterstattung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 438
22.2.1 Herausforderungen für die handelsrechtliche
Finanzberichterstattung im Zuge der voranschreitenden
Digitalisierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 438
22.2.2 Investitionen in digitalisierte Lösungen und deren Abbildung
im handelsrechtlichen Abschluss. . . . . . . . . . . . . . . . . . . . . . . . 440
22.2.2.1 Digitalisierung durch eigene Forschungs- und
Entwicklungsprojekte. . . . . . . . . . . . . . . . . . . . . . . . 441
22.2.2.2 Digitalisierung durch den Zukauf externer
Lösungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 442
22.2.2.3 Digitalisierung durch
Unternehmensakquisitionen. . . . . . . . . . . . . . . . . . . 442
22.2.2.4 Digitalisierung durch die Modifikation
materiellen Vermögens. . . . . . . . . . . . . . . . . . . . . . . 443
22.2.2.5 Vertragliche Nutzung digitaler Leistungen
und Produkte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 444
22.3 Empirisch-deskriptive Analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 446
22.3.1 Datenerhebung und Stichprobe. . . . . . . . . . . . . . . . . . . . . . . . . 446
22.3.2 Ergebnisse der deskriptiven Untersuchung. . . . . . . . . . . . . . . . 447
22.4 Zusammenfassung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 452
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 454
23 Literaturanalyse zum Stand der Nutzung von elektronischen
Beschaffungsauktionen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 459
David Karl
23.1 Einleitung und Problemstellung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 460
23.2 Grundlagen zu elektronischen Beschaffungsauktionen. . . . . . . . . . . . . . 461
23.2.1 Elektronische Beschaffung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 461
23.2.2 Elektronische Beschaffungsauktionen. . . . . . . . . . . . . . . . . . . . 462
23.3 Systematische Literaturanalyse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 463
23.3.1 Methodische Vorgehensweise . . . . . . . . . . . . . . . . . . . . . . . . . . 463
23.3.2 Metaforschung zu Beschaffungsauktionen. . . . . . . . . . . . . . . . 464
23.3.3 Literaturanalyse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 465
Inhaltsverzeichnis XXI

23.4 Aktueller Stand der Nutzung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 466


23.4.1 Ergebnisse der systematischen Literaturanalyse. . . . . . . . . . . . 466
23.4.2 Ergebnisse weiterer Studien zum Nutzungsgrad. . . . . . . . . . . . 467
23.5 Zusammenfassung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 469
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 470
24 Nachhaltigkeitsaspekte im Kontext von Digitalisierung
und Industrie 4.0. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 475
Immanuel Zitzmann, David Karl und Simon Hirschner
24.1 Einleitung und Problemstellung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 476
24.2 Verständnis von Digitalisierung, Industrie 4.0 und Nachhaltigkeit. . . . . 477
24.2.1 Digitalisierung und Industrie 4.0. . . . . . . . . . . . . . . . . . . . . . . . 477
24.2.2 Aspekte und Operationalisierungen der Nachhaltigkeit . . . . . . 478
24.3 Literaturübersicht zu den Potenzialen und Herausforderungen von
Industrie 4.0 für nachhaltiges Wirtschaften. . . . . . . . . . . . . . . . . . . . . . . 480
24.4 Einschätzungen aus der Unternehmenspraxis. . . . . . . . . . . . . . . . . . . . . 482
24.4.1 Erhebungsmethode und betrachtete Fallbeispiele. . . . . . . . . . . 482
24.4.2 Einschätzungen der Gesprächspartner. . . . . . . . . . . . . . . . . . . . 485
24.5 Schlussbetrachtung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 487
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 488
25 Ökonomische Risiken von Industrie 4.0. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 493
Wolfgang Becker, Meike Stradtmann, Tim Botzkowski, Laura Böttler,
Kai-Ingo Voigt, Julian M. Müller und Johannes W. Veile
25.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 494
25.2 Grundlagen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 496
25.2.1 Industrie 4.0. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 496
25.2.2 Risiken im Kontext von Industrie 4.0 . . . . . . . . . . . . . . . . . . . . 498
25.2.3 Zwischenfazit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 499
25.3 Methodische Vorgehensweise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 500
25.3.1 Forschungsdesign und Forschungsmethodik. . . . . . . . . . . . . . . 501
25.3.2 Durchführung und Aufbau der Interviews. . . . . . . . . . . . . . . . . 502
25.3.3 Qualitative Inhaltsanalyse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 503
25.4 Ökonomische Risiken in der Praxis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 504
25.4.1 ROI/Budget/Profitabilität. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 505
25.4.2 Wettbewerb . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 507
25.4.3 Geschäftsmodellinnovation. . . . . . . . . . . . . . . . . . . . . . . . . . . . 508
25.4.4 Kundenorientierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 509
25.4.5 Abhängigkeit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 510
25.5 Schlussbetrachtung und Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 510
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 512
XXII Inhaltsverzeichnis

26 Industrie 4.0 – Risiken für kleine und mittlere Unternehmen. . . . . . . . . . . . 517


Kai-Ingo Voigt, Julian M. Müller, Johannes W. Veile, Wolfgang Becker
und Meike Stradtmann
26.1 Einleitung und Problemstellung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 518
26.2 Theoretischer Hintergrund. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 519
26.2.1 Industrie 4.0. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 519
26.2.2 Nachhaltigkeit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 520
26.3 Stand der Forschung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 521
26.4 Methodik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 522
26.5 Empirische Ergebnisse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 527
26.6 Zusammenfassung, kritische Würdigung und Ausblick. . . . . . . . . . . . . . 533
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 534
27 Digitale Transformation der Beschaffung am Beispiel der deutschen
Automobilindustrie. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 539
David Karl, Eric Sucky und Alina Klatt
27.1 Einleitung und Problemstellung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 540
27.2 Beschaffung in der Automobilindustrie. . . . . . . . . . . . . . . . . . . . . . . . . . 541
27.2.1 Beschaffung und Einkauf. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 541
27.2.2 Automobilindustrie in Deutschland. . . . . . . . . . . . . . . . . . . . . . 542
27.3 Digitale Transformation der Beschaffung . . . . . . . . . . . . . . . . . . . . . . . . 542
27.4 Praxiseinschätzungen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 547
27.4.1 Beschreibung der Stichprobe und Methodik. . . . . . . . . . . . . . . 547
27.4.2 Begriffsverständnis „Digitale Transformation der
Beschaffung“. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 548
27.4.3 Zukünftige Rolle und Aufgaben des Einkäufers. . . . . . . . . . . . 549
27.4.4 Potenziale und Herausforderungen. . . . . . . . . . . . . . . . . . . . . . 550
27.4.5 Lieferantenintegration. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 551
27.4.6 Expertenbewertung einiger literaturbasierter Aussagen zur
digitalen Transformation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 551
27.5 Zusammenfassung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 554
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 555

Teil IV  Praxiserfahrungen und Best Practice


28 Geschäftsmodelle für ein unternehmensübergreifendes und
plattformbasiertes C-Teile Management . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 561
Elena Goldmann, Mario Graßy und Horst Neumann
28.1 Intelligente Produkte und datenbasierte Dienstleistung ermöglichen
neue Geschäftsmodelle. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 562
28.2 Kurzvorstellung des Forschungsprojektes „DProdLog“ . . . . . . . . . . . . . 563
28.3 Methodisches Vorgehen bei der Geschäftsmodellentwicklung. . . . . . . . 565
Inhaltsverzeichnis XXIII

28.4 Ergebnisse der Dienstleistungsentwicklung. . . . . . . . . . . . . . . . . . . . . . . 567


28.5 Ergebnisse der Entwicklung plattformbasierter Geschäftsmodelle. . . . . 569
28.5.1 Ergebnisse der Geschäftsmodellentwicklung aus Sicht eines
IT-Dienstleisters/Plattformanbieters . . . . . . . . . . . . . . . . . . . . . 569
28.5.2 Ergebnisse der Geschäftsmodellentwicklung aus Sicht eines
C-Teile Lieferanten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 571
28.6 Abschlussbetrachtung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 573
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 574
29 Digitalisierung von Hochschulen: Masterbewerbung an der
Otto-Friedrich-Universität Bamberg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 577
Tim Kipphan
29.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 578
29.2 Digitalisierung an der Universität Bamberg. . . . . . . . . . . . . . . . . . . . . . . 578
29.3 Einführung und Vorteile einer digitalen Masterbewerbung. . . . . . . . . . . 580
29.3.1 Bisheriger Prozess auf Basis analoger Masterbewerbungen. . . 580
29.3.2 Digitalisierung der Masterbewerbungen. . . . . . . . . . . . . . . . . . 581
29.4 Quellen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 585
30 Identifikation von Anwendungspotenzialen für Industrie 4.0 durch
strategisches Roadmapping – ein Beispiel aus der Elektroindustrie. . . . . . . 587
Bernd Kempa, Alexander Pflaum und Victor Naumann
30.1 Industrie 4.0 als Potenzial für Unternehmen. . . . . . . . . . . . . . . . . . . . . . 588
30.2 Die Maschinenfabrik Reinhausen GmbH als innovatives
Unternehmen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 590
30.3 Methodische Vorgehensweise für die Entwicklung einer strategischen
Industrie 4.0 Roadmap. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 590
30.3.1 Zielsetzung des strategischen Roadmappings und
Vorgehensweise in der MR . . . . . . . . . . . . . . . . . . . . . . . . . . . . 590
30.3.2 Charakterisierender Denkrahmen Industrie 4.0. . . . . . . . . . . . . 592
30.3.3 Multikriterielles Bewertungsschema der Industrie 4.0 Ideen . . . 594
30.4 Die strategische Industrie 4.0 Roadmap der Maschinenfabrik
Reinhausen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 594
30.4.1 Übersicht der Ergebnisse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 594
30.4.2 Beispiel Industrie 4.0 Projekt . . . . . . . . . . . . . . . . . . . . . . . . . . 598
30.5 Erfolgsfaktoren und kritischer Rückblick . . . . . . . . . . . . . . . . . . . . . . . . 599
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 600
XXIV Inhaltsverzeichnis

31 Geschäftsmodellinnovation eines mittelständischen Behälterherstellers:


Einblicke in die Anforderungsphase. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 603
Esther Schulz und Andreas Sachs
31.1 Herausforderungen und neue Lösungsansätze im
Sonderladungsträgermarkt. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 604
31.2 Zentrale Aspekte bei der Anforderungsanalyse innerhalb einer
Geschäftsmodellinnovation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 605
31.2.1 Geschäftsmodellinnovation. . . . . . . . . . . . . . . . . . . . . . . . . . . . 605
31.2.2 Anforderungsanalyse und dazugehörige Aktivitäten. . . . . . . . . 606
31.3 Fallbeispiel eines Ladungsträgerhersteller in der Automobilindustrie. . . 607
31.3.1 Kurzvorstellung des Forschungsprojekts iSLT.NET. . . . . . . . . 607
31.3.2 SWOT Analyse – Zusammenführung der internen und
externen Unternehmens- bzw. Umweltanalyse. . . . . . . . . . . . . 608
31.3.2.1 Interne Analyse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 609
31.3.2.2 Externe Analyse. . . . . . . . . . . . . . . . . . . . . . . . . . . . 609
31.3.2.3 Strategieableitung durch die Kombination aus
interner und externer Analyse . . . . . . . . . . . . . . . . . 610
31.3.3 Value Proposition Design- Verknüpfung von Kunden-
und Anbietersicht. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 611
31.3.3.1 Value Map des Anbieters. . . . . . . . . . . . . . . . . . . . . 611
31.3.3.2 Kundenprofil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 612
31.3.4 Anforderungsleistungs-Matrix. . . . . . . . . . . . . . . . . . . . . . . . . . 614
31.4 Abschlussbetrachtung und Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . 615
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 616
32 Der Weg zu datengetriebenen Geschäftsprozessen. . . . . . . . . . . . . . . . . . . . . 619
Philipp Gölzer und Patrick Cato
32.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 620
32.2 Überblick. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 620
32.3 Fragestellungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 622
32.3.1 Themenfeld Strategie. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 622
32.3.2 Themenfeld Data Science . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 624
32.3.3 Themenfeld Data Lake. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 626
32.3.4 Themenfeld IT-Anwendungssystem . . . . . . . . . . . . . . . . . . . . . 628
32.3.5 Themenfeld Organisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 628
32.4 Fazit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 630
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 630
33 Der Blick fürs Ganze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 633
Fabian Reck, Alexander Fliaster und Frederik von Saldern
33.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 634
Inhaltsverzeichnis XXV

33.2 Herausforderungen digitaler Innovationen aus der


Ecosystemperspektive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 636
33.2.1 Schlüsselakteure im Innovationsecosystem. . . . . . . . . . . . . . . . 637
33.2.2 Lokalisierung und Kategorisierung der Herausforderungen
im Innovationsecosystem. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 639
33.3 Innovationsecosysteme beim 3D-Druck – Ein Branchen- und
Anwendungsvergleich. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 641
33.3.1 Metallverarbeitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 643
33.3.1.1 Formenbau für Metallguss. . . . . . . . . . . . . . . . . . . . 643
33.3.1.2 Fertigung von Hochleistungs- und
Spezialbauteilen. . . . . . . . . . . . . . . . . . . . . . . . . . . . 643
33.3.2 Medizintechnik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 646
33.3.2.1 Individuelle Implantatfertigung. . . . . . . . . . . . . . . . 647
33.3.2.2 Point-of-Care Manufacturing. . . . . . . . . . . . . . . . . . 647
33.3.3 Automobilbau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 648
33.3.3.1 Serienproduktion von Komponenten und
Einzelteilen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 648
33.3.3.2 Dezentrale Ersatzteilfertigung. . . . . . . . . . . . . . . . . 649
33.3.4 Überblick und Handlungsempfehlungen. . . . . . . . . . . . . . . . . . 650
33.4 Zusammenfassung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 652
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 653
34 Die Jahresabschlussprüfung in der Smart Factory. . . . . . . . . . . . . . . . . . . . . 657
Stefan Groß
34.1 Digitaltrends mit Relevanz für die Jahresabschlussprüfung . . . . . . . . . . 658
34.2 Aktuelle Fragestellungen in der Smart Factory – Beispiele mit
Relevanz für die Jahresabschlussprüfung. . . . . . . . . . . . . . . . . . . . . . . . . 660
34.3 Das digitale Ökosystem für die Jahresabschlussprüfung. . . . . . . . . . . . . 661
35 Ausgestaltung der Arbeitswelt 4.0 im mittelständischen
Bauunternehmen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 665
Wolfgang Becker, Thomas Kuchejda und Eva Reitelshöfer
35.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 666
35.2 Grundlagen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 667
35.2.1 Industrie und Arbeitswelt 4.0. . . . . . . . . . . . . . . . . . . . . . . . . . . 667
35.2.2 Bisherige Erkenntnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 669
35.3 Arbeitswelt 4.0 im mittelständischen Bauunternehmen. . . . . . . . . . . . . . 671
35.3.1 Besonderheiten mittelständischer Unternehmen. . . . . . . . . . . . 671
35.3.2 Besonderheiten der Bauwirtschaft. . . . . . . . . . . . . . . . . . . . . . . 673
35.3.3 Arbeitsweise vor Einführung von 4.0-Themen. . . . . . . . . . . . . 674
35.3.4 Umsetzung der Arbeitswelt 4.0 im Bauunternehmen . . . . . . . . 675
XXVI Inhaltsverzeichnis

35.4 Diskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 679


35.5 Schlussbetrachtung und kritische Würdigung. . . . . . . . . . . . . . . . . . . . . 680
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 681
36 Digitalisierung von Wertschöpfungsketten end-to-end am Beispiel
der Klemmleistenbestückung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 685
Sebastian Durst und Christian Dülme
36.1 Weidmüller als Anbieter und Anwender von
Digitalisierungslösungen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 686
36.2 Herausforderungen im Schaltschrankbau im Zeitalter der
Digitalisierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 686
36.3 Fast Delivery Service für einbaufertige Klemmenleisten . . . . . . . . . . . . 688
36.3.1 Bisherige Wertschöpfungskette der
Klemmleistenbestückung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 689
36.3.2 Digitalisierte Wertschöpfungskette der
Klemmleistenbestückung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 690
36.3.3 Vorteile des Fast Delivery Service. . . . . . . . . . . . . . . . . . . . . . . 691
36.4 Resümee. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 691
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 692
37 Die Bedeutung von End-to-End-Prozessen für die Digitalisierung
im Finanzbereich. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 695
Christoph Wagner, Jan Georg Sodies, Tobias Meyer und Pascal Adam
37.1 Digitalisierung im Finanzbereich. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 696
37.2 Herausforderungen in Digitalisierungsprojekten im Finanzbereich
großer Konzerne. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 698
37.3 Potenziale der End-to-End-Prozessorientierung in
Digitalisierungsprojekten. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 699
37.3.1 Definition End-to-End-Prozesse . . . . . . . . . . . . . . . . . . . . . . . . 699
37.3.2 Mit End-to-End-Prozessen zum integrierten Datenmodell. . . . 702
37.3.3 End-to-End-Prozesse als Landkarte eines funktionierenden
Integrationsmanagements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 704
37.3.4 Eine gesamtheitliche Prozessoptimierung auf Basis von
End-to-End Prozessen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 705
37.4 Ausblick. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 708
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 710
38 Die Königsdisziplin der Digitalisierung: Anwendungsfälle identifizieren
und schnell umsetzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 713
Harald Kolbe und Eric Sucky
38.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 714
Inhaltsverzeichnis XXVII

38.2 Digitale Transformation in der Flugzeugersatzteillogistik. . . . . . . . . . . . 716


38.3 Auf dem Weg zum Digital Warehouse. . . . . . . . . . . . . . . . . . . . . . . . . . . 717
38.3.1 Automatisierung des Materialflusses durch den Einsatz
moderner Lagertechnik. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 717
38.3.2 Automatisierung des Informationsflusses und Einführung
von papierlosen Prozessen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 719
38.3.3 Einsatz moderner Informationstechnik. . . . . . . . . . . . . . . . . . . 720
38.3.4 Einführung von Digitalen Assistenzsystemen zur
Prozessunterstützung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 721
38.3.5 Mehrwertgenerierung durch Nutzung des Digitalen
Schattens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 722
38.4 Schlussbetrachtung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 722
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 723
39 Digitalisierung von Bestandsketten im Lieferantenmanagement. . . . . . . . . . 725
Sabine Ebner
39.1 valantic – auf dem Weg zur digitalen Transformation. . . . . . . . . . . . . . . 726
39.2 Herausforderungen im Lieferantenmanagement. . . . . . . . . . . . . . . . . . . 726
39.3 SaaS-Lösung Critical Chain Monitor . . . . . . . . . . . . . . . . . . . . . . . . . . . 727
39.3.1 SaaS-Lösung für eine digitale kritische Lieferkette . . . . . . . . . 727
39.3.2 Digitalisierung der Lieferkette im Critical Chain Monitor. . . . 728
39.3.3 Nutzen des Critical Chain Monitors. . . . . . . . . . . . . . . . . . . . . 730
39.4 Resümee. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 732
39.5 Quellen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 732
Erratum zu: Die Bedeutung von End-to-End-Prozessen für die Digitalisierung
im Finanzbereich. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . E1
Christoph Wagner, Jan Georg Sodies, Tobias Meyer und Pascal Adam
Teil I
Einführung: Geschäftsmodelle
in der digitalen Welt
Begriff der Digitalisierung –
Extension und Intension aus 1
betriebswirtschaftlicher Perspektive

Wolfgang Becker und Alexander Pflaum

Inhaltsverzeichnis

1.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Historische Einordnung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Begriffsbestimmung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Schlussbetrachtung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

Zusammenfassung
Der Begriff der Digitalisierung hat sich in den letzten Jahrzehnten entscheidend manifes-
tiert. Zwar wurde dieser terminologische Ausdruck maßgeblich im Rahmen der dritten
industriellen Revolution geprägt, jedoch gehen seine Wurzeln bis ins frühe 18. Jahrhundert
zurück. In diesem Zusammenhang erscheint es wenig zweckdienlich, die Digitalisierung
lediglich als eine besondere Form der binären Kodierung zu reduzieren. Dieser kontrover-
sen Problematik nimmt sich der vorliegende Beitrag an und versucht, unter Rückgriff auf
eine historische Einordnung, eine zweck- und zielorientierte Definition abzuleiten, die den
Ansprüchen der zeitgemäßen wissenschaftlichen und praxisorientierten Diskussion um die
Digitalisierung gerecht wird und diese nachhaltig prägen soll.

W. Becker (*) 
Lehrstuhl für Betriebswirtschaftslehre, insbesondere Unternehmensführung & Controlling
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: wolfgang.becker@uni-bamberg.de
A. Pflaum 
Lehrstuhl für Betriebswirtschaftslehre, insbesondere Supply Chain Management
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: alexander.pflaum@uni-bamberg.de

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019 3
W. Becker et al. (Hrsg.), Geschäftsmodelle in der digitalen Welt,
https://doi.org/10.1007/978-3-658-22129-4_1
4 W. Becker und A. Pflaum

1.1 Einleitung

In der aktuellen Diskussion in Wissenschaft und Praxis erscheint der Begriff der Digita-
lisierung allgegenwärtig (Burmester und Gschwendter 2015; Gassman und Sutter 2016;
Kollmann und Schmitt 2016; Becker et al. 2017). Auch in der politischen Diskussion
bleibt die Digitalisierung nicht mehr unberücksichtigt. So stellte die deutsche Bundes-
kanzlerin Angela Merkel im Rahmen des Festaktes zur Eröffnung der CeBIT 2017
erneut die große wirtschaftliche und gesellschaftliche Bedeutung der Digitalisierung her-
aus (Merkel 2017).
Der Begriff der Digitalisierung wurde maßgeblich im Rahmen der dritten industriel-
len Revolution geprägt (Scheer und Wahlster 2012, S. 7 ff.), allerdings sind immer noch
terminologische Unklarheiten festzustellen (Botzkowski 2017, S. 9). Die Begriffe Digi-
talisierung und digital sind in der wissenschaftlichen Diskussion nicht eindeutig belegt
(Rossmann und Tangeman 2015, S. 162; Becker und Vogt 2015, S. 430; Schallmo 2016,
S. 4). Auch in der unternehmerischen Praxis sind kontroverse Diskussionen zu konsta-
tieren (Becker et al. 2013, S. 54 ff.). Allerdings stellt das Herbeiführen terminologischer
Klarheit eine notwendige Voraussetzung jeglicher wissenschaftlicher Betätigung
dar (Berger-Grabner 2013, S. 60). Die Bestimmung von Begriffen erfolgt auf dem
Wege einer Ermittlung begriffskonstituierender Merkmale. Im Rahmen der Begriffs-
bestimmung erwerben Wissenschaftler eine relativ präzise Vorstellung vom Wesen
und die Art des zu untersuchenden Phänomens bzw. des Sachverhaltes (Grochla 1978;
Schanz 1988; Wolf 2011, S. 8).
Zielsetzung des vorliegenden Beitrages ist es, eine für die Wissenschaft und Unter-
nehmenspraxis geeignete Definition des Begriffes der Digitalisierung zu offerieren.
Die Definition dient vorrangig dazu, ein gemeinsames Verständnis zu schaffen, um
den komplexen Prozess der digitalen Transformation systematisierend und ordnend zu
beleuchten. Zuvor erscheint jedoch eine kurze historische Einordnung der Digitalisie-
rung in ihrer ursprünglichen Verwendung zweckdienlich. Im folgenden Abschn. 1.2 wird
daher das Phänomen der Digitalisierung im Zeitverlauf näher beleuchtet. In Abschn. 1.3
erfolgt sodann eine Gegenüberstellung existierender Definitionen aus Wissenschaft und
Praxis, die synthetisierend in der Ableitung der hier zu verwendenden Definition mün-
den. In Abschn. 1.4 werden die wichtigsten Erkenntnisse zusammengefasst.

1.2 Historische Einordnung

Um eine historische Betrachtung der Digitalisierung durchzuführen, erscheint es


unerlässlich, den Begriff der Industrie 4.0 näher zu beleuchten und abzugrenzen, da diese
nicht losgelöst voneinander betrachtet werden können.
Im Jahr 2006 fand der Begriff Industrie 4.0 auf dem ersten nationalen IT-Gipfel der
deutschen Bundesregierung am Hasso-Plattner-Institut (HPI) seinen Ursprung, wo er
alternativ als „integrated industry“ oder „advanced Manufacturing“ bezeichnet wurde
1  Begriff der Digitalisierung – Extension … 5

(Köhler-Schulte 2015, S. 17). Die deutsche Bundesregierung war und ist bestrebt, das
Ziel einer Steigerung der Qualität und der Wettbewerbsfähigkeit des IT-­ Standorts
Deutschland v. a. im Hinblick auf den internationalen Wettbewerb zu erreichen und
sukzessive zu verbessern (Huber und Kaiser 2015, S. 682; Gleich et al. 2016, S. 23;
­Kaufmann 2015, S. 4). 2011 wurde auf der Hannover-Messe schließlich der Begriff
Industrie 4.0 von der Bundesregierung zum ersten Mal der breiten Öffentlichkeit vor-
gestellt und als zentrales Zukunftsprojekt in die Hightech-Strategie 2020 mit auf-
genommen (Gleich et al. 2016, S. 23; Roth 2016, S. 5; Sendler 2013, S. 1). Der Begriff
Industrie 4.0 beschreibt im engeren Sinne die vollständige „Durchdringung der indus-
triellen Produktion mit IT-basierten Netzwerken“ und soll durch die Nutzung von IT
und Elektronik den gesamten deutschen Industriesektor nachhaltig verändern, um Wett-
bewerbsvorteile gegenüber anderen Nationen und Wirtschaftsräumen zu realisieren
(Gleich et al. 2016, S. 23). Unter der Bezeichnung „Umsetzungsempfehlungen für das
Zukunftsprojekt Industrie 4.0“ wurde das Ergebnis im Oktober 2012 durch den Arbeits-
kreis Industrie 4.0 (hierbei handelt es sich um ein Gemeinschaftsprojekt der Wirtschafts-
verbände BITKOM, VDMA und ZVEI zur Weiterentwicklung und Umsetzung des
Zukunftsprojektes Industrie 4.0) präsentiert (Kagermann et al. 2013). In diesem wird
beschrieben, welche „gravierenden“ (Schäfer und Pinnow 2015, S. 1) Veränderungen in
den industriell geprägten Staaten durch das Internet der Dinge und Dienste für die Pro-
duktion und die intelligente Fabrik entstehen werden (Huber und Kaiser 2015, S. 682).
Ausschlaggebend für diese Veränderungen sind insbesondere Cyber-Physical Production
Systems mit intelligenten „Maschinen, Lagersystemen und Betriebsmitteln, die eigen-
ständig Informationen austauschen, Aktionen auslösen und sich gegenseitig selbstständig
steuern“ (Kagermann et al. 2013).
Die Bezeichnung Industrie 4.0 leitet sich aus einem historischen Kontext ab. Ende des
18. Jahrhunderts begann die erste industrielle Revolution, welche maßgeblich durch die
Erfindung mechanischer Produktionsanlagen gekennzeichnet war, die zunächst durch
natürliche Energiequellen wie Wasser- und Windkraft angetrieben wurden. Durch die
Innovation der Dampfmaschine konnten allerdings flexiblere Produktionsabläufe reali-
siert werden, was zu einer nicht unerheblichen Steigerung der Produktion und des Wohl-
stands führte (Schäfer und Pinnow 2015, S. 2; Obermaier 2016, S. 3; Roth 2016, S. 5).
Die zweite Phase der industriellen Revolution kann vornehmlich an dem Taylorismus-­
Gedanken und von Henry Ford entwickelten T-Model festgemacht werden (­Schäfer und
Pinnow 2015, S. 12). Im Gegensatz zur ersten industriellen Revolution wurde durch den
Einsatz von Fließbändern eine Massenproduktion möglich (Schäfer und Pinnow 2015,
S. 3; Köhler-Schute 2015, S. 18; Obermaier 2016, S. 3; Roth 2016, S. 5). Mit Beginn der
1970er Jahre startete die dritte industrielle Revolution, die auch als erste „digitale Revo-
lution“ bezeichnet wird (Schäfer und Pinnow 2015, S. 5). Durch die Entwicklung der
ersten Computer und dem damit verbundenen Einzug neuer Elektronik sowie Informa-
tions- und Kommunikationstechnik in die Produktion, konnten sämtliche Produktions-
prozesse weiter automatisiert und effizienter gestaltet werden (Schäfer und Pinnow 2015,
6 W. Becker und A. Pflaum

Abb. 1.1  Die vier Phasen der industriellen Revolution. (Quelle nach: Kagermann et al. 2013,
S. 17)

S. 5; Köhler-Schute 2015, S. 19; Obermaier 2016, S. 3). Abb. 1.1 greift diese Gedanken
nochmals grafisch auf.
Definitorisch gesehen bringt Industrie 4.0 demzufolge die vierte industrielle Revo-
lution zum Ausdruck und stellt nach verschiedenen Stufen der Mechanisierung, der
Automatisierung und der Digitalisierung nun die Vernetzung der Produktion über das
Internet und die damit verbundene Vermischung der physischen mit der virtuellen Welt
zu sogenannten Cyber-Physikalischen Systemen (CPS) dar (Obermaier 2016, S. 3;
Kagermann 2015, S. 603).
Der Begriff der Digitalisierung selbst ist als ein deutlich älteres Phänomen zu sehen.
Der ursprüngliche Anstoß zur Digitalisierung kann auf Gottfried Wilhelm Leibniz zurück-
geführt werden, welcher arabische Nummern in binäre Strings transformierte. Frühere
Anwendungsmöglichkeiten der digitalen Informationsübermittlung wurden im Rahmen
von Morsezeichen verwendet, welche im Jahr 1835 von Samuel F. B. Morse zur Über-
mittlung binärer Signale durch einen Telegraph erfunden wurde (Vogelsang 2010, S. 7).
Zwar wird die Digitalisierung in der aktuellen Diskussion als ein komplett neues Phäno-
men diskutiert, allerdings ist die Digitalisierung als solche für Unternehmen und Orga-
nisationen jedoch schon seit den späteren 1990er durch die Entwicklung von digitalen
Produkten und Infrastrukturen ein ernstzunehmender Trend. Um das Jahr 2000 herum
erfolgt der nächste erwähnenswerte Entwicklungsschritt, der vornehmlich E-commerce
und Web Strategie umfasst. Durch die fortschreitenden technischen Möglichkeiten
1  Begriff der Digitalisierung – Extension … 7

Abb. 1.2  Evolution of digital transformation. (Quelle: nach Bermann und Bell 2014, S. 2)

erfolgte ab dem Jahre 2010 eine Erweiterung dieser Veränderungsdimension, die sich in
der digitalen Transformation von Geschäftsmodellen ausdrückt. Dies wird in Abb. 1.2
grafisch dargestellt.

1.3 Begriffsbestimmung

Der Begriff der Digitalisierung lässt sich nun grundsätzlich unterschiedlich definie-
ren. Das Spektrum der Definitionen beginnt mit rein technischen Betrachtungen und
bewegt sich zunehmend in die Richtung der Berücksichtigung ökonomischer Aspekte.
In einer rein technischen Betrachtungsweise kann Digitalisierung als Kodierungsvor-
gang beschrieben werden, durch den eine diskrete analoge Darstellung in eine digitale
Darstellung transformiert wird (0/1) (Levi und Rembold 2003, S. 55). Die Umwandlung
einer analogen in eine digitale Darstellung erfolgt durch eine Abtastung des analogen
Ausgangsgutes an verschiedenen gewählten Punkten. Die Qualität des Ergebnisses
wird dabei von der Dichte dieser Abtastpunkte bestimmt (Loebbecke 2006, S. 360). Bei
dieser rein technischen Betrachtungsweise der Digitalisierung handelt es sich um eine
besondere Form der binären Codierung, jedoch umfasst die Digitalisierung mehr als nur
einen rein technisch orientierten Kodierungsvorgang (Baker 2014, S. 20). Nichtsdesto-
trotz findet sich diese rein technische Betrachtung in einer Vielzahl der bestehenden
Definitionen. Bislang konnte sich in der betriebswirtschaftlichen Literatur jedoch kein
einheitliches Begriffsverständnis nachhaltig etablieren (Krickel 2015, S. 42). Im Folgen-
den sollen einige Definitionsansätze exemplarisch aufgegriffen werden:
8 W. Becker und A. Pflaum

• „The transition from conducting business activities in a traditional manner to conduc-


ting them in a digital form“ (BarNir et al. 2003, S. 792).
• „Digitalisierung kann definiert werden als die Umwandlung von analogen Signalen in
digitale Daten“ (Loebbecke 2006, S. 360).
• „Der Sinn der digitalen Transformation ist die Verbesserung der Prozesseffizienz
der Geschäftsaktivität. Die Digitale Transformation ist die Weiterentwicklung von
Insellösungen zur unternehmensweiten Vernetzung zur Unterstützung aller wert-
schöpfenden Unternehmensaktivitäten, um die Prozesskostenreduzierungen zu reali-
sieren“ (Cole 2010, S. 83).
• „Vernetzte Unternehmen sind Organisationen, in denen alle wesentlichen Geschäfts-
prozesse, alle betriebswirtschaftlichen Funktionsbereiche sowie Beziehungen zur
Unternehmensumwelt, insbesondere Kunden und Lieferanten, durch Informations-
und Kommunikationstechnik unterstützt werden“ (Laudon et al. 2010, S. 11).
• „Aus ökonomischer Perspektive handelt es sich bei den ausgetauschten Informatio-
nen um digitale Güter, also Informationsgüter in rein immaterieller Form. […] Diese
Digitalisierung physischer Güter findet bei Waren als auch Dienstleistungen statt“
(Peters 2010, S. 1).
• „Unter Digitalisierung wird die Veränderung von Geschäftsmodellen durch die Ver-
besserung von Geschäftsprozessen aufgrund der Nutzung von Informations- und
Kommunikationstechniken verstanden“ (Becker et al. 2013, S. 54).
• „Digitalization is the integration of digital technologies into the business to achieve
maximum benefit, particularly with respect to information“ (Hiller 2013, S. 5).
• „Digitalisierung ist daher nicht nur die maschinelle Verarbeitung und Speicherung
von Daten und die daraus resultierenden unbegrenzten Möglichkeiten, sondern Digi-
talisierung geht immer einher mit Veränderungen und vor allem Verantwortung“
(Kalinowski und Verwaayen 2013, S. 495).
• „Digitalisierung – also die Transformation kontinuierlicher Größen in Nullen und
Einsen – gefährdet einerseits traditionelle Geschäftsmodelle, ermöglicht aber gleich-
zeitig den Aufbau völlig neuartiger ‚digitaler Ökosysteme‘ mit erheblichen Effektivi-
täts- und Effizienzsteigerungspotentialen“ (Keuper et al. 2013, S. VII).
• „Digitalisierung umfasst alles, […] was die Auswirkung des Einsatzes von IT und die
Durchdringung des täglichen Lebens in allen Bereichen mit Technik und Services, ob pri-
vat oder institutionell, beschreibt, untersucht und erklärt“ (Baumöl und Jung 2014, S. 41).
• Digitalisierung entspricht „im Wesentlichen dahinter stehend[en] technischen und
ökonomischen Entwicklungen der Informations- und Kommunikationstechniken […].
Wenn […] Verarbeitung, Speicherung und Übertragung von Daten und Informationen
mit technischer Hilfe zu extrem geringen Kosten in einem riesigen Umfang möglich
werden, dann berührt und verändert das nahezu alle Formen menschlicher Arbeit, die
ja immer schon direkt […] und indirekt […] mit Informationen und Daten verbunden
war“ (Picot et al. 2014, S. 299 f.).
• „Digitalisierung bedeutet die Elektronifizierung von Informationen. Informationen
liegen nicht mehr atomar bzw. physisch vor, sondern werden als Daten elektronisch
1  Begriff der Digitalisierung – Extension … 9

erzeugt, gespeichert, verarbeitet, präsentiert und benutzt. Letztendlich geht es um die


grundsätzlichen Möglichkeiten der Transformation von Atomen zu Bits und Bytes
und dies schließt damit auch alle Formen von physischen Produktkomponenten und
den Produkten sowie von Dienstleistungen ein“ (Lemke und Brenner 2015, S. 13 f.).
• „Das Charakteristikum der Digitalisierung liegt in der Übersetzung analoger Sprache,
Schrift, Noten etc. in einen binären Code von Ja-Nein, 0–1, Schwarz- Weiß, in ‚dis-
krete Zahlenfolgen aus Bits und Bytes‘“ (May 2015, S. 27).

Die Digitalisierung als solche mit einer besonderen Form der binären Kodierung gleich-
zusetzen erscheint vor dem Hintergrund der kontroversen Diskussion um die Digitalisie-
rung von ganzen Geschäftsmodellen wenig zweck- und zielorientiert (Hoffmeister 2015,
S. 84). Leischnig et al. (2016) merken hierzu an, dass: „Organizations in a wide range of
industries redesign processes and even entire business models to transform innovative
information technology (IT) options and digitization opportunities into strategic advan-
tages.“ Becker et al. (2013) stellen als eine der ersten einen expliziten Zusammenhang
zwischen der Digitalisierung und Geschäftsmodellen her. Die Autoren verstehen unter
der Digitalisierung „eine Transformation von Geschäftsmodellen mithilfe von Informati-
ons- und Kommunikationstechnologien zur Reduktion von Schnittstellen, zur funktions-
übergreifenden Vernetzung und zur Erhöhung der Effektivität und Effizienz“ (Becker
et al. 2015). Diesen Gedanken greift das Bamberger „Kompetenzzentrum für Geschäfts-
modelle in der digitalen Welt“ auf und definiert Digitalisierung folgendermaßen:

Digitalisierung ist die strategisch orientierte Transformation von Prozes-


sen, Produkten, Dienstleistungen bis hin zur Transformation von kompletten
Geschäftsmodellen unter Nutzung moderner Informations- und Kommunikations-
technologien (IuK) mit dem Ziel, nachhaltige Wertschöpfung effektiv und effizient
zu gewährleisten.

Mit dieser Definition wird nicht allein der zur partiellen oder vollständigen Digitalisie-
rung führende Transformationsprozess in den Mittelpunkt der Begriffsbildung gerückt.
Vielmehr werden auch die dafür notwendigen technologischen Ressourcen (IuK) berück-
sichtigt, da diese im betrachteten Gesamtzusammenhang eine besonders hohe Bedeutung
aufweisen. Das Internet der Dinge, Cloud und Mobile Computing, Data Analytics,
Digitale Soziale Netze und Blockchain sind typische Beispiele für neue IuK-Techno-
logien. Darüber hinaus werden die primären Objekt jeglicher Digitalisierung, nämlich
die Geschäftsmodelle bzw. ihre Elemente in die Begriffsbildung integriert. Schließlich
wird auch das Ziel der Digitalisierung einbezogen und damit der ökonomisch besonders
bedeutsame Zusammenhang zur eigentlichen Zwecksetzung von Unternehmen, nämlich
der Wertschöpfung hergestellt.
10 W. Becker und A. Pflaum

1.4 Schlussbetrachtung

Der vorliegende Beitrag zeigt auf, dass sich in der betriebswirtschaftlichen Diskussion
bis heute noch kein einheitliches Begriffsverständnis hinsichtlich der Digitalisierung
etabliert hat, wodurch dieser Begriff unbestimmt bleibt. Vor diesem Hintergrund ver-
sucht der vorliegende Beitrag diesen „schillernden Begriff“ (Schaal 2010, S. 23) mit
einer zweckorientierten, ökonomisch geprägten Definition zu belegen. Hierzu wur-
den zunächst die Begrifflichkeiten Industrie 4.0 und Digitalisierung im Zeitverlauf
eingeordnet und voneinander abgegrenzt. Im weiteren Verlauf wurden bestehende
Digitalisierungsdefinitionen erörtert und miteinander verglichen.
Die Tatsache, dass sich bisher kein einheitliches Begriffsverständnis der Digitalisie-
rung durchsetzen konnte, könnte darauf zurückzuführen sein, dass bislang vorhandene
Versuche eine allzu geringe Zweckorientierung aufweisen. Auch greift die historisch
geprägte, eher technische Betrachtung der Digitalisierung aufgrund des ihr attribuier-
ten Veränderungspotenzials für Geschäftsmodelle grundsätzlich zu kurz, wenngleich
Information- und Kommunikationstechniken im Rahmen der digitalen Transformation
mitunter zentrale Stellung einnehmen. Aufgrund dessen wurde im Kompetenzzentrum
„Geschäftsmodelle in der digitalen Welt“ eine umfassendere Definition entwickelt, die
sich deutlich zweckdienlich und zudem bewusst weit präsentiert.

Literatur

Baker, M. (2014). Digital Transformation. Buckingham: CreateSpace Independent Publishing Platform.


BarNir, A., Gallaugherb, J.-M., & Augerc, P. (2003). Business process digitalization, strategy, and
the impact of firm age and size: the case of the magazine publishing industry. Journal of Busi-
ness Venturing, 18 (6), 798–814.
Baumöl, U., & Jung, R. (2014). Rekursive Transformation: Entwicklung der Business Enginee-
ring- Landkarte. In W. Brenner und T. Hess (Hrsg.), Wirtschaftsinformatik in Wissenschaft und
Praxis, (S. 41–50). Berlin/Heidelberg: Springer Gabler.
Becker, W., Ulrich, P., Vogt, M., Botzkowski, T.; Hilmer, C., & Zimmermann, L. (2013). Digitali-
sierung im Mittelstand. Bamberger Betriebswirtschaftliche Beiträge, Nr. 193, Bamberg.
Becker, W., Ulrich, P., Botzkowski, T., & Eurich, S. (2015). Data Analytics in Familienunter-
nehmen – Implikationen für das Controlling. Controlling, 27 (4/5), 263–268.
Becker, W.; Ulrich, P., Botzkowski, T., & Eurich, S. (2017). Digitalisierung von Geschäfts-
modellen. In: D. Schallmo, A, Rusnjak, J. Anzengruber, T. Werani, & M. Jünger (Hrsg.), Digi-
tale Transformation von Geschäftsmodellen. Grundlagen, Instrumente und Best Practices
(S. 283– 309). Wiesbaden: Springer.
Becker, W., & Vogt, M. (2015). Digitalisierung im Mittelstand. In: W. Becker und P. Ulrich
(Hrsg.), BWL im Mittelstand: Grundlagen – Besonderheiten – Entwicklungen. (S. 429–450),
Stuttgart: Springer.
Berger-Grabner, D. (2013). Wissenschaftliches Arbeiten in den Wirtschafts- und Sozialwissen-
schaften. Wiesbaden: Springer.
1  Begriff der Digitalisierung – Extension … 11

Berman, S. J., & Bell, R. (2014). Digital transformation: Creating new business models where digi-
tal meets physical. http://www-07.ibm.com/sg/manufacturing/pdf/manufacturing/Digital-trans-
formation.pdf. Zugegriffen: 22. Feb. 2018.
Botzkowski, T. (2017). Digitale Transformation von Geschäftsmodellen im Mittelstand. Wiesbaden:
Springer.
Burmester, L., & Gschwendtner, M. (2016). Digitalisierungstrends und Handlungsfelder der
Enterprise- IT, White Paper, Horváth & Partners, http://www.horvath-partners.com/fileadmin/
user_upload/150715_Rolle_CIO_web-g.pdf, Zugegriffen: 26. Jan. 2018.
Cole, T. (2010). Unternehmen 2020: Das Internet war erst der Anfang. München: Carl Hanser Verlag.
Gassmann, O., & Sutter, P. (2016). Digitale Transformation im Unternehmen gestalten. Geschäfts-
modelle, Erfolgsfaktoren, Handlungsanweisungen, Fallstudien. München: Hanser.
Gleich, R., Losbichler, H., & Zierhofer, R. (2016). Unternehmenssteuerung im Zeitalter von Indus-
trie 4.0. München: Haufe Lexware.
Grochla, E. (1978). Einführung in die Organisationstheorie. Stuttgart: Springer.
Hiller, F. (2013). BearingPoint CFO Survey 2013/2014, The impact of digitalisation, regulation
and sustainability on the finance function. Frankfurt am Main: Red Paper.
Hoffmeister, C. (2015). Digital Business Modelling: Digitale Geschäftsmodelle entwickeln und
strategisch verankern. München: Hanser.
Huber, D., & Kaiser T. (2015). Wie das Internet der Dinge neue Geschäftsmodelle ermöglicht.
HDM Praxis der Wirtschaftsinformatik, 52 (5), 681–689.
Kagermann, H. (2015). Change Through Digitization – Value Creation in the Age of Industry 4.0.
In H. Albach, H. Meffert, A. Pinkwart & R. Reichwald (Hrsg.), Management of Permanent
Change (S. 23–45). Wiesbaden: Springer.
Kagermann, H., Wahlster, W., & Helbig, J. (2013). Umsetzungsempfehlungen für das Zukunfts-
projekt Industrie 4.0, Abschlussbericht des Arbeitskreises Industrie 4.0, Promotorengruppe
Kommunikation der Forschungsunion Wirtschaft – Wissenschaft. Berlin: Bundesministerium für
Bildung und Forschung.
Kalinowski, T., & Verwaayen, E. (2013). Digitalisierung – quo vadis?. In F. Keuper, K. Hamidian,
E. Verwaayen, T. Kalinowski, T., & C. Kraijo (Hrsg.) Digitalisierung und Innovation (S. 487–
496), Wiesbaden: Springer Gabler.
Kaufmann, T. (2015). Geschäftsmodelle in Industrie 4.0 und dem Internet der Dinge – Der Weg
vom Anspruch in die Wirklichkeit. Wiesbaden: Springer.
Keuper, F., Hamidian, E., Verwaayen, T.; Kalinowski T., & Kraijo, C. (2013). Digitalisierung und
Innovation. Wiesbaden: Springer Gabler.
Köhler-Schute, C. (2015). Industrie 4.0: Chancen und Herausforderungen der vierten industriel-
len Revolution, http://www.strategyand.pwc.com/media/file/Industrie-4-0.pdf. Zugegriffen: 24.
Feb. 2018.
Kollmann, T., & Schmidt, H. (2016). Deutschland 4.0. Wie die Digitale Transformation gelingt.
Wiesbaden: Springer.
Krickel, F. (2015). Digitalisierung in der Energiewirtschaft. In W. Hecker, C. Lau, & A. Müller
(Hrsg.), Zukunftsorientierte Unternehmenssteuerung in der Energiewirtschaft (S. 41–74), Wies-
baden: Springer.
Laudon, K. C., Laudon J., & Schoder, D. (2010). Wirtschaftsinformatik: Eine Einführung. 2. Aufl.
München: Pearson Studium.
Leischnig, A., Woelfl, S., & Ivens, B. S. (2016). When Does Digital Business Strategy Matter to
Market Performance? Thirty Seventh International Conference on Information Systems.
Lemke, C., & Brenner, W. (2015). Einführung in die Wirtschaftsinformatik Band 1: Verstehen des
digitalen Zeitalters. Berlin/Heidelberg: Springer Verlag.
12 W. Becker und A. Pflaum

Levi, P., & Rembold U. (2003). Einführung in die Informatik für Naturwissenschaftler und Inge-
nieure, 4. Aufl., München: Hanser.
Loebbecke, C. (2006). Digitalisierung: Technologien und Unternehmensstrategien. In: C. Scholz
(Hrsg.), Handbuch Medienmanagement (S. 359–373). Berlin: Springer.
May, R. (2015). Generation Multimedia: Worauf sich Unternehmen vorbereiten sollten. Wies-
baden: Springer Gabler.
Merkel, A. (2017). Rede von Bundeskanzlerin Merkel zur Eröffnung der CeBIT 2017 am 19. März
2017, https://www.bundeskanzlerin.de/Content/DE/Rede/2017/03/2017-03-19-rede-merkel-ce-
bit.html. Zugegriffen: 22. Feb. 2018.
Obermaier, R. (2016). Industrie 4.0 als unternehmerische Gestaltungsaufgabe: Strategische
und operative Handlungsfelder für Industriebetriebe. In Industrie 4.0 als unternehmerische
Gestaltungsaufgabe. Wiesbaden: Springer Gabler.
Peters, R. (2010). Internet-Ökonomie. Heidelberg: Springer.
Picot, A., Hopf, S., & Neuburger, R. (2014). Die Zukunft der Arbeit in der digitalen Welt: Heraus-
forderung für die Wirtschaftsinformatik. In: W. Brenner, & T. Hess (Hrsg.), Wirtschafts-
informatik in Wissenschaft und Praxis (S. 299–308) Heidelberg: Springer Gabler.
Rossmann, A., & Tangemann, M. (2015). Kundenservice 2.0: Kundenverhalten und Service-
leistungen in der digitalen Transformation. In C. Linnhoff-Popien, M. Zaddach, & A. Grahl
(Hrsg.), Marktplätze im Umbruch: Digitale Strategien für Services im Mobilen Internet
(S. 161–174) Berlin: Springer.
Roth, A. (2016). Einführung und Umsetzung von Industrie 4.0 Grundlagen, Vorgehensmodell und
Use Cases aus der Praxis. Wiesbaden: Springer Gabler.
Schaal, U. (2010). Das strategische Management von Contentrechten: Schlüsselherausforderung
für audiovisuelle Medienunternehmen. Wiesbaden: Springer.
Schäfer, S., & Pinnow, C. (2015). Industrie 4.0 – Grundlagen und Anwendungen Branchentreff der
Berliner Wissenschaft und Industrie. Berlin/Heidelberg: Springer Verlag.
Schallmo, D. (2016). Jetzt digital transformieren: So gelingt die erfolgreiche Digitale Trans-
formation Ihres Geschäftsmodells. Wiesbaden: Springer.
Schanz, Günther (1988). Methodologie für Betriebswirte. Stuttgart: Springer.
Scheer, A. W., & Wahlster, W. (2012). Die vierte industrielle Revolution zeichnet sich ab, Informa-
tion Management und Consulting, 3, 6–9.
Sendler, U. (2013). Industrie 4.0 – Beherrschung der industriellen Komplexität mit SysLM (Sys-
tems Lifecycle Management. In U. Sendler (Hrsg.), Industrie 4.0 – Beherrschung der indust-
riellen Komplexität mit SysLM (S. 1–20). Berlin/Heidelberg: Springer.
Vogelsang, M. (2010). Digitalization in Open Economies: Theory and Policy Implications, Berlin:
Springer.
Wolf, J. (2011). Organisation, Management, Unternehmensführung. 4. Aufl. Wiesbaden: Gabler.

Univ.-Professor Dr. Dr. habil. Wolfgang Becker  ist Ordinarius für Betriebswirtschaftslehre und
Inhaber des Lehrstuhls Unternehmensführung & Controlling und Mitglied des Direktoriums des
Kompetenzzentrums für Geschäftsmodelle in der digitalen Welt an der Otto-Friedrich-Universität
Bamberg. Darüber hinaus leitet er als Wissenschaftlicher Direktor das Europäische Forschungsfeld
für Angewandte Mittelstandsforschung (EFAM), das Forschungsfeld für Value Based Management
sowie das Forschungsfeld für Digitale Geschäftsmodelle. Diese Themenfelder stellen auch seine
Forschungsschwerpunkte dar. Professor Becker vertritt zudem das Fachgebiet Unternehmens-
führung & Controlling im berufsbegleitenden Online-Masterstudiengang Wirtschaftsinformatik
(VAWi) der Universitäten Bamberg und Duisburg-Essen, im MBA Studiengang Business Manage-
ment an der Universität Erlangen-Nürnberg und im Executive MBA-Programm der Johannes
1  Begriff der Digitalisierung – Extension … 13

Gutenberg-Universität Mainz. Schließlich ist er Gründer, Gesellschafter und Beiratsvorsitzender


der Scio GmbH Professor Dr. W. Becker in Erlangen, die der Wirtschaftspraxis Beratung auf dem
Gebiet des integrierten Strategie- und Organisationsdesigns anbietet.

Prof. Dr. Alexander Pflaum  ist Experte für den Einsatz von Informations- und Kommunikations-
technologien in Wertschöpfungsprozessen. Seit über 20 Jahren ist Alexander Pflaum für das Fraun-
hofer-Institut für Integrierte Schaltungen IIS und deren Arbeitsgruppe für Supply Chain Services
in unterschiedlichsten Funktionen tätig; u. a. als Leiter des Zentrums für Intelligente Objekte ZIO,
der Abteilung Technologie und Supply Chain Management sowie der Forschergruppe Bamberg,
die die Entwicklung von Geschäftsmodellen in der digitalen Welt erforscht und Unternehmen
bei der Umsetzung im Geschäftsalltag unterstützt. Seit Oktober 2011 hat er darüber hinaus den
Lehrstuhl für Betriebswirtschaftslehre, insbes. Supply Chain Management, an der Otto-Friedrich-­
Universität Bamberg inne. Im Mai 2016 wurde Alexander Pflaum zudem zum neuen Leiter der
Fraunhofer-Arbeitsgruppe für Supply Chain Services SCS mit Standorten in Nürnberg und Bam-
berg berufen, deren Vision es ist, aus Daten Erfolg und Mehrwert für Unternehmen zu schaffen.
Digitale Transformation von
Geschäftsmodellen – Ein konzeptioneller 2
Bezugsrahmen

Wolfgang Becker

Inhaltsverzeichnis

2.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2 Begriffliche Grundlagen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.1 Geschäftsmodell. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.2 Digitalisierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.3 Bezugsrahmen für das Digitalisierungs-Management. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3.1 Begriff und Funktionsweise eines Bezugsrahmens. . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3.2 Darstellung des Bezugsrahmens für das Digitalisierungs-Management. . . . . . . . . 26
2.3.3 Forschungsfelder des Digitalisierungs-Managements. . . . . . . . . . . . . . . . . . . . . . . 28
2.4 Schlussbetrachtung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

Zusammenfassung
Die digitale Transformation von Geschäftsmodellen kann keinesfalls als ein punktu-
eller Akt verstanden werden. Hierbei handelt es sich um einen durchaus komplexen
Innovationsprozess, welcher durch eine hohe Mehrdimensionalität charakterisiert
wird und letztendlich dem Ziel der Wertschöpfung unterliegt. Das zielorientierte
Management dieser Transformation ist sowohl für die Wissenschaft als auch für die
Praxis von hohem Interesse. Um die digitale Transformation erfolgreich zu gestalten,
obliegt es der Wissenschaft einen konzeptionellen Bezugsrahmen zu entwickeln. Die-
ser soll neben der Strukturierung des komplexen Innovationsprozesses der digitalen

W. Becker (*) 
Lehrstuhl für Betriebswirtschaftslehre, insbesondere Unternehmensführung & Controlling
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: wolfgang.becker@uni-bamberg.de

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019 15
W. Becker et al. (Hrsg.), Geschäftsmodelle in der digitalen Welt,
https://doi.org/10.1007/978-3-658-22129-4_2
16 W. Becker

­ ransformation die bedeutsamen Wechselwirkungen zwischen den generischen Ele-


T
menten internalisieren und damit ein Rahmenwerk für die praxisorientierte Umsetzung
repräsentieren.

2.1 Einleitung

Der Begriff der Digitalisierung erscheint im Moment allgegenwärtig (Becker et al. 2017;
Gassmann und Sutter 2016; Kollmann und Schmidt 2016; Burmester und ­Gschwendtner
2015). In diversen Print- und Onlinemedien erscheinen nahezu täglich Artikel über die
Bedeutung der Digitalisierung für den Standort Deutschland. Auch seitens der Politik
wird meist öffentlichkeitswirksam und parteiübergreifend, jedoch nicht immer wirksam
genug, auf die hohe Bedeutung der Digitalisierung hingewiesen, wie dies bspw. bereits
die Rede des Bundespräsidenten Joachim Gauck im Rahmen des Festaktes zum Tag der
Deutschen Einheit 2013 verdeutlichte:

• „Wie viele haben wir in den vergangenen Jahren hinzugewonnen, durch Internet und
durch mobile Kommunikation – ein Umbruch, dessen Konsequenzen die meisten bis-
lang weder richtig erfasst noch gar gestaltet haben. Wir befinden uns mitten in einem
Epochenwechsel. Ähnlich wie einst die industrielle Revolution verändert heute die
digitale Revolution unsere gesamte Lebens- und Arbeitswelt, das Verhältnis vom Bür-
ger zum Staat, das Bild vom Ich und vom Anderen. Ja, wir können sagen: Unser Bild
vom Menschen wird sich ändern.“
• „Die digitalen Technologien sind Plattformen für gemeinschaftliches Handeln, Trei-
ber von Innovation und Wohlstand, von Demokratie und Freiheit, und nicht zuletzt
sind sie großartige Erleichterungsmaschinen für den Alltag. Sie navigieren uns zum
Ziel, sie dienen uns als Lexikon, als Spielwiese, als Chatraum, und sie ersetzen den
Gang zur Bank ebenso wie den ins Büro.“

Bund und Länder haben in diesem Zusammenhang verschiedene wirtschaftspolitische


Maßnahmen ergriffen, um den von Joachim Gauck proklamierten „Epochenwechsel“
zu bewältigen. Exemplarisch zu nennen ist beispielsweise die digitale Agenda oder das
Zukunftsprojekt Industrie 4.0 (Zum Begriff Industrie 4.0 siehe Lasi et al. 2014) des
Bundesministeriums für Wirtschaft und Energie. Auf Landesebene werden ebenfalls Pro-
jekte angestoßen, wie die Initiative „Bayern Digital“ der bayerischen Staatsregierung
verdeutlicht. Zweifelsohne ist die funktionale Ausdifferenzierung eines institutionellen
Bereiches, der für allgemeine und gemeinschaftliche Aufgaben zuständig ist, ein zent-
rales Charakteristikum moderner Gesellschaften, da Privatpersonen oder Personen-
gruppen oftmals nicht über die Kapazitäten verfügen, individuell den zukünftigen
Herausforderungen zu begegnen (Schneider und Janning 2006, S. 15). Obwohl die Poli-
tik den zu gehenden Weg der nächsten Jahre aufzeigt, reicht ein bloßer Reaktionismus
der Unternehmenspraxis nicht aus. Alleiniges Reagieren könnte angesichts des erforder-
lichen Investments sogar existenzgefährdend sein; es scheint eher ein proaktives Handeln
2  Digitale Transformation von Geschäftsmodellen … 17

e­ ssenziell zu sein. Im betriebswirtschaftlichen Kontext wird daher zunehmend über die


Digitalisierung von ganzen Geschäftsmodellen (digitale Transformation) diskutiert.
Die gegenwärtige Diskussion wird nicht nur von der Unternehmenspraxis geführt,
auch die Wissenschaft hat sich dieser Thematik angenommen. Die wissenschaftlich-uni-
versitäre Forschung ist zwar im Bereich der Betriebswirtschaftslehre noch überschau-
bar, gleichwohl wird in Zukunft mit einer steigenden Anzahl an konzeptionellen und
empirischen Arbeiten zu rechnen sein. Die außeruniversitäre Forschung, bspw. durch
Beratungshäuser, ist gegenwärtig dominierend. Verschiedene Publikationen zeigen deut-
lich (z. B. Commerzbank AG 2015; Bloching et al. 2015), dass die Unternehmenspraxis
sich zunehmend mit Thema der Digitalisierung des Geschäftsmodells auseinandersetzt.
Zu konstatieren ist jedoch auch, dass Vorstände und Geschäftsführer mehr Erfahrung
darin haben, Strategien in Geschäftsprozesse zu überführen, als in der digitalen Trans-
formation von Geschäftsmodellen (Ähnlich Al-Debei et al. 2008, S. 1).
Der Betriebswirtschaftslehre als angewandte Wissenschaft (Ulrich 1982, S. 1 ff.),
welche primär ein praktisches Wissenschaftsziel verfolgt (Ulrich 1981, S. 1 ff.), sollte
in diesem Zusammenhang der Unternehmenspraxis im Rahmen der Digitalisierung von
Geschäftsmodellen beratend/unterstützend zur Seite stehen.
Die digitale Transformation von Geschäftsmodellen an sich ist kein punktueller Akt,
vielmehr ist es ein komplexer (zum Komplexitätsbegriff siehe Becker 1992, S. 171)
Innovationsprozess, welcher durch zahlreiche Facetten gekennzeichnet ist und letztlich
Wertschöpfung (zur Wertschöpfung siehe Abschn. 2.1) zum Ziel hat (Amit und Zott
2012). Das Management der digitalen Transformation ist sodann für Wissenschaft und
Praxis gleichermaßen von Interesse. Die Entwicklung eines konzeptionellen Bezugs-
rahmens sollte allerdings eher der Wissenschaft obliegen.
Zielsetzung des vorliegenden Beitrages ist es daher, einen für die Unternehmenspraxis
geeigneten Bezugsrahmen für das Management der Digitalisierung von Geschäfts-
modellen zu präsentieren. Der Bezugsrahmen dient vorrangig dazu, den komplexen
Prozess der digitalen Transformation systematisierend und ordnend zu strukturieren.
Darüber hinaus sollen bedeutsame Wechselwirkungen zwischen den Elementen des
Bezugsrahmens offengelegt werden (siehe Abschn. 2.3.1).
Bevor der Bezugsrahmen jedoch vorgestellt wird, sind zunächst begriffliche Grund-
lagen zu legen. Im folgenden Abschn. 2.2 werden daher die Begriffe „Geschäftsmodell“
und „Digitalisierung“ erörtert. In Abschn. 2.3 erfolgen dann eine Darlegung des Bezugs-
rahmens sowie der daraus resultierenden Forschungsfelder. In Abschn. 2.4 werden die
wichtigsten Erkenntnisse zusammengefasst.

2.2 Begriffliche Grundlagen

In diesem Kapitel werden die Grundlagen des Beitrags vorgestellt. Hierzu wird zunächst
auf den Begriff „Geschäftsmodell“ eingegangen, bevor dann eine Auseinandersetzung
mit dem Begriff „Digitalisierung“ erfolgt.
18 W. Becker

2.2.1 Geschäftsmodell

Das Geschäftsmodell ist ein ursprünglich aus der Wirtschaftsinformatik entstammendes


Konstrukt, das in der Betriebswirtschaftslehre aufgegriffen und dort in letzter Zeit
zunehmend als strategisch orientiertes Analyse- und Gestaltungsmodell genutzt wird. In
der betriebswirtschaftlichen Forschung lassen sich bestehende Definitionen und Operatio-
nalisierungen entweder als Partial- oder als Universalansätze kennzeichnen (Wirtz 2013).
Partialansätze beschränken sich auf die Teilaspekte eines Unternehmens oder beschreiben
branchenspezifische Geschäftsmodelle (Meinhardt 2002, S.  219). Universalansätze
beschreiben hingegen das Geschäftsmodell von Unternehmen als Ganzes und können
auch über Unternehmensgrenzen hinausgehen. Bekannte Geschäftsmodelldefinitionen
sind bspw. von Timmers (1998), Osterwalder und Pigneur (2010), Zott und Amit (2010).
Timmers (1998) versteht unter einem Geschäftsmodell „the architecture for the pro-
duct, service and information flows, including a description of the various business
actors and their roles and a description of the potential benefits for the various business
actors and a description of the sources of revenues“ (Timmers 1998, S. 4).
Osterwalder und Pigneur (2010) wählen eine Definition, die die Wertschöpfung eines
Unternehmens stärker berücksichtigt. Ein Geschäftsmodell beschreibt demnach „the
rationale of how an organization creates, delivers, and captures value“ (Osterwalder und
Pigneur 2010, S. 14).
In dem Verständnis von Zott und Amit (2010) ist ein Geschäftsmodell „a system of
interdependent activities that transcends the focal firm and spans its boundaries“ (Zott
und Amit 2010, S. 216). Dabei stehen insbesondere die Aktivitäten „content“, „structure“
und „governance“ im Fokus der Betrachtung.
Eine einheitlich akzeptierte Definition konnte sich bisher nicht durchsetzen. Dies
kann unter anderem auf die historische Entwicklung des Konstrukts Geschäftsmodell
zurückgeführt werden (Shafer et al. 2005, S. 200).
Für den weiteren Verlauf soll daher ein integrierendes Verständnis dieser Definitions-
ansätze eines Geschäftsmodells gewählt werden. Unter einem Geschäftsmodell wird
daher, in Anlehnung an Schoegel (2001) und Becker und Ulrich (2013), die (verein-
fachende, strukturähnliche oder strukturgebende) Abbildung von ausgewählten Aspekten
der Ressourcentransformation des Unternehmens, sowie seiner Austauschbeziehungen
mit anderen Marktteilnehmern verstanden.
Ein Geschäftsmodell beschreibt damit u. a. das Grundprinzip, nach dem Unternehmen
Wertschöpfung betreiben. Die Wertschöpfung eines Betriebes stellt dabei eine Maßgröße
dar, die das Ergebnis des betrieblichen Prozesses kennzeichnet, der zur Schaffung eines
betrieblichen Wertes führt. Der Mehrwert, den ein Betrieb durch die betriebliche Leistungs-
erstellung den Vorleistungswerten hinzugefügt hat, determiniert die Wertschöpfung
(Becker 1999, S. 6). Die Wertschöpfung sichert die langfristige Unternehmensexistenz
und stellt letztlich den eigentlichen Zweck eines Unternehmens dar. Unternehmen lassen
sich als dauerhaft zu erhaltende Institutionen ökonomischen Handelns verstehen, die stets
im Spannungsfeld unterschiedlicher Interessen stehen (Becker 1996, S. 24 ff.). In diesem
2  Digitale Transformation von Geschäftsmodellen … 19

Sachökonomische Verhaltensökonomische
Perspektive Perspektive
Wert-
schöpfung

Fremd- Entgelterzielung Bedürfnisbefriedigung


bedarfs-
deckung Löhne Steuern Nutzen
und Gebühren Zinsen Gewinne
(Kunden- (Personal Stake Value)
Gehälter Abgaben
nutzen)

Abb. 2.1  Definition der Wertschöpfung

Zusammenhang erfüllen Unternehmen gesellschaftlich intendierte, zwecksetzende Rol-


len (Becker 1996, S. 29 ff.): Dazu zählen die auf die Entstehung von Kundennutzen zie-
lende (also vorrangig Fremd-)Bedarfsdeckung, die Entgelterzielung (Gewinne, Gehälter
und Löhne, Zinsen, Steuern, etc.) und die Befriedigung der vielschichtigen Bedürfnisse der
unternehmerischen Interessenträger. Die Realisierung dieser Rollen dient schließlich dazu,
die Wertschöpfungsfunktion von Unternehmen zu erfüllen (Becker 1996, S. 31). Die so
definierte Wertschöpfung enthält nicht allein sachökonomische, sondern mit der Bedürfnis-
befriedigung auch verhaltensökonomische Bestandteile; dies verdeutlicht Abb. 2.1.
Anzahl und Ausgestaltung der konstituierenden Elemente von Geschäftsmodellen
sind in der Literatur noch nicht abschließend geklärt (Morris et al. 2005, S. 727 f.). Es
existieren Konstrukte von drei (Amit und Zott 2001, S. 511) bis neun (Osterwalder und
Pigneur 2010, S. 16 f.) beschreibenden Elementen.
Ein verbreitetes Konstrukt in der Unternehmenspraxis stellt das von Osterwalder
und Pigneur (2002, 2010) entwickelte Business Model Canvas dar. Ausgehend von dem
Grundgedanken, dass ein Geschäftsmodell aus den vier Säulen „Produkt“, „Kunden-
schnittstelle“, „Infrastrukturmanagement“ und „Finanzen“ besteht, wurden neun konsti-
tuierende Geschäftsmodellelemente abgeleitet (Osterwalder und Pigneur 2010, S. 16 f.).
Die einzelnen Elemente sind nicht isoliert zu betrachten, sondern stehen in engen
Wechselwirkungen zueinander.
Das Modell greift damit offenkundig typische, innerhalb der Betriebswirtschaftslehre
bereits früh identifizierten und in der traditionellen Produktions- und Absatztheorie ver-
arbeiteten Elemente auf (Gutenberg 1929, 1951, 1955 und 1969) und stellt sie in einen
auf die Wertschöpfung fokussierten Gesamtzusammenhang.
Abb. 2.2 zeigt die Visualisierung der einzelnen Geschäftsmodell-Elemente in Form
des sog. Business Model Canvas.
Das zentrale Element des Business Model Canvas stellt die „Value Proposition“ dar.
Es beschreibt die Produkte und/oder Dienstleistungen in Form eines Nutzenversprechens.
20 W. Becker

Key Customer
Activities Relationship
Key Value Customer
Partners Proposition Segments
Key
Channels
Resources

Cost Structure Revenue Streams

Abb. 2.2  Business Model Canvas. (Quelle: nach Osterwalder und Pigneur 2010, S. 16 f.)

Dieses richtet sich an die Kunden, die in dem Element „Customer Segments“ zusammen-
gefasst werden und Personengruppen sowie Organisationen darstellen, die durch das
Wertversprechen des Unternehmens angesprochen werden sollen. Das Element „Chan-
nels“ beschreibt, auf welche Art und Weise die Kundensegmente erreicht und adressiert
werden, um das Wertangebot zu vermitteln. Der Baustein „Customer Relationships“
bezieht sich auf die Arten von Beziehungen, die das Unternehmen zu einem bestimmten
Kundensegment aufbaut. Die Einnahmen aus den jeweiligen Kundensegmenten werden
dabei unter dem Element „Revenue Streams“ subsummiert. Unter die „Key Resources“
fallen die relevanten Ressourcen, die für das Geschäftsmodell notwendig sind. „Key Acti-
vities“ hingegen beziehen sich auf die wichtigsten Aktivitäten, die eine Organisation zur
Generierung der „Value Proposition“ ausführt. Das Netzwerk aus Zulieferern und Part-
nern, die einen Beitrag zum Gelingen des Geschäftsmodells leisten, wird dem E ­ lement
„Key Partners“ zugeordnet. Die im Rahmen der Ausführung des Geschäftsmodells
anfallenden Kosten werden in dem Element „Cost Structure“ abgebildet (Osterwalder
und Pigneur 2010, S. 16 ff.).
Das Business Model Canvas zeichnet sich insbesondere durch ein intuitives Verständ-
nis und durch eine besonders einfache Handhabung aus. Es eignet sich gut für die Visu-
alisierung der von den Autoren identifizierten neun Elemente eines Geschäftsmodells
(Massa und Tucci 2014, S. 432). Es ist vor allem als Tool zur Generierung von Ideen
für Geschäftsmodell-Innovationen, z. B. innerhalb von typischen Berater-Workshops, gut
geeignet. In der Ausgestaltung des Business Model Canvas, die eine betriebswirtschaft-
lich erforderliche Ganzheitlichkeit vermissen lässt, finden sich allerdings einige eher kri-
tisch zu beleuchtende Tatbestände.
Zunächst ist festzustellen, dass sich das Business Model Canvas gedanklich auf
einer einzigen Ebene abbildet. Dies ist zwar vor dem Hintergrund einer möglichst ein-
fachen und wenig komplexen Modellbildung vorteilhaft, kann jedoch auch eine zu
starke Vereinfachung darstellen. Insbesondere zur Anwendung in größeren Unternehmen
sollte eine diesbezügliche Flexibilität bestehen, um auch komplexe Anwendungsfälle
bewältigen zu können. Zudem ist auch zu berücksichtigen, dass ein Geschäftsmodell es
ermöglichen sollte, stets alle für die Wertschöpfung bedeutsamen Beziehungen abzu-
bilden. Dazu zählen regelmäßig auch marktbezogene und gesellschaftliche Beziehungen,
die auf einer anderen Ebene, als die eigentlichen Leistungserstellungsprozesse des
Unternehmens selbst stattfinden.
2  Digitale Transformation von Geschäftsmodellen … 21

Im engen Zusammenhang mit dem zuvor beleuchteten Aspekt steht der Mangel, dass
im Business Model Canvas die differenzierende und systematische Betrachtung der
Unternehmensumwelt fehlt. Das Modell stellt eine vorrangig interne Betrachtungsweise
dar. Unternehmen handeln jedoch immer auch in Abhängigkeit der jeweiligen Unter-
nehmensumwelt, sodass eine Ausblendung der Gesamtheit der Märkte, in denen Unter-
nehmen agieren, nicht sinnvoll erscheint. Immerhin beruht letztlich die Wertschöpfung
von Unternehmen auf der Transformation von Gütern zwischen verschiedenen Märkten,
sodass eine Ausblendung der komplexen Marktsituation dazu führen kann, dass auch die
Wertschöpfung nur in Teilaspekten betrachtet wird. Zudem sollten auch die Beziehungen
von Unternehmen zur Gesellschaft eine angemessene Berücksichtigung finden. Die
Ausblendung von marktbezogenen und gesellschaftlichen Beziehungen kann zu unter-
nehmerischen Fehlentscheidungen führen; dies wird insbesondere in markt- und umwelt-
orientierten Managementansätzen betont (vgl. u. a. Porter 1985 und Lawrence und
Lorsch 1969).
Weiterhin ist festzustellen, dass bei der Auswahl der einzelnen Geschäfts-
modell-Elemente unterschiedliche Abstraktionsniveaus gewählt wurden. Dies erschwert
das Verständnis des Geschäftsmodells und zudem die praxisorientierte Anwendbarkeit.
So wird die Verbindung zu den Kunden durch drei verschiedene Elemente und somit
sehr differenziert abgebildet („Customer Segments“, „Customer Relationship“ und
„Channels“). Das Verhältnis zu den Lieferanten wird dagegen nur durch ein Element
(„Key Partners“) dargelegt. Dies kann gerade im Falle einer etwa auf Basis von Block-
chain-Technologien stärker vernetzten Wertschöpfung bzw. bei Anwendung von Platt-
form-Technologien, wie sie in digital vernetzten Unternehmensstrukturen vorkommen,
zu einer allzu undifferenzierten Betrachtung führen.
Darüber hinaus ist festzustellen, dass der gewählten Zusammensetzung der konsti-
tuierenden Elemente eine sachgerecht differenzierte Betrachtung der Wertsphäre aus
erfolgs- und finanzwirtschaftlicher Perspektive fehlt. Zwar erfolgt der Hinweis auf die
geschäftsmodellspezifische Erlös- und Kostensituation, wohingegen die Aggregation
zum Erfolg insgesamt jedoch ausbleibt. Zudem mangelt es an der expliziten Betrachtung
von Ein- und Auszahlungsströmen und den mit diesen betriebswirtschaftlichen Rechen-
größen im Zusammenhang stehenden Investitions- und Finanzierungsgesichtspunkten.
Dies birgt die große Gefahr, dass auf der Grundlage eines solchen Geschäftsmodells
die Existenzsicherung nicht sichergestellt werden kann. Diese Gefahr ist bedeutsam;
so führten in Zeiten der New Economy nicht selten auftretende Liquiditätsengpässe zu
einer Vielzahl an Insolvenzen. Auch heute ist zu beobachten, dass insbesondere junge
Internetunternehmen große Wachstumsraten anstreben und selbst nach mehreren Jah-
ren Geschäftstätigkeit nicht genügend Erlöse erwirtschaften können, um das Abhängig-
keitsverhältnis zu Investoren und anderen externen Kapitalgebern zu verringern. Dies
verdeutlichen prominente Beispiele, wie etwa Rocket Internet. Eine differenziertere
Betrachtung der Wertsphäre ist daher unbedingt erforderlich, damit die Steuerung und
die Existenzsicherung von Unternehmen gelingen.
22 W. Becker

Des Weiteren stellt das Business Model Canvas vorrangig darauf ab, den Zusammen-
hang der unternehmerischen Leistungserstellung selbst abzubilden. Damit fokussiert sich
das Modell auf die Realisationshandlungen von Unternehmen. Der gesamte Führungs-
zusammenhang fehlt hingegen. Dies ist angesichts der doch bewusst hergestellten Fokus-
sierung auf die Wertschöpfung besonders unverständlich, da dies eine Betrachtung der
Unternehmensführung im Sinne eines Value Based Managements nahezu unumgäng-
lich macht (vgl. hierzu Ballwieser 2000 und Martin und Petty 2000). Eine derartige
Betrachtung sollte es zudem ermöglichen, im Unternehmen zwischen strategischen und
operativen Entscheidungs- und Handlungshorizonten zu differenzieren und den in die-
sem Kontext letztlich nur dynamisch verstehbaren Prozess der Entstehung von Wert, also
eben die Wertschöpfung, beleuchten.
Schließlich stellt die im Business Model Canvas gewählte Darstellung leider nur
eine statische Betrachtung dar. Veränderungen und daraus resultierende Wirkungen
lassen sich folglich mithilfe dieses Modells nicht beschreiben. Dies kann zu einer zu
kurzfristigen Denkweise des Managements führen, die für den langfristigen unter-
nehmerischen Erfolg abträglich ist.
Die angeführten Kritikpunkte des Business Model Canvas legen eine andersartige
Konzeptualisierung eines Geschäftsmodells nahe. Die Balance Value Map als Geschäfts-
modell in Abb. 2.3 berücksichtigt einen großen Teil der zuvor skizzierten Kritikpunkte
und soll hier genauer betrachtet werden. Dieses Geschäftsmodell kann als ein generisches
Modell angesehen werden, da es sich grundsätzlich in beliebigen Branchen auf beliebige
Unternehmen (bzw. auch auf komplexe Unternehmensverbünde) anwenden lässt.

Absatzmärkte
Vertriebs-
kanäle

Produkt- /
(Leistungsbreite / Leistungstiefe)

Erfolg
Leistungs-
bündel
Programm

Prozesse Gesell-
Erfolgs- Märkte
(u./o. Projekte) schaft
potential

Liquidität Kapital-
Potentiale
Fremdfinanzierung märkte
bzw.
Ressourcen
Beschaffungs- und Arbeitsmärkte

Abb. 2.3  Die Balanced Value Map


2  Digitale Transformation von Geschäftsmodellen … 23

Den äußeren Rahmen des generischen Geschäftsmodells bildet die jeweilige Gesell-
schaft, innerhalb derer das zu betrachtende Unternehmen handelt. Das unternehmerische
Handeln selbst erfolgt im Spannungsfeld verschiedener Märkte. Diesbezüglich sind
die Beschaffungs- und Arbeitsmärkte, die Absatzmärkte und die Kapitalmärkte zu
betrachten, um in einer ganzheitlich geprägten Sicht die Wertschöpfungsaktivitäten im
jeweiligen situativen Kontext sicherstellen zu können.
Die Leistungserstellung und -verwertung eines zu betrachtenden Unternehmens lässt
sich vornehmlich aus der Betrachtung des Leistungsprogramms erschließen. Dieses
Leistungsprogramm kann hinsichtlich seiner Dimensionen differenziert werden. Dazu
zählen die Leistungsbreite, die Festlegungen bezüglich des Leistungssortiments umfasst,
und die Leistungstiefe, die der grundsätzlichen Klärung von Make or Buy-Fragen dient.
Innerhalb dieser Dimensionen des Leistungsprogramms lassen sich fünf konstituierende
Elemente unterscheiden: Dazu zählen die Schlüssellieferanten, die (Leistungs-)Poten-
ziale bzw. Ressourcen, die Prozesse und Projekte, die Produkte bzw. Leistungsbündel
und die Vertriebskanäle. Diese Elemente lassen sich nahezu beliebig ausdifferenzieren,
sodass ein unterschiedlich komplexes Abbild des betrachteten Unternehmens entsteht.
Zwischen den Elementen bestehen Wechselwirkungen, die vorrangig durch den jewei-
ligen Leistungserstellungs- und Leistungsverwertungsprozess determiniert werden. Die
Randelemente stellen zudem die Interaktionen zu den betroffenen Märkten sicher.
Die Führungsaufgaben im Geschäftsmodell werden durch den übergelagerten Regel-
kreislauf der strategischen Unternehmensführung (vgl. dazu Gälweiler 2005), der aus
den Führungsgrößen der Erfolgspotenziale, des (daraus zu realisierenden) Erfolgs und
der (daraus sicherzustellenden) Liquidität besteht. Dieses kybernetisch geprägte Kreis-
laufmodell ist geschlossenen. Mithin kann die erwirtschaftete Liquidität im Sinne einer
Innenfinanzierung, die ggf. durch Außenfinanzierung zu ergänzen ist, zur Erneuerung
der Erfolgspotenziale eingesetzt werden. Der gesamte, möglichst geschlossene Regel-
kreislauf stellt schließlich den grundlegenden Funktionsmechanismus der betrieblichen
Wertschöpfung dar (Becker et al. 2013, S. 556). Das Zusammenspiel der strategischen
(Erfolgspotenziale) und der operativen (Erfolg, Liquidität) Führungsgrößen lässt sich nun
in diesem Kontext der Wertschöpfung dynamisch betrachten. Die Erfolgspotenziale, die
zu schaffen (Suche, Bereitstellung, Auf- und Ausbau), zu nutzen und zu erhalten sind,
bilden die Vorsteuergröße des eigentlichen Erfolgs; sie sind Bestandteil der strategischen
Führungsaufgaben. Die operativen Führungsgrößen, die den erfolgs- und finanzwirtschaft-
lichen Rahmen des unternehmerischen Handelns bilden, sind nicht zwingend kongruent
zueinander. Insofern entsteht regelmäßig ein dauerndes Spannungsverhältnis zwischen
strategischen und operativen Führungsaspekten sowie auch zwischen erfolgs- und finanz-
wirtschaftlichen Lenkungsgrößen. Die dauerhafte Aufrechterhaltung des Wertschöpfungs-
kreislaufs bedingt nun, die auftretenden Zielkonflikte im Sinne eines die Balance
sichernden, also insofern stetigen, Interessenausgleichs zu managen. Gelingt dies, kann
daraus folgend die Existenzsicherung eines Unternehmens sichergestellt werden.
24 W. Becker

2.2.2 Digitalisierung

Der Begriff der Digitalisierung wird gegenwärtig in Forschung und Praxis noch immer
kontrovers diskutiert (Becker et al. 2015, S. 264). Bislang konnte sich in der betriebs-
wirtschaftlichen Literatur kein wirklich einheitliches Begriffsverständnis etablieren. Die
Begriffe „Digital“ oder „Digitalisierung“ sind – obwohl sie allgegenwärtig erscheinen –
seltsam unbestimmt (Krickel 2015, S. 42). Die nachfolgenden Beispiele zeigen exempla-
risch die Vielfalt an Definitionsansätzen.

• Digitalization is „[…] the transition from conducting business activities in a traditio-


nal manner to conducting them in a digital form“ (BarNir et al. 2003, S. 792).
• „Digitalisierung kann definiert werden als die Umwandlung von analogen Signalen in
digitale Daten“ (Loebbecke 2006, S. 360).
• „Digitalization is the integration of digital technologies into the business to achieve
maximum benefit, particularly with respect to information“ (Hiller 2013, S. 5).
• „Digitalisierung umfasst alles, […] was die Auswirkung des Einsatzes von IT und die
Durchdringung des täglichen Lebens in allen Bereichen mit Technik und Services, ob pri-
vat oder institutionell, beschreibt, untersucht und erklärt“ (Baumöl und Jung 2014, S. 41).
• „Transformation von Geschäftsmodellen mit Hilfe von Informations- und
Kommunikationstechnologien zur Reduktion von Schnittstellen, zur funktionsüber-
greifenden Vernetzung und zur Erhöhung der Effektivität und Effizienz verstanden“
(Becker et al. 2015, S. 264).

Eine zweckbezogene Begriffsbestimmung ist die notwendige Voraussetzung, um eine


relativ präzise Vorstellung vom Wesen des jeweiligen Untersuchungsgegenstandes zu
erhalten (Wolf 2013, S. 8). Entsprechend dieser Sicht wird Digitalisierung im Bamberger
„Kompetenzzentrum für Geschäftsmodelle in der digitalen Welt“ wie folgt definiert:

Digitalisierung ist die strategisch orientierte Transformation von Prozessen, Produkten,


Dienstleistungen bis hin zur Transformation von kompletten Geschäftsmodellen unter Nut-
zung moderner Informations- und Kommunikationstechnologien (IuK) mit dem Ziel, nach-
haltige Wertschöpfung effektiv und effizient zu gewährleisten.

Diese Definition erscheint vor dem Hintergrund der aktuellen Diskussion über die Digi-
talisierung vor allem deshalb zweckdienlich, da hier die Digitalisierung zunächst weiter
gefasst wird als die doch eher technische Betrachtung der Umwandlung von analogen
Signalen in digitale Daten (binäre Codierung). Darüber hinaus wird hier der prozes-
suale Akt der letztlich stets strategisch orientierten Transformation in den Mittelpunkt
der Betrachtung gestellt. Dies sollte vor dem Hintergrund des notwendigen technischen
und wirtschaftlichen Wandels unserer Gesellschaft besonders bedacht werden. Schließ-
lich rückt diese Definition das ökonomische Ziel der Wertschöpfung in den Fokus und
ermöglicht damit eine facettenreiche Betrachtung der unterschiedlichen Dimensionen
der Wertschöpfung (Bedarfsdeckung, Entgelterzielung und Bedürfnisbefriedigung). Dies
2  Digitale Transformation von Geschäftsmodellen … 25

erscheint angesichts der Chancen und Risiken, die mit der Entwicklung in eine digitale
Gesellschaft einhergehen, besonders bedeutsam zu sein.

2.3 Bezugsrahmen für das Digitalisierungs-Management

In diesem Kapitel wird zunächst der im Bamberger „Kompetenzzentrum für Geschäfts-


modelle in der digitalen Welt“ genutzte Bezugsrahmen für das Digitalisierungs-Manage-
ment vorgestellt. Im Anschluss daran werden typische, dazugehörige Forschungsfelder
vorgestellt.

2.3.1 Begriff und Funktionsweise eines Bezugsrahmens

In der einschlägigen Literatur existieren verschiedene inhaltliche Ausgestaltungen, die


sich mit dem Begriff „Bezugsrahmen“ verbinden (Kirsch et al. 2007, S. 22). Der vor-
liegende Beitrag nutzt im Rahmen der Verwendung des Begriffs „Bezugsrahmen“ die
von Kubicek (1977) vertretene Ansicht und verwendet die folgende Definition:

Allgemein werden als theoretische, gedankliche oder konzeptionelle Bezugsrahmen


(conceptual schemes, conceptual frameworks, frames of reference) Aussagensysteme
bezeichnet, die von ihrer logischen Konsistenz und Operationalität her nicht den strengen
Anforderungen an ein Hypothesensystem genügen. Zumeist werden sie als provisorische
Erklärungsmodelle begriffen, die sowohl den weiteren Forschungsprozeß [sic!] steuern als
auch unmittelbar Orientierungshilfen für die Lösung praktischer Probleme liefern sollen
(Kubicek 1977, S. 17 f.).

Ein derartiger Bezugsrahmen kann im Rahmen eines Forschungsprozesses verschiedene


Stufen annehmen (Rößl 1990, S. 100):

Stufe 1: Der prästrukturierende heuristische Bezugsrahmen


Dieser Bezugsrahmen dient in einem völlig neuen Forschungsbereich der Schaffung von
intersubjektiv nachvollziehbarer Transparenz für ein vages Verständnis, auf dessen Basis
die wissenschaftliche Untersuchung konzipiert wurde.

Stufe 2: Der systematisierende und dokumentierende heuristische Bezugsrahmen


Dieser Bezugsrahmen dient als ein Integrationsinstrument mit Hypothesencharakter,
da die isolierten Hypothesen aus dem konkreten Forschungskontext in den allgemeinen
Bezugsrahmen übernommen werden.

Stufe 3: Der pseudotheoretische Bezugsrahmen


Dieser Bezugsrahmen steht an der Grenze zur Wissenschaft im Sinne des kritischen
Rationalismus, da er bereits einen gewissen Gültigkeitsanspruch beinhaltet und damit ein
fließender Übergang zur Theorie erfolgt.
26 W. Becker

In der vorliegenden Arbeit handelt es sich aufgrund des hohen Novitätsgrades des
betrachteten Forschungsbereiches um einen prästrukturierenden heuristischen Bezugs-
rahmen, der allerdings auch bereits systematisierende Bestandteile enthält. Dies ent-
spricht auch dem typischen Verständnis in der Betriebswirtschaftslehre, demzufolge ein
Bezugsrahmen für die betriebswirtschaftliche Forschung eben insbesondere eine heu-
ristische Funktion erfüllt (Heinen 1991, S. 775). In diesem Zusammenhang dient der
Bezugsrahmen nicht nur der transparenten Darlegung eines vagen Verständnisses von
Zusammenhängen in einem neuen Forschungsbereich, sondern kann im Forschungs-
prozess weitere Funktionen erfüllen (Kirsch et al. 2007, S. 29 f.):

• Voraussetzungen schaffen, um zu konkreten, relativ strukturierten Modellen zu gelangen;


• Skizzierung eines Theorieentwurfs;
• Systematisierung diverser Forschungsbemühungen zu einem spezifischen Thema;
• Verständigung von Forschern;
• Beschreibung und Interpretation;
• Erklärungsskizzen, die zu einem Verständnis von Zusammenhängen führen.

Das heuristische Potenzial eines Bezugsrahmens ist umso größer, „je mehr die formu-
lierten Fragen und Interpretationsmuster zur Gewinnung von Erfahrungswissen führen,
das seinerseits zur Präzisierung der theoretischen Perspektive und zur Formulierung von
neuen, weiterführenden Fragen führt“ (Kubicek 1977, S. 19).

2.3.2 Darstellung des Bezugsrahmens für das Digitalisierungs-


Management

Den vorherigen Erkenntnissen folgend ist im Kontext der Digitalisierung von Geschäfts-
modellen ein Bezugsrahmen notwendig, welcher die wesentlichen Bestandteile und
Zusammenhänge der digitalen Transformation von Geschäftsmodellen beinhaltet. Ein
solcher Bezugsrahmen für das Digitalisierungs-Management ist in Abb. 2.4 dargestellt.
Wie der in Abb. 2.4 dargelegte Bezugsrahmen verdeutlicht, stellen Impulse exo-
gener und/oder endogener Natur (vgl. bspw. Ahsen et al. 2010, S. 8 f.) den typi-
schen Beginn von Aktivitäten des Digitalisierungs-Managements dar. Das ist vor
allem auf den vorwiegend strategischen Charakter dieser Aktivitäten zurückzuführen.
Diese exogenen bzw. endogenen Impulse, also bspw. Wettbewerbsdruck, Kunden-
wünsche, Veränderungen im Top-Management, etc. lösen in idealtypischer Betrachtung
Digitalisierungsentscheidungen in betroffenen Wertschöpfungsstrukturen aus, die den
eigentlichen Transformationsprozess starten.
Die Digitalisierungsentscheidung ist selbst wiederum ein Prozess, der im Falle
eines planvollen Vorgehens die Aktivitäten der Zielbildung, der Problemanalyse, der
Alternativensuche, -bewertung und -auswahl beinhaltet. Dieser Prozess wird von Ent-
scheidungsträgern – das sind Führungskräfte, welche die Befugnis besitzen, eine derartige
2  Digitale Transformation von Geschäftsmodellen … 27

Entscheidungs-
träger
Entscheidungs-
kompetenzen
Entscheidungs- Innovations-
verhalten prozess

Digitalisierungsbarrieren
Transformation
Starten
exogene
Impulse

Einflüsse Digitalisierungs- Reali- Geschäfts- Handeln Wert-


Entscheidung sieren modell im Markt schöpfung
endogene
Einflüsse Evalu-
ieren
Fähigkeit zur
Umsetzung der
Digitalisierungs-
entscheidung

Management Accounting, Management Control,


Financial Accounting & Reporting

Situativer Kontext

Abb. 2.4  Bezugsrahmen für das Digitalisierungs-Management

Entscheidung zu treffen – verantwortet. Diese sollten auf der Grundlage entsprechender


Entscheidungskompetenzen und eines zweckbezogenen Entscheidungsverhaltens die
Digitalisierungsentscheidung(en) treffen.
Neben den zuvor angesprochenen Entscheidungskompetenzen muss das Unter-
nehmen auch über die für die Umsetzung von Digitalisierungsentscheidungen erforder-
lichen Fähigkeiten verfügen; dazu zählen bspw. Markt-, Produkt-, Projekt-, Prozess-,
Technologiekompetenzen, und andere Kompetenzfelder. Nachdem die Digitalisierungs-
entscheidung getroffen wurde, erfolgt im Falle des Vorliegens der entsprechenden
Kompetenzen die eigentliche Transformation des Geschäftsmodells. Diesbezüglich
kann festgestellt werden: „Bei Transformationen finden einschneidende und fundamen-
tale Veränderungen des ganzen Unternehmens oder wesentlicher Teile davon statt.“
(­Baumgärtner et  al. 2013, S. 54). Derart einschneidende Veränderungen sind typisch für
radikale Innovationen (Schallmo 2013, S. 24 und die darin zitierten Quellen), sodass
der betrachtete Transformationsprozess auch als ein typischer Innovationsprozess zu
betrachten ist. Die im Zuge solcher Prozesse stattfindende Geschäftsmodell-Innovation
kann in Abhängigkeit vom jeweiligen Umfang (partielle oder totale Digitalisierung) radi-
kal oder inkrementell ausgestaltet sein (Stähler 2002, S. 72).
Im Zuge derartiger Transformationsprozesse sind stets Barrieren (bzw. „Hemmnisse“
bzw. „Widerstände“; vgl. dazu Kaschny et al. 2015, S. 380) zu überwinden. Die Trans-
formation des Geschäftsmodells kann somit nur dann erfolgen, wenn Digitalisierungs-
barrieren erkannt und Maßnahmen zur Überwindung ergriffen wurden (vgl. dazu
Fueglistaller et al. 2008, S. 80).
28 W. Becker

Sofern die Digitalisierungsbarrieren überwunden werden, erfolgt die eigentliche Trans-


formation des Geschäftsmodells, die prinzipiell an allen einzelnen Elementen ansetzen
kann. Im Anschluss erfolgt mit dem neuen, nunmehr digitalen Geschäftsmodell das Handeln
im Markt, das letztlich zur von Unternehmen angestrebten Wertschöpfung führen muss. Da
während solcher Digitalisierungsprozesse der letztlich zu erreichende Wertschöpfungszweck
stets zu verfolgen ist, sollte der gesamte Prozess des Digitalisierungs-Managements durch
ein entsprechend ausgerichtetes Management Accounting & Control (Controlling) sowie
auch durch das Financial Accounting und das Reporting begleitet werden.

2.3.3 Forschungsfelder des Digitalisierungs-Managements

Der aufgezeigte Bezugsrahmen für das Digitalisierungs-Management lässt sich nun


zunächst als ein Beschreibungsmodell nutzen. In diesem Sinne liefert der Bezugs-
rahmen ein idealtypologisch geprägtes Vorgehensmodell für Digitalisierungsaktivitäten
in bestehenden Wertschöpfungsstrukturen.
Darüber hinaus kann der Bezugsrahmen auch zur weitergehenden Entwicklung eines
Erklärungsmodells genutzt werden. So lassen sich innerhalb des vorliegenden Bezugs-
rahmens verschiedene Forschungsfelder identifizieren, die sich zur Schaffung eines bes-
seren Verständnisses von Digitalisierungsprozessen nutzen lassen.
In diesem Zusammenhang stellt das Forschungsfeld der Digitalisierungsent-
scheidung den Ausgangspunkt für die Ableitung betriebswirtschaftlich fundierter Praxis-
empfehlungen dar. Die Betrachtung der Digitalisierungsentscheidungen auslösenden
Digitalisierungsimpulse, der erforderlichen Entscheidungsträger (CEO, CDO, CIO, etc.),
des Entscheidungsprozesses und des resultierenden Entscheidungsverhaltens kann das
Verständnis von derartigen Entscheidungen deutlich verbessern und darüber hinaus eine
Optimierung der entscheidungstheoretischen Voraussetzungen zur Realisierung digitaler
Geschäftsmodelle bewirken. Vor allem ein besseres Verständnis der erforderlichen Ent-
scheidungskompetenzen unterstützt die Verbesserung von Digitalisierungsentscheidungen
in der Praxis und kann dazu beitragen, die Entscheidungsqualität zu erhöhen.
Die angesprochene Fähigkeit zur Digitalisierung stellt ein weiteres Forschungsfeld dar.
Die hier zu generierenden Erkenntnisse tragen dazu bei, die Fähigkeit von Unternehmen
zur Digitalisierung besser abbilden und steuern zu können. Die Fähigkeit zur Digitalisie-
rung lässt sich in unterschiedliche Teilbereiche aufgliedern, bspw. in Entscheidungs- und
Führungskompetenzen, Markt-, Produkt- und Servicekompetenzen, Prozess- und Projekt-
kompetenzen, Technologiekompetenzen und andere Kompetenzfelder. Diese sollten letzt-
lich in einem Digitalisierungskompass dargestellt werden, um eine auch praxisorientierte
Messung der Digitalisierungskompetenz von Unternehmen zu erleichtern.
Im Rahmen der Umsetzung der Digitalisierung von Geschäftsmodellen ist der Trans-
formationsprozess selbst als weiteres Forschungsfeld zu identifizieren. Transformations-
prozesse sollten, wie dies Abb. 2.5 skizziert, grundsätzlich sowohl mehrdimensional als
auch mehrphasig ausgestaltet sein (vgl. Becker und Kunz 2009, S. 225) und Möglich-
keiten für Zwischenentscheide (stop – loop – go) beinhalten.
2  Digitale Transformation von Geschäftsmodellen … 29

Startphase Realisierungsphase Evaluationsphase

Markt-
dimension

Technik-

Gate: STOP – LOOP – GO

Gate: STOP – LOOP – GO


dimension
Ideen-
suche ... ... ... ... ...
Ressourcen-
dimension

Wert-
schöpfungs-
dimension

Abb. 2.5  Struktur von Transformationsprozessen für die Digitalisierung

Diese Prozesse sollte zudem eine gewisse Standardisierung für unterschiedliche


Typen von Digitalisierungsaktivitäten erfahren. Die Nutzung eines derartig gestalteten
Modells des Transformationsprozesses verspricht erfahrungsgemäß einerseits eine
beschleunigte Umsetzung von Digitalisierungsprojekten in der Wirtschaftspraxis und
andererseits eine oftmals deutliche Erhöhung der Wirtschaftlichkeit der Transformation.
Im Kontext des Transformationsprozesses sollten zudem forschungsseitig auch ggf. auf-
tretende Transformationsbarrieren erschlossen werden, da sie den Erfolg bzw. den Miss-
erfolg von Digitalisierungsprojekten beeinflussen.
Abschließend stellen das Controlling (Management Accounting & Control), das
Financial Accounting und das den Prozess begleitende Reporting weitere bedeutsame
Forschungsfelder dar, um Digitalisierungsprojekte erfolgreich steuern, bilanzieren und
abbilden zu können. Dies stellt die permanente Ausrichtung auf die Wertschöpfung
sicher.

2.4 Schlussbetrachtung

Die fortschreitende technologische Entwicklung stellt die Unternehmensführung stets


vor besonders große Herausforderungen. Dies gilt auch und gerade im Rahmen der
Implementierung von neuen Technologien innerhalb bestehender Geschäftsmodelle.
Trotz einer Vielzahl an wissenschaftlichen Beiträgen zu den Themenfeldern
Geschäftsmodellen und Digitalisierung konnte sich bisher kein einheitliches Begriffsver-
ständnis durchsetzen. Zudem scheinen die bestehenden Konzepte noch nicht ausreichend
die praktische Umsetzung zu unterstützen. Das weitgehende Fehlen eines geeigneten
Management-Ansatzes als Grundlage einer durchgängig wertschöpfungsorientierten
30 W. Becker

Digitalisierung von Geschäftsmodellen lässt sich sowohl in der betriebswirtschaftlichen


Literatur als auch in der Unternehmenspraxis an verstärkt auftretenden Problemen der
Umsetzung der Digitalisierung ablesen.
Mit diesem Beitrag wurde daher zunächst eine eigenständige Definition der Digi-
talisierung gewählt. Darüber hinaus wurde die Balanced Value Map als generalisiertes
Geschäftsmodell eingeführt, um konzeptionelle Schwächen bestehender Ansätze zu
überwinden.
Anschließend wurde ein Bezugsrahmen für das Digitalisierungs-Management ent-
wickelt, der eine auf den Wertschöpfungszweck von Unternehmen ausgerichtete Digita-
lisierung von Geschäftsmodellen ermöglicht. Innerhalb dieses Bezugsrahmens konnten
verschiedene Forschungsfelder identifiziert werden, die einen Beitrag zur erfolgreichen
Digitalisierung von Geschäftsmodellen in der Wirtschaftspraxis liefern können. Die
nachfolgenden Beiträge verfolgen das Ziel, weiterführende Ergebnisse innerhalb die-
ser Forschungsfelder aufzuzeigen, um der Wirtschaftspraxis den Weg in eine betriebs-
wirtschaftlich abgesicherte Digitalisierung zu ebnen.

Literatur

Ahsen, A. v., Heesen, M., & Kuchenbuch, A. (2010). Grundlagen der Bewertung von Innovationen
im Mittelstand. In: Ahsen, A. v. (Hrsg.), Bewertung von Innovationen im Mittelstand (S. 1–38).
Heidelberg: Springer.
Al-Debei, M.M., El-Haddadeh, R., & Avison, D. (2008). Defining the Business Model in the New
World of Digital Business. Proceedings of the Fourteenth Americas Conference on Information
Systems, Toronto, ON, Canada August 14th–17th 2008, S. 1–11.
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
Management Review, 53 (3), 41–49.
Ballwieser, W. (2000). Wertorientierte Unternehmensführung: Grundlagen. Schmalenbachs Zeit-
schrift für betriebswirtschaftliche Forschung, 52 (2), 160–166.
BarNir, A., Gallaugherb, J.M. & Augerc, 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.
Baumgärtner, S., Horz, C., & Klein, U. (2013). Transformationsmanagement: Rennstrategien für
erfolgreiche Veränderungen, Zeitschrift Führung + Organisation, 82(1), 54–60.
Baumöl, U., & Jung, R. (2014). Rekursive Transformation: Entwicklung der Business Engineering-
Landkarte. In: Brenner, W., & Hess, T. (Hrsg.), Wirtschaftsinformatik in Wissenschaft und Pra-
xis (S. 41–50), Berlin/Heidelberg: Springer.
Becker, W. (1992). Komplexitätskosten. krp – Kostenrechnungspraxis, Zeitschrift für Controlling,
3, 171–175.
Becker, W. (1996). Stabilitätspolitik für Unternehmen: Zukunftssicherung durch integrierte Kos-
ten- und Leistungsführerschaft. Wiesbaden: Gabler.
Becker, W. (1999). Begriffe und Funktionen des Controllings. Bamberg: Difo-Druck
2  Digitale Transformation von Geschäftsmodellen … 31

Becker, W. & Kunz, Ch. (2009). Ganzheitliches Produktmanagement – Architektur, Betrachtungs-


perspektiven und Methoden. In: Hünerberg, R. & Mann, A. (Hrsg.), Ganzheitliche Unter-
nehmensführung in dynamischen Märkten, Festschrift für Univ.-Prof. Dr. Armin Töpfer
(S. 205–232), Wiesbaden: Gabler.
Becker, W. & Ulrich, P. (2013). Geschäftsmodelle im Mittelstand, Stuttgart: Kohlhammer.
Becker, W., Ulrich, P., & Botzkowski, T., & Eurich, S. (2017). Digitalisierung von Geschäfts-
modellen. In: Schallmo, D., Rusnjak, A., Anzengruber, J., Werani, Th., & Jünger, M. (Hrsg.),
Digitale Transformation von Geschäftsmodellen. Grundlagen, Instrumente und Best Practices
(S. 283– 309), Wiesbaden: Springer.
Becker, W., Ulrich, P., & Botzkowski, T., & Eurich, S. (2015). Data Analytics in Familienunter-
nehmen – Implikationen für das Controlling. Zeitschrift für erfolgsorientierte Unternehmens-
steuerung, 27 (4/5), S. 263–268.
Bloching, B., Leutiger, P., Oltmanns, T., Rossbach, C., Schlick, T., Remane, R., Quick, P., Shafra-
nyuk, O. (2015). Die digitale Transformation der Industrie. http://www.bdi.eu/download_content/
InformationUndTelekommunikation/Digitale_Transformation.pdf. Zugegriffen: 26 Jan. 2018.
Burmester, L. & Gschwendtner, M. (2015). Digitalisierungstrends und Handlungsfelder der Enter-
prise-IT, White Paper, Horváth & Partners, http://www.horvath-partners.com/fileadmin/user_
upload/150715_Rolle_CIO_web-g.pdf, Zugegriffen: 26. Januar 2018.
Commerzbank AG (2015). Management im Wandel: Digitaler, effizienter, flexibler! Frankfurt am
Main.
Fueglistaller, U., Müller, C., & Volery, T. (2008). Entrepreneurship: Modelle – Umsetzung – Pers-
pektiven: Mit Fallbeispielen aus Deutschland, Österreich und der Schweiz, 2. Aufl. Wiesbaden:
Springer.
Gassmann, O., & Sutter, Ph. (2016). Digitale Transformation im Unternehmen gestalten.
Geschäftsmodelle, Erfolgsfaktoren, Handlungsanweisungen, Fallstudien. München: Hanser.
Gälweiler, A. (2005). Strategische Unternehmensführung. Frankfurt.
Gutenberg, E. (1929). Die Unternehmung als Gegenstand betriebswirtschaftlicher Theorie. Wies-
baden: Gabler (unveränderter Nachdruck 1998).
Gutenberg, E., Grundlagen der Betriebswirtschaftslehre. Band 1 (1951): Die Produktion. Band 2:
Der Absatz (1955). Band 3: Die Finanzen (1969). Berlin/Heidelberg: Springer.
Heinen, E. (1991). Industriebetriebslehre: Entscheidungen im Industriebetrieb. 9. Aufl. Wies-
baden: Gabler.
Hiller, F. (2013). BearingPoint CFO Survey 2013/2014, The impact of digitalisation, regulation
and sustainability.
Kaschny, M., Nolden, M., & Schreuder, S. (2015). Innovationsmanagement im Mittelstand: Strate-
gien, Implementierung, Praxisbeispiele. Wiesbaden: Springer.
Kirsch, W., Seidl, D., & Aaken, D. v. (2007). Betriebswirtschaftliche Forschung: Wissenschafts-
theoretische Grundlagen und Anwendungsorientierung. Stuttgart: Schäffer- Poeschel.
Kollmann, T., & Schmidt, H. (2016). Deutschland 4.0. Wie die Digitale Transformation gelingt.
Wiesbaden: Springer.
Krickel, F. (2015). Digitalisierung in der Energiewirtschaft. In: Hecker, W., & Lau, C., & Mül-
ler, A. (Hrsg.) Zukunftsorientierte Unternehmenssteuerung in der Energiewirtschaft (S. 41–74).
Wiesbaden: Springer.
Kubicek, H. (1977). Heuristische Bezugsrahmen und heuristisch angelegte Forschungsdesigns als
Elemente einer Konstruktionsstrategie empirischer Forschung. In: Köhler, R. (Hrsg.), Empi-
rische und handlungstheoretische Forschungskonzeptionen in der Betriebswirtschaftslehre.
Kommission Wissenschaftstheorie im Verband der Hochschullehrer für Betriebswirtschaft e. V./
Bericht über die Tagung in Aachen (S. 3–36). Stuttgart: C. E. Poeschel Verlag.
32 W. Becker

Lasi, H., Fettke, P., Feld, T., Hoffmann, M. (2014). Industrie 4.0. Wirtschaftsinformatik, 56(4),
261–264.
Lawrence, P.R., & Lorsch, J.W. (1969). Organization and environment Managing differentiation
and integration. Boston: Irwin.
Loebbecke, C. (2006). Digitalisierung – Technologien und Unternehmensstrategien. In: Scholz, C.
(Hrsg.), Handbuch Medienmanagement (S. 357–374). Berlin/Heidelberg: Springer.
Massa, L., & Tucci, C.L. (2014). Business Model Innovation, in: Dodgson, M., Gann, D., & Phil-
lips, N. (Hrsg.) The Oxford Handbook of Innovation Management (S. 420–442). Oxford:
Oxford Univ. Press.
Martin, J.D., & Petty, J.W. (2000). Value Based Management: The Corporate Response to the
Shareholder Revolution. Harvard Business School Press.
Meinhardt, Y. (2002). Veränderung von Geschäftsmodellen in dynamischen Industrien. Fallstudien
aus der Biotech-/Pharmaindustrie und bei Business-to-Consumer-Portalen. Wiesbaden: Sprin-
ger.
Morris, M., Schinndehutte, 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. (2002). An eBusiness model ontology for modeling eBusiness. BLED
2002 Proceedings.
Osterwalder, A., & Pigneur Y. (2010). Business Model Generation. Hoboken: Wiley.
Porter, M. E. (1985). Competitive advantage creating and sustaining superior Performance. New
York: Free Press.
Rößl, D. (1990). Die Entwicklung eines Bezugsrahmens und seine Stellung im Forschungsprozeß.
Journal für Betriebswirtschaft, 40 (2), 99–110.
Schallmo, D. (2013). Geschäftsmodell-Innovation: Grundlagen, bestehende Ansätze, methodisches
Vorgehen und B2B- Geschäftsmodelle. Wiesbaden: Springer.
Schneider, V., & Janning, F. (2006). Politikfeldanalyse: Akteure, Diskurse und Netzwerke in der
öffentlichen Politik. Wiesbaden: Springer.
Schoegel, K. (2001). Geschäftsmodelle: Konstrukt-Bezugsrahmen-Management. München: FGM-Verl.
Shafer, S.M, Smith, J.H., & Linder J.C. (2005). The power of business models. Business Horizons,
48 (3), 199–207.
Stähler, P. (2002). Geschäftsmodelle in der digitalen Ökonomie: Merkmale, Strategien und Aus-
wirkungen. Lohmar: Eul.
Timmers, P. (1998). Business Models for Electronic Markets. Journal on Electronic Markets, 8(2),
3–8.
Ulrich, H. (1981). Die Betriebswirtschaftslehre als anwendungsorientierte Sozialwissenschaft. In:
Geist, M. N., & Köhler, R. (Hrsg.), Die Führung des Betriebes (S. 1–25). Stuttgart: Poeschel.
Ulrich, H. (1982). Anwendungsorientierte Wissenschaft. Die Unternehmung, 36 (1), 1–10.
Wirtz, B.W. (2013). Business Model Management: Design – Instrumente – Erfolgsfaktoren von
Geschäftsmodellen. 3. Aufl., Wiesbaden: Springer.
Wolf, J. (2013). Organisation, Management, Unternehmensführung, 5. Aufl., Wiesbaden: Springer.
Zott, C., & Amit, Z. (2010). Designing your future business model: An activity system Perspective.
Long Range Planning, 43 (2/3), 216–226.
2  Digitale Transformation von Geschäftsmodellen … 33

Univ.-Professor Dr. Dr. habil. Wolfgang Becker  ist Ordinarius für Betriebswirtschaftslehre und
Inhaber des Lehrstuhls Unternehmensführung & Controlling und Mitglied des Direktoriums des
Kompetenzzentrums für Geschäftsmodelle in der digitalen Welt an der Otto-Friedrich-Universität
Bamberg. Darüber hinaus leitet er als Wissenschaftlicher Direktor das Europäische Forschungsfeld
für Angewandte Mittelstandsforschung (EFAM), das Forschungsfeld für Value Based Management
sowie das Forschungsfeld für Digitale Geschäftsmodelle. Diese Themenfelder stellen auch seine
Forschungsschwerpunkte dar. Professor Becker vertritt zudem das Fachgebiet Unternehmens-
führung & Controlling im berufsbegleitenden Online-Masterstudiengang Wirtschaftsinformatik
(VAWi) der Universitäten Bamberg und Duisburg-Essen, im MBA Studiengang Business Manage-
ment an der Universität Erlangen-Nürnberg und im Executive MBA-Programm der Johannes
Gutenberg-Universität Mainz. Schließlich ist er Gründer, Gesellschafter und Beiratsvorsitzender
der Scio GmbH Professor Dr. W. Becker in Erlangen, die der Wirtschaftspraxis Beratung auf dem
Gebiet des integrierten Strategie- und Organisationsdesigns anbietet.
Teil II
Strategische Perspektiven
Die Balanced Scorecard als Instrument
zur Entwicklung und Implementierung 3
von Digitalisierungsstrategien

Wolfgang Becker, Felix Schuhknecht und Tim Botzkowski

Inhaltsverzeichnis

3.1 Einführung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.2 Einordnung der Digitalisierung als Strategie. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2.1 Strategiedefinition und -merkmale. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2.2 Typologisierung von Strategien. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2.3 Digitalisierungsstrategien in der Wissenschaft . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.3 Ganzheitliche Betrachtung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3.1 Der Managementprozess als Grundlage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.3.2 Strategieprozess. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.4 Balanced Scorecard. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.4.1 Entwicklung von Digitalisierungsstrategien mithilfe der Balanced Scorecard. . . . 49
3.4.2 Implementierung von Digitalisierungsstrategien mithilfe
der Balanced Scorecard. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.5 Fazit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

W. Becker (*) 
Lehrstuhl für Betriebswirtschaftslehre, insbesondere Unternehmensführung & Controlling
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: wolfgang.becker@uni-bamberg.de
F. Schuhknecht · T. Botzkowski 
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: felix.schuhknecht@uni-bamberg.de
T. Botzkowski
E-Mail: tim.botzkowski@talanx.com

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019 37
W. Becker et al. (Hrsg.), Geschäftsmodelle in der digitalen Welt,
https://doi.org/10.1007/978-3-658-22129-4_3
38 W. Becker et al.

Zusammenfassung
Die digitale Transformation von Geschäftsmodellen stellt eine Aufgabe des Top-Ma-
nagements dar und ist demnach von einer hohen strategischen Bedeutung. Aufgrund
dieser Relevanz ist es unabdingbar eine separate Digitalisierungsstrategie zu ent-
wickeln und diese in der betreffenden Organisation zu implementieren. In der wissen-
schaftlichen Diskussion ist man einig darüber, dass das nachhaltige Scheitern von
Strategien vornehmlich auf eine mangelhafte Strategieimplementierung zurückzu-
führen ist. Meist sind die Problematiken in der unsicheren Unternehmensumwelt zu
verorten. Allerdings kann in empirischen Erhebungen nachgewiesen das ein systema-
tischen Planung- und Kontrollsystem diese Barrieren überwinden kann. Vor diesem
Hintergrund beschäftigt sich dieser Beitrag mit einer möglichen Eignung der Balan-
ced Scorecard also ein solches Instrument.

3.1 Einführung

In der betriebswirtschaftlichen Forschung existiert zunehmend der Konsens, dass die


Digitalisierung zur Transformation von Geschäftsmodellen führt (Becker et al. 2014,
S. 264). Die Transformation von Geschäftsmodellen ist dabei eine wesentliche Auf-
gabe des Top-Managements und ist demnach von strategischer Bedeutung. In diesem
Zusammenhang ist es sodann notwendig, einerseits eine Digitalisierungsstrategie zu
entwickeln und andererseits diese auch zu implementieren. Ein geeignetes Instrument
zur Entwicklung und Implementierung von Strategien und dementsprechend auch von
Digitalisierungsstrategien, stellt die Balanced Scorecard dar. Diese sollte an der digita-
len Vision beziehungsweise Mission des Unternehmens ausgerichtet sein und dann u. a.
ein Digitalcockpit abbilden, um wichtige Impulse für die Transformation zu liefern. Die
Balanced Scorecard ermöglicht es also, zentrale Ziele der Digitalen Transformation zu
definieren (Kreutzer 2017, S. 207 ff.). Die durch eine Digitalisierungsscorecard ermög-
lichte multiperspektivische Betrachtung führt dazu, die Digitale Transformation des
Geschäftsmodells aus verschiedenen Perspektiven zu betrachten und ggf. im nächsten
Schritt eine detaillierte Strategy Map zu konzipieren. Dies ist wiederum ein zentraler
Faktor für eine wertschöpfende Transformation des Geschäftsmodells.
Der vorliegende Beitrag soll also verdeutlichen, wie mithilfe der Balanced Score-
card eine Digitalisierungsstrategie entwickelt und implementiert werden kann. In diesem
Zusammenhang erfolgt in Abschn. 3.2 zunächst eine Einordnung der Digitalisierung als
Strategie bevor dann in Abschn. 3.3 eine ganzheitliche Betrachtung der Themenstellung
vorgenommen wird. Abschn. 3.4 befasst sich dann mit der Balanced Scorecard und ins-
besondere mit der angesprochenen Entwicklung und Implementierung. Der Beitrag endet
mit einem kurzen Fazit in Abschn. 3.5.
3  Die Balanced Scorecard als Instrument zur Entwicklung … 39

3.2 Einordnung der Digitalisierung als Strategie

3.2.1 Strategiedefinition und -merkmale

In der bestehenden Managementliteratur findet sich kein einheitliches Verständnis


des Begriffes der Strategie (für eine Systematisierung des Begriffes Strategie vgl. u. a.
Welge und Al-Laham 1992, S. 166 f.). Aus etymologischer Sicht setzt sich der Begriff
„Strategie“ aus den griechischen Wörtern „Stratos“ (das Heer) und „Agein“ (führen)
zusammen (von Neumann et al. 1973, S. 4). Wobei das Substantiv „Strategos“ zunächst
die Funktion des Generals in griechischen Militärverbünden bezeichnet und erst im
späteren geschichtlichen Verlauf eine inhaltliche Erweiterung erfuhr (Mintzberg 2002,
S. 2). Die Verbreitung des Strategiebegriffs erfolgt zunächst in den USA und erst zeit-
versetzt im deutschsprachigen Raum (Welge und Al-Laham 1992, S. 15 f.). Maßgeblich
wurde dieser von Ansoff (1996) und weiteren Vertretern des „Harvard Approach“ in den
60er Jahren in dem anglo-amerikanischen Raum in die Managementlehre eingeführt.
Der leitende Gedanke im wirtschaftlichen Bereich ist die Business Idea, eine Kern-
kompetenz oder ein unternehmerisches Konzept, mit denen sich die Unternehmung mit
einer Geschäftseinheit in einem zu betrachtenden Marktsegment von seinen Konkurren-
ten absetzen und eine Position der Einzigartigkeit erreichen kann (Matzler et al. 2012,
S. 11). Tab. 3.1 greift ausgewählte Strategiedefinitionen auf.
Die neueren Begriffsauslegungen lassen sich grundsätzlich in zwei Gruppen unter-
teilen. Die erstere verwendet den Begriff „Strategie“ vornehmlich für die im Rahmen
der Unternehmenspolitik gewählten strategischen Orientierungsmuster (Porter 1980),
diese werden auch als intendierte Orientierungsmuster bezeichnet werden. Die andere
Gruppe subsumiert auch emergente, also nicht intendierte Orientierungsmuster unter den
Strategiebegriff (Mintzberg 2002; French 2009, S. 52). Aus diesen Definitionen lassen
sich folgende generische Merkmale ableiten:

1. Strategien sind durch eine Langfristigkeit gekennzeichnet;


2. Strategien sind dynamisch im Zeitverlauf;
3. Strategien berühren die gesamte Organisation;
4. Strategien weisen eine Zielorientierung auf;
5. Strategien beschreiben den Einsatz von vorhandenen oder potenziellen Stärken um
Veränderungen in der situativen Umwelt zu begegnen.

Im Rahmen dieses Beitrages soll also folgende Strategiedefinition verwendet werden.

Eine Strategie ist ein langfristig angelegtes, das gesamte Unternehmen betreffendes Hand-
lungsmuster, das zielorientiert beschreibt, wie ein Unternehmen seine Stärken einsetzt, um
Veränderungen der Chancen-Risiken-Konstellationen in den situativen Umweltbedingungen
zu begegnen (vgl. Becker 2017, S. 267).
40 W. Becker et al.

Tab. 3.1  Übersicht ausgewählter Strategiedefinitionen. (Quelle: eigene Darstellung)


Autor Definition
Chandler (1966) Strategy is the determination of the basic long-term goals
and objectives of an enterprise. The adaption of courses of
action. The allocation of resources necessary for carrying
out these goals
Ansoff (1966) Strategy is: Product/market scope, growth vector, competi-
tive advantage, synergy
Arbeitskreis Unternehmensplanung Strategien beinhalten langfristig angelegte, die Gesamt-
(1977) unternehmung berührende und der Erreichung der
Unternehmungsziele dienende Verhaltensweisen der Unter-
nehmung in ihren Aktivitätsbereichen
Hofer und Schendel (1987) The basic characteristics of the match an organization
achieves with its environment is called its strategy. Strategy
is the fundamental pattern of present and planned resource
deployments and environmental interactions that indicates
how the organization will achieve its objectives
Quinn et al. (1988) Strategy is the pattern or plan that integrates an organiza-
tion’s major goals, policies, and action sequences into a
cohesive whole. A well-formulated strategy helps to mars-
hal and allocate an organization’s resources into a unique
and viable posture based on its relative internal competen-
cies and short comings, anticipated changes in the environ-
ment, and contingent moves by intelligent opponents
Zahn (1989) Strategie ist eine wirkungsvolle, auf das Ziel der Unter-
nehmung ausgerichtete Verknüpfung des Weges, auf dem
die Stärken und Schwächen der Unternehmung sinnvoll
zu den Chancen und Risiken der Umwelt in eine für das
Unternehmen vorteilhafte Beziehung gesetzt werden, zu
einer Route
Gälweiler und Schwaninger (1990) Strategie bedeutet (…), sein Denken, Entscheiden und
Handeln an den übergeordneten oder obersten Zielen oder
Zielvoraussetzungen zu orientieren und sich dabei nicht
durch vordergründige, d. h. Augenblicksvorteile und -nach-
teile, ablenken zu lassen
Kirsch (1991) Strategien können metaphorisch als (globale) „Weg-
beschreibungen“ interpretiert werden. Eine solche Weg-
beschreibung soll zum Ausdruck bringen von welchem
Zustand man wegkommen will und welche der von diesem
Ausgangspunkt wegführenden alternativen Wege man
beschreiten will
Kreikebaum (1997) Strategien bringen zum Ausdruck, wie ein Unternehmen
seine vorhandenen und seine potenziellen Stärken einsetzt,
um Veränderungen der Umweltbedingungen zielgerichtet
zu begegnen
3  Die Balanced Scorecard als Instrument zur Entwicklung … 41

Demnach soll im Kontext dieses Forschungsbeitrages Strategie im Zusammenhang mit


bewusst gewählten Orientierungsmustern des strategischen Handelns verstanden wer-
den. Strategische Optionen können als Denkalternativen verstanden werden, die durch
die Verabschiedung von passenden Maßnahmen zu situationsadäquaten Strategien heran-
wachsen können. Diese Auswahl strategischer Optionen erfolgt nach Möglichkeit auf
Basis der Strategischen Diagnose (Steiner und Höhlein 1971). Strategisches Handeln an
sich wird als solches Handeln definiert, welches für den Bestand und die zukünftige Ent-
wicklung von Unternehmen in ihrer Gesamtheit richtungsweisend und rahmensetzend
ist (Kirkpatrick und Kirkpatrick 2005). Dementsprechend obliegen dem Strategischen
Management konfigurierende, positionierende und fokussierende Aktivitäten. Dies ent-
spricht dem Vorgehen in der von Gälweiler und Schwaninger (1990) entwickelten Stra-
tegie-Konzeption. Strategisches Management hat nach dieser Sichtweise die Aufgabe,
alle unternehmerischen Aktivitäten, unter Berücksichtigung situativer Bedingungs-
konstellationen, die für den Bestand, die zukünftige Entwicklung und den dauerhaften
Erfolg eines Unternehmens in ihrer Gesamtheit bedeutsam sind, interessengerecht in den
Innen- und Außenstrukturen zu konfigurieren, relativ im Wettbewerb zu positionieren
und auf die Wertschöpfungszwecke zu fokussieren.
Legt man die Digitalisierungsdefinition nach dem Kompetenzzentrum für Geschäfts-
modelle in der Digitalen Welt zugrunde,

Digitalisierung ist die strategisch orientierte Transformation von Prozessen, Produkten,


Dienstleistungen bis hin zur Transformation von kompletten Geschäftsmodellen unter Nut-
zung moderner Informations- und Kommunikationstechnologien (IuK) mit dem Ziel, nach-
haltige Wertschöpfung effektiv und effizient zu gewährleisten.

und vergleicht diese mit den abgeleiteten Merkmalen einer Strategie wird deutlich, dass
die Digitalisierung durchaus als eine Strategie im klassischen Sinne interpretiert wer-
den kann. Eine grundlegende Transformation des Geschäftsmodelles betrifft die ganze
Organisation und setzt Langfristigkeit und Dynamik voraus. Der Einsatz von Informati-
ons- und Kommunikationstechnologien lässt sich als potenzielle oder bereits vorhandene
Stärke interpretieren. Zudem handelt es sich bei der Digitalisierung um ein Top-­
Management Thema (Jahn und Pfeiffer 2014, S. 86; Bloching et al. 2015, S. 31; Kane
et al. 2015; Buxmann und Zillmann 2016; Hess et al. 2016) und kann aufgrund dessen
als strategische Entscheidung, welche die Handlungsfähigkeit und Ressourcen und damit
die langfristige Existenzsicherung des Unternehmens betreffen (Eisenhardt und Zbaracki
1992 S. 17), interpretiert werden. In der wissenschaftlichen Literatur finden sich zudem
einige Digitalisierungsstrategie-Definitionen, welche Tab. 3.2 zeigt.
42 W. Becker et al.

Tab. 3.2  Übersicht ausgewählter Digitalisierungsstrategie Definitionen. (Quelle eigene Dar-


stellung)
Woodard et al. (2013) Pattern of deliberate competitive actions undertaken by a firm as it com-
petes by offering digitally enabled products or services
Bharadwaj et al. (2013) Organizational strategy formulated and execute by leveraging digital
resources to create differential value
Mithas et al. (2012) Extent to which a firm engages in any category of IT activity
Mithas et al. (2013) Dynamic synchronization between business and IT to gain competitive
advantage
Hess et al. (2016) A digital transformation strategy signposts the way towards digital
transformation and guides managers through the transformation process
resulting from the integration and use of digital technologies

3.2.2 Typologisierung von Strategien

Strategische Optionen bzw. Strategien lassen sich dabei nach unterschiedlichen Kriterien
typologisieren. Als Typologisierungskriterien kommen die institutionelle, generische,
geografische sowie die wettbewerbliche Orientierung infrage (vgl. Becker 2017, S. 267)
(Alternativ kann auch grundsätzlich zwischen Aufbau, Halte-, und Erntestrategien unter-
schieden werden vgl. hierzu u. a. Herbert und Deresky 1987; Gupta und Govindarajan
1984).

1. Institutionelle Orientierung: Unternehmensstrategien (Corporate Strategies) deter­


minieren, in welchen Märkten (bzw. Geschäftsfeldern) sich das Unternehmen
betätigen möchte und welche Ressourcenpotenziale für die einzelnen Geschäftsfelder
bereitgestellt werden müssen, um die Betriebsbereitschaft aufrechterhalten zu können.
Geschäftsbereichsstrategien (Business Strategies) hingegen bestimmen, mit welcher
wettbewerblichen Orientierung operiert werden soll und Funktionalstrategien (Func-
tional Strategies) optimieren spezielle Funktionsbereiche (z. B. das Personalwesen)
im Hinblick auf die übergeordneten Geschäftsbereichs- bzw. Unternehmensstrategie.
2. Generische Orientierung: Hierbei ist zwischen einer Expansions-, Selektions- und
Kontraktionsstrategie zu unterscheiden.
3. Geografische Orientierung: Hinsichtlich der geografischen Orientierung bietet sich
eine Unterscheidung in regionale, nationale und globale Strategien an.
4. Wettbewerbliche Orientierung: In der Regel wird zwischen Offensiv- und Defensiv-
strategien, Spezialisierungs- und Harmonisierungsstrategien und zwischen Branchen-
und Nischenstrategien unterschieden.
3  Die Balanced Scorecard als Instrument zur Entwicklung … 43

Tab. 3.3  Einordnung der Institutionelle Orientierung Unternehmensstrategie X


Digitalisierungsstrategie in
das Strategiespektrum. (Quelle Marktstrategie
eigene Darstellung) Geschäftsbereichsstrategie
Funktionalstrategie
Generische Orientierung Expansionsstrategie X
Selektionsstrategie
Kontraktionsstrategie
Geografische Orientierung Regionale Strategien
Nationale Strategien
Globale Strategien (X)
Wettbewerblich Orientierung Offensivstrategie X
Defensivstrategie
Spezialisierungsstrategien X
Harmonisierungsstrategien
Branchenstrategie (X)
Nischenstrategie (X)

Tab. 3.3 zeigt eine mögliche Einordnung. Die Strategie der Digitalisierung ist als eigen-
ständige Strategie zu sehen und ist nicht Teil einer anderen Funktionalstrategie wie
beispielsweise der IT-Strategie (Hess et al. 2016, S. 124). Aufgrund dessen kann eine
Digitalisierungsstrategie als Corporate Strategy klassifiziert werden.
Meist handelt es sich bei der Digitalisierung um eine Expansionsstrategie als solche.
Hinsichtlich der geografischen Orientierung sind keine allgemeingültigen Aussagen zu
treffen, da hierbei ein hohes Maß an Individualität vorliegt, jedoch handelt es sich auf-
grund des Megatrends Globalisierung meist um eine globale Strategie. Bezüglich der
wettbewerblichen Orientierung kann von einer Offensivstrategie ausgegangen werden,
die auf eine Spezialisierung abzielt. Hinsichtlich des Wettbewerbsortes (Steinmann und
Schreyögg 2005, S. 221 f.) kann ebenfalls keine allgemeingültige Aussage getroffen wer-
den, da dies als unternehmensspezifisch angesehen werden kann.

3.2.3 Digitalisierungsstrategien in der Wissenschaft

In der internationalen Managementforschung werden Digitalisierungsstrategien bereits


umfassend untersucht und diskutiert, weshalb ein grober Überblick über den Stand der
Forschung vorgenommen werden soll.
Bharadwaj et al. (2013) befassen sich, als eine der ersten, mit der „Digital Strategy“
aus einer rein konzeptionellen Betrachtungsweise. Die Autoren haben zentrale vier
Schlüsselthemen identifiziert, die das zukünftiges Denken über digitale Geschäftsstrategien
44 W. Becker et al.

­ aßgeblich bestimmen und einen Rahmen für die Definition der nächsten Generation
m
von Erkenntnissen bilden. Die vier Themen sind untergliedert in: 1) Umfang der digita-
len Geschäftsstrategie, 2) Tragweite der digitalen Geschäftsstrategie, 3) Geschwindigkeit
der digitalen Geschäftsstrategie und 4) Quellen der geschäftlichen Wertschöpfung sowie
Erfassung digitaler Geschäftsstrategien. Die Autoren formulieren des Weiteren für jedes
der vier Themen spezifische Fragestellungen, die durchaus im Sinne einer Selbstreflexion
genutzt werden können. Matt et al. (2015) diskutieren in ihrem Beitrag ebenfalls vier
wesentliche Dimensionen digitaler Transformationsstrategien bestehend aus 1) Nutzung
von Technologien, 2) Veränderung der Wertschöpfung, 3) strukturelle Veränderungen und
4) finanzielle Aspekte. Diese vier Dimensionen bilden einen Digitalisierungs-Framework.
Anders als Bharadwaj et al. (2013) gehen die Autoren, neben den Dimensionen darüber
hinaus auf prozedurale Aspekte ein und diskutieren zukünftige Forschungsgebiete.
Im Kontrast zu den bisherigen wissenschaftlichen Erkenntnissen verstehen Stief
et al. (2016) unter der Digitalen Transformation eine Strategie der Unternehmensent-
wicklung, die sich auf einzelne Produkte, einzelne Prozesse oder das gesamte Geschäfts-
modell beziehen können. Diese Unterteilung bzw. Ausrichtung stellt gleichzeitig auch
die „strategic levels of Digital Transformation“ dar, die gleichzeitig Grundlage des Fra-
meworks bilden. Das technische Fundament für die jeweiligen „strategic levels“ sind
wiederum neue Technologien. Die bereits genannten Autoren nähern sich der Thematik
in einer konzeptionellen Art und Weise, wohingegen Sia et al. (2016) eine Empirische
Case Study näher beleuchtet. Die Autoren geben in ihrem Beitrag einen detaillierten Ein-
blick darin, wie die DBS Bank ihre digitale Geschäftsstrategie verfolgt. Die wichtigsten
Schritte der digitalen Transformationsstrategie der DBS umfassen strategische Initiati-
ven und proaktive Maßnahmen, um: 1) die digitale Führung unter Führungskräften zu
fördern, 2) agile und skalierbare digitale Operationen zu konzipieren, 3) neue digitale
Kundenerfahrungen zu entwickeln und 4) aufkommende digitale Innovationen zu ent-
wickeln und zu beschleunigen. Jede einzelne Maßnahme wird ausführlich dargestellt und
durch entsprechende Interviewaussagen von zwölf Führungskräften der Bank ergänzt.
Eine ähnliche empirische Herangehensweise verfolgen Hess et al. (2016). Hierbei
verdeutlichen die Autoren verschiedene Optionen im Rahmen der Formulierung von
Digitalstrategien und gehen dabei auf drei führende deutsche Medienunternehmen im
Rahmen einer empirischen Untersuchung ein. Die Untersuchung fokussiert vornehm-
lich die Aspekte „Business Drivers“ und „Digital Transformation Outcome“. Auf Grund-
lage dieser Vorgehensweise werden abschließend Richtlinien für die Formulierung von
Digitalisierungsstrategien – im Kontext der vier wesentlichen Dimensionen digitaler
Transformationsstrategien (Technologie, Wertschöpfung, Struktur, Finanzen) – auf-
gezeigt.
Neben den dargelegten, vornehmlich konzeptionellen und qualitativen Ausführungen
zum Thema Digitalisierungsstrategie, existiert eine überschaubare Anzahl an quantitati-
ven empirischen Untersuchungen. Hoberg et al. (2015) können empirisch nachweisen,
dass eine Transformationsstrategie als fester Bestandteil der Unternehmensstrategie
als relevant erachtet wird, jedoch oftmals nicht vorliegt. Auch eine an die ­Strategie
3  Die Balanced Scorecard als Instrument zur Entwicklung … 45

anknüpfende Transformations-Roadmap ist in der Regel nicht vorhanden. Zu ähn-


lichen Erkenntnissen gelangen Kane et al. (2015), die in ihrer Untersuchung belegen,
dass lediglich die Hälfte der 4800 befragten Probanden über eine klar definierte
Digitalisierungsstrategie verfügt, die das Ziel verfolgt, das Geschäftsmodell des Unter-
nehmens fundamental zu transformieren, Kundenanforderungen besser zu adressieren,
Innovationen und Management-Entscheidungen zu verbessern sowie die Effizienz zu
steigern. Umfassender gestaltet ist die empirische Erhebung von Buxmann und Zillmann
(2016). Sie eruieren, dass von den 103 befragten Unternehmen nur ein Drittel über eine
separate Digitalisierungsstrategie verfügt. Zudem geben fast zwei Drittel an, dass eine
Digitalisierungsstrategie nur in Teilbereichen der Organisation vorhanden ist. Dieser
Trend scheint sich fortzuführen, da die Umsetzung der Digitalisierungsstrategie oftmals
noch nicht im Top-Management angekommen ist und in dieser Hierarchie-Stufe bisher
auch nicht aktiv forciert wird.
In der bestehenden wissenschaftlichen Literatur können verschiedene konzeptio-
nelle Sichtweisen identifiziert werden, die im Wesentlichen auf den Ausführungen von
Bharadwaj et al. (2013) fußen. Allerdings scheinen sich in der wissenschaftlichen Dis-
kussion die Überlegungen von Matt et al. (2015) weitestgehend durchgesetzt zu haben.
Durch die Empirische Case Study’s von Sia et al. (2016) und Hess et al. (2016) wird
deutlich, dass eine Digitalisierungsstrategie mannigfaltige Vorteile mit sich bringt. Aller-
dings konnte anhand diverser empirischer Erhebungen nachgewiesen werden, dass in der
unternehmerischen Praxis oftmals keine separate Digitalisierungsstrategie vorhanden
ist. Als Problematisch ist hierbei vor allem die, von Buxmann und Zillmann (2016)
angesprochene, fehlende Fokussierung im Top-Management anzusehen.
Die obigen Ausführungen zeigen insgesamt, dass eine Digitalisierungsstrategie,
zwar in der Wissenschaft diskutiert wird, allerdings in der Unternehmenspraxis oft-
mals nicht vorhanden ist. Dies ist jedoch zwingend notwendig, um die Digitale Trans-
formation strukturiert und zielorientiert zu bewältigen. Darüber hinaus wird ersichtlich,
dass die Balanced Scorecard als Formulierungs- und Implementierungsinstrument bis
dato ebenfalls unberücksichtigt bleibt. Die Entwicklung und Implementierung einer
Digitalisierungsstrategie mittels einer Balanced Scorecard ist jedoch zu empfehlen.

3.3 Ganzheitliche Betrachtung

Die klassische Lehre der Unternehmensführung unterlag im Verlauf der letzten rund 50
Jahre einer starken Wandlung. Basierend auf einer stabilen Umwelt, beschränkte sich
die Unternehmensführung auf die eher kurzfristige Finanz- und Budgetplanung. Der
zunehmende Wandel der Unternehmensumwelt führte dann zur Integration der Finanzie-
rungs- und Investitionsplanung. Eine Berücksichtigung des strategischen Aspekts in der
Unternehmensführung wurde beim Auftreten von dynamischen Umweltveränderungen
unabdingbar (u. a. Gluck et al. 1980, S. 159; Welge und Al-Laham 2012, S. 12). Die
durch die Digitalisierung vorherrschende Turbulenz in der Unternehmensumwelt führt
46 W. Becker et al.

dazu, dass die Unternehmensführung ganzheitlich die unterschiedlichen Aspekte der


Unternehmenspolitik berücksichtigen muss.
Auf diesen Überlegungen aufbauend haben sich drei Strategiekonzepte bzw. Manage-
ment-Modelle etabliert. Neben einer marktorientierten Sichtweise (u. a. Porter 1999;
Bea und Haas 2017) wurden ressourcen- und wertorientierte Konzepte entwickelt
bzw. abgeleitet. Dem eingangs erwähnten marktorientierten Strategiekonzept liegt das
Structure-Conduct-Performance-Paradigma zugrunde (Child 1972). Dieses Paradigma
­
erklärt die dauerhafte Erzielung von Wettbewerbsvorteilen einerseits aufgrund der Struk-
tur der Branche, in welcher das Unternehmen operiert und andererseits aufgrund seines
grundlegenden strategischen Verhaltens. Das ressourcenorientierte Strategiekonzept
(Barney 1997; Barney und Hesterly 2010) hingegen begründet den nachhaltigen Erfolg
einer Unternehmung mit der Besonderheit bzw. Einzigartigkeit ihrer Ressourcen und den
strategischen Ressourcenvorteilen einer Unternehmung im Vergleich zu den Konkurren-
ten (Osterloh und Frost 2006, S. 956). Das wesentliche Grundprinzip wertorientierter
Management-Konzeptionen besteht darin, Unternehmensentscheidungen an deren Aus-
wirkungen auf den Unternehmenswert auszurichten (Velthuis und Wesner 2005; Becker
2017). Erste Überlegungen, den Wert eines Unternehmens oder einzelner Unternehmens-
teile in die Zielsetzung des Managements einzubinden, entstanden zu Beginn der 80er
Jahre in den USA. Die wertorientierte Sicht der Unternehmensführung stellt keinen ori-
ginär neuen Ansatz dar, sondern ist als Verknüpfung bekannter Erkenntnisse der Kapital-
markttheorie, der Unternehmensbewertung, des strategischen Managements und des
operativen Controlling zu betrachten. Markt-, Ressourcen- und Wertsteigerungsaspekte
stellen heute die drei kardinalen Richtungen der strategischen Unternehmensführung dar.
Vor dem Hintergrund veränderter Rahmenbedingungen der Unternehmensführung, ins-
besondere der Digitalisierung, erscheint jedoch die Verknüpfung dieser Grundrichtungen
zu einem ganzheitlichen Konzept der strategischen Unternehmensführung empfehlens-
wert. Exemplarisch kann hierbei das Modell des Strategischen Vierecks dienen,
bestehend aus Unternehmen, Kunden, Konkurrenten und Lieferanten verdeutlicht es das
Beziehungsverhältnis zwischen Markt und Unternehmen. Zwischen Unternehmen und
Lieferanten sowie Unternehmen und Kunden bestehen Tauschbeziehungen, zwischen
Unternehmen und Konkurrenten hingegen Wettbewerbsbeziehungen. Das Strategische
Viereck ist als Denkmodell zu verstehen, das die Ausrichtung des unternehmerischen
Handelns in den Märkten unterstützt (Becker 1996, S. 135).

3.3.1 Der Managementprozess als Grundlage

Die betriebswirtschaftlich orientierte Strategieforschung emanzipiert sich von der


Industrieökonomie durch das grundlegende Interesse am Entstehungsprozess von Strate-
gien. Als Beschreibungsrahmen bietet sich daher der klassische Managementprozess an
(Lehner 1996, S. 17), an dessen Anfang die Planung und am Ende die Kontrolle stehen.
Dieses Primat der Planung (Koontz und O’Donnell 1955) kann jedoch kritisch gesehen
3  Die Balanced Scorecard als Instrument zur Entwicklung … 47

werden, sodass einerseits von einer Kontrolle durch Vorkopplung und anderseits von
einer Kontrolle durch Rückkopplung gesprochen werden kann (Gladen 2011, S. 354).
Im Folgenden soll sich an dem Managementprozess der International Group of Control-
ling (2013) orientiert werden. Dieser Prozess umfasst die Planung und Entscheidung, die
Realisation und einerseits eine Kontrolle durch Vorkopplung sowie anderseits eine Kont-
rolle durch Rückkopplung. Die Festlegung und Konkretisierung der Ziele, die Erstellung
und Beurteilung der Pläne und die Durchsetzung der Entscheidung stehen im Fokus der
Planungs- und Entscheidungsphase.

3.3.2 Strategieprozess

Im strategischen Management hingegen übernimmt die Strategie die Rolle des Pla-
nes und identifiziert die weiteren Entscheidungen und den Weg des Unternehmens an
(Ansoff 2001). Diesem Plan an sich steht eine Phase der umfassenden Analyse voraus, in
der verschiedene Quellen zur Informationssuche und zur Umweltbeobachtung verwendet
werden (Lehner 1996, S. 18). Vornehmlich in der deutschsprachigen Literatur wird der
Strategieprozess in vier Phasen unterteilt (Al-Laham 1997, S. 90):

1. Zielbildung (Entwicklung der Unternehmenspolitik, das Leitbild und strategische


Zielsetzungen);
2. Strategische Analyse (Unternehmens- und Umweltanalyse, Prognose und Frühauf-
klärung);
3. Strategieformulierung (Formulierung, Bewertung und Selektion von Strategien);
4. Strategieimplementierung (Umsetzung und Durchsetzung der Strategien).

Allerdings wird in einer derartigen Aufteilung keinerlei Kontrollphase bzw. strategi-


sches Controlling berücksichtigt (Götze und Mikus 1999, S. 294 ff.). Vor allem im
angloamerikanischen Raum findet im Rahmen der Differenzierung zwischen „Strategy
Formulation“ und „Strategy Implementation“ ein integrierter und abgestimmter Rück-
kopplungsprozess statt (Hahn 2006, S. 52).
Im Gegensatz zur Formulierung von Strategien kommt dem Prozess der Strategie-
implementierung in der Literatur eine stark untergewichtete Rolle zu (Glaister und
­Falshaw 1999, S. 115). Die Phase der Strategieimplementierung an sich kann ebenfalls
als mehrstufiger Prozess aufgefasst werden:

1. Definition abgestimmter Maßnahmenbündel;


2. Ermittlung des Ressourcenbedarfes;
3. Auswahl der Instrumente zur Durchsetzung der Strategie.

Die Maßnahmen, Ressourcen und Instrumente müssen dabei unabdingbar mit der Unter-
nehmenskultur und -struktur abgestimmt werden, die neben den gewählten Strategien
48 W. Becker et al.

Strategische Kontrolle

Strategische Planung
Strategische
Zielbildung, Strategische
Entscheidung Realisation
Diagnose, Strategiewahl,
Strategiebeurteilung

Strategische Kontrolle

Abb. 3.1  Strategieprozess. (Quelle: nach Becker 2017, S. 264)

als Orientierungsmuster des unternehmerischen Handelns fungieren. Die wesentlichen


Objekte der Strategieimplementierung finden sich sowohl in der Wertsphäre von Unter-
nehmen als auch in der Wertsphäre vorgelagerter Interaktionsfelder von Unternehmen
wieder. Dabei ist die Leistungssphäre systematisch in die unterschiedlichen Bestandteile
Programme, Potenziale, Prozesse und Produkte zu unterteilen.
Die Strategische Kontrolle untergliedert sich in die

1. Durchführungskontrolle;
2. Prämissenkontrolle;
3. ungerichtete Überwachung.

Die Durchführungskontrolle ist auf die operative Umsetzung der strategischen Maßnah-
men gerichtet, die Prämissenkontrolle und die ungerichtete Überwachung können hin-
gegen prinzipiell als Fortsetzung der strategischen Diagnose interpretiert werden (Gladen
2011, S. 355). Abb. 3.1 stellt den Strategieprozess (Becker 2017, S. 264) als solchen dar.

3.4 Balanced Scorecard

Die Balanced Scorecard dient zunächst im Rahmen der Strategischen Planung der
Koordination, Steuerung und Kommunikation im Unternehmen. Im Zuge dessen zwingt
sie zu einer Erläuterung der Vision und Strategie des Unternehmens, fördert deren Ope-
rationalisierung im Unternehmen und ermöglicht es, einzelne Ziele, Projekte und Maß-
nahmen an den strategischen Unternehmenszielen zu orientieren und im Rahmen der
strategischen Kontrolle Fortschritte in der Zielerreichung messbar zu machen. Des Wei-
teren bildet sie die Grundlage für eine Anpassung der strategischen Zielsetzung an ver-
änderte Rahmenbedingungen, wie sie beispielsweise im Zuge der Prämissenkontrolle
oder strategischen Überwachung festgestellt werden kann.
Die Balanced Scorecard wurde in ihrer Grundform von Kaplan und Norton im Jahr
1992 entwickelt und wird beschrieben als „set of measures that gives top managers a
fast but comprehensive view of the business“ (Kaplan und Norton 1992, S. 71). Diese
3  Die Balanced Scorecard als Instrument zur Entwicklung … 49

Grundform wurde im Laufe der Jahre mehrmals erweitert, z. B. mit der Einführung einer
Strategy Map die eine einfachere Darstellung und Visualisierung ermöglicht (Hofmann
2011, S. 9 f.). Seitdem erlangte die Balanced Scorecard hohe Aufmerksamkeit in der
Wissenschaft und vor allem konnte in der Praxis ein zunehmender Einsatz der Balan-
ced Scorecard festgestellt werden (Binder und Schäffer 2005). Die Berücksichtigung von
finanziellen sowie nicht-finanziellen Kennzahlen ermöglicht, nicht-monetäre Messgrö-
ßen und Faktoren in die Unternehmensplanung mit einzuschließen (Kaplan und Norton
1997, S. 8). Durch die Möglichkeit der Analyse der Unternehmensumwelt und einer ste-
tigen Ergebniskontrolle können in der Balanced Scorecard sowohl Früh- als auch Spät-
indikatoren dargestellt werden. Zudem besteht eine Ausgewogenheit zwischen kurz- und
langfristigen Kennzahlen ebenso wie die Verbindung der unternehmensinternen Pers-
pektive mit einer externen (Kaplan und Norton 1997, S. 10). In der auf die Steuerung
von Gesamtunternehmen zugeschnittenen Ursprungsvariante werden finanzielle Ziel-
setzungen (finanzielle Perspektive) mit den Leistungsperspektiven bezüglich interner
Prozesse, Mitarbeiter sowie Kunden verbunden (Appelfeller und Buchholz 2005, S. 181).
Die Balanced Scorecard kann folglich als ein Kennzahlensystem mit einer konsequen-
ten Strategieorientierung charakterisiert werden. Durch klar definierte, messbare und
kontrollierbare Größen zur effektiven und effizienten Unternehmenssteuerung zeichnet
sie sich aus. Das Hauptziel der Balanced Scorecard ist die Strategieumsetzung in die
unternehmerische Praxis durch Bildung eines Handlungsrahmens für den strategischen
Führungsprozess und die Unterstützung dessen. Das Ziel dabei ist, alle Akteure im
Unternehmen auf ein Ziel auszurichten und einen Ablaufplan zu dessen Erreichung zu
präsentieren (Matlachowsky 2009, S. 40 ff.).

3.4.1 Entwicklung von Digitalisierungsstrategien mithilfe der


Balanced Scorecard

Weber und Schäffer (1998, S. 34) sehen das grundsätzliche Potenzial strategischer Kenn-
zahlensysteme in der Strategiefindungsphase, also nicht primär in einer instrumentellen
Nutzung, sondern in einer konzeptionellen. Zwar ist die Balanced Scorecard in erster
Linie ein Mechanismus zur Strategieumsetzung jedoch nicht zu -formulierung (Kaplan
und Norton 1997, S. 36), falls jedoch kein Konsens über die Unternehmensstrategie vor-
liegt kann die Entwicklung von Balanced Scorecard Zielen und -kennzahlen ein Kata-
lysator im Prozess der Strategieformulierung sein (Kaplan und Norton 1997, S. 38).
Dies trifft gewöhnlich für die Planung der strategischen Aktionsprogramme bzw. die
Konzeptionsphase eines tief greifenden transformativen organisatorischen Wandels zu
(Gladen 2011, S. 415). Dies entspricht dem Digitalisierungsverständnis nach Becker
et al. (2014, S. 264). Sodass sich die Balanced Scorecard durchaus auch für die Ent-
wicklung von Digitalisierungsstrategien eignet. Legt man den Strategieprozess nach
Becker zugrunde, wird deutlich das die Strategieentwicklung im engeren Sinn einer-
seits aus der strategischen Planung und anderseits aus einer strategischen Entscheidung
50 W. Becker et al.

besteht. Im Zuge der strategischen Planung ist die Kenntnis des Geschäftsmodells
unabdingbar. Sind die Perspektiven der Balanced Scorecard adäquat gewählt, spiegelt
sich in ihr das Geschäftsmodell wieder. Hinsichtlich der Strategischen Entscheidung
kann die Balanced Scorecard als Decision Making Support System eingesetzt werden
(vgl. Wang et al. 2015), welches den Entscheidungsprozess unterstützt.

3.4.2 Implementierung von Digitalisierungsstrategien mithilfe der


Balanced Scorecard

Die Implementierung als Anpassung der Struktur an die Strategie wurde erstmalig von
Chandler als grundlegendes Problemfeld identifiziert (Chandler 1966). Die Strategie-
implementierung ist als die Phase zu verstehen, in der „etwas eingeführt“, „durch-
geführt“ bzw. „zur Anwendung gebracht werden soll“ (Marr und Kötting 1992, S. 827).
Inhaltlich wird unter der Implementierung einer Strategie der Prozess der Realisie-
rung eines gedanklich formulierten Konzeptes bzw. einer Strategie verstanden (Feucht
1996, S. 21). Implementierung einer Strategie bedeutet also, dass eine geplante Strate-
gie nicht nur durchdacht und verabschiedet wird, sondern auch tatsächlich realisiert
wird (Hungenberg 2008, S. 330). Diese strategisch und operativ Durchsetzungsphasen
unterscheiden sich deutlich voneinander (Ansoff 1966). Anders als dies bei operativen
Programmen der Fall ist, zeichnen sich strategische Programme zur Implementierung
durch einen hohen Grad an Selektivität aus (Steinmann und Schreyögg 2005, S. 271).
Das Scheitern von Strategien kann auf vielfältige Ursachen zurückgeführt werden. Die
Tatsache, dass die Implementierung der Strategie komplex und damit problembehaftet
sein kann, ist zwar noch kein direktes Indiz für das Misslingen einer Strategie (Raps
2008, S. 14), allerdings wird in einer Studie von Kolks (1990) belegt, dass eine mangel-
hafte Strategieimplementierung die Hauptursache für das Scheiterns von Strategien dar-
stellt. Die Implementierung von Strategien wird auch in der Unternehmenspraxis als
diejenige Phase des Strategieprozesses angesehen, welche die meisten Probleme mit
sich bringt (Al-Lahman 1997, S. 458 ff.; Noble 1999, S. 19). Kaplan und Norton (1997)
identifizieren hierbei vier Barrieren der Strategieimplementierung welche sich in die die
Strategie-Barriere, die Zielkongruenz-Barriere, die Management-Barriere und die Res-
sourcen Barriere untergliedern lassen.
Meist wird hierbei, statt einer Überdenkung der Implementierungsinstrumente bzw.
des Implementierungsverfahrens, das strategische Konzept verändert. Dieses durch-
läuft erneut die möglicherweise fehlerhaften Implementierungsmechanismen, sodass
ein erneutes Scheitern unvermeidbar ist (Hilker 1993, S. 11). Alexander (1985, S. 95)
hat als einer der ersten die Ursachen für Problematiken hinsichtlich der Strategie-
implementierung untersucht. Zusammengefasst lässt sich sagen, dass das Scheitern
der Strategieimplementierung vornehmlich auf externe aber auch auf interne Unsicher-
heiten zurückzuführen ist. Die durch die Digitalisierung vorherrschende Turbulenz
in der Unternehmensumwelt führt zu solchen internen bzw. externen Unsicherheiten,
3  Die Balanced Scorecard als Instrument zur Entwicklung … 51

sodass hinsichtlich einer Digitalisierungsstrategie die Gefahr besteht, dass diese in der
Implementierungsphase scheitert. In einer Studie von Belz et al. (1999, S. 16 ff.) konnte
ermittelt werden, dass neben motivierten Mitarbeitern mit adäquaten Kompetenzen, ein
systematisches Planungs- und Kontrollsystem einen wichtigen Erfolgsfaktor für die
Strategieimplementierung darstellt. Als ein solches Planungs- und Kontrollsystem kann
die bereits angesprochene Balanced Scorecard dienen. Diese stellt nicht nur ein Kenn-
zahlensystem dar, sondern kann vor allem als ein Managementsystem eingesetzt werden,
welches einen Handlungsrahmen für die Implementierung bilden kann (Kaufmann 1997,
S. 422). Hierzu soll aufgezeigt werden, wie zur besseren Steuerbarkeit der Strategie-
implementierung die Schaffung und Erhaltung immaterieller Werte durch Indikatoren
abgebildet werden kann (Kaplan und Norton 1997). Die in diesen Kennzahlen fest-
gehaltenen strategischen Ziele müssen in den Bereichen des Unternehmens kommuni-
ziert werden, die diese in strategischen bzw. operativen Bereichsplanungen umsetzen
(Gladen 2011, S. 363).
Eine besondere Eigenschaft der Balanced Scorecard stellt die systematische Ein-
bindung der vornehmlich strategisch relevanten Mehrperspektivenbetrachtung des
Unternehmens in einen durchgängigen Steuerungs- und Managementprozesses dar, von
der strategischen Sichtweise über die Definition von Maßgrößen bis hin zur Implemen-
tierung, die Ressourcenallokation und Budgetierung bis hin zur Leistungsmessung des
Managements (Horvath und Michel 1999, S. 31 f.; Olve et al. 2001, S. 145). Gerade
diese Mehrperspektivenbetrachtung spielt eine nicht unwesentliche Rolle für die Trans-
formation des Geschäftsmodells.
Die Einführung einer Balanced Scorecard sollte grundsätzlich auf den Erkenntnissen
eines „Readiness-Checks“ aufbauen (hierzu und im folgenden Becker 2017, S. 276 ff.).
Dieser Readiness-Check prüft anhand vielfältiger Kriterien der Sach- (hierzu zählen u. a.
die Vision, Strategie, Ziele und Indikatoren) und Verhaltensperspektive (hierunter sind
u. a. die Kenntnisse des Eigentümers oder die Bereitschaft zur Investition zu verstehen),
ob ein Unternehmen zur Einführung der Balanced Scorecard bereit ist und welcher Typ
der Balanced Scorecard mit gegebener Bereitschaft implementiert werden kann.
Der Prozess zur Einführung einer Balanced Scorecard lässt sich in mehrere Grob-
phasen unterteilen. Nach dem eigentlichen Start des Projektes muss in einem ers-
ten Überprüfungsschritt (Gate) die Strategie verabschiedet werden. An diesen Schritt
schließt sich die Erarbeitung des konkreten und unternehmensindividuellen Konzeptes
der Balanced Scorecard an. Im Rahmen dieser Konzeptionalisierung sind insbesondere
Ziele zu vereinbaren, Indikatoren festzulegen und Maßnahmen zu verabschieden.
Schließlich ist die Balanced Scorecard mittels eines Roll-Out verbindlich in das opera-
tive Tagesgeschäft einzuführen. Ein dazu zwingend zeitlich versetzter Review der Projekt-
realisierung gibt Hinweise auf das Gelingen der Projektdurchführung. Die dritte Phase des
Implementierungsprozesses besteht aus der tatsächlichen Nutzung der Balanced Scorecard
und ihrer Bewertung und gegebenenfalls einer Weiterentwicklung. Insofern ist der Review
der Balanced Scorecard als letzter Überprüfungsschritt des Implementierungsprozesses
zugleich der Beginn eines neuen Implementierungsprozesses. Die Konzipierung der
52 W. Becker et al.

Balanced Scorecard sollte nach Möglichkeit einem vorgegebenen und angemessen dimen-
sionierten Zeitschema folgen.
In der Praxis hat sich die Durchführung in Gestalt von Workshops als sinnvoll
erwiesen. Der im Rahmen der Konzipierung durchzuführende Prozess der Zielbildung
mündet in ein konsistentes und möglichst von Zielkonflikten bereinigtes Zielsystem.
Um diese Zielerreichung zu operationalisieren, wird die Verwendung von Indikatoren
vorgeschlagen, falls Ziele nicht direkt durch eine einzelne quantitative Kenngröße
gemessen werden können. Diese Indikatoren stellen allerdings keine begriffslogische
Zerlegung eines Oberzieles dar, sie sind Hilfsmaßstäbe, um komplexe Ziele ausschnitts-
weise, ggf. nur stellvertretend abzubilden. Indikatoren lassen sich anhand des Ausma-
ßes des zeitlichen Verzugs zwischen der gemessenen Indikatorausprägung und der
tatsächlichen Zielwirksamkeit klassifizieren. Wird mit dem Indikator die sofort auf-
tretende Zielausprägung gemessen, wird dieser als Frühindikator bezeichnet. Misst der
Indikator hingegen die Zielausprägung erst mit zeitlichem Verzug, so wird von einem
Spätindikator gesprochen. Ist eine Abweichung der geplanten Zielausprägung bereits
faktisch vorhanden oder zumindest mit sehr hoher Wahrscheinlichkeit gegeben, so müs-
sen Maßnahmen zur Problembehebung formuliert und realisiert werden. Die hierzu zu
identifizierenden Maßnahmen umfassen die Maßnahmengenerierung und -konkretisie-
rung, die Beurteilung und Priorisierung der Maßnahmen und schlussendlich die Maßnah-
menbudgetierung und die -umsetzung.
Der im Zuge der Implementierung einer Balanced Scorecard notwendige Roll-Out
befasst sich inhaltlich mit der aus hierarchischer Sicht top-down angelegten Detaillie-
rung und Konzeptionalisierung. Darauf aufbauend schließt sich eine bottom-up orien-
tierte Abstimmung an, in welcher die Vorgaben der höheren Hierarchieebenen an die
Gegebenheiten der Ausführungsebene angepasst werden müssen. Nach Abschluss dieser
Abstimmung kann die Balanced Scorecard in ihrer endgültigen Form als Vorgabe für alle
Hierarchieebenen verabschiedet werden und in diesem Zusammenhang an ein Anreiz-
system geknüpft werden. Der Review einer bereits vollständig implementierten Balanced
Scorecard stellt einen wichtigen Schritt zur langfristigen Nutzung dieses Instruments dar.
Um die Aktualität des Steuerungsinstruments garantieren zu können, ist ein jährlicher
Review ratsam. Dieser versetzt das Unternehmen somit in die Lage, die Balanced Score-
card situationsadäquat anzupassen.

3.5 Fazit

Die in Abschn. 3.2.3 dargestellten Studien zeigen deutlich, dass eine Digitalisierungs-


strategie in der Praxis oftmals nicht explizit vorhanden ist. Dies ist jedoch zwingend
notwendig, um die Digitale Transformation strukturiert und zielorientiert zu bewältigen.
In der Wissenschaft besteht Uneinigkeit darüber ob eine Digitalisierungsstrategie,
falls diese vorhanden ist, eine eigenständige Strategie darstellt oder ob diese ande-
ren Funktionalstrategien zuzuordnen ist. Der vorliegende Forschungsbeitrag versucht
3  Die Balanced Scorecard als Instrument zur Entwicklung … 53

diese Forschungslücke zu schließen. Hierzu wurden aus einer Vielzahl von Strategie-
definitionen generische Strategiemerkmale abgleitet und diese mit dem Digitalisierungs-
verständnis des Kompetenzzentrum für Geschäftsmodelle in der Digitalen Welt
verglichen. Im Zuge dessen wurde deutlich, dass die Digitalisierung als Strategie zu
interpretieren ist. Im Folgenden wird die Digitalisierungsstrategie in die Typologie nach
Becker eingeordnet, sodass ersichtlich wird, dass diese als eigenständige Strategie fun-
gieren sollte und nicht beispielsweise der IT-Strategie untergeordnet werden darf.
Durch empirische Studien kann gezeigt werden, dass eine Strategie meist in der
Implementierungsphase scheitert. Um Implementierungsproblematiken zu über-
winden, bieten sich Planungs- und Kontrollinstrumente an. Als bewährtes Strategie-
implementierungsinstrument kann die Balanced Scorecard gesehen werden. Aufgrund
dessen sollte eine Digitalisierungs-Balanced Scorecard implementiert werden. Diese
kann neben der Implementierung auch die Strategieentwicklung unterstützen, beispiels-
weise als Decision Making Support System.
Hinsichtlich der Implementierung der Digitalisierung Balanced Scorecard ist ein ziel-
orientierter Readiness Check unabdingbar. Dieser sollte zusätzlich durch eine adäquate
Software-Lösung unterstützt werden.

Literatur

Al-Laham, A. (1997). Strategieprozesse in deutschen Unternehmungen: Verlauf, Struktur und Effi-


zienz. Wiesbaden: Gabler.
Alexander, L. D. (1985). Successfully Implementing Strategic Decisions. Long Range Planning,
18(3), 91–97.
Ansoff, I. (1966). Management-Strategie. München: Verlag Moderne Industrie.
Ansoff, I. (2001). Corporate Strategy. London: Penguin Books.
Appelfeller, W., & Buchholz, W. (2005). Supplier Relationship Management: Strategie, Organisa-
tion und IT des modernen Beschaffungsmanagements. Wiesbaden: Gabler.
Arbeitskreis „Langfristige Unternehmensplanung“ (1977). ZfbF, 29, 1–20.
Barney, J. B. (1997). Gaining and sustaining competitive advantage. New York: Addison-Wesley.
Barney, J. B., & Hersterly, W. S. (2010). Strategic management and competitive advantage: con-
cepts and cases. 3. Upper Saddle River: Prentice Hall.
Bea, F. X., & Haas, J. (2017). Strategisches Management. Konstanz: UVK Verlagsgesellschaft
mbH.
Becker, W. (1996). Stabilitätspolitik für Unternehmen: Zukunftssicherung durch integrierte Kos-
ten- und Leistungsführerschaft. Wiesbaden: Gabler.
Becker, W. (2017). Wertschöpfungsorientiertes Controlling Kennzahlen-, Performance- & Value
Management. 2. Aufl Bamberg: Otto-Friedrich-Universität
Becker, W., Baltzer, B., & Ulrich, P. (2014). Wertschöpfungsorientiertes Controlling: Konzeption
und Umsetzung. Stuttgart: Kohlhammer.
Belz, C., Müller, M., & Senn, C. (1999). Die Implementierung globaler Marketing-Strategien in
Industriegüterunternehmen: Ergebnisse einer explorativen Untersuchung. St. Gallen: Thexis.
Binder, C., & Schäffer, U. (2005). Die Entwicklung des Controllings von 1970 bis 2003 im Spiegel
von Publikationen in deutschsprachigen Zeitschriften. Die Betriebswirtschaft, 65 (6), 603–626.
54 W. Becker et al.

Bhardwaj, A., Sawy, O.; Pavlou, P., & Vekatraman, N. (2013). Digital Business Strategy: Toward a
next Generation of Insights. MIS Quarterly, 37, 471–482.
Bloching, B.; Leutiger, P; Oltmanns, T.; Rossbach, C.; Schlick, T.; Remane, G.; Quick, P.;
­Shafranyuk, O. 2015. Die digitale Transformation der Industrie, empirische Studie zur digita-
len Transformation, http://www.bdi.eu/download_content/InformationUndTelekommunikation/
Digitale_Transformation.pdf., Zugegriffen: 19. Jan. 2018.
Buxmann, P., & Zilmann, M. (2016). Digitalisieren Sie schon? Ein Benchmark für die digitale
Agenda. http://luenendonkshop.de/out/pictures/0/lnendonk_studie_2016_digitaler_reifegrad_
f160216_fl.pdf. Zugegriffen: 18. Jan. 2018.
Chandler, A. D. (1996). Strategy and Structure, Chapters in the History of Industrial Enterprise.
Cambridge: Beard Group Inc.
Child, J. (1972). Organizational Structure, Environment and Performance: The Role of Strategic
Choice. Sociology, 6 (1), 1–22.
Feucht, H. (1996). Implementierung von Technologiestrategien. Frankfurt: Peter Lang GmbH
Internationaler Verlag der Wissenschaften.
French, S. (2009). Re-thinking the foundations of the strategic business process. Journal of
Management Development, 28, 51–76.
Eisenhardt, K.; & Zbackari, M. 1992. Strategic Decision Making. Strategic Management Journal,
13, 17–37.
Gälweiler, A., & Schwaninger, M. (1990). Strategische Unternehmensführung. 2. Aufl Frankfurt:
Campus-Verlag.
Gladen, W. (2011). Performance Measurement: Controlling mit Kennzahlen. 5. Aufl Wiesbaden:
Gabler.
Glaiser, K. W., & Falshaw, J. R. (1999). Strategic Planning: Still Going Strong? LRP, 32, 107–116.
Gluck, F. W., Kaufmann, S., & Walleck, S. (1980). Strategic Management for Competitive Advan-
tage. The McKinsey Quarterly, 155–160.
Götze, U., & Mikus, B. (1999). Strategisches Management. Chemnitz: GUC-Verlag.
Gupta, A., & Govindarajan, A. (1984). Business Unit Strategy, Managerial Characteristics, and
Business Unit Effectiveness at Strategy Implementation. Academy of Management Journal, 27
(1), 25–41.
Hahn, D. (2006). Strategische Unternehmungsführung – Grundkonzept. In D. Hahn & T. Bernard
(Hrsg.) Strategische Unternehmungsplanung – strategische Unternehmungsführung: Stand und
Entwicklungstendenzen (S. 29 – 50). Heidelberg: Physica-Verlag.
Herbert, T., & Deresky, H. (1987). Generic Strategies. Strategic Management Journal, 8 (2),
135–147.
Hess, T., Matt, C., Benlian, A., & Wiesböck F. (2016). Options for Formulating a Digital Trans-
formation Strategy. MIS Quarterly Executive, 15 (2), 123–139.
Hilker, J. (1993). Marketing-Implementierung – Grundlagen und Umsetzung am Beispiel ost-
deutscher Unternehmen. Wiesbaden: Springer Fachmedien.
Hoberg, P., Krcmar, G., Oswald, G., & Welz, B. (2015). Skills for Digital Transformation –
Research Report 2015, empirische Untersuchung 2018.
Horvath, P., & Michel, W. (1999). Wie die Balanced Scorecard ein wirkungsvolles Wert-
management unterstützt. In E. Zahn & S. Foschiani (Hrsg.), Maßgeschneiderte Strategien – der
Weg zur Alleinstellung im Wettbewerb (S. 23–43). Stuttgart: Gabler Verlag.
Hungenberg, H. (2008). Strategisches Management in Unternehmen: Ziele – Prozesse – Verfahren.
5. Aufl Wiesbaden: Gabler.
International Group of Controlling (2013). www.igc-controlling.org/fileadmin/pdf/control-
ler-de-2013.pdf. Zugegriffen: 22. Jan. 2018.
Jahn, B., & Pfeiffer, M. (2014). Die digitale Revolution – Neue Geschäftsmodelle statt (nur) neuer-
Kommunikation. Marketing Review St. Gallen, 31 (1), 79–93.
3  Die Balanced Scorecard als Instrument zur Entwicklung … 55

Kaufmann, L. (1997). ZP-Stichwort: Balanced Scorecard. ZP (8), 421–428.


Kaplan, R., & Norton, D. (1992). The Balanced Scorecard – Measures that Drive Performance.
Harvard Business Review, 70 (1), 71–79.
Kaplan, R., & Norton, D. (1997). The Balanced Scorecard: Translating strategy into action. Bos-
ton: Harvard Business School Press.
Kane, G., Palmer, A., Phillips, A.,Kiron, D., Buckley, N. (2015). Strategy, not Technology, Drives
Digital Transformation – Research Report, https://dupress.deloitte.com/content/dam/dup-
us-en/articles/digital-transformation-strategydigitally-Mature/15-MIT-DD-Strategy_small.pdf.
Zugegriffen: 18. Jan. 2018.
Kirkpatrick, D., & Kirkpatrick, J. (2005). Transferring learning to behavior: using the four levels
to improve performance. San Francisco: Berrett-Koehler Publishers.
Kirsch, W. (1991). Unternehmenspolitik und strategische Unternehmensführung. München: Kirsch.
Koontz, H., & O’Donnell, C. (1995). Principles of Management. New York: McGraw-Hill Inc.
Kolks, W. (1990). Strategieimplementierung: ein anwenderorientiertes Konzept. Wiesbaden: Dt.
Univ.-Verl.
Kreikebaum, H. (1997). Strategische Unternehmensplanung. 6. Aufl, Stuttgart et al.: Kohlhammer.
Kreutzer, T. (2017). Treiber und Hintergründe der digitalen Transformation. In D. Schallmo,
A. Rusnjak, J. Anzengruber, T. Werani, & M. Jünger (Hrsg.), Digitale Transformation von
Geschäftsmodellen: Grundlagen, Instrumente und Best Practices (S. 33–58). Wiesbaden:
Springer.
Lehner, J. (1996). Implementierung von Strategien: Konzeption unter Berücksichtigung von
Unsicherheit und Mehrdeutigkeit. Wiesbaden: Gabler.
Marr, R., & Kötting, M. (1992). Implementierung, organisatorische. In E. Frese (Hrsg.), Hand-
wörterbuch Organisation (S. 827–841). Stuttgart: Schäffer-Poeschel Verlag.
Matlachowsky, P. (2009). Implementierungsstand der Balanced Scorecard: Fallstudienbasierte
Analyse in deutschen Unternehmen. Wiesbaden: Gabler.
Matt, C., Hess, T., & Benlian, A. (2015). Digital Transformation Strategies. Business and Informa-
tion Systems Engineering, 57(5), 339–343
Matzler, K., Müller, J., & Mooradian, T. (2011). Strategisches Management: Konzepte und Metho-
den. Wien: Linde.
Mintzberg, H. (2002). The strategy process: concepts, contexts, cases. Harlow: Pearson Education.
Mithas, S., Agarwal, R., & Courtney, H. 2012. Digital Business Strategies and the Duality of IT.
IEEE IT Professional, 14 (5), 2–4.
Mithas, S., Tafti, A., & Mitchell, W. 2013 How a firms’s competitive Enviroment and digital strate-
gic posture influence business strategy. MIS Quarterly, 37 (2), 511–536.
Noble, C. (1999). Building the Strategy Implementation Network. Business Horizons, 42 (6),
19–24.
Olve, N.-G., Roy, J., & Wetter, M. (2001). Performance Drivers: A Practical Guide to Using the
Balanced Scorecard, Chichester: Wiley.
Osterloh, M., & Frost, J. (2006). Prozessmanagement als Kernkompetenz: Wie Sie Business
Reengineering strategisch nutzen können. 5. Aufl Wiesbaden: Gabler.
Porter, M. E.(1980). Cases in competitive strategy: Techniques for Analyzing Industries and Com-
petitors. New York: Free Press.
Quinn et al. (1988). The strategy process. Englewood Cliffs: Prentice Hill.
Raps, A. (2008). Erfolgsfaktoren der Strategieimplementierung. 3. Aufl Wiesbaden: Gabler
Sia, S. K., Soh, C., & Weil, P. (2016). How DBS Bank Pursued a Digital Business Strategy. MIS
Quarterly Executive, 15 (2). 105–121.
Steiner, G. A., & Höhlein, H. (1987). Top management planning. München: Verlag Moderne
Industrie.
Steinmann, H., & Schreyögg, G. (2005). Management: Grundlagen der Unternehmensführung;
Konzepte, Funktionen, Fallstudien. Wiesbaden: Gabler.
56 W. Becker et al.

Stief, S. E., Eidhoff, A. T., & Voeth, M. (2016). Transform to Succeed: An Empirical Analysis of
Digital Transformation Firms. International Journal of Economics and Management Enginee-
ring, 10 (6), 1833–1842.
Velthuis, L., & Wesner, P. (2005). Value Based Management: Bewertung, Performancemessung
und Managemententlohnung mit ERIC®. Stuttgart: Schäffer-Poeschel Verlag.
Von Neumann, J., Morgenstern, O., & Sommer, F. (1973). Spieltheorie und wirtschaftliches Ver-
halten. 3. Aufl Würzburg: Physica-Verlag.
Wang, F., Mora, M., & Rasinghani, M. (2015). Web-Based Decision Support for E-Business Sta-
tegies: A Balanced Scorecard Approach. International Journal of Information Technology &
Decision Making, 14. 455–479.
Weber, J., & Schäffer, U. (1998). Balanced Scorecard – Gedanken zur Einordnung des Konzepts in
das bisherige Controlling-Instrumentarium, ZP 9, S. 341–365.
Welge, M. K., & Al-Laham, A. (1992). Planung: Prozesse, Strategien, Maßnahmen. Wiesbaden:
Gabler.
Welge, M. K., Al-Laham (2012). Strategisches Management: Grundlagen – Prozesse – Implemen-
tierung. Wiesbaden: Gabler.
Woodard, C. J.; Ramsubbu, N.;Tschang, F. T.; Sambamurthy, V. 2013. Design Capital and design
Moves: The Logic of digital Business strategy. MIS Quarterly, 37 (2), 537–564.
Zahn, E. (1989). Neue Produktionstechnologien: Potentiale für Wettbewerbsorteile. In H.-J. Riekhof
(Hrsg.) Strategieentwicklung: Konzepte und Erfahrungen (S. 153–166). Stuttgart: Poeschel.

Univ.-Professor Dr. Dr. habil. Wolfgang Becker  ist Ordinarius für Betriebswirtschaftslehre und
Inhaber des Lehrstuhls Unternehmensführung & Controlling und Mitglied des Direktoriums des
Kompetenzzentrums für Geschäftsmodelle in der digitalen Welt an der Otto-Friedrich-Universität
Bamberg. Darüber hinaus leitet er als Wissenschaftlicher Direktor das Europäische Forschungsfeld
für Angewandte Mittelstandsforschung (EFAM), das Forschungsfeld für Value Based Management
sowie das Forschungsfeld für Digitale Geschäftsmodelle. Diese Themenfelder stellen auch seine
Forschungsschwerpunkte dar. Professor Becker vertritt zudem das Fachgebiet Unternehmens-
führung & Controlling im berufsbegleitenden Online-Masterstudiengang Wirtschaftsinformatik
(VAWi) der Universitäten Bamberg und Duisburg-Essen, im MBA Studiengang Business Manage-
ment an der Universität Erlangen-Nürnberg und im Executive MBA-Programm der Johannes
Gutenberg-Universität Mainz. Schließlich ist er Gründer, Gesellschafter und Beiratsvorsitzender
der Scio GmbH Professor Dr. W. Becker in Erlangen, die der Wirtschaftspraxis Beratung auf dem
Gebiet des integrierten Strategie- und Organisationsdesigns anbietet.

Felix Schuhknecht ist Wissenschaftlicher Mitarbeiter am Lehrstuhl Unternehmensführung &


Controlling sowie Doktorand im Europäischen Forschungsfeld für Angewandte Mittelstands-
forschung (EFAM) und im Kompetenzzentrum für Geschäftsmodelle in der digitalen Welt an der
Otto-Friedrich- Universität Bamberg. Seine Forschungsschwerpunkte sind: Value Based Manage-
ment, Geschäftsmodelle in der digitalen Welt, Kostenmanagement und Kennzahlenmanagement.

Dr. Tim Botzkowski war Wissenschaftlicher Mitarbeiter am Lehrstuhl Unternehmensführung


& Controlling sowie Doktorand im Europäischen Forschungsfeld für Angewandte Mittelstands-
forschung (EFAM) und im Kompetenzzentrum für Geschäftsmodelle in der digitalen Welt an der
Otto-Friedrich-Universität Bamberg. Seine Forschungsschwerpunkte waren: Mittelstandsforschung,
Geschäftsmodelle in der digitalen Welt, Entscheidungstheorie, Kostenmanagement, Kennzahlen-
management und Mergers & Acquisitions. Aktuell ist er als Deputy CDO | Innovationsbotschafter
bei der Talanx Deutschland AG beschäftigt.
Von der Pipeline zur Plattform –
Strategische Implikationen für das 4
Unternehmen

Alexander Pflaum und Christoph Klötzer

Inhaltsverzeichnis

4.1 Vom produktorientierten zum datengetriebenen Unternehmen. . . . . . . . . . . . . . . . . . . . . . 58


4.2 Denkrahmen für die digitale Transformation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.3 Digitale Transformation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.3.1 Das produktorientierte Unternehmen als Startpunkt. . . . . . . . . . . . . . . . . . . . . . . . 61
4.3.2 Der Transformationsprozess . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.3.3 Das datengetriebene Unternehmen als Endpunkt . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.4 Zur strategischen Bedeutung digitaler Plattformen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.5 Strategische Fragestellungen und Implikationen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.6 Zusammenfassung und Ausblick. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

Zusammenfassung
Ausgehend vom Prozess der digitalen Transformation und der Vision des daten-
getriebenen Unternehmens, versucht der Beitrag, strategische Fragen zu identifizieren
und Implikationen zu erarbeiten. Grundlage sind Erkenntnisse, die am Zentrum für
Geschäftsmodelle in der digitalen Welt in Bamberg generiert wurden. Der Beitrag ver-
deutlicht, dass ein klares Zukunftsbild des Unternehmens in Verbindung mit einer

A. Pflaum (*) 
Lehrstuhl für Betriebswirtschaftslehre, insbesondere Supply Chain Management
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: alexander.pflaum@uni-bamberg.de
C. Klötzer 
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: christoph.kloetzer@uni-bamberg.de

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019 57
W. Becker et al. (Hrsg.), Geschäftsmodelle in der digitalen Welt,
https://doi.org/10.1007/978-3-658-22129-4_4
58 A. Pflaum und C. Klötzer

Anwendungsroadmap Voraussetzung für den Erfolg ist. Herausforderungen liegen in der


Positionierung des eigenen Unternehmens innerhalb digitaler Ökosysteme sowie in Auf-
bau, Betrieb und Governance digitaler Plattformen. Der Beitrag identifiziert eine Reihe
noch nicht beantworteter wissenschaftlicher Fragen. Aus einer Geschäftsmodellsicht ist
vor allem zu klären, unter welchen Voraussetzungen Anwender bereit sind, Eigentums-
rechte an, von smarten Produkten generierten Daten an Lösungsanbieter und Plattform-
betreiber zu übertragen und unter welchen Rahmenbedingungen dies nicht so ist.

4.1 Vom produktorientierten zum datengetriebenen


Unternehmen

Die Digitalisierung als globaler Trend macht sich in vielen Branchen bemerkbar. In
der Musikbranche haben neue Datenformate wie mp3 oder AAC in Verbindung mit
dem Internet zu massiven, disruptiven Veränderungen geführt. Die klassische Schall-
platte und auch die CD sind zwar noch vorhanden, deren Marktanteil ist verglichen mit
modernen Streaming-Diensten allerdings verschwindend gering. Im Bereich der Bücher-
branche kündigen sich mit dem e-Book-Reader ganz ähnliche Entwicklungen an. Das
Internet ist in der Zwischenzeit nicht mehr die einzige, im Kontext der Digitalisierung
relevante Technologie. Cloud und Mobile Computing, Data Analytics, digitale soziale
Netze, die Blockchain-Technologie und auch das Internet der Dinge (IoT) spielen hier
eine wichtige Rolle (Kress 2018). Durch die Fusion der verschiedenen Technologien
entstehen innovative informations- und kommunikationstechnische Systeme, mit deren
Hilfe neue Services und Geschäftsmodelle realisiert werden können (Klötzer und Pflaum
2015). Unternehmen und Branchen wandeln sich. Porter und Heppelmann (2015) zei-
gen am Beispiel der Agrarwirtschaft sehr schön, wie aus einem einfachen Traktor ein
smartes vernetztes Produkt wird und wie der zunehmende Einsatz moderner Informati-
ons- und Kommunikationstechnologie zu einem „System of Systems“ führt, in dem eine
Vielzahl neuer, auf smarten Produkten basierender Services Branchenstrukturen in signi-
fikanter Weise verändert. Auch auf der volkswirtschaftlichen Ebene sind Auswirkungen
abzusehen. „Plattformökonomie“ (van Alstyne et al. 2016) ist das Stichwort, das in die-
sem Zusammenhang immer häufiger genannt wird. Im Rahmen von neu aufgelegten
Forschungsprogrammen versuchen Wissenschaftler besser zu verstehen, wie solche Öko-
nomien im Vergleich zu klassischen Volkswirtschaften funktionieren.
Die Digitalisierung betrifft auch industrielle Wertschöpfungsprozesse. Im Bereich der
Produktion können sich smarte Flurförderzeuge mithilfe von Lokalisierungstechnologien
im Raum verorten und Transportaufträge im Schwarm erledigen. Mit Mikroelektronik
ausgestattete Behälter überwachen in logistischen Prozessen den eigenen Inhalt und
bestellen bei Bedarf eigenständig nach. Intelligente Maschinen prognostizieren kriti-
sche Situationen und organisieren ohne menschliches Zutun Wartungsprozesse. Smarte
Produkte beim Kunden generieren Daten und unterstützen den Nutzungsprozess. Die
smarte Zahnbürste von Procter und Gamble, die den Reinigungsprozess überwacht oder
das intelligente Sportshirt, welches mithilfe von Sensorik Gesundheitsdaten erfasst und
4  Von der Pipeline zur Plattform – Strategische Implikationen … 59

a­ uswertet, repräsentieren eine ganze Palette smarter und am Markt verfügbarer Produkte.
Die Entwicklung, Vermarktung und Nutzung smarter Produkte und entsprechender Ser-
vices verändern Unternehmen grundlegend (Porter und Heppelmann 2015; ­Klötzer und
Pflaum 2017). Auswirkungen sind sowohl auf der strategischen, der taktischen und
der operativen Ebene zu spüren. Im Vordergrund des vorliegenden Beitrags steht ins-
besondere die Frage nach den strategischen Implikationen der digitalen Transformation.
Die Beantwortung orientiert sich am Transformationsprozess. Grundlage hierfür
sind Ergebnisse aus wissenschaftlichen Arbeiten, die in den vergangenen Jahren am
Kompetenzzentrum für Geschäftsmodelle in der digitalen Welt an der Otto-­Friedrich-
Universität Bamberg sowie am Fraunhofer SCS in Nürnberg durchgeführt wurden. Ziel-
setzung sind die Formulierung strategischer Fragen sowie erste inhaltliche Hinweise zu
möglichen Antworten.
Im nachfolgenden zweiten Kapitel wird ein Denkrahmen für die digitale Trans-
formation produzierender Unternehmen präsentiert. Das dritte Kapitel konzentriert sich
auf die Darstellung des Transformationsprozesses. In diesem Zusammenhang wird auf
das produktorientierte Unternehmen als Ausgangspunkt, auf den Prozess selbst und auf
das datengetriebene Pendant des Unternehmens als Endpunkt im Detail eingegangen.
Im Zusammenhang mit dem datengetriebenen Unternehmen spielt das Thema „digitale
Plattformen“ eine besondere Rolle. Dieses Thema wird im vierten Kapitel behandelt.
Strategische Implikationen und erste Handlungsempfehlungen sind dann Gegenstand des
fünften Kapitels, Zusammenfassung und Ausblick erfolgen im letzten, sechsten Kapitel.

4.2 Denkrahmen für die digitale Transformation

Nach wie vor existiert für den Begriff der digitalen Transformation keine wissenschaft-
lich erarbeitete und allgemeingültige Definition. Die Entwicklung digitaler Strategien in
Unternehmen wird damit beliebig schwierig. Allerdings bietet die Literatur eine Reihe
von Denkmodellen, die zumindest als Basis für inhaltliche Überlegungen und Dis-
kussionen herangezogen werden können. Abb. 4.1 zeigt ein Modell von Klötzer und
Pflaum (2017).
Startpunkt ist ein Unternehmen der produzierenden Wirtschaft, welches ein tradi-
tionelles produktorientiertes Geschäftsmodell verfolgt. Endpunkt ist das digitalisierte
Pendant, das „datengetriebene Unternehmen“, dem wiederum ein digitales Geschäfts-
modell (Teece 2010; Zott und Amit 2017; Pflaum und Schulz 2018) zugrunde liegt. Die
Transformation vom produktorientierten zum datengetriebenen Unternehmen kann auf
unterschiedlichen Wegen erfolgen. Zum einen besteht die Möglichkeit, eigene Produkte
mithilfe eingebetteter Mikroelektronik in smarte Produkte oder Cyber-Physische Sys-
teme (Klötzer und Pflaum 2015) zu verwandeln, in smarte Services (Arbeitskreis Smart
Service Welt 2015; Beverungen et al. 2017) und entsprechende Geschäftsmodelle ein-
zubetten, um neue Umsätze zu generieren (Dimension „Realisierung smarter Produkte/
Services“ in der Abbildung). Beispielhaft können hier wieder smarte Kleidungsstücke
60 A. Pflaum und C. Klötzer

Abb. 4.1  Rahmenmodell für die digitale Transformation produzierender Unternehmen. (In Anlehnung


an Klötzer und Pflaum 2017)

von Adidas, smarte Behälter von Würth oder die intelligente Zahnbürste von Procter
und Gamble genannt werden. Zum anderen können smarte Produkte anderer Herstel-
ler zum Einsatz kommen, um die eigenen Prozesse effizienter, effektiver, flexibler und
vor allem agiler zu gestalten (Dimension „Anwendung smarter Produkte/Services“ in
der Abbildung). Im Zusammenhang mit der „Industrie 4.0-Initiative“ (Burmeister et al.
2016) wird diese Variante inzwischen von einer großen Zahl an Unternehmen verfolgt.
Neben Konzernunternehmen wie Bosch oder Siemens sind hier vor allem auch mittel-
ständische Unternehmen wie z. B. die Maschinenfabrik Rheinhausen in Regensburg
aktiv. Beide Herangehensweisen können grundsätzlich getrennt voneinander verfolgt
oder miteinander kombiniert werden.
Ziel bei der Entwicklung einer digitalen Strategie muss sein, das eigene Unter-
nehmen in einer digitalen Welt nachhaltig zu positionieren und Wettbewerbsvorteile zu
generieren. Ganz wesentlich sind vor diesem Hintergrund die Entwicklung eines ent-
sprechenden Zielbilds sowie die Beschreibung der aktuellen Position. Die eigentliche
Strategie beschreibt dann die Maßnahmen, die auf dem Weg zum Ziel zu ergreifen sind.
In den nachfolgenden Abschnitten sind Startpunkt, Prozess und Endpunkt der digitalen
Transformation auf einer generischen Ebene beschrieben. Die Darstellungen orientieren
sich an einer von Klötzer und Pflaum (2017) entwickelten Systematik. Im Rahmen einer
Grounded Theory-Analyse wurden von den beiden Autoren Dimensionen identifiziert, in
denen sich produktorientierte und datengetriebene Unternehmen deutlich voneinander
unterscheiden: Angebot, Werteträger, technische Ressourcen, Prozessorganisation, Auf-
bauorganisation, Kooperation, menschliche Ressourcen und Unternehmenskultur.
4  Von der Pipeline zur Plattform – Strategische Implikationen … 61

4.3 Digitale Transformation

4.3.1 Das produktorientierte Unternehmen als Startpunkt

Startpunkt der digitalen Transformation ist das produktorientierte Unternehmen. Hier


werden physische Artefakte wie zum Beispiel Automobile, Container, elektrische Zahn-
bürsten in Verbindung mit begleitenden produktbezogenen Dienstleistungen wie z. B.
Wartung, Reparatur oder Ersatzteilversorgung („hybride Leistungsbündel“) zu einem
Festpreis oder im Rahmen von Leasing-Verträgen angeboten. Kunden betrachten das
Produkt als technologisches Potenzial bzw. Ressource mit deren Hilfe Prozesse oder
einzelne Aktivitäten unterstützt werden können. Dem Hersteller des Produktes obliegt es,
die notwendigen Entwicklungs-, Produktions-, Distributions- und Serviceprozesse auf-
zubauen, diese mit der erforderlichen technischen Infrastruktur (Maschinen, Anlagen
etc.), mit informationstechnischer Hardware (Steuergeräte, EDV-Anlagen etc.) und Soft-
wareprodukten (ERP-Produkte, MES etc.) zu unterstützen, zu betreiben und Produkt und
produktbegleitende Dienstleistungen in der gewünschten Qualität kundenseitig zur Ver-
fügung zu stellen. Die Aufbauorganisation des Unternehmens entspricht dabei in aller
Regel der klassischen Hierarchie. Produzierende Unternehmen können in unterschied-
liche Sparten untergliedert sein. Produktorientierte und serviceorientierte Organisations-
einheiten existieren üblicherweise nebeneinander. Produzierende Unternehmen sind
in aller Regel in pipelineartig strukturierte Versorgungsketten eingebettet. Für Mentzer
et al. (2001) ist eine Versorgungskette (im englischen Originaltext) beispielsweise „a
set of three or more entities (organizations or individuals) directly involved in the ups-
tream and downstream flow of products, services, finances and/or information from a
source to a customer.“ Teile und Module werden von Zulieferern zur Verfügung gestellt
und beim Hersteller zum Produkt montiert. Informationsdienstleister und Logistik-
dienstleister unterstützen die Prozesse. Servicedienstleistungen werden entweder über
eine eigene Serviceorganisation erbracht oder über Partner auf globaler Ebene zur Ver-
fügung gestellt. Im Zusammenhang mit Mitarbeitern bedient sich das Unternehmen
aus Universitäten, Hochschulen bzw. aus den klassischen Ausbildungslinien für Fach-
arbeiter. Neben eigenen werden Mitarbeiter aus Leasingagenturen beschäftigt. Die Auf-
gaben der Mitarbeiter sind in Rollenmodellen geregelt, Innovation findet meist hinter
geschlossenen Türen statt.

4.3.2 Der Transformationsprozess

Treiber der digitalen Transformation sind unabhängig vom Anwendungsfeld Innovationen


im Bereich der Informations- und Kommunikationstechnologien. Im Zusammenhang mit
der produzierenden Wirtschaft spielen, wie weiter oben bereits erwähnt, vor allem smarte
Produkte oder Cyber-Physische Systeme in Verbindung mit komplementären technischen
Neuerungen eine wichtige Rolle. Das Konzept smarter Produkte (Beverungen et al. 2017;
62 A. Pflaum und C. Klötzer

Klötzer und Pflaum 2015) selbst bietet einen ersten, technologiegetriebenen „Bottom-up“
Zugang zum Prozess der digitalen Transformation. Innovationsteams, die sich aus Unter-
nehmensvertretern und kreativen Köpfen aus der Unternehmensumwelt (im Sinne von
„open Innovation“) gleichermaßen zusammensetzen können, werden mit smarten Pro-
dukten und entsprechenden Services aus unterschiedlichen Branchen konfrontiert und in
einem kreativen Prozess nach möglichen Anwendungsfällen rund um die Prozesse und
Produkte des Unternehmens gefragt. Die gefundenen Anwendungsfälle werden unter
Verwendung passender Templates auf einer ersten Detaillierungsebene ausgearbeitet und
hinsichtlich der technischen Umsetzbarkeit einerseits und des möglichen Nutzens für das
eigene Unternehmen andererseits beurteilt. Die Beurteilung kann im ersten Schritt durch
das Innovationsteam selbst erfolgen. In einem zweiten Schritt macht es Sinn, externe
Markt- und Technologieexpertise hinzuzuziehen. Die Erstellung eines Portfolios und die
Ableitung einer ersten Umsetzungsroadmap erfolgen in einem weiteren Schritt. In Summe
ergeben die als relevant erachteten Anwendungsfälle dann auch ein erstes Zukunftsbild
für das „datengetriebene“ Unternehmen.
Im Anschluss muss die Umsetzung der Roadmap erfolgen. Auf den ersten Blick
kein besonders dramatisches Unterfangen; angesichts des grundlegend innovativen
Charakters CPS-basierter Anwendungen wird der Transformationsprozess allerdings
sehr schnell herausfordernd. Pioniere der digitalen Transformation berichten, dass im
Rahmen der Implementierung eine ganze Reihe von Barrieren auftauchen, die von den
Projektteams bewältigt werden müssen. Beispielsweise können existierende IT-Ab-
teilungen den Prozess nur bis zu einem gewissen Grad unterstützen. Deren Hauptaufgabe
liegt in der Aufrechterhaltung und Weiterentwicklung der Funktionalität informations-
und kommunikationstechnischer Systeme, die für die Abwicklung der existierenden
Geschäftsprozesse im traditionellen Produktgeschäft benötigt werden. Früher oder später
ist eine eigene Organisationseinheit erforderlich, die sich explizit mit Digitalisierungs-
vorhaben auseinandersetzt. Darüber hinaus sind Business Cases für Lösungen auf Basis
smarter Produkte wegen aktuell noch fehlender Kosten-Nutzen-Modelle schwer zu
rechnen. Es entstehen Unsicherheiten, die schnelle Investitionsentscheidungen in vie-
len Fällen behindern. Insbesondere vor der notwendigen strategischen Investition in
informationstechnische Infrastrukturen scheuen Unternehmen zurück. Zusätzlich fehlt
es an passendem Personal. Universitäten und Hochschulen können den Bedarf der Pra-
xis an Data Scientists und Service Designern, die im Idealfall zusätzlich über Domänen-
wissen verfügen, aktuell nicht befriedigen. Unternehmen versuchen in vielen Fällen,
eigene Mitarbeiter entsprechend weiterzuentwickeln und umzuschulen. Sie scheitern
daran, dass sich über viele Jahre entwickelte Einstellungen und Gedankenroutinen
aber nur sehr schwer grundlegend verändern lassen. Zudem wird der Reifegrad der
Basistechnologien der digitalen Transformation häufig falsch eingeschätzt. Vermeid-
bare Fehlentscheidungen auf Managementebene sind die Folge. Mehr Offenheit im
Innovationsprozess und eine engere Kooperation mit wissenschaftlichen Einrichtungen
können an dieser Stelle helfen. Aber auch das erfordert grundlegendes Umdenken in den
Unternehmen.
4  Von der Pipeline zur Plattform – Strategische Implikationen … 63

Die dargestellten Schwierigkeiten stellen nur einen knappen Auszug aus einer langen
Liste dar. Sie zeigen, dass der oben beschriebene, technologiegetriebene Ansatz nicht
wirklich ausreicht. Barrieren der digitalen Transformation müssen nach Möglichkeit
im Vorfeld erkannt und durch entsprechende Maßnahmen des Managements vermieden
werden. In diesem Zusammenhang empfiehlt sich der Einsatz von Reifegradmodellen im
Rahmen eines managementorientierten „Top-Down“-Ansatzes. Mithilfe solcher Modelle
kann die Position eines Unternehmens innerhalb des digitalen Transformationsprozesses
bestimmt werden. Das im Rahmen einer Grounded Theory-Analyse entwickelte Reife-
gradmodell von Klötzer und Pflaum (2017) beispielsweise identifiziert neun ver-
schiedene Dimensionen sowie fünf Phasen der digitalen Reife. Die Verortung eines
Unternehmens im Modell erfolgt anhand einer Reihe von Fragen, die von wesentlichen
Stakeholdern im Unternehmen in strukturierten Interviews beantwortet werden müssen.
Ausgehend von der Position ist es im Anschluss möglich, die nächsten Schritte im Pro-
zess herauszuarbeiten und eventuelle Barrieren zu identifizieren bzw. zu prognostizieren.
Die Auswahl bzw. die Entwicklung entsprechender Maßnahmen schließt den Prozess
ab. An der Fraunhofer Arbeitsgruppe für Supply Chain Services in Nürnberg wurden
die beiden Ansätze zu einem Gesamtprozess verknüpft. Abb. 4.2 ist dieser Prozess dar-
gestellt und im Nachgang erläutert.
Der Transformationsprozess beginnt mit der Formulierung eines Zukunftsbilds für
das datengetriebene Unternehmen. Das Zukunftsbild muss im Rahmen der Entwicklung
der Geschäftsstrategie in ein Set datengetriebener Anwendungen übersetzt werden, die
allesamt einen Beitrag zur Zielerreichung leisten. Um Reibungsverluste während der
Umsetzung zu vermeiden, sind im Hintergrund bezüglich der IT-Infrastruktur, des Partner-
netzwerks, der eigenen Organisation, der erforderlichen menschlichen Ressourcen und
der Unternehmenskultur, basierend auf einer Einschätzung des digitalen Reifegrads des
Unternehmens die richtigen Rahmenbedingungen zu setzen. Die einzelnen Anwendungen
sind hinsichtlich ihrer Attraktivität für das Unternehmen und der technischen Umsetz-
barkeit zu beurteilen, zu priorisieren und in eine Implementierungsroadmap zu über-
setzen. Im Anschluss kann der am besten bewertete Anwendungsfall realisiert werden.
Im Rahmen der Wissensgenerierung wird für diesen Anwendungsfall ein Datenmodell

Abb. 4.2   Referenzprozess für


die digitale Transformation.
(Quelle: Fraunhofer SCS)
64 A. Pflaum und C. Klötzer

mit allen erforderlichen Informationen generiert und aus unterschiedlichen Datenquellen


innerhalb und außerhalb des Unternehmens befüllt. Das so gesammelte Wissen kann
im nächsten Schritt für die Beschreibung der Realität, der Prognose technischer oder
betriebswirtschaftlicher Kenngrößen oder für die automatische Generierung von Hand-
lungsempfehlungen oder Steuerungsanweisungen im Rahmen der Anwendung heran-
gezogen werden. Die hier eingesetzten Methoden bzw. Algorithmen kommen aus dem
Bereich der Statistik, der Mathematik, des maschinellen Lernens und der künstlichen
Intelligenz. Sie müssen in eine technische Lösung integriert werden, über deren end-
gültige Implementierung im letzten Schritt des Vorgehensmodells entschieden wird. Für
das auf diese Weise in einem ersten Schritt digitalisierte Unternehmen werden Zukunfts-
bild und Anwendungsroadmap überarbeitet, das Rahmenwerk wird angepasst. Auf dieser
Basis kann dann die Umsetzung der zweiten Anwendung in Angriff genommen werden.
Es ergibt sich ein iterativer Prozess, welcher das Unternehmen dem immer wieder aktuali-
sierten Zielbild bzw. dem datengetriebenen Unternehmen Stück für Stück näherbringt.

4.3.3 Das datengetriebene Unternehmen als Endpunkt

An diesem Punkt stellt sich die Frage, wie sich ein datengetriebenes Unternehmen gene-
risch charakterisieren lässt. Auch hierzu liefert die bislang verfügbare wissenschaftliche
Literatur nur wenig Konkretes. Klötzer und Pflaum (2017) versuchen, in der weiter oben
bereits mehrfach erwähnten Grounded Theory-Analyse neben dem Reifegradmodell
auch ein generisches Zielbild für das datengetriebene Unternehmen zu erarbeiten. Nach-
folgend sind die wichtigsten Erkenntnisse der beiden Autoren zusammengefasst.
Das datengetriebene Unternehmen basiert im Gegensatz zum produktorientierten
Unternehmen nicht auf traditionellen, sondern auf smarten und vernetzten Produkten, die
in eigenen Wertschöpfungsprozessen und in den Wertschöpfungsprozessen der Kunden
zum Einsatz kommen. Mithilfe von miniaturisierter Mikroelektronik werden klassische
Produkte in smarte Pendants überführt. Ob die Mikroelektronik dabei, wie beim smarten
Behälter vollständig integriert, oder wie beim intelligenten Stapler in Form eines Smart
Phones mit dem ursprünglichen Produkt verknüpft wird, ist dabei zunächst unerheb-
lich. Unabhängig von der technischen Realisierung tritt das Produkt selbst in den Hinter-
grund, die von der Mikroelektronik generierten Daten sind das wesentliche Asset des
Unternehmens, mit dessen Hilfe Umsatz generiert wird. Hier liegt die Herausforderung
nicht in der Entwicklung, Herstellung und Vermarktung eines physischen Produktes son-
dern in der automatisierten Generierung, Übertragung, Verarbeitung und Verwertung
von Positions- und Sensordaten sowie weiteren Informationen, die über smarte Produkte
generiert werden. Die von den Produkten erzeugten Daten werden mit innerhalb oder
außerhalb des Unternehmens existierenden Datenquellen in Form von Datenräumen ver-
knüpft und, eingebettet in smarte Dienstleistungen und Geschäftsmodelle, vermarktet.
Festpreis- und Leasingmodelle werden im digitalisierten Unternehmen durch innovative
„­Product-as-a-Service“-Ansätze ersetzt. Der datengetriebene Wertschöpfungsprozess selbst
4  Von der Pipeline zur Plattform – Strategische Implikationen … 65

wird vor allem von digitalen Plattformen unterstützt. Mit dem Einsatz solcher Plattformen
verändern sich die Geschäftsmodelle der Unternehmen und in diesem Zusammenhang
auch das Rollenverständnis und das Kooperationsverhalten grundlegend. Grundsätz-
lich besteht bei Plattformgeschäftsmodellen die Möglichkeit, nicht nur eigene Produkte,
sondern auch die des Wettbewerbs in smarte Produkte zu verwandeln, die Leistungen
unabhängig von den eigenen Erzeugnissen anzubieten und so die Voraussetzungen für
skalierbares Geschäft zu schaffen. Einen Schritt weitergedacht, entfällt sogar die Not-
wendigkeit, Produkte selbst zu entwickeln und herzustellen oder selbst Produktionsan-
lagen zu unterhalten. Sie können von Dritten als „Commodity-Gut“ zugekauft oder zur
Verfügung gestellt werden. Die ursprünglichen pipelineartigen und am physischen Pro-
dukt orientierten Versorgungsketten werden letztendlich zu datengetriebenen und platt-
formbasierten Ökosystemen. Der Wandel ist darüber hinaus mit neuen Anforderungen an
Mitarbeiterqualifikation und Unternehmenskultur verbunden. Für das Schaffen von Wert
aus Daten werden Menschen mit kreativen Fähigkeiten, Service Designer und Engineers
sowie Data Scientists benötigt. Hierarchien werden flacher, Prozesse schneller und agiler.
Innovationen werden nicht mehr vorwiegend im Unternehmen generiert, sondern vor allem
auch unter Verwendung von Open Innovation-Ansätzen vom Markt bezogen. Die Tab. 4.1
zeigt entlang der weiter vorne im Text eingeführten Dimensionen zusammenfassend noch
einmal die wesentlichen Unterschiede zwischen dem produktorientierten und dem daten-
getriebenen Unternehmen.

4.4 Zur strategischen Bedeutung digitaler Plattformen

Produktorientierte und datengetriebene Unternehmen unterscheiden sich also in mehr


als einer Hinsicht grundlegend voneinander. In der Literatur wird darauf hingewiesen,
dass sich mit smarten Produkten nicht nur Unternehmen sondern auch Wettbewerb und
Branchengrenzen verändern (Porter und Heppelmann 2015). Einen besonderen Hinweis
verdient die Tatsache, dass sich Unternehmen zukünftig nicht mehr als Teil „einfacher“
Versorgungsketten, sondern als Bestandteil komplexer Ökosysteme verstehen müssen,
in denen digitale Plattformen eine zentrale Rolle spielen (Kress et al. 2016; Papert und
Pflaum 2017; Kress 2018). Moore (1996) definiert unternehmerische Ökosysteme wie
folgt:

Eine wirtschaftliche Gemeinschaft von miteinander in Beziehung stehenden Organisatio-


nen und Menschen - den Organismen der Geschäftswelt. Die wirtschaftliche Gemeinschaft
produziert nützliche Güter und Dienstleistungen für ihre Kunden, die ebenfalls zum Öko-
system gehören. Zu den Mitgliedsorganismen zählen darüber hinaus die Zulieferer, die
Marktführer, die Mitbewerber und andere Stakeholder. Mit der Zeit entwickeln sie ihre
Fähigkeiten und Funktionen im Sinn koevolutionären Verhaltens, wobei sie sich tenden-
ziell an den Vorgaben des oder der zentralen Unternehmen(s) orientieren. Welche Unter-
nehmen die Führungsrolle innehaben, kann sich mit der Zeit ändern, aber die ökologische
Führungsfunktion selbst wird von der Marktgemeinschaft geachtet, weil die Führung allen
66 A. Pflaum und C. Klötzer

Tab. 4.1  Charakteristische Merkmale produktorientierter und datengetriebener Unternehmen im


direkten Vergleich
Betrachtungsdimension Produktorientiertes Unternehmen Datengetriebenes Unternehmen
Angebot Produkte und produktbegleitende Datengetriebene und produkt-
Dienstleistungen bezogene Dienstleistungen
Werteträger Physisches Produkt als techno- Im Unternehmen sowie im
logisches Potenzial Umfeld verfügbare Daten
Technische Ressourcen Hardware und Software für das Informationstechnische Infra-
Design, die Produktion, die Dis- strukturen für das Generieren,
tribution, Wartung und Reparatur Beschaffen, Verarbeiten und Ver-
physischer Produkte werten von Daten
Prozessorganisation Verknüpfung von Design-, Automatisierte und digitalisierte
Entwicklungs-, Transformations- Informationsprozesse über den
und Transferprozessen zu den gesamten Datenlebenszyklus von
bekannten Kernprozessen produ- der Entstehung bis zur Analyse
zierender Unternehmen und Verwertung
Aufbauorganisation Klassische Aufbauorganisation Weitestgehend virtualisierte
mit Fokus auf Entwicklung, Unternehmung mit deutlich
Produktion und Verwertung von flacheren und einfacheren
physischen Produkten Organisationsstrukturen
Kooperation Einbindung des Unternehmens Unternehmen als Bestandteil
in traditionelle pipelineartige eines komplexen digitalen Öko-
Versorgungsketten zwischen systems mit digitaler Plattform im
Urproduktion und Konsument Zentrum
Menschliche Ressourcen Ingenieure, Informatiker, Flexible und agile Mitarbeiter mit
Betriebswirte sowie Mitarbeiter Kompetenzen im Bereich des Ser-
mit weiteren spezifischen Kompe- vices Designs, des Service Engi-
tenzen sowie Facharbeiter neerings und der Data Sciences
Unternehmenskultur Hierarchische, gegenüber Offene und kreative sowie
der Umwelt tendenziell eher innovationsfreudige Unter-
geschlossene Unternehmen; Ver- nehmenskultur gepaart mit aus-
ständnis als traditioneller Produkt- geprägtem Service-Denken
hersteller

Mitgliedern eine gemeinsame Vision vermittelt, die es ihnen erlaubt, ihre Investitionen auf-
einander abzustimmen und sich so zu spezialisieren, dass sich ihre jeweiligen Leistungen
gegenseitig ergänzen und unterstützen.

Iansiti und Levien (2004) erweitern Moores Überlegungen um ein Rollenmodell, in dem
sie „Keystones“, „Hub Landlords“, „Dominators“ und „Niche Players“ voneinander
unterscheiden. Während „Keystones“ die strukturelle Gestaltung eines Ökosystems
verantworten und für eine gerechte Verteilung der Erträge sorgen, versuchen „Domina-
tors“ Wertschöpfungsbeiträge im Ökosystem zu integrieren und eine Monopolstellung
4  Von der Pipeline zur Plattform – Strategische Implikationen … 67

einzunehmen. Hub Landlords wiederum streben nach Kontrolle eines Teils der Wert-
schöpfungsaktivitäten mit dem Ziel der Gewinnmaximierung. „Niche Players“ liefern
aufgrund individueller Fähigkeiten wichtige Wertschöpfungsbeiträge und tragen in
Summe in signifikanter Weise zur Realisierung komplexer und leistungsfähiger Öko-
systeme bei.
Für die Einordnung digitaler Plattformen im Ökosystemkontext ist ein besseres Ver-
ständnis von Plattformgeschäftsmodellen erforderlich (Gawer und Cusumano 2002; Evans
et al. 2006; van Alstyne 2016; Evans und Gawer 2016). Generell stellen Plattformen Infra-
struktur und Regelwerk für Marktplätze zur Verfügung, auf denen Produzenten Leistun-
gen anbieten und Konsumenten dieselben nachfragen können. Schlüsselfunktionen liegen
im Matching von Angebot und Nachfrage, in der Attraktion neuer Teilnehmer und in der
Governance auf der Plattform stattfindender Prozesse. Bei digitalen Plattformen steht
vor allem die Vermittlung datengetriebener Services im Vordergrund. Geschäftsmodelle
digitaler Plattformen unterscheiden sich in signifikanter Weise von den traditionellen
produktorientierten Geschäftsmodellen (van Alstyne et al. 2016). Während im zweiten
Fall die Schaffung von Wettbewerbsvorteilen durch die Kontrolle limitierter materieller
und immaterieller Ressourcen (Rohstoffe, Anlagen, IP etc.), die Optimierung sämtlicher
interner Aktivitäten vom Sourcing über die Produktion bis hin zum Verkauf und zur Dis-
tribution sowie die Maximierung des Werts individueller Abnehmer von Produkten und
Dienstleistungen im Vordergrund stehen, geht es bei Plattformgeschäftsmodellen um die
Schaffung von Wettbewerbsvorteilen durch die Orchestrierung der durch die Community
eingebrachten Ressourcen, um Wertschöpfung durch Generieren von Interaktion zwischen
Produzenten und Konsumenten sowie um die Maximierung des Werts des Ökosystems
in einem iterativen Feedback-getriebenen Prozess. Der Erfolg von Plattformen basiert im
Wesentlichen auf Netzeffekten. Je höher die Zahl der Konsumenten und je vielfältiger
und hochwertiger das Angebot auf der Plattform, desto höher ist deren Wert. Skalierungs-
effekte spielen in diesem Zusammenhang eine besondere Rolle.
Betrachtet man Plattformgeschäftsmodelle vor dem Hintergrund des oben beschriebenen
Rollenverständnisses von Iansiti und Levien (2004), kann man Plattformunternehmen aus
einer eher theoretischen Perspektive durchaus die Rolle eines Keystones zuschreiben. In
der realen Welt versuchen Plattformen allerdings auch, Ökosysteme zu dominieren und den
eigenen Gewinn zu maximieren. Regelnd greifen aber auch hier Markt und Wettbewerb ein.
Ein gutes Beispiel bietet die Informations- und Telekommunikationswirtschaft. Hier ringen
Apple und Google mit den entsprechenden App-Plattformen um jeden Kunden. Konsu-
menten müssen sich entweder für iOS oder für Android entscheiden. Eine Kombination von
Leistungen aus beiden Plattformen ist nicht möglich. Eine ähnliche Entwicklung ist auch
im Bereich der smarten Produkte bzw. im Bereich der IIoT-­Plattformen (Industrial Inter-
net of Things) erkennbar. Hier liegen Unternehmen wie Siemens mit Mindsphere, SAP mit
Leonardo, Bosch mit der IoT-Suite oder PTC mit ThingWorx miteinander im Wettbewerb.
Produzierende Unternehmen müssen sich auch hier für die eine oder andere Variante ent-
scheiden. Allerdings existiert in der industriellen Welt abgesehen von der Auswahl eines
bereits existierenden Plattformanbieters eine weiteren, nicht zu unterschätzende Option.
68 A. Pflaum und C. Klötzer

Unternehmen können eigene Plattformen aufbauen. Ein gutes Beispiel hierfür bietet die
Maschinenbaubranche in Deutschland. Die Unternehmen DMG Mori, Dürr, Zeiss, ASM
und Engel arbeiten gemeinsam mit der Software AG an einer Plattform von Maschinen-
bauern für Maschinenbauer. Die Frage, ob Auswahl oder Eigenbau, muss letztlich aus stra-
tegischer Sicht entschieden werden. Die Bedeutung dieser strategischen Entscheidung wird
deutlich, wenn man den potenziell disruptiven Charakter digitaler Plattformen beachtet
(Christensen et al. 2016). In der Welt der Konsumgüterwirtschaft sind disruptive Wirkun-
gen digitaler Plattformen deutlich sichtbar. Das Beispiel iPhone wurde bereits weiter oben
genannt. Auch Plattformen wie Airbnb und in Teilen auch Uber mit dem Angebot Uber-
SELECT weisen disruptiven Charakter auf. Diese Beispiele legen den Schluss nahe, dass
auch im Zusammenhang mit IIoT-Plattformen detailliertere Betrachtungen hinsichtlich dis-
ruptiver Effekte lohnen.

4.5 Strategische Fragestellungen und Implikationen

Aus den bisherigen Überlegungen lassen sich eine ganze Reihe strategischer Frage-
stellungen und Implikationen ableiten. Die wichtigsten sind im Folgenden in knapper
Form zusammengetragen. Einen Anspruch auf Vollständigkeit kann die nachfolgende Dis-
kussion allerdings kaum erheben. Erwähnenswert ist zudem, dass sich Entscheidungen
bzgl. der genannten Fragen teilweise bedingen und deswegen im Kontext zu sehen sind.

Welche Unternehmensvision soll zukünftig verfolgt werden?


Für einen zielorientierten Transformationsprozess muss eine Vision für das daten-
getriebene Pendant des Unternehmens entwickelt werden. Externe Expertise sollte
in diesen Entwicklungsprozess unbedingt mit einbezogen werden. Die Literatur zum
Innovationsmanagement liefert ein ganzes Portfolio an Open Innovation-Methoden wie
zum Beispiel Customer Co-Creation oder Crowd Sourcing, die in diesem Zusammen-
hang zum Einsatz kommen können. Im Ergebnis entsteht hier ein Portfolio an Services,
die in Summe das datengetriebene Unternehmen ausmachen. In einem zweiten Schritt
müssen die einzelnen Services hinsichtlich der Nutzenpotenziale und der technischen
Umsetzbarkeit beurteilt und in eine sinnvolle Reihenfolge gebracht werden. Die Unter-
nehmensvision kann sich entlang des iterativen Implementierungsprozesses in Abhängig-
keit von sich verändernden Rahmenbedingungen ebenfalls verändern. Die Verwandlung
eines traditionellen produktorientierten Unternehmens in das digitalisierte Gegenstück
nimmt Zeit in Anspruch und lässt sich eben nicht in Jahresfrist erledigen.

Welcher Weg zum Ziel soll eingeschlagen werden?


Die im ersten Schritt erarbeitete Vision kann auf unterschiedlichen Wegen erreicht wer-
den. Unternehmen der produzierenden Wirtschaft können mit der Realisierung der smar-
ten Produktion starten, mit der Realisierung und Vermarktung smarter Produkte beginnen
oder auch beide Pfade miteinander verknüpfen. Die Umsetzung der smarten Produktion
4  Von der Pipeline zur Plattform – Strategische Implikationen … 69

führt in der Regel zu effizienteren, flexibleren und agileren Prozessen und damit natür-
lich zu Wettbewerbsvorteilen. Sie hat allerdings keine gravierenden Auswirkungen auf
das Geschäftsmodell des Unternehmens. Aus strategischer Sicht deutlich interessanter ist
der zweite Pfad, bei dem neue Angebote und Geschäftsmodelle zu mehr Umsatz führen
sollen. Hier besteht die Möglichkeit, dass Wettbewerber mit disruptiven Angeboten ver-
suchen, das existierende Geschäftsmodell infrage zu stellen, Marktanteile zu gewinnen
und die Profitabilität des Unternehmens dauerhaft zu zerstören. Unabhängig vom letzt-
endlich eingeschlagenen Weg müssen sich Unternehmen der produzierenden Wirtschaft
also unbedingt mit der Idee smarter Produkte und Services und deren Bedeutung für die
eigene Branche vertraut machen.

Welche Anwendungen sollen in welcher Reihenfolge realisiert werden?


Mithilfe einer Portfolioanalyse kann aus den, für die Umsetzung der Vision notwendigen
Services eine strategische Implementierungsroadmap generiert werden. Hierzu muss
zum einen der Nutzen für das eigene Unternehmen quantifiziert werden. Bezogen auf
die smarte Produktion genügt hierfür zunächst das im Unternehmen vorhandene Wissen.
Für die Realisierung smarter Produkte und Services für den Kunden werden idealer-
weise Schlüsselkunden oder Lead-User in den Prozess mit einbezogen. Zum anderen ist
zu prüfen, inwieweit die einzelnen Services technisch umsetzbar sind. Bei der Prüfung
der technischen Umsetzbarkeit geht es im Wesentlichen um die Verfügbarkeit der für
die Realisierung notwendigen Daten. Sind die Daten nicht in der erforderlichen Quali-
tät und Granularität vorhanden bezieht sich die Prüfung auf die technische Machbar-
keit einer Lösung, mit der die Daten generiert werden können. Hier ist in aller Regel
detailliertes technologisches Wissen gefragt. Es macht Sinn, Expertise von außerhalb des
Unternehmens hinzuzuziehen. Spezialisten aus Universitäten oder außeruniversitären
Forschungseinrichtungen bieten sich hier als Partner an.

Welche Funktionen sollte das smarte Produkt bieten?


Als grundlegende Funktionen smarter Produkte werden in der Literatur Identifikation,
sensorische Datenerfassung, Lokalisierung, Datenspeicherung, Datenverarbeitung sowie
Kommunikation und Vernetzung genannt (Klötzer und Pflaum 2015). Der Funktions-
umfang smarter Produkte kann sehr unterschiedlich sein. Porter und Heppelmann (2015)
unterscheiden in diesem Zusammenhang auf der Anwendungsebene zwischen Monito-
ring, Regelung, Optimierung und autonomen Systemen. Datenspeicherung und Daten-
verarbeitung können entweder auf dem smarten Produkt selbst oder auf einer digitalen
Plattform im Internet erfolgen. Ausschlaggebend für die Positionierung sind zunächst
vor allem technische Überlegungen. Hohe Anforderungen an Echtzeitdatenverarbeitung
wie zum Beispiel im Falle autonomer Robotik legen die Positionierung der beiden
Funktionen auf dem smarten Produkt nahe. In anderen Fällen wie bei der Verarbeitung
menschlicher Sprache reichen die Rechenkapazitäten smarter Produkte für die Datenana-
lyse heute noch nicht aus. Hier sind mächtigere Plattformen in der Cloud erforderlich.
70 A. Pflaum und C. Klötzer

Auch betriebswirtschaftliche Fragestellungen spielen bei der Verteilung von Funktio-


nen auf Produkt und Plattform in der Cloud eine Rolle. Ein Kunde, der ein smartes
Produkt mit integrierter Datenspeicherung und softwaretechnisch umgesetzten Analyse-
algorithmen kauft, wird schnell Eigentumsrechte an den generierten Daten anmelden.
Wichtig in diesem Zusammenhang ist die Frage, wo und vom wem in der digitalen Welt
Wertschöpfung erbracht wird.

Welches Geschäftsmodell liegt den datengetriebenen Services zugrunde?


Im Zusammenhang mit den Eigentumsrechten an Daten stellt sich die Frage nach dem
passenden Geschäftsmodell. Derzeit ist noch nicht vollständig geklärt, wem die Rechte
an Daten, die von smarten Produkten generiert werden, zustehen. Dass Kunden bei
einem PaaS-Geschäftsmodell (Product-as-a-Service) Ansprüche an den entsprechenden
Eigentumsrechten erheben, scheint auf den ersten Blick unwahrscheinlicher als bei
einem reinen Festpreis oder bei einem hybriden Modell, bei dem der Kunde neben
Dienstleistungsgebühren einen reduzierten Preis für das Produkt bezahlt. Ein Kunde,
der beispielsweise die Mobilitätsdienstleistung eines Car-Sharing-Anbieters in Anspruch
nimmt, hat sicherlich wenig Interesse an den vom Fahrzeug generierten Daten. Ein
funktionierendes Serviceangebot ohne diese Daten wäre ohnehin kaum denkbar. Der
Besitzer eines durch Kauf erworbenen smarten Fahrzeugs hingegen fragt sich sehr wohl,
wer auf welche Art und Weise aus den, im Betrieb generierten Daten betriebswirtschaft-
lichen Nutzen generiert. Unter anderem hängt die Entscheidung für das eine oder andere
Geschäftsmodell vom Wert ab, der dem Produkt als technologischem Potenzial bzw. dem
Produkt als Dienstleistung vom Kunden beigemessen wird. Zu klären ist an dieser Stelle
auch, ob die von einem smarten Produkt generierten Daten in Reinform oder im Rahmen
eines datengetriebenen Service vermarktet werden sollen.

Wie soll sich das Unternehmen in digitalen Ökosystemen positionieren?


In wissenschaftlichen Arbeiten (Kress et al. 2016; Papert und Pflaum 2017; Kress
2018) wurden Modelle für Ökosysteme rund um die smarte Produktion beziehungs-
weise rund um smarte Produkte entwickelt. Unternehmen müssen sich im Rahmen der
Entwicklung einer digitalen Strategie entscheiden, welche der Rollen im Ökosystem
sie einnehmen wollen und auf welche Weise mit anderen Unternehmen im Rahmen
des Designs, der Entwicklung und des Betriebs datengetriebener, auf smarten Produk-
ten basierender Services zusammengearbeitet werden soll. Unternehmen wie Bosch
versuchen beispielsweise, die wichtigsten Rollen im digitalen Ökosystem durch die
Akquisition von Unternehmen selbst zu besetzen und an anderen Stellen strategische
Kooperationen einzugehen. Digitale Transformation kann aber auch bedeuten, dass
sich im Rahmen des Digitalisierungsprozesses gegründete Organisationseinheiten mehr
oder weniger vollständig vom produktorientierten Mutterunternehmen trennen und die
4  Von der Pipeline zur Plattform – Strategische Implikationen … 71

neuen d­ atengetriebenen Services auch den früheren Wettbewerbern bzw. deren Kunden
anbieten. Geht man davon aus, dass in der digitalen Welt die Bedeutung von Daten als
Werteträger verglichen mit dem Wert des Produkts zunimmt, dürfte vor allen Dingen die
Übernahmen der Rolle des Plattformbetreibers ganz wesentlich für den Erfolg sein. Hier
müssen sich produzierende Unternehmen weiterentwickeln. Das isolierte Angebot smar-
ter Produkte scheint vor diesem Hintergrund nur wenig sinnvoll.

Soll eine bereits vorhandene Plattform genutzt oder eine eigene aufgebaut werden?
Die Vermarktung von Daten smarter Produkte in Form smarter Services ist, wie eben
bereits erwähnt, notwendigerweise mit der Nutzung einer digitalen Plattform verbunden
(Engels et al. 2017; Krause et al 2017). Zum einen besteht die Möglichkeit, eine bereits
am Markt etablierte Lösung als Basis für eine eigene digitale Plattform heranzuziehen.
Beispiele für Anbieter wie Siemens, Bosch, PTC etc. und entsprechende Produkte wur-
den bereits weiter vorne im Text genannt. Auf der anderen Seite ist aber auch die voll-
ständige Eigenentwicklung einer digitalen Plattform denkbar. In diesem Zusammenhang
wurde weiter vorne bereits auf die Plattform Adamos im Maschinenbau verwiesen.
Beide Lösungsansätze sind mit Vor- und Nachteilen verbunden, die es im Einzelfall
abzuwägen gilt. Im ersten Fall besteht die Gefahr der Abhängigkeit von einem Anbieter.
Auch wenn diese mit Offenheit werben, existieren in der Regel Lock-In-Effekte. Im
zweiten Fall entstehen nicht zu unterschätzende zusätzliche Kosten. Im Zusammenhang
mit der smarten Produktion existiert die Auswahlproblematik weniger. Smarte Maschi-
nen, Behälter, Flurförderzeuge sind beim Kauf in der Regel bereits mit der einen oder
anderen Plattform verknüpft. Für den Anwender ergibt sich die Herausforderung, diese
Plattformen mit dem eigenen IT-System zu verbinden. Unter Umständen verändern sich
zukünftig Vorgehensweisen bei der Auswahl von Produktionsmitteln. Denkbar ist bei-
spielsweise durchaus, dass die Plattform, mit denen die Betriebsmittel verknüpft sind als
zusätzliches Auswahlkriterium herangezogen werden.

Wie sollte die Governance einer eigenen Plattform ausgestaltet sein?


Wesentlich für den Erfolg einer digitalen Plattform ist ein passendes Regelwerk. Der
Betreiber muss entscheiden, welche Unternehmen auf die Plattform zugreifen dürfen und
welche nicht. Bei einem ungeregelten Zugriff besteht die Gefahr, dass über die Plattform
angebotene Services nicht den Qualitätsanforderungen entsprechen und Kunden vor die-
sem Hintergrund die Plattform verlassen. Bei einer zu starken Reglementierung leidet die
Innovationskraft der Plattform. Vor allem der Einsatz smarter Produkte in industriellen
Umgebungen erfordert zusätzlich ein Mindestmaß an Offenheit. Aktuelle wissenschaft-
liche Arbeiten zeigen, dass technologische Lock-Ins von Kunden in diesem Umfeld nicht
akzeptiert werden. Plattformunternehmen müssen andere Wege finden, sich voneinander
abzugrenzen und Alleinstellungsmerkmale zu entwickeln (Kress 2018).
72 A. Pflaum und C. Klötzer

4.6 Zusammenfassung und Ausblick

Zielsetzung des vorliegenden Beitrags war, auf Basis bisheriger Forschungsergebnisse


strategische Fragen und Implikationen aufzuwerfen, mit den sich insbesondere produ-
zierende Unternehmen im Rahmen der digitalen Transformation auseinandersetzen müs-
sen. Es wurde herausgearbeitet, dass im ersten Schritt eine Vision für das Unternehmen
entwickelt werden muss, welche sich entlang eines üblicherweise länger andauernden
Transformationsprozesses durchaus auch verändern darf. Neben der aus Kosten-
und Flexibilitätsgesichtspunkten erforderlichen Digitalisierung von Beschaffungs-,
­Produktions- und Distributionsprozessen, hat aus strategischer Sicht vor allem die Ent-
wicklung und Vermarktung smarter Produkte und Services hohe Bedeutung. Produzie-
rende Unternehmen müssen sich mit diesem Thema intensiv auseinandersetzen. Hier
besteht die Gefahr, dass das eigene Geschäft durch disruptive Entwicklungen Dritter
mindestens gestört, wenn nicht sogar infrage gestellt wird. Die Vision ist in einem wei-
teren Schritt in eine Reihe datengetriebener Services zu übersetzen, die dann wiederum
in einer Umsetzungsroadmap angeordnet werden müssen. Aus den Services selbst lässt
sich der Funktionsumfang der zugrunde liegenden smarten Produkte ableiten. Für smarte
Produkte und Services sind die unterschiedlichsten Geschäftsmodelle denkbar. Welche
Variante letztlich zum Einsatz kommt, hängt mit den konkreten Anforderungen des Kun-
den zusammen. Herausfordernd ist auch die Positionierung des Unternehmens in den
sich, rund um smarte Produkte und smarte Produktion entwickelnden unternehmerischen
Ökosystemen. Schlussendlich wurde herausgearbeitet, dass Anbieter smarter Produkte
und Services nicht umhinkommen, offene digitale Plattformen entweder auf Basis vor-
handener Angebote oder in Eigenregie aufzubauen. Das Geschäft mit den Daten darf
aufgrund des hohen Marktpotenzials keinem anderen überlassen werden. Auf Basis die-
ser Erkenntnisse können Unternehmen erste strategische Maßnahmen aufsetzen.
Darüber hinaus lässt der Beitrag aber eine Reihe von Fragestellungen offen, die im
Rahmen von Forschungs- und Entwicklungsprojekten zukünftig noch beantwortet wer-
den müssen. Eine ganz wesentliche Frage bezieht sich auf die Verortung von Intelligenz
im Gesamtsystem. Sowohl aus technischer als auch aus betriebswirtschaftlicher Sicht
ist zu klären, unter welchen Rahmenbedingungen eine Verlagerung von Intelligenz auf
das smarte Produkt Sinn macht und unter welchen nicht. Aus einer Geschäftsmodell-
perspektive ist zudem herauszuarbeiten, unter welchen Voraussetzungen und bis zu wel-
chem Grad Kunden bereit sind, auf Eigentumsrechte an Daten aus smarten Produkten
zu verzichten und diese an einen Lösungsanbieter oder Plattformbetreiber zu übertragen.
Darüber hinaus sind für die Positionierung des eigenen Unternehmens in digitalen Öko-
systemen zwar erste Modelle vorhanden, es fehlt aber noch an Vorgehensweisen für die
erfolgreiche und vor allem nachhaltige Gestaltung solcher Systeme. Auch in diesem
Zusammenhang ist die Wissenschaft gefragt. Eine letzte offene Frage, die aus dem Bei-
trag deutlich wird, bezieht sich auf das disruptive Potenzial digitaler Plattformen. Es ist
zu klären, unter welchen Rahmenbedingungen sich dieses Potenzial entfalten kann, wel-
che Konsequenzen für die produzierende Wirtschaft zu erwarten sind und wie die Unter-
nehmen mit diesen Entwicklungen umgehen können.
4  Von der Pipeline zur Plattform – Strategische Implikationen … 73

Literatur

Arbeitskreis Smart Service Welt (2015) Smart Service Welt – Umsetzungsempfehlungen für das
Zukunftsprojekt Internetbasierte Dienste für die Wirtschaft. Acatech, Berlin.
Beverungen D, Müller O, Matzner M, Mendling J, vom Brocke J (2017) Conceptualizing smart
service systems. Electronic Markets, published online 17. November 2017.
Burmeister C, Lüttgens D, Piller F (2016) Business Model Innovation for Industrie 4.0: Why the
“Industrial Internet” Mandates a New Perspective on Innovation. Die Unternehmung, 70. Jg.,
Ausgabe 2, 124–152.
Christensen M C, Altman E J, McDonald R, Palmer J (2016) Disruptive Innovation: Intellectual
History and Future Paths. Harvard Business School. Working Paper.
Engels G, Plass C, Ramming F-J (Hrsg.) (2017) IT-Plattformen für die Smart Service Welt – Ver-
ständnis und Handlungsfelder. acatech, Berlin.
Evans D S, Hagiu A, Schmalensee R (2006) Invisible Engines: How Software Platforms Drive
Innovation and Transform Industries. MIT Press, Cambridge, MA, 2006.
Evans C P, Gawer A (2016) The Rise of the Platform Enterprise – A Global Survey. The Emerging
Platform Economy Series, No. 1, New York.
Gawer A und Cusumano M A (2002) Platform leadership: How Intel, Microsoft, and Cisco drive
industry innovation. Harvard Business School Press. Boston.
Iansiti M. und Levien R (2004) The keystone advantage: What the new dynamics of business eco-
systems mean for strategy, innovation, and sustainability. Harvard Business School Press. Boston.
Klötzer C, Pflaum A (2015) Cyber-Physical Systems as the technical foundation for problem solu-
tions in manufacturing, logistics and Supply Chain Management. In: Proceedings of the 2015
5th International Conference on the Internet of Things (IOT). Institute of Electrical and Electro-
nics Engineers (IEEE), Seoul, S. 12–19.
Klötzer C, Pflaum A (2017) Toward the Development of a Maturity Model for Digitalization
within the Manufacturing Industry’s Supply Chain. In: Proceedings of the 50th Hawaii Inter-
national Conference on System Sciences 2017. Hawaii, S. 4210–4219.
Krause T, Strauß O, Scheffler G, Kett H, Lehmann K, Renner T (2017) IT-Plattformen für das
Internet der Dinge (IoT). Fraunhofer Verlag, Stuttgart.
Kress P, Löwen U, Pflaum A (2016) A role model of production value networks. at – Auto-
matisierungstechnik 2017, Ausgabe 65(1), S. 19–25.
Kress P (2018) The impact of digital technologies on the value creation of companies in the manu-
facturing industry. In: Pflaum A (Hrsg.): Schriftenreihe Logistik und Informationstechnologien,
Band 4, Fraunhofer Verlag, Stuttgart (forthcoming).
Mentzer JT, De Witt W, Keebler JS, Min S, Nix NW, Smith CD, Zacharia ZG (2001) Defining sup-
ply chain management, Journal of Business Logistics, Vol. 22 No. 2/2001 S. 1–25.
Moore J F (1996) The death of competition. Harper Business. New York.
Papert M, Pflaum A (2017) Development of an ecosystem model for the realization of Internet of
Things (IoT) services in Supply Chain Management – A Grounded Theory study. Electronic
Markets, Vol. 27 Iss. 2, S. 175–189.
Pflaum A, Schulz E (2018) Auf dem Weg zum digitalen Geschäftsmodell: “Tour de Force” von der
Vision des digitalen Unternehmens zum disruptiven Potenzial digitaler Plattformen, HDM Pra-
xis der Wirtschaftsinformatik, https://doi.org/10.1365/S40702-018-0401-2.
Porter M E, Heppelmann J E (2015) How Smart, Connected Products Are Transforming Competi-
tion. Harvard Business Review, 93(10), 96–114.
74 A. Pflaum und C. Klötzer

Teece D J (2010) Business models, business strategy and innovation. Long Range Planning. 43(2–3):
172–194.
Van Alstyne M W, Parker G G, Choudary S (2016) Plattform statt Pipeline. Harvard Business
Manager, Juni 2016, S. 22–31.
Zott C, Amit R (2017) Business Model Innovation: How to Create Value in a Digital World. GFK
Marketing Intelligence 9(1):18–23.

Prof. Dr. Alexander Pflaum  ist Experte für den Einsatz von Informations- und Kommunikations-
technologien in Wertschöpfungsprozessen. Seit über 20 Jahren ist Alexander Pflaum für das Fraun-
hofer-Institut für Integrierte Schaltungen IIS und deren Arbeitsgruppe für Supply Chain Services
in unterschiedlichsten Funktionen tätig; u. a. als Leiter des Zentrums für Intelligente Objekte ZIO,
der Abteilung Technologie und Supply Chain Management sowie der Forschergruppe Bamberg,
die die Entwicklung von Geschäftsmodellen in der digitalen Welt erforscht und Unternehmen bei
der Umsetzung im Geschäftsalltag unterstützt. Seit Oktober 2011 hat er darüber hinaus den Lehr-
stuhl für Betriebswirtschaftslehre, insbes. Supply Chain Management, an der Otto-Friedrich-Uni-
versität Bamberg inne. Im Mai 2016 wurde Alexander Pflaum zudem zum neuen Leiter der
Fraunhofer-Arbeitsgruppe für Supply Chain Services SCS mit Standorten in Nürnberg und Bam-
berg berufen, deren Vision es ist, aus Daten Erfolg und Mehrwert für Unternehmen zu schaffen.

Christoph Klötzer, M.Sc war Wissenschaftlicher Mitarbeiter am Lehrstuhl für Betriebswirt-


schaftslehre, insbes. Supply Chain Management sowie im Kompetenzzentrum für Geschäfts-
modelle in der digitalen Welt an der Otto-Friedrich-Universität Bamberg. Seit April 2018
verantwortet er die Stabsstelle Digital-Management innerhalb der DMT GmbH & Co. KG, einen
Unternehmen der TÜV NORD GROUP. Seine Forschung beschäftigt sich mit der Digitalisierung
von Wertschöpfungsketten, insbes. im Hinblick auf das Internet der Dinge (IoT), Industrie 4.0 und
Cyber-Physical Systems (CPS).
Die Rolle des Controllings im Rahmen
der Digitalisierung – Funktionen, 5
Aufgaben und Instrumente

Wolfgang Becker und Matthias Nolte

Inhaltsverzeichnis

5.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
5.2 Wertschöpfungsorientiertes Controlling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
5.3 Objektfeld Digitalisierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.3.1 Der Prozess der digitalen Transformation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.3.2 Controlling der Digitalisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.3.3 Informationsfunktion des Controllings . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.3.4 Abstimmungsfunktion des Controllings . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.3.5 Lokomotionsfunktion des Controllings. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5.4 Rolle und Kompetenzen des Controllings. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
5.5 Fazit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86

Zusammenfassung
Der Megatrend der Digitalisierung macht die digitale Transformation für Unter-
nehmen unumgänglich. Für die Unternehmensführung resultiert die strate-
gisch bedeutsame Aufgabe, die Digitalisierung zugunsten einer Verbesserung der
Wertschöpfung zu implementieren. Das Controlling, welches sich zunehmend

W. Becker (*) 
Lehrstuhl für Betriebswirtschaftslehre, insbesondere Unternehmensführung & Controlling
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: wolfgang.becker@uni-bamberg.de
M. Nolte 
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: matthias.nolte@uni-bamberg.de

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019 75
W. Becker et al. (Hrsg.), Geschäftsmodelle in der digitalen Welt,
https://doi.org/10.1007/978-3-658-22129-4_5
76 W. Becker und M. Nolte

im Sinn des wertschöpfungsorientierten Controllings entwickelt hat, steht der Unter-


nehmensführung als Business Partner unterstützend zur Seite. Der vorliegende
Beitrag beschreibt, ­welche Aufgaben sich durch die Anwendung des wertschöpfungs-
orientierten Controllings in Form der originären Lokomotions-, sowie der derivativen
Abstimmungs- und Informationsfunktion auf das Objekt der digitalen Transformation
ergeben und mit welchen Instrumenten diese gelöst werden können.

5.1 Einleitung

Durch den Megatrend der Digitalisierung wurde in vielen Disziplinen ein sehr hoher
Forschungsbedarf ausgelöst (Sánchez 2017, S. 37). Derzeitige Experteneinschätzungen
besagen, dass bis 2020 etwa 30 Mrd. Produkte in einer Verbindung mit dem Internet
stehen werden; das bedeutet gegenüber der Situation in 2015 eine Verdopplung. Die
resultierenden Datenmengen sind wohl als einer der bedeutendsten Rohstoffe des 21.
Jahrhunderts anzusehen. Zudem führt dieser Trend zu neuen Geschäftsmodellen, die
sich zumindest partiell oder eben auch insgesamt verändern werden. Durch das Nutzen
der damit entstehenden Chancen können Unternehmen vermutlich ein sehr großes Wert-
schöpfungspotenzial realisieren. Hingegen besteht für Unternehmen, die sich der Digi-
talisierung verweigern, das Risiko, Marktanteile zu verlieren oder gar völlig vom Markt
verdrängt zu werden (Sebastian et al. 2017, S. 197 f.).
Insofern ist es für Unternehmen derzeit nicht mehr entscheidend ob, sondern wann
und wie sie die digitale Transformation umsetzen (Hess et al. 2016, S. 123). Für die
Unternehmensführung resultiert in diesem Zusammenhang die strategisch bedeutsame
Zielsetzung, konsequent dafür Sorge zu tragen, dass die Digitalisierung zugunsten einer Ver-
besserung der Wertschöpfung stattfindet (Becker et al. 2014, S. 60 f.). Die Wertschöpfung,
die sich in die (Teil-)Zwecke der Bedarfsdeckung, der Entgeltsicherung (u. a. die Gewinn-
erzielung) und der Bedürfnisbefriedigung aller am Unternehmen beteiligten Stakeholder
unterteilen lässt, stellt den grundlegenden Zweck eines Unternehmens dar und bildet die
Voraussetzung der langfristigen Existenzsicherung eines Unternehmens (Becker et al. 2014,
S. 53). Das Controlling steht in diesem betriebswirtschaftlich anspruchsvollen Kontext mit
seinen typischen Funktionen als ständiger Begleiter im Sinne eines „Business Partnering“
zur Verfügung. Diese Rolle des Controllings soll nachfolgend näher erläutert werden.

5.2 Wertschöpfungsorientiertes Controlling

Das Controlling hat sich in den letzten Jahren zunehmend im Sinne einer wertschöpfungs-
orientierten (Management-)Funktion entwickelt. Dieses Grundverständnis sieht das
Controlling, das im Dienste der Optimierung von Effektivität und Effizienz steht, als
eine Zwillingsfunktion der (traditionellen) Unternehmensführung, die ihre Wirkung auf
der Grundlage ihrer eigenen (Controlling-)Funktionen unterstützend, mitwirkend und
5  Die Rolle des Controllings im Rahmen … 77

Abb. 5.1  Konzeptioneller Rahmen des Controllings

­ itverantwortend entfaltet. Controlling dient letztlich dazu, das unternehmerische Handeln


m
zuverlässig auf den Unternehmenszweck der Wertschöpfung auszurichten, um so die Exis-
tenz eines Unternehmens nachhaltig zu sichern (Becker et al. 2014, S. 53 ff.). Den konzep-
tionellen Rahmen des wertschöpfungsorientierten Controllings verdeutlicht Abb. 5.1.
Dem Controlling werden in dieser Konzeption ausgehend von der übergeordneten
Zielsetzung der Sicherstellung von Effektivität und Effizienz des dem Zweck der Wert-
schöpfung folgenden unternehmerischen Handelns drei Grundfunktionen zugeordnet
(Becker et al. 2014, S. 50), die an unterschiedlichen Objekten auszuüben sind.
Die originäre Funktion des Controllings, die Lokomotionsfunktion, umfasst das ini-
tialisierende und damit teils gestaltende Anstoßen, das Sichern sowie das dauernde
(Weiter-)Entwickeln des betrieblichen Zwecks der Wertschöpfung. Dies erfolgt vor-
rangig durch die Wahrnehmung von Gestaltungs- und Lenkungsaufgaben. Die Realisie-
rung der Lokomotionsfunktion setzt prinzipiell die Erfüllung der derivativen Funktionen
des Controllings, also die Informations- und die Abstimmungsfunktion, voraus (Becker
et al. 2014, S. 61). Die Informationsfunktion ist auf die Schaffung von Informations-
kongruenz innerhalb der Führung und Ausführung gerichtet. Dies erfolgt durch die
Koordination von Informationsbedarf, Informationsangebot und Informationsnachfrage.
Die Abstimmungsfunktion ist demgegenüber auf das nachhaltige Funktionieren des
eigentlichen Managementzyklus gerichtet und stellt dies vorrangig über die integrierte
Planung und Kontrolle von Führung und Ausführung sicher.
78 W. Becker und M. Nolte

Die Ausübung dieser grundlegenden Funktionen an spezifischen Objekten führt zur


Ableitung unterschiedlicher Controlling-Aufgaben, die von entsprechenden Aufgaben-
trägern (Manager und Controller) wahrzunehmen sind. Methoden, Instrumente und
Werkzeuge dienen dazu, die entstehenden Aufgaben des Controllings überhaupt erfüllen
zu können (Becker et al. 2014, S. 100). Angesichts dessen, dass das Controlling letztlich
darauf abzielt, die Wertschöpfung sicherzustellen, sind solche Instrumente zu nutzen, die
Informationen zur Schaffung und Erhaltung von Erfolgspotenzialen, Erfolg und Liquidi-
tät bereitstellen (Baltzer 2013, S. 79 f.).

5.3 Objektfeld Digitalisierung

5.3.1 Der Prozess der digitalen Transformation

Ein allgemein anerkannter digitaler Transformationsprozess ist bis heute noch nicht fest-
gelegt, da das betriebswirtschaftliche Forschungsfeld der digitalen Transformation ein
noch sehr junges Fachgebiet ist. Abb. 5.2 vermittelt einen Überblick über die wesent-
lichen Teilphasen der derzeit in der Literatur vorherrschenden Definitionen des Prozesses
der digitalen Transformation.

Abb. 5.2  Überblick über Prozessdefinitionen zur digitalen Transformation


5  Die Rolle des Controllings im Rahmen … 79

Die abgebildeten, meist aus der Praxis stammenden Transformationsprozesse weisen


verschiedene Detaillierungsgrade auf. Da in derartigen Strukturen die Abgrenzung der
einzelnen Teilphasen regelmäßig unscharf bleibt, scheint die Nutzung eines eher groben
Phasenschemas als zielführend zu sein. Daher soll nachfolgend das zuletzt angeführte
Prozessmodell (Becker et al. 2016, S. 114) genutzt werden.

5.3.2 Controlling der Digitalisierung

Für die hier zu betrachtende Thematik ist nun das Controlling mit seinen wesentlichen
Funktionen, also der Informations-, der Abstimmungs- und der Lokomotionsfunktion,
auf das Objektfeld der Digitalisierung anzuwenden; dies verdeutlicht Abb. 5.3. Die Dar-
stellung zeigt den Transformationsprozess mit den drei Phasen des Initialisierens, des
Realisierens und des Evaluierens. Diese drei Phasen sind hier bewusst nur grob gegliedert,
lassen sich aber in weitere Teilphasen unterteilen. Jede Phase ist zudem aus unterschied-
lichen Perspektiven (Ressourcen, Prozess, Markt, Wert) zu betrachten (Becker und Kunz,
S. 225), um die insgesamt mittels dieses Prozesses zu bewirkende Transformation eines
analogen zu einem digitalen Geschäftsmodell möglichst ganzheitlich, also mit strategi-
scher Ausrichtung zu garantieren.

Abb. 5.3  Controlling der Digitalisierung


80 W. Becker und M. Nolte

Im Rahmen der Digitalisierung stellen sich vorrangig zwei bedeutsame Aufgaben-


felder. Zunächst ist aus einer eher strategischen Perspektive der mit der Digitalisierung
typischerweise einhergehende Wandel eines bestehenden (analogen) Geschäftsmodells
zu einem neuen (digitalen) Geschäftsmodell zu betrachten. Dieser Wandel kann
­partiell oder total erfolgen und muss insgesamt so ausgerichtet werden, dass das digi-
tale Geschäftsmodell einen höheren Beitrag zum Unternehmenswert stiftet, als das vor
der Digitalisierung vorliegende, analoge Geschäftsmodell. In diesem Zusammenhang
hat das Controlling vorwiegend Gestaltungs-, aber auch wertorientierte Lenkungsauf-
gaben zu erfüllen. Im Rahmen der Gestaltungsaufgaben sind vorrangig die ressourcen-
seitig zu verwendenden Informations- und Kommunikationstechnologien zu klären
und zudem die für die Digitalisierung erforderlichen Prozesslandschaften zu gestalten.
Im zuletzt angesprochenen Zusammenhang sollten vor allem auch die indirekten Pro-
zesse berücksichtigt und in die Digitalisierungsbestrebungen integriert werden, um die
letztlich anzustrebende Effektivität der Digitalisierung nicht zu gefährden. Besonders
bedeutsam ist darüber hinaus die ebenfalls vorrangig gestaltenden Charakter tragende
Festlegung aller Produkt-Markt-Bezüge. In diesem Zusammenhang steht die Kunden-
nutzen-stiftende Bedarfsdeckungsfunktion eines Geschäftsmodells im Vordergrund.
Diese Perspektive hat deshalb besondere Tragweite, weil die letztlich aus der Wert-
perspektive durch die Digitalisierung anzustrebende Wertsteigerung im Falle der
Gefährdung des Kundennutzens unweigerlich gefährdet wird.
Darüber hinaus ist aus einer eher operativen Perspektive der zur Digitalisierung
erforderliche Transformationsprozess selbst, der den Weg vom analogen zum digitalen
Geschäftsmodell begleitet und aus den Schritten „Initialisieren“, „Realisieren“ und „Eva-
luieren“ besteht (Becker et al. 2016, S. 114), durch das Controlling zu unterstützen. Auch
in diesem Zusammenhang sind die aufgezeigten Betrachtungsperspektiven (Ressourcen,
Prozesse, Markt, Wert) für die Ableitung einzelner Aufgaben des Controllings wesentlich.
Durch die Anwendung der Controlling-Funktionen auf den digitalen Transformations-
prozess entstehen nämlich konkrete Aufgaben, die unter Zuhilfenahme betriebswirtschaft-
licher Instrumente erfüllt werden müssen. Die besonders bedeutsamen Aufgabenfelder, die
aus den Controlling Funktionen resultieren, sind solche der Gestaltung, der Zielbildung
und Planung, der Steuerung und Regelung (Lenkung), der Management-Rechnung, der
Information durch spezielle Berichte und der laufenden Beratung des die Digitalisierung
betreibenden Managements (Becker et al. 2014, S. 86 ff.).
Die nachfolgenden Ausführungen beschreiben nunmehr typische und bedeutsame
Aufgaben, die aus der Wahrnehmung der beschriebenen Controlling-Funktionen auf den
Prozess der digitalen Transformation resultieren. Auch wird begleitend auf Instrumente
eingegangen, die in diesem Kontext dienlich sein können.

5.3.3 Informationsfunktion des Controllings

Durch das Controlling wird im Rahmen der Wahrnehmung der Informationsfunktion der
Informationsstand des Managements und der Mitarbeiter im digitalen Transformations-
5  Die Rolle des Controllings im Rahmen … 81

prozess erweitert. Controller verfügen hierzu regelmäßig über eine Vielzahl von Daten,
müssen zudem jedoch typischerweise auch neue Daten generieren. Besondere Bedeutung
erlangt in diesem Zusammenhang die Aufgabe, den Informationsbedarf aller Führungs-
teilsysteme in sämtlichen Phasen des Transformationsprozesses zu identifizieren und zu
befriedigen. Hierbei müssen sowohl formale wie auch sachzielbezogene Informationen
bereitgestellt werden (Schröder 1996, S. 497). Es sind zudem Informationen zu gene-
rieren, anhand derer die einzelnen Projekte im Transformationsprozess beurteilt werden
können. Diese Informationen müssen erhoben, aufbereitet und dem Projektmanagement
zur Verfügung gestellt werden. Nicht zuletzt ist auf dem Wege entsprechender Kommu-
nikation und Motivation auch dafür Sorge zu tragen, dass das Management diese Infor-
mationen zur Lösung der anstehenden (Digitalisierungs-)Aufgaben nutzt.
Zu Beginn eines derartigen Prozesses sollte besonders darauf geachtet werden, dass
vielversprechende Digitalisierungsprojekte nicht von vornherein „totgerechnet“ werden.
Die Gefahr dazu besteht, da die Datenlage in einem frühen Stadium des Prozesses meist
noch sehr vage ist und einer präzisen Zeit- und Kostenbewertung eventuell nicht stand-
halten kann (de Pay 1994, S. 80). Dies verdeutlicht die hohe Bedeutung, die einer gut
fundierten Planung des Transformationsprozesses beizumessen ist. Generell gilt, dass die
Informations- und Kommunikationsstruktur über alle Phasen des Transformationsprozesses
eine zentrale Stellung aufweist. Sie ist ein zentraler Erfolgsfaktor für die Erhöhung und die
nachhaltige Sicherung der digitalen Innovationsfähigkeit. In frühen Phasen ist der Frei-
heitsgrad der jeweiligen Informationen relativ hoch; hierdurch wird eine Reduzierung des
Zeitbedarfs für Entscheidungen erzielt. Zudem wird erreicht, dass durch eine informelle
Gestaltung der Strukturen die Problemlösungsumsicht der Beteiligten erhöht wird, was
wiederum zu einer Verbesserung des gesamten Prozesses führt. Schreitet die Trans-
formation weiter voran, muss der Informationsaustausch immer weiter standardisiert wer-
den, was zu einem effizienteren Austausch von Informationen führt (Schön 2001, S. 215).
Während der digitalen Transformation obliegt es dem Controller stets diejenigen
Informationen zu liefern, die zur Lösung der jeweils zu behandelnden Problemlagen
dienlich sind (Meyer-Eppler 1969, S. 48). Eine systematische Beschaffung, Bewertung
und Aufbereitung von relevanten Informationen ist folglich zwingend erforderlich. Spe-
ziell finanzbezogene Informationen müssen für das Management aufbereitet werden,
damit dieses die entstehenden Unsicherheiten hinsichtlich der Erreichung der Wert-
schöpfungszwecke bewerten kann. Fragen, zu denen Informationen geliefert werden
müssen, beziehen sich vor allem auf den zu bedienenden Markt, die Produktbündel, die
Prozesse, die betroffenen Technologien, notwendige Ressourcen und die organisatorische
Handhabung (Tkotz et al. 2015, S. 36 f.). Erst durch die Bereitstellung der für die Digita-
lisierung erforderlichen Informationen erhält letztlich das Management die Möglichkeit,
den Transformationsprozess auf Basis fundierter Grundlagen zu gestalten und zu lenken.
Die zur Erfüllung der Informationsfunktion einzusetzenden Instrumente sind grund-
sätzlich vielfältig. Traditionell ist im strategischen Kontext vor allem an die Nutzung
von SWOT-Analysen und von Instrumenten des Portfolio-Managements zu denken
(Wendt 2013, S. 164). Auch ist an Instrumente aus dem Projektmanagement und ins-
besondere dem Multiprojektmanagement zu denken (Kunz 2007, S. 254). Im operativen
82 W. Becker und M. Nolte

Feld, also dem Controlling des Transformationsprozesses, ist vorrangig wiederum an


typische Instrumente des Projektmanagements, an Planungstechniken, an Investitions-
rechnungen, an Konzepte der Budgetierung, an Instrumente des Kennzahlen- und des
Performance-Managements zu denken. Alle Instrumente aus dem Rechnungswesen
sind grundsätzlich dafür zuständig, Informationen strukturiert zur Verfügung zu stel-
len (Littkemann 2005, S. 12; Gemünden und Littkemann 2007, S. 9). Zu Beginn eines
Digitalisierungsprozesses existiert allerdings stets das Problem, dass dem Input regel-
mäßig kein unmittelbar erkennbarer Output gegenüber steht (Langmann 2011, S. 74).
Insofern sind quantitative Wirtschaftlichkeitsanalysen stets mit besonderer Vorsicht
anzuwenden und zu interpretieren. Aufgrund der hohen Ungewissheit hinsichtlich des
wirtschaftlichen Nutzens der Digitalisierung ist anzunehmen, dass in der Anfangsphase
von Transformationsprozessen Prognoseverfahren eine besondere Bedeutung erlangen.
In diesem Zusammenhang ist speziell an die Nutzung von Szenario-Analysen zu denken,
die einen erheblichen instrumentellen Nutzen stiften können.
Für die durch das Controlling einzusetzenden Instrumente ist darüber hinaus zu klä-
ren, inwieweit sich diese unter dem Einfluss der Digitalisierung selbst verändern. Ist der
Digitalisierungsprozess in einem Unternehmen weiter vorangeschritten liegt die Annahme
nahe, dass auch Controlling-Instrumente mit hohem Innovationsgrad genutzt werden. Ver-
bindet sich dieser Aspekt mit der aus der Digitalisierung resultierenden Möglichkeit, auf
eine bisher ungeahnte Menge von Informationen zugreifen zu können (Kieninger et al.
2015, S. 7), so in diesem Zusammenhang speziell an die Nutzung von Instrumenten aus
dem Bereich „Data Analytics“ zu denken. Diesbezüglich muss auch an die Einbeziehung
von entsprechend qualifizierten Data Science-Spezialisten gedacht werden.

5.3.4 Abstimmungsfunktion des Controllings

Innerhalb der Abstimmungsfunktion muss die Aufgabe der intersystemischen


Koordination zwischen den einzelnen Führungsteilsystemen erfolgen. Dies kann sowohl
durch eine Systembildung in Form der Schaffung koordinationsgeeigneter Aufbau- und
Ablaufstrukturen sowie durch Systemkopplung in Form der Verknüpfung der Teil-
systeme im Rahmen bestehender Strukturen geschehen (Schröder 1996, S. 500). Kern der
Abstimmungsfunktion ist es, den gemeinsamen Zugriff auf zu nutzende Ressourcen zu
koordinieren (Tkotz et al. 2015, S. 40). Zudem ist im Rahmen geeigneter Planungs- und
Kontrollprozesse für eine qualifizierte Fundierung aller zu treffenden Digitalisierungs-­
Entscheidungen zu sorgen. Im Rahmen der Durchsetzung von Digitalisierungs-­
Entscheidungen ist schließlich die Bildung entsprechender Budgets bedeutsam. Darüber
hinaus erlangen Budgets eine hohe Bedeutung, um das Projektmanagement während der
Digitalisierung handlungsfähig zu halten. Die Budgetierung von Digitalisierungsprojekten
dient vorrangig dazu, die gesamten betrieblichen Planungsabsichten in einer wertmäßi-
gen Form darzustellen und den eigentlichen Umsetzungsprozess zu ermöglichen (Becker
et al. 2014, S. 130 ff.). Budgets koordinieren also letztlich alle ­Digitalisierungsaktivitäten
5  Die Rolle des Controllings im Rahmen … 83

innerhalb des Unternehmens. Schließlich bildet die sorgfältige Planung von


Digitalisierungsprojekten durch das Entstehen der Möglichkeit, Soll-Ist-Vergleiche und
Abweichungsanalysen zu realisieren, die Voraussetzung dafür, dass eine konsequente und
nachhaltige Steuerung von Transformationsprozessen erfolgt.
Zu Beginn des Prozesses der digitalen Transformation ist davon auszugehen, dass
die Arbeitsteilung eher gering ist; dies soll eine optimale Nutzung innovativer Poten-
ziale ermöglichen. In späteren Phasen nimmt die Arbeitsteilung und damit der einher-
gehende Abstimmungsaufwand typischerweise zu (Schön 2001, S. 213). Zur Reduktion
von Kommunikations- und Abstimmungsproblemen müssen Management-Maßnahmen
ergriffen werden, um die Schnittstellen zwischen betroffenen Organisationsbereichen
zu überwinden (de Pay 1994, S. 59). Dies ist deshalb bedeutsam, weil ansonsten Zeit-
und Kostenabweichungen zu befürchten sind (Brockhoff 1990, S. 37), die zu einer
Gefährdung des Erfolgs führen (de Pay 1994, S. 59). Es gilt zudem, dass verteilte
Wissensbestände unterschiedlicher Akteure zusammengeführt werden müssen, damit
innovative Ideen entstehen können (Barthel 2001, S. 53).
Innerhalb der Realisierungsphase steht die Sicherung der Effizienz im Mittel-
punkt der Controlling-Aktivitäten. Hier finden typischerweise klassische Methoden des
Projektmanagements Anwendung, um die Parameter Kosten, Qualität und Zeit zu über-
wachen. Auch müssen entstehende Risiken identifiziert, analysiert und mit dem Manage-
ment diskutiert werden. Eintrittswahrscheinlichkeiten und die damit einhergehenden
Auswirkungen sind Faktoren, die bestimmt und an das Management berichtet werden
müssen (Munck et al. 2015, S. 74 f.). Die oben bereits angesprochene Steuerung des
Prozesses auf Basis von leistungs- und wertbezogenen Soll-Ist-Vergleichen garantiert
schließlich eine wirtschaftlich tragfähige Transformation.
In der abschließenden Phase der Evaluierung erlangen nachkalkulierende
Wirtschaftlichkeitsrechnungen, aber auch Instrumente des Kennzahlen- und Per-
formance-Managements besondere Bedeutung. Die Bestimmung der Lerneffekte und die
Dokumentation bisheriger Erfahrungen sind für künftige Digitalisierungsprojekte wichtig.

5.3.5 Lokomotionsfunktion des Controllings

Digitalisierungsprozesse werden regelmäßig durch exogene und/oder endogene Impulse


ausgelöst. Bedeutsamer endogener Impulsgeber der Digitalisierung ist das Management,
das hierzu seinen Machtvorsprung nutzen kann (Witte 1973, S. 17). Durch das Manage-
ment ist die Digitalisierungsstrategie mit der übergeordneten Unternehmensstrategie
abzustimmen, um eine zweckgerechte Wertschöpfung zu realisieren (Tkotz et al. 2015,
S. 32 f.). Dem Management obliegt in diesem Zusammenhang die sehr bedeutsame und
in der Praxis oftmals nur unzureichend umgesetzte Aufgabe, die genauen Kundenbedürf-
nisse zu identifizieren (Van de Ven 1986, S. 596) und auf Basis derer eine realistische
Einschätzung der Ist-Situation durchzuführen (Gebert 2002, S. 172).
84 W. Becker und M. Nolte

Das Anstoßen der digitalen Transformation macht zudem für ein Unternehmen nur
dann Sinn, wenn sich hiermit eine initialisierende Steigerung der Wertschöpfung ver-
bindet. Diese Vorstellung sollte nicht nur als reine Vision bestehen. Vielmehr ist früh-
zeitig zu überprüfen, ob durch entsprechende Digitalisierungsmaßnahmen ein Effekt auf
die Wertschöpfung erzielt wird (Becker et al. 2014, S. 54). In diesem Zusammenhang
ermöglichen es insbesondere wertorientierte Kennzahlen, wie beispielsweise der Return
on Capital Employed, der Economic Value Added, der Cash Value Added, der Share-
holder Value oder der Cash Flow Return on Investment, die gegenwärtige und zukünftige
Vermögens-, Finanz- und Ertragslage des betroffenen Unternehmens darzustellen.
Die Lokomotionsfunktion hat insbesondere die Aufgabe, innerhalb des Unternehmens
neue Projekte anzustoßen, um die zukünftige Wertschöpfung für das Unternehmen
sicherzustellen. Gleichzeitig müssen Effektivität und Effizienz laufender Erneuerungs-
projekte gesichert werden. Entsprechend müssen auch Digitalisierungsvorhaben geplant
und laufend kontrolliert werden (Lendel et al. 2015, S. 414). Es sind zudem sämt-
liche Wissensquellen mit der jeweiligen Entwicklungsperspektive zusammenzufassen
(­Adamides und Karacapilidis 2006, S. 52), um Digitalisierungsprozesse angemessen zu
unterstützen. Zudem müssen Maßnahmen initiiert werden, die projektrelevante Informa-
tionen liefern (Winby und Worley 2014, S. 232). Die Unterstützung derartiger Aufgaben
durch ein entsprechend ausgerichtetes Kennzahlen- und Performance-Management, ggf.
also auch durch eine Balanced Scorecard erscheint zweckmäßig (Kaplan und Norton
1996, S. 18 ff.). Vor dem Hintergrund des hohen Innovationsbedarfs, der mit der Digita-
lisierung einhergeht, bietet es sich ggf. auch an, die Balanced Scorecard zu einer Innova-
tions Scorecard zu modifizieren. Sie beinhaltet eine Strategische-, Reporting-, Kunden-,
Erfolgs-, Effizienz-, Operative- und Lern-Perspektive (Braun und Siegel 2001, S. 283 f.).
Ferner besteht die Aufgabe, die Innovationsbereitschaft aller am Digitalisierungs-
prozess beteiligten Mitarbeiter zu fördern. Dies kann durch eine gezielte Informations-
versorgung, Partizipation an Entscheidungsprozessen, aber auch durch die Nutzung
spezieller Anreize gelingen. Die dauernde und prozessbegleitende Förderung der bei
den Mitarbeitern vorhandenen Kreativität hat besondere Bedeutung (Thom 1980, S. 62).
Gerade während der Realisierung von Transformationsbemühungen ist es von hoher
Bedeutung, die operativ arbeitenden Mitarbeiter entsprechend zu motivieren. Darüber
hinaus sollten alle beteiligten Mitarbeiter während des Transformationsprozesses eine
angemessene Umsetzungsunterstützung erfahren. Ist dies der Fall, zeigt sich eine deut-
lich höhere Implementierungsrate neuer Ideen (Axtell et al. 2000, S. 272 ff.). Für die
erfolgreiche Umsetzung einer digitalen Vision ist folglich ein partizipatives Führungsver-
halten seitens Unternehmensführung und Controlling von hoher Bedeutung (Marr 1993,
S. 1810).
Zur erfolgreichen Nutzung eines Digitalisierungscontrollings ist es unumgänglich,
dass dieses innerhalb des Unternehmens akzeptiert wird. Eine klare Einordnung in die
Unternehmensorganisation, genau definierte Aufgaben sowie eine sachlich ausreichend
personelle Besetzung sind hierfür unumgänglich (Munck et al. 2015, S. 77 f.).
5  Die Rolle des Controllings im Rahmen … 85

5.4 Rolle und Kompetenzen des Controllings

Generell lässt sich feststellen, dass aufgrund des Digitalisierungstrends nahezu alle Pro-
zesse in Unternehmen von dieser Entwicklung betroffen sind. Das Aufgabenfeld der
strategischen Planung der Digitalisierung wird sich vornehmlich mit den strukturellen
Optionen und den ökonomischen Folgen der digitalen Neuausrichtung des Geschäfts-
modells auseinandersetzen müssen. In diesem Zusammenhang erlangen Fragen des
zukünftigen Digitalisierungsgrades, der Finanzierung und des damit einhergehenden
Investitionscontrollings besondere Bedeutung. Im operativen Kontext der Gestaltung und
Lenkung des Transformationsprozesses selbst stehen Fragen des Projektcontrollings, der
laufend sicherzustellenden erfolgsorientierten Steuerung und der dauerhaften Erhaltung
eines erfolgswirtschaftlichen Gleichgewichts im Vordergrund. Das Controlling wird in
diesen Aufgabenfeldern vor zum Teil neuen und hohen Anforderungen stehen.
Die Bestimmung und Deckung des Informationsbedarfs stehen vor dem Hintergrund
der im Zuge der Digitalisierung zu erwartenden Informationsmengen und angesichts
der wachsenden Notwendigkeit, Informationen in Echtzeit abzurufen und bereitzu-
stellen, vor großen Schwierigkeiten. Der Umgang mit Informationen könnte der für die
Erzielung von Wertschöpfungszuwächsen relevante Erfolgsfaktor werden. Auch die zu
erwartenden Koordinationsumfänge werden allein schon deshalb erheblich steigen, da
die Digitalisierung eine zunehmende Vernetzung der Wertschöpfung zwischen unter-
schiedlichen Wirtschaftspartnern ermöglicht und ggf. auch benötigt. Hierzu werden neue
Instrumente erforderlich werden.
Besondere Bedeutung erlangt zudem die Notwendigkeit, den Prozess der Digitalisie-
rung seitens des Controllings im Sinne einer Business Partnerschaft zu begleiten. Das
Controlling wird aus wirtschaftlicher Sicht angesichts der hier anzusiedelnden Grund-
funktionen möglicherweise insgesamt zum entscheidenden Erfolgsfaktor der Trans-
formation analoger in digitale Geschäftsmodelle.
Zukünftig müssen zudem diejenigen Mitarbeiter, die Controlling-Aufgaben erfüllen,
über ein breiteres Spektrum an Kenntnissen verfügen. Diese Mitarbeiter sollten in
besonderem Maße über analytische, mathematische, statistische und technologische Kom-
petenzen verfügen. Dieses Wissen resultiert aus unterschiedlichen Disziplinen, so speziell
den Ingenieurwissenschaften, der Informatik und der Betriebswirtschaftslehre. Nur, wenn
dieses Wissen anforderungsgerecht vorhanden ist, kann ein Unternehmen die Potenziale
der Digitalisierung nutzen (Barth et al. 2016, S. 210). Die geforderten Fähigkeiten werden
teils dem Data Scientist (Davenport und Patil 2012, S. 70 ff.) zugeschrieben (Kieninger
et al. 2015, S. 7; Spitzenpfeil und Adelt 2015, S. 24; Steiner und Welker 2016, S. 68 ff.).
Insbesondere in kleinen oder mittleren Unternehmen ist es jedoch mit hoher Wahrschein-
lichkeit nicht möglich, Data Scientists zu beschäftigen. Daher werden solche Unter-
nehmen, solche Aufgaben dem Controlling zuweisen (­Horváth und Aschenbrücker 2015,
S. 56). Somit ist davon auszugehen, dass sich die zukünftigen Anforderungen an Control-
ler ändern werden.
86 W. Becker und M. Nolte

5.5 Fazit

Die digitale Transformation stellt derzeit eine besonders hohe Herausforderung für die
meisten Unternehmen dar. Zweifelsfrei wird dieses Themenfeld in der Praxis auch in den
nächsten Jahren eine zentrale Rolle einnehmen. Dementsprechend existiert innerhalb des
Forschungsfeldes der digitalen Transformation zum aktuellen Zeitpunkt noch erheblicher
Forschungsbedarf. Dies gilt auch und gerade für das Controlling, das aufgrund der öko-
nomischen Erfordernisse der Digitalisierung vor besonderen Anforderungen steht. Die
hier dargelegte wertschöpfungsorientierte Controlling-Konzeption eignet sich durch die
konsequente Fokussierung auf die Wertschöpfung in besonderem Maße, um die effektive
und effiziente Unterstützung der digitalen Transformation sicherzustellen.
Zukünftig ist es für Unternehmen jeder Art von großem Interesse, sich die Bedeutung
der digitalen Transformation bewusst zu machen und entsprechend zu handeln. In die-
sem Zusammenhang sollte das bislang vergleichsweise wenig integrierte Controlling
zur Unterstützung einbezogen werden. Die in diesem Zusammenhang entstehenden stra-
tegischen und operativen Aufgabenfelder wurden skizziert. Weiterhin erscheint es sehr
bedeutsam, das Controlling nicht allein in die Unterstützung von unternehmerischen
Digitalisierungsaktivitäten zu integrieren, sondern Transformationsprozesse führungs-
seitig durch ein ausgereiftes Change Management zu begleiten. Beides gemeinsam
kann zweckdienlich genutzt werden, um die Digitalisierung ökonomisch erfolgreich zu
bewältigen.

Literatur

Adamides, Emmanuel D.; Karacapilidis, Nikos (2006): Information technology support for the
knowledge and social processes of innovation management. In: Technovation 26 (1), S. 50–59.
Axtell, C. M.; Holman, D. J.; Unsworth, K. L.; Wall, T. D.; Waterson, P. E.; Harrington, E. (2000):
Shopfloor innovation. Facilitating the suggestion and implementation of ideas. In: Journal of
Occupational and Organizational Psychology 73 (3), S. 265–285. https://doi.org/10.1348/09631
7900167029.
Baltzer, Bjorn (2013): Einsatz und Erfolg von Controlling-Instrumenten. Begriffsbestimmung,
empirische Untersuchung und Erfolgsbeurteilung. Wiesbaden: Springer Gabler.
Barth, Thomas; Bohnen, Matthias; Schleupner, Linus (2016): Neue (Weiter-) Bildungskonzepte für
neue Anforderungen. In: R. Heinze, Ch Manzei und L. Schleuper (Hg.): Industrie 4.0 im inter-
nationalen Kontext. Kernkonzepte, Ergebnisse, Trends. 1., Aufl (Beuth Innovation), S. 210–216.
Barthel, Jochen (2001): Standardisierung in Innovationsprozessen. Möglichkeiten für eine ent-
wicklungsbegleitende Koordination. München: Hampp.
Becker, Wolfgang; Baltzer, Björn; Ulrich, Patrick (2014): Wertschöpfungsorientiertes Controlling.
Konzeption und Umsetzung. Stuttgart: Kohlhammer.
Becker, Wolfgang; Kunz, Christian: Ganzheitliches Produktmanagement – Architektur,
Betrachtungsperspektiven und Methoden, S. 205–232.
Becker, Wolfgang; Ulrich, Patrick; Botzkowski, Tim; Eurich, Sebastian (2016): Controlling von
Digitalisierungsprozessen. Veränderungstendenzen und empirische Erfahrungswerte im Mittel-
stand. In: Robert Obermaier (Hg.): Industrie 4.0 als unternehmerische Gestaltungsaufgabe.
Betriebswirtschaftliche, technische und rechtliche Herausforderungen.
5  Die Rolle des Controllings im Rahmen … 87

Braun, Michael; Siegel, Thomas (2001): Controlling im Innovationsprozess – vom Kontrolleur


zum Lotsen. In: Michael Braun, Andreas Feige und Tom Sommerlatte (Hg.): Business-Inno-
vation. Quantensprünge statt “Innovatiönchen”; ein Wegweiser zur zielgerichteten Geschäfts-
erneuerung. Frankfurt am Main: FAZ-Inst. für Management-, Markt- und Medieninformationen
(Unternehmensführung), S. 272–288.
Brockhoff, Klaus (1990): Stärken und schwächen industrieller Forschung und Entwicklung.
Umfrageergebnisse aus der Bundesrepublik Deutschland. Stuttgart: C.E. Poeschel (Manage-
ment von Forschung, Entwicklung und Innovation, Bd. 5).
Davenport, Thomas H.; Patil, D. J. (2012): Data Scientist: The Sexiest Job of the 21st Century. In:
Harvard Business Review 90 (10), S. 70–76.
de Pay, Diana (1994): Maßnahmen des Schnittstellenmanagements im Innovationsprozess. Ein
transaktionstheoretischer Vergleich der Koordination durch Leitung und durch Controlling. In:
Erich Zahn (Hg.): Technologiemanagement und Technologien für das Management. An der
Universität Stuttgart 1993. Stuttgart: Schäffer-Poeschel (Wissenschaftliche Tagung des Ver-
bandes der Hochschullehrer für Betriebswirtschaft e.V, 1993 = 55), S. 57–87.
Gebert, Diether (2002): Führung und Innovation. Stuttgart: Kohlhammer.
Gemünden, Hans Georg; Littkemann, Jörn (2007): Innovationsmanagement und -controlling: theo-
retische Grundlagen und praktische Implikationen. In: Controlling & Management Review (3),
S. 4–18.
Hess, Thomas; Matt, Christian; Benlian, Alexander; Wiesböck, Florian (2016): Options for Formu-
lating a Digital Transformation Strategy. In: MIS Quarterly Executive 15 (2), S. 123–139.
Horváth, Péter; Aschenbrücker, Andreas (2015): Der Data Scientist – neue Potenziale für den Con-
troller? In: Péter Horváth und Uwe Michel (Hg.): Controlling im digitalen Zeitalter. 1. Auflage
2015. Stuttgart: Schäffer-Poeschel, S. 45–57.
Kaplan, Robert S.; Norton, David P. (1996): The balanced scorecard. Translating strategy into
action. [Nachdr.]. Boston, Mass.: Harvard Business School Press.
Kieninger, Michael; Mehanna, Walid; Michel, Uwe (2015): Auswirkungen der Digitalisierung auf
die Unternehmenssteuerung. In: Péter Horváth und Uwe Michel (Hg.): Controlling im digitalen
Zeitalter. 1. Auflage 2015. Stuttgart: Schäffer-Poeschel, S. 3–13.
Kunz, Christian (2007): Strategisches Multiprojektmanagement. Konzeption, Methoden und Struk-
turen. 2., aktualisierte Auflage. Wiesbaden: Springer Science and Business Media; Deutscher
Universitäts-Verlag (Gabler Edition Wissenschaft: Unternehmensführung & Controlling).
Langmann, Christian (2011): Kennzahlen im F&E und Innovations-Controlling. In: Ronald Gleich
(Hg.): Innovations-Controlling. [Gestaltung von Strukturen und Prozessen, strategische und
operative Instrumente, Kennzahlen des F&E-Controllings, Praxisberichte aus unterschiedlichen
Branchen]. Freiburg, Br., Berlin, München: Haufe-Mediengruppe (Der Controlling-Berater, Bd.
13), S. 69–86.
Lendel, Viliam; Hittmár, Štefan; Latka, Martin (2015): Application of Management of Innovation
Processes in Enterprises. In: Procedia Economics and Finance 34, S. 410–416.
Littkemann, Jörn (2005): Innovationscontrolling. In: Sönke Albers und Oliver Gassmann (Hg.):
Handbuch Technologie- und Innovationsmanagement. Strategie – Umsetzung – Controlling.
Wiesbaden, s.l: Gabler Verlag.
Marr, Rainer (1993): Innovationsmanagement. In: Waldemar Wittmann (Hg.): Handwörterbuch der
Betriebswirtschaft. 5., völlig neu gestaltete Aufl. Stuttgart: Schäffer-Poeschel (Enzyklopädie
der Betriebswirtschaftslehre, Band 1, Ed. 5), S. 1796–1812.
Meyer-Eppler, W. (1969): Grundlagen und Anwendungen der Informationstheorie. 2. Auflage, neu-
bearbeitet und erweitert. Berlin, Heidelberg: Springer Berlin Heidelberg (Kommunikation und
Kybernetik in Einzeldarstellungen, 1).
88 W. Becker und M. Nolte

Munck, Jan Christoph; Ruth, Martin; Chouliaras, Evangelos (2015): Innovationscontrolling:


­Benchmark-Studie zum Status Quo in der deutschen Industrie. In: Ronald Gleich und Chris-
tof Schimank (Hg.): Innovationscontrolling. [Innovationssystem, -portfolio und -projekte
erfolgreich steuern; Controllinginstrumente des Innovationsmanagements; Optimierung des
Innovationsportfolios; erfolgreicher Einsatz von Innovationskennzahlen; mittelstandsadäquate
Umsetzung mit Excel]. Freiburg [u. a.]: Haufe-Gruppe (Der Controlling-Berater, 37), S. 63–82.
Sánchez, Marisa Analía (2017): A Framework to Assess Organizational Readiness for the Digital
Transformation. In: Dimensión Empresarial 15 (2), S. 27–40.
Schön, Andreas (2001): Innovationscontrolling. Eine Controlling-Konzeption zur effektiven und effi-
zienten Gestaltung innovativer Prozesse in Unternehmen. Frankfurt am Main, New York: P. Lang
(v. 2703).
Schröder, Hans-Horst (1996): Konzepte und Instrumente eines Innovations-Controllings. In: Die
Betriebswirtschaft 56 (4), S. 489–507.
Sebastian, I. M.; Moloney, K. G.; Ross, J. W.; Mocker, Martin (2017): How Big Old Companies
Navigate Digital Transformation. In: MIS Quarterly Executive 16 (3), S. 197–213.
Spitzenpfeil, Thomas; Adelt, Isabelle (2015): Winning in the Digital World: Controlling und Digi-
talisierung. In: Péter Horváth und Uwe Michel (Hg.): Controlling im digitalen Zeitalter. 1. Auf-
lage 2015. Stuttgart: Schäffer-Poeschel, S. 15–26.
Steiner, Heinz; Welker, Peter (2016): Wird der Controller zum Data Scientist? In: Controlling &
Management Review (1), S. 68–73.
Thom, Norbert (1980): Grundlagen des betrieblichen Innovationsmanagements. 2., völlig neu bearb.
Aufl. Königstein/Ts.: Hanstein.
Tkotz, Alexander; Munck, Jan Christoph; Gleich, Ronald (2015): Innovationsmanagement &
-controlling: Grundlagen für ein effektives und effizientes Innovieren. In: Ronald Gleich und
Christof Schimank (Hg.): Innovationscontrolling. [Innovationssystem, -portfolio und -projekte
erfolgreich steuern; Controllinginstrumente des Innovationsmanagements; Optimierung des
Innovationsportfolios; erfolgreicher Einsatz von Innovationskennzahlen; mittelstandsadäquate
Umsetzung mit Excel]. Freiburg [u. a.]: Haufe-Gruppe (Der Controlling-Berater, 37), S. 25–46.
Van de Ven, Andrew H. (1986): Central Problems in the Management of Innovation. In: Manage-
ment Science 32 (5), S. 590–607.
Wendt, Susanne (2013): Strategisches Portfoliomanagement in dynamischen Technologiemärkten.
Entwicklung einer Portfoliomanagement-Konzeption für TIME-Unternehmen. Wiesbaden:
Springer Gabler (Unternehmensführung & Controlling).
Winby, Stuart; Worley, Christopher G. (2014): Management processes for agility, speed and inno-
vation. In: Organizational Dynamics 43 (3), S. 225–234.
Witte, Eberhard (1973): Organisation für Innovationsentscheidungen. Göttingen: Otto Schwartz & Co.

Univ.-Professor Dr. Dr. habil. Wolfgang Becker  ist Ordinarius für Betriebswirtschaftslehre und
Inhaber des Lehrstuhls Unternehmensführung & Controlling und Mitglied des Direktoriums des
Kompetenzzentrums für Geschäftsmodelle in der digitalen Welt an der Otto-Friedrich-Universität
Bamberg. Darüber hinaus leitet er als Wissenschaftlicher Direktor das Europäische Forschungsfeld
für Angewandte Mittelstandsforschung (EFAM), das Forschungsfeld für Value Based Management
sowie das Forschungsfeld für Digitale Geschäftsmodelle. Diese Themenfelder stellen auch seine
Forschungsschwerpunkte dar. Professor Becker vertritt zudem das Fachgebiet Unternehmens-
führung & Controlling im berufsbegleitenden Online-Masterstudiengang Wirtschaftsinformatik
(VAWi) der Universitäten Bamberg und Duisburg-Essen, im MBA Studiengang Business Manage-
ment an der Universität Erlangen-Nürnberg und im Executive MBA-Programm der Johannes
5  Die Rolle des Controllings im Rahmen … 89

Gutenberg-Universität Mainz. Schließlich ist er Gründer, Gesellschafter und Beiratsvorsitzender


der Scio GmbH Professor Dr. W. Becker in Erlangen, die der Wirtschaftspraxis Beratung auf dem
Gebiet des integrierten Strategie- und Organisationsdesigns anbietet.

Matthias Nolte  ist Doktorand und wissenschaftlicher Mitarbeiter des Lehrstuhls für BWL, ins-
bes. Unternehmensführung und Controlling der Otto-Friedrich-Universität Bamberg sowie Projekt-
mitarbeiter im Europäischen Forschungsfeld für Angewandte Mittelstandsforschung (EFAM).
Seine Forschungsschwerpunkte sind: Controlling im Rahmen der digitalen Transformation und
Innovationscontrolling.
Entscheidungskompetenzen für
Digitalisierungs-Entscheidungen: Zum 6
gegenwärtigen Stand der Dynamic
Capabilities-Forschung

Wolfgang Becker, Felix Schuhknecht, Meike Stradtmann und


Tim Botzkowski

Inhaltsverzeichnis

6.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
6.2 Grundlagen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.2.1 Begriffliche Grundlagen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.2.2 Kompetenzorientierter Managementansatz als Verbindung der Markt- und
Ressourcenperspektive. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.3 Status Quo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.3.1 Methodik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.3.2 Konzeptionelle Forschungsbeiträge. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.3.3 Qualitative Forschungsbeiträge. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.3.4 Quantitative Forschungsbeiträge. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
6.3.5 Zwischenfazit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6.4 Entscheidungskompetenzmodell. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6.4.1 Systematisierung der Entscheidungskompetenz . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6.4.2 Bestandteile. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6.4.2.1 Dürfen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105

W. Becker (*) 
Lehrstuhl für Betriebswirtschaftslehre, insbesondere Unternehmensführung & Controlling
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: wolfgang.becker@uni-bamberg.de
F. Schuhknecht · M. Stradtmann · T. Botzkowski 
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: felix.schuhknecht@uni-bamberg.de
M. Stradtmann
E-Mail: meike.stradtmann@uni-bamberg.de
T. Botzkowski
E-Mail: tim.botzkowski@talanx.com

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019 91
W. Becker et al. (Hrsg.), Geschäftsmodelle in der digitalen Welt,
https://doi.org/10.1007/978-3-658-22129-4_6
92 W. Becker et al.

6.4.2.2 Wollen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106


6.4.2.3 Können. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
6.4.2.4 Wissen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
6.4.3 Operationalisierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
6.4.4 Kompetenzkatalog. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.4.4.1 Dürfen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.4.4.2 Wollen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
6.4.4.3 Können. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
6.4.4.4 Wissen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.5 Schlussbetrachtung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117

Zusammenfassung
Die Digitalisierungs-Entscheidung ist für den Transformationsprozess von besonderer
Bedeutung, da sie einen determinierenden Charakter besitzt. Die bestehenden empiri-
schen Studien weisen darauf hin, dass die Digitalisierungs-Entscheider in der Praxis
vor große Herausforderungen stellen. Grundsätzlich bedarf es spezifischer Kompe-
tenzen, damit ein Entscheidungsträger die Digitalisierungs-Entscheidung überhaupt
ziel- und zweckorientiert treffen kann. Vornehmliche Zielsetzung des Beitrages ist es
dabei, die Entscheidungskompetenz deskriptiv zu erläutern und zu operationalisieren.
Hierzu wird zunächst der Status Quo in der bestehenden Managementliteratur eruiert.
Des Weiteren werden die notwendigen Entscheidungskompetenzen in einer zwei-
stufigen Vorgehensweise operationalisiert.

6.1 Einleitung

In den letzten Jahren beziehungsweise Jahrzehnten sind umfassende Entwicklungen im


Rahmen der Informations- und Kommunikationstechnologien festzustellen. „However,
during the last decade, impressive improvements in information, communication, and
connectivity technologies have unleashed new functionalities. Thus, the post-dotcom
decade has seen firms – both established and startups – taking advantage of lower price/
performance levels of computing (hardware and software) as well as global connectivity
through standard protocols (e.g., Internet and mobile web) to adapt their business infras-
tructure to the new digital era“ (Bharadwaj 2013, S. 472).
Der Eintritt in die neue „Digitale Ära“ hat sowohl für kapitalmarktorientierte Groß-
unternehmen als auch mittelständische Unternehmen weitreichende Konsequenzen.
Unternehmen jedweder Größenklasse oder Branchenzugehörigkeit stehen vor der
Herausforderung, das bestehende Geschäftsmodell zu digitalisieren, um nicht dem
„Digitalen Darwinismus“ ausgesetzt zu werden (Kreutzer 2017, S. 39). Die Digitale
Transformation ist dabei kein punktueller Akt, sondern ein komplexer Innovations-­
Prozess, welcher durch eine Digitalisierungs-Entscheidung erst ausgelöst werden muss.
Die Digitalisierungs-Entscheidung ist sodann für den Transformationsprozess von
besonderer Bedeutung, da sie einen determinierenden Charakter besitzt. Grundsätzlicher
6  Entscheidungskompetenzen für Digitalisierungs-Entscheidungen … 93

bedarf es spezifischer Kompetenzen, damit der Entscheidungsträger die Digitalisierungs-­


Entscheidung überhaupt treffen kann. Der hier vorliegende Beitrag fokussiert sich auf die
Erforschung von Entscheidungskompetenzen im Rahmen der Digitalisierungs-Entscheidung.
Vornehmliche Zielsetzung ist es dabei, die Entscheidungskompetenz deskriptiv zu erläutern
und zu operationalisieren.

6.2 Grundlagen

6.2.1 Begriffliche Grundlagen

Der Begriff „Kompetenz“ hat sich nach der Ansicht Kaufhold (2006, S. 21) in unserer
Gesellschaft bereits weitestgehend etabliert und wird sowohl im beruflichen als auch
im privaten Alltag genutzt. Im wissenschaftlichen Kontext findet der Kompetenzbegriff
ebenfalls Berücksichtigung, jedoch divergieren in Abhängigkeit von den Fachdisziplinen
(beispielsweise Soziologie, Psychologie, Betriebswirtschaftslehre) die Auffassungen dar-
über, was unter Kompetenz(en) zu verstehen ist (Arnold und Schüßler 2001, S. 60). Zum
Verständnis von Kompetenz lässt sich in den letzten Jahren ein ausuferndes Schrifttum
finden, weshalb an dieser Stelle keinesfalls der Versuch unternommen werden soll, eine
würdige und abschließende Übersicht der unterschiedlichen Standpunkte noch detail-
lierter vorzustellen (Erpenbeck und Heyse 2007, S. 164). In dem vorliegenden Beitrag
wird der Auffassung von Schiller (2000, S. 105) gefolgt, wonach eine Kompetenz das
Zusammenspiel der Ressourceneigenschaften Wissen, Können, Wollen und Dürfen dar-
stellt und sodann wie folgt definiert werden kann:

Kompetenzen werden als bewußt [sic!] herbeiführbare Bündelungen von Eigenschaften


von Ressourcen verstanden, die zur Schaffung von Wettbewerbsvorteilen geeignet und des-
halb im Zuge der Wertschöpfung gezielt einzusetzen sind. Ressourceneigenschaften sind als
wettbewerbs-strategisch relevantes Wissen, Können, Wollen und Dürfen interpretierbar.

Nachdem die Arbeitsdefinition des Kompetenzbegriffs vorgestellt wurde, soll nun


der Begriff „Entscheidung“ vorgestellt werden, um abschließend das Konstrukt Ent-
scheidungskompetenz zu veranschaulichen. Der Begriff „Entscheidung“ ist nach Korn-
dörfer (1995, S. 63) kein typisch ökonomischer Begriff, da auch im nicht-ökonomischen
Kontext Individuen Entscheidungen treffen müssen. Nichtsdestotrotz wird jedoch auch
in der Betriebswirtschaftslehre der Begriff umfassend diskutiert. Kahle (1998, S. 9) stellt
diesbezüglich heraus:

Die Abgrenzung des Begriffs der Entscheidung wird nicht so sehr durch die Vielfalt der vor-
handenen Begriffsausprägungen erschwert, sondern durch die Tatsache, daß [sic!] auf Grund
seiner allgemeinen umgangssprachlichen Verwendung die meisten Autoren sich eine explizite
Definition ersparen. Die Auffassungen darüber, welche Begriffselemente den Begriff der Ent-
scheidung konstituieren, können daher nur durch allgemeine, oft nur implizit aufgeführte
Bedingungen charakterisiert werden oder durch spezielle Eigenschaften ausgedrückt werden,
die dem Entscheidungsbegriff dann zur Unterscheidung beigegeben werden.
94 W. Becker et al.

Trotz divergierender Definitionsansätze soll folgende Entscheidungsdefinition im Sinne


des kleinsten gemeinsamen Nenners zugrunde gelegt werden:

Unter „Entscheidung“ wird ganz allgemein die (mehr oder weniger bewusste) Auswahl
einer von mehreren möglichen Handlungsalternativen verstanden.

Den obigen Ausführungen folgend, werden Entscheidungskompetenzen abschließend


wie folgt definiert:

Entscheidungskompetenzen sind das Bündel von Eigenschaften und Fähigkeiten bestehend


aus Wissen und Können als auch Wollen und Dürfen, um eine mehr oder weniger bewusste
Auswahl aus einer von mehreren möglichen Handlungsalternativen vorzunehmen, die zur
Schaffung von Wettbewerbsvorteile führt, mit dem Ziel der Wertschöpfung.

Eine spezielle Erforschung von Entscheidungskompetenzen für Digitalisierungs-­


Entscheidungen bedingt es, den Begriff „Digitalisierungs-Entscheidung“ näher zu definieren.
Nach Ansicht von Becker und Ulrich (2016, S. 264) führt eine Digitalisierungs-Entscheidung
zu einer Geschäftsmodellinnovation und lässt sich deshalb üblicherweise als strategische
Entscheidung deuten, gleichwohl herrscht in der betriebswirtschaftlichen Literatur Uneinig-
keit darüber, was genau eine strategische Entscheidung ist (Cummings und Daellenbach
2009, S. 246 ff.). Nach Auffassung von Azar (2014, S. 1744) zeichnen sich strategische
­Entscheidungen zusammenfassend durch folgende Aspekte aus:

1. „One of the important tasks of business managers is to make strategic decisions about
the direction the firm should take“
2. „Managers make strategic decisions in many different areas“
3. „The quality of these decisions can have a huge impact on the firm’s profitability and
even survival chances“

Zusammenfassend kann festgehalten werden, dass es sich bei der Digitalisierungs-Ent-


scheidung um eine strategische und somit um eine vom Top-Management zu treffende
Entscheidung handelt, die das Gesamtunternehmen betrifft, langfristig ausgelegt und
auf Erfolgspotenziale ausgerichtet ist. Sie zeichnet sich durch hohe Komplexität, einen
unsicheren Informationsgrad und einer tendenziell eher schlecht-strukturierten Ent-
scheidungssituation aus. Definitorisch wird, unter der bereits erörterten Digitalisierungs-
definition und der Entscheidungsdefinition, folgende Arbeitsdefinition zugrunde gelegt:

Unter „Digitalisierungs-Entscheidung“ wird die (mehr oder weniger bewusste) Auswahl


einer von mehreren möglichen Digitalisierungsalternativen verstanden, die zur partiellen
oder totalen Transformation des Geschäftsmodells führen oder gar zum Aufbau eines oder
mehrerer neuer Geschäftsmodelle.
6  Entscheidungskompetenzen für Digitalisierungs-Entscheidungen … 95

6.2.2 Kompetenzorientierter Managementansatz als Verbindung


der Markt- und Ressourcenperspektive

Der Kompetenzorientierte Managementansatz, welcher die theoretische Basis der Unter-


suchung bildet, verfolgt das grundsätzliche Ziel, mithilfe der Kompetenzen als ver-
bindendes Konstrukt sowohl das Management von Ressourcen und damit die Schaffung
von Erfolgspotenzialen als auch strategische Implikationen der Realisation von Erfolgs-
potenzialen in den Märkten zu verknüpfen (Schiller 2000, S. 75). Der Kompetenz-
orientierte Managementansatz, der im englischsprachigen Raum als Competence-based
View bezeichnet wird, stellt eine gedankliche Weiterentwicklung des Resource-based
View dar (Barney 2014). Im Competence-based View werden neben den Unternehmens-
ressourcen auch Unternehmenskompetenzen zur Begründung nachhaltiger Wettbewerbs-
vorteilen miteinbezogen. Trotz der konzeptionellen Fortführung des Resource-based
View und der zahlreichen Parallelen zur Schneiderischen Lehre der Unternehmens-
funktionen, hat sich der Competence-based View im Bereich der Theorie der Unter-
nehmung als eigenständigen Theorieansatz etabliert, nicht zuletzt aufgrund der Tatsache,
dass der Ansatz zu einigen andersartigen Erkenntnissen gelangt (Freiling und Recken-
felderbäumer 2010, S. 75). Die Schwerpunkte des Ansatzes beinhalten das Verständnis
des Mehrebenen-Wettbewerbs, die Möglichkeiten zur Hebelung der Wirkungskraft von
Ressourcen und das Management von Kompetenzen (Schiller 2000, S. 82). Neben die-
sen Ausführungen finden sich in der Literatur verschiedene Weiterentwicklungen des
kompetenzorientierten Managementansatzes. Der Ansatz der marktorientierten Kern-
kompetenz von Krüger und Homp (1997, S. 25 ff.) beinhaltet eine starke Fokussierung
auf die Wertschöpfungskette, um mögliche strategische Vorteile im Markt und die daraus
resultierenden Kernkompetenzen herauszuarbeiten. Der Ansatz der Dynamic Capabilities
von Teece et al. (1997) befasst sich primär mit der Handhabung von (Kern-)Kompeten-
zen. Der Wertschöpfungsorientierte Kompetenzansatz von Lado et al. (1992, S. 77 f.)
basiert ebenfalls auf der Wertschöpfungskette und systematisiert Kompetenzen in die
Kategorien inputbasiert, transformisch und outputbasiert.

6.3 Status Quo

6.3.1 Methodik

In den Sozial- und Geisteswissenschaften stellt die systematische Literaturanalyse


ein bewährtes Instrument zur Zusammenfassung einer großen Anzahl an Primärunter-
suchungen zu einem vordefinierten Untersuchungsobjekt dar. Ebenfalls in der Betriebs-
wirtschaftslehre hat die systematische Literaturanalyse an Akzeptanz gewonnen, sodass
durch diese Form der sekundären Analyse existierende Erkenntnisse neuartig untersucht
96 W. Becker et al.

und interpretiert werden können (Eisend 2004, S. 4). Die Herausforderung wissen-
schaftlichen Arbeitens besteht meist darin, aus einer Fülle an literarischen Quellen die
für das Thema wesentlichen Beiträge zu identifizieren (Easterby-Smith et al. 2012,
S. 102). Die systematische Literaturanalyse bildet in diesem Zusammenhang einen fun-
damentalen Bestandteil des wissenschaftlichen Arbeitens. Sie zielt darauf ab, den gegen-
wärtigen Stand der Forschung innerhalb eines bestimmten Forschungsfelds oder zu einer
bestimmten Forschungsfrage zu eruieren (Conn et al. 2003, S. 256).
Laut Fink (2014, S. 3 f.) ist unter einer systematischen Literaturanalyse eine „system-
atic, explicit and reproducible method for identifying, evaluating, and synthesizing the
existing body of completed and recorded work produced by researchers, scholars and
practitioners“ zu verstehen.
Demzufolge beinhaltet die systematische Literaturanalyse eine Durchsicht und Ana-
lyse aller thematisch relevanten (Primär-)Quellen und stellt somit eine für sich isoliert
zu betrachtende Methodik der Sekundärforschung dar (Stamm und Schwarb 1995, S. 7).
Ziel dieser literarischen Aufarbeitung bildet die Integration mehrere Forschungsergeb-
nisse, die das Untersuchungsobjekt aus verschiedenen Betrachtungswinkeln heraus
eruiert haben können (Baumeister und Leary 1997, S. 312; Randolph 2009, S. 3; Bem
1995, S. 172). Im weiteren Verlauf besteht somit die Möglichkeit, diese ganzheitliche
Bestandsaufnahme einer kritischen Reflexion zu unterziehen sowie darauf aufbauend
ggf. neue Argumentationsketten zu bilden, woraus beispielsweise für den Forschungs-
gegenstand neue Hypothesen abgeleitet werden können (Randolph 2009, S. 3). Bem
(1995, S. 172) stellt in diesem Zusammenhang die Identifikation von bisher nicht direkt
erschlossenen Zusammenhängen zwischen den unterschiedlichen Forschungsbeiträgen
als Zielsetzung einer systematischen Literaturanalyse heraus.
Insbesondere im Bereich der Kompetenzforschung lassen sich zahlreiche Beiträge
anführen, die das Thema aus unterschiedlichen Blickwinkeln beleuchtet haben und zu
diversifizierten Ergebnissen gekommen sind (Barreto 2010, S. 257). Die Notwendigkeit
der ganzheitlichen Integration dieser verschiedenen Forschungserkenntnisse liegt dem-
zufolge nahe. In diesem Zusammenhang existieren bereits fundierte Beiträge aus renom-
mierten Zeitschriften, die es sich zum Ziel gemacht haben mithilfe einer systematischen
Literaturanalyse einen ganzheitlichen Überblick über das Forschungsgebiet zu Kompe-
tenzen zu erlangen und die Ergebnisse zu systematisieren und sodann zu aggregieren.
So identifizierte Barreto (2010, S. 264) mithilfe der systematischen Literaturanalyse 38
Publikationen aus führenden Managementzeitschriften zum Thema „Dynamic Capabili-
ties“ im Zeitraum von 1997 bis 2010, die in Abstrakt und Titel direkten Themenbezug
aufweisen. Auch Zahra et al. (2006, S. 932) sehen aufgrund der Fülle an Literatur eine
Notwendigkeit zur Generierung eines ganzheitlichen Überblicks der Forschungsströme
um das Themenfeld „Dynamic Capabilities“ und führten diesbezüglich eine systemati-
sche Literaturanalyse durch. In Ihrer Studie eruierten sie darüber hinaus, inwiefern die
gegenwärtige Literatur ebenfalls Aussagen zur Rolle der Dynamic Capabilities in New
Ventures machen. Final identifizierten sie 19 inhaltsrelevante Publikationen, die sich auf
organisationales Lernen und Fähigkeitsaufbau beziehen und im Zeitraum von 1992 bis
6  Entscheidungskompetenzen für Digitalisierungs-Entscheidungen … 97

2002 in den führenden Zeitschriften zu den Gebieten Management, Strategie und Entre-
preneurship publiziert wurden.
Die von Barreto (2010) und Zahra et al. (2006) identifizierten Forschungsbeiträge
wurden als Basis für diesen Beitrag herangezogen und als solche wiederum einer kriti-
schen Revision unterzogen, sodass final 18 Beiträge identifiziert werden konnten, die das
Thema Entscheidungskompetenzen behandeln. Die im Anschluss folgende deskriptive
Ergebnispräsentation unterteilt sich je nach empirischer Natur in qualitative und quan-
titative Forschungsbeiträge. Die ganzheitliche Ergebnisaggregation im Sinne einer Sys-
tematisierung beitragsübergreifender Erkenntnisse resultiert in einem eigens erstellten
Bezugsrahmen im darauffolgenden Kapitel, der neben den empirischen Forschungs-
ergebnissen ebenfalls auf den vorher erläuterten theoretischen Grundlagen aufbaut.

6.3.2 Konzeptionelle Forschungsbeiträge

Der allgemein anerkannte konzeptionelle Grundbegriff der Dynamic Capabilities geht


auf Teece et al. (1997) zurück. Die Autoren definieren Dynamic Capabilities als: „The
firm’s ability to integrate, build, and reconfigure internal and external competences to
address rapidly changing enviroments“. In diesem Sinne umfassen Dynamic Capabilities
spezielle Aktivitäten wie beispielsweise die Entwicklung von neuen Produkten, Allian-
zen, Joint Ventures oder Cross Line of Business Innovationen. Diese Aktivitäten können
allgemein in folgende drei Gruppen unterteilt werden: Einerseits sind dies Aktivitäten
zur Identifikation und Bewertung von Entscheidungsmöglichkeiten, eine weitere Gruppe
bilden die Aktivitäten, die zu einer Mobilisation von Ressourcen zur Bildung von Ent-
scheidungsmöglichkeiten vollzogen werden. Die dritte Gruppe umfasst alle Aktivitäten,
die durchgeführt werden, um einen kontinuierlichen Erneuerungsprozess zu garantieren.
In der englischsprachigen Managementliteratur werden diese Aktivitätsgruppen auch als
sensing, seizing und transforming angeführt.
Während sich Teece et al. (1997) vornehmlich mit der definitorischen Abgrenzung des
Dynamic Capabilities auseinandersetzen, beleuchtet Collis (1994) eine mögliche Hie-
rarchie von Dynamic Capabilities. Der Autor stellt die These auf, dass prinzipiell vier
unterschiedliche, aufeinander aufbauende Arten von Dynamic Capabilities existieren.
Die erste Ebene bildet in seinen Überlegungen die Ressourcenbasis an sich. Die zweite
und dritte Hierarchieebene sind schwer voneinander abzugrenzen. Aufgrund dessen
bezeichnet er die zweite Ebene als „Modification of the resource base“ und die dritte
Ebene als „Creation and extension of the resource base“. Die vierte Kategorie bezieht
sich auf sogenannte „Learning-to-learn capabilities“ und wird als „Meta-­Capabilities“
bezeichnet. Hierbei steht vor allem die Ressourcenbasis sowie deren Schaffung
beziehungsweise die Modifikation dieser, im Vordergrund der Überlegungen.
Bezugnehmend auf Collis (1994) formuliert Winter (2003) ebenfalls den Gedanken,
Dynamic Capabilities hierarchisch darzustellen. Hierbei wird die unterste Stufe von
Winter (2003) als „Zero Level Capabilities“ bezeichnet. Diese Capabilities können auch
98 W. Becker et al.

allgemein als Ressourcenbasis betitelt werden. „First Order Capabilities“ ermöglichen


eine Änderung der Ressourcenbasis, beispielsweise eine effektivitätssteigende Ver-
änderung des Produktionsprozesses. Die höchste Stufe wird als „High Order Capabili-
ties“ bezeichnet und bezieht sich auf das organisatorische Lernen. Die zweite und dritte
Stufe bauen auf der ersten Stufe auf, die die Basis bildet. Adner und Helfat (2003) unter-
nehmen ebenfalls den Versuch, Dynamic Capabilities zu klassifizieren. Hierzu wird die
These aufgestellt, das Dynamic Managerial Capabilities aus drei untergeordneten Sub-
parametern bestehen die sich als Managerial Social Capital, Managerial Human Capital
und Managerial Cognition bezeichnen lassen.
Im Gegensatz zu vorherigen Autoren definiert Barreto (2010) Dynamic Capabilities
als ein multidimensionales Konstrukt, das aus vier miteinander verknüpften Dimensio-
nen besteht. Diese bezeichnet der Autor als die Fähigkeit, Stärken und Schwächen im
unternehmerischen Umfeld zu erkennen. Diese Aussage ist konsistent mit früheren
Erkenntnissen von Teece et al. (1997) und führt unter anderem das Argument an, dass
ein Monitoring unbedingt notwendig ist für die Fähigkeit, rechtzeitige Entscheidungen
treffen zu können. Adner und Helfat (2003) hingegen erachten die termingerechte Ent-
scheidungen als weniger wichtig. Stattdessen stellen sie den qualitativen Inhalt der
Entscheidungen in den Vordergrund, den sie anhand der Fähigkeit, marktorientierte Ent-
scheidungen zu treffen und der Fähigkeit, die unternehmerische Ressourcenbasis ändern
zu können, beurteilen.
Im Sinne des situativen Ansatzes stellen Ambrosini et al. (2009) die These auf, dass
die Ausprägung der dynamischen Fähigkeiten stark von der Umwelt des Unternehmens
abhängt. Befinden sich die Verantwortlichen das Unternehmen in einer turbulenten
Umwelt (dies trifft beispielsweise auf Hightech Firmen zu), sind „Regenerative Dyna-
mic Capabilities“ nötig. Danneels (2008) hingegen erklärt das Scheitern von Hightech
Unternehmen unter anderem mit fehlenden regenerativen Dynamic Capabilities. Gelingt
es Unternehmen jedoch in eine dynamische Umwelt zu gelangen, sollten die Dynamic
Capabilities erneuert werden. Ambrosini et al. (2009) nennen dieses Level „Renewing
Dynamic Capabilities“. Diese greifen im Gegensatz zu den „Regenerative Dynamic
Capabilities“ auf die Ressourcenbasis des Unternehmens zurück. Kann eine stabile
Umwelt angenommen werden, sollte das Unternehmen seine „Incremental Dynamic
Capabilities“ einsetzen. Analog zu den „Renewing Dynamic Capabilities“ besteht bei
diesen eine Verbindung zur Ressourcenbasis des Unternehmens.
Im Gegensatz zu den bereits beschriebenen Beiträgen beschäftigen sich Zahra et al.
(2006) in ihrem Modell mit einer möglichen Korrelation zwischen Dynamic Capabili-
ties und der Performance des Unternehmens. Die Basis in dieser Überlegung bilden die
unternehmerischen Aktivitäten, im Besonderen jene Aktivitäten, die sich auf die Identi-
fikation und Exploitation von unternehmerischen Chancen und Möglichkeiten beziehen.
Durch diese Aktivitäten wird die Auswahl der Ressourcen und Fähigkeiten nachhaltig
beeinflusst sowie ein organisatorischer Lernprozess in Gang gesetzt. Anhand dieser
Auswahl werden auf der einen Seite neue substanzielle Fähigkeiten (hierunter wird das
Set von allen Aktivitäten, die im Unternehmen bekannt sind, verstanden) und auf der
6  Entscheidungskompetenzen für Digitalisierungs-Entscheidungen … 99

anderen Seite die organisatorische Wissensbasis (das Set der Aktivitäten, zu deren Aus-
führung die Unternehmung in der Lage ist) des Unternehmens ausgebaut. Zusammen-
genommen determinieren diese substanziellen Fähigkeiten die organisatorische
Wissensbasis, welche für Dynamic Capabilities im Unternehmen benötigt werden. Zahra
et al. (2006) gelangen allerdings zu der Erkenntnis, dass zwischen den Dynamic Capabi-
lities und der Performance des Unternehmens keine direkte Verbindung bestehen kann.
Ein anderer Ansatz zur Erklärung der Performance des Unternehmens wird von Beck
und Wiersema (2013) vertreten. In dieser Ansicht werden die Dynamic Capabilities
durch das Human Kapital, Sozial Kapital und die spezifischen Fähigkeiten des Manage-
ments determiniert. Die Unternehmensperformance wird nachhaltig von der Qualität die-
ser Entscheidungen beeinflusst. Analog zum Forschungsbeitrag von Zahra et al. (2006)
kann keine direkte Korrelation zwischen den Dynamic Capabilities und der Performance
des Unternehmens eruiert werden.
Die obigen Ausführungen zeigen insgesamt, dass verschiedene Sichtweisen zur kon-
zeptionellen Klassifizierung von Dynamic Capabilities vorherrschen. Diese werden
einerseits hierarchisch (Collis 1994; Adner und Helfat 2003; Winter 2003) und anderseits
als mehrdimensionales Konstrukt (Barreto 2010) dargestellt. Eine mögliche Korrelation
zwischen Dynamic Capabilities und der Performance wird von keinem Autor unterstellt
(Zahra et al. 2006; Beck und Wiersema 2013).

6.3.3 Qualitative Forschungsbeiträge

Auf dem Konzept der Lernkurve basierend, untersucht McGrath (1995) die Bedeutung
von gescheiterten Unternehmenskooperationen für die Generierung bzw. Optimierung
der hierfür notwendigen Dynamic Capabilities. Im Rahmen dieser Untersuchung werden
23 Kooperationen eines US-amerikanischen Financial Services Unternehmen betrachtet.
Ziel dieser Studie ist es, darzustellen, wie Unternehmen aus gescheiterten Kooperationen
lernen und dadurch ihre speziellen Dynamic Capabilities erweitern bzw. optimieren
können. Im Rahmen dieses Forschungsbeitrages konnte festgestellt werden, dass drei
zentrale Prozesse eine entscheidende Rolle spielen. Einerseits ist dies das tatsächliche
Erkennen des Misserfolges, zu dem das Measurement, Involvement und das Kommu-
nizieren der Ergebnisse zu zählen ist. Einen weiteren Prozess stellt die Integration der
negativen Ergebnisse in das Geschäftsmodell des Unternehmens dar. Neben diesen bei-
den Prozessen nimmt vor allem die nachhaltige Veränderung der entsprechenden Rou-
tinen, als dritter Prozess, eine zentrale Rolle ein. Dieser Beitrag zeigt, dass auch durch
negative Ergebnisse Dynamic Capabilities generiert beziehungsweise optimiert werden
können. Diese Studie ist vor allem für Unternehmen interessant, deren Geschäftsmodell
auf Kooperationen mit anderen Unternehmen basiert oder auf Kooperationen mit solchen
angewiesen ist.
Ein weiterer empirischer Forschungsbeitrag von Helfat (1997) beschäftigt sich mit
den speziellen Dynamic Capabilities, die für den Forschungs- und Entwicklungsprozess
100 W. Becker et al.

in der US-amerikanischen Ölindustrie benötigt werden. Dies wird vor dem Hintergrund
der weltweiten Ölkrise in den 1970ziger und frühen 1980ziger Jahren betrachtet. Als
Datenbasis wurden die, von der U.S. Department of Energy (DOE) bereitgestellten, For-
schungs- und Entwicklungsaufwendungen von 26 US-amerikanischen Ölunternehmen
verwendet. Zusammenfassend kann festgehalten werden, dass Unternehmen mit stark
ausgeprägtem, komplementärem technischen Know-how und physischen Anlagen im
Zuge der Ölkrise deutlich mehr Dynamic Capabilities generieren konnten. Allerdings
konnten diese Dynamic Capabilities die wirtschaftlichen Problematiken der Ölkrise nicht
überwinden. Dieser Forschungsbeitrag ähnelt dem bereits beschriebenen Ansatz von
McGrath (1995) und verdeutlicht, dass Unternehmen, die über ein hohes Maß an kom-
plementären, technologischen Know-how und physischen Assets verfügen, tendenziell
mehr Dynamic Capabilities generieren können.
Brown und Eisenhardt (1997) spezialisieren sich in ihrer Erhebung auf IT-Unter-
nehmen und eruieren, welche speziellen Fähigkeiten Unternehmen aufweisen müssen,
um ihre Dynamic Capabilities an eine sich schnell ändernde Umwelt anzupassen. Als
primäre Datenquelle wurden hierzu 90 Interviews, die mit ausgewählten Experten –
einerseits Mitarbeiter der betrachtenden Unternehmen und anderseits externe Experten –
geführt wurden, verwendet. Dabei stellen sie fest, dass Dynamic Capabilities auf klar
definierten Managementverantwortlichkeiten, intensiver Kommunikation zwischen den
Hierarchien des Unternehmens und auf Iterationen basieren. Bei diesem Forschungsbei-
trag von Brown und Eisenhardt (1997) ist insbesondere interessant, dass vor allem klar
definierte Managementverantwortlichkeiten eine zentrale Rolle für die Dynamic Capabi-
lities spielen.
Während die vorigen Untersuchungen spezielle Branchen betrachten, beschäftigt
sich Rosenbloom (2000) mit der Rolle der Dynamic Capabilities in Unternehmen, die
mit einem starken technologischen Wandel konfrontiert werden. Beispielhaft wird
hierbei das National Cash Register (im Folgenden als NCR bezeichnet) betrachtet.
Hierbei handelt es sich um ein 1984 gegründetes US-amerikanisches Industrieunter-
nehmen, das anfangs auf die Produktion von Kassen spezialisiert war und durch die
Entwicklung des MICR (Magnetic Ink Encoding), welches die automatische Sortie-
rung von Checks ermöglichte, eine Allianz mit General Electrics einging. Im Rahmen
der empirischen Untersuchung kann Rosenbloom (2000) feststellen, dass die Rolle des
Managers ein zentrales Element für die Dynamic Capabilities darstellt. Analog zu dem
bereits beschriebenen Forschungsbeitrag von Brown und Eisenhardt (1997) stellt Rosen-
bloom (2000) den Manager beziehungsweise das Management in den Vordergrund der
Betrachtung.
In den bestehenden qualitativen Forschungsbeiträgen kann u. a. festgestellt wer-
den, dass Dynamic Capabilities ebenfalls Lern- bzw. Erfahrungseffekten unterliegen
(McGrath 1995). Zudem zeigt sich, dass vor allem klar definierte Managementver-
antwortlichkeiten (Brown und Eisehardt 1997; Rosenbloom 2000) und ein fundiertes
technisches Know-How (Helfat 1997) eine zentrale Rolle für die Dynamic Capabilities
spielen.
6  Entscheidungskompetenzen für Digitalisierungs-Entscheidungen … 101

6.3.4 Quantitative Forschungsbeiträge

Eine langfristig angelegte (von 1975 bis 1990) empirische Studie wurde von Majumdar
(1999) durchgeführt. Hierbei wird untersucht, ob größere (allerdings wird nicht definiert,
durch welche Parameter große Unternehmen bedingt werden) Unternehmen im Zuge
einer sich stark verändernden Umwelt leichter zu koordinieren sind, als dies bei kleine-
ren Firmen der Fall ist. Im Rahmen dieser Studie wurden 39 lokale US-amerikanische
Telekommunikationsunternehmen untersucht, wovon 22 zu den Bell Operating Compa-
nies zählen. Diese repräsentieren jene Unternehmen, die nach dem Zusammenbruch der
American Telephone and Telegraph Company 1984 die Berechtigung erhalten haben,
regionale Telekommunikationsleistungen anbieten zu dürfen. Neben diesen speziellen
Unternehmen wurden sieben Regional Holding Companies und zehn weitere Unter-
nehmen, die einen Umsatz von mindestens 100 Mio. Dollar aufwiesen, betrachtet. Durch
die Wahl dieser Stichprobe konnten 90 % des jährlichen Umsatzes, der von regionalen
Telekommunikationsunternehmen erwirtschaftet wurde, abgebildet werden. Zusammen-
fassend kann festgestellt werden, dass größere Firmen besser in der Lage sind, ihre
Dynamic Capabilities vor dem Hintergrund sich sehr stark verändernder Umwelt-
bedingungen anzupassen und dadurch leichter zu koordinieren sind, als dies bei kleine-
ren Unternehmen der Fall ist.
Eine ebenfalls langfristige Untersuchung (Erhebungszeitraum: vier Jahre) wird von
Autio et al. (2000) durchgeführt. In diesem Forschungsbeitrag wurden die Daten von
59 Elektrounternehmen über einen Zeitraum von vier Jahren untersucht. Im Vorder-
grund steht hierbei die Fragestellung, ob junge Unternehmen (hier findet sich keine
klare Abgrenzung) im Zuge der Internationalisierung bessere Dynamic Capabilities
entwickeln. Die Forschergruppe um Erkko Autio stellte im Rahmen dieses Forschungs-
beitrages drei Hypothesen auf, die empirisch überprüft werden. Hierbei kann eruiert wer-
den, dass das Alter von High-Tech Unternehmen zum Zeitpunkt der Internationalisierung
negativ mit dem Umsatzwachstum des internationalen Geschäfts verknüpft ist. Zudem
besteht zwischen der Knowledge-Intensität eines High-Tech Unternehmens und dem
Umsatzwachstum des internationalen Geschäfts ein positiver Zusammenhang. Die
Möglichkeit der Imitierbarkeit der Technologien von High-Tech Unternehmen ist nicht
negativ mit dem Umsatzwachstum des internationalen Geschäfts verknüpft.
Der Forschungsfrage, ob der Einsatz von General Dynamic Capabilities zu einer Ver-
mehrung von Business Kompetenzen beziehungsweise von sozialen Kompetenzen führt,
gehen Marcus und Anderson (2006) in ihrer Untersuchung nach. Als Untersuchungs-
felder wurden für die Business Kompetenzen das Supply Chain Management und für die
sozialen Kompetenzen das Environmental Management gewählt. Dafür versendeten sie
eine Umfrage an 806 Lebensmittelketten in Nordamerika (Kanada und die USA). an der
108 Unternehmen teilnahmen. Vor dem dargestellten Hintergrund formulierten Marcus
und Anderson vier, zu überprüfende Hypothesen. Im Rahmen der empirischen Validie-
rung kann festgestellt werden, dass General Dynamic Capabilities zu einer Akquisition
102 W. Becker et al.

von Business- und sozialen Kompetenzen führen. Der Grad der Durchsetzung der Mis-
sion führt zu einer Akquisition von sozialen Kompetenzen. Des Weiteren führt eine hohe
Nutzungsintensität von technischer Unterstützung zu einer Akquisition von sozialen
Kompetenzen. Da die Forschergruppe davon ausgeht, dass die sozialen Kompetenzen
primär (und erst sekundär durch die General Dynamic Capabilities) durch die Mission
und die technische Unterstützung bedingt werden, wird angenommen, dass General
Dynamic Capabilities nicht direkt zu einer Akquisition von sozialen Kompetenzen füh-
ren, dies kann auch bestätigt werden. In diesem Forschungsbeitrag wird demzufolge
empirisch nachgewiesen, dass es zwar einen direkten Zusammenhang zwischen General
Dynamic Capabilities und Business Kompetenzen gibt, jedoch konnten die beiden Auto-
ren nachweisen, dass für die Bildung von sozialen Kompetenzen die Mission des Unter-
nehmens und die technische Assistenz eine vorgelagerte Rolle spielen.
Der quantitative Forschungsbeitrag von Kale und Singh (2007) widmet sich den
Zusammenhängen zwischen dem Lernprozess (dieser umfasst die Artikulierung, Kodi-
fizierung, das Teilen und die Internalisierung des Allianz Managements) und jenen
Dynamic Capabilities, die für eine erfolgreiche Allianz zwischen Unternehmen not-
wendig sind, um den wirtschaftlichen Erfolg einer solchen Allianz etablieren zu kön-
nen. Um die Stichprobe zu definieren, wurden zunächst jene Unternehmen ausgewählt,
deren Umsatz im Jahr 1998 mindestens 100 Millionen Dollar betrug und in deren Strate-
gie unternehmensübergreifende Allianzen eine wichtige Rolle einnehmen. Im Zuge die-
ses ersten Auswahlverfahrens wurden 693 Unternehmen kontaktiert, von denen 175 an
der Studie teilnahmen. Innerhalb dieser Stichprobe konnten keine signifikanten Unter-
schiede hinsichtlich der Umsatzzahlen und der Mitarbeiteranzahl festgestellt werden. Im
Rahmen des Forschungsbeitrages stellen Kale und Singh drei zentrale Hypothesen auf.
Der Lernprozess jener Dynamic Capabilities, die für eine erfolgreiche Allianz zwischen
Unternehmen notwendig sind, ist positiv mit dem ganzheitlichen Erfolg dieser unter-
nehmensübergreifenden Allianzen verknüpft. Einerseits ist die Allianz-Funktion (welche
strukturelle Entitäten dediziert) ist positiv mit dem beschriebenen Lernprozess verknüpft.
Auf dieser Erkenntnis aufbauend lässt sich festhalten, dass der Lernprozess zwischen
der Allianz-Funktion und dem ganzheitlichen Erfolg der unternehmensübergreifenden
Allianzen fungiert. Es besteht also eine positive Korrelation zwischen dem Erfolg einer
solchen Allianz und dem Lernprozess jener Dynamic Capabilities, welche für eine
erfolgreiche Allianz zwischen Unternehmen notwendig sind. Die Forschergruppe kann in
ihrem Forschungsbeitrag empirisch nachweisen, dass der Einsatz von Dynamic Capabi-
lities zu einem wirtschaftlichen Erfolg bei unternehmensübergreifenden Allianzen führt.
Als bisher einziger Autor fokussiert sich Danneels (2008) auf die rudimentäre Form
der Dynamic Capabilities, speziell der Kompetenz, neue Kompetenzen zu generie-
ren. Im Rahmen dieses Beitrags wurden 77 öffentliche US-amerikanische Produktions-
unternehmen untersucht. Als Datenbasis wurden hierbei Surveys verwendet, welche zu
zwei Zeitpunkten (2000 und 2004) erhoben wurden. Im Besonderen liegt der Fokus der
Betrachtung auf Dynamic Capabilities, welche im Marketing und in der Forschungs- und
6  Entscheidungskompetenzen für Digitalisierungs-Entscheidungen … 103

Entwicklung zu finden sind. Danneels (2008) betrachtet hierzu folgende fünf organisatori-
sche Charakteristika: die grundsätzliche Bereitschaft des Unternehmens, Mitbewerber zu
übernehmen, die Existenz von einer konstruktiven Konfliktkultur in dem entsprechenden
Unternehmen, eine hohe Toleranz gegenüber Fehlern der Mitarbeiter, das Ausmaß, mit
welchem sich Unternehmen mit dem Environmental Scanning beschäftigen und die
sogenannten „Slack Ressourcen“, worunter diejenigen Ressourcen des Unternehmens ver-
standen werden, die als Reserve zurückgehalten werden, um ein dauerhaftes Fortbestehen
(Going concern) des Unternehmens zu garantieren. Danneels (2008) stellt die Hypo-
these auf, dass diese Charakteristika die Fähigkeit von Organisationen, neue Marketing-
beziehungsweise Forschungs- und Entwicklungskompetenzen zu erkennen, zu bewerten
und in der Organisation nachhaltig zu implementieren, signifikant erhöhen. Im Rah-
men der empirischen Erhebung konnte ein stark positiver Zusammenhang zwischen der
grundsätzlichen Bereitschaft, Mitbewerber zu übernehmen, und den untersuchten Dyna-
mic Capabilities festgestellt werden. Des Weiteren konnte ein positiver Zusammenhang
zwischen einer konstruktiven Konfliktkultur und den untersuchten Dynamic Capabili-
ties nachgewiesen werden, wohingegen eine hohe Toleranz gegenüber Fehlern der Mit-
arbeiter keinen signifikanten Zusammenhang zu den untersuchten Dynamic Capabilities
aufweist. Es konnte zudem ein stark positiver Zusammenhang zwischen Environmental
Scanning und den marketing- beziehungsweise forschungs- und entwicklungsbezogenen
Dynamic Capabilities konstatiert werden. Besonders stark ist der positive Zusammenhang
zwischen dem „Resource Slack“ und den betrachteten Dynamic Capabilities. Besonders
interessant an diesem Forschungsbeitrag von Danneels ist die Tatsache, dass einerseits
eine hohe Toleranzbereitschaft gegenüber den Mitarbeitern keinen signifikanten Einfluss
auf die betrachteten Dynamic Capabilities hat, jedoch anderseits der „Resource Slack“
entscheidend für die Identifikation, Bewertung und Implementierung der Marketing
beziehungsweise Forschungs- und Entwicklungs-Dynamic Capabilities ist.
Die obigen Ausführungen zeigen, dass größere Unternehmer eher in der Lage sind
ihre vorhandenen Dynamic Capabilities an die situativen Umweltbedingungen anzu-
passen (Majumdar 1999). Allerdings besteht keine direkte Korrelation zwischen der
Existenzdauer der Organisation und den vorhandenen Dynamic Capabilities (Autio
und Almeida 2000). Im Gegensatz dazu besteht sehr wohl ein positiver Zusammen-
hang zwischen den allgemeinen Business Kompetenzen und den Dynamic Capabili-
ties, jedoch sind die sozialen Kompetenzen innerhalb der Organisation vornehmlich
von der formulierten Mission abhängig (Marcus und Anderson 2006). Die quantitativen
Forschungsbeiträge zeigen ferner, dass die Existenz von Dynamic Capabilities unter-
nehmensübergreifende Allianzen erfolgreicher gestalten können (Kale und Sign 2007).
Es zeigt sich ebenfalls, dass eine hohe Toleranzbereitschaft gegenüber den Mitarbeitern
keinen signifikanten Einfluss auf die Dynamic Capabilities hat (Danneels 2008).
104 W. Becker et al.

6.3.5 Zwischenfazit

In den vorherigen Abschnitten wurden konzeptionelle (Abschn. 6.3.2), qualitative


(Abschn. 6.3.3) und quantitative Forschungsbeiträge (Abschn. 6.3.4) vorgestellt. Ins-
gesamt wurden 17 Veröffentlichungen analysiert, die sich wie folgt zusammensetzen:
Konzeptionelle Forschungsbeiträge 8
Qualitative Forschungsbeiträge 4
Quantitative Forschungsbeiträge 5
Zunächst lässt sich feststellen, dass die reine Anzahl der Forschungsbeiträge über-
schaubar ist und ein ausgewogenes Verhältnis von konzeptionelle Forschungsarbeiten
und empirischen Forschungsarbeiten vorliegt. Es kann vermutet werden, dass sich die
Sichtweise von Adner und Helfat bezüglich der Unterteilung der Dynamic Capabilities
in die Gruppen Managerial Social Capital, Managerial Human Capital und Managerial
Cognition weitestgehend in Wissenschaft und Praxis durchgesetzt hat. Bezüglich einer
möglichen Korrelation zwischen den Dynamic Capabilities und der Performance konn-
ten keine eindeutigen Erkenntnisse im Rahmen der systematischen Literaturanalyse
gewonnen werden.

6.4 Entscheidungskompetenzmodell

6.4.1 Systematisierung der Entscheidungskompetenz

In Abschn. 6.2.2 wurde dargelegt, dass Ressourceneigenschaften als wettbewerbs-


strategisch relevantes Wissen, Können, Wollen und Dürfen interpretierbar sind. Die
Kategorien „Wissen“ (Fähigkeiten und Fertigkeiten) und „Können“ sind nach Auf-
fassung von Heyse und Erpenbeck (2009). als Einheit zu sehen und integraler Bestand-
teil der Kompetenz. Darüber hinaus vertreten die Autoren die Ansicht, dass die
Kategorien ebenso Teil der Qualifikation sind. Unter Berücksichtigung des Kompetenz-
begriffs sollen auch die Kategorien „Wollen“ und „Dürfen“ dargelegt werden. Diese
Kategorien sind nicht wie die Kategorien „Wissen“ und „Können“ integraler Bestandteil
der Kompetenz, sondern einerseits der motivationale Antrieb (Impuls) dafür, dass eine
Person die Entscheidung trifft (Wollen) und andererseits auch die formale Berechtigung
besitzt, eine Handlung auszuführen (Dürfen) (Schäfer 2006, S. 16). Der motivationale
Antrieb hat in diesem Zusammenhang primär kulturelle Hintergründe hinsichtlich einer
Veränderungskultur und die formale Berechtigung impliziert einerseits die Stellung der
Person im Unternehmen und andererseits die Unternehmensverfassung. Abb. 6.1 syste-
matisiert die bisherigen Ausführungen und visualisiert das Konstrukt der Entscheidungs-
kompetenz im Kontext der Digitalisierungsentscheidung.
6  Entscheidungskompetenzen für Digitalisierungs-Entscheidungen … 105

Führungskompetenz
Impulse Technologiekompetenz
zur Fähigkeiten
Digitalisierung und Prozesskompetenz
Fertigkeiten Produktkompetenz
endogen / exogen
Marktkompetenz

WISSEN
Entscheidungs-
WOLLEN
kompetenz Entscheidungs-
KÖNNEN
träger
Selbstbild / Fremdbild
DÜRFEN
Digitalisierungs-
Entscheidung
Hierarchiestellung
Unternehmensverfassung Entscheidungs-
qualität

Abb. 6.1  Konstrukt der Entscheidungskompetenz im Kontext der Digitalisierungsentscheidung

Die einzelnen Kategorien stellen zusammen das Konstrukt der Entscheidungskompetenz


im Kontext der Digitalisierungs-Entscheidung dar. Die Entscheidungskompetenz
im Kontext der Digitalisierungs-Entscheidung ist das Fundament der letztendlichen
Digitalisierungs-Entscheidung und determiniert ferner auch die Entscheidungsqualität.

6.4.2 Bestandteile

6.4.2.1 Dürfen
Die Kategorie „Dürfen“ im Rahmen der Entscheidungskompetenz wird durch die hier-
archische Stellung des Entscheidungsträgers im Unternehmen und durch die Unter-
nehmensverfassung/-form determiniert. Das Dürfen eines Entscheidungsträgers,
beispielsweise in einer Kapitalgesellschaft, resultiert aus dem fremden Eigentumsrecht
durch spezielle Legitimation. Eine Erweiterung des Dürfens bedingt daher eine ver-
tragliche Regelung (Hamer 1988, S. 39). In Abschn. 6.2.1 wurde dargelegt, dass die
Entscheidung zur Digitalen Transformation des Geschäftsmodells eine strategische Ent-
scheidung ist und deshalb dem Top-Management obliegt. Nach Finkelstein et al. (2009,
S. 10) ist das Top-Management eine relativ kleine Gruppe von Personen, bestehend aus
dem CEO und allen Top-Managern, die direkt an den CEO berichten. Die Frage, wel-
che Personen neben dem CEO zum Top-Management-Team gehören, die ceteris paribus
auch eine Digitalisierungsentscheidung treffen dürfen, wird in der Betriebswirtschafts-
lehre umfassend diskutiert und ist gegebenenfalls abschließend auch nicht zu beantworten
106 W. Becker et al.

(Carpenter et al. 2004, S. 754 ff.). Grundsätzlich unterliegt in Deutschland die Leitung


einer Kapitalgesellschaft § 76 des Aktiengesetztes. In Absatz 2 wird dargelegt: „Der Vor-
stand kann aus einer oder mehreren Personen bestehen.“ Grundsätzlich kann davon aus-
gegangen werden, dass es sich dabei um folgende Personen/Akteure handelt:

• CEO (Chief Executive Officer)


• CFO (Chief Financial Officer)
• CIO (Chief Information Officer)
• CDO (Chief Digital Officer)

Die Eingrenzung auf diese vier Akteure erhebt keinen Anspruch auf universelle Gültig-
keit, da beispielsweise ein Chief Digital Officer nicht in jedem Unternehmen existiert
und falls doch, nicht zwingend im Vorstand angesiedelt ist. In diesem Zusammenhang
ist jedoch auch darauf hinzuweisen, dass es durchaus möglich ist, dass Unternehmen in
Abhängigkeit von der Zielsetzung einzelne Angestellte mit den entsprechenden Kom-
petenz des „Dürfens“ ausstatten, um die gesetzten Ziele zu erreichen (Eickhoff 2003,
S. 103). In Abb. 6.1 wird darüber hinaus auch verdeutlicht, dass die Entscheidungsträger
nicht nur eine entsprechend Hierarchiestellung (Vorstand) innehaben müssen, sondern
auch die Unternehmensverfassung zu berücksichtigen ist. In diesem Zusammenhang ist
insbesondere zu unterscheiden, ob in dem jeweiligen Unternehmen das Kollegialprinzip
oder das Direktorialprinzip vorherrschend ist. Im Falle eines Direktorialprinzips wäre die
Machtbefugnis des CEO deutlich stärker (Bühner 2004, S. 368). Unter Berücksichtigung
von Abb. 6.1 ist ferner anzumerken, dass das „Dürfen“ die grundlegende Voraussetzung
darstellt, eine Digitalisierungs-Entscheidung überhaupt treffen zu dürfen. „Dürfen“ ist
sodann primär eine formale Kompetenz (Eickhoff 2003, S. 100), die sich beispielsweise
durch Stellenbeschreibung, Zeichnungsvollmachten etc. äußert (Eickhoff 2003, S. 103).

6.4.2.2 Wollen
Entscheidungsträger müssen nicht nur die Fähigkeiten und Fertigkeiten besitzen eine
Entscheidung zu treffen, sondern auch die Bereitschaft zum Handeln aufweisen (Probst
und Büchel 1994, S. 180). Die formale Kompetenz eine Entscheidung treffen zu dür-
fen, bietet keine Gewähr dafür, dass die Entscheidung auch getroffen wird. Damit die
Digitale Transformation des Geschäftsmodells wirklich realisiert wird, muss neben der
Entscheidungsbefugnis, ebenso der Wille zur Digitalen Transformation vorhanden sein
(Eickhoff 2003, S. 100). Der Willensakzent zur Veränderung ist daher essenziell, um eine
Entscheidung überhaupt zu treffen. Wie eingangs erwähnt, beinhaltet das Wollen den
motivationalen Antrieb einer Person zur Veränderung. Die damit einhergehende spezi-
fische Motivation drückt sich darin aus, mit welchem Einsatz eine Person eine bestimmte
Situation zu bewältigen versucht und sie ist der Grund dafür, dass das Engagement für
ein bestimmtes Ziel entsteht. Der zentrale Aspekt ist daher, ob die legitimierte Person
(Dürfen) die Entscheidung zur Digitalisierung des Geschäftsmodells treffen möchte und
die damit zusammenhängende subjektive Bedeutung erkennt, die die Thematik für den
6  Entscheidungskompetenzen für Digitalisierungs-Entscheidungen … 107

Entscheidungsträger besitzt. In diesem Zusammenhang kann das Wollen auf Grundlage


einer intrinsischen Motivation (Handeln steht im Dienst der eigenen Bedürfnisse) und/
oder einer extrinsischen Motivation (Handeln in Erwartung positiver Konsequenzen)
erfolgen (Charlier 2001, S. 34 ff.). Nach Becker et al. (2017, S. 87) kann grundsätz-
lich zwischen folgenden Impulsen unterschieden werden, die von außen an den Ent-
scheidungsträger herangetragen werden:

• Technologische Veränderungen;
• Markt-/Kundenbedürfnisse;
• Aktionen von Wettbewerbern;
• Probleme mit der aktuellen Erfolgslage des Unternehmens;
• Impulse aus dem Top-Management;
• Impulse aus der restlichen Organisation.

6.4.2.3 Können
Die deutsche Sprache differenziert grundsätzlich zwischen Können und Kennen. Kön-
nen beinhaltet ein Wissen, wie etwas zu tun ist, wohingegen Kennen ein Wissen darstellt,
dass etwas der Fall oder was der Fall ist (Kleinhans 1989, S. 10). Können sind also die
Fertigkeiten und Fähigkeiten eines Individuums. Im Gegensatz dazu sind Kenntnisse
beziehungsweise Erkenntnisse der Kategorie „Kennen“ zuzuordnen (Kleinhans 1989,
S. 9). Können ist immer an Körperlichkeit gebunden, damit ist es verknüpft mit dem
körperlichen Können. Dieses körperliche Können ist das Ergebnis eines Wahrnehmungs-
könnens, wobei sich das Kennen nicht unbedingt in immateriellen Denkinhalten mani-
festiert, sondern körperliche Veränderungen hervorrufen. Kennen und Können sind
des Weiteren auf vielfältige Arten verknüpft. Können ist immer eine Voraussetzung für
Kenntnisse, zudem kann man mit Kennen ein Können beschreiben (Kleinhans 1989,
S. 10). Aus der Perspektive eines Unternehmens kann nach Pfeiffer zum Können alles
Wissen gezählt werden, das notwendig ist, bedarfsgerechte Produkte zu finden, zu ent-
wickeln, zu produzieren und zu vertreiben sowie jenes Wissen, welches zur Schaffung
der strukturellen Vorrausetzung benötigt wird (1980, S. 433 f.).

6.4.2.4 Wissen
Wissen ist ursprünglich etwas im Gedächtnis eines Individuums Gespeichertes. Wissen
existiert also nicht „an sich“, sondern ist immer die intellektuelle Disposition zur Lösung
von Problemen und Aufgaben (Rothe und Hinnerichs 2005, S. 674). Probst et al. definie-
ren Wissen als die Gesamtheit der Kenntnisse und Fähigkeiten eines Individuums (1997).
Quellen dieses individuellen Wissens sind das Erbgut, die individuelle Erfahrung, die
sprachliche Belehrung und das eigene Denken. Grundsätzlich lässt sich Wissen nach
Klix (1992) in drei Gruppen klassifizieren, nämlich nach formalen Merkmalen des Wis-
sens, nach strukturellen Merkmalen des Wissens und nach semantischen Merkmalen des
Wissens. Wissen kann allgemein als ein Prozess der zweckdienlichen Vernetzung von
Informationen beschrieben werden (North 2012, S. 37). Wissen entsteht als Ergebnis
108 W. Becker et al.

der Verarbeitung von Informationen (Mortensen 2016) durch das Bewusstsein (Albrecht
1993, S. 20). Informationen bezeichnen jedes Wissen, das auf einen bestimmten Zweck
hin orientiert ist. Sie sind also der „Rohstoff“, aus dem Wissen generiert wird. Zudem
wird Wissen in Form von Informationen kommuniziert und gespeichert (Kosiol 1976,
S. 175). Das Wissen eines Entscheidungsträgers kann impliziert und/oder explizit sein.
Nach North (2012, S. 46) können die Formen der Verfügbarkeit von Wissen wie folgt
voneinander abgegrenzt werden.

Implizites Wissen  Implizites Wissen stellt das persönliche Wissen eines Individuums dar,
welches auf Idealen, Werten und Gefühlen der einzelnen Person beruht. Subjektive Ein-
sichten und Intuitionen verkörpern implizites Wissen, das tief in den Handlungen und
Erfahrungen des Einzelnen verankert ist. Diese Form von Wissen ist sehr schwer zu for-
mulieren und weiterzugeben, da sie in den Köpfen einzelner Personen gespeichert ist
(embodied knowledge).

Explizites Wissen Explizites Wissen ist dagegen methodisch, systematisch und liegt


in artikulierter Form vor. Es ist außerhalb der Köpfe einzelner Personen in Medien
gespeichert (disembodied knowledge) und kann u. a. mit Mitteln der Informations- und
Kommunikationstechnologie aufgenommen, übertragen und gespeichert werden.
Trotz der gesicherten Erkenntnisse, dass die Qualität von Entscheidungen haupt­
sächlich von dem zugehörigen Wissen abhängt, hat sich die Betriebswirtschaftslehre
bis zum jetzigen Zeitpunkt wenig mit der Terminologie des Begriffs Wissen beschäftigt.
Kleinhans (1989, S. 6) geht sogar so weit, die These aufzustellen, Wissen sei kein
Gegenstandsbereich der Betriebswirtschaftslehre. In der Regel findet der Wissensbegriff
in der Betriebswirtschaftslehre nur dann eine Erwähnung, wenn der Begriff der Infor-
mation abgegrenzt werden soll. So fällt Information unter den Oberbegriff des Wis-
sens, wobei dieses als zweckorientiertes Wissen bezeichnet wird (Kosiol 1972, 175).
Wittmann (1979, S. 2263) lehnt sich an die philosophische Definition von Kant an und
versteht unter Wissen Vorstellungsinhalte, die Überzeugungen über die Wahrheit von
Feststellungen beinhalten. Wild (1974, S. 119) hingegen definiert Wissen als Kennt-
nis von Sachverhalten beziehungsweise Bewusstsein entsprechender Denkinhalte. Des
Weiteren unterscheidet er zwischen effektiven und potenziellen Wissen. Wird Wis-
sen nur in Sätzen einer Sprache ausgedrückt, handelt es sich um potenziellen Willen.
Gelingt allerdings eine Denkabbildung der Sachverhalte, kann von effektivem Wissen
gesprochen werden. Wissen wird zudem von Ropohl (1979, S. 216) als die Menge der
in Informationsspeicher fixierten und auf planmäßigen Abruf reproduzierbaren Informa-
tionen bezeichnet. Unter Wissensarbeit wiederum werden solche Tätigkeiten verstanden,
die direkt darauf abzielen, anhand von kognitiven Fähigkeiten eine Wertschöpfung zu
generieren (International Group of Controlling 2015).
6  Entscheidungskompetenzen für Digitalisierungs-Entscheidungen … 109

6.4.3 Operationalisierung

In Abschn. 6.4.1 wurde das Konstrukt der Entscheidungskompetenz im Kontext der


Digitalisierungsentscheidung vorgestellt und im anschließenden Abschn. 6.4.2. wurden
die einzelnen Bestandteile der Entscheidungskompetenz dargelegt. Zur Entwicklung
eines Kompetenzkataloges ist im nächsten Schritt eine Operationalisierung notwendig.
Die Operationalisierung ist ein zweistufiger Prozess, der kurz erörtert werden soll (Verre-
ynne et al. 2016).

Schritt 1
Im ersten Schritt geht es zunächst darum, einen Überblick über grundlegende Kompe-
tenzen einer Person zu erhalten. Die International Group of Controlling hat beispiels-
weise ein Controller-Kompetenzmodell konzipiert, welches auf dem Kompetenzatlas
von Heyse und Erpenbeck basiert (2015, S. 41). Der Kompetenzatlas umfasst 64 Basis-
kompetenzen, die verschiedenen Dimensionen zugeordnet sind und das Fundament der
Entscheidungskompetenzen darstellen.

Schritt 2
Im zweiten Schritt ist das Digitalisierungsverständnis zu berücksichtigen. Da es im spe-
ziellen darum geht, Soll-Kompetenzen für Digitalisierungsentscheider abzuleiten, darf
das Digitalisierungsverständnis bzw. die Definition von „Digitalisierungs-Entscheidung“
nicht unberücksichtigt bleiben.
Die Arbeitsdefinition in Abschn. 6.2.1 verdeutlicht, dass Entscheidungsträger einer-
seits Kompetenzen hinsichtlich des Geschäftsmodells benötigen und andererseits hin-
sichtlich moderner Informations- und Kommunikationstechnologien.

Kompetenzatlas
Der Kompetenzatlas definiert erfolgskritische Digitalisierungskompetenzen auf prozess-
spezifischer und -übergreifender Ebene. Hierfür bildet der Kompetenzatlas nach Heyse
und Erpenbeck das konzeptionelle Fundament. Dieser Atlas besteht aus 64 Basis-
komponenten, die wiederum unterschiedlichen Dimensionen zugeordnet sind:
Als personale Kompetenzen sind die Zuweisungen reflexiv selbstorganisiert zu han-
deln zu verstehen. Dies bedeutet unter anderem Selbsteinschätzungen vorzunehmen,
Wertvorstellungen, produktive Einstellungen und Kreativität zu entwickeln und einzu-
setzen (Heyse 2010, S. 81),
wohingegen Aktivitäts- und Handlungskompetenzen die Dispositionen sind, gesamt-
heitlich organisiert zu handeln, und somit Initiativen und Umsetzungsstrategien zu integ-
rieren (Heyse 2010, S. 81).
Als Fach- und Methodenkompetenz werden jene Kompetenzen bezeichnet, welche
den Entscheidungsträger befähigen methodisch selbstorganisiert zu handeln. In diesem
Kontext bedeutet dies, mit fachlichen Kenntnissen und Fertigkeiten kreativ Probleme zu
110 W. Becker et al.

lösen sowie Wissen sinnorientiert einzuordnen und zu bewerten, aber auch Tätigkeiten,
Aufgaben und Lösungen methodisch kreativ zu gestalten (Heyse 2010, S. 81).
Die letzte Dimension bilden die sozial-kommunikativen Kompetenzen. Hierbei han-
delt es sich um die Dispositionen, kommunikativ und kooperativ selbstorganisiert zu
handeln. Das heißt, sich als Individuum, als Team oder als Organisation mit anderen
kreativ auseinanderzusetzen zu können (Heyse 2010, S. 81).

Geschäftsmodell
In der Betriebswirtschaftslehre wird der Begriff „Geschäftsmodell“ nicht einheit-
lich definiert. Dies kann unter anderem auf die historische Entwicklung des Konstrukts
Geschäftsmodell zurückgeführt werden (Schäfer et al. 2005, S. 200). Der eigentliche
Ursprung des Begriffs lässt sich auf die Anfänge der Wirtschaftsinformatik Mitte der
siebziger Jahre und im weitesten Sinne auch auf die Organisationstheorie zurückführen
(Schoegel 2001, S. 10). Dort ist er seit über 20 Jahren Gegenstand der Beschäftigung
zahlreicher Forscher (Osterwalder und Pigneur 2010, S. 14). Erst durch das Aufkommen
der New Economy erfuhr der Begriff seine Übertragung auf dem betriebswirtschaft-
lichen Kontext (Becker und Ulrich 2013, S. 12). Im vorliegenden Beitrag der wird
Begriff Geschäftsmodell wie folgt definiert: „A business model describes the rationale
of how an organization creates, delivers, and captures value“ (Osterwalder und Pigneur
2010, S. 14). Unter Berücksichtigung des Digitalisierungsverständnisses (Digitalisierung
ist die Transformation von Prozessen, Produkten, Dienstleistungen bis hin zur Trans-
formation von kompletten Geschäftsmodellen/Institutionen unter Nutzung moderner
Informations- und Kommunikationstechnologien mit dem Ziel, effektiv und effizient
Wert zu schaffen.) kann ferner die Ansicht vertreten werden, dass es sich bei der Digita-
lisierung des Geschäftsmodells um eine Geschäftsmodellinnovation handelt. Diese wird
wie folgt definiert:

Business model innovation is not about looking back, because the past indicates little about
what is possible in terms of future business models. Business model innovation is not about
looking to competitors, since business model innovation is not about copying or bench-
marking, but about creating new mechanisms to create value and derive revenues. Rather,
business model innovation is about challenging orthodoxies to design original models that
meet unsatisfied, new, or hidden customer needs (Osterwalder und Pigneur 2010, S. 136).

Informations- und Kommunikationstechnologie


Informations- und Kommunikationstechnologie ist nach Krcmar (2015, S. 24) „die
Gesamtheit der zur Speicherung, Verarbeitung und Kommunikation zur Verfügung ste-
henden Ressourcen sowie die Art und Weise, wie diese Ressourcen organisiert sind“
und gelten oftmals als Treiber für Veränderungen im Unternehmen (Buchta et al. 2009,
S. 20). Gemäß der Definition der Organisation of Economic Cooperation and Develop-
ment (OECD) erfüllt die IKT auch die Funktion der Verbreitung von Informationen. Dies
umschließt auch die Übertragung, Anzeige und Speicherung sämtlicher zur Verfügung
6  Entscheidungskompetenzen für Digitalisierungs-Entscheidungen … 111

stehender Ressourcen sowie der Organisation dieser Ressourcen (OECD 2011, S. 20).
Die fortschreitende Adoption moderner Informations- und Kommunikationstechno-
logien spiegelt sich beispielsweise in Technologien (Technologie ist die Wissenschaft der
Technik) (Ropohl 1979, S. 31) wie der zweidimensionale Barcode wider, oder aber auch
durch drahtlose Sensornetze, Cloud und Mobile Computing sowie Big Data Analytics bis
hin zu Cyber-physischen Systemen (Pflaum und Papert 2015, S. 411).

6.4.4 Kompetenzkatalog

6.4.4.1 Dürfen
In Abschn. 6.4.2.1 wurde bereits erläutert, dass Digitalisierungsentscheidungen zur
Transformation des Geschäftsmodells von denjenigen Entscheidungsträgern getroffen
werden, die dies auch Dürfen. Das „Dürfen“ impliziert dabei die Entscheidungsbefugnis
im Innenverhältnis und die Entscheidungsbefugnis im Außenverhältnis.

Entscheidungsbefugnis im Innenverhältnis
Die Entscheidungsbefugnis im Innenverhältnis umfasst das Recht der Führungs- und
Leitungsbefugnis (Bühner 2004, S. 64). Im Innenverhältnis sind insbesondere Weisungs-
befugnisse relevant. Weisungsbefugnisse können unter Entscheidungsbefugnisse sub-
sumiert werden, da Entscheidungen Weisungen vorgeschaltet sind (Oelsnitz 2009,
S. 92). Die Weisungsbefugnis ist das Recht, „anderen untergeordneten Stellen vorzu-
schreiben, welche Handlungen notwendig oder zu unterlassen sind. Dies beruht auf dem
Direktionsrecht […]“ (Bergmann und Garrecht 2016, S. 63). In diesem Zusammenhang
ist zwischen fachlicher Weisungsbefugnis und disziplinarischer Weisungsbefugnis zu
unterscheiden (Bergmann und Garrecht 2016, S. 63):

• Fachliche Weisungsbefugnis: Das Recht, die zur Aufgabenerfüllung notwendigen


Handlungsanweisungen zu treffen.
• Disziplinarische Weisungsbefugnis: Das Recht, personalpolitische Maßnahmen
gegenüber anderen zu ergreifen.

Entscheidungsbefugnis im Außenverhältnis (Vertretungsbefugnis)


Die Entscheidungsbefugnis im Außenverhältnis bezeichnet das Recht der Vertretungs-
befugnis, um verbindliche Rechtsgeschäfte mit Dritten abschließen zu können. In diesem
Zusammenhang sind insbesondere Vollmachten zu berücksichtigen.
In Unternehmen ist es grundsätzlich möglich, Personen eine Generalvollmacht zu
erteilen. In § 167 BGB (Erteilung der Vollmacht), steht dazu geschrieben:

1. Die Erteilung der Vollmacht erfolgt durch Erklärung gegenüber dem zu Bevoll-
mächtigenden oder dem Dritten, dem gegenüber die Vertretung stattfinden soll.
2. Die Erklärung bedarf nicht der Form, welche für das Rechtsgeschäft bestimmt ist, auf
das sich die Vollmacht bezieht.
112 W. Becker et al.

Die Prokura ist eine Spezialform der Vollmacht im Sinne von § 166 Abs. 2. BGB und
kann als gesetzlich geregelte Vollmacht (§ 48–53 HBG) verstanden werden. Eine Pro-
kura gem. § 49 Abs. 1 HGB, „ermächtigt zu allen Arten von gerichtlichen und außer-
gerichtlichen Geschäften und Rechtshandlungen, die der Betrieb eines Handelsgewerbes
mit sich bringt.“ Sofern ein Entscheidungsträger über eine Prokura verfügt, bedeutet dies
in der praktischen Konsequenz, dass der Prokurist in vollem Umfang seinen etwaigen
Geschäftsherrn vertreten und verpflichten kann (Schneider 2005, S. 46). Gem. § 5 Abs.
3 S. 2 Nr. 2 BetrVG sind Personen, die eine Generalvollmacht oder eine Prokura besitzen
sodann leitende Angestellte.
Die „Dürfen“-Kategorie kann dabei nicht durch eine Intervallskala operationalisiert
werden, sondern stellt eine notwendige Voraussetzung dar.

6.4.4.2 Wollen
Abschn. 6.4.2.2 konnte verdeutlichen, dass im Rahmen der intrinsischen Motivation das
Handeln im Dienst der eigenen Bedürfnisse im Vordergrund steht. Hierbei sind unter der
Kategorie „Wollen“ die Kompetenzen „Impulsgeben“, „Offenheit für Veränderung“ und
„Innovationsfreudigkeit“ zu subsumieren.

Impulsgeben
Die Kompetenz „Impulsgeben“ ist die Fähigkeit eines Entscheidungsträgers, Führungs-
kräften und Mitarbeitern aller Unternehmensbereiche proaktive und wirksame Ver-
haltens- und Denkanstöße vermitteln zu können. Entscheidungsträger können ihre
Gesprächspartner hinsichtlich der Digitalen Transformation auf Basis zweckorientierter
Informationen und nachvollziehbaren Argumenten inspirieren und sind sodann Initiator
(International Group of Controlling 2015, S. 181). Die Kompetenz „Impulsgeben“ ist
die Fähigkeit eines Entscheidungsträgers, Führungskräften und Mitarbeitern aller Unter-
nehmensbereiche proaktive und wirksame Verhaltens- und Denkanstöße vermitteln zu
können. Entscheidungsträger können ihre Gesprächspartner hinsichtlich der Digitalen
Transformation auf Basis zweckorientierter Informationen und nachvollziehbarer Argu-
mente inspirieren und sind sodann Initiator (International Group of Controlling 2015,
S. 181) für Veränderungen, die langfristig positive Performance-Auswirkungen haben
(International Group of Controlling 2015, S. 181).

Offenheit für Veränderungen


Offenheit für Veränderungen ist eine Voraussetzung für den Entscheidungsträger, um neue
Handlungsmöglichkeiten im Rahmen der Digitalen Transformation aktiv angehen zu kön-
nen. Die Offenheit trägt letztlich dazu bei, kreative Lösungen zu finden und somit die
Digitale Transformation wertschöpfend zu gestalten (International Group of Controlling
2015, S. 201).
6  Entscheidungskompetenzen für Digitalisierungs-Entscheidungen … 113

Innovationsfreudigkeit
Innovationsfreudigkeit steht für die positive Beurteilung, die aktive Suche und die
Umsetzung von Digitalisierungsmaßnahmen. Die praktische Umsetzung der Maßnah-
men führt dabei immer auch zu ungewöhnlichen Problemlösungswegen sowie zu neuen
Digitalisierungsalternativen und fördert das Treffen von zielgerichteten Entscheidungen
(International Group of Controlling 2015, S. 214).

6.4.4.3 Können
Um eine erfolgreiche Transformation durchführen zu können, sind im Besonderen
fundierte Kenntnisse bezüglich des Geschäftsmodells und der Informations- und
Kommunikationstechnologien unabdingbar (Becker et  al. 2015, S. 264). Auf-
grund dessen sollen die Kompetenzbündel für den Bestandteil „Können“ primär
aus dem Geschäftsmodell als Baukasten nach Becker und den Informations- und
Kommunikationstechnologien abgeleitet werden. Das Geschäftsmodell als Baukasten
setzt sich aus dem Management- und Führungsmodell, dem Erfolgsmodell, dem Finanz-
modell, dem Leistungsmodell und dem Marktmodell zusammen. Aus dem Konzept des
Geschäftsmodelles als Baukasten und dem Kompetenzkatalog sollen folgende Kom-
petenzen abgeleitet und im folgenden Abschnitt definiert werden: Unternehmerisches
Denken, Entscheidungs- und Problemlösungsfähigkeit, Organisations- und Anpassungs-
fähigkeit, Prozess- und Produktionskompetenz sowie Finanzkompetenz und Techno-
logiekompetenz.

Unternehmerisches Denken
Die Kompetenz Unternehmerisches Denken wird aus Management und Führungsmodell
des generischen Geschäftsmodells als Baukasten abgeleitet. Hierbei steht vor allem die
schöpferische Fähigkeit im Vordergrund der Betrachtung. Diese bezeichnet die Quali-
tät situationsspezielle Aufgaben und Problemstellungen anhand von neuen, innovativen
Ansätzen lösen zu können (International Group of Controlling 2015, S. 102). Die schöp-
ferische Fähigkeit ist also die Vorrausetzung zur Lösung sachlicher und situativer Prob-
leme und Aufgaben (Heyse und Erpenbeck 2009, S. 55). Schumpeter (2005) bezeichnet
dies als Prozess der Schöpferischen Zerstörung. Sheperd und Patzelt (2011) definieren
Unternehmerisches Denken folgendermaßen: „Sustainable entrepreneurship is focused
on the preservation of nature, life support, and community in the pursuit of perceived
opportunities to bring into existence future products, processes, and services for gain,
where gain is broadly constructed to include economic and non-economic gains to indi-
viduals, the economy, and society.“
Insbesondere in der marxistischen Gesellschaftswissenschaft wird der Unternehmer
oft als Sieger der Mobilitätsbemühungen sozialer Klassen in der Industriegesellschaft dar-
gestellt. So findet sich im Gegensatz dazu in den sozialwissenschaftlichen Unternehmer-
theorien zahlreiche Darstellung möglicher Unternehmerplatzierungen, von der Innervierung
der Unternehmerrolle bis zur Hypostasierung des Unternehmens. Das „Research Cen-
ter in Entrepreneurial History“ der Harvard Universität vertritt unter anderem die These,
114 W. Becker et al.

dass unternehmerisches Handeln eine eigenständige Handlung ist, die nicht auf sozial-
ökonomische Bedingungen zu reduzieren ist. Das Institut konzipiert das unternehmerische
Handeln als ein von Werten bestimmtes Rollenverhalten, das hinsichtlich geschichtlicher
und nationaler Kontexte verschiedene Charakteristika aufweist.

Entscheidungs- und Problemlösungsfähigkeit


Die Entscheidungs- und Problemlösungsfähigkeit wird direkt aus dem Kompetenz-
katalog abgeleitet und wird dort der Aktivitäts- und Handlungskompetenz beziehungs-
weise der sozialkommunikativen Kompetenz zugeordnet (Heyse und Erpenbeck 2009,
VIII). Entscheidungsfähigkeit ist das personale Vermögen, selbstbestimmt und aktiv die
sich bietenden Handlungsalternativen voll wahrzunehmen, um eine Aufgabe zu erfüllen
(Heyse et al. 2010, S. 148). Die Entscheidungsfähigkeit wird stark durch die Ausprägung
des Führungsstiles bedingt. Hierbei ist grundsätzlich zwischen einem autoritären und
einem kooperativen Führungsstil zu unterscheiden (Tannenbaum und Schmidt 1958,
S. 97). Die Problemlösungsfähigkeit hingegen wird sowohl als individuelle Leistungs-
voraussetzung wie auch als soziale Aktivität verstanden, welche den Lösungsprozess
anstößt und organisiert (Heyse et al. 2010, S. 148).

Organisations- und Anpassungsfähigkeit


Die Organisations- und Anpassungsfähigkeit wird direkt aus dem Kompetenzkatalog
abgeleitet und dort der Fach- und Methodenkompetenz beziehungsweise der sozial-
kommunikativen Kompetenz zugeordnet. Grundsätzlich umfasst die Organisationsfähig-
keit zwei Aspekte, einerseits das Erkennen des Wesentlichen, wichtiger Zusammenhänge
und funktionaler Abhängigkeiten und anderseits das eigene Engagement zur Gestaltung
beziehungsweise Veränderung erkannter Zusammenhänge (Heyse et al. 2010, S. 148).
Allgemein bezeichnet die Anpassungsfähigkeit das Vermögen eines Menschen, seine
Verhaltensweisen situativ oder dauerhaft zu ändern, um den Verhältnissen zu entsprechen
(Probst 1993, S. 20 ff.). In der Psychologie wird auf die Fehlanpassungen verwiesen.
In diesem Kontext werden die meisten psychischen Komplexe des Menschen auf Fehl-
anpassungen zurückgeführt (Albers und Herrmann 2007, S. 486).

Prozess- und Produktkompetenz


Die Prozess- und Produktkompetenz wird aus dem Leistungsmodell des generischen
Geschäftsmodells als Baukasten abgeleitet. Aus dem Grundprinzip des Drei-Horizonte
Models (Fischer und Fischer 2001) lassen sich folgende Objekttypen ableiten: das Pro-
gramm, das aus Portfolios besteht, welche sich wiederum aus Potenzialen, Prozessen,
Projekten und Produkten zusammensetzen. Das Programm lässt sich nochmal in die
Programmtiefe und die Programmbreite gliedern (Albers und Herrmann 2007, S. 486).
Das Leistungsmodell stellt einen wichtigen Faktor im Geschäftsmodell als Baukasten
dar, wobei eine fundierte „Digitalisierungs-Entscheidung“ eine genaue Kenntnis des
Geschäftsmodelles voraussetzt.
6  Entscheidungskompetenzen für Digitalisierungs-Entscheidungen … 115

Finanzkompetenz
Die Prozess- und Produktkompetenz wird aus dem Finanzmodell des generischen
Geschäftsmodells als Baukasten abgeleitet. Dieses besteht aus Ein- und Auszahlungen,
Cash Flows, Liquidität und dem Shareholder Value (Rappaport 1999).

Technologiekompetenz
Eine partielle oder totale Transformation von Geschäftsmodellen ist nur unter der Nut-
zung von Informations- und Kommunikationstechnologien möglich (Schoder 2010,
S. 27). Informations- und Kommunikationstechnologien bilden die Gesamtheit der zur
Speicherung, Verarbeitung und Kommunikation zur Verfügung stehenden Ressourcen.
Die Informationstechnik ist hierbei der Oberbegriff für die Informations- und Datenver-
arbeitung und umfasst Verfahren zur Verarbeitung von Informationen und Daten sowie
die Kommunikation. Kommunikationstechniken sind physische Geräte und Software, die
verschiedene Computerhardware-komponenten über Netzwerke miteinander verbinden
und Daten von physischen Positionen an eine andere übertragen.

6.4.4.4 Wissen
Analytische Fähigkeiten
Die analytischen Fähigkeiten werden direkt aus dem Kompetenzkatalog abgeleitet und
dort der Fach- und Methodenkompetenz zugeordnet (Heyse und Erpenbeck 2009, S.
XIII). Hierbei handelt es sich um die Fähigkeit, Problemstellungen sinnvoll zu struktu-
rieren, Zusammenhänge aufzudecken, komplexe Systeme in ihre Elemente zu zerlegen
und das Zusammenwirken von Variablen und Parametern eines Systems zu gestalten
(International Group of Controlling 2011, S. 3). Vor allem im Rahmen betriebs-
wirtschaftlichen Handelns und Denkens geht es darum, komplexe Systeme zu gestalten.
Hierbei geht es nicht um das Fachwissen, sondern vor allem um das Denken in betriebs-
wirtschaftlichen Zusammenhängen (Probst et al. 2013).

Fachwissen
Ein anerkanntes, leicht anwendbares Modell des (Fach-)Wissensmanagement wurde von
Probst et al. (2013) entwickelt. Der Begriff wird mithilfe von Bausteinen operationali-
siert. Die Anordnung dieser Bausteine erfolgt nach zwei Prinzipien, die als zwei Kreis-
läufe aufgefasst werden. Der äußere Kreislauf besteht aus den Elementen Zielsetzung
und Bewertung, der innere aus den Bausteinen Wissensidentifikation, -erwerb, -ent-
wicklung, -verteilung, -nutzung und -bewahrung. Durch Fachwissen werden die Qua-
lifikationen angesprochen, die insbesondere zur Vorbereitung und Argumentation von
Entscheidungen eingesetzt werden, um überzeugend argumentieren zu können (Heyse
2010, S. 133).
116 W. Becker et al.

Markt- und Branchenkenntnisse


Die Kompetenz Markt- und Branchenkenntnisse wird aus dem Marktmodell des generi-
schen Geschäftsmodells als Baukasten abgeleitet. Die Kompetenz Markt- und Branche-
kenntnisse umfasst alle sachlichen und methodischen Kenntnisse für die Absatzplanung,
die Absatzdurchführung und die daraus resultierenden Absatzverpflichtungen. Hierzu
zählen unter anderem Kenntnisse über grundlegende Faktoren wie Produkte, Preise,
die Distribution und die Kommunikation mit anderen Marktteilnehmern (Heyse 2010,
S. 143). Dies wird allgemein auch als Marketing-Mix bezeichnet. Dieser besteht aus
den Bausteinen Preispolitik, Produktpolitik, Distributionspolitik und Kommunikations-
politik (Friege und Herbes 2015, S. 12 ff.). Ein allgemein anerkanntes Instrument zur
Bewertung von Markt- bzw. Branchenattraktivität stellt das, von Michael E. Porter
(1998), entwickelte „Five Forces“ dar. Hierbei werden folgende Faktoren untersucht:
intensity of competitive rivalry, potential entrants, bargaining power of suppliers, bar-
gaining power of buyers/costumer und threats of substitutes.

Systematisch-Methodisches Vorgehen
Das systematisch-methodische Vorgehen wird direkt aus dem Kompetenzkatalog
abgeleitet und wird in diesem der Fach- und Methodenkompetenz zugeordnet (Heyse
und Erpenbeck 2009, S. XIII). Ein solches Vorgehen ist im betrieblichen Alltag vor allem
für jene Situationen wichtig, in denen es um die Ausgestaltung bestehender Arbeits-
prozesse geht (Heyse und Erpenbeck 2009, S. 521).

6.5 Schlussbetrachtung

Der Eintritt in die neue „Digitale Ära“ hat gleichbedeutend für kapitalmarktorientierte
Großunternehmen als auch für mittelständische Unternehmen weitreichende Konsequen-
zen. Die Digitale Transformation ist dabei kein punktueller Akt, sondern ein komplexer
Innovations-Prozess, welcher durch eine Digitalisierungs-Entscheidung erst ausgelöst
werden muss. Diese Digitalisierungs-Entscheidung ist sodann für den Transformations-
prozess von besonderer Bedeutung, da sie einen determinierenden Charakter besitzt. Um
solch eine Digitalisierungs-Entscheidung sachgerecht treffen zu können, bedarf es spezi-
fischer Kompetenzen des entsprechenden Entscheidungsträgers. Um diese Kompetenzen
zu eruieren, wurden im vorliegenden Beitrag zunächst wichtige Grundlagen definiert und
voneinander abgegrenzt. Hierbei wurde sich vornehmlich auf den Kompetenzorientierten
Managementansatz konzentriert. Im Folgenden wurde eine ausführliche Literaturanalyse
durchgeführt. Hierbei konnte festgestellt werden, dass die Anzahl der bestehenden
Forschungsbeiträge gering ist und dass ein ausgewogenes Verhältnis von konzeptio-
nelle Forschungsarbeiten und empirischen Forschungsarbeiten vorliegt. Im Zuge der
deskriptiven Analyse der ermittelten Forschungsbeiträge kann die Vermutung aufgestellt
werden, dass sich die Sichtweise von Adner und Helfat, bezüglich der Unterteilung der
Dynamic Capabilities in die Gruppen Managerial Social Capital, Managerial Human
6  Entscheidungskompetenzen für Digitalisierungs-Entscheidungen … 117

Capital und Managerial Cognition weitestgehend in Wissenschaft und Praxis durch-


gesetzt hat.
Im Zuge dieses Forschungsbeitrages wird das Konstrukt der Entscheidungskompetenz
im Kontext der Digitalisierungsentscheidung als Basis verwendet.
Um die Entscheidungskompetenzen operationalisieren zu können, wird im vierten
Abschnitt ein Entscheidungskompetenzmodell aufgestellt. Dieses ordnet den Bestand-
teilen Dürfen, Wollen, Können und Wissen spezifische Kompetenzbündel zu. Dies
geschieht in einem zweistufigen Prozess. Hierzu wird der Kompetenzatlas von Heyse
und Erpenbeck zugrunde gelegt. Aus diesem werden im zweiten Schritt, unter Berück-
sichtigung des Digitalisierungsverständnisses, Kompetenzen abgleitet und den Bestand-
teilen Dürfen, Wollen, Können und Wissen zugeordnet.

Literatur

Adner, R., & Helfat C. (2003). Corporate Effects and dynamic managerial Capabilities. Strategic
Management Journal, 24 (10), 173–190.
Albers, S., & Herrmann, A. (2007). Handbuch Produktmanagement, Strategieentwicklung –
Produktplanung -Organisation – Kontrolle. 3 Auf. Wiesbaden: Springer.
Albrecht, F. (1993). Strategisches Management der Unternehmensressource Wissen: Inhaltliche
Ansatzpunkte und Überlegungen zu einem konzeptionellen Gestaltungsrahmen. Frankfurt am
Main: Peter Lang GmbH.
Ambrosini, V., Bowman C., & Collier N. (2009). Dynamic Capabilities: An Exploration of How
Firms Renew their Resource Base. British Journal of Management, 20(1), 9–24.
Autio, E., Sapienza, H., & Almeida, J. (2000). Effects of age at entry, Knowledge Intensity, and
imitability on international Growth. Academy of Management Journal, 43(5), 900–924.
Azar, O. (2014). The default heuristic in strategic decision making: When is it optimal to choose
the default without investing in information search? Journal of Business Research, 67(8),
1744–1748.
Barney, J. (2014). Gaining and sustaining competitive advantage. 4. Auf. Harlow: Pearson.
Barreto, I. (2010). Dynamic Capabilities: A Review of Past Research and an Agenda for the
Future. Journal of Management, 36(1), 256–280.
Baumeister, R. F., & Leary, M. R. (1997). Writing narrative literature reviews. Review of general
Psychology, 1(3), 311–320.
Beck, J., & Wiersema, M. (2013). Executive Decision Making. Linking Dynamic Managerial
Capabilities to the Resource Portfolio and Strategic Outcomes. Journal of Leadership & Orga-
nizational Studies, 20(4), 408–419.
Becker, W. (2015). Digitalisierung von Geschäftsmodellen. In Bamberger Betriebswirtschaftliche
Beiträge, Nr. 220. Bamberg: Difo-Druck.
Becker, W., & Ulrich P. (2013). Geschäftsmodelle im Mittelstand. Stuttgart: Springer.
Becker, W., & Ulrich P. (2016). Geschäftsmodelle in KMU – eine Einführung der Gastherausgeber.
Zeitschrift für KMU-und Entrepreneurship, 64(4), 243–252.
Becker, W., Ulrich, P., & Botzkowski T. (2016). Data Analytics im Mittelstand. Wiesbaden:
­Springer.
118 W. Becker et al.

Becker, W., Ulrich, P., Botzkowski T., Burggraf A., & Schmid, 0. (2017). Industrie 4.0 im Mittel-
stand. In Bamberger Betriebswirtschaftliche Beiträge, Nr. 225. Bamberg: Difo-Druck.
Becker, W., Ulrich P., Vogt M,, Botzkowski, T., Hilmer C., & Zimmermann, L. (2013). Digitali-
sierung im Mittelstand. Bamberger Betriebswirtschaftliche Beiträge, Nr. 193. Bamberg: Difo-
Druck.
Becker, W., Ulrich P., Botzkowski T., & Eurich. S. (2015). Data Analytics in Familienunternehmen –
Implikationen für das Controlling. Zeitschrift für erfolgsorientierte Unternehmenssteuerung,
27(4/5), 263–268.
Bem, D. J. (1995). Writing a Review Article for Psychological Bulletin. Psychological Bulletin,
118(2), 172–177.
Bergmann, R., & Garrecht. M. (2016). Organisation und Projektmanagement, 2. Aufl. Berlin:
Springer.
Bharadwaj, A., El Sawy, O., Pavlou, P., & Venkatraman N. (2013). Digital Business Strategy:
Toward Next Generation of Insights. MIS Quarterly, 37(2), 471–482.
Brown, S., & Eisenhardt, K. (1997).The Art of Continuous Change: Linking Complexity Theory
and Time-paced Evolution in Relentlessly Shifting Organizations. Administrative. Science
Quarterly, 42(1), 1–34.
Buchta, Dieter, Eul, M., & Schulte-Cronnenberg, M. (2009). Strategisches IT-management. Wert
Steigern, Leistung Steuern, Kosten senken, 3. Aufl. Springer: Wiesbaden.
Bühner, R. (2004). Betriebswirtschaftliche Organisationslehre, 10. Aufl. München: Vahlen
Carpenter, M., Geletkanycz M., & Sanders G. (2004).Upper Echelons Research Revisited: Ante-
cedents, Elements, and Consequences of Top Management Team Composition. Journal of
Management, 30(6), 749–778.
Charlier, S. (2001). Grundlagen der Psychologie, Soziologie und Pädagogik für Pflegeberufe,
Stuttgart: Thieme.
Collis, D. (1994). Research note: How valuable are organizational Capabilities. Strategic Manage-
ment Journal, 15 (Special Issue), 143–152.
Conn, V. S., Valentine, J. C., Cooper, H. M., & Rantz, M. J. (2003). Grey Literature in Meta-Ana-
lyses. Nursing Research, 52(4), 256–261.
Cummings, S., & Daellenbach, U. (2009). A Guide to the Future of Strategy? The History of Long
Range Planning. Long Range Planning, 42(2), 234–263.
Danneels, E. (2008). Organizational Antecedents of second-order Competences. Strategic Manage-
ment Journal, 29(5), 519–543.
Easterby-Smith, M., Thorpe, R., & Jackson, P. (2012). Management Research, 4. Aufl. Thousand
Oaks et al.: Sage Publications.
Eickhoff, M. (2003). Innovations-Controlling. In W. Pepels (Hrsg.), Marketing – Controlling –
Kompetenz: Grundwissen marktorientierter Unternehmenssteuerung, (S. 83–108), Berlin:
Erich Schmidt Verlag.
Eisend, M. (2004). Metaanalyse. Berlin: Hampp.
Erpenbeck, J., & Heyse, V. (2007). Die Kompetenzbiographie, 2. Aufl. Münster: Waxmann.
Fink, A. (2014). Conducting Research Literature Reviews – From the Internet to the paper, 4. Aufl.
Los Angeles: Sage Publications.
Finkelstein, S., Hambrick D., & Cannella, A. (2009). Strategic Leadership: Theory and Research
on Executives, Top Management Teams, and Boards. Oxford: Oxford Univ. Press
Fischer, M., & Fischer, A. (2001). Neue Konzepte für das Controlling der Zukunft. Controlling
und Management, 45(1), 29–35.
Friege, C., & Herbes, C. (2015). Einführung in die Vermarktung Erneuerbarer Energien. Wies-
baden: Springer.
6  Entscheidungskompetenzen für Digitalisierungs-Entscheidungen … 119

Hamer, E. (1988). Wie Unternehmer entscheiden: Motive und Verhalten mittelständischer Firmen-
chefs. Landsberg: mi-Poller.
Helfat, C. (1997). Know-How and assets complementarity and Dynamic Capabilities Accumula-
tion. The Case of R&D. Strategic Management Journal, 18(5), 339–360.
Helfat, C., & Peteraf, M. (2009). Understanding dynamic capabilities: progress along a develop-
mental path. Strategic Organization, 7(1). 91–102.
Heyse, V. (2010). Verfahren zur Kompetenzermittlung und Kompetenzentwicklung. Kode® in
V. Heyse, J. Erpenbeck & S. Ortmann (Hrsg.) Praxistest. in Grundstrukturen menschlicher
Kompetenzen: Praxiserprobte Konzepte und Instrumente (S. 55–174). Münster: Waxmann.
Heyse, V., & Erpenbeck J. (2009). Kompetenztraining, 2. Aufl. Stuttgart: Schäffer Poeschel.
Heyse, V., Erpenbeck, J., & Ortmann, S. (2010) Kompetenztraining: 64 modulare Informations-
und Trainingsprogramme für die betriebliche, pädagogische und psychologische Praxis. 2. Aufl
Stuttgart: Schäffer-Poeschel.
International Group of Controlling (2015). Controller-Kompetenzmodell: Ein Leitfaden für die
moderne Controller-Entwicklung mit Muster-Kompetenzprofilen. Freiburg: Haufe.
Kahle, E. (1998). Betriebliche Entscheidungen: Lehrbuch zur Einführung in die betriebswirtschaft-
liche Entscheidungstheorie, 5. Aufl. München: Oldenbourg.
Kale, P-, & Sing, H. (2007). Building firm capabilities through learning: the role of the alliance
learning process in alliance capability and firm-level alliance success. Strategic Management
Journal, 28(10), 981–1000.
Kaufhold, M. (2006). Kompetenz und Kompetenzerfassung. Wiesbaden: Verl. für Sozialwissen-
schaften.
Kleinhans, A. (1989). Wissensverarbeitung im Management. Möglichkeiten und Grenzen wissens-
basierter Managementunterstützungs-, Planungs- und Simulationssysteme. Frankfurt am Main:
Lang.
Klix, F. (1992). Die Natur des Verstandes. Göttingen: Hogrefe.
Kosiol, E. (1976). Organisation der Unternehmung. 2. Aufl Wiesbaden: Gabler.
Kreutzer, T. (2017). Treiber und Hintergründe der digitalen Transformation. In D. Schallmo,
A. Rusnjak, J. Anzengruber, T. Werani, & M. Jünger (Hrsg.), Digitale Transformation von
Geschäftsmodellen: Grundlagen, Instrumente und Best Practices (S. 33–58). Wiesbaden:
Springer.
Krcmar, H. (2015). Informationsmanagement. 6. Aufl Berlin: Springer.
Krüger, W., & Homp, C. (1997). Kernkompetenz-Management. Wiesbaden: Springer.
Lado, A., Boyd, N., & Wright, P. (1992). A Competency-Based Model of Sustainable Competitive
Advantage: Toward a Conceptual Integration. Journal of Management, 18(1), 77–92.
Majumdar, S. (1999). Sluggish Giants, Sticky Cultures, and Dynamic Capability Transformation.
Journal of Business Venturing, 15(1), 59–78.
Marcus, A., & Anderson, M. (2006). A General Dynamic Capability: Does it Propagate Business
and Social Competencies in the Retail Food Industry? Journal of Management Studies, 43(1),
19–46.
McGrath, R. (1995). Advantage from Adversity. Learning form Disappointment in internal Corpo-
rate Ventures. Journal of Business Venturing, 10(2), 121–142.
Mortensen, P. (2016). The Politics of Information: Problem Definition and the Course of Public
Policy in America. Public Administration, 94(4), 1155–115.
North, K. (2012). Wissensorientierte Unternehmensführung. Wissensmanagement gestalten, 6.
Aufl. Wiesbaden: Springer.
North, K., & Güldenberg, S. (2010). Produktive Wissensarbeit(er): Antworten auf die
Management-Herausforderung des 21. Jahrhunderts, Wiesbaden: Gabler.
120 W. Becker et al.

OECD (2011). OECD Guide to Measuring the Information Society 2011. OECD Publishing.
Oelsnitz, D. (2009). Die innovative Organisation: eine gestaltungsorientierte Einführung, 2. Aufl.
Stuttgart: Kohlhammer.
Osterwalder, A., & Pigneur, Y. (2010). Business Model Generation, Frankfurt: Campus-Verlag.
Pflaum, A., & Papert, M. (2015). Die Vernetzung der Welt als Chance für den Mittelstand. In
W. Becker & P. Ulrich (Hrsg.) BWL im Mittelstand: Grundlagen – Besonderheiten – Ent-
wicklungen (S.411–428). Stuttgart: Springer.
Porter, M. (1998). Competitive strategy. Techniques for analyzing industries and competitors. New
York: Free Press.
Probst, G. (1993). Organisation. Strukturen, Lenkungsinstrumente und Entwicklungsperspektiven.
Landsberg: Moderne Industrie.
Probst, G., Raub, S., & Romhardt, K. (2013). Wissen managen. Wie Unternehmen ihre wertvollste
Ressource optimal nutzen, 7. Aufl. Wiesbaden: Gabler.
Rappaport, A. (1999). Shareholder Value. Stuttgart: Schäffer-Poeschel.
Randolph, J.J. (2009). A Guide for Writing the Dissertation Literature Review. Practical Assess-
ment, Research & Evaluation, 14(13), 1–13.
Ropohl, G. (1979). Allgemeine Technologie. Eine Systemtheorie der Technik, 3. Aufl. Karlsruhe:
KIT Scientific Publishing.
Rosenbloom, R. (2000). Leadership, Capabilities, and Technological Change: The Transformation
of NCR in the Electronic Era. Strategic Management Journal. 21(10/11), 1083–1103.
Rothe, H., & Hinnerichs, L. (2005). Wissens- und Kompetenzmanagement – verhaltensbeein-
flussende subjektive und organisationale Bedingungen. In Arbeitsgemeinschaft QUEM (Hrsg.),
Kompetenzmessung im Unternehmen: Lernkultur- und Kompetenzanalysen im betrieblichen
Umfeld (S. 673–722). Münster: Waxmann.
Schäfer, E. (2006). Betriebliche Kompetenzentwicklung: Einführung und Evaluation systemati-
scher Kompetenzentwicklungskonzepte. Kassel: Kassel University Press.
Schiller, T. (2000). Kompetenz-Management für den Anlagenbau: Ansatz, Empirie und Aufgaben.
Wiesbaden: Dt. Univ.-Verl.
Schneider, A. (2005). Vollmachten im Unternehmen: Handlungsvollmacht, Generalvollmacht und
Prokura. Wiesbaden: Springer.
Schoegel, K. (2001). Geschäftsmodelle: Konstrukt-Bezugsrahmen-Management. München: FGM
Verlag.
Schumpeter, J.A. (2005). Kapitalismus, Sozialismus und Demokratie, 8.Auf. Stuttgart: UTB
­Verlag.
Tannenbaum, R., & Schmidt, H. (1958). How to Choose a Leadership Pattern. Harvard Business
Review, 36. 95–102.
Teece, D., Pisano, G., & Shuen, A. (1997). Dynamic Capabilities and Strategic Management. Stra-
tegic Management Journal 18 (7), 509–533.
Verreynne, M.-L., Hine, D., Coote, L., & Parker, R. (2016). Building a scale for dynamic learning
capabilities: The role of resources, learning, competitive intent and routine pattering. Journal of
Business Research, 69(10), 4287–4303.
Wild, J. (1974). Grundlagen der Unternehmungsplanung. Reinbeck bei Hamburg: Rowohlt.
Winter, S. (2003). Understanding Dynamic Capabilities. Strategic Management Journal, 24(10),
991–995.
Wittmann, G. (1979). Soziale Kompetenz. München: Profil. Verl.
Zahra, S., Sapienza, H., Davidsson, P. (2006). Entrepreneurship and Dynamic Capabilities: A
Review, Model and Research Agenda. Journal of Management Studies, 43(4), 917–952.
6  Entscheidungskompetenzen für Digitalisierungs-Entscheidungen … 121

Univ.-Professor Dr. Dr. habil. Wolfgang Becker  ist Ordinarius für Betriebswirtschaftslehre und
Inhaber des Lehrstuhls Unternehmensführung & Controlling und Mitglied des Direktoriums des
Kompetenzzentrums für Geschäftsmodelle in der digitalen Welt an der Otto-Friedrich-Universität
Bamberg. Darüber hinaus leitet er als Wissenschaftlicher Direktor das Europäische Forschungsfeld
für Angewandte Mittelstandsforschung (EFAM), das Forschungsfeld für Value Based Management
sowie das Forschungsfeld für Digitale Geschäftsmodelle. Diese Themenfelder stellen auch seine
Forschungsschwerpunkte dar. Professor Becker vertritt zudem das Fachgebiet Unternehmens-
führung & Controlling im berufsbegleitenden Online-Masterstudiengang Wirtschaftsinformatik
(VAWi) der Universitäten Bamberg und Duisburg-Essen, im MBA Studiengang Business Manage-
ment an der Universität Erlangen-Nürnberg und im Executive MBA-Programm der Johannes
Gutenberg-Universität Mainz. Schließlich ist er Gründer, Gesellschafter und Beiratsvorsitzender
der Scio GmbH Professor Dr. W. Becker in Erlangen, die der Wirtschaftspraxis Beratung auf dem
Gebiet des integrierten Strategie- und Organisationsdesigns anbietet.

Felix Schuhknecht ist Wissenschaftlicher Mitarbeiter am Lehrstuhl Unternehmensführung &


Controlling sowie Doktorand im Europäischen Forschungsfeld für Angewandte Mittelstands-
forschung (EFAM) und im Kompetenzzentrum für Geschäftsmodelle in der digitalen Welt an der
Otto-Friedrich- Universität Bamberg. Seine Forschungsschwerpunkte sind: Value Based Manage-
ment, Geschäftsmodelle in der digitalen Welt, Kostenmanagement und Kennzahlenmanagement.

Meike Stradtmann  ist Doktorandin und wissenschaftliche Mitarbeiterin des Lehrstuhls für BWL,
insbes. Unternehmensführung und Controlling an der Otto-Friedrich-Universität Bamberg sowie
Projektmitarbeiterin im Europäischen Forschungsfeld für Angewandte Mittelstandsforschung
(EFAM). Ihre Forschungsschwerpunkte sind: Geschäftsmodelle, Mittelstand, digitale (Wertschöp-
fungs-)Netzwerke.

Dr. Tim Botzkowski war Wissenschaftlicher Mitarbeiter am Lehrstuhl Unternehmensführung


& Controlling sowie Doktorand im Europäischen Forschungsfeld für Angewandte Mittelstands-
forschung (EFAM) und im Kompetenzzentrum für Geschäftsmodelle in der digitalen Welt an der
Otto-Friedrich-Universität Bamberg. Seine Forschungsschwerpunkte waren: Mittelstandsforschung,
Geschäftsmodelle in der digitalen Welt, Entscheidungstheorie, Kostenmanagement, Kennzahlen-
management und Mergers & Acquisitions. Aktuell ist er als Deputy CDO | Innovationsbotschafter
bei der Talanx Deutschland AG beschäftigt.
Kundengetriebene Innovation und
Digitalisierung 7
Wirkmechanismen, Nutzenpotenziale und
Umsetzungsbarrieren am Beispiel der Energiebranche

Michael Kolloch und Fabian Reck

Inhaltsverzeichnis

7.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124


7.2 Besonderheiten digitaler Innovationen und resultierende Herausforderungen. . . . . . . . . . 126
7.3 Kundengetriebene Innovation im digitalen Kontext – Das 5 A-Modell . . . . . . . . . . . . . . . 130
7.3.1 A1 – Akzeptanz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
7.3.2 A2 – Attraktivität. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
7.3.3 A3 – Affektion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
7.3.4 A4 – Aktualität. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
7.3.5 A5 – Anpassung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
7.4 Fazit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141

Zusammenfassung
In diesem Beitrag betrachten wir die Wirkmechanismen, Potenziale und Limitationen von
kundengetriebener Innovation im Kontext der Digitalisierung. Am Beispiel der Energie-
branche zeigen wir auf, inwiefern die Integration von Kunden zur Bewältigung der spezi-
fischen Herausforderungen bei der Generierung von digitalen Innovationen beitragen
kann, welche strategischen Vorteile Unternehmen durch kundengetriebene Innovation
erzielen können und welche Probleme bei der praktischen Realisierung dieser poten-
ziellen Vorteile auftreten können. Basierend auf 43 Interviews mit Branchenexperten

M. Kolloch (*) · F. Reck 
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: michael.kolloch@uni.bamberg.de
F. Reck
E-Mail: fabian.reck@uni-bamberg.de

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019 123
W. Becker et al. (Hrsg.), Geschäftsmodelle in der digitalen Welt,
https://doi.org/10.1007/978-3-658-22129-4_7
124 M. Kolloch und F. Reck

entwickeln wir ein Rahmenmodell, welches die Zusammenhänge zwischen Digitalisie-


rung und kundengetriebener Innovation in fünf Themenfelder strukturiert („Akzeptanz“,
„Attraktivität“, „Affektion“, „Aktualität“, „Anpassung“). Dieses „5A-Modell“ hilft dabei,
Anwendungszwecke kundengetriebener Innovation klarer abzugrenzen, um so die Nut-
zung der Methode zielorientiert zu planen und effektiv umzusetzen.

7.1 Einleitung

Innovationsvorhaben sind mit hohen Leistungsrisiken verbunden. Je nach Industrie


scheitern 30 bis 60 % aller Projekte, sodass neue Produkt- oder Dienstleistungskonzepte
die gesteckten Umsatz- und Gewinnziele verfehlen oder bereits gar keine Marktreife
erhalten (Castellion und Markham 2013). Die mangelnde Erfüllung von Kundenbedürf-
nissen ist dabei in vielen Fällen das zentrale Problem (Bauer 2006). Aus diesem Grund
setzt sich im betrieblichen Innovationsmanagement mehr und mehr ein Perspektiven-
wandel durch: vom zentralisierten und durch das Unternehmen gesteuerten „innovating
for customers“-­Paradigma hin zum offeneren, kooperativen „innovating with customers“-­
Paradigma (Nambisan 2002). Infolgedessen sehen Unternehmen Kunden verstärkt als eine
der ­Hauptquellen für innovative Ideen an und versuchen, die Endnutzer von Produkten
und Dienstleistungen bereits früh aktiv in Innovationsprozesse einzubinden (Reichwald
et al. 2007). In vielen Fällen sind diese Bemühungen von Erfolg gekrönt und führen zu
einem höheren Return-on-Investment bei Innovationsvorhaben, einer Verringerung der
­Forschungs- und Entwicklungskosten sowie zu einem besseren Image des Unternehmens
bei seinem Kundenstamm (Desouza et al. 2008).
In einer digitalen Welt, in welcher Wertschöpfung von physischen Produkten in Rich-
tung intangibler Dienstleistungen wandert, nimmt der Kunde sogar eine noch zentralere
Rolle ein (Barrett et al. 2015). In einer sich immer weiter ausbreitenden, auf „smarten“
technologischen Systemen basierenden Dienstleistungsökonomie bringen sich Kunden
oft direkt in den Leistungserstellungsprozess ein, sodass ein Wandel vom „Consumer“
zum „Prosumer“ stattfindet (Seran und Izvercian 2014). Dieser durch die Digitalisierung
bedingte Wandel im Kundenverständnis trifft vor allem Unternehmen aus traditionell
eher regulierten und anbieterzentrierten Branchen mit vergleichsweise langen Produkt-
lebenszyklen meist unvorbereitet (Lettl 2007). Gerade in diesen traditionell nicht zu den
Vorreitern kundengetriebener Innovation zählenden Branchen (Gassmann und Enkel
2006) haben viele Unternehmen deshalb Schwierigkeiten, Chancen und Anwendungs-
felder für kundengetriebene Innovation auszumachen, die Integration von Endnutzern in
der eigenen Innovationsstrategie angemessen zu verankern und die konkrete Umsetzung
der Beteiligung von Kunden bei der Entwicklung neuer Produkte und Dienstleistungen
sicherzustellen.
Diese Problematik ist aktuell in wenigen Branchen so ausgeprägt wie in der Energie-
versorgung. Eine umfassende Regulierung der Branche und die begrenzte Verfügbarkeit
7  Kundengetriebene Innovation und Digitalisierung 125

geeigneter Technologien für die intelligente Steuerung von Energieproduktion, -­transfer


und -verbrauch sorgten hier über Jahrzehnte hinweg für zentrale Marktstrukturen mit
ausgeprägtem lokalem Monopolcharakter (Müller et al. 2008). Dies führte dazu, dass
Innovation und Kundenorientierung auf der strategischen Agenda der meisten Energie-
versorgungsunternehmen lange Zeit nur eine untergeordnete Rolle einnahm (Beerepoot
und Beerepoot 2007). Heute zeichnet sich ein anderes Bild der Branche. Die andauernde
Transformation des Energiesektors wurde durch die zweistufige Liberalisierung des
­deutschen Energiemarktes in 1998 und 2005 eingeleitet, die Entwicklungen und ­stetige
Verbesserung „smarter“ Technologien ließen Branchenstrukturen und ­Geschäftslogiken
vollends aufbrechen (Kolloch und Reck 2017). Als Resultat dieser Veränderungen sinkt
die Profitabilität des Kerngeschäfts von Energieversorgern kontinuierlich (Richter 2013).
Andererseits ergeben sich zahlreiche Geschäftschancen abseits des traditionellen Kern-
geschäfts, die beispielsweise in der Bündelung und umfassenden Bereitstellung von
Energiedienstleistungen für Privathaushalte (Stichwort „Smart Home“) oder in der Orches-
trierung und Steuerung öffentlicher Infrastruktur (Stichwort „Elektromobilität“) liegen
(­Edelmann 2015). Um diese Chancen zu realisieren, müssen Energieversorger jedoch der
veränderten Rolle des Endkunden Rechnung tragen. Im Zuge der digitalen Transformation
der ­Branche hängt der Erfolg von Produkten, Dienstleistungen und Geschäftsmodellen
mehr und mehr von der aktiven Mitwirkung des Endnutzers ab (siehe Abb. 7.1). Erfolg-
reiche Energieversorger werden sich deshalb mit hoher Wahrscheinlichkeit vor allem
durch die Fähigkeit zur Integration und Bindung von Kunden im eigenen Geschäftsmodell
von weniger erfolgreichen Energieversorgern unterscheiden (Hartmann und Ibanez 2007).
Kundenintegration stellt in diesem Rahmen ein wichtiges Werkzeug dar.
In diesem Beitrag betrachten wir die Wirkmechanismen, Potenziale und Limitatio-
nen von kundengetriebener Innovation im Kontext der digitalen Transformation von

Abb. 7.1  Die Rolle des Endkunden in der „smarten“ Energiewirtschaft


126 M. Kolloch und F. Reck

­ nternehmen. Am Beispiel der Energiebranche möchten wir Forschern und Unter-


U
nehmensstrategen im Bereich des Innovationsmanagements aufzeigen, inwiefern die
Integration von Kunden zur Bewältigung der spezifischen Herausforderungen bei der
Generierung digitaler Innovationen beitragen kann, welche strategischen Vorteile Unter-
nehmen durch kundengetriebene Innovation erzielen können und welche Probleme bei
der praktischen Realisierung dieser potenziellen Vorteile auftreten können. Basierend
auf 43 Interviews mit Branchenexperten1 entwickeln wir ein Rahmenmodell, welches
die Zusammenhänge zwischen Digitalisierung und kundengetriebener Innovation in
fünf verschiedene Themenfelder strukturiert („Akzeptanz“, „Attraktivität“, „Affektion“,
„Aktualität“, „Anpassung“). Das entwickelte „5A-Modell“ soll dabei eine Leitlinie zu
den folgenden, thematisch eng zusammenhängenden Fragen darstellen: 1) Kann kunden-
getriebene Innovation Unternehmen dabei unterstützen, die digitale Transformation
erfolgreich zu bewältigen und wenn ja, warum? 2) Zu welchem Zweck und mit wel-
chen Zielen kann kundengetriebene Innovation im Rahmen der digitalen Transformation
eingesetzt werden? 3) Welche potenziellen Barrieren müssen Unternehmen bei der
Umsetzung kundengetriebener Innovation beachten?

7.2 Besonderheiten digitaler Innovationen und resultierende


Herausforderungen

Digitale Innovation konfrontiert Unternehmen mit einer Reihe von neuen Heraus-
forderungen (Yoo et al. 2012). Dies ist vor allem auf mehrere einzigartige Charakte-
ristika digitaler Technologien zurückzuführen, die diese von ihren analog Pendants
unterscheiden. Die bisherige Forschung aus dem Bereich der Betriebswirtschaftslehre
und der Wirtschaftsinformatik hebt dabei sieben Eigenschaften digitaler Technologien
hervor (Yoo et al. 2010): Programmierbarkeit, Adressierbarkeit, Wahrnehmungsfähig-
keit, Kommunikationsfähigkeit, Erinnerungsfähigkeit, Nachverfolgbarkeit und Prognose-
fähigkeit. Zusammen ergeben diese sieben Eigenschaften die „smarte“ Funktionalität

1Um ein möglichst ganzheitliches Bild der deutschen Energiebranche und verschiedene Perspek-
tiven auf das behandelte Themenfeld zu erhalten, wurden die 43 Experten aus einer Reihe von
relevanten Unternehmen und Institutionen im nationalen und internationalen Kontext ausgewählt.
Die Zusammensetzung war dabei wie folgt: 17 Topmanager/Geschäftsführer aus den größten 10
deutschen Energieversorgungsunternehmen, 5 Topmanager/Geschäftsführer aus kleineren und
mittleren deutschen Stadtwerken, 5 Manager aus Start-ups und Quereinsteigern in der Branche,
13 Forschungsdirektoren/Leiter energiewirtschaftlicher Forschungsinstitute auf nationaler Ebene, 3
Forschungsdirektoren/Leiter energiewirtschaftlicher Forschungsinstitute auf internationaler Ebene.
Die Interviews wurden mithilfe eines semi-strukturierten Fragebogens durchgeführt, dauerten zwi-
schen 20 und 50 min und behandelten folgende Themenfelder: 1) Digitalisierungstrends in der
deutschen Energieindustrie, 2) Nutzenerwartungen von Unternehmen im Hinblick auf die Integra-
tion von Kunden in Innovationsvorhaben, 3) eigene konkrete Erfahrungen mit kundengetriebener
Innovation.
7  Kundengetriebene Innovation und Digitalisierung 127

digitaler Technologien, die es ihnen erlaubt, eigenständig Aufgaben auszuführen, selbst-


lernend Handlungsstrategien zu entwickeln und sich dabei mit einer Reihe von techno-
logischen und menschlichen Akteuren zu vernetzen (Porter und Heppelmann 2014).
Neben der „Intelligenz“ digitaler Artefakte bringen diese sieben Eigenschaften auch
mehrere weitreichende Veränderungen in Gestalt, Entstehung, Diffusion und Anwendung
von Produkt- und Dienstleistungsinnovationen mit sich. Diese profunden Veränderungen
haben einen starken Einfluss darauf, wie Innovation in Unternehmen organisiert werden
kann und welche Managementprinzipien und -ansätze Erfolg versprechen (Henfridsson
et al. 2014). Infolgedessen ergeben sich aus Unternehmenssicht oft neue Handlungs-
optionen, aber auch neue Anforderungen an das betriebliche Innovationsmanagement,
den Ablauf von Innovationsprozessen und die Ausgestaltung der Innovationsstrategie
(Yoo et al. 2012).
Abb. 7.2 gibt einen Überblick die fünf wichtigsten Eigenschaften digitaler Innovationen
(Yoo et al. 2010). Zwei der fünf Eigenschaften („Convergence“ und „Digital Materiality“)
beschreiben dabei digitale Innovationen aus der Objektperspektive, d. h. sie benennen die
Besonderheiten digitaler Produkte und Dienstleistungen im Vergleich zu ihren rein ana-
logen Gegenstücken. Die restlichen drei Eigenschaften („Locus of Innovation“, „Pace“,
„Generativity“) nehmen eine Prozessperspektive ein und beschreiben die Besonderheiten
bei der Entstehung digitaler Innovationen. Zusammen ergeben beide Perspektiven ein
ganzheitliches Modell, welches die steigende Komplexität und Entwicklungsdynamik
digitaler Innovationen anhand von miteinander in Verbindung stehenden, jedoch für sich

Abb. 7.2  Eigenschaften digitaler Innovationen. (In Anlehnung an Yoo et al. 2010)


128 M. Kolloch und F. Reck

selbst eindeutigen Wirkmechanismen erklärt. Im Folgenden werden die fünf Charakteris-


tika näher erläutert und deren Auswirkungen auf das Management von Entwicklung und
Vermarktung digitaler Innovationen genauer dargestellt:

• Digital Materiality: Digitale Produkte zeichnen sich dadurch aus, dass sie zusätz-
liche Funktionen in die physische Welt einbetten. Während physische Objekte gene-
rell nur in begrenztem Umfang veränderbar, für einen begrenzten Zweck nutzbar,
vom Nutzer haptisch wahrnehmbar und somit einfach nachvollziehbar sind, besitzen
digitale Artefakte viele weitere Fähigkeiten, welche die Interaktion zwischen Nutzer
und Produkt deutlich verändern (Yoo et al. 2012). Aufgrund ihrer „Intelligenz“ kön-
nen digitale Technologien auf vielfältige Art und Weise mit dem menschlichen Nutzer
kommunizieren, diesen unterstützen, ihm aber auch Entscheidungen abnehmen und
weitgehend eigenständig Handlungen mit Auswirkungen auf die physische Welt aus-
führen (Svahn et al. 2009). Der virtuelle persönliche Assistent Amazon Echo (besser
bekannt als „Alexa“) kann so bislang über 3.000 Funktionen selbstständig erfüllen,
von der Verwaltung von Einkaufslisten bis zur Regelung von Raumbeleuchtung und
-temperatur. Digitale Produkte sind somit in immer stärkerem Maße sozial invasiv,
d. h. sie besitzen Kenntnisse über und Einfluss auf das Verhalten der Nutzer (Law und
Urry 2004). Für Unternehmen ergeben sich daraus zahlreiche Möglichkeiten, Daten
über das Verhalten von Kunden zu gewinnen, Zusatzdienstleistungen zu entwickeln
und diese abzusetzen (Parmar et al. 2014). Andererseits schwingt die Gefahr des
Misstrauens durch Kunde und Gesellschaft mit, sodass im Hinblick auf digitale Inno-
vationen oft auch hohe Diffusionsbarrieren bestehen (Yoo et al. 2010).
• Convergence: Der Begriff „Convergence“ beschreibt den Umstand, dass in digitalen
Produkten und Dienstleistungen meist eine Vielzahl unterschiedlicher und ursprünglich
zu verschiedenen Zwecken entwickelter Technologien integriert sind und somit dem
Endnutzer eine äußerst breite Funktionalitätsspanne bereitgestellt werden kann (Yoo
et al. 2010). Infolge einer erhöhten Schnittstellenfähigkeit von digitalen Geräten und
Komponenten besteht eine bislang nicht da gewesene Bandbreite an Kombinations-
möglichkeiten im Hinblick auf die Zusammenstellung eines Leistungsangebots an
den Kunden (Arthur 2009). Bereits ein Smartphone integriert so Telefon, Messenger-
dienste, Internet, Kamera, Navigationsgerät und kann durch die Installation von Apps
zahlreiche weitere Funktionen ausführen. Smartphone, Smart Home, Smart Car oder
sonstiges SmartX entwickeln sich dabei mehr und mehr zu digitalen Plattformen,
bei denen je nach Bedarf durch den Anschluss weitere Soft- oder Hardware neue
Funktionalitäten erschlossen und integriert werden können (Henfridsson et al. 2014).
Im Hinblick auf die Organisation von Innovationen bedeutet dies, dass traditionelle
Branchenstrukturen verstärkt aufbrechen. Dies bringt einerseits neue Entwicklungs-
und Umsatzchancen mit sich, schafft jedoch auch neuen Wettbewerb zwischen bislang
unverbundenen Industrien (Berente et al. 2007). Unternehmen kämpfen deshalb mit
äußerst hoher Intensität um die Etablierung technologischer Standards, um die Nähe
zum Endkunden und um die Position als Plattformkoordinator (Boudreau 2012).
7  Kundengetriebene Innovation und Digitalisierung 129

• Locus of innovation: Innovation ist in der digitalen Welt ein mehr und mehr dezentraler
Prozess. Dies ist einerseits durch die geringeren Übertragungs- und Änderungskosten
digitaler Technologien möglich, andererseits durch die funktionale Komplexität digi-
taler Produkte und den dadurch entstehenden heterogenen Bedarf an Fähigkeiten und
Expertisen notwendig (Yoo et al. 2010). Innovationsprozesse laufen deshalb immer
weniger unter der Kontrolle eines einzelnen Unternehmens ab, die vertikale Integra-
tion der Entwicklungstätigkeit sinkt (Lee und Berente 2012). Vielmehr besteht eine
geografische und soziale Trennung zwischen Innovationsakteuren, die in einem Open-
Source-Verfahren Komponenten des digitalen Produkts modifizieren, Software für neue
Funktionalitäten programmieren oder neue Verbindungen zwischen technologischen
Systemen herstellen (Boudreau 2012). Aus Unternehmenssicht wird es immer wichti-
ger, die Innovationstätigkeit solcher peripherer Innovatoren zu stimulieren und für das
eigene Leistungsangebot an den Kunden nutzbar zu machen (Yoo et al. 2012). Neben
der Fähigkeit, selbst Produkt- und Dienstleistungsinnovationen zu entwickeln, nimmt
deshalb der Aufbau eines starken Ecosystems an Co-Innovatoren eine immer wichtigere
Rolle im betrieblichen Innovationsmanagement ein (Gawer und Cusumano 2013).
• Pace: Im Zuge der Digitalisierung verkürzen sich Innovationszyklen in drastischem
Ausmaß. Reprogrammierbarkeit digitaler Artefakte, Schnittstellenkompatibili-
tät zwischen technologischen Systemen und die oben beschriebene Möglichkeit der
räumlich verteilten Entwicklungstätigkeit führen sowohl im Hinblick auf inkremen-
telle Verbesserungen als auch auf radikale Technologiesprünge zu sich immer wei-
ter erhöhenden Innovationsraten (Kurzweil 2006). Für Industriesektoren mit langer
Branchentradition bringt dies erhebliche Änderungen hinsichtlich der Anzahl und
Frequenz gestarteter Innovationsvorhaben, der maximal erlaubten Projektdauer und
der angestrebten Geschwindigkeit der Diffusion neuer Leistungsangebote im Ziel-
markt mit sich. Der Faktor „Zeit“ bestimmt auch in diesen Branchen mehr und mehr
den Innovationserfolg von Unternehmen (Yoo et al. 2010).
• Generativity: Zuletzt zeichnen sich digitale Innovationen durch ein hohes Maß an
„Generativity“ aus. Dieser Begriff beschreibt dabei die Möglichkeit der kontinuier-
lichen Erweiterung und Modifikation von Produkten und Dienstleistungen, die
dadurch ermöglichte Reinterpretation von Funktionsweise und Funktionsspektrum
technologischer Artefakte sowie die so generell steigende Anzahl an Innovatio-
nen pro Marktfeld und Branchenkontext (Yoo et al. 2010). Die im Vergleich zu rein
physischen Produkten wegfallende Bindung zwischen Form und Funktion, erlaubt
hier niedrige Anpassungskosten, Chancen zur Individualisierung von Leistungsan-
geboten und somit ein insgesamt ein hohes Maß an Customization (Zittrain 2006).
Innovationsprozesse werden dabei zunehmend dynamisch und aus Unternehmenssicht
unvorhersehbar und unsteuerbar (Yoo et al. 2012). Aufmerksamkeit und Reaktions-
fähigkeit sind hier wichtige Erfolgsfaktoren.
130 M. Kolloch und F. Reck

7.3 Kundengetriebene Innovation im digitalen Kontext –


Das 5 A-Modell

Wie oben beschrieben bringen digitale Innovationen neue Herausforderungen für das
betriebliche Innovationsmanagement mit sich. Um diese zu bewältigen, benötigen Unter-
nehmen passende Techniken und Werkzeuge (Hidalgo und Albors 2008). Die Integration
von Kunden in die eigenen Innovationsprozesse kann hier von großem Nutzen sein, wes-
wegen wir im Folgenden den Beitrag kundengetriebener Innovation zur erfolgreichen
digitalen Transformation von Produkten, Dienstleistungen und Geschäftsmodellen im
Detail untersuchen und erläutern. Wir nutzen dabei ein verhältnismäßig breites Verständ-
nis des Begriffes, sodass unsere Definition von kundengetriebener Innovation all die-
jenigen Methoden und Vorgehensweisen beschreibt, bei denen ein Unternehmen aktiv
mit einzelnen oder einer Gruppe seiner Kunden interagiert, Ideen generiert, diese Ideen
aufnimmt und in neue Produkte und Dienstleistungen einfließen lässt (Desouza et al.
2008). Diese Definition umfasst so eine Vielzahl an Einzelmethoden, wie beispielsweise
Lead User Workshops (von Hippel et al. 1999), Crowdsourcing (Afuah und Tucci 2012),
oder User Design Kits (Nambisan 2002).
Insgesamt existieren viele Indizien dafür, dass der Kunde als Innovator im Zuge der
Digitalisierung an Bedeutung gewinnt. Der oben beschriebenen Logik der verstärkten
geografischen Dispersion und Dezentralisierung von Innovationsaktivitäten folgend (Yoo
et al. 2010), bestätigt die empirische Forschung weitgehend, dass einerseits die Möglich-
keiten der Kundenintegration bei der Entwicklung digitaler Technologien deutlich breiter
sind (West und Gallagher 2006), anderseits Kunden sowohl eine aus Unternehmens-
sicht hochrelevante und dringend benötigte Wissensbasis bereitstellen können als auch
meist die Motivation besitzen, genau das zu tun (Frey et al. 2011). Auch in den von uns
geführten Interviews war die Einstellung der Befragten gegenüber kundengetriebener
Innovation grundsätzlich positiv. Alle befragten Manager sahen Kundenintegration als
einen wichtigen Baustein im Hinblick auf die Generierung digitaler Innovationen an. Der
Leiter des Innovationsmanagements eines mittleren deutschen Stadtwerks fasst dies in
die folgenden Worte:

Den Kunden aktiv bei Innovationen einzubinden, oder naja, besser sogar noch Innovationen
direkt vom Endnutzer zu übernehmen, das erlaubt es uns, die Digitalisierung der Energie-
versorgung voranzutreiben. Wenn wir digitale Innovationen erfolgreich auf dem Markt plat-
zieren möchten, dann ist es unabdingbar, dass wir die Bedürfnisse unserer Kunden auch
tatsächlich treffen. Da weiß der Kunde besser als jede Marktforschung, was er möchte.

Eine einfache „positiv oder negativ“-Antwort genügt auf die Frage nach dem Nutzen
kundengetriebener Innovation im Kontext der Digitalisierung allerdings nicht. Die For-
schung der letzten Jahre hat gezeigt, dass je nach Anwendungskontext die Einbindung
7  Kundengetriebene Innovation und Digitalisierung 131

von Kunden in Innovationsvorhaben sehr unterschiedlichen Erfolg haben kann (Greer


und Lei 2012). Während die einen Autoren so die Einbeziehung von Kunden als das
zentrale Merkmal erfolgreicher Innovationsinitiativen preisen (Cooper 1999), streichen
andere die hohen Kosten und mögliche Risiken heraus, die dazu führen, dass Kunden-
integration in ebenso vielen Fällen in der Praxis in Misserfolgen resultiert (Enkel et al.
2005). Kundengetriebene Innovation sollte deshalb weniger als Allheilmittel bzw. als
für den Innovationserfolg unabdingbarer Prozessbaustein, sondern als eine mögliche
Methode mit spezifischen Stärken und Schwächen, die je nach Anwendungszweck mal
mehr, mal weniger ins Gewicht fallen, betrachtet werden (Schaarschmidt und Kilian
2014). Die Frage, die sich Unternehmen im Hinblick auf den Gebrauch von Methoden
zur Kundenintegration bei digitalen Innovationen stellen müssen, lautet deshalb nicht
„ob?“ sondern vielmehr „wann und zu welchem Zweck?“.
Die Aussagen unserer Interviewpartner zeichnen ebenfalls ein sehr differenzier-
tes Bild vom Nutzen der Kundenintegration bei digitalen Innovationsvorhaben. Die
Erfahrungen der befragten Manager und Wissenschaftler sprechen dafür, dass der
potenziell positive Einfluss von kundengetriebener Innovation nicht aus einem, sondern
aus einer Reihe unterschiedlicher Effekte resultiert. Insgesamt zeigten sich im Rah-
men der Interviews fünf eindeutig verschiedene Wirkmechanismen, die jeweils einen
spezifischen Beitrag kundengetriebener Innovation zur erfolgreichen Bewältigung der
Herausforderungen der digitalen Transformation erklären. Diese fünf Wirkmechanis-
men bestimmen dabei, für welche Anwendungszwecke Kundenintegration sinnvoller-
weise genutzt werden sollte und bringen jeweils spezifische Nutzenpotenziale und
Implementierungsbarrieren mit sich. Das von uns entwickelte 5 A-Modell umfasst all
diese Teilaspekte und erlaubt einen differenzierten Blick auf den Auswirkungen kunden-
getriebener Innovationen auf die Digitalisierungsbemühungen von Unternehmen (siehe
Abb. 7.3). Im Folgenden stellen wir die fünf Dimensionen ausführlich dar.

Abb. 7.3  Das 5A-Modell
132 M. Kolloch und F. Reck

7.3.1 A1 – Akzeptanz

Die erste Dimension unseres Modells ist Akzeptanz. Über die Interviews hinweg wurde
dieses Themenfeld deutlich am häufigsten von den befragten Experten angesprochen.
Der Direktor eines weltweit führenden Forschungsinstituts für Energiewirtschaft
erläutert: „While talking about innovation in the energy sector the main argument is
always about how the market reacts. From my point of view acceptance is always one of
the main factors. Without having your customers to accept or approve your idea it seems
questionable whether you will have success at all“. Die Steigerung der Akzeptanz spielt
so im Kontext digitaler Innovation eine entscheidende Rolle. Wie oben unter dem Punkt
„Digital Materiality“ beschrieben, bringen die „smarten“ Fähigkeiten digitaler Techno-
logien oft Bedenken und Widerstände beim Endnutzer mit sich. Unsere Untersuchungen
zeigen, dass gerade in der Energiewirtschaft viele Produkt- und Dienstleistungs-
innovationen den privaten Wohnraum und somit die Privatsphäre der Endkunden
betreffen. Systeme zur intelligenten Regelung des Energieverbrauchs sind beispielsweise
je nach Funktionsumfang in starkem Umfang invasiv. Diese digitalen Systeme können
umfangreiche Daten über das Verhalten des Endnutzers sammeln und auswerten. Viele
potenzielle Kunden haben derzeit starke Bedenken im Hinblick auf Datenschutz und
befürchten eine Überwachung durch Smart Metering und Smart Home Applikationen.
In diesem zentralen Problemfeld kann kundengetriebene Innovation eine wichtige Rolle
spielen, da diese Methode dabei helfen können, die Akzeptanz von Kunden im Hinblick
auf digitale Innovationen zu erhöhen (siehe Abb. 7.4). Kundengetriebene Innovation
trägt somit zur Lösung einer der mit der Erstellung eines digitalen Leistungsangebots in
der Energiewirtschaft verbundenen Kernherausforderungen bei.
Die Einbindung von Kunden in die Entwicklung komplexer physisch-digitaler Sys-
teme kann Bedenken abbauen und so Diffusionsbarrieren überwinden. Mehrere der

Abb. 7.4  Überblick A1 – Akzeptanz
7  Kundengetriebene Innovation und Digitalisierung 133

betrachteten Unternehmen bieten Testpakete von Smart Home Applikationen einer limi-
tierten Anzahl an Haushalten für einen klar begrenzten Einsatzzeitraum zwischen 3 und
12 Monaten an. Dieser Ansatz wird genutzt, um die Nutzungsfrequenz und Leistungs-
fähigkeit einzelner Funktionen zu identifizieren und dazu Feedback von den Anwendern
zu erhalten. Der iterative, von Interaktion zwischen Energieversorger und Endnutzer
geprägte Prozess ist dabei aus Kundensicht sehr transparent. Durch den limitierten
Funktionsumfang und den Austausch mit dem Anbieter erhält der Kunde einen detail-
lierten Einblick in die gesammelten Daten, kann nachvollziehen, wie diese verwendet
werden und hat die Möglichkeit, Unbehagen sofort zu äußern. Durch diesen begrenzten
und transparenten Anwendungskontext können Bedenken abgebaut und im Bestfall sogar
Befürworter und Multiplikatoren der jeweiligen digitalen Innovation geschaffen werden.
Allerdings bestehen einige Schwierigkeiten bei der Realisierung der genannten
Nutzenpotenziale. Vor allem die Auswahl und Gewinnung von Probanden erweist
sich oft als Hindernis für eine effektive Umsetzung der Kundenintegration und zur
Erreichung des Ziels der Akzeptanzsteigerung. Energieversorger stehen hier vor
dem Problem, dass meist nur bei einem limitierten Personenkreis Interesse an einer
Beteiligung an Innovationsprozessen besteht. Dieser Personenkreis ist oft technisch affin
und von sich aus an „smarten“ Technologien und digitalen Leistungsangeboten interes-
siert. Bedenkenträger werden hier oft nicht erreicht, sodass Bemühungen zum Abbau
von Befürchtungen beim Endnutzer oft ins Leere laufen. Auf der anderen Seite können
Fehler in der jeweiligen technologischen Anwendung oder Datenlecks auch dazu führen,
dass im Hinblick auf die Akzeptanz der Endnutzer genau das Gegenteil des gewünschten
Effektes eintritt. Einige der Energieversorger sehen hier das Risiko, dass Technologie-
fehler, die sich durch die Zusammenarbeit mit den Kunden offenbaren, schnell öffent-
liche Aufmerksamkeit generieren und eine übertrieben negative Reaktion in Medien
und Gesellschaft nach sich ziehen. Vielversprechende Innovationsvorhaben können so
beträchtlich verzögert oder sogar vollkommen gestoppt werden.

7.3.2 A2 – Attraktivität

Der zweite Wirkmechanismus, durch den kundengetriebene Innovation zu einer erfolg-


reichen digitalen Transformation des Leistungsangebots eines Unternehmens beitragen
kann, ist die Steigerung der eigenen Attraktivität in den Augen des Endnutzers. Im Ver-
gleich zur ersten Dimension „Akzeptanz“ geht es hierbei nicht um den reinen Abbau von
Diffusionsbarrieren bei einzelnen Neuprodukten oder Dienstleistungen, sondern um die
Stärkung der eigenen Marke und den Aufbau von Begierde beim Kunden für die vom
Unternehmen angebotenen Produkte und Dienstleistungen. Das Themenfeld „Attraktivi-
tät“ behandelt somit deutlich breitere Imagethemen und den proaktiven Aufbau eines
positiven Bilds des betrachteten Unternehmens in der Wahrnehmung des Kunden. Auch
hier kann Kundenbeteiligung in Innovationsvorhaben eine sehr positive Wirkung haben
(siehe Abb. 7.5).
134 M. Kolloch und F. Reck

Abb. 7.5  Überblick A2 – Attraktivität

Die Wichtigkeit der Steigerung der eigenen Attraktivität im Rahmen der digita-
len Transformation ist vor allem durch die konvergente Natur digitaler Innovationen
begründet. Durch das Zusammenwachsen ehemals getrennter Branchen und Industrie-
sektoren ergeben sich für die beteiligten Unternehmen generell zahlreiche neue
Geschäftschancen. Auch die befragten Experten aus der Energiebranche berichten von
großen Möglichkeiten, die eigenen Kompetenzen im Hinblick auf Energieinfrastrukturen
im Bereich der Elektromobilität, des Smart City Managements oder der Wohnraumauto-
matisierung einzubringen. Allerdings herrscht in diesen Innovationsfeldern ein intensiver
Wettbewerb zwischen Unternehmen und Industrien um die Etablierung technologischer
Standards und vor allem die Besetzung der Schnittstelle zum Endkunden. Im Hinblick
auf letzteres befinden sich Energieversorger in einer eher schlechten Ausgangssituation,
da ihre Produkte und Dienstleistungen vom Endnutzer meist als Basisgüter ohne jeg-
liches Begeisterungspotenzial gesehen werden. Der Leiter für Marktforschung eines
europäischen Forschungszentrums umschreibt diesen Zustand wie folgt: „Products like
electricity, gas or even heat are not “sexy” as tablets, cars or watches. But they are
indispensable for everyone“. Um eine führende Rolle in branchenübergreifenden digi-
talen Geschäftsmodellen einzunehmen, müssen Energieversorger somit Aufmerksamkeit
beim Kunden generieren und das eigene Leistungsangebot attraktiv darstellen. Nur so
kann das Umsatz- und Kontrollpotenzial an der Kundenschnittstelle erschlossen und ein
Abrutschen in die unprofitable Rolle des reinen Zuarbeiters vermieden werden.
Kundenbeteiligung in Innovationsvorhaben kann hier auf zweifache Art und Weise
helfen. Einerseits, kann die direkte Interaktion dazu dienen, dem Kunden die Leistungs-
fähigkeit des eigenen Produkt- und Serviceangebots effektiv zu vermitteln. Der
Geschäftsführer eines mittelgroßen Stadtwerks beschreibt beispielsweise das Ergeb-
nis eines Anwendungstests eines Neuprodukts mit folgenden Worten: „Die beteiligten
Kunden konnten so einfach besser die Auswirkungen des Produkts auf ihre persönliche
Situation, auf ihre Lebensqualität verstehen. Es ging plötzlich nicht mehr nur um Preis
7  Kundengetriebene Innovation und Digitalisierung 135

und Vertragsgestaltung, sondern um bessere Leistung, und tatsächliche Nutzenvor-


teile“. Andererseits hilft Kundenintegration Unternehmen dabei, die Bedürfnisse und
Wertesysteme des Kunden besser zu verstehen. So können eigene Leistungsangebote
passgenauer konfiguriert und kommuniziert werden. Ein Innovationsmanager aus der
Branche berichtet: „Wir hielten unsere Angebote für weitestgehend gleichwertig. Das
waren praktisch perfekte Substitute zur Konkurrenz. Erst durch die Kunden, durch
Gespräche und Feedback haben wir verstanden, dass bei denen „grün“ und „regio-
nal“ tatsächlich einen Einfluss haben“. Insgesamt kann kundenintegrierte Innovation
es Energieversorgern so ermöglichen, ein Image als leistungsfähiger und vertrauens-
würdiger Anbieter aufzubauen und somit eine größere Chance auf die Realisierung neuer
Umsatzpotenziale durch digitale Innovationen zu erhalten.
Auch die attraktivitätssteigernde Wirkung der Kundenintegration wird jedoch von
mehreren Barrieren behindert. Im Hinblick auf die effektivere Kommunikation des eige-
nen Leistungsangebots wirkt beispielsweise die begrenzte Anzahl der im Rahmen von
Innovationsvorhaben beteiligten Kunden limitierend. Zur Schaffung flächendeckender
Aufmerksamkeit sind hier weitere Schritte notwendig, beispielsweise die Sicherstellung
einer umfangreichen Medienberichterstattung über die innovative Zusammenarbeit mit
den eigenen Kunden, Aufbereitung und Verbreitung von Erfolgsgeschichten über soziale
Medien und die Befähigung von Multiplikatoren. Hinsichtlich der Nutzung gewonnener
Informationen zur Erstellung besserer Leistungsangebote ist es notwendig, das Feed-
back von Kunden im breiteren Kontext zu betrachten. Hier zählt nicht nur die absolute
Bewertung, sondern der relative Vergleich des eigenen Produkts im Hinblick auf die
mehr und mehr branchenübergreifende Konkurrenz. Nur wenn in den wirklich relevanten
Leistungsmerkmalen ein Vorsprung besteht, lässt sich die Attraktivität in den Augen des
Kunden steigern.

7.3.3 A3 – Affektion

Das dritte behandelte Thema im Spannungsfeld zwischen kundengetriebener Innova-


tion und Digitalisierung ist „Affektion“ (siehe Abb. 7.6). Der Fokus liegt hier auf der
emotionalen Bindung des Endnutzers zum jeweiligen Unternehmen. Die Aussagen der
befragten Experten umschreiben diesen Wirkmechanismus als „Gefühl der Teilhabe“,
„Verbundenheitsempfinden zu unserem Unternehmen“ oder „Motivation, einen Beitrag
zu leisten“. Eine hohe Affektion ist vor allem im Hinblick auf die immer dezentraleren
Entstehungs- und Entwicklungsprozesse digitaler Innovationen notwendig, vor allem
durch den im Zuge der Digitalisierung stattfindenden Wandel des Endnutzers vom „Con-
sumer“ zum „Prosumer“. Die Realisierung eines smarten Energieversorgungssystems
bedarf neben technologischen Innovationen einer Reihe von sozialen Innovationen,
d. h. der Herausbildung soziokultureller und organisatorischer Praktiken durch die eine
136 M. Kolloch und F. Reck

Abb. 7.6  Überblick A3 – Affektion

d­igitale Technologie in den jeweiligen Nutzungskontext eingebettet wird (Maruyama


et al. 2007). Während das einfachste Beispiel einer solchen sozialen Innovation die
Anpassung der Verbrauchs- und Nutzungsgewohnheiten durch den Endkunden ist, könnte
sich im Bereich der Energieversorgung die komplette Organisation der Wertschöpfungs-
kette stark verändern. Die Bandbreite an denkbaren neuen Nutzungs-, Erzeugungs- und
Koordinationsformen ist riesig, in den meisten spielt der Kunde eine deutlich aktivere
Rolle als bisher. Um die sich daraus bietenden Chancen zu nutzen und adäquate Produkte,
Dienstleistungen und Ecosyteme zu schaffen, sind interaktionale anstelle von transaktio-
nalen Beziehungen notwendig. Je mehr die Kunden eines Unternehmens das Gefühl der
Teilhabe und Mitwirkung an dessen Geschäftsmodell besitzen, desto eher lassen sich die
Möglichkeiten intelligenter Energieversorgung ausschöpfen.
Kundenintegration stellt ein probates Mittel zur Vertiefung der emotionalen Bin-
dung vom Endnutzer zum Unternehmen dar. Sowohl Online- als auch Offline-Methoden
der Kundenbeteiligung in Innovationsvorhaben nennen die befragten Experten hier als
hilfreich. Dies hat mehrere Gründe. Erstens schafft ein Unternehmen allein durch das
Angebot der Beteiligungsmöglichkeit einen Einstiegspunkt in eine interaktive Beziehung
mit dem Endkunden. So berichten Manager, dass auch Nichtteilnehmer ein generell
positives Feedback abgaben, da sie die bloße Einladung bereits als Wertschätzung von
Unternehmensseite verstanden. Bei den Teilnehmern von Ideenwettbewerben, User-
Innovation-Workshops oder Praxistests neuer Leistungsangebote entwickelt sich erwar-
tungsgemäß eine noch deutlich tiefere Affektion. Durch das Investment von Zeit und
Energie wachsen bei diesen Kunden Gefühle von Teilhabe, Stolz und Verbundenheit. Je
nach Intensität der Interaktion im Rahmen des Innovationsvorhabens trägt Kundenbetei-
ligung zudem zum Kennenlernen der „menschlichen“ Seite des Unternehmens bei. So
entstehende Beziehungen auf persönlicher Ebene können zusätzlich zur Stärkung der emo-
tionalen Bindung beitragen. Ein Innovationsmanager eines größeren Energieversorgers
7  Kundengetriebene Innovation und Digitalisierung 137

bestätigt dies: „Wir hatten mehrere Kunden zu Workshops hier bei uns, haben persönlich
mit diesen zusammengearbeitet, zusammengesessen […]. Da entwickelt sich automatisch
eine Verbindung, ein Zusammengehörigkeitsgefühl […] das überträgt sich dann natürlich
auch aufs Unternehmen“.
Emotionale Beziehungen sind allerdings sehr sensibel, sodass bei deren Entwicklung
zahlreiche Hindernisse existieren. So muss das Unternehmen dem Kunden das Gefühl
vermitteln, tatsächlich etwas bewirken zu können. Wird beispielsweise das Ergebnis
einer von unternehmens- und kundenseitig Beteiligten positiv bewerteten Innovations-
initiative durch interne Restriktionen gekippt, kann dies eine sehr negative Signal-
wirkung in Richtung des Endnutzers haben. Hier ist vor allem Erwartungsmanagement
notwendig. Zudem kann der Übergang von der oft überzogenen Anfangseuphorie im
Rahmen kundengetriebener Innovation hin zu einer produktiven und realistischen
Zusammenarbeit Probleme bereiten. Zuletzt nimmt die emotionale Bindung natürlicher-
weise mit der Zeit ab, sodass Beziehungspflege- und -instandhaltungsmaßnahmen not-
wendig werden.

7.3.4 A4 – Aktualität

Aktualität ist der vierte Wirkmechanismus, durch den kundengetriebene Innovation die
Chancen einer erfolgreichen digitalen Transformation von Unternehmen erhöhen kann.
Wie oben angesprochen tragen die Eigenschaften digitaler Technologien zur Verkürzung
von Innovationszyklen und zur erhöhten Wichtigkeit des Zeitfaktors im Innovations-
wettbewerb bei. Die Zeitspanne, in der eine Produktversion profitabel abgesetzt werden
kann, verkürzt sich auch in traditionell eher stabilen Branchen wie dem Energiesektor.
Lange Entwicklungszeiten oder gar der Abbruch von Innovationsprojekten besitzen des-
halb drastische Folgen. Auch für den Fall, dass ein neues Angebot schnell an den Markt
gebracht werden kann, ist es unbedingt notwendig, dass Kundenbedürfnisse zielgenau
erfüllt werden, da Nachbesserungen und niedrige Diffusionsgeschwindigkeiten das
Profitabilitätsfenster einer Innovation weiter einschränken. Der CFO eines mittelgroßen
lokalen Energieversorgers merkt dazu folgendes an: „Wir können es uns einfach nicht
mehr leisten, dass Innovationsprojekte fehlschlagen. Die ganze Industrie verändert sich
rapide, durch die Digitalisierung, durch die Energiewende, auch durch Regulierungen.
Da müssen wir die Kundenwünsche direkt treffen. Wir haben nicht mehr die Ressourcen,
Fehler zu kompensieren“.
Kundengetriebene Innovation kann auf mehrere Art und Weisen dabei helfen, Aktuali-
tät der eigenen Innovationstätigkeit zu steigern und somit die Herausforderung der höhe-
ren notwendigen Innovationsgeschwindigkeit zu bewältigen. Erstens dienen Kunden
dem Unternehmen als „Informationsantennen“, die eine deutlich breitere Perspektive auf
Technologie- oder Verhaltenstrends besitzen als Brancheninsider. Kunden können somit
auf Entwicklungen hinweisen, die außerhalb der derzeitigen Geschäftstätigkeit und somit
der direkten Aufmerksamkeitsspanne eines Unternehmens liegen. Zweitens können
138 M. Kolloch und F. Reck

neue Produkt- und Dienstleistungskonzepte mithilfe von Kundenbeteiligung frühzeitig


validiert und gegebenenfalls modifiziert werden. Das Fehlschlagrisiko von Innovations-
vorhaben sinkt somit. Drittens können Kundenideen mit hohem Reifegrad, im Idealfall
sogar fertige Konzepte oder Anwendungen, vom Unternehmen übernommen und deren
Vermarktung skaliert werden. Das Unternehmen sorgt somit für neue Leistungsangebote,
ohne dabei selbst Ressourcen in Innovationsprojekte „from the scratch“ zu investieren.
Der Leiter des Produktmanagements eines Green Energy Start-ups beschreibt die
Handlungsweise seines Unternehmens deshalb so:

Aus unserer Sicht ist das eigentlich ziemlich einfach. Forschung und Entwicklung kostet
Geld, das wir eigentlich nicht haben. Deshalb gucken wir, dass wir in puncto Innovation
schnell auf Entwicklungen oder interessante Ideen reagieren und kopieren. […] Da kommt
oft auch was von Kunden, die haben selbst oft tollen Einfallsreichtum. […] Die Sachen
kommen dann am Markt auch gut an.

Auch in puncto Aktualität gibt es einige Umsetzungsbarrieren. Diese liegen darin


begründet, dass Kundenwissen oft „sticky“ ist (von Hippel 1994), d. h. oft nur schwer
vom Kunden artikuliert und meist noch schwerer vom Unternehmen interpretiert wer-
den kann. Die Bewertungen von Produktkonzepte durch Kunden sind so mit Vorsicht zu
gebrauchen, auch Beobachtungen des Nutzungsverhaltens liefern oft ein verzerrtes Bild.
Verschiedene Methoden haben hier unterschiedliche Stärken und Schwächen, Limi-
tationen im Hinblick auf die Akkuratheit der gewonnenen Einblicke bestehen aber bei
jeder von diesen. Neben den Schwierigkeiten beim Erhalt aussagekräftiger und valider
Informationen im Rahmen kundengetriebener Innovation, ist auch das Treffen von Rück-
schlüssen aus der begrenzten Anzahl an einem Innovationsvorhaben beteiligter Kunden
auf die Gesamtheit der potenziellen Nutzer eines Leistungsangebots oft problematisch.
Auch hier ist Vorsicht geboten, da aufgrund von mangelnder Technologieaffinität oder
auch mangelnder verfügbarer Freizeit gewisse Bevölkerungsgruppen oft weniger häufig
Angebote zur Beteiligung an Innovationen wahrnehmen (ein Leiter eines Forschungs-
instituts nennt beispielsweise „Studenten“ und „Rentner“ als klar überrepräsentierte
Gruppen; Abb. 7.7).

7.3.5 A5 – Anpassung

Zuletzt kann kundengetriebene Innovation dazu beitragen, die Anpassungsfähig-


keit des Unternehmens und seines Leistungsangebots zu erhöhen. Damit unterstützt
Kundenintegration die Bewältigung der durch den generativen Charakter digitaler Inno-
vationen entstehenden Herausforderungen. Diese liegen darin, dass technologische Ent-
wicklungspfade durch die Möglichkeit der einfachen Modifikation digitaler Artefakte
aus Unternehmenssicht immer unvorhersehbarer und unkontrollierbarer werden. Der
Geschäftsführer eines der Energieversorger meint dazu: „Das ist halt so eine Sache
mit Innovation in unserer Branche derzeit. Da sind so viele Entwicklungen derzeit auf
7  Kundengetriebene Innovation und Digitalisierung 139

Technologie- und Verbraucherseite […] da muss nur mal eins mit dem anderen richtig
zusammenkommen, dann hat das Auswirkungen auf die Branche wie Fukushima“. Diese
Änderungen können dabei oft in kürzester Zeit Wettbewerbsvorteile obsolet werden las-
sen und Umsatzpotenziale verschieben. Anstelle von Komplettpaketen an Produkten und
Dienstleistungen kann der Kunde so oft Zusatzleistungen von verschiedenen Anbietern
beziehen, sollten die Leistungsangebote eines Unternehmens nicht seinem individuel-
len Geschmack entsprechen. Um einer Desintegration entgegenzuwirken und profitable
Wertquellen zu erschließen, müssen Unternehmen variantenreiche Leistungsangebote
aufbauen und deren flexible Anpassung und Erweiterung gewährleisten.
Auch hier können verschiedene Methoden der Kundenintegration in Innovations-
vorhaben einen wertvollen Beitrag leisten. Einerseits wird das Verständnis des Unter-
nehmens über Kundenbedürfnisse aktualisiert und verfeinert. Trends können so
frühzeitig erkannt, aber auch hinsichtlich ihres Einflusses auf verschiedene Nutzer-
gruppen differenziert werden. Andererseits gewinnt das Unternehmen Einblick darin,
wie es eigenständige Innovationsbemühungen der Kunden stimulieren und unterstützen
kann, sodass Modifikationen in das Leistungsangebot integriert werden können und
Kunden somit selbst zu dessen Customization beitragen. Neben den oben bereits in den
Punkten „Affektion“ und „Aktualität“ genannten Hindernissen, können vor allem unter-
nehmensinterne Faktoren verhindern, dass kundengetriebene Innovation die Anpassungs-
fähigkeit verbessert. Die Organisation muss dabei aufnahme- und reaktionsbereit im
Hinblick auf die Erweiterung des eigenen Leistungsangebots sein und die Kapazität
besitzen, Variantenreichtum effektiv und effizient zu koordinieren. Auch fehlt es oft an
Designschnittstellen, über die Endnutzer einfach neue Funktionalitäten bei einem Pro-
dukt generieren und anderen verfügbar machen können. Die Umsetzung ist deshalb aus
Sicht der befragten Experten bislang schwierig (Abb. 7.8).

Abb. 7.7  Überblick A4 – Aktualität
140 M. Kolloch und F. Reck

Abb. 7.8  Überblick A5 – Anpassung

7.4 Fazit

Digitale Innovationen stellen Unternehmen vor neue Herausforderungen und bedürfen


geeigneter Vorgehensweisen und Managementwerkzeuge. Vor allem Unternehmen aus
Industrien mit langjähriger Stabilität und gefestigter Branchenstruktur richten aktuell
ihr betriebliches Innovationsmanagement neu aus und suchen dabei nach dem sprich-
wörtlichen „Stein der Weisen“ im Hinblick auf die digitale Transformation. Die zahl-
reichen unter dem Oberbegriff „Kundengetriebene Innovation“ zusammengefassten
Einzelmethoden zur Beteiligung von Kunden an Innovationsvorhaben stellen aufgrund
ihres branchenübergreifend vielfältigen Einsatzes eines der populärsten und als erfolg-
versprechend angesehenen Tools zur Unterstützung des Entwicklungs- und Diffusions-
prozesses digitaler Innovationen dar. Unsere Arbeit zeigt, dass diese Einschätzung
durchaus berechtigt ist. Allerdings ist kundengetriebene Innovation kein umfassendes
Wundermittel, das bei Anwendung Innovationserfolg garantiert. Berichte über Probleme
und Fehlschläge deuten darauf hin, dass eine deutlich differenziertere Sichtweise auf die
Wirkmechanismen von Kundenintegration im Kontext digitaler Innovationen vonnöten ist.
Das entwickelte 5A-Modell fasst deshalb die gewonnenen Erkenntnisse zusammen
und liefert Antworten auf die Fragen ob und warum kundengetriebene Innovation eine
erfolgreiche digitale Transformation des Leistungsangebots von Unternehmen unter-
stützt, mit welchem Zweck die Methode eingesetzt werden kann und welche Hindernisse
für die erfolgreiche Umsetzung der Kundenintegration in Innovationsvorhaben bestehen.
Basierend auf den Ergebnissen unserer Expertenbefragung können wir dabei feststellen,
dass Kundenbeteiligung über fünf unterschiedliche Wirkmechanismen einen positiven
Einfluss auf digitale Innovationen ausüben kann. Diese fünf Mechanismen adressieren
zentrale Herausforderungen des Innovationsmanagements im digitalen Kontext und tra-
gen zu deren erfolgreicher Bewältigung bei. Die Themen „Akzeptanz“, „Attraktivität“,
7  Kundengetriebene Innovation und Digitalisierung 141

„Affektion“, „Aktualität“ und „Anpassung“ bestimmen demnach auch die möglichen


Anwendungsziele für kundengetriebene Innovation. Je nachdem, welches Ziel ver-
folgt wird, bringt kundengetriebene Innovation spezifische Nutzenpotenziale, aber auch
spezifische Hindernisse für die Realisierung dieser mit sich. In der Praxisanwendung
sollten sowohl Nutzenpotenziale als auch Umsetzungsbarrieren berücksichtigt und
für die konkrete Ausgestaltung der Kundenbeteiligung in Innovationsvorhaben heran-
gezogen werden. Das 5A-Modell kann Unternehmen somit einerseits dabei helfen, den
Anwendungszweck kundengetriebener Innovation klar zu definieren, um so andererseits
die Nutzung der Methode zielorientiert zu planen und letztendlich effektiv umzusetzen.

Literatur

Afuah A, Tucci CL (2012) Crowdsourcing as a Solution to Distant Search. Acad Manage Rev 37:
355–375
Arthur WB (2009) The Nature of Technology: What It Is and How It Evolves. Free Press, New York
Barrett M, Davidson E, Prabhu J, Vargo SL (2015) Service Innovation in the Digital Age: Key
Contributions and Future Directions. MIS Quart 39: 135–154
Bauer R (2006) Gescheiterte Innovationen: Fehlschläge und technologischer Wandel. Campus,
Frankfurt
Beerepoot M, Beerepoot N (2007) Government Regulation as an Impetus for Innovation: Evidence
from Energy Performance Regulation in the Dutch Residential Building Sector. Energ Policy
35: 4812–4825
Berente N, Srinivasan N, Yoo Y, Boland RJ, Lyytinen K (2007) Binate Diversity and the Rolling
Edge of Design Networks. Proceedings of the 28th ICIS, Montreal/QC, 9.–12. Dezember
Boudreau K (2012) Let a Thousand Flowers Bloom? An Early Look at Large Numbers of Software
App Developers and Patterns of Innovation. Org Sci 23: 1409–1427
Castellion G, Markham SK (2013) New Product Failure Rates: Influence of Argumentum Ad
Populum and Self‐Interest. J Prod Innovat Manage 30: 976–979
Cooper RG (1999) The Invisible Success Factors in Product Innovation. J Prod Innov Manage 16:
115–133
Desouza KC, Awazu Y, Jha S, Dombrowski C, Papagari S, Baloh P, Kim JY (2008) Customer-­
Driven Innovation. Res Technol Manage 51: 35–44
Edelmann H (2015) Gewohnte Wege verlassen: Innovation in der Energiewirtschaft. Ernst &
Young GmbH, Düsseldorf
Enkel E, Kausch C, Gassmann O (2005) Managing the Risk of Customer Integration. Eur Manage
J 23: 203–213
Frey K, Lüthje C, Haag S (2011) Whom Should Firms Attract to Open Innovation Platforms? The
Role of Knowledge Diversity and Motivation. Long Range Plann 44: 397–420
Gassmann O, Enkel E (2006) Open Innovation. zfo 75: 132–138
Gawer A, Cusumano MA (2013) Industry Platforms and Ecosystem Innovation. J Prod Innovat
Manage 31: 417–433
Greer CR, Lei D (2012) Collaborative Innovation with Customers: A Review of the Literature and
Suggestions for Future Research. Int J Manage Rev 14: 63–84
Hartmann P, Ibáñez VA (2007) Managing Customer Loyalty in Liberalized Residential Energy
Markets: The Impact of Energy Branding. Energ Policy 35: 2661–2672
142 M. Kolloch und F. Reck

Henfridsson O, Mathiassen L, Svahn F (2014) Managing Technological Change in the Digital Age:
The Role of Architectural Frames. J Inform Technol 29: 27–43
Hidalgo A, Albors J (2008) Innovation Management Techniques and Tools: A Review from Theory
and Practice. R&D Manage 38: 113–127
Kolloch M, Reck F (2017) Innovation Networks in the German Energy Industry: An Empirical
Analysis of Inter-Organizational Knowledge Transfer. Int J Energ Sect Manage 11: 268–294
Kurzweil R (2006) The Singularity is Near: When Humans Transcend Biology. Viking Penguin,
New York
Law J, Urry J (2004) Enacting the Social. Econom Soc 33: 390–410
Lee J, Berente N (2012) Digital Innovation and the Division of Innovative Labor: Digital Controls
in the Automotive Industry. Organ Sci 23: 1428–1447
Lettl C (2007) User Involvement Competence for Radical Innovation. J Eng Technol Manage 24:
53–75
Maruyama Y, Nishikido M, Iida T (2007) The Rise of Community Wind Power in Japan: Enhanced
Acceptance through Social Innovation. Energ Policy 35: 2761–2769
Müller R, Steinert M, Teufel S (2008) Successful Diversification Strategies of Electricity Com-
panies: An Explorative Empirical Study on the Success of Different Diversification Strategies
of German Electricity Companies in the Wake of the European Market Liberalization. Energ
Policy 36: 398–412
Nambisan S (2002) Designing Virtual Customer Environments for New Product Development:
Toward a Theory. Acad Manage Rev 27: 392–413
Parmar R, Mackenzie I, Cohn D, Gann D (2014) The New Patterns of Innovation. Harv Bus Rev
92: 1–11
Porter ME, Heppelmann JE (2014) How Smart, Connected Products are Transforming Competition.
Harv Bus Rev 92: 64–88
Reichwald R, Engelmann M, Meyer A, Walcher D (2007) Der Kunde als Innovationspartner. Gabler,
Wiesbaden
Richter M (2013) Business Model Innovation for Sustainable Energy: German Utilities and
Renewable Energy. Energ Policy 62: 1226–1237
Schaarschmidt M, Kilian T (2014) Impediments to Customer Integration into the Innovation Process:
A Case Study in the Telecommunications Industry. Eur Manage J 32: 350–361
Seran S, Izvercian M (2014) Prosumer Engagement in Innovation Strategies: The Prosumer
Creativity and Focus Model. Manage Decis 52: 1968–1980
Svahn F, Henfridsson O, Yoo Y (2009) A Thressome Dance of Agency: Mangling the Sociomate-
riality of Technological Regimes in Digital Innovation. Proceedings of the 30th ICIS, Phoenix/
AZ, 15.–18. Dezember
von Hippel E (1994) “Sticky Information” and the Locus of Problem Solving: Implications for
Innovation. Manage Sci 40: 429–439
von Hippel E, Thomke S, Sonnack M (1999) Creating Breakthroughs at 3M. Harv Bus Rev 77:
47–57
West J, Gallagher S (2006) Challenges of Open Innovation: The Paradox of Firm Investment in
Open‐Source Software. R&D Manage 36: 319–331
Yoo Y, Lyytinen KJ, Boland R, Berente N (2010) The Next Wave of Digital Innovation: Opportu-
nities and Challenges: A Report on the Research Workshop “Digital Challenges in Innovation
Research”. Temple University, Philadelphia/PA
Yoo Y, Boland RJ, Lyytinen K, Majchrzak A (2012) Organizing for Innovation in the Digitized
World. Org Sci 23: 1398–1408
Zittrain J (2006) The Generative Internet. Harv Law Rev 119: 1974–2040
7  Kundengetriebene Innovation und Digitalisierung 143

Dr. Michael Kolloch ist kaufmännischer Leiter der N-ERGIE Kraftwerke GmbH. Er promo-
vierte an der Otto-Friedrich-Universität Bamberg im Fachbereich Innovationsmanagement. Sein
Forschungsinteresse liegt auf den Problemstellungen und Herausforderungen des Innovations-
managements in der Energiebranche, insbesondere bei kommunalen Energieversorgern.

Fabian Reck, M.Sc ist wissenschaftlicher Mitarbeiter am Lehrstuhl für Betriebswirtschafts-


lehre, insbesondere Innovationsmanagement der Otto-Friedrich-Universität Bamberg und am
Kompetenzzentrum für Geschäftsmodelle in der digitalen Welt. Seine Forschung beschäftigt sich
mit dem Einfluss von Personen- und Unternehmensnetzwerken auf die erfolgreiche digitale Trans-
formation von Industrieunternehmen.
„Play to win“ versus „Play it safe“
Strategische Gestaltung eines innovationsförderlichen
8
Partnerportfolios und seine Bedeutung im
Digitalisierungskontext

Fabian Reck und Alexander Fliaster

Inhaltsverzeichnis

8.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146


8.2 Eigenschaften eines innovationsförderlichen Partnerportfolios. . . . . . . . . . . . . . . . . . . . . . 147
8.3 Aufbau und Entwicklung von Partnerportfolios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
8.3.1 Hindernisse beim Aufbau innovationsförderlicher Partnerportfolios . . . . . . . . . . . 152
8.3.2 Ungleichgewichte in der Zusammensetzung von Partnerportfolios bei
Innovationskooperationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
8.3.3 „Play to win“- und „Play it safe“-Portfolios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
8.4 Fazit und Handlungsempfehlungen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163

Zusammenfassung
In diesem Beitrag erläutern wir die Eigenschaften, die ein innovationsförderliches
Partnerportfolio besitzen sollte, und analysieren, mit welchen Herausforderungen
der Aufbau eines solchen Portfolios verbunden ist. Wir argumentieren aus theoreti-
scher Perspektive, dass Unternehmen generell zum Aufbau von homogenen „Play it
safe“-Netzwerken tendieren, und erläutern, warum diese Tendenz gerade bei der digi-
talen Transformation die Innovations- und Wettbewerbsfähigkeit unterminieren kann.

F. Reck (*) 
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: fabian.reck@uni-bamberg.de
A. Fliaster 
Lehrstuhl für Betriebswirtschaftslehre, insbesondere Innovationsmanagement
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: alexander.fliaster@uni-bamberg.de

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019 145
W. Becker et al. (Hrsg.), Geschäftsmodelle in der digitalen Welt,
https://doi.org/10.1007/978-3-658-22129-4_8
146 F. Reck und A. Fliaster

Basierend auf einer empirischen Studie in der deutschen Energiebranche verdeutlichen


wir diese Problematik und zeigen auf, dass sich die Partnerportfolios innovativer und
weniger innovativer Unternehmen signifikant unterscheiden. Während insgesamt die
Tendenz zu „Play it safe“-Netzwerken klar erkennbar ist, sind die Partnerportfolios der
innovationsstärksten Unternehmen eindeutig heterogener und ressourcenreicher. Top Per-
former gehen so insgesamt strategischer vor und verfolgen einen „Play to win“-Ansatz.

8.1 Einleitung

Digitalisierung führt zu einer mehr und mehr vernetzten Welt. Durch die Fähigkeit
zunehmend „smarter“ Objekte Daten miteinander auszutauschen und ihr jeweiliges Ver-
halten aufeinander anzupassen, entstehen einerseits neue Wirkbeziehungen und Abhängig-
keiten zwischen Technologien (Dellermann et al. 2017). In der Zukunftsvision eines
Mobilitätssystems autonom fahrender Verkehrsmittel stehen so beispielsweise Millionen
Fahrzeuge, Verkehrsregelungsanlagen, Auflade- oder Tankstellen und Abrechnungssysteme
für Straßennutzung in einem Gesamtsystem in Verbindung (Cacilo et al. 2015). Anderer-
seits entsteht bei der Entwicklung solch komplexer Systeme ein erheblicher Koordinations-
bedarf zwischen zahlreichen Unternehmen aus verschiedenen Branchen (Lee und Berente
2012). Einzelne Unternehmen besitzen dabei schlicht nicht die Kapazität, das breite Spek-
trum an notwendigen Kompetenzen und Fähigkeiten zur einer digitalen Innovation auf-
zubauen, zu erhalten und zu nutzen (Pittaway et al. 2004). In einer digitalen Welt findet
Innovation deshalb immer weniger in internen Prozessen einzelner Unternehmen, sondern
mehr und mehr in Kooperationen und Unternehmensnetzwerken statt (Boland et al. 2007).
Firmen sollten deshalb im Kontext der Digitalisierung verstärkte Aufmerksamkeit
auf die Entwicklung eines geeigneten Partnerportfolios legen. Ein solches Portfolio an
Kooperationspartnern (in der Netzwerktheorie oft auch als „Egonetzwerk“ bezeichnet)
erlaubt es dem jeweiligen Unternehmen, sich Ressourcen, Erfahrungen, Kompetenzen
und Marktpositionen der Partnerunternehmen zunutze zu machen (Oczan und Eisenhardt
2009). Aufgrund des so erreichten Ressourcenzugangs kann sich das Unternehmen auf
die Entwicklung seiner eigenen Kernkompetenzen fokussieren und diese in Kombination
mit der Expertise der Partnerunternehmen voll zur Geltung bringen (Wassmer 2010). Zur
Realisierung dieser Vorteile ist vor allem die Zusammensetzung des Partnerportfolios
entscheidend (Lavie 2007; Reck et al. 2017). Zahlreiche Studien zeigen beispielsweise,
dass Portfolios mit kompetenten, forschungsstarken, aber auch prominenten Partner-
unternehmen sich sehr positiv auf Innovations- und Unternehmensleistung auswirken
(z. B. Rothaermel 2001; Stuart et al. 1999). Im Idealfall kann ein „high-performing“
Partnerportfolio im Vergleich mit einem weniger geeigneten Netzwerk zu einem bis zu
25 % höheren Unternehmenswert führen (Reuer und Ragozzino 2006).
Allerdings stellt der Aufbau von solchen Partnerportfolios Firmen häufig vor ernstzu-
nehmende Probleme. Zum einen existieren zahlreiche Barrieren im Unternehmensumfeld,
welche die Entwicklung potenziell nutzenstiftender Partnerschaften erheblich erschweren.
Ob geografische Distanzen zwischen Unternehmen (Rosenkopf und Almeida 2003),
8  „Play to win“ versus „Play it safe“ 147

Prestigeunterschiede (Jensen und Roy 2008), oder erwartete Konflikte zwischen neuen
und bestehenden Partnern (Parise und Casher 2003) – der Handlungsspielraum von Unter-
nehmen im Hinblick auf neue Kooperationspartnerschaften ist generell begrenzt. Zum ande-
ren besitzen Unternehmen oft nicht die notwendigen Strategien, Strukturen und Prozesse für
die Entwicklung eines erfolgreichen Partnerportfolios (Schilke und Goerzen 2010). Dieser
Mangel an Aufmerksamkeit und Fähigkeiten im Bereich des Portfoliomanagements führt
dazu, dass Unternehmen ihren Handlungsspielraum sogar noch weiter eher einschränken,
anstatt diesen voll auszunutzen oder zu erweitern (Hoffmann 2007). Infolgedessen besitzen
Unternehmen oft ein sich aus den äußeren Rahmenbedingungen ergebendes Netzwerk
anstelle eines strategisch zusammengestellten und auf die Bedarfe der eigenen Innovations-
tätigkeit abgestimmten Partnerportfolios (Oczan und Eisenhardt 2009).
In diesem Beitrag werfen wir daher einen Blick auf die Herausforderungen, die bei
der Entwicklung eines geeigneten Partnerportfolios zur Generierung digitaler Innova-
tionen entstehen. Wir erläutern dabei die vier Charakteristika, die ein innovationsförder-
liches Partnerportfolio besitzen sollte, und stellen dar, mit welchen Herausforderungen
der Aufbau und Erhalt dieser Portfoliocharakteristika verbunden ist. Zur weiteren Fun-
dierung der theoriegeleiteten Argumente nutzen wir die Daten unserer aktuellen Studie
der 300 größten kommunalen Energieversorger in Deutschland. In der Online-Befragung
wurden insgesamt 661 Geschäftsführer und Innovationsmanager per Mail kontaktiert.
Der standardisierte Online-Fragebogen enthielt Fragen zu digitaler Transformation,
Innovationstätigkeit, Netzwerkmanagement und Zusammensetzung des Kooperations-
netzwerks des jeweiligen Unternehmens. Insgesamt beantworteten 126 der Befragten den
Fragebogen vollständig und wir erhielten Daten von 93 Unternehmen (­Rücklaufquote:
31,0 %). Basierend auf diesen empirischen Erkenntnissen zeigen wir auf, dass Unter-
nehmen generell zum Aufbau von „Play it safe“-Netzwerken und viel seltener zum
Aufbau von „Play to win“-Netzwerken tendieren. Abschließend leiten wir Handlungs-
empfehlungen ab, die helfen, dieser Tendenz entgegenzuwirken.

8.2 Eigenschaften eines innovationsförderlichen


Partnerportfolios

Der Wert eines Partnerportfolios im Hinblick auf die Innovationsleistung hängt stark von
der Zusammensetzung des Netzwerks ab. Dabei stellt das Partnerportfolio im Idealfall
dem betrachteten Unternehmen einen reichhaltigen, sich stetig entwickelnden Pool an
innovationsrelevanten Ressourcen zur Verfügung (Hoffmann 2007). Im Realfall hingegen
zeigt sich häufig, dass das Partnerportfolio eines Unternehmens bei falscher Zusammen-
setzung sogar negative Effekte auf dessen Innovationsleistung haben kann (Wadhwa und
Kotha 2006). Die aktuelle Innovations- und Netzwerkforschung hat wichtige Erkennt-
nisse darüber geliefert, durch welche Eigenschaften sich erfolgversprechende Partner-
portfolios kennzeichnen (Wassmer 2010). Es kristallisieren sich dabei vier grundlegende
Merkmale im Hinblick auf die Zusammensetzung des Egonetzwerks von Unternehmen
148 F. Reck und A. Fliaster

Abb. 8.1  Eigenschaften eines innovationsförderlichen Partnerportfolios im Überblick

heraus, die sich positiv auf die Innovationsleistung auswirken: Reichweite, Diversität,
Innovativität und Komplementarität (siehe Abb. 8.1). Diese werden im Folgenden näher
betrachtet:

• Reichweite: Die Reichweite – d. h. die Anzahl an Firmen, von denen das betrachtete
Unternehmen über seine Kooperationsbeziehungen Informationen, Expertise und
andere Ressourcen beziehen kann (Gulati et al. 2011) – ist der erste Faktor, in dem
sich nutzenstiftende Partnerportfolios von weniger nutzenstiftenden unterscheiden.
Dabei definiert sich die Reichweite eines Partnerportfolios nicht nur durch die Anzahl
der direkten Beziehungen zu anderen Unternehmen, sondern auch durch die Anzahl
der indirekten Beziehungen, in anderen Worten, die Anzahl der Kooperationspartner
der eigenen Partner (Ahuja 2000a). Mit einer steigenden Reichweite des eigenen Netz-
werks erschließen sich Unternehmen zwei wichtige Vorteile im Hinblick auf die eigene
Innovationstätigkeit. Zum einen erhöht sich dadurch das Volumen an Wissen und Res-
sourcen, auf die das betrachtete Unternehmen bei Innovationsvorhaben zugreifen kann
(Koka und Prescott 2002). Infolgedessen dürfte es dem Unternehmen eher gelingen,
neue Technologien, Lösungskonzepte und marktfähige Anwendungen zu entwickeln
(Baker et al. 2016). Zum anderen zeigt die Forschung, dass sich Informationen in
Netzwerken sehr effektiv und schnell verbreiten (Ahuja 2000a). Somit dient ein
Partnerportfolio mit hoher Reichweite als Sensor für neue Ideen. Dadurch erhöht sich
die Wahrscheinlichkeit, frühzeitig auf technologische Entwicklungen oder veränderte
Kundenbedürfnisse aufmerksam zu werden (Owen-Smith und Powell 2004).
• Diversität: Die zweite Eigenschaft innovationsförderlicher Partnerportfolios ist
Diversität. Diversität beschreibt dabei, inwiefern sich die Partner eines Unternehmens
8  „Play to win“ versus „Play it safe“ 149

hinsichtlich der Ressourcen unterscheiden, die sie in die jeweilige Kooperations-


beziehung einbringen (Gulati et al. 2011). Unterschiede bei den Ressourcen der
Partnerunternehmen können beispielsweise daraus resultieren, dass diese in ver-
schiedenen Marktsegmenten und Branchen operieren, verschiedene Kunden bedienen,
verschiedene Technologien nutzen, oder verschiedene Aufgaben im Wertschöpfungs-
netzwerk übernehmen (Koka und Prescott 2002). Des Weiteren können unterschied-
liche geografische Standorte oder ein unterschiedlicher kultureller Hintergrund
eine wichtige Rolle spielen (Lavie und Miller 2008). Ist die Diversität zwischen den
Partnerunternehmen hoch, besteht nur ein geringer Grad an Redundanz zwischen den
über das Netzwerk beschaffbaren innovationsrelevanten Informationen (Burt 1992).
Ein Partnerportfolio mit hoher Diversität eröffnet dem betrachteten Unternehmen
somit eine größere Bandbreite an nutzbaren Ressourcen sowie vielfältige Sichtweisen
auf aktuelle technologie- oder marktbezogene Problemstellungen. Infolgedessen
erhöhen sich auch die Chancen des Unternehmens zu lernen (Koka und Prescott 2002)
und neuartige Lösungskonzepte durch kreative Wissenskombinationen zu entwickeln
(Fliaster 2007). Vor allem in Situationen, in denen große Unsicherheit herrscht und
Branchen sich im Umbruch befinden, wie es etwa bei der digitalen Transformation
sehr häufig der Fall ist, kann ein diverses Partnerportfolio helfen, gewohnte Pfade zu
verlassen und Innovationen voranzutreiben (Levinthal und March 1994).
• Innovativität: Diese Eigenschaft des Portfolios beschreibt, inwiefern ein Unter-
nehmen Partner mit hoher Innovationsleistung in seinem Netzwerk hat. Während
die Merkmale Reichweite und Diversität eher die Quantität der über ein Partner-
portfolio verfügbaren Ressourcen beschreiben (Gulati et al. 2011), trägt die Dimen-
sion Innovativität der Tatsache Rechnung, dass auch die Qualität der verfügbaren
Ressourcen einen großen Einfluss auf deren Nutzen im Hinblick auf Innovation
besitzt (Zaheer und Bell 2005). Folgt man der Logik von Adler und Kwon (2002),
die in ihrer viel zitierten Arbeit zu Netzwerkressourcen und sozialem Kapital tref-
fend bemerken „we cannot expect to derive any value from social ties to actors who
lack the ability to help us“ (S. 26), so ist es unwahrscheinlich, dass ein Kooperations-
partner, der selbst wenig innovativ ist, einen wertvollen Beitrag zur Innovations-
tätigkeit des betrachteten Unternehmens liefert. Umgekehrt führen Partnerschaften
mit innovativen Unternehmen mit großer Wahrscheinlichkeit zu einem Zugang zu
hochaktuellen Ideen und Lösungsansätzen (Zaheer und Bell 2005). Infolgedessen
eröffnen sich dem betrachteten Unternehmen zahlreiche Möglichkeiten von Ideen
und Vorgehensweisen seiner innovativen Partner zu lernen und durch die Weiter-
entwicklung und Nutzbarmachung des erhaltenen Wissens eigene Produkt- oder
Prozessinnovationen hervorzubringen (Nahapiet und Ghoshal 1998). Studien aus
dem Halbleiterbau (Stuart 2000) und der Biotechnologie (Baum et al. 2000) zeigen
so, dass Egonetzwerke mit einem hohen Anteil innovativer Kooperationspartner die
Innovationsleistung eines Unternehmens beträchtlich steigern können.
• Komplementarität: Zuletzt ist eine hohe Komplementarität des Partnerportfolios zur
Ressourcenbasis des Unternehmens wünschenswert, d. h. die externen Ressourcen
150 F. Reck und A. Fliaster

sollten die internen Ressourcen sinnvoll ergänzen (Fang 2011). Der Wert der über ein
Partnerportfolio verfügbaren Ressourcen ist somit nicht vollkommen objektiv, sondern
hängt vom betrachteten Unternehmen ab (Gulati et al. 2011). Digitale Innovationen
bedürfen einer großen Bandbreite an Wissen und Fähigkeiten (Yoo et al. 2012). Die
interne Entwicklung dieser Fähigkeiten in vollem Umfang ist für die meisten Unter-
nehmen entweder sehr teuer oder schlichtweg nicht möglich (Mitchell und Singh
1996). Ein Partnerportfolio mit einem hohen Grad an Komplementarität erlaubt es
dem betrachteten Unternehmen, sich auf die eigenen Kernkompetenzen zu konzent-
rieren und sich gleichzeitig Zugang zu weiteren Ressourcen zu sichern, um so eigene
Schwächen auszugleichen und anspruchsvolle Innovationsvorhaben erfolgreich umzu-
setzen (Ahuja 2000a; Pullen et al. 2012).

Die Ergebnisse unserer Untersuchung bestätigen den positiven Effekt von Reich-
weite, Diversität, Innovativität und Komplementarität des Partnerportfolios auf die
Innovationsleistung von Unternehmen (siehe Abb. 8.2). Die besten 25 % der Unter-
nehmen hinsichtlich Innovationsleistung1 besitzen eine signifikant höhere Anzahl an
Kooperationspartnern, eine größere Vielfalt an verfügbaren Ressourcen, innovativere
Partnerunternehmen und einen höheren Grad an Ressourcenkomplementarität verglichen
mit den schlechtesten 25 %. Auch im Vergleich zum Durchschnittsunternehmen schnei-
den die Partnerportfolios der Top 25 % bei drei der vier Portfoliocharakteristika ein-
deutig besser ab. Das Partnerportfolio und dessen Zusammensetzung sind somit wichtige
Einflussfaktoren auf die Innovationsleistung von Unternehmen.

8.3 Aufbau und Entwicklung von Partnerportfolios

Für jedes Unternehmen besteht grundsätzlich ein Handlungsspielraum, das eigene


Partnerportfolio strategisch zu gestalten und weiterzuentwickeln (Hoffmann 2007). Stu-
dien zeigen, dass auch kleine Unternehmen und Start-ups bei der richtigen Herangehens-
weise sehr erfolgreich ein großes und ressourcenstarkes Netzwerk aufbauen können
(Maurer und Ebers 2006). Allerdings müssen die Unternehmen dabei auch zahlreiche,

1Zur Bestimmung der Innovationsleistung wurden die Befragten gebeten, zu bewerten, inwiefern
ihr Unternehmen neue Produkte und Dienstleistungen in den Markt einführt, bestehende Produkte
und Dienstleistungen erweitert und verbessert, sowie in die Entwicklung und Erprobung neuer
Technologien investiert. Zur Triangulation dieser Messgröße wurden Unternehmenshomepages,
Pressemitteilungen und Geschäftsberichte im Hinblick auf Initiativen der Unternehmen zu den
aktuellen Innovationsthemen in der Energiebranche wie „Smart Home“, „Virtuelle Kraftwerke“
oder „Elektromobilität“ (Edelmann 2015) ausgewertet. Zudem wurden die Siegerlisten der wich-
tigsten branchenbezogenen Innovationspreise (z. B. VKU-Innovationspreis (VKU 2018)) nach
den an der Untersuchung beteiligten Unternehmen gescannt. Beide Analysen deuten auf eine hohe
Validität der in der Studie erhaltenen Angaben hin.
8  „Play to win“ versus „Play it safe“ 151

Abb. 8.2  Untersuchungsergebnisse zu den Auswirkungen der vier Portfoliocharakteristika

zum Teil hochkomplexe Herausforderungen meistern. Von der Suche und Auswahl
geeigneter Partnerunternehmen, über die Initiierung von Kooperationsbeziehungen, die
Organisation und Gestaltung der Zusammenarbeit hin zu Erfolgsmonitoring und Portfolio-
bereinigung warten umfangreiche und anspruchsvolle Arbeitspakete (Mitrega und Pfajfar
2015). Im Rahmen dieser Aufgaben stoßen Unternehmen auf mehrere Hindernisse, die es
zu überwinden oder zu umgehen gilt (Kale und Singh 2009).
152 F. Reck und A. Fliaster

8.3.1 Hindernisse beim Aufbau innovationsförderlicher


Partnerportfolios

Zu den wichtigsten Hindernissen beim Aufbau wertvoller Unternehmensnetzwerke zäh-


len begrenzte Verfügbarkeit von Informationen, mangelnder Zugang zu potenziellen
Partnerunternehmen sowie hohe Kosten für Beziehungsaufbau.

• Begrenzte Verfügbarkeit von Informationen: Das erste Hindernis bei der Ent-
wicklung innovationsförderlicher Partnerportfolios liegt in der oft mangelhaften Ver-
fügbarkeit von Informationen über potenzielle neue, aber auch aktuelle Partner. Für
Ausbau und Anpassung des eigenen Netzwerks müssen Unternehmen in der Lage
sein, potenzielle Partner zu identifizieren und eine möglichst valide Bewertung des
Werts derer Ressourcen durchzuführen (Gulati et al. 2011). Meist fehlen Unter-
nehmen dazu jedoch entweder die notwendigen Informationen (Nebus 2006) oder sie
besitzen nicht die Mittel, relevante und zielführende Informationen von weniger rele-
vanten zu unterscheiden (Ramos et al. 2012). Infolgedessen besitzen Unternehmen
meist ein recht wenig akkurates Bild von Akteuren, Ressourcen, und Netzwerken
in ihrem externen Umfeld (Abrahamsen et al. 2012). Interessante Partneroptionen
werden somit oft nicht erkannt oder gar nicht erst wahrgenommen (Powell et al.
1996). Selbst für den Fall, dass ein potenziell wertvoller Partner auf den Radar des
betrachteten Unternehmens gelangt, reicht die vorhandene Informationsbasis nicht
immer für eine adäquate Einschätzung der jeweiligen Wissensressourcen und Fähig-
keiten aus (Nebus 2006). Allgemeine kognitive Verzerrungen wie z. B. die „availabi-
lity bias“ können die Suche nach relevanten Informationen noch weiter beschränken
und kommen erschwerend hinzu (Halvorson und Rock 2015).
• Mangelnder Zugang zu Partnerunternehmen: Selbst wenn ein Unternehmen in der
Lage ist, potenziell interessante Partner zu erkennen und auszuwählen, so garantiert
dies noch lange nicht das Zustandekommen einer Kooperationsbeziehung. Vielmehr
ist es notwendig, den Partner in spe von der Vorteilhaftigkeit der Zusammenarbeit
zu überzeugen (Gulati et al. 1994). Hier gilt es sich Gehör bei den relevanten Ent-
scheidern im Unternehmen der Wahl zu verschaffen, sich dabei selbst attraktiv darzu-
stellen und somit dem Gegenüber glaubhaft die Aussicht auf eine Win-Win-­Beziehung
zu vermitteln (Ahuja 2000b). Vielen Unternehmen fällt es dabei oft bereits schwer,
die Aufmerksamkeit potenzieller Partner zu gewinnen, geschweige denn Interesse zu
wecken und als möglicher Kandidat in Betracht gezogen zu werden (Edvardsson et al.
2008). Mit steigendem Wert der vom Partner besessenen Ressourcen verschärft sich
diese Problematik sogar noch (Jensen und Roy 2008). Die Anzahl leistungsfähiger
potenzieller Partnerunternehmen ist limitiert, erfolgversprechende Kooperations-
beziehungen stellen ein knappes Gut dar (Sarkar et al. 2009). Infolgedessen ist
der Markt für Partnerschaften hart umkämpft, sodass Unternehmen, die besonders
wertvolle Ressourcen in Kooperationsbeziehungen einbringen können, unter einer
Vielzahl von Partneroptionen wählen können (Sarkar et al. 2001). Den jeweiligen
8  „Play to win“ versus „Play it safe“ 153

Bewerbern fällt es hier besonders schwer Zugang zu erhalten und die Initiierung einer
Kooperationsbeziehung in die Wege zu leiten.
• Hohe Beziehungskosten: Zuletzt wird die Gestaltung innovationsförderlicher
Partnerportfolios durch die oft hohen Kosten von Kooperationsbeziehungen
behindert. Interorganisationale Partnerschaften entwickeln sich nur durch den Einsatz
von viel Zeit und Energie (Majchrczak et al. 2015). Für jede Kooperationsbeziehung
fallen so Opportunitätskosten im Hinblick auf den Zeitaufwand an, der für Instand-
haltung und Pflege dieser Partnerschaften notwendig ist (Fliaster und Spiess 2008).
Durch jeden neuen Partner kommen weitere Kosten für die Suche, Initiierung der
Beziehung und die Koordination der Zusammenarbeit hinzu (­Mariotti und Delbridge
2012). Dabei kann der Aufwand von Beziehung zu Beziehung erheblich schwan-
ken. Hohe Kosten können viele Gründe haben, beispielsweise die Anspruchshaltung
der Partnerunternehmen (Jensen und Roy 2008), eine erhöhte Notwendigkeit von
Absicherung und Konfliktmanagement in schwierigen Kooperationsbeziehungen
(Kale et al. 2000), ein hoher Abstimmungs- und Anpassungsbedarf bei großen Unter-
schieden zwischen den Partnern im Hinblick auf ihre Wissensressourcen und Kern-
kompetenzen (Reagans und McEvily 2003), oder auch Spannungen zwischen
den einzelnen Partnern im Portfolio des betrachteten Unternehmens (Parise und
­Casher 2003). Da die Kapazitäten eines jeden Unternehmens in Hinblick auf Res-
sourcen und Zeit grundsätzlich begrenzt sind, sind gerade solche mit hohen Kosten
behaftete Beziehungen oft schwer zu realisieren, führen zur Vernachlässigung anderer
Beziehungen oder verhindern, dass neue potenziell wertvolle Partnerschaften erkannt
und aufgebaut werden.

8.3.2 Ungleichgewichte in der Zusammensetzung von


Partnerportfolios bei Innovationskooperationen

Die oben beschriebenen Hindernisse beim Aufbau von Partnerportfolios führen zu


typischen Mustern in der Zusammensetzung von interorganisationalen Netzwerken.
Informationsverfügbarkeit, Zugang und Beziehungskosten werden stark durch struktu-
relle Gegebenheiten, d. h. durch die Eigenschaften des betrachteten Unternehmens und
seines Umfelds beeinflusst (Gulati und Gargiulo 1999). Aus diesem Grund sind poten-
zielle Partnerschaften aus Sicht des betrachteten Unternehmens teilweise mit mehr,
teilweise mit weniger Hindernissen und somit auch mit unterschiedlicher Wahrschein-
lichkeit ihres Zustandekommens verbunden. Gerade bei mangelnder Proaktivität und
Aufmerksamkeit durch das betrachtete Unternehmen ergeben sich Partnerportfolios so
eher aus den Umständen als dass sie zielorientiert, mit strategischer Vorausschau ent-
wickelt werden (Ozcan und Eisenhardt 2009). Zwar ist es möglich, diese Hindernisse
zu überwinden (Hoffmann 2007), dennoch zeigt es sich, dass Unternehmen nicht selten
dazu tendieren, den Weg des geringsten Widerstands zu gehen (Rowley und Baum 2008).
Als Resultat weisen Netzwerke meist Ungleichgewichte auf, die sich zulasten der über
154 F. Reck und A. Fliaster

das Partnerportfolio verfügbaren Ressourcen auswirken können. Diese Ungleichgewichte


zeigen sich in mindestens fünf Tendenzen in der Zusammensetzung von Partner-
portfolios:

• Ungleichgewicht 1 – Geografische Nähe: Die bisherigen Forschungserkenntnisse


deuten darauf hin, dass Unternehmenspartnerschaften mit einer höheren Wahrschein-
lichkeit zwischen geografisch nahe beieinanderliegenden Unternehmen entstehen
(Owen-Smith und Powell 2004). Unternehmen aus der eigenen Region sind ers-
tens sichtbarer und werden somit eher als potenzieller Kooperationspartner erkannt
(Rosenkopf und Almeida 2003). Zweitens verschafft geografische Nähe oft einen
besseren Zugang und gegebenenfalls sogar ein Zusammengehörigkeitsgefühl, wel-
ches bei der Initiierung von Beziehungen helfen kann (Sammarra und Biggiero 2008).
Drittens ist kooperative Zusammenarbeit über geringe Distanzen hinweg deutlich
effektiver und kosteneffizienter koordinierbar, sodass sich Partnerschaften organischer
entwickeln können (Inkpen und Tsang 2005). Insgesamt weisen Beziehungsportfolios
somit eine Tendenz dahin gehend auf, dass sie zu überproportional großen Teilen aus
lokalen Partnern bestehen.
• Ungleichgewicht 2 – Organisationale Ähnlichkeit: Des Weiteren legen bisherige
empirische Studien die Schlussfolgerung nahe, dass die Egonetzwerke vieler Unter-
nehmen zu großen Teilen aus Partnern bestehen, die sich im Hinblick auf Unterneh-
mensgröße, -struktur und -historie ähneln (Powell et al. 2005). Dieses „Gleich und
Gleich gesellt sich gern“-Prinzip bei der Entstehung von Kooperationspartnerschaften
ist in der Managementforschung gut dokumentiert. Unternehmen mit hoher Ähnlich-
keit teilen oft eine gemeinsame Wissensbasis, besitzen gemeinsame Werte und Welt-
ansichten, und ihre Repräsentanten verkehren in denselben sozialen Kreisen (Capaldo
und Petruzzelli 2014). Dies führt zum Abbau von Hindernissen bei Beziehungsent-
wicklung und -pflege: „Similar actors are easier to trust, like, and understand, leading
to reduced search and transaction costs for inter-firm collaborations“ (Kim und Hig-
gins 2007, S. 499). Diese geringen Widerstände führen dazu, dass Unternehmen eher
Kooperationen mit ähnlichen Partnern eingehen und dafür im Umkehrschluss eher
wenige Partner mit unterschiedlichen Unternehmensmerkmalen besitzen.
• Ungleichgewicht 3 – Langjährige Partner: Drittens tendieren viele Unternehmen
dazu, bestehende Partnerschaften auszubauen und auf neue Vorhaben zu erweitern,
anstatt Kooperationsbeziehungen mit neuen Partnern einzugehen (Gulati 1995). Je
länger eine erfolgreiche Kooperation besteht, desto mehr Informationen besitzen die
Partner übereinander, desto höher das gegenseitige Vertrauen und desto routinier-
ter und effizienter verläuft die bilaterale Kommunikation und Interaktion (Kim und
Higgins 2007). Eine langjährige Zusammenarbeit mit dem Partner führt so zu weni-
ger Unsicherheit, besserem Zugang und tendenziell niedrigeren Beziehungskosten
(Podolny 1994). Daher greifen Unternehmen bei Innovationsvorhaben oft zuerst auf
ihren bestehenden Partnerstamm zurück, bevor sie eine meist aufwendige Suche nach
neuen Partnern starten (Gulati und Gargiulo 1999). Dementsprechend besteht in vielen
8  „Play to win“ versus „Play it safe“ 155

Partnerportfolios insofern ein Ungleichgewicht, dass langjährige Beziehungen domi-


nieren.
• Ungleichgewicht 4 – Strukturelle Äquivalenz: Das vierte Muster in inter-
organisationalen Partnerportfolios ist die sogenannte „strukturelle Äquivalenz“. Dies
bedeutet, dass eine Kooperation zwischen zwei Unternehmen mit höherer Wahrschein-
lichkeit entsteht, wenn die beiden potenziellen Partner jeweils Beziehungen zu drit-
ten Unternehmen teilen (Burt 1992). Die bestehenden Partnerunternehmen sind eine
wichtige erste Anlaufstelle bei der Portfolioerweiterung, da sie wertvolle Informatio-
nen über Ressourcen und Fähigkeiten ihrer eigenen Kooperationspartner besitzen und
somit das suchende Unternehmen zielführend weiterverweisen können (Gulati und
Gargiulo 1999). Des Weiteren sorgen sie als „Tertius Iungens“ für einen Reputations-
und Vertrauensbonus des suchenden Unternehmens in den Augen der potenziellen
neuen Partner (Obstfeld 2005). Dem Prinzip „Die Freunde meines Freundes sind auch
meine Freunde“ (Granovetter 1985) folgend, entstehen so Unternehmensnetzwerke, in
denen die beteiligten Akteure jeweils nahezu dasselbe Partnerportfolio besitzen (Baum
et al. 2003). Partnerschaften mit Unternehmen außerhalb dieses dichten Netzwerks
stellen deshalb mit hoher Wahrscheinlichkeit nur einen kleinen Anteil in den jeweili-
gen Beziehungsportfolios dar (Capaldo und Petruzzelli 2014).
• Ungleichgewicht 5 – Partner aus dem Tagesgeschäft: Schließlich haben frühere
Studien ein Ungleichgewicht im Hinblick darauf identifiziert, dass Unternehmen oft
Innovationskooperationen mit denjenigen Firmen eingehen, mit denen sie auch im
operativen Tagesgeschäft zusammenarbeiten (Koza und Lewin 1998). Bei bereits
bestehenden Geschäftsbeziehungen ist die Informationsbasis über Ressourcen und
Fähigkeiten des potenziellen Innovationspartners profund, es besteht Zugang zu
relevanten Entscheidungsträgern und die Aussicht auf eine erfolgreiche Zusammen-
arbeit und mögliche Synergien sind hoch (Rothaermel 2001). Im Gegensatz dazu
ist die Unsicherheit bei potenziellen neuen Partnern außerhalb des Tagesgeschäfts
ungleich höher. Dementsprechend entstehen Innovationskooperationen meist parallel
zu Beziehungen im Tagesgeschäft (Pittaway et al. 2004). Die darüber hinausgehenden
Innovationspartnerschaften nehmen oft nur eine kleine Rolle im Partnerportfolio ein.

Basierend auf den Ergebnissen unserer empirischen Studie konnten wir die fünf oben
dargestellten kritischen Ungleichgewichte auch in der Unternehmenspraxis bei deut-
schen Energieversorgern deutlich diagnostizieren (siehe Abb. 8.3). Hinsichtlich der
geografischen Distanz ist eine Ballung der Kooperationsbeziehungen bei einer Dis-
tanz von 50 bis 200 km zwischen beiden Partnerunternehmen beobachtbar. 53,6 % der
angegebenen Partnerschaften bestehen zwischen Unternehmen mit einer Entfernung
von weniger als 200 km zwischen den jeweiligen Hauptsitzen, bei 75,9 % ist die Dis-
tanz kleiner als 400 km. Im Hinblick auf die organisationale Ähnlichkeit bestehen
70,6 % der Partnerschaften, wenn das Größenverhältnis kleiner oder gleich eins zu vier
beträgt. 67,5 % der Kooperationen bestehen bereits seit über fünf Jahren, in 70,5 % der
Fälle bewerten Unternehmen die strukturelle Äquivalenz zu ihrem Partner als „mittel“
156 F. Reck und A. Fliaster

Abb. 8.3  Häufigkeitsverteilungen der untersuchten Kooperationsbeziehungen

bis „sehr hoch“, 66,2 % schätzen die operative Abhängigkeit vom Partner als „mittel“
bis „sehr hoch“ ein. Innovationskooperationen in der Energiebranche bestehen somit mit
deutlich höherer Wahrscheinlichkeit geografisch nahe gelegenen, ähnlich großen, sich
bereits lange kennenden, über dieselben Partner verfügenden und auch im Tagesgeschäft
zusammenarbeitenden Unternehmen.

8.3.3 „Play to win“- und „Play it safe“-Portfolios

Die oben geschilderten Ungleichgewichte im Partnerportfolio können die Innovations-


und Wettbewerbsfähigkeit eines Unternehmens beträchtlich einschränken. Betrachtet man
einzelne Innovationskooperationen, bringt die Zusammenarbeit über geringe geografische
8  „Play to win“ versus „Play it safe“ 157

Distanzen, mit reichhaltiger positiver Historie oder zu Partnern aus dem Tagesgeschäft per
se mehrere Vorteile. Diese mit vergleichsweise geringen Hindernissen behafteten Partner-
schaften stellen einen einfachen und effizienten Zugang zu Ressourcen sicher und sind
somit für sich allein genommen oft sehr nutzenstiftend (Capaldo und Petruzzelli 2014).
Wechselt man allerdings die Betrachtungsperspektive und nimmt das Gesamtportfolio
unter die Lupe, so tendieren die Ungleichgewichte zugunsten dieser Art von Beziehungen
dazu, sich über die Zeit zu verfestigen (Rosenkopf und Padula 2008). Durch den ein-
fachen Zugang und die starken und langjährig bestehenden Verbindungen sinkt die Moti-
vation der betrachteten Unternehmen, in die Weiterentwicklung des eigenen Netzwerks zu
investieren und die Energie für die Überwindung von Hindernissen bei der Akquise neuer
Partner aufzubringen (Kim et al. 2006). Infolgedessen werden auch die Ressourcenvor-
teile, die gerade Unternehmen außerhalb des direkten eigenen Umfelds im Hinblick auf
Reichweite, Diversität, Innovativität und Komplementarität liefern können, systematisch
verpasst (Capaldo und Petruzzelli 2014).
Während dies bei einer hohen Branchenstabilität und Effizienz- statt Innovations-
orientierung des brancheninternen Wettbewerbs meist keine gravierenden negativen
Folgen mit sich bringt, erweist sich die Abwesenheit der vier Kerneigenschaften eines
innovationsförderlichen Partnerportfolios in Zeiten von Unsicherheit und Branchentrans-
formation häufig als fatal (Afuah 2000). Die Digitalisierung stellt für viele traditionelle
Industriesektoren genau einen solchen drastischen Umbruch dar. Branchenstrukturen
und Geschäftslogiken ändern sich oft radikal (Yoo et al. 2012). Das über Jahrzehnte
entstandene lokale Netzwerk ist dabei mit hoher Wahrscheinlichkeit nicht in der Lage,
die benötigten externen Ressourcen, Ideen und Kompetenzen zu liefern, die für eine
erfolgreiche Generierung und Umsetzung der digitalen Transformation notwendig
sind (Fitzgerald et al. 2014). Hier bedarf es eines ausgeglichenen Portfolios, in dem
Kooperationen mit neuen und unähnlichen Partnern die Vorteile lokaler, operativer oder
langjährig gewachsener Partnerschaften ergänzen (Capaldo 2007).
Im Zuge der digitalen Transformation sind deshalb mit hoher Wahrscheinlichkeit
diejenigen Unternehmen am erfolgreichsten, die in der Lage sind, sich ein „Play to
win“-Portfolio mit einem vergleichsweise hohen Anteil an neuartigen, „heterogenen“
Partnerschaften systematisch aufzubauen und zu entwickeln. Das betrachtete Unter-
nehmen geht dabei proaktiv vor und orientiert sich bei der Zusammensetzung seiner
Innovationskooperationen vor allem an den potenziellen Ressourcenvorteilen, die durch
aktuelle und neue Partnerunternehmen erreichbar werden. Die dabei entstehenden
Hindernisse werden bewusst in Kauf genommen; zudem wird kontinuierlich nach
Möglichkeiten gesucht, den vorhandenen Handlungsspielraum möglichst vollständig zu
nutzen und gegebenenfalls zu erweitern (Ozcan und Eisenhardt 2009). Das resultierende
Partnerportfolio weist deshalb in deutlich geringerem Maße die oben beschriebenen,
durch die strukturellen Umstände vorgegebenen Ungleichgewichte auf. Das Unter-
nehmen handelt als „Network Entrepreneur“ (Rowley und Baum 2008) und schafft sich
somit ein strategisch zusammengestelltes anstelle von einem rein historisch gewachsenen
Partnerportfolio.
158 F. Reck und A. Fliaster

Im Gegensatz dazu sind die eher durchschnittlich erfolgreichen Unternehmen mit


hoher Wahrscheinlichkeit diejenigen, die bei der Portfolioentwicklung einen „Play it
safe“-Ansatz verfolgen. Hier basiert die Zusammensetzung des jeweiligen Netzwerks
nicht auf Ressourcenvorteilen, sondern auf vergleichsweise niedrigen Hindernissen bei
Auswahl, Initiierung und Pflege von Kooperationsbeziehungen. Die betrachteten Unter-
nehmen nehmen dabei eine deutlich passivere Rolle ein, besitzen nur einen geringen
Überblick über den eigenen strategischen Handlungsspielraum und scheuen den zur
Überwindung von Kooperationshindernissen notwendigen Kosten- und Zeitaufwand.
Anstatt aktiv die Entwicklung des eigenen Portfolios zu steuern, nimmt das Unter-
nehmen so implizit die gerade vorherrschenden strukturellen Gegebenheiten hin, sodass
sich das Netzwerk aus den Umständen „ergibt“. Das resultierende Partnerportfolio weist
deshalb in seiner Zusammensetzung die oben beschriebenen „natürlichen“ Ungleich-
gewichte auf.
Vergleichen wir in unserer Studie die Partnerportfolios der oberen 25 %, mittleren
50 % und unteren 25 % der Unternehmen hinsichtlich ihrer Innovationsleistung mit-
einander, so sind die oben prognostizierten Unterschiede deutlich sichtbar. Abb. 8.4
zeigt, dass sich die insgesamt größeren Partnerportfolios der innovativsten 25 % der
Unternehmen vor allem durch eine deutlich höhere Anzahl an Partnerschaften mit hoher
geografischen Entfernung, einem ausgeprägten Größenunterschied, einer kurzen Beste-
hensdauer, geringer struktureller Äquivalenz und geringer Zusammenarbeit im opera-
tiven Tagesgeschäft von den mittleren 50 % und den unteren 25 % unterscheiden. Der
Anteil dieser Kooperationsbeziehungen am Gesamtportfolio ist bei den Top 25 % deut-
lich höher, die Zusammensetzung des Netzwerks somit deutlich ausgeglichener.
Die innovativsten Unternehmen schaffen es zudem in deutlich höherem Maße, die
„heterogenen“, vielfältigen Beziehungen zu unähnlichen Partnern ressourcenorientiert
zu entwickeln. Abb. 8.5 illustriert beispielsweise die Komposition der Partnerportfolios
im Hinblick die Kombination von Diversität, Innovativität und Komplementarität auf der
einen und geografischer Distanz2 auf der anderen Seite. In den drei 2 × 2-Matrizen stellt
jeweils der untere linke Quadrant den Anteil der Kooperationsbeziehungen mit niedri-
gem Ressourcenvorteil und niedriger geografischer Distanz am Gesamtportfolio, der
obere linke Quadrant den Anteil der Kooperationsbeziehungen mit hohem Ressourcen-
vorteil und niedriger geografischer Distanz, der untere rechte Quadrant den Anteil der
Kooperationsbeziehungen mit niedrigem Ressourcenvorteil und hoher geografischer Dis-
tanz und der obere rechte Quadrant den Anteil der Kooperationsbeziehungen mit hohem
Ressourcenvorteil und hoher geografischer Distanz dar.
Die innovativsten 25 % der betrachteten Unternehmen dominieren hier klar die bei-
den oberen Quadranten, insbesondere den oberen rechten. Die Top 25 % sind also nicht

2Aus Komplexitätsgründen bilden wir in diesem Beitrag nur die Kombinationen von Diversi-
tät, Innovativität und Komplementarität ab. Für organisationale Ähnlichkeit, Bestehensdauer der
Beziehung, strukturelle Äquivalenz und Zusammenarbeit im operativen Tagesgeschäft ergibt sich
jeweils ein ähnliches Bild.
8  „Play to win“ versus „Play it safe“

Abb. 8.4  Vergleich der Häufigkeitsverteilungen nach der Innovationsleistung der betrachteten Unternehmen


159
160 F. Reck und A. Fliaster

Abb. 8.5  Zusammensetzung der untersuchten Partnerportfolios

nur in der Lage, ein besonders ressourcenreiches Netzwerk aufzubauen, sondern sie sind
auch imstande, vorteilhafte Kooperationsbeziehungen mit diversen Partnern abseits ihres
direkten Umfelds zu entwickeln. Im Gegensatz dazu dominieren bei den am wenigsten
innovativen Unternehmen die beiden linken Quadranten. Das bedeutet, dass das Portfo-
lio dieser Firmen nahezu vollständig aus dem direkten Umfeld zusammengesetzt ist. Die
unteren 25 % besitzen nahezu keine „heterogenen“ Kooperationsbeziehungen mit neuen
und unähnlichen Partnern und sind somit nicht in der Lage, entsprechende Ressourcen-
vorteile zu realisieren (oberer rechter Quadrant). Insgesamt legen unsere Studien-
ergebnisse die Schlussfolgerung nahe, dass sich erfolgreiche Innovatoren von weniger
erfolgreichen durch ein bewusstes und zielorientiertes strategisches Vorgehen bei der
Entwicklung ihres Partnerportfolios unterscheiden.

8.4 Fazit und Handlungsempfehlungen

In einer digitalen Welt spielt die Gestaltung von Unternehmensnetzwerken für das
Innovationsmanagement eine zentrale Rolle. Durch die rasante Diffusion von „smar-
ten“ Technologien und den Eintritt von Konkurrenten aus bisher unverbundenen Indus-
trien und Dienstleistungsbereichen werden die Branchengrenzen vielfach neu definiert.
Dadurch wird das Spektrum von Wissensressourcen und Kompetenzen, die Unternehmen
für ihre Innovationsstrategien benötigen, größer und vielfältiger (Yoo et al. 2012). Diese
8  „Play to win“ versus „Play it safe“ 161

Entwicklung macht eine strategische, vorausschauende Entwicklung und Handhabung


von Kooperationsbeziehungen mit externen Partnern erforderlich. Unser Beitrag zeigt,
dass die Gestaltung eines solchen Partnernetzwerks mit vielen Herausforderungen
verbunden ist. Unternehmen besitzen die Tendenz, ihre Partnerportfolios weniger
ressourcenorientiert, sondern eher geleitet durch die strukturellen Gegebenheiten zu ent-
wickeln. Um diese Tendenz zu überwinden, bedarf es eines proaktiven und systemati-
schen Vorgehens. Die folgenden Handlungsempfehlungen können dabei helfen.
Erstens sollten Unternehmen im Rahmen ihrer Innovations- und Digitalisierungs-
strategie der Entwicklung ihres Partnerportfolios verstärkte Aufmerksamkeit zukommen
lassen. Für die Digitalisierung von Produkten, Dienstleistungen, Prozessen und
Geschäftsmodellen ist nicht nur die Anpassung des eigenen internen Know-Hows not-
wendig, sondern auch der Umbau des eigenen Partnerportfolios. Kompetenzlücken und
Ressourcenbedarf müssen dabei aufgedeckt, potenzielle neue Partner abseits des direk-
ten Umfelds identifiziert und entsprechende Kooperationschancen auf ihre Machbarkeit
systematisch überprüft werden. Bestehende Partnerschaften müssen auf ihr Kosten- und
Nutzenverhältnis überprüft und gegebenenfalls bei einem negativen Ergebnis beendet
oder neu ausgerichtet werden. Unternehmens- und Innovationsstrategen sollten sich der
Wichtigkeit dieser Aufgaben bewusst sein und ihr eine adäquate Position auf der Agenda
des gehobenen Managements zukommen lassen.
Zweitens sollten Unternehmen den „Play it safe“-Ansatz überwinden und auf die Ent-
wicklung eines „Play to win“-Portfolios hinarbeiten. Dabei gilt es vor allem, die oben
aufgezeigten teilweise massiven strukturellen Ungleichgewichte bei der Netzwerk-
komposition auszugleichen. Zugleich aber sollten Unternehmen auch nicht einseitig auf
„heterogene“ Kooperationsbeziehungen setzen, da hier Komplexität, Kosten und Zeitauf-
wand schnell die Nutzenpotenziale übersteigen können. Capaldo (2007) schlägt dazu das
Konzept des „dualen“ Netzwerks vor, in dem ein Unternehmen zuvorderst einen Stamm an
Kooperationsbeziehungen mit ressourcenreichen Partnern aus dem direkten Marktumfeld
aufbaut, diesen aber bewusst um „heterogene“ Partnerschaften ergänzt und anreichert. Die
richtige Balance im Hinblick auf die Zusammensetzung des Partnerportfolios ist dabei
natürlich schwer zu beziffern. Bei den innovativsten 25 % der Unternehmen in unserer
Studie liegt das Verhältnis zwischen „naheliegenden“ und „heterogenen“ Kooperationen
im Bereich von 60/40, was zumindest als sehr grober Anhaltspunkt dienen kann. Hier sind
weitere wissenschaftliche Untersuchungen gefragt, um branchenspezifische, wettbewerbs-
strategische und andere Kontingenzfaktoren zu ermitteln.
Zuletzt benötigen Unternehmen passende Strukturen und Prozesse, um die mit
der Entwicklung des Partnerportfolios einhergehenden Aufgaben erfolgreich zu
bewältigen. Je besser dies gelingt, desto besser können die Hindernisse bei Aufbau von
Kooperationsbeziehungen überwunden und das Gesamtportfolio effizient koordiniert
und instand gehalten werden. Durch ein adäquates Portfoliomanagement erweitert sich
somit der Handlungsspielraum des Unternehmens und Netzwerke mit hoher Reich-
weite, Diversität, Innovativität und Komplementarität werden wahrscheinlicher. Abb. 8.6
zeigt, wie sich die in unserer Untersuchung betrachteten Unternehmen im Hinblick auf
162 F. Reck und A. Fliaster

Abb. 8.6  Aktivitäten zum Portfoliomanagement in den untersuchten Unternehmen

sechs typische Prozesse im Portfoliomanagement bewerten (z. B. „Entwicklung von


Portfoliostrategien und -zielen“ (Mitrega und Pfajfar 2015)). Auch hier schneiden die
innovationsstärksten Unternehmen bei fünf von sechs Faktoren signifikant besser ab als
die schwächsten Unternehmen. Ein systematisches Herangehen an das Management von
Partnerportfolios und die Einrichtung von geeigneten Verantwortlichkeiten und Abläufen
erscheint deshalb aus der Sicht des strategischen Innovationsmanagements zwingend
erforderlich.
8  „Play to win“ versus „Play it safe“ 163

Literatur

Abrahamsen MH, Henneberg SC, Naudé P (2012) Using Actors’ Perceptions of Network Roles
and Positions to Understand Network Dynamics. Ind Market Manag 41: 259–269
Adler PS, Kwon SW (2002) Social Capital: Prospects for a New Concept. Acad Manage Rev 27:
17–40
Afuah A (2000) How Much Do Your Co‐opetitors’ Capabilities Matter in the Face of Techno-
logical Change? Strat Manage J 21: 397–404
Ahuja G (2000a) Collaboration Networks, Structural Holes, and Innovation: A Longitudinal Study.
Admin Sci Quart 45: 425–455
Ahuja G (2000b) The Duality of Collaboration: Inducements and Opportunities in the Formation
of Interfirm Linkages. Strat Manage J 21: 317–343
Baker WE, Grinstein A, Harmancioglu N (2016) Whose Innovation Performance Benefits More
from External Networks: Entrepreneurial or Conservative Firms? J Prod Innovat Manage 33:
104–120
Baum JAC, Calabrese T, Silverman BS (2000) Don’t Go It Alone: Alliance Network Composition
and Startups’ Performance in Canadian Biotechnology. Strat Manage J 21: 267–294
Baum JA, Shipilov AV, Rowley TJ (2003) Where Do Small Worlds Come From? Ind Corp Change
12: 697–725
Boland RJ, Lyytinen K, Yoo Y (2007) Wakes of Innovation in Project Networks: The Case of Digi-
tal 3-D Representations in Architecture, Engineering, and Construction. Org Sci 18: 631–647
Burt RS (1992) Structural Holes: The Social Structure of Competition. Harvard University Press,
Cambridge/MA
Cacilo A, Schmidt S, Wittlinger P, Herrmann F, Bauer W, Sawade O, Doderer H, Hartwig M,
Scholz V (2015) Hochautomatisiertes Fahren auf Autobahnen – Industriepolitische Schluss-
folgerungen. Fraunhofer-Institut für Arbeitswirtschaft und Organisation (IAO), Stuttgart
Capaldo A (2007) Network Structure and Innovation: The Leveraging of a Dual Network as a Dis-
tinctive Relational Capability. Strat Manage J 28: 585–608
Capaldo A, Petruzzelli AM (2014) Partner Geographic and Organizational Proximity and the Inno-
vative Performance of Knowledge-Creating Alliances. Eur Manage Rev 11: 63–84
Dellermann D, Fliaster A, Kolloch M (2017) Innovation Risk in Digital Business Models: The
German Energy Sector. J Bus Strat 38: 35–43
Edelman H (2015) Gewohnte Wege verlassen: Innovation in der Energiewirtschaft. Ernst & Young
GmbH, Düsseldorf
Edvardsson B, Holmlund M, Strandvik T (2008) Initiation of Business Relationships in Servi-
ce-Dominant Settings. Ind Market Manag 37: 339–350
Fang E (2011) The Effect of Strategic Alliance Knowledge Complementarity on New Product
Innovativeness in China. Org Sci 22: 158–172
Fitzgerald M, Kruschwitz N, Bonnet D, Welch M (2014) Embracing Digital Technology. MIT
Sloan Manage Rev 55: 1–12
Fliaster A (2007) Innovationen in Netzwerken: Wie Humankapital und Sozialkapital zu kreativen
Ideen führen. Rainer Hampp Verlag: München
Fliaster A, Spiess J (2008) Knowledge Mobilization through Social Ties: The Cost-Benefit Ana-
lysis. Schmalenbach Bus Rev 60: 99–117
Granovetter M (1985) Economic Action and Social Structure: A Theory of Embeddedness. Am J
Sociol 91: 481–510
Gulati R (1995) Social Structure and Alliance Formation Pattern: A Longitudinal Analysis. Admin
Sci Quart 40: 619–652
164 F. Reck und A. Fliaster

Gulati R, Gargiulo M (1999) Where Do Interorganizational Networks Come From? Am J Soc 104:
1439–1493
Gulati R, Khanna T, Nohria N (1994) Unilateral Commitments and the Importance of Process in
Alliances. MIT Sloan Manage Rev 35: 61–69
Gulati R, Lavie D, Madhavan R (2011) How Do Networks Matter? The Performance Effects of
Interorganizational Networks. Res Organ Behav 31: 207–224
Hoffmann WH (2007) Strategies for Managing a Portfolio of Alliances. Strat Manage J 28: 827–856
Halvorson HG, Rock D (2015) Beyond Bias. https://www.strategy-business.com/article/00345.
Zugegriffen: 15. Februar 2018
Inkpen AC, Tsang EWK (2005) Social Capital, Networks, and Knowledge Transfer. Acad Manage
Rev 30: 146–165
Jensen M, Roy A (2008) Staging Exchange Partner Choices: When Do Status and Reputation Mat-
ter? Acad Manage J 51: 495–516
Kale P, Singh H, Perlmutter H (2000) Learning and Protection of Proprietary Assets in Strategic
Alliances: Building Relational Capital. Strat Manage J 21: 217–237
Kale P, Singh H (2009) Managing Strategic Alliances: What Do We Know Now, and Where Do We
Go From Here? Acad Manage Perspect 23: 45–62
Kim JW, Higgins MC (2007) Where Do Alliances Come From?: The Effects of Upper Echelons on
Alliance Formation. Res Pol 36: 499–514
Kim TY, Oh H, Swaminathan A (2006) Framing Interorganizational Network Change: A Network
Inertia Perspective. Acad Manage Rev 31: 704–720
Koka BR, Prescott JE (2002). Strategic Alliances as Social Capital: A Multidimensional View.
Strat Manage J 23: 795–816
Koza MP, Lewin AY (1998) The Co-Evolution of Strategic Alliances. Org Sci 9: 255–264
Lavie D (2007). Alliance Portfolios and Firm Performance: A Study of Value Creation and Appro-
priation in the US Software Industry. Strat Manage J 28: 1187–1212
Lavie D, Miller S (2008) Alliance Portfolio Internationalization and Firm Performance. Org Sci
19: 623–646
Lee J, Berente N (2012) Digital Innovation and the Division of Innovative Labor: Digital Controls
in the Automotive Industry. Organ Sci 23: 1428–1447
Levinthal DA, March JG (1994) The Myopia of Learning. Strat Manage J 14: 95–112
Majchrzak A, Jarvenpaa SL, Bagherzadeh M (2015) A Review of Interorganizational Collabora-
tion Dynamics. J Manage 41: 1338–1360
Mariotti F, Delbridge R (2012) Overcoming Network Overload and Redundancy in Interorganiza-
tional Networks: The Roles of Potential and Latent Ties. Org Sci 23: 511–528
Maurer I, Ebers M (2006) Dynamics of Social Capital and their Performance Implications: Les-
sons from Biotechnology Start-Ups. Admin Sci Quart 51: 262–292
Mitchell W, Singh K (1996) Survival of Businesses Using Collaborative Relationships to Commer-
cialize Complex Goods. Strat Manage J 17: 169–195
Mitrega M, Pfajfar G (2015) Business Relationship Process Management as Company Dynamic
Capability Improving Relationship Portfolio. Ind Market Manag 46: 193–203
Nahapiet J, Ghoshal S (1998) Social Capital, Intellectual Capital, and the Organizational Advan-
tage. Acad Manage Rev 23: 242–260
Nebus J (2006) Building Collegial Information Networks: A Theory of Advice Network Genera-
tion. Acad Manage Rev 31: 615–637
Obstfeld D (2005) Social Networks, the Tertius Iungens Orientation, and Involvement in Innova-
tion. Admin Sci Quart 50: 100–130
Owen-Smith J, Powell WW (2004) Knowledge Networks as Channels and Conduits: The Effects
of Spillovers in the Boston Biotechnology Community. Org Sci 15: 5–21
8  „Play to win“ versus „Play it safe“ 165

Ozcan P, Eisenhardt KM (2009) Origin of Alliance Portfolios: Entrepreneurs, Network Strategies,


and Firm Performance. Acad Manage J 52: 246–279
Parise S, Casher A (2003) Alliance Portfolios: Designing and Managing Your Network of Busi-
ness-Partner Relationships. Acad Manage Exec 17: 25–39
Pittaway L, Robertson M, Munir K, Denyer D, Neely A (2004) Networking and Innovation: A Sys-
tematic Review of the Evidence. Int J Manag Rev 5: 137–168
Podolny JM (1994) Market Uncertainty and the Social Character of Economic Exchange. Adm Sci
Quart 39: 458–483
Powell WW, Koput KW, Smith-Doerr L (1996) Interorganizational Collaboration and the Locus of
Innovation: Networks of Learning in Biotechnology. Admin Sci Quart 41: 116–145
Powell WW, White DR, Koput KW, Owen-Smith J (2005) Network Dynamics and Field Evolu-
tion: The Growth of Interorganizational Collaboration in the Life Sciences. Am J Sociol 110:
1132–1205
Pullen AJ, Weerd‐Nederhof PC, Groen AJ, Fisscher OA (2012) Open Innovation in Practice: Goal
Complementarity and Closed NPD Networks to Explain Differences in Innovation Performance
for SMEs in the Medical Devices Sector. J Prod Innovat Manage 29: 917–934
Ramos C, Henneberg SC, Naudé P (2012) Understanding Network Picture Complexity: An Empi-
rical Analysis of Contextual Factors. Ind Market Manag 41: 951–972
Reck F, Fliaster A, Kolloch M (2017) Understanding the Effect of Network Management Capabi-
lity on Innovation: A Multi-Path Model. Proceedings of the 77th Annual Meeting of the Aca-
demy of Management, Atlanta/GA, 04.–08. August
Reagans R, McEvily B (2003) Network Structure and Knowledge Transfer: The Effects of Cohe-
sion and Range. Admin Sci Quart 48: 240–267
Reuer JJ, Ragozzino R (2006) Agency Hazards and Alliance Portfolios. Strat Manage J 27: 27–43
Rosenkopf L, Almeida P (2003) Overcoming Local Search through Alliances and Mobility.
Manage Sci 49: 751–766
Rosenkopf L, Padula G (2008) Investigating the Microstructure of Network Evolution: Alliance
Formation in the Mobile Communications Industry. Org Sci 19: 669–687
Rothaermel FT (2001) Complementary Assets, Strategic Alliances, and the Incumbent’s Advan-
tage: An Empirical Study of the Industry and Firm Effects in the Biopharmaceutical Industry.
Res Pol 30: 1235–1250
Rowley TJ, Baum JAC (2008) Introduction: Evolving Webs in Network Economies. In: Baum
JAC, Rowley TJ (eds.) Network Strategy. Emerald, Bingley/UK: xiii–xxxi
Sammarra A, Biggiero L (2008) Heterogeneity and Specificity of Inter‐Firm Knowledge Flows in
Innovation Networks. J Manage Stud 45: 800–829
Sarkar MB, Echambadi RA, Harrison JS (2001) Alliance Entrepreneurship and Firm Market Per-
formance. Strat Manage J 22: 701–711
Sarkar MB, Aulakh PS, Madhok A (2009) Process Capabilities and Value Generation in Alliance
Portfolios. Org Sci 20: 583–600
Schilke O, Goerzen A (2010) Alliance Management Capability: An Investigation of the Construct
and Its Measurement. J Manage 36: 1192–1219
Stuart TE, Hoang H, Hybels R (1999) Interorganizational Endorsement and the Performance of
Entrepreneurial Ventures. Adm Sci Quart 44: 315–349
Stuart TE (2000) Interorganizational Alliances and the Performance of Firms: A Study of Growth
and Innovation Rates in a High-Technology Industry. Strat Manage J 21: 791–811
VKU (2018) VKU-Innovationspreis. https://www.vku.de/verband/veranstaltungen/vku-innova-
tionspreis/. Zugegriffen: 15. Februar 2018
Wadhwa A, Kotha S (2006) Knowledge Creation through External Venturing: Evidence from the
Telecommunications Equipment Manufacturing Industry. Acad Manage J 49: 819–835
166 F. Reck und A. Fliaster

Wassmer U (2010) Alliance Portfolios: A Review and Research Agenda. J Manage 36: 141–171
Yoo Y, Boland RJ, Lyytinen K, Majchrzak A (2012) Organizing for Innovation in the Digitized
World. Organization Science 23: 1398–1408
Zaheer A, Bell GG (2005) Benefiting from Network Position: Firm Capabilities, Structural Holes,
and Performance. Strat Manage J 26: 805–826

Fabian Reck, M.Sc ist wissenschaftlicher Mitarbeiter am Lehrstuhl für Betriebswirtschafts-


lehre, insbesondere Innovationsmanagement der Otto-Friedrich-Universität Bamberg und am
Kompetenzzentrum für Geschäftsmodelle in der digitalen Welt. Seine Forschung beschäftigt sich
mit dem Einfluss von Personen- und Unternehmensnetzwerken auf die erfolgreiche digitale Trans-
formation von Industrieunternehmen.

Professor Dr. Alexander Fliaster  ist Inhaber des Lehrstuhls für BWL, insbesondere Innovations-
management an der Otto-Friedrich-Universität Bamberg. Zu seinen aktuellen Forschungsschwer-
punkten zählen Wissensnetzwerke von Führungskräften sowie Stakeholder-Management und
Innovationskooperationen zwischen den Unternehmen, insbesondere in digitalen Ecosystemen.
Geschäftsprozessmanagement
in Wertschöpfungsnetzwerken – 9
Herausforderungen vor dem
Hintergrund der Digitalisierung

Wolfgang Becker, Alexander Burggraf und Maike Martens

Inhaltsverzeichnis

9.1 Einführung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168


9.2 Wertschöpfungsnetzwerke. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
9.2.1 Begriff und Merkmale von Wertschöpfungsnetzwerken. . . . . . . . . . . . . . . . . . . . . 169
9.2.2 Netzwerkstrukturen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
9.2.3 Abgrenzung analoge und digitale Wertschöpfungsnetzwerke. . . . . . . . . . . . . . . . . 174
9.3 Grundlagen Geschäftsprozessmanagement. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
9.3.1 Definition Geschäftsprozesse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
9.3.2 Definition Geschäftsprozessmanagement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
9.4 Geschäftsprozessmanagement in Wertschöpfungsnetzwerken im Kontext der
Digitalisierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
9.4.1 Herausforderungen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
9.4.2 Weiterentwicklung der unternehmensübergreifenden Zusammenarbeit im
Geschäftsprozessmanagement. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
9.5 Schlussbetrachtung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186

W. Becker (*) 
Lehrstuhl für Betriebswirtschaftslehre, insbesondere Unternehmensführung & Controlling
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: wolfgang.becker@uni-bamberg.de
A. Burggraf · M. Martens 
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
M. Martens
E-Mail: maike-christina.martens@stud.uni-bamberg.de

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019 167
W. Becker et al. (Hrsg.), Geschäftsmodelle in der digitalen Welt,
https://doi.org/10.1007/978-3-658-22129-4_9
168 W. Becker et al.

Zusammenfassung
Die Thematik der Wertschöpfungsnetzwerke wird bereits seit den 1980er Jahren in
der Betriebswirtschaftslehre diskutiert. Durch Mega-Trends wie beispielsweise die
digitale Transformation verändert sich nicht nur die Zusammenarbeit in Organi-
sationen, sondern es ist auch eine Zunahme der Komplexität zu beobachten. Dem
Geschäftsprozessmanagement kommt hierbei eine besondere Rolle zu. Das Ziel des
vorliegenden Beitrags ist die Untersuchung der Herausforderungen des Geschäfts-
prozessmanagements in Wertschöpfungsnetzwerken vor dem Hintergrund der Digita-
lisierung. Hierfür werden zunächst grundlegende Begriffe definiert und der aktuelle
Forschungsstand beleuchtet. Aus den Ergebnissen lässt sich schlussfolgern, dass ein
Geschäftsprozessmanagement für Wertschöpfungsnetzwerke und in Zeiten der digita-
len Transformation für Unternehmen von großer Bedeutung ist.

9.1 Einführung

Seit der Entwicklung der Wertschöpfungskette nach Porter (1985) beeinflussen


zunehmend Mega-Trends, wie die Globalisierung, die digitale Transformation und sich
verändernde Wertevorstellungen in der Gesellschaft die Unternehmen (Klötzer und
Pflaum 2017, S. 4210). Insbesondere neue Informations- und Kommunikationstechno-
logien (IKT) und die die digitale Transformation von Geschäftsmodellen verändern die
Zusammenarbeit von Organisationen (Schallmo und Rusnjak 2017, S. 2). Die Digitali-
sierung von Geschäftsmodellen beschreibt in diesem Zusammenhang, inwieweit auf neue
IKT zurückgegriffen wird. In diesem Kontext ist auch eine zunehmende Durchlässig-
keit der Unternehmensgrenzen zu beobachten (Kagermann et al. 2013, S. 23; C ­ apgemini
2015, S. 14; Nagel 2017, S. 3 ff.). Dies bedeutet folglich, dass es Anpassungen der klas-
sischen Wertschöpfungskette bedarf, denn diese ist nicht länger in der Lage, schnell
genug auf die steigende Komplexität und die sich verändernde Nachfrage zu reagieren.
Aus den meist vorhandenen linearen Wertschöpfungsketten von einzelnen Unternehmen
bilden sich unternehmensübergreifende Kooperationen, wodurch zunehmend netzwerk-
artige Strukturen entstehen (Capgemini 2015, S. 9). Die Digitalisierung hat dabei einen
zusätzlich verstärkenden Effekt auf die Netzwerkbildung. In diesen sogenannten Wert-
schöpfungsnetzwerken agieren unabhängige und selbstständige Unternehmen, zwischen
denen Wechselbeziehungen bestehen. Die hohen wechselseitigen Abhängigkeiten sowie
die vermehrte Nutzung von Digitalisierungsmethoden stellen Unternehmen einerseits
bei der Implementierung sowie im Rahmen der Steuerung solcher Wertschöpfungs-
partnerschaften vor neue Herausforderungen. Ausgehend von der Digitalisierung als „die
partielle bzw. totale Transformation von Geschäftsmodellen unter Nutzung von Infor-
mations- und Kommunikationstechnologien mit dem Ziel der Wertschöpfung“ (Becker
2016, S. 6) erlangt das ursprünglich aus dem Militärumfeld stammende Akronym VUCA
9  Geschäftsprozessmanagement in Wertschöpfungsnetzwerken … 169

(Volatility, Uncertainty, Complexity und Ambiguity) zunehmend an Bedeutung (Vieweg


2015, S. 37 f.). Dem Geschäftsprozessmanagement kommt durch die verstärkte Bildung
von Netzwerken, Kooperationsmodellen und der digitalen Transformation eine besondere
Bedeutung zu. Um das Geschäftsprozessmanagement und die Digitalisierung erfolgreich
zu verknüpfen, ist eine strategische Sichtweise einzunehmen (Schmelzer und Sesselmann
2013, S. 81 ff.). Es stellen sich Fragen, wie die Gestaltung, Lenkung, Kontrolle und Opti-
mierung unternehmensübergreifender Geschäftsprozesse in Wertschöpfungsnetzwerken
ausgestaltet werden kann. Gegenstand dieses Beitrags soll insbesondere die Darlegung,
welche Herausforderungen für ein Geschäftsprozessmanagement in Wertschöpfungsnetz-
werken im Kontext der Digitalisierung bestehen, sein.
Im Einzelnen werden in Abschn. 9.2 zunächst Wertschöpfungsnetzwerke defi-
niert sowie deren Strukturen näher betrachtet. Dem folgend, sind in Abschn. 9.3 die
Grundlagen des Geschäftsprozessmanagements Gegenstand der Diskussion, bevor in
Abschn. 9.4 die Herausforderungen für ein Geschäftsprozessmanagement in Wert-
schöpfungsnetzwerken im Kontext der Digitalisierung und notwendige Weiter-
entwicklungen diskutiert werden. Der Beitrag endet mit einem kurzen Fazit.

9.2 Wertschöpfungsnetzwerke

9.2.1 Begriff und Merkmale von Wertschöpfungsnetzwerken

In der betriebswirtschaftlichen Diskussion finden seit Ende der achtziger Jahre Wert-
schöpfungsnetzwerke Berücksichtigung. Anfangs war die Diskussion vom Wunsch nach
flexibleren Organisationsformen sowie einer Integration und einem Leistungsbeitrag der
immer mehr aufkommenden IKT geprägt. Zu Beginn der Zweitausender Jahre standen
insbesondere die Implementierung und der Betrieb von Wertschöpfungsnetzwerken im
Fokus der Betrachtung (Blecker und Liebhart 2006, S. 1).
Wertschöpfungsnetzwerke werden in der wissenschaftlichen Literatur nicht ein-
heitlich definiert. Um sich dem Begriffsverständnis von Wertschöpfungsnetzwerken zu
nähern, bedarf es zunächst einer Abgrenzung der beiden Teilbegriffe „Wertschöpfung“
und „Netzwerke“.
Die Wertschöpfung ist grundsätzlich als Zweck des unternehmerischen Handelns zu
begreifen (Becker 2014, S. 53 ff.). Sie definiert sich wie folgt:

Die Wertschöpfung eines Betriebes ist eine Maßgröße, die das Ergebnis des betrieblichen
Prozesses kennzeichnet, der zur Schaffung eines betrieblichen Wertes führt. Mit der Wert-
schöpfung wird speziell der Mehrwert bestimmt, den ein Betrieb aufgrund seiner betrieb-
lichen Leistungserstellung den Vorleistungswerten hinzugefügt hat und der sich auf die
unterschiedlichen Anspruchsgruppen, wie bspw. Arbeitnehmer, Fiskus und Kapitalgeber
verteilt (Becker 1999, S. 6).
170 W. Becker et al.

Als Komponenten der Wertschöpfung können die folgenden drei unternehmerischen


Teilzwecke angesehen werden (vgl. auch schon Krüger 1981, S. 932):

• die (Fremd-)Bedarfsdeckung am Markt, die grundsätzlich auf die Erzielung von


angemessenem Kundennutzen abzielt;
• die für verschiedene Anspruchsgruppen (Unternehmer, Management, Arbeitnehmer,
Staat, etc.) bedeutsame Entgelterzielung und
• die Bedürfnisbefriedigung.

Die zuletzt angesprochene Bedürfnisbefriedigung betrifft die verhaltensbezogene Per-


spektive der Wertschöpfung. Zur näheren Ausgestaltung kann hier auf die bekannte
Bedürfnispyramide nach Maslow (1954, S. 80 ff.) zurückgegriffen werden, wenngleich
es verschiedene Modelle zur Klassifikation von Bedürfnissen gibt (siehe hierzu F­ ranken
2010, S. 87 ff.). Demnach versuchen Menschen zunächst Grund- und Sicherheitsbedürf-
nisse zu befriedigen. Wenn diese erfüllt sind, gehen die folgenden drei Bedürfnisse
deutlich über die Entgelterzielung hinaus, denn dann rücken soziale, Individual- und
Selbstverwirklichungsbedürfnisse in den Vordergrund. Dies betrifft das menschliche Han-
deln generell, aber eben auch das durch Menschen realisierte unternehmerische Handeln.
Abb. 9.1 stellt die beschriebenen Zusammenhänge nochmals grafisch dar.
Nach der Definition des Begriffs „Wertschöpfung“ soll im Folgenden der Begriff der
„Netzwerke“ näher beleuchtet werden. Die Ursprünge sozialer Netzwerke finden sich in
der Sozialanthropologie der 1930er Jahre. Anfänge des Netzwerkbegriffes finden sich
bereits bei Radcliff-Brown (1940), bei dem soziale Strukturen alle sozialen Beziehungen
von Person zu Person einschließen sollten. Erst in den 1980er Jahren fand der Netzwerk-
begriff Einzug in die Betriebswirtschaftslehre u. a. Miles und Snow (1986), Jarillo und
Ricart (1987), Jarillo (1988), Ochsenbauer (1989) Powell (1988), Sydow (1992). Bei-
spielsweise definiert Jarillo (1988) Unternehmensnetzwerke als

a long-term, purposeful arrangement among distinct but related forprofit organizations that
allow those firms in them to gain or sustain competitive advantage vis-à-vis their competiti-
ors outside the network.

Sachökonomische Verhaltensökonomische
Perspektive Perspektive
Wert-
schöpfung

Fremd- Entgelterzielung Bedürfnisbefriedigung


bedarfs-
deckung Löhne Steuern Nutzen
und Gebühren Zinsen Gewinne
(Kunden- (Personal Stake Value)
Gehälter Abgaben
nutzen)

Abb. 9.1  Facetten der Wertschöpfung von Unternehmen. (Quelle nach: Becker et al. 2014, S. 54)
9  Geschäftsprozessmanagement in Wertschöpfungsnetzwerken … 171

Hingegen definiert Sydow (1992, S. 79), als Vertreter der deutschsprachigen Forschung,
strategische Netzwerke, als

[…] eine auf die Realisierung von Wettbewerbsvorteilen zielende Organisationsform öko-
nomischer Aktivitäten […], die sich durch komplex-reziproke, eher kooperative denn kom-
petitive und relativ stabile Beziehungen zwischen rechtlich selbständigen, wirtschaftlich
jedoch zumeist abhängigen Unternehmen auszeichnet.

Argumente, die für die Bildung von Netzwerken vorgebracht wird, sind die Risiko-
teilung, die Nutzung von Skaleneffekten sowie die Ressourcenbündelung (Blecker und
Liebhart 2006, S. 3). Ein weiterer Aspekt ist die Reduktion der Wertschöpfungstiefe, um
den Fokus auf die unternehmenseigenen Kernkompetenzen zu legen (Jarillo 1988; Powell
1988; Sydow 1992). Der Marktzugang sowie die Sicherung von Ressourcen, ebenso wie
mögliche Synergieeffekte und positive Auswirkungen auf die Kostensituation können
Motive für die Bildung von Netzwerken sein. Als grundlegender Zweck für die Bildung
von Unternehmensnetzwerken kann somit die Generierung von Wettbewerbsvorteilen
genannt werden (Degenhardt 1992, S. 115 ff.). Gleichzeitig ist jedoch zu beachten, dass
sich Organisationen durch das Eingehen von Unternehmensnetzwerke in ein Abhängig-
keitsverhältnis begeben und einen gewissen Grad an Selbstständigkeit verlieren.
Nachdem die Begriffe „Wertschöpfung“ und „Netzwerke“ erläutert wurden, soll
näher auf den Begriff der „Wertschöpfungsnetzwerke“ eingegangen werden. Tab. 9.1
liefert einen Überblick über verschiedene Definitionsansätze aus der wissenschaftlichen
Literatur für Wertschöpfungsnetzwerke.
In der Literatur wird neben dem Begriff der Wertschöpfungsnetzwerke auch der
Begriff des Ökosystems diskutiert. Für eine ausführliche Diskussion zu Ökosystemen
siehe Papert (2018).
Die Mehrzahl der vorgestellten Definitionen weisen einen Kooperations- und unter-
nehmensübergreifenden Charakter bei Wertschöpfungsnetzwerken hin. Aufbauend dar-
auf, lassen sich folgende generische Merkmale für ein Wertschöpfungsnetzwerk ableiten:

• kooperatives und strategisches Netzwerk rechtlich und wirtschaftlich selbstständiger


Unternehmen;
• Konzentration der Akteure auf Ihre Kernkompetenzen;
• Ausrichtung der Wertschöpfungsaktivitäten auf gemeinsame Ziele;
• Verzicht auf Institutionalisierung zentraler Managementfunktionen;
• intensiver Einsatz moderner Informations- und Kommunikationstechnologien und
• einheitlicher Auftritt der beteiligten Unternehmen nach außen.

Auf Basis der obigen Ausführungen ist erkennbar, dass Wertschöpfungsnetzwerke einen
essenziellen Beitrag und Rolle im Rahmen der digitalen Transformation spielen werden.
Im Folgenden wird kurz auf verschiedene Ausprägungen von Wertschöpfungsnetzwerken
sowie deren Typologisierung eingegangen.
172 W. Becker et al.

Tab. 9.1  Definition Wertschöpfungsnetzwerke
Autor Definition
Sydow (1992, S. 79 f. „[…], dass Netzwerke in einem institutionellen Begriffsverständnis als
und 98 ff.) hybride Organisationsform zwischen Markt und Hierarchie anzusehen sind,
die sich durch relativ stabile kooperative Beziehungen zwischen rechtlich
selbständigen, aber wirtschaftlich verflochtenen Unternehmen auszeichnet.“
Stengel (1999) „Wertschöpfungsnetzwerke sind Unternehmensnetzwerke, in denen
unternehmensübergreifend Leistungen erstellt werden. Sie stellen Mehr-
fachverflechtungen von bilateralen Wertschöpfungspartnerschaften dar
und unterscheiden sich von Ihnen durch die Berücksichtigung, dass zur
Erstellung einer Leistung die Zusammenarbeit mit mehreren Partnern
erforderlich ist und in der Regel jedes Unternehmen Leistungen für meh-
rere Abnehmer erstellt.“
Benger (2007, „Wertschöpfungsnetzwerke sind ihrer Struktur nach dezentrale poly-
S. 96 f.) zentrische Netzwerke, die gekennzeichnet sind durch komplex-reziproke
Beziehungen auf der Grundlage von Verknüpfungen zwischen auto-
nomen, rechtlich selbständigen Einheiten oder Akteuren. Sie bilden
einen Pool von potentiellen Wertschöpfungspartnern, die fallweise zu
Wertschöpfungsprozessen konfiguriert werden. Die Entstehung ist öko-
nomisch motiviert und auf die nachhaltige Erzielung von ökonomischem
Mehrwert ausgerichtet. Rückgrat der Kommunikation und Interaktion
bildet ein verteiltes Informationssystem.“
Voigtländer und Breit- „Im eigentlichen Sinne wurde darunter die Kooperation von Unter-
ner (2010, S. 53) nehmen aus aufeinander folgenden Stufen der Wertschöpfungskette
verstanden, also eine vertikale Kooperation zwischen Zulieferern und
Abnehmern.“
Bach et al. (2012, „Ein Wertschöpfungsnetzwerk ist der Zusammenschluss mehrerer Unter-
S. 105) nehmen zur gemeinsamen Erschließung von Wertschöpfungspotenzialen,
die aus der unternehmensübergreifenden Kopplung der Wertschöpfungs-
prozesse resultieren. Die Abstimmung der gemeinsamen Wertschöpfung
erfordert als riskante Vorleistung spezifische Investitionen, die ein
Mindestmaß an Vertrauen zwischen den beteiligten Partnern erfordern
und die i.d.R. durch vertragliche Mechanismen oder wechselseitige
finanzielle Beteiligungen abgesichert werden.“

9.2.2 Netzwerkstrukturen

Es existiert eine unüberschaubare Anzahl an Ausprägungsformen von Wertschöpfungs-


netzwerken. Sydow (2010, S. 379) hat dazu festgehalten:

die Möglichkeiten der Typologisierung von Netzwerken sind grenzenlos.

Eine sehr breite Übersicht zu den Typologisierungsmöglichkeiten findet sich in Sydow


(2010, S. 380). In der Literatur lassen sich vier unterschiedliche Formen der Primär-
organisation differenzieren (Sydow 2010, S. 375). Als hierarchische Organisations-
9  Geschäftsprozessmanagement in Wertschöpfungsnetzwerken … 173

formen können die funktionale und divisionale Ausprägung bezeichnet werden. Erst
in jüngerer Vergangenheit haben sich die Prozess- und die Netzwerkorganisation als
dritte und vierte Organisationsform herausgebildet. Dies hängt insbesondere mit der
zunehmenden Dynamik im Unternehmensumfeld zusammen. Letztere Organisations-
form soll hier Gegenstand der Betrachtung sein. Bezüglich der Steuerungsform in
Wertschöpfungsnetzwerken kann zwischen monozentrischer (es gibt eine steuernde/
dominierende Wertschöpfungseinheit) und polyzentrischer Steuerung (jede Wert-
schöpfungseinheit besitzt eine Steuerungsfunktion) unterschieden werden (Bach et al.
2010, S. 5). Neben der Steuerung kann als zweites Differenzierungsmerkmal die zeit-
liche Dauer eines Wertschöpfungsnetzwerkes herangezogen werden. Hier kann zwischen
„stabilen Netzwerken“, die auf einen langfristigen Horizont ausgelegt sind und zwischen
„dynamischen Netzwerken“, die nur für die Dauer einer bestimmten Leistungserstellung
bestehen, unterschieden werden. Zu langfristigen Netzwerken sind strategische Netz-
werke zu zählen. Strategische Netzwerke haben häufig monozentrischen Charakter, bei
dem mit externen Partnern langfristige Kooperationsverträge geschlossen werden (Pfohl
2010, S. 297). Ein generisches Wertschöpfungsnetzwerk ist in Abb. 9.2 dargestellt.
Die Ausgestaltung des Wertschöpfungsnetzwerks hat folglich auch Auswirkungen
auf das Geschäftsprozessmanagement und der Lenkung und Gestaltung der Geschäfts-
prozesse, welche Gegenstand des folgenden Abschnitts sind. Unter Lenkung soll hier
die Steuerung und Regelung von Realisationshandlungen verstanden werden. Steue-
rung umfasst die Umsetzung der Entscheidung durch geeignete Vorgaben und Rege-
lung bedeutet Gegenmaßnahmen zu ergreifen, falls die Ausführungshandlungen vom
gewünschten Ergebnis abweichen (Becker 2014, S. 57).

*UR‰KlQGOHU
/LHIHUDQW +HUVWHOOHU (LQ]HOKlQGOHU .XQGH
'LVWULEXWRU

*UR‰KlQGOHU
/LHIHUDQW +HUVWHOOHU (LQ]HOKlQGOHU .XQGH
'LVWULEXWRU

*UR‰KlQGOHU
/LHIHUDQW +HUVWHOOHU (LQ]HOKlQGOHU .XQGH
'LVWULEXWRU

Abb. 9.2  Generisches Modell eines Wertschöpfungsnetzwerks. (Quelle nach: Chopra und Meindl


2014, S. 24)
174 W. Becker et al.

9.2.3 Abgrenzung analoge und digitale Wertschöpfungsnetzwerke

Die bisherigen Ausführungen haben gezeigt, dass die Thematik der Wertschöpfungs-
netzwerke bereits seit den achtziger Jahren des vorherigen Jahrhunderts thematisiert
wird. Aufgrund der eingangs beschriebenen digitalen Transformation lassen sich ver-
stärkt, neben analogen Wertschöpfungsnetzwerken, auch digitale Netzwerkstrukturen
erkennen. Dieser Abschnitt diskutiert Eigenschaften von Wertschöpfungsnetzwerke und
grenzt analoge von digitalen Wertschöpfungsnetzwerken ab. Mit der Bildung digitaler
Wertschöpfungsnetzwerke ist die digitale Transformation der Geschäftsmodelle eng ver-
bunden. Um eine sinnvolle Abgrenzung analoger und digitaler Netzwerke vornehmen zu
können, ist zwischen stabilen, internalen und dynamischen Wertschöpfungsnetzwerken
zu differenzieren (Miles und Snow 1992, S. 56 f.). Ein stabiles Netzwerk ist nur mit
einer geringen Anzahl von ausgewählten Partnern verbunden. Ein internales Netzwerk
besteht aus einer Vielzahl von produzierenden und verkaufenden Einheiten sowie aus
Lieferanten zwischen denen Interdependenzen herrschen. Letztlich, auch bedingt durch
die digitale Transformation, existieren dynamische Wertschöpfungsnetzwerke. In diesem
Zusammenhang ist mit einem global aufgestellten und voll integrierten Netz aus Liefe-
ranten, Partnern, Unternehmensteilen, die ausgelagert werden, und Vertriebseinheiten,
die über moderne IKT verbunden sind, zu rechnen.
Bislang werden Wertschöpfungsnetzwerke, wie im vorherigen Abschnitt bereits
gesehen, über die Aspekte der Dezentralität, unternehmensübergreifend und Verflechtung
definiert. Welche Veränderungen in der unternehmensübergreifenden Kooperation sind
künftig nun zu erwarten? Die digitale Transformation wirkt als Enabler für die Bildung
dynamischer und folglich digitaler Wertschöpfungsnetzwerke. Unternehmen, die die
digitale Transformation vollziehen und verstärkt IKT einsetzen, können den Umsatz und
die Profitabilität steigern (Schuh et al. 2013, S. 43). Hinzu kommt durch den Einsatz von
IKT eine weitere Reduktion der Transaktionskosten und neuen Formen der Zusammen-
arbeit (Picot et al. 1996). Gründe, wie die Risikostreuung, Nutzung von Skaleneffekten
und die Ressourcenbündelung gelten sowohl in analogen als auch in digitalen Wert-
schöpfungsnetzwerken. Allerdings ist noch zu diskutieren, ob diese den gleichen Stellen-
wert besitzen. Die Redefinition der unternehmenseigenen Wertschöpfungstiefe wird durch
die digitale Transformation nochmals zunehmen, um insbesondere der Komplexität zu
begegnen. Die Gestaltung digitaler Wertschöpfungsnetzwerke ist somit auch eine Frage
der Strategie und des strategischen Managements. Ein wesentlicher Aspekt, der für die
Bildung digitaler Wertschöpfungsnetzwerke spricht, ist, durch die Verankerung digitaler
Technologien gelingt die vollständige Integration aller Lieferanten, Partner und Kunden
(Schuh et al. 2013, S. 45). Schuh et al. (2013, S. 44 ff.) argumentieren, dass sich ein digi-
tales Netzwerk insbesondere über die Zunahme der Kooperationsintensität mit Partnern
und Kunden definiert. Bereits Stengel (1999, S. 20) erkannte, dass die Weiterentwicklung
der IKT zu einer zunehmenden Leistungstransparenz in Wertschöpfungsnetzwerken füh-
ren wird. Durch die zunehmende Transparenz und verfügbaren Informationen ergeben
9  Geschäftsprozessmanagement in Wertschöpfungsnetzwerken … 175

sich vereinfachte Optimierungspotenziale. Innovationen und die Wertschöpfung werden


künftig auch verstärkt in offenen Netzwerken entwickelt, in dem interne und externe Mit-
arbeiter in interdisziplinären und interkulturellen Teams zusammen arbeiten. Hierzu fin-
det sich in der Praxis das Beispiel IBM. Das Unternehmen hat 8000 Stellen gestrichen
und durch Freelancer ersetzt (Kaiser und Kozica 2014, S. 11). Das Ziel war die Erhöhung
der Flexibilität und um schneller auf Markt- sowie Umweltveränderungen reagieren zu
können. Diese Art von Netzwerk ermöglichte es, schnell und gezielt benötigte Kompe-
tenzen einzukaufen. Als eine Folge entwickeln sich Organisationen zunehmend hin zu
amorphen, fluiden Gebilden und einem Abbau der Hierarchien (Kaiser und Kozica 2014,
S. 11). Als sich die Betriebswirtschaftslehre erstmals mit Wertschöpfungsnetzwerken
auseinandersetzte war das World Wide Web noch am Anfang und bot noch nicht die
Möglichkeiten, die es heute hat (Koch 2014, S. 26). Insbesondere die Nutzung mobiler
Endgeräte ermöglichte die Schaffung ungeahnter Potenziale. Eine derzeit noch unter-
präsentierte Technik in den Unternehmen ist der Einsatz von Clouds. Eine Studie zeigt,
dass die Nutzung von Clouds in Unternehmen künftig zunehmen wird (Richter et al.
2014, S. 40 ff.). Für Kooperation in Wertschöpfungsnetzwerken wird diese Technik zum
Informationsaustausch unabdingbar sein und eignet sich für die unternehmensüber-
greifende Kommunikation auch hervorragend. Durch die digitale Transformation werden
Wertschöpfungsnetzwerke verstärkt auftreten und auch die Kernprozesse von Organisa-
tionen betreffen. Die Entwicklung digitaler Wertschöpfungsnetzwerke geht letztlich Hand
in Hand mit der Veränderung der Abläufe im Unternehmen, weshalb im nächsten Kapi-
tel zunächst die begrifflichen Grundlagen zum Geschäftsprozessmanagement diskutiert
­werden.

9.3 Grundlagen Geschäftsprozessmanagement

9.3.1 Definition Geschäftsprozesse

Das Geschäftsprozessmanagement spielt bei der Bildung von Wertschöpfungsnetz-


werken im Hinblick auf die digitale Transformation eine entscheidende Rolle, weshalb
zunächst, die für den Beitrag relevanten Grundlagen diskutiert werden. Durch die Trans-
formation der Geschäftsmodelle findet der Wettbewerb künftig nicht mehr auf Basis
von Produkten, sondern auf Basis der Geschäftsmodelle statt. Dadurch gewinnen auch
Geschäftsprozesse an strategischer Bedeutung (Westermann et al. 2014, S. 90). Die Ver-
änderung der Geschäftsmodelle durch die Digitalisierung wird nach Becker et al. (2013,
S. 54) auch als die Optimierung von Geschäftsprozessen durch IKT verstanden werden.
Eine Betrachtung der Geschäftsprozesse in der digitalen Transformation findet sich in
der Literatur bislang nur oberflächlich. Der Fokus liegt überwiegend auf deren Optimie-
rung und Standardisierung (Hess et al. 2016; Weber et al. 2015).
Für den Unternehmenserfolg ist es aufgrund der prozessorientierten Organisation aus-
schlaggebend, die Prozesse im Unternehmen als verknüpfte Aktivitäten zu verstehen und
176 W. Becker et al.

gezielt zu optimieren. Insbesondere ist es entscheidend, ganze Geschäftsprozesse, wel-


che funktions- und organisationsübergreifend sind, zu verstehen und zu verbessern. Im
Rahmen dieser Verbesserungen treten die Stakeholder mit ihren Interessen und Bedürf-
nissen in den Fokus der Unternehmen (Schmelzer und Sesselmann 2013, S. 51 f.).
Um das Wesen von Geschäftsprozessen zu verstehen, ist zunächst eine inhalt-
liche Abgrenzung des Begriffes notwendig. Zudem wird in der Literatur oft kein klarer
Unterschied zwischen einem Prozess und einem Geschäftsprozess aufgezeigt. Diese
Abgrenzung soll in einem ersten Schritt erfolgen. Der Ursprung des Begriffes Prozess
geht auf das lateinische Wort „procedere“ zurück, welches mit den Worten „voran-
schreiten“, „vorrücken“ oder „vorwärts gehen“ übersetzt werden kann (Gaitanides 2012,
S. 3). Die ISO 9000:2005 (2005, S. 23) definiert einen Prozess allgemein als einen

Satz von in Wechselbeziehungen oder Wechselwirkung stehenden Tätigkeiten, der Eingaben


in Ergebnisse umwandelt.

Jedoch weisen Schmelzer und Sesselmann (2013, S. 51) darauf hin, dass der allgemeine
Prozessbegriff weder Hinweise auf das Ziel, Anstoß, Reichweite, Inhalt, Struktur, Ergeb-
nisse noch auf Empfänger der Ergebnisse des Prozesses gibt. Eine Weiterentwicklung
des Begriffes nehmen Schmelzer und Sesselmann (2013, S. 52) auch selbst vor, die einen
Prozess als

Folge von Aktivitäten, die aus definierten Inputs definierte Outputs erzeugen,

festlegen. Mit dieser Definition wird erstmals eine Marktorientierung im Prozessbegriff


deutlich. Das Zusammenfügen von Einsatzfaktoren innerhalb des Prozesses führt zu
einem Wertzuwachs (Gotthard und Ewald 2007, S. 191).
Prozesse können aber auch noch wesentlich weiter gefasst werden. Eine gewisse
Abfolge von Aktivitäten mit einem Input dem ein Output folgt. Dies ist jedoch kein
Geschäftsprozess, da der Kunde erst den Bedarf auslöst (Bergsmann 2012, S. 18).
Geschäftsprozesse legen somit die Fokussierung auf die Stakeholder, wie den Kunden
oder Lieferanten (Schmelzer und Sesselmann 2013, S. 51 f.). Beim Geschäftsprozess
werden zunächst die Anforderungen und Bedürfnisse des Kunden betrachtet und auf-
grund dieser durch wertschöpfende Aktivitäten ein Output, also die geforderte Leistung
für den Kunden, erstellt. Eine Auswahl von Definitionen des Begriffs „Geschäftsprozess“
wird in Tab. 9.2 zusammengefasst.
Ein Geschäftsprozess muss als End-To-End-Geschäftsprozess (Suter et al. 2015,
S. 135 ff.) verstanden werden, bei dem es zunächst darum geht den Bedarf des Kun-
den zu identifizieren, um anschließend die dazu notwendigen Aktivitäten auszurichten
und den Bedarf durch ein erstelltes Produkt oder eine Leistung zu befriedigen. Zudem
müssen für eine vollkommene End-to-End-Perspektive alle Prozesse als Gesamtbild für
eine Leistungserstellung verstanden werden, nur so wird der Kunde mit seinen Bedürf-
nissen und das Produkt oder die Leistung als Prozessergebnis zum Prozessmittelpunkt
9  Geschäftsprozessmanagement in Wertschöpfungsnetzwerken … 177

Tab. 9.2  Geschäftsprozess Definitionen
Autor Definition
Hammer und Champy „Business process as a collection of activities that takes one or
(1993, S. 35) more kinds of input and creates an output that is of value to the
customer.“
Smith und Fingar (2007, „A business process is the complete and dynamically coordinated
S. 47) set of collaborative and transactional activities that deliver value to
customers.“
Gadatsch (2012, S. 36) „Ein Geschäftsprozess ist eine zielgerichtete, zeitlich-logische
Abfolge von Aufgaben, die arbeitsteilig von mehreren Organisatio-
nen oder Organisationseinheiten unter Nutzung von Informations-
und Kommunikationstechnologien ausgeführt werden können.“
Bergsmann (2012, S. 29) „[…] die Abfolge aller notwendigen und direkt mit dem Geschäfts-
fall verbundenen Tätigkeiten zur Erstellung einer Leistung für
einen Kunden, mit der bei diesem ein vorausgehender Bedarf
gedeckt wird und die daher für diesen von Wert ist, samt der
Zuordnung der dafür notwendigen Ressourcen.“
Schmelzer und Sesselmann „Ein Geschäftsprozess besteht aus der funktionsübergreifenden
(2013, S. 52) Folge wertschöpfender Aktivitäten, die von Kunden erwartete
Leistungen erzeugen und die aus der Geschäftsstrategie und den
Geschäftszielen abgeleiteten Prozessziele erfüllen.“

(Bergsmann 2012, S. 25). Durch die Ausrichtung der Prozesse auf den Kunden mit sei-
nen Anliegen und Anforderungen werden die einzelnen Prozessschritte besser organisiert
und optimiert, wodurch der Kunde eine bessere Qualität der Leistung, der Servicequali-
tät, einen durch geringere Prozesskosten verursachten, niedrigeren Preis und eine ver-
besserte Transparenz der Prozesse wahrnimmt (Bergsmann 2012, S. 31). Neben dem
Kunden werden auch die Lieferanten in die Betrachtung einer End-to-End Perspektive
mit einbezogen. Erst mittels einer End-to-End Prozesssicht wird die gesamte Leistungs-
erstellung eines Wertschöpfungsnetzwerks abgebildet. Im englischen findet sich für
unternehmensübergreifende Zusammenarbeit noch der Begriff des „Collaborative Busi-
ness Process“, welcher auf die unternehmensübergreifende Zusammenarbeit abzielt.
Zusammenfassend kann deshalb angeführt werden, dass für eine Betrachtung der Aus-
gestaltung des Geschäftsprozessmanagements in digitalen Wertschöpfungsnetzwerken
das Verständnis von Geschäftsprozessen umfassender ist und die Stakeholder stärker in
in den Mittelpunkt gestellt werden, als es im Rahmen der reinen Prozessdefinition ohne
Netzwerkfokus der Fall ist. Die Geschäftsprozesse sind daher künftig vor allem auf den
Kunden auszurichten, was vor dem Hintergrund unternehmensübergreifender Gestaltung
und Lenkung, die Gegenstand dieses Beitrags ist, zielführender erscheint. Für den vor-
liegenden Beitrag wird folgende Definition von Geschäftsprozessen zugrunde gelegt:

Ein digitalisierter Geschäftsprozess besteht aus der unternehmensübergreifenden Folge


wertschöpfender Aktivitäten, die von Kunden erwartete Leistungen erzeugen, die aus der
Geschäftsstrategie und den Geschäftszielen abgeleiteten Prozessziele erfüllen sowie einer
End-to-End-Perspektive unterliegt.
178 W. Becker et al.

9.3.2 Definition Geschäftsprozessmanagement

Anschließend an die Definition von Geschäftsprozessen und der Abgrenzung zu dem


allgemeinen Prozessbegriff sollen die Grundlagen zum Geschäftsprozessmanagement
diskutiert werden. Die digitale Transformation der Geschäftsmodelle hat wesentlichen
Einfluss auf die Strategie eines Unternehmens, weshalb die Betrachtung des Geschäfts-
prozessmanagements in diesem Beitrag aus strategischer Perspektive erfolgt. Das strate-
gische Geschäftsprozessmanagement fokussiert sich auf die wettbewerbsrelevanten oder
auch als Kernprozesse bezeichneten Unternehmensabläufe, welche durch die digitale
Transformation besonders betroffen sind (Schmelzer und Sesselmann 2013, S. 82). Um
ein Geschäftsprozessmanagement für digitale Wertschöpfungsnetzwerke zu implemen-
tieren, ist es erfolgsentscheidend die Prozesse abteilungs- und unternehmensübergreifend
zusammenzuführen und die Konsistenz der weitergegebenen Daten sicherstellen. Das
Ziel ist es einen möglichst hohen Automatisierungsgrad bei den Geschäftsprozessen
zu erreichen (Weber et al. 2015, S. 31). Weber et al. (2015, S. 31) sprechen in diesem
Zusammenhang auch von Digital Process Management. In der Literatur lassen sich
weitere Ausgestaltungen und eher traditionellere Verständnisse des Begriffs Geschäfts-
prozessmanagement finden. Neben Autoren (Davenport 1993; Hammer und Champy
1993), die einen Reengineering Gedanken im Geschäftsprozessmanagement verfolgen
und damit die Notwendigkeit der Veränderung der Organisation in den Vordergrund-
stellen, lassen sich in der Literatur noch umfassendere Verständnisse von Geschäfts-
prozessmanagement finden. Schmelzer und Sesselmann (2013, S.  6) verstehen
beispielsweise unter Geschäftsprozessmanagement:

Geschäftsprozessmanagement ist ein integriertes System aus Führung, Organisation und


Controlling zur zielgerichteten Steuerung und Optimierung von Geschäftsprozessen. Es
ist auf die Erfüllung von Bedürfnissen der Kunden sowie anderer Interessengruppen aus-
gerichtet und dient dazu, die strategischen und operativen Ziele der Organisation bzw. des
Unternehmens zu erreichen.

Bei genauerer Betrachtung der Definition beinhaltet diese Aspekte der Führung, Cont-
rolling, Organisation, Optimierung und Steuerung von Geschäftsprozessen, wobei der
Kunde im Mittelpunkt der Betrachtung steht. Eine Betrachtung über die Unternehmens-
grenzen hinaus findet keine Berücksichtigung in der Begriffsbestimmung. In der Defini-
tion von Gaitanides et al. (1994, S. 3) wird hingegen noch der Wertschöpfungsgedanke
berücksichtigt:

Prozessmanagement umfassen planerische, organisatorische und kontrollierende Maßnah-


men zur zielorientierten Steuerung der Wertschöpfungskette eines Unternehmens hinsicht-
lich Qualität, Zeit, Kosten und Kundenzufriedenheit.
9  Geschäftsprozessmanagement in Wertschöpfungsnetzwerken … 179

Eine ähnliche Definition wählt Kugeler (2001, S. 


386 
f.) für Geschäftsprozess-
management:

Prozessmanagement dient der Planung, Steuerung und Kontrolle von inner- und über-
betrieblichen Prozessen, wobei sowohl Kern- als auch Supportprozesse Gegenstand des
Prozessmanagements sind.

Stöger (2011, S. 4 ff.) identifiziert sieben Faktoren, um Geschäftsprozessmanagement zu


definieren:

1. Resultatorientierung;
2. Kundenorientierung;
3. Beitrag ans Ganze;
4. Kontrollierbarkeit, Messbarkeit, Beurteilbarkeit;
5. Wiederholbarkeit und Routine;
6. Verantwortlichkeit und
7. Führbarkeit.

Jedoch betrachtet Stöger in seinen Ausführungen den Aspekt eines unternehmens-


übergreifenden oder gar in Wertschöpfungswerken ablaufenden Geschäftsprozess-
managements auch nicht. Lediglich in einer Definition des Fraunhofer Instituts (2009,
S. 1) wird der Hinweis gegeben, dass Geschäftsprozesse bzw. das Geschäftsprozess-
management unternehmensübergreifend zu betrachten sind:

Unter Business Process Management (BPM) versteht man alle Aktivitäten, um die modell-
basierten automatisierten Geschäftsprozesse (samt manuellen Aktivitäten) eines Unter-
nehmens (und unternehmensübergreifend) stets optimal ablaufen zu lassen.

Ausgestaltungsmerkmale eines Digital Process Managements finden sich im traditio-


nellen Verständnis von Geschäftsprozessmanagement bislang nicht. Weber et al. (2015,
S. 31) liefern hier Ansatzpunkte. Eine einheitliche Prozessarchitektur, ebenso wie durch-
gängige und datenkonsistent gestaltete und ausgeführte Geschäftsprozesse in einem
End-to-End orientierten Geschäftsprozessmanagement wird künftig erfolgskritisch sein.
Standards in Geschäftsprozessen müssen unternehmensübergreifend eingeführt und
Schnittstellen über Architekturebenen hinweg implementiert werden.
Zusammenfassend lässt sich also feststellen, dass es zwar eine große Heterogeni-
tät innerhalb der Auffassung des Begriffs Geschäftsprozessmanagement gibt, einzelne
Aspekte sich jedoch immer wieder übereinstimmend bei Autoren finden lassen. Eines
der zentralen Ziele, die mit einem Geschäftsprozessmanagement verfolgt werden, sind
die Effektivitäts- und Effizienzsteigerung der Unternehmensorganisation, um die Exis-
tenz der Unternehmung zu sichern (Vahs 2015, S. 256 f.). In diesem Zusammenhang
180 W. Becker et al.

spielt die Optimierung von Geschäftsprozessen eine entscheidende Rolle. Das Geschäfts-
prozessmanagement sollte ebenfalls voll integriert in dem Unternehmen implementiert
sein (Schmelzer 2011, S. 69). Wie bereits erläutert, findet sich in den gängigen Defini-
tionen für Geschäftsprozessmanagement noch keine explizite Betrachtung im Rahmen
von Wertschöpfungsnetzwerken bzw. bei unternehmensübergreifenden Kooperationen.
Auch die digitale Transformation ist bislang bei Betrachtung des Geschäftsprozess-
managements unterrepräsentiert. Basierend auf den dargestellten Ausführungen und
unter Berücksichtigung strategischer Aspekte sowie der digitalen Transformation wird
Geschäftsprozessmanagement nachfolgend definiert:

Digitales Geschäftsprozessmanagement ist ein integriertes System aus Führung, Orga-


nisation und Controlling zur zielgerichteten Lenkung und Optimierung von Geschäfts-
prozessen. Die Geschäftsprozesse weisen einen möglichst hohen Automatisierungs- und
Standardisierungsgrad auf mit optimierten Schnittstellen sowie hoher Datenkonsistenz. Es
ist auf die Erfüllung von Bedürfnissen der internen und externen Kunden ausgerichtet und
dient dazu, die strategischen und operativen Ziele der Organisation bzw. des digitalen Wert-
schöpfungsnetzwerks zu erreichen.

9.4 Geschäftsprozessmanagement
in Wertschöpfungsnetzwerken im Kontext der
Digitalisierung

Es gibt eine Vielzahl von Einflussfaktoren, die sich auf die Wertschöpfungskette aus-
wirken. Die Dekonstruktion klassischer Wertschöpfungsketten hin zu Wertschöpfungs-
netzwerken führt zu einer Erhöhung der Schnittstellen und damit zu einer erhöhten
Komplexität und zusätzlichen Herausforderungen im Rahmen des Schnittstellen-
managements (Özsahin 2015, S. 35). Die Einflussfaktoren können interner oder externer
Natur sein. Abb. 9.3 stellt eine Auswahl von Einflussfaktoren auf die Wertschöpfungs-
kette nach Porter grafisch dar.
Es lassen sich derzeit insbesondere externe Einflussfaktoren auf die Wertkette identi-
fizieren. Jedoch können generell sich verändernde Wertvorstellungen in der Gesellschaft
und folglich auch bei den Mitarbeitern Einfluss auf die Wertschöpfungskette nehmen
(Nagel 2017, S. 3 ff.). Um der zunehmenden Volatilität, Unsicherheit, Komplexität und
Mehrdeutigkeit zu begegnen, beginnen Unternehmen verstärkt Kooperationen einzu-
gehen oder Unternehmensteile auszulagern (Bharadwaj et al. 2013, S. 471; ­Schönherr
und Madan 2015, S. 88). Die Digitalisierung ermöglicht durch neue Funktionen das
Geschäftsprozessmanagement in seinen Aufgaben zu unterstützen (Jodlbauer 2018,
S. 101). Zusätzlich wird die Gestaltung und Lenkung der Organisation mittels eines
integrierten Geschäftsprozessmanagements noch durch zunehmend verschwimmende
Unternehmensgrenzen erschwert. Die stärkere Vernetzung und unternehmensüber-
greifende Kooperationen bedingen eine Reduktion der Wertschöpfungstiefe einzelner
Wertschöpfungseinheiten. Gemäß den Ausführungen in diesem Abschnitt stellt sich die
9  Geschäftsprozessmanagement in Wertschöpfungsnetzwerken … 181

1HXH,QIRUPDWLRQV 9HUVWlUNWH%LOGXQJ
XQG 1HXH YRQ$EQHKPHU
.RPPXQLNDWLRQV :HWWEHZHUEHU =XOLHIHUHU
WHFKQRORJLHQ 1HW]ZHUNHQ

8QWHUQHKPHQVLQIUDVWUXNWXU

8QWHUVWW]HQ 3HUVRQDOZLUWVFKDIW
GH$NWLYLWlWHQ 7HFKQRORJLHHQWZLFNOXQJ
%HVFKDIIXQJ
=XQHKPHQGH
,QWHJUDWLRQGHV 9HUlQGHUWHV
.XQGHQLQGLH .XQGHQYHUKDOWHQ
(LQJDQJV 2SHUD $XVJDQJV 0DUNHWLQJ .XQGHQ
:HUWNHWWH ORJLVWLN WLRQHQ ORJLVWLN 9HUWULHE GLHQVW

3ULPlUH$NWLYLWlWHQ

=XQDKPHYRQ *HVFKlIWVPRGHOO 7HQGHQ]]X


.RPSOH[LWlW LQQRYDWLRQHQ /RVJU|‰H

Abb. 9.3  Einflussfaktoren auf die Wertkette

Frage, welche Herausforderungen sich künftig für ein Geschäftsprozessmanagement in


Wertschöpfungsnetzwerken ergeben.

9.4.1 Herausforderungen

Allein der Umstand der Gestaltung, Lenkung, Controlling, Dokumentation und Optimie-
rung unternehmensübergreifender Geschäftsprozesse in einem Wertschöpfungsverbund
im Rahmen der digitalen Transformation birgt zahlreiche Herausforderungen. Hinzu
kommen die teilweise heterogenen IT-Systeme, die eine Strukturierung der Abläufe
zusätzlich erschweren.
Einen Unterschied bezogen auf das Schnittstellenmanagement innerhalb eines Unter-
nehmens im Vergleich zu zwischen Unternehmen, ist der Zahlungsaustausch für eine
Leistung (Suter et al. 2015, S. 192). In einem Unternehmen werden normalerweise
interne Verrechnungspreise für die Preisbestimmung eingesetzt. Darüber hinaus ist die
Produkthaftung bei unternehmensübergreifenden Transaktionen zu nennen. Für das
Geschäftsprozessmanagement und dem verbundenen Schnittstellenmanagement ist es
entscheidend, die Bedürfnisse des Kunden in den Mittelpunkt der Betrachtung zu stel-
len. Das bedeutet, dass Geschäftsprozesse so zu modellieren sind, damit eine möglichst
hohe Kundenzufriedenheit erzielt werden kann. Daraus lässt sich schlussfolgern, dass
die Prozessleistung in direktem Zusammenhang mit der Kundenzufriedenheit steht. Die
Kundenzufriedenheit ist ein entscheidender Faktor für den Erfolg eines Unternehmens.
182 W. Becker et al.

Unzufriedene Kunden, seien es interne oder externe, führen zu Mehrkosten (Suter et al.
2015, S. 149). Aus diesem Grund wird die Kundenzufriedenheit als eine zentrale Heraus-
forderung, die es im Rahmen des Geschäftsprozessmanagements in digitalen Wert-
schöpfungsnetzwerken zu berücksichtigen gilt, angesehen. Entsprechend ist auch die
Messung der Performance Kundenzufriedenheit innerhalb eines Wertschöpfungsnetz-
werkes unabdingbar.
Aufgrund der Vielzahl an Schnittstellen und der damit ablaufenden Teil- und
Geschäftsprozesse in einem Wertschöpfungsverbund ist eine Strukturierung und Doku-
mentation der Geschäftsprozesse inklusive einer Visualisierung innerhalb eines digitali-
sierten Wertschöpfungsnetzwerks notwendig. Jedoch ist in diesem Zusammenhang auch
festzuhalten, dass nicht jeder Geschäftsprozess sich gleich gut strukturieren lässt. Auch
der Wiederholungsgrad differiert bei einzelnen Geschäftsprozessen. Diese unterschied-
lichen Geschäftsprozess-Typologien finden sich auch innerhalb von Unternehmen. Ein
Geschäftsprozessmanagement in Wertschöpfungsnetzwerken muss sich insbesondere
für die Gestaltung und Lenkung wissensintensiverer und indirekt wertschöpfender
Geschäftsprozesse aufstellen. Insbesondere Managementprozesse (Daniel 2008) sind
in diesem Zusammenhang zu betrachten. Das Ziel standardisierter und automatisierter
Geschäftsprozesse in der digitalen Transformation muss die funktionsübergreifende
Vernetzung zwischen direkten und indirekten Unternehmensbereichen sein (Pampel
und Botzkwoski 2016, S. 393). Die fehlende Akzeptanz für die Standardisierung der
Abläufe ist eines der in diesem Zusammenhang zu nennenden Herausforderungen für
das Geschäftsprozessmanagement. Eine weitere Herausforderung ist der „richtige“
Umgang mit der zunehmenden Menge an Informationen (Big Data). Ein künftiges
Geschäftsprozessmanagement steht dem Umstand der völligen Digitalisierung quasi aller
Geschäftsprozesse gegenüber. Die Bedeutung der IT-Sicherheit wird durch die voran-
schreitende Digitalisierung weiter steigen und hohe Ansprüche an die Prozesssicherheit
stellen (Spindler 2018, S. 44).
Wie bereits dargestellt, planen viele Unternehmen vermehrt Auslagerungen oder
Verlagerungen von Unternehmensteilen, um dem VUCA-Einfluss entsprechend ent-
gegen zu wirken und das Unternehmen flexibler aufzustellen. Unternehmen konzen-
trieren sich immer stärker auf ihre Kernkompetenzen, was dazu führt, dass nicht wie
bisher nur Supportbereiche ausgelagert werden, sondern auch direkt wertschöpfende
Bereiche (Suter et al. 2015, S. 195). Es ist anzunehmen, dass dieser Effekt noch wei-
ter zunimmt. Durch den Einsatz neuer IKT steuern sich sogenannte „Smart Factories“
selbst, wodurch der Informationsaustausch auch über Unternehmensgrenzen hinweg und
damit in Wertschöpfungsnetzwerken vereinfacht wird (Lasi et al 2014, S. 262). Diese
Vorgehensweise geht jedoch mit einem ansteigenden Schnittstellenmanagement einher
und bedeutet, bezogen auf die Mitarbeiter speziell im Geschäftsprozessmanagement,
dass entsprechende Kompetenzen aufgebaut werden müssen. Vor der Auslagerung von
Unternehmensteilen erscheint es sinnvoll, die derzeitigen Geschäftsprozesse zu über-
prüfen und die Schnittstellen zu optimieren. Hierfür ist es notwendig die Geschäfts-
prozesse durch Datenkonsistenz und Standardisierung zu digitalisieren. Eine verbesserte
9  Geschäftsprozessmanagement in Wertschöpfungsnetzwerken … 183

Abstimmung, weniger Schnittstellen und besser verwertbare Informationen sind die


Folge. In diesem Zusammenhang stellt sich auch die Frage, welche Teilbereiche künftig
ausgelagert werden sollen. Ausführungstätigkeiten sind meist auch mit administrativen
Tätigkeiten wie Planung und Beschaffung verbunden. Das bedeutet, dass auch
Geschäftsprozesse, die im Top-Management ablaufen, betroffen sind. Eine alleinige Aus-
lagerung von Ausführungstätigkeit führt nicht zu effizienteren Geschäftsprozessen, son-
dern zu einer höheren Komplexität und steigendem Koordinationsaufwand (Suter et al.
2015, S. 196).
Ein weitere Herausforderung sind die unterschiedlichen Unternehmenskulturen und
-philosophien (Hirschmann 1998, S. 38 f.). Verschiedene Managementkonzepte, aber
auch rechtliche und gesellschaftliche Regeln müssen berücksichtigt werden (Haar-
länder und Krallmann 2006, S. 116). Zudem existieren für unternehmensübergreifende
Geschäftsprozesse mehrere Geschäftsprozessverantwortliche. Hierdurch entsteht ein
großer Abstimmungsbedarf. Wie die Gestaltung der Verantwortlichkeiten innerhalb digi-
talisierter Geschäftsprozesse erfolgt, ist noch zu diskutieren. In diesem Zusammenhang
ist auch die Heterogenität in der IT-Landschaft von Unternehmen zu nennen. Hierdurch
wird ein effizienter und effektiver Informationsfluss und die Kommunikation zwischen
den Unternehmen erschwert (Haarländer und Krallmann 2006, S. 116 f. Vgl. auch Bock
et al. 2003, S. 65). Die Ausführungen zeigen, dass die Prozessdigitalisierung insgesamt
noch nicht weit vorangeschritten ist und einer stärkeren Fokussierung in der Zukunft
bedarf (Stoll und Buhse 2016, S. 1 ff.).

9.4.2 Weiterentwicklung der unternehmensübergreifenden


Zusammenarbeit im Geschäftsprozessmanagement

Die zahlreichen Herausforderungen für ein Geschäftsprozessmanagement in digitalen


Wertschöpfungsnetzwerken zeigen, dass es durch die Veränderung und Auflösung der
traditionelle Wertkette Handlungsbedarf für das Geschäftsprozessmanagement gibt. Um
die derzeit größtenteils linear ablaufende Wertschöpfungskette flexibler aufzustellen,
bedarf es weniger hierarchische Strukturen und die Aktivitäten sollten parallel, struk-
turiert in Netzwerken angeordnet sein (Capgemini 2015, S. 11). Abb. 9.4 illustriert die
Entwicklung von einer hierarchiegetriebenen Automatisierungspyramide hin zu einem
Netzwerk. Die Knotenpunkte entsprechen hier Wertschöpfungseinheiten innerhalb eines
Netzwerks.
Cyber-Physische-Systeme (CPS) bieten eine Möglichkeit, die hierarchischen Struk-
turen aufzulösen und Netzwerke zu lenken (vgl. Abb. 9.4) (Klötzer und Pflaum 2017,
S. 4210). Unter CPS wird die Verschmelzung von physischer und digitaler Ebene ver-
standen. Es handelt sich dabei um softwaregestützte Komponenten, die voll integriert
logische Berechnungen und physische Aktionen aufeinander abstimmen (Lasi et al.
2014, S. 262).
184 W. Becker et al.

+LHUDUFKLH]X1HW]ZHUN
+LHUDUFKLVFKH6WUXNWXU 1HW]ZHUNVWUXNWXU +LHUDUFKLVFKH6WUXNWXU
8QWHUQHKPHQ 8QWHUQHKPHQ
8QWHUQHKPHQV
OHLWHEHQH

%HWULHEVOHLW
HEHQH
3UR]HVVOHLW
HEHQH

6WHXHUXQJV
HEHQH
$XVIKUXQJV
HEHQH

Abb. 9.4  Auflösung der hierarchischen Strukturen und Bildung von Netzwerken. (Quelle nach: in
Anlehnung an Forstner und Dümmler 2014, S. 200)

Um der vermehrten Auslagerung von Unternehmensteilen zu begegnen, sind


geeignete Konzepte zu entwickeln. Eine Möglichkeit der Auslagerung bieten Shared
Service Center (SSC). Das Konzept von SSC beruht darauf, Teilbereiche eines Unter-
nehmens mehr oder weniger eigenständige Unternehmen mit eigener Management-
struktur zu konzentrieren (Rau und Helbing 2015, S. 23). SSC bieten im Rahmen von
Wertschöpfungsnetzwerken die Möglichkeit, Teilbereiche mehrerer Wertschöpfungs-
einheiten zu konzentrieren, um Synergieeffekte zu erzielen. Gleichzeitig führt dies
zu Effizienzsteigerungen (Rau und Helbing 2015, S. 23 f.). Ein für Wertschöpfungs-
netzwerke geeignetes Modell in Bezug auf Outsourcing, ist das Business Process Out-
sourcing (BPO) (Schönherr und Madan 2015, S. 90 ff.), wodurch mit dessen Hilfe ganze
Geschäftsprozesse ausgelagert werden können. Durch eine vollständige Geschäfts-
prozessauslagerung wird gleichzeitig der Einfluss des Unternehmens auf die aus-
gelagerten Geschäftsprozesse jedoch reduziert. Es stellt sich hierbei auch die Frage,
welche Unternehmensteile ausgelagert werden sollen. Es stehen sowohl operative als
auch strategische Aufgaben zur Disposition. Die Auslagerung einzelner Bereiche einer
Abteilung ist ebenso denkbar, wie die Zusammenlegung ähnlicher Tätigkeiten innerhalb
des Wertschöpfungsnetzwerks. Im Rahmen der digitalen Transformation der Geschäfts-
modelle werden künftig neben unterstützenden Bereichen auch Kernprozesse ausgelagert
werden. Dadurch stellt sich die weiterführende Frage nach der Gestaltung, Lenkung,
Kontrolle sowie Optimierung der Geschäftsprozesse nach der Auslagerung. Die Ein-
führung von Prozessstandards ist ein möglicher Lösungsansatz. Abb. 9.5 verdeutlicht
diesen Zusammenhang.
Ein Aspekt, der sich den vorherigen Überlegungen anschließt, ist, wie die Verantwort-
lichkeiten in unternehmensübergreifenden Geschäftsprozessen vergeben werden. Ein
möglicher Lösungsansatz ist das sogenannte „Case-Management“ (Suter et al. 2015,
S. 140). Eine Person oder ein kleines Team ist durchgängig für einen gesamten Geschäfts-
prozess verantwortlich, unabhängig davon, ob der Geschäftsprozess unternehmensintern
oder unternehmensübergreifend abläuft. Wesentliche Vorteile dieser Vorgehensweise
9  Geschäftsprozessmanagement in Wertschöpfungsnetzwerken … 185

Wertschöpfungsnetzwerk im Detail
Unternehmensumwelt

AB

Unter-
nehmen
SB

L P P P P K

AB
L = Lieferant SB = Strategischer Bereich
P = Produktion AB = Ausgelagerter Bereich
K = Kunde

Abb. 9.5  Beziehungsmodell eines Unternehmens mit Auslagerung von Teilbereichen

liegen in einer verbesserten Kundenorientierung. Gleichzeitig wird die Schnittstellen-


problematik reduziert, der Koordinationsbedarf zwischen verschiedenen Stellen bzw.
Wertschöpfungseinheiten vermindert und die Notwendigkeit von Kontrollmechanismen
reduziert (Suter et al. 2015, S. 141 f.).
Gegenwärtige IT-Systeme sind meist noch primär auf die traditionelle Wertkette aus-
gelegt, weshalb sie oft unflexibel sind und schnelle Anpassungen an Veränderungen
erschweren (Capgemini 2015, S. 38). Bislang haben Data Warehouse Systeme zu einer
Effizienzsteigerung in Unternehmen beigetragen, jedoch ist eine Weiterentwicklung der
IT-Architektur notwendig, um in der heutigen Dynamik und Differenziertheit schnell
reagieren zu können. Die Bildung von netzwerkartigen Strukturen erfordert einen
schnellen Informationsaustausch und Kommunikation zwischen den Wertschöpfungsein-
heiten. Insbesondere neue Technologien müssen vor diesem Hintergrund agiler, d. h. fle-
xibler, anpassungsfähiger und koordinationsfähiger werden. Dabei bezieht sich Agilität
im Organisationskontext auf die Fähigkeit der schnellen Anpassung an Veränderungen
von Markt und Umwelt (Schacher und Grässle 2006, S. 14 ff.). Ein Geschäftsprozess-
management, das den grundlegenden Gedanken der Agilität folgt, kann letztlich in einer
VUCA geprägten Welt ein zentraler Erfolgsfaktor sein (Große Böckmann 2012, S. 40 ff.;
Ramsauer et al. 2017). In digitalen Wertschöpfungsnetzwerken können die Anpassungs-
fähigkeit durch den Einsatz eines agilen Geschäftsprozessmanagements erhöht und
durch den Einsatz geeigneter IT-Systeme Effizienzvorteile generiert werden. Aufgrund
der zunehmenden Differenziertheit der Geschäftsprozesse in digitalen Wertschöpfungs-
netzwerken wird beim Einsatz der vielfältigen Systeme und Plattformen, je nachdem,
wie zeitkritisch die Geschäftsprozesse sind, unterschieden. Durch diesen Umstand sind
186 W. Becker et al.

auch Schnittstellen zwischen den verschieden Plattformen und Systemen zu schaffen.


Hierfür bedarf es einer verstärkten Automatisierung und Standardisierung der Geschäfts-
prozesse, um diese zu Digitalisierung.

9.5 Schlussbetrachtung

Der vorliegende Beitrag zeigt, dass zahlreiche Herausforderungen für ein Geschäfts-
prozessmanagement in digitalen Wertschöpfungsnetzwerken existieren. Ein „gut“ funk-
tionierendes und auf die komplexe Umwelt angepasstes Geschäftsprozessmanagement
ist ein entscheidender Erfolgsfaktor für die digitale Transformation von Organisationen.
Wie jedoch aufgezeigt wurde, bestehen zahlreiche Weiterentwicklungsmöglichkeiten für
ein Geschäftsprozessmanagement in Wertschöpfungsnetzwerken. Detaillierte Vorgehens-
modelle für die Gestaltung, Lenkung, Optimierung und Kontrolle der Geschäftsprozess
im Rahmen unternehmensübergreifender Zusammenarbeit sind noch weiter auszu-
arbeiten. Große Böckmann (2012) liefert hierzu in seinem Beitrag „Ein Modell für agi-
les Geschäftsprozessmanagement“ erste Lösungsansätze. Insbesondere die Messung der
Geschäftsprozessleistung von unternehmensübergreifenden Geschäftsprozessen sowie
die Verantwortung der Geschäftsprozesse in Netzwerkstrukturen stellen noch offene
Fragen dar. Ein wesentlicher Punkt ist zudem noch, wie Geschäftsprozesse sinnvoll
digitalisiert werden können. Hierzu ist deren Standardisierung, Automatisierung sowie
deren datenkonsistente Gestaltung weiter voranzutreiben. Weiterer Forschungsbedarf
besteht darüber hinaus in dem aktuellen Entwicklungsstand unternehmensübergreifender
Zusammenarbeit sowie dem derzeitigen Implementierungsstand des Geschäftsprozess-
managements in Wertschöpfungsnetzwerken. Dies könnte beispielsweise mittels qualita-
tiver Erhebungen untersucht und ermittelt werden. Zudem ist herauszufinden, wie derzeit
die Gestaltung, Lenkung, Kontrolle und Optimierung der Geschäftsprozesse zwischen
den einzelnen Wertschöpfungseinheiten organisiert ist und wie diese für die digitale
Transformation anzupassen ist.

Literatur

Bach, N., Brehm, C., Buchholz, W. & Petry, T. (2012). Wertschöpfungsorientierte Organisation.
Architekturen – Prozesse – Strukturen. Wiesbaden: Springer Gabler Verlag.
Bach, N., Buchholz, W. & Eicher, B. (2010). Geschäftsmodelle für Wertschöpfungsnetzwerke –
Begriffliche und konzeptionelle Grundlagen. In Bach, N., Buchholz, W., Eicher, B. (Hrsg.),
Geschäftsmodelle für Wertschöpfungsnetzwerke (S. 1–20). Wiesbaden: Gabler-Verlag.
Bharadwaj, A., El Sawy, O. A., Pavlou, P. A. & Venkatraman, N. (2013). Digital Business Strategy:
Toward a Next Generation of Insights. In MIS Quarterly 37(2), 471–482.
Becker, W. (1999). Begriff und Funktionen des Controlling. I: Bamberger Betriebswirtschaftliche
Beiträge, Nr. 106, Überarbeiteter Nachdruck, Bamberg.
9  Geschäftsprozessmanagement in Wertschöpfungsnetzwerken … 187

Becker, W., Ulrich, P., Vogt, M., Botzkowski, T., Hilmer, C., Zimmermann, L. (2013). Digitalisie-
rung im Mittelstand. In Bamberger Betriebswirtschaftliche Beiträge, Nr. 193, Bamberg.
Becker, W., Baltzer, B. & Ulrich, P. (2014). Wertschöpfungsorientiertes Controlling. Konzeption
und Umsetzung. Stuttgart: Kohlhammer.
Becker, W. (2016). Digitale Transformation von Geschäftsmodellen – Der Forschungsrahmen.
Wissenschaftlicher Vortrag im Rahmen der 2. Jahrestagung des Kompetenzzentrums für
Geschäftsmodelle in der digitalen Welt am 10.11.2016, Bamberg.
Benger A. (2007). Gestaltung von Wertschöpfungsnetzwerken. Band 7. Berlin: GITO-Verlag.
Bergsmann, S. (2012). End-to-End-Geschäftsprozessmanagement: Organisationselement –
Integrationsinstrument – Managementansatz. Wien: Springer-Verlag.
Blecker, T. & Liebhart, U. (2006). Grundlagen und aktuelle Herausforderungen in Wert-
schöpfungsnetzwerken. In T. Blecker & H. G. Gemünden (Hrsg.), Wertschöpfungsnetzwerke.
Festschrift für Bernd Kaluza. (S. 1–16). Berlin: Erich Schmidt- Verlag.
Bock, D., Breithor, T. & Langemann, T. (2003). Supply Chain Collaboration – Unternehmensüber-
greifende Zusammenarbeit. Bremen: KAT International AG.
Capgemenini (2015). Rethinking the Value Chain. New Realities in Collaborative Business.
Research Document. Capgemini und The Consumer Goods Forum. https://www.capgemini.
com/wp-content/uploads/2017/07/rethinking_the_value_chain_new_realities_in_collaborative_
business.pdf. Zugegriffen: 22. Feb. 2018.
Chopra, S. & Meindl, P. (2014). Supply Chain Management. Strategie, Planung und Umsetzung. 5.
Aufl., Hallbergmoos: Pearson.
Daniel, K. (2008). Managementprozesse und Performance. Ein Konzept zur reifegradbezogenen
Verbesserung des Managementhandelns. Wiesbaden: Gabler Verlag.
Davonport, T. H. (1993). Process Innovation: Reengineering Work through Information Techno-
logy. Boston, Massachusetts: Harvard Business School Press.
Degenhardt, U. (1992). Strategische Partnerschaften – nur für Großunternehmen?. In Zahn, E.
(Hrsg.), Erfolg durch Kompetenz. Strategie der Zukunft (S. 115–136). Stuttgart: Schäffer-Poe-
schel-Verlag.
DIN EN ISO 9000:2005 (2005). Deutsches Institut für Normung e. V. (Hrsg.), DIN EN ISO
9001:2005, Qualitätsmanagementsysteme – Grundlagen und Begriffe, Berlin: Beuth.
Forstner, L. & Dümmler, M. (2014). Integriert Wertschöpfungsnetzwerke – Chancen und Poten-
ziale durch Industrie 4.0. In Elekrotechnik & Informationstechnik 131(7), 199–201.
Franken, S. (2010). Verhaltensorientierte Führung. 3. Aufl., Wiesbaden: Gabler-Verlag.
Fraunhofer ISST (2009). Moderne IT-Plattformen für Geschäftsprozessmanagement und Portale.
Vergleichende Bewertung der Toolsuiten von IBM, IDS Scheer & SAP sowie Intalio und Liferay,
Kurzfassung. https://www.isst.fraunhofer.de/content/dam/isst/de/documents/Publikationen/Stu-
dienundWhitePaper/Fraunhofer-ISST_IBM-Studie-Kurzfassung.pdf. Zugegriffen: 16. Feb. 2018.
Gadatsch, A. (2012). Grundkurs Geschäftsprozessmanagement. Methoden und Werkzeuge für die
IT-Praxis: Eine Einführung für Studenten und Praktiker. 7. Aufl., Wiesbaden: Springer Vieweg.
Gaitanides, M. (2012). Prozessorganisation. Entwicklung, Ansätze und Programme des Manage-
ments von Geschäftsprozessen. 3. Aufl., München: Vahlen.
Gaitanides, M., Scholz, R. & Vrohling, A. (1994). Prozeßmanagement [!] – Grundlagen und Ziel-
setzungen. In Gaitanides, M., Scholz, R., Vrohling, A., Raster, M. (Hrsg.), Prozeßmanagement [!].
Konzepte, Umsetzungen und Erfahrungen des Reengineering. München, Wien: Hanser Verlag.
Gotthard, P. & Ewald, S. (2007). Organisation: Theorie, Gestaltung, Wandel, München: Olden-
bourg.
Große Böckmann, S. (2012). Ein Modell für agiles Geschäftsprozessmanagement. Was Prozess-
manager von Programmierern lernen können. Hamburg: Verlag Dr. Kovac.
188 W. Becker et al.

Haarländer, N. & Krallmann, H. (2006). Automatisierung der Komposition unternehmensüber-


greifender Geschäftsprozesse. In Blecker, T., Gemünden, H G: (Hrsg.), Wertschöpfungsnetz-
werke. Festschrift für Bernd Kaluza (S. 113–128). Berlin: Erich-Schmidt Verlag.
Hammer, M. & Champy, J. (1993), Re-engineering the Corporation: A Manifesto for Business
Revolution. Business Horizons, 36 (5), 90–91.
Hess, T., Matt, C., Benlian, A., Wiesböck, F. (2016). Options for Formulating a Digital Trans-
formation Strategy, in: MIS Quarterly Executive, 15 (2), 123–139.
Hirschmann, P. (1998). Kooperative Gestaltung unternehmensübergreifender Geschäftsprozesse.
Wiesbaden: Gabler-Verlag.
Jarillo, J.C. (1988). On strategic networks. In Strategic Management Journal, 9, 31–41.
Jarillo, J.C. & Ricart J.E. (1987). Sustaining Networks. In Interfaces, 17, 31–41.
Jodlbauer, H. (2018). Digitale Transformation der Wertschöpfung. Stuttgart: Kohlhammer.
Kagermann, H., Wahlster, W. & Helbig, J. (2013). Umsetzungsempfehlungen für das Zukunfts-
projekt Industrie 4.0. Foschungsunion und acarech. https://www.bmbf.de/files/Umsetzungs-
empfehlungen_Industrie4_0.pdf Zugegriffen: 15. Februar 2018.
Kaiser, S. & Kozica, A. (2014).Über Grenzverschiebung in der neuen, vernetzten Arbeitswelt. In
Richter, A. (Hrsg.), Vernetzte Organisation (S. 7–15). München: Oldenbourg.
Klötzer, C. & Pflaum A. (2017). Toward the Development of a Maturity Model for Digitalization
within the Manufacturing Industriy’s Supply Chain. In Hawaii International Conference on
System Sciences, 50, 4210-4219.
Koch, M. (2014). Technologischer Wandel. In Richter, A. (Hrsg.), Vernetzte Organisation
(S. 7–15). München: Oldenbourg.
Krüger, W. (1981). Theorie unternehmensbezogene Konflikte. In Zeitschrift für Betriebswirtschaft,
51, 910–952.
Kugeler, M. (2001). Prozeßmanagement[!]. In Mertens, P. (Hrsg.), Lexikon der Wirtschafts-
informatik (S. 386–388). 4. Aufl., Berlin et al.: Springer Verlag.
Lasi, H., Kemper, H-G., Fettke, P. & Feld, T. (2014). Industrie 4.0. In Wirtschaftsinformatik, 4,
261–264.
Maslow, A.H. (1954). Motivation and personality. New York: Harper and Row.
Miles, R.E. & Snow, C.C. (1986). Organisations. New Concepts for new forms. In California
Management Review, 28(3), 62–73.
Miles, R.E. & Snow, C.C. (1992). Causes of Failure in Network Organizations. In California
Management Review, Summer 1992, 53–72.
Nagel, R. (2017). Organisationsdesign. Modelle und Methoden für Berater und Entscheider. 2.
Aufl. Stuttgart: Schäffer-Poeschel Verlag.
Ochsenbauer, C. (1989). Organisatorische Alternativen zur Hierarchie. Überlegung zur Über-
windung der Hierarchie in Theorie und Praxis der betriebswirtschaftlichen Organisation. Mün-
chen: Gabler-Verlag.
Özsahin, M.E. (2015). Vorgehensmodell zur Konfiguration wandlungsfähiger Logistikstrukturen in
Wertschöpfungsnetzwerken. Hamburg: Verlag Dr. Kovac.
Pampel, J. R./Botzkowski, T. (2016). Plankostenrechnung in der Unternehmenspraxis. In Becker,
W.. Ulrich, P. (Hrsg.), Handbuch Controlling (S. 385–408), Wiesbaden: Springer Gabler.
Papert, M. (2018). Entwicklung eines Ökosystemmodells für das Internet der Dinge. Nürnberg:
Fraunhofer Verlag.
Pfohl, H-C. (2010). Logistiksysteme. Betriebswirtschaftliche Grundlagen. 8. Aufl., Berlin, Heidel-
berg: Springer-Verlag.
Picot, A., Reichwald, R., Wigand, R. T. (1996). Die grenzenlose Unternehmung. Information,
Organisation und Management. 2. Aufl., Wiesbaden: Gabler Verlag.
9  Geschäftsprozessmanagement in Wertschöpfungsnetzwerken … 189

Porter, M. E. (1985). Competitive Advantage. Creating and Sustaining Superior Performance. New
York: Free Press.
Powell, W.W. (1988). Learning from Collaboration. Knowledge and Networks in the Biotechno-
logy and Pharmaceutical Industries. In California Management Review, 40 (3), 228–240.
Radcliff-Brown, A. R. (1940). On social structure. In The Journal of the Royal Anthropological
Institute of Great Britain and Ireland, 70 (1), S: 1–12.
Ramsauer, C., Kayser, D., Schmitz, C. (2017). Erfolgsfaktor Agilität. Chancen für Unternehmen in
einem volatilen Marktumfeld. Weinheim: Wiley-VCH Verlag.
Rau, T. & Helbing, F. (2015). Unternehmerische Herausforderungen und Ziele. In Lohrmann, M.,
Rau, T., Riedel, A.(Hrsg.), Shared Services und Business Process Outsourcing – Umsetzung,
Herausforderungen und aktuelle Trends (S. 21–39), Weinheim: Wiley-VCH Verlag.
Richter, A., Schimek, I., Kramer, M., Lemân, F. & Koch, M. (2014). Status Quo der Vernetzten
Organisation. In Richter, A. (Hrsg.), Vernetzte Organisation (S. 7–15). München: Oldenbourg.
Schacher, M. & Grässle, P. (2006). Agile Unternehmen durch Business Rules: der Business Rules
Ansatz. Berlin und Heidelberg: Springer-Verlag.
Schallmo, D., Rusnjak, A. (2017). Roadmap zur digitalen Transformation von Geschäftsmodellen.
In Schallmo, D., Rusnjak, A., Anzengruber, J., Werani, T. & Jünger, M. (Hrsg.), Digitale Trans-
formation von Geschäftsmodellen. Grundlagen, Instrumente und Best Pracitces (S. 1–31).
Wiesbaden: Springer Gabler
Schmelzer, H. J. (2011). Ganzheitliches Geschäftsprozessmanagement erfolgreich umsetzen. In
Zeitschrift für Controlling & Management Sonderheft 2/2011, 69–79.
Schmelzer, H. J. & Sesselmann, W. (2013). Geschäftsprozessmanagement in der Praxis: Kunden
zufriedenstellen, Produktivität steigern, Wert erhöhen. 8 Aufl., München: Karl Hanser Verlag.
Schönherr, V. & Madan, Ashish (2015). Business Process Outsourcing. In Lohrmann, M., Rau, T.,
Riedel, A. (2015). Shared Services und Business Process Outsourcing – Umsetzung, Heraus-
forderungen und aktuelle Trends (S. 21–39). Weinheim: Wiley-VCH Verlag.
Schuh,G., Kuhlmann, K., Pitsch, M., Komorek, N., Varnhagen, V., Bechthold, J., Stich, C., Lauens-
tein, C. (2013). Fokus Automobilindustrie: Digitale Wertschöpfungsnetzwerke im Werkzeugbau.
http://www.wzl.rwth-aachen.de/www_files/2013_Studie_WZL_Digitale_Wertschoepfungsnetz-
werke_im_Werkzeugbau.pdf. Zugegriffen: 19. März 2018.
Smith, H. & Fingar P. (2007). Business Process Management. The Third Wave, Tampa: Meghan
Kiffer Pr.
Spindler, G. (2018). Zukunft der Digitalisierung – Datenwirtschaft in der Unternehmenspraxis.
Der Betrieb, (1–2), 41–50.
Stengel, R. (1999). Gestaltung von Wertschöpfungsnetzwerken. Wiesbaden: Gabler-Verlag.
Stöger, R. (2011). Prozessmanagement: Qualität, Produktivität, Konkurrenzfähigkeit. 3. Aufl.,
Stuttgart: Schäffer-Poeschel Verlag.
Stoll, I., Buhse, W. (2016). Transformationswerk: Report 2016, Hannover, Hamburg.
Suter, A., Vorbach, S. & Weitlander, D. (2015). Die Wertschöpfungsmaschine. Strategie operativ
verankern. Prozessmanagement umsetzen. Operational-Excellence erreichen. München: Carl
Hanser Verlag.
Sydow, J. (1992). Strategische Netzwerke. Evolution und Organisation. Wiesbaden: Gabler-Verlag.
Sydow, J. (2010). Management von Netzwerkorganisationen – Zum Stand der Forschung. In
Sydow, J. (Hrsg.), Management von Netzwerkorganisationen. Beiträge aus der „Management-
forschung“ (S. 373–470). 5. Aufl. Wiesbaden: Gaber-Verlag.
Vahs, D. (2015). Organisation: Ein Lehr- und Managementbuch. 9. Aufl., Stuttgart: Schäffer-Poe-
schel-Verlag.
Vieweg, W. (2015). Management in Komplexität und Unsicherheit. Für agile Manager. Wiesbaden:
Springer.
190 W. Becker et al.

Voigländer, C. & Breitner, M.H. (2010). Ein Leben lang lernen – von der Vision zum Zukunfts-
trend. In Breitner, M.H., Voigländer, C., Sohns, K. (Hrsg.), Perspektiven des Lebenslangen
Lernens. Dynamische Bildungsnetzwerke, Geschäftsmodelle, Trends. (S.  1–80). Berlin:
GITO-Verlag.
Weber, U., Rieger, V., Schmidtmann, V., Schober, P., Matysiak, L., Jacob, N. (2015). Digital Navi-
gator - Handlungsfelder der digitalen Transformation und Stand der Digitalisierung im deutsch-
sprachigen Raum. https://www.detecon.com/de/Publikationen/digital-navigator. Zugegriffen:
19.03.2018.
Westerman, G., Bonnet, D., McAfee, A. (2014). Leading Digital: Turning Technology into Busi-
ness Transformation, Boston: Harvard Business Review Press.

Univ.-Professor Dr. Dr. habil. Wolfgang Becker  ist Ordinarius für Betriebswirtschaftslehre und
Inhaber des Lehrstuhls Unternehmensführung & Controlling und Mitglied des Direktoriums des
Kompetenzzentrums für Geschäftsmodelle in der digitalen Welt an der Otto-Friedrich-Universität
Bamberg. Darüber hinaus leitet er als Wissenschaftlicher Direktor das Europäische Forschungsfeld
für Angewandte Mittelstandsforschung (EFAM), das Forschungsfeld für Value Based Management
sowie das Forschungsfeld für Digitale Geschäftsmodelle. Diese Themenfelder stellen auch seine
Forschungsschwerpunkte dar. Professor Becker vertritt zudem das Fachgebiet Unternehmens-
führung & Controlling im berufsbegleitenden Online-Masterstudiengang Wirtschaftsinformatik
(VAWi) der Universitäten Bamberg und Duisburg-Essen, im MBA Studiengang Business Manage-
ment an der Universität Erlangen-Nürnberg und im Executive MBA-Programm der Johannes
Gutenberg-Universität Mainz. Schließlich ist er Gründer, Gesellschafter und Beiratsvorsitzender
der Scio GmbH Professor Dr. W. Becker in Erlangen, die der Wirtschaftspraxis Beratung auf dem
Gebiet des integrierten Strategie- und Organisationsdesigns anbietet.

Alexander Burggraf  war wissenschaftlicher Mitarbeiter des Lehrstuhls für BWL, insbes. Unter-
nehmensführung und Controlling der Otto-Friedrich-Universität Bamberg sowie Projektmitarbeiter
im Europäischen Forschungsfeld für Angewandte Mittelstandsforschung (EFAM). Dort hat er sich
mit Fragen des Geschäftsprozess-Managements und mit der Entstehung von Wertschöpfungsnetz-
werken im Rahmen der Digitalisierung auseinander gesetzt. Aktuell ist er als Prozessmanager bei
der Kreissparkasse Waiblingen beschäftigt.

Maike Martens  ist studentische Hilfskraft am Lehrstuhl für BWL, insbes. Unternehmensführung
und Controlling der Otto-Friedrich-Universität Bamberg und absolviert derzeit den Masterstudien-
gang Betriebswirtschaftslehre mit den Schwerpunkten Innovationsmanagement und Supply Chain
Management.
Digitale Transformation der Logistik –
Wie verändern neue Geschäftsmodelle 10
die Branche?

Eric Sucky und Björn Asdecker

Inhaltsverzeichnis

10.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192


10.2 Digitale Transformation von Geschäftsmodellen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
10.2.1 Digitalisierung und digitale Transformation. . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
10.2.2 Vom Geschäftsmodell zum digitalen Geschäftsmodell. . . . . . . . . . . . . . . . . . . . 196
10.3 Geschäftsmodelle in der Logistik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
10.3.1 Logistikoutsourcing. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
10.3.2 Vom 1PL-Provider zum 4PL-Provider. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
10.4 Digitale Transformation in der Logistik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
10.4.1 Sinkende Markteintrittsbarrieren und Anstieg von Logistik-Startups. . . . . . . . . 201
10.4.2 Verändertes Wettbewerbsumfeld für Logistikunternehmen. . . . . . . . . . . . . . . . . 204
10.4.3 Von der Frachtenbörse zum digitalen 4PL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
10.5 Schlussbetrachtung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209

Zusammenfassung
Entwicklungen im Kontext von Industrie 4.0 und Digitalisierung betreffen sämtliche
Branchen und führen zu weitreichenden Veränderungen. Der vorliegende Beitrag fokus-
siert auf die digitale Transformation der Logistik, d. h. auf Logistik 4.0. Etablierten

E. Sucky (*) 
Lehrstuhl für Betriebswirtschaftslehre, insbesondere Produktion und Logistik
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: eric.sucky@uni-bamberg.de
B. Asdecker 
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: bjoern.asdecker@uni-bamberg.de

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019 191
W. Becker et al. (Hrsg.), Geschäftsmodelle in der digitalen Welt,
https://doi.org/10.1007/978-3-658-22129-4_10
192 E. Sucky und B. Asdecker

Logistikunternehmen bietet die Digitalisierung eine Vielzahl von Chancen und Erfolgs-
potenzialen. Allerdings ist ihre Wettbewerbsposition durch innovative Lösungen und
Startups bedroht. Die Digitalisierung erleichtert neuen Anbietern den Markteintritt signi-
fikant, da Markteintrittsbarrieren in Form von kapitalintensiven Investitionen in beispiels-
weise eigene Fuhrparks oder Lagerkapazitäten entfallen. Im Kontext der Digitalisierung
entwickeln sich daher neue Geschäftsmodelle der Logistik, die vor allem durch Startups
getrieben werden. Bezogen auf die Logistikbranche ist daher zu analysieren, welches dis-
ruptives Potenzial die Digitalisierung für die Logistikbranche inne hat und wie mögliche
Entwicklungspfade aussehen.

10.1 Einleitung

Digitalisierung und Industrie 4.0 werden derzeit sowohl von der Praxis als auch von der
Wissenschaft als das zentrale Zukunftsthema angesehen. Es gibt hier jedoch aktuell viele
offene Fragen. Sicher ist jedoch, dass Kombinationen aus schnellen und mobilen Netzen,
aus leistungsfähigerer Hardware sowie neuen Verfahren der Datenanalyse (Predictive
Analytics) und der Künstlichen Intelligenz zu immer schnelleren Veränderungen in Unter-
nehmen führen (Giersberg 2018). Die Frage ist, wie Unternehmen sich auf die Digitali-
sierung bzw. auf die digitale Transformation einstellen, diese steuern und nutzen werden.
Entwicklungen im Kontext von Industrie 4.0 und Digitalisierung betreffen sämt-
liche Branchen und führen zu drastischen Veränderungen. Besonders betroffen (im worst
case) oder besonders begünstigt (im best case) ist hiervon die Logistikbranche. Der vor-
liegende Beitrag fokussiert auf die digitale Transformation der Logistik oder eben auf
Logistik 4.0. Auf der Basis aktueller Entwicklungen, von Erfolgspotenzialen und Risiken
wird ein möglicher Entwicklungspfad für die digitale Transformation in der Logistik auf-
gezeigt. Zunächst sprechen viele Gründe dafür, dass die Logistik durch die Digitalisie-
rung positiv begünstigt wird. So ist die Logistikbranche einerseits bereits traditionell sehr
digitalisierungsaffin. Fahrerlose Transportsysteme in der Intralogistik, Tracking & Tracing,
voll automatisierte Sortieranlagen, Kommissionierroboter, automatisierte Lager, Software-
unterstützung komplexer Planungsprobleme, (teil-)automatisierte Identifikationssysteme
und Lokalisierungstechnologien, plattformbasierte Laderaum- und Frachtenbörsen sowie
digitale Belegflüsse sind in Logistikunternehmen seit langem etablierte Lösungen.
Des Weiteren bieten aktuelle Innovationen und neue Technologien – seien es IT-­
Lösungen, innovative Mobilitätskonzepte, Sharing-Economy-Anwendungen, Drohnen,
Virtual-Reality-Anwendungen, prädiktive Wartung und Analyse, Plattformkonzepte
oder die Blockchain-Technologie – konkrete Anwendungspotenziale in der Logistik. So
­nutzen das Logistikunternehmen Maersk und das IT-Unternehmen IBM die Blockchain-
Technologie, um eine gemeinsame Cloud-Plattform für das weltweite Schifffahrts-
ökosystem zu entwickeln (IBM 2018). Abb. 10.1 zeigt, dass mittels Blockchain
Informationen jederzeit verfügbar sein und in Echtzeit ausgetauscht werden können
­
und der Dokumentenaustausch über Unternehmensgrenzen hinweg digitalisiert werden
10  Digitale Transformation der Logistik … 193

Abb. 10.1  Cloud-Plattform zur Digitalisierung des globalen Handels. (IBM 2018)

soll. Auf der Blockchain-Technologie basierte Smart Contracts sorgen dafür, dass alle
Genehmigungen vorliegen (IBM 2018).
Auch der US-amerikanische Automobilhersteller Ford richtet aktuell eine hersteller-
übergreifende Plattform ein, die verschiedene Robotertaxis, Fahrdienste sowie den öffent-
lichen Nahverkehr und die Infrastruktur der Städte verknüpfen soll und Navigations- und
Bezahldienste einbindet (Strader und Madra 2018). In diesem Kontext geht Ford eine
Kooperation mit dem Schnelllieferdienst Postmates ein, mit dem Ziel, ein Netzwerk von
selbstfahrenden Lieferfahrzeugen für Städte zu schaffen (Marakby 2018). Der japanische
Automobilkonzern Toyota entwickelt das autonome Mehrzweck-Fahrzeug „e-Palette“,
ein Konzeptfahrzeug in der Größe eines Kleintransporters mit klarem logistischen Ein-
satzpotenzial (siehe Abb. 10.2). Dies zeigt schon die Allianz mit u. a. Uber, Pizza Hut und
Amazon (Toyota 2018). Des Weiteren werden Drohnen (UAS, Unmanned Aircraft Sys-
tem) im Audi-Werk Ingolstadt bereits in der Intralogistik zum automatisierten Teiletrans-
port in den Werkhallen, zumindest testweise, eingesetzt (Poll 2017).
Schließlich ist das wesentliche Merkmal von Logistik 4.0 der unternehmens- und
prozessübergreifende Ansatz. Im kompetitiven Umfeld vernetzen sich Unternehmen in
zunehmendem Maße, um mit einer verbesserten Wettbewerbsposition am Markt aufzu-
treten. Gemäß der Studie „Trends und Strategien in Logistik und Supply Chain Manage-
ment – Chancen der digitalen Transformation“ ist die Wichtigkeit dieser Vernetzung in den
194 E. Sucky und B. Asdecker

Abb. 10.2  Konzeptfahrzeug e-Palette. (Toyota 2018)

letzten Jahren weiter gestiegen und die Unternehmen sehen aktuell den Bedarf, dynami-
sche Netzwerke aufzubauen, die flexibel auf Änderungen reagieren können (BVL 2017).
Gerade diese Koordination komplexer Wertschöpfungsnetzwerke ist eine Kernkompetenz
von Logistikdienstleistern. Insofern besteht ein weiteres Potenzial für Logistikdienstleister,
die Digitalisierung zur ihren Gunsten ein- und umzusetzen (Abb. 10.3).
Nach Stölzle und Burghardt (2016) kann Logistik 4.0 als die vierte Entwicklungs-
stufe der Logistik verstanden werden: 1) funktionale Spezialisierung („TUL“ – Transport,
Umschlag, Lagerung), 2) Logistik als Gestaltung von Material- und Informationsflüssen
innerhalb von Unternehmen und Unternehmensbereichen (Logistikmanagement), 3)
Logistik als kundenorientierte Koordination der Wertschöpfung innerhalb und zwischen
Unternehmen (Logistik als Bestandteil des Supply Chain Managements), 4) Logistik als
digital-basierte Vernetzung der Wertschöpfung innerhalb und zwischen Unternehmen
(Logistik 4.0). Durch die Nutzung von Echtzeitdaten und den Einsatz cyber-physischer
Systeme ermöglicht Logistik 4.0 eine schnittstellenfreie, vernetzte Kommunikation inner-
halb von Material- und Warenflüssen. Dabei gelten die intelligente Aufbereitung, Ver-
knüpfung, Auswertung und Nutzung von unternehmensbezogenen und -­übergreifenden
Daten für logistische Entscheidungen als Enabler von Logistik 4.0 (Stölzle und B ­ urghardt
2016, S. 59).
Die bisherigen Ausführungen zeigen, dass die Digitalisierung für die Logistikbranche
viele Chancen und Erfolgspotenziale aufweist. Allerdings ist die Digitalisierung auch eng
verknüpft mit so genannten disruptiven Innovationen. So haben Online-Buchungsportale
wie Booking.com (für kommerzielle Angebote von Hotels und Ferienhäusern) oder Airbnb
(für private Unterkünfte) die Touristikbranche nachhaltig verändert. Und die nächste Inno-
vation in Form des Blockchain-Technologie basierten Reiseportals WindigTree, welches
den direkten Kontakt zwischen Hotel und Kunden herstellt und mit Lufthansa kooperiert,
tritt aktuell in den Markt ein (Schwertner 2018). Bezogen auf die Logistikbranche ist daher
zu analysieren, welches disruptive Potenzial die Digitalisierung für die Logistikbranche
inne hat und wie mögliche Entwicklungspfade aussehen.
10  Digitale Transformation der Logistik … 195

Abb. 10.3  Logistik 4.0. (Schiemann 2018)

10.2 Digitale Transformation von Geschäftsmodellen

10.2.1 Digitalisierung und digitale Transformation

Im Kontext der Digitalisierung stehen zwei Aspekte im Vordergrund: Wie verändert sich
das Geschäftsmodell und wie verändern sich die Geschäftsprozesse? Dies zeigen auch
die Ergebnisse der Studie „Digitale Agenda 2020“. Dabei wurden in Deutschland 300
Führungskräfte mit Entscheidungsbefugnis bei der digitalen Transformation befragt. Die
Digitalisierung von Geschäftsprozessen gaben 4 % als wichtig bis sehr wichtig an und
die Entwicklung digitaler Geschäftsmodelle bzw. der Aufbau von digitalen Plattformen
zur Unterstützung von neuen Geschäftsmodellen sehen 42 bzw. 41 % als wichtig bis sehr
wichtig an (DXC Technology 2018; Abb. 10.4).
Für Unternehmen stellen sich somit insbesondere zwei Fragen: 1) wie verändert
sich das Geschäftsmodell und 2) wie verändern sich die Geschäftsprozesse? Der zweite
Aspekt kann als Digitalisierung i. e. S. verstanden werden. Hier steht die Implemen-
tierung von digitalen Technologien in die aktuellen Geschäftsprozesse und in das
bestehende Geschäftsmodell im Fokus, d. h. unter anderem die digitale Vernetzung von
Geschäftsprozessen, Marktbearbeitung mit digitalen Mitteln und Digitalisierung ana-
loger Daten (Stocker 2017). Von Digitalisierung kann jedoch erst gesprochen werden,
196 E. Sucky und B. Asdecker

Abb. 10.4  DXC-Survey „Digitale Agenda 2020“. (DXC Technology 2018)

wenn die IT eine entscheidende Rolle bei der Gestaltung von Geschäftsprozessen ein-
nimmt, d. h. die IT wird nicht als einzelnes Tool oder Erfüllungsgehilfe verstanden, son-
dern die IT unterstützt maßgeblich die Geschäftsprozesse sowie die damit verbundenen
Entscheidungen oder übernimmt diese sogar, z. B. bei Routine-Entscheidungen (Axit
2016). Die digitale Transformation oder Digitalisierung i. w. S. ist dann der Prozess
der Entwicklung neuer Geschäftsanwendungen auf Basis der digitalisierten Daten und
Geschäftsprozesse. Die digitale Transformation beschreibt somit „[…] die Veränderung
von Wertschöpfungsprozessen durch die Weiterentwicklung bestehender und Imple-
mentierung neuer digitaler Technologien, Anpassungen der Unternehmensstrategien auf
Basis neuer digitalisierter Geschäftsmodelle sowie den Erwerb der dafür erforderlichen
Kompetenzen bzw. Qualifikationen.“ (Kersten et al. 2017, S. 51).

10.2.2 Vom Geschäftsmodell zum digitalen Geschäftsmodell

Nach Bieger und Reinhold (2011, S. 32) bestimmt ein Geschäftsmodell

[…] was eine Organisation anbietet, das von Wert für Kunden ist; wie Werte in einem
Organisationssystem geschaffen werden; wie die geschaffenen Werte dem Kunden kommu-
niziert und übertragen werden; wie die geschaffenen Werte in Form von Erträgen durch das
Unternehmen ‚eingefangen‘ werden; wie die Werte in der Organisation und an Anspruchs-
gruppen verteilt werden und wie die Grundlogik der Schaffung von Wert weiterentwickelt
wird, um die Nachhaltigkeit des Geschäftsmodells in der Zukunft sicherzustellen.

Dabei fokussiert das Geschäftsmodell auf die Produkte und Mechanismen, die erforder-
lich sind, um mit einem Unternehmen Wertschöpfung zu generieren (Knyphausen-Aufseß
und Meinhardt 2002 oder Nagl und Bozem 2018; Abb. 10.5).
10  Digitale Transformation der Logistik … 197

Abb. 10.5  Grundlogik von Geschäftsmodellen. (Gassmann et al. 2013)

Nach Sauer et al. (2016) basiert Digitalisierung auf vier Grundelementen: 1) E­ -Business,
2) internetbasierte Wertversprechen, 3) intelligentes Wertschöpfungsnetzwerk und 4)
digitales Geschäftsmodell. E-Business als Voraussetzung für den digitalen Wandel wird
als Beginn jeder Digitalisierungsaktivität gesehen. Die Stoßrichtungen „internetbasierte
Wertversprechen“ und „intelligentes Wertschöpfungsnetzwerk“ beschreiben, wie die
Digitalisierung auf der einen Seite die Produkt-/Servicelogik (Dienstleistungs- und Kunden-
orientierung von Produkten, Services und Geschäftsprozessen verbunden mit digitalen
Technologien) und auf der anderen Seite die Prozesslogik von Unternehmen (flexible,
dezentrale und effiziente Steuerung inter- und intra-organisationeller Geschäftsprozesse
sowie ­Realtime-Informationen und Entscheidungsunterstützung) verändert. Während inter-
netbasierte Wertversprechen Veränderungen hin zum Kunden implizieren, umfasst das
intelligente Wertschöpfungsnetzwerk die Informatisierung von Produktion und Logistik
durch Maschine-zu-Maschine-Kommunikation. Das digitale Geschäftsmodell in Abb. 10.6
integriert E-Business, internetbasierte Wertversprechen und intelligentes Wertschöpfungs-
netzwerk, d. h. es werden internetbasierte Wertversprechen auf Basis intelligenter Wert-
schöpfungsnetzwerke abgegeben (Sauer et al. 2016, S. 17–18).

10.3 Geschäftsmodelle in der Logistik

Das Ziel von Logistikunternehmen – d. h. Erstellung und Absatz eines definierten logisti-
schen Leistungsprogramms – besteht gemäß der Seven-Rights-Definition nach Plowman
(1964) darin, die Verfügbarkeit des richtigen Gutes, in der richtigen Menge, im richtigen
Zustand, am richtigen Ort, zur richtigen Zeit, für den richtigen Kunden, zu den richtigen
198 E. Sucky und B. Asdecker

Abb. 10.6   Digitales
Geschäftsmodell. (In
Anlehnung an Sauer et al.
2016, S. 23)

Kosten sicherzustellen. Logistik kann somit definiert werden als die ganzheitliche Pla-
nung, Steuerung, Koordination, Durchführung und Kontrolle aller unternehmensinternen
und unternehmensübergreifenden Güter- und Informationsflüsse. Logistische Leistungs-
prozesse verändern dann die zeitlichen und darüber hinaus die räumlichen und/oder art-
und mengenmäßigen Merkmale von Logistikobjekten und schaffen dadurch einen Wert
für den Kunden.

10.3.1 Logistikoutsourcing

Die Logistik stellt einen strategischen Erfolgsfaktor im globalen Wettbewerb dar. Die
Auslagerung logistischer Prozesse bietet eine Alternative für Unternehmen zum eigen-
ständigen Betreiben eines zielgerichteten Logistikmanagements (Nissen und Bothe 2002).
Durch die Fremdvergabe von Logistikleistungen können aber auch zusätzliche Erfolgs-
potenziale erschlossen werden, z. B. Kostenreduktionen durch den Ausgleich saisonaler
Schwankungen oder aufgrund volumenabhängiger Degressionseffekte. Des Weiteren
kann das Outsourcing von Logistikleistungen zu einer Fixkosten-Variabilisierung führen
(Schäfer-Kunz und Tewald 1998, S. 61). Auch kommt es zu einer Kostenreduktion auf-
grund von Branchenarbitrage sowie der Realisierung von Economies of Skill aufgrund
des spezifischen Know-hows des Logistikdienstleisters.
Externe Logistikdienstleister werden typischerweise in den Bereichen Transport
und Lagerhaltung eingesetzt. Neben der bereits etablierten Fremdvergabe des außer-
betrieblichen Transports werden verstärkt die Aufgaben des Warehousing als Gesamt-
paket sowie logistische Managementaufgaben an externe Anbieter vergeben. Dies
zeigen auch die Ergebnisse der Studie „2017 Third-Party Logistics Study – The State
of Logistics Outsourcing“, welche in Abb. 10.7 dargestellt sind. Auch der deutsche
Logistikoutsourcingmarkt wird von klassischen Transport- und Logistikprozessen
dominiert, wie die Outsourcingstudie von Miebach Consulting in Kooperation mit der
Deutschen Verkehrs-Zeitung (DVZ) zeigt (Abb. 10.8).
10  Digitale Transformation der Logistik … 199

Abb. 10.7  Fremdvergebene Logistikleistungen im Jahr 2017. (Capgemini et al. 2017)

Abb. 10.8  Trends im Logistikoutsourcing. (Miebach Consulting und DVZ 2017)

Steigende Kundenanforderungen und die vermehrt individuellen Kundenwünsche


sind dafür verantwortlich, dass die Anforderungen an die Logistik in den Unternehmen
ansteigen. Logistikdienstleister bieten aufgrund dieser veränderten Kundenbedürfnisse
immer mehr kundenspezifische, integrierte Logistikdienstleistungspakete an, die neben
den klassischen Transport-, Umschlag-, und Lagerleistungen (TUL) auch Mehrwert-
leistungen (Value Added Services) beinhalten (Haas 2011, S. 197). Dies zeigt sich auch
in der Entwicklung der Geschäftsmodelle der Logistikdienstleister.
200 E. Sucky und B. Asdecker

10.3.2 Vom 1PL-Provider zum 4PL-Provider

Eine Strukturierung des Logistikdienstleistungsmarktes kann nach 1) dem angebotenem


Leistungsspektrum (Art der Leistungsprozesse, operative, koordinierende oder strate-
gische Aufgaben), 2) der Netzwerkintegration, d. h. der Kompetenz und Fähigkeit von
Logistikdienstleistern, Aufgaben in nationalen und internationalen Supply Chains zu
übernehmen, 3) den Logistik-Assets (Ausstattung mit logistikaffinen Anlagegütern,
wie z. B. Fuhrpark, Lagereinrichtungen oder Fördermittel) oder 4) dem Branchen-
bezug (Industrie- oder Handelslogistik) bzw. Aktionsraum (werksbezogen, regional,
national, international) erfolgen (Zadek 2004). Mit der in Abschn. 10.3.1 genannten
Übernahme ganzer logistischer Leistungspakete sowie Mehrwertleistungen durch
Logistikdienstleister haben sich die Bezeichnungen First-Party-Logistics-Provider (1PL)
bis Fourth-Party-Logistics-Provider (4PL) etabliert, welche auch als Entwicklungsstufen
bezeichnet werden (Lucke et al. 2012).
Während Logistikdienstleistungen im einfachsten Fall ohne Inanspruchnahme externer
Logistikdienstleister – also unternehmensintern – als Werkslogistik erbracht werden
(1PL), werden beim 2PL-Provider Transport-, Umschlag- und Lagerleistungen an externe
Logistikdienstleister (Einzeldienstleister, Spediteur) übergeben (Lucke et  al. 2012).
Durch die Übernahme und Koordination des Komplettangebots logistischer Leistungs-
umfänge (Kontraktlogistik) entstehen Third-Party-Logistics-Provider (3PL) bzw. System-
dienstleister (Schulte 2017, S. 330). Ein 3PL-Provider übernimmt mithilfe eigener und
fremder Logistik-Assets eine Vielzahl von logistischen Funktionen sowie Mehrwertdienst-
leistungen und integriert diese zu einem komplexen Leistungspaket. Dabei existieren
zwei Geschäftsmodelle: zum einen das klassische Single User-System („echte“ Kontrakt-
logistik) und zum anderen das Multi User-System. Beim klassischen Single User-System
wird speziell für einen Kunden nach individuellen Wünschen ein Logistikleistungspaket
zusammengestellt. Beim Multi User-System erfolgt eine gemeinschaftliche Nutzung von
Logistikleistungen für mehrere Unternehmen der Industrie und des Handels. In letzt-
genanntem Fall ermöglichen sogenannte Multi User-Standorte eine zentrale Leistungser-
stellung für mehrere Kunden. Durch die Verknüpfung kundenindividueller Transportnetze
werden Skalen- und Verbundeffekte realisiert. Der 4PL-Provider oder Netzwerkintegrator
schließlich bietet seinen Kunden ebenfalls ein Komplettangebot logistischer Leistungs-
umfänge sowie Value-Added-Services an, jedoch ohne Einsatz eigener Logistik-Assets.
Da der 4PL-Provider nicht über eigene logistikaffine Anlagegüter (z. B. einen eigenen
Fuhrpark oder eigene Lagerkapazitäten) verfügt, werden die Leistungen anderer Logistik-
dienstleister (Einzeldienstleister bzw. 2PL-Provider bis 3PL-Provider) für den Kunden
in einer individuellen Kombination zusammengestellt (Schulte 2017, S. 330 f.). Da der
4PL-Provider ausschließlich planend und koordinierend tätig ist, unter Nutzung moderner
IT-Lösungen, wird eine hohe Servicequalität zu niedrigen Kosten vonseiten der Kunden
erwartet (Wagner et al. 2014). Auch wenn das Geschäftsmodell eines 4PL-Providers in der
10  Digitale Transformation der Logistik … 201

Abb. 10.9  Vom 1PL zum 4PL. (In Anlehnung an Baumgarten und Thoms 2002, S. 64–65)

Praxis bisher ein Nischendasein pflegt und daher eher theoretisches Konstrukt ist (Wagner
et al. 2014, S. 14; Schulte 2017, S. 331), bietet die Digitalisierung gerade hier das Poten-
zial zur Entstehung eines umfassenden digitalen Geschäftsmodells (Abb. 10.9).

10.4 Digitale Transformation in der Logistik

10.4.1 Sinkende Markteintrittsbarrieren und Anstieg von Logistik-


Startups

Die Ausführungen in Abschn. 10.1 zeigen, dass die Digitalisierung für die Logistik-
branche viele Chancen und Erfolgspotenziale aufweist. Die Digitalisierung erleichtert
aber auch neuen Anbietern den Markteintritt signifikant, da Markteintrittsbarrieren
in Form von kapitalintensiven Investitionen in beispielsweise eigene Fuhrparks oder
Lagerkapazitäten entfallen. Im Kontext der Digitalisierung entwickeln sich daher neue
Geschäftsmodelle der Logistik, die analog zu Uber und Airbnb vor allem durch Start-
ups getrieben werden. Diese Startups agieren insbesondere mithilfe mobiler Apps, Platt-
formen und Marktplätzen, die entsprechend des Uber-Modells vermittelnde Akteure
(z. B. Spediteure) ersetzen. Entsprechend wird in der Regel eine Plattform zur Verfügung
gestellt, auf die mobil zugegriffen werden kann und auf der verschiedene Logistikdienst-
leister ihre Ressourcen zur Verfügung stellen und Verlader ihre Anfragen platzieren.
202 E. Sucky und B. Asdecker

Der Plattformbetreiber selbst stellt nur die digitale Plattform und keine eigenen Res-
sourcen zur Auftragsabwicklung zur Verfügung (BearingPoint 2017). Abb. 10.10. zeigt,
wie attraktiv der Logistikmarkt für Startups ist. Nach der Analyse des Beratungsunter-
nehmens Oliver Wyman entfiel allein auf 10 Logistik-Startups in den Jahren 2007 bis
2016 ein Investitionsvolumen von über fünf Milliarden US-Dollar (Oliver Wyman 2017).
Dass auch weiterhin viel Kapital in eine wachsende Zahl an Startups im Logistik-
bereich fließt, zeigt die aktuelle „2. Oliver Wyman-Analyse zu Logistik-Start-ups“.
Danach wurden allein 2017 rund 3,5  Mrd.  US$ in Logistik-Startups investiert.
Abb. 10.11 zeigt, dass es auch im deutschsprachigen Raum mehr Startup-­Gründungen
und wachsende Investitionen im Logistikumfeld gab (Oliver Wyman 2018). Zu den
Innovationstreibern zählen aber auch etablierte Anbieter. So sind die Investment-
gesellschaft Temasek und das Logistikunternehmen Kühne  + 
Nagel ein Joint Ven-
ture eingegangen, das zum Ziel hat, weltweit in Startups zu investieren, die innovative
Logistik-Technologien entwickeln, insbesondere in den Bereichen Big Data und Predic-
tive Analytics, Künstliche Intelligenz, Blockchain und Robotik.
Interessant in diesem Zusammenhang ist, dass gerade in Deutschland plattformbasierte
Geschäftsmodelle sowohl einen geringen Verbreitungs- als auch Bekanntheitsgrad auf-
weisen (Abb. 10.12). Der Digitalverband Bitkom hat in einer repräsentativen Umfrage
festgestellt, dass mehr als die Hälfte (54 %) der befragten Geschäftsführer und Vorstände
von 505 Unternehmen mit mehr als 20 Beschäftigten noch nie von Plattform-Ökonomie,

Abb. 10.10  Top 25 Logistik-Startups nach Finanzierungsvolumen in Millionen US-Dollar, 2007–


2016. (Oliver Wyman 2017)
10  Digitale Transformation der Logistik … 203

Abb. 10.11  Entwicklung Logistik-Startups in Deutschland. (Oliver Wyman 2018)

Abb. 10.12  Bekanntheit des Begriffs Digitale Plattform. (bitkom 2018)


204 E. Sucky und B. Asdecker

Plattform-Märkten oder digitalen Plattformen gehört haben (bitkom 2018). Außerdem


geben 39 % der Befragten, die zumindest von der Plattform-Ökonomie gehört haben, an,
dass digitale Plattformen für das eigene Geschäft nicht relevant seien (bitkom 2018).

10.4.2 Verändertes Wettbewerbsumfeld für Logistikunternehmen

Bestehende Logistikunternehmen müssen sich auf vielfältige Weise einem neuen Wett-
bewerb bzw. einer neuen Konkurrenzsituation stellen. In Abb. 10.13 sind dem Leistungs-
spektrum des Logistikunternehmens FedEx diejenigen Startups gegenübergestellt, die
mit ihren jeweiligen Geschäftsmodellen einzelne Teilbereiche dieses Leistungsspektrums
abdecken.
Hofmann und Osterwalder (2017) haben dieses neue Wettbewerbsumfeld von
Logistikunternehmen auf Basis des Fünf-Kräfte-Modells (Porter’s five forces) ana-
lysiert (Abb. 10.14). Grundidee dieser Branchenstrukturanalyse ist, dass die Attraktivi-
tät einer Branche durch die Ausprägung von fünf wesentlichen Wettbewerbskräften
bestimmt wird: 1) brancheninterner Wettbewerb, 2) Bedrohung durch neue Anbieter,
3) Verhandlungsmacht der Lieferanten, 4) Verhandlungsmacht der Abnehmer und 5)
Bedrohung durch Ersatzprodukte. Grundsätzlich gilt, dass je stärker die Bedrohung
durch diese fünf Wettbewerbskräfte ist, desto unattraktiver ist die betrachtete Branche
und desto schwieriger ist es, Wettbewerbsvorteile zu erzielen. Hofmann und Osterwalder
(2017) zeigen, dass sich, neben dem bereits existierenden, brancheninternen Wettbewerb

Abb. 10.13  Startups, die Teilbereiche des Leistungsportfolios von FedEx abdecken. (CB Insights
2016)
10  Digitale Transformation der Logistik … 205

Abb. 10.14  Auswirkungen der Digitalisierung auf die Logistikbranche. (In Anlehnung an Hofmann


und Osterwalder 2017, S. 10)

1), die Wettbewerbssituation für Logistikunternehmen auch durch die weiteren Wett-
bewerbskräfte verschärft.
2) Bedrohung durch neue Anbieter: In Abschn. 10.1 wurde bereits auf neue Techno-
logien mit hohem Einsatzpotenzial in der Logistik eingegangen (z. B. Drohnen oder
autonome Fahrzeuge). Diese Technologien haben nicht nur aufgrund ihres Automations-
grades ein disruptives Potenzial, sie erlauben auch neuen Anbietern den Markteintritt
(Hofmann und Osterwalder 2017, S. 11). Während sich der Warentransport per Flug-
drohne (Amazon Prime Air) noch in der Testphase befindet, ist Amazon längst selbst
auf dem Weg zum Logistikunternehmen. Um schrittweise von externen Logistikdienst-
leistern unabhängig zu werden, setzt Amazon nicht nur auf eine eigene LKW-Flotte,
sondern auch auf eine eigene Frachtflugzeug-Flotte. Unter dem Label Prime Air sollen
206 E. Sucky und B. Asdecker

insgesamt 40 Flugzeuge von Boeing geleast werden zum Aufbau zusätzlicher Trans-
portkapazitäten, um langfristig schnelle Lieferstandards garantieren zu können. Freie
Kapazitäten in den Frachtflugzeugen könnte der Onlinehändler künftig auch für Dritte
anbieten (Kolbrück 2018).
3) Verhandlungsmacht der Lieferanten: Leerfahrten sind in der Logistik ein großes
Problem. Aktuell ist rechnerisch jeder dritte LKW auf Deutschlands Straßen aufgrund
ineffizienter Planung leer: Frachtführer transportieren eine Ware von A nach B, fahren
dann mit leerem LKW weiter zu Punkt C. Von dort steuert der LKW dann (mehr oder
weniger beladen) zurück zum Ausgangspunkt. Das Speditionsgeschäft ist insbesondere
ein Vermittlungsgeschäft: Die Planung und Koordination des Warentransports ist von der
physischen Bewegung der Güter getrennt. Vermittlungsdienste sind jedoch digitalisier-
bar, sodass Startups wie Flexport oder Uber Freight in Konkurrenz zu großen Speditio-
nen stehen (Vaske 2017). Ist die Nutzerzahl solcher Plattformen groß genug, kann das
oben genannte Problem der Leerfahrten reduziert werden. In der Plattform-Ökonomie
kommt es typischerweise zu weiteren Netzeffekten, wonach langfristig nur wenige große
Plattformbetreiber den Markt abdecken. Auch kann es hier zu einer Vorwärtsintegration
kommen, d. h. dass Plattformbetreiber selbst zu Logistikdienstleistern werden. Ein Bei-
spiel hierfür ist die Übernahme von Otto Motors durch Uber Freight, wodurch Uber
Freight zukünftig eigene Transportkapazitäten über seine Plattform anbieten kann
(­Hofmann und Osterwalder 2017, S. 12 f.).
4) Verhandlungsmacht der Abnehmer: Hier liefert die sogenannte Sharing Economy
Ansätze einer Crowd Logistik. Nach Mehmann et al. (2015) kann diese wie folgt defi-
niert werden: „Crowd Logistics designates the outsourcing of logistics services to a mass
of actors, whereby the coordination is supported by a technical infrastructure.“ Dabei
ist das Auslagern der Logistikleistungen nicht unbedingt auf Privatpersonen beschränkt,
sondern kann auch Logistikdienstleister umfassen. Das deutsche Unternehmen tirami-
zoo, welches u. a. Same-Day-Delivery für viele Filialen von Media Markt realisiert, setzt
auf eine Kooperation mit (lokalen) Kurierdiensten zur Durchführung seiner Transporte.
Ähnliches gilt für den Anbieter Liefery, der für DEPOT mit selbstständigen Kurieren die
Same-Day-Belieferung von Wohnaccessoires und Kleinmöbeln in 20 Städten durchführt
(BearingPoint 2017).
5) Bedrohung durch Ersatzprodukte: Ein Beispiel zur Bedrohung durch Ersatz-
produkte ist das 3D-Drucken. Nach einer aktuellen Analyse der Unternehmens-
beratung PwC Strategy& soll bis 2030 der weltweite Markt für 3D-Druck-Produkte in
der Industrie pro Jahr durchschnittlich zwischen 13 und 23 % auf ein Marktvolumen
von 22,6 Mrd. EUR anwachsen. Insbesondere für die Luft- und Raumfahrt mit durch-
schnittlichen jährlichen Wachstumsraten von 23 % und für die Automobilindustrie
(+ 15 %) eröffnet das Verfahren neue Potenziale in der Produktion: Ersatzteile lassen sich
zukünftig nach Bedarf vor Ort fertigen (PwC Strategy & 2018). Dies hat natürlich signi-
fikante Auswirkungen auf die Logistik, hier die Ersatzteillogistik.
10  Digitale Transformation der Logistik … 207

10.4.3 Von der Frachtenbörse zum digitalen 4PL

Analog zu den in Abschn. 10.3.2 genannten Entwicklungsstufen vom 1PL- zum


4PL-Provider zeichnet sich auch im Rahmen der Digitalisierung in der Logistik eine
gewisse Entwicklung ab. Pflaum et al. (2018) unterscheiden dabei zwischen 1) Nut-
zung einzelner digitaler Technologien und Anwendungen, um vorwiegend intern die
Informationsversorgung und die Prozesssteuerung zu verbessern, 2) Vernetzung und
Austausch von Daten und Informationen mit anderen Akteuren zur verbesserten Steue-
rung und Umsetzung von Logistikaktivitäten und 3) Umfassender Einsatz digitaler
Lösungen und Anwendungen mit durchgängiger Vernetzung von Objekten und Akteuren
sowie autonom agierenden Logistiksystemen.
Mit dem Fokus auf Plattform-Lösungen, Sharing Economy sowie Crowd-­Sourcing-
Lösungen kann ein Entwicklungspfad von Frachtenbörsen hin zu digitalen 4PL-­
Providern identifiziert werden. Frachtenbörsen sind digitale Plattformen mit dem
Fokus auf der Vermittlung von Über- und Unterkapazitäten zwischen Spediteuren und
Frachtführern. Frachtenbörsen besitzen i. d. R. zwei getrennte Bereiche, einen für
­
Frachtangebote und einen für Ladungsgesuche, welche durchsucht werden können. Auf
Frachtenbörsen treffen Anbieter von Frachtgut auf Anbieter von Laderaum, wobei die
Vermittlung über einen Auktionsprozess erfolgt oder die interessierten Parteien die Ver-
träge außerhalb der Frachtenbörse aushandeln, d. h. in direkter Abstimmung. Im Kontext
der Digitalisierung treten vermehrt Logistik-Startups als Wettbewerber zu den etablierten
Frachtbörsen auf. Diese, hier als erweiterte Frachtbörsen bezeichneten Lösungen, zeich-
nen sich unter anderem durch eine einfachere Abwicklung, kostengünstigeren Service
und weitere Funktionalitäten wie zum Beispiel automatische Auftragszuordnung (Mat-
ching) und Preisbestimmung oder Echtzeitverfolgung (Track & Trace/Proof of Delivery)
aus. So hat das Startup Convoy eine weitgehende Automatisierung des Vermittlungs-
prozesses App-basiert realisiert. Wird ein Frachtangebot eingestellt, berechnet die App
das am besten passende Ladungsgesuch und bietet diesen Auftrag dem Disponenten
oder dem Fahrer direkt in der App an. Dies geschieht unter Einbezug der Positionsdaten
des Fahrzeugs, die über die jeweilige App entsprechend zu Verfügung gestellt werden.
Der Auftrag muss dann nur noch bestätigt werden (BearingPoint 2017). Aktuell findet
sich des Weiteren der Begriff der digitalen Spedition bzw. der online Spedition. Auch
diese Plattform-Lösungen grenzen sich von Frachtenbörsen ab. Digitale Speditionen wie
Frachtraum, Cargonexx oder Saloodo vermitteln ebenfalls Aufträge zwischen Verladern
und Transporteuren, aber sie sind auch Vertragspartner und gehen damit das Risiko
für den Transport ein. Unter Einsatz von personellen Ressourcen wird die gesamte
Abwicklung der Lieferung bearbeitet, die optimale Strecke sowie der Frachtführer aus-
gewählt. Die digitale Spedition ist somit von der Buchung eines Auftrages, über die
Abwicklung bis hin zur Fakturierung verantwortlich (Vaske 2017). Die genannten
Plattform-Lösungen betreffen die Vermittlung von Frachtraum oder auch Lagerraum
(Lagerbörsen), d. h. insbesondere den Transport von Ganz- und Teilladungen. Für den
Transport auf der so genannten „letzten Meile“ zum Kunden finden sich aktuell Crowd
208 E. Sucky und B. Asdecker

Logistik-Lösungen. So hat Uber sein Geschäftsmodell vom reinen Personentransport


auf den Bereich der Kurierfahrten übertragen: UberRUSH. Hierbei wird eine Plattform
zur Verfügung gestellt, auf der private Fahrer (mit eigenen Fahrzeugen und Zugriff auf
die entsprechende App) mit Transportaufträgen zusammengeführt werden (BearingPoint
2017). Gemeinsam haben die genannten Ausprägungen (Frachtenbörsen, Lagerbörsen,
erweiterte Frachtenbörsen, digitale Speditionen und Crowd Logistik-Lösungen), dass sie
auf Logistik-Assets verzichten (können). Allerdings decken sie nur ein bestimmtes logis-
tisches Leistungsprogramm ab. Die Fähigkeit, komplexe, umfassende, unternehmens-
übergreifende Logistikprozesse mithilfe digitaler Technologien zu koordinieren, d. h.
ein Komplettangebot logistischer Leistungsumfänge sowie Value Added Services zu
bieten, jedoch ohne Einsatz eigener Logistik-Assets, zählt, wie in Abschn. 10.3.2 dar-
gelegt, zu den Schlüsselkompetenzen von 4PL-Providern. Da durch digitale Techno-
logien, Cloud Computing, Software as a Service (SaaS), Big Data, Machine Learning,
Artificial Intelligence u. v. m. Plattform-Lösungen zukünftig „smarter“ werden, kann ein
digitaler 4PL-Provider entstehen, welcher die Leistungen anderer Logistikdienstleister
(Einzeldienstleister bis 3PL-Provider) für den Kunden in einer individuellen Kombi-
nation zusammenstellt, wobei die Planungs- und Koordinationsaufgaben weitgehend
automatisiert, Algorithmen- und Cloud-basiert erfolgen (Abb. 10.15). So entwickelt bei-
spielsweise Mehmann et al. (2013) ein Framework für eine 4PL-Plattform.

Abb. 10.15  Von der Frachtenbörse zum digitalen 4PL-Provider


10  Digitale Transformation der Logistik … 209

10.5 Schlussbetrachtung

Die Logistikbranche ist aktuell in Bewegung. Dies zeigt bereits die hohe Anzahl und das
hohe Investitionsvolumen in Logistik-Startups. Etablierten Logistikunternehmen bietet
die Digitalisierung eine Vielzahl von Chancen und Erfolgspotenzialen. Allerdings zeigen
die vorstehenden Ausführungen, dass ihre Wettbewerbsposition durch innovative Lösun-
gen und Startups bedroht ist. Die Digitalisierung erleichtert neuen Anbietern den Markt-
eintritt signifikant, da Markteintrittsbarrieren in Form von kapitalintensiven Investitionen
in beispielsweise eigene Fuhrparks oder Lagerkapazitäten entfallen. Im Kontext der
Digitalisierung entwickeln sich daher neue Geschäftsmodelle der Logistik, die vor allem
durch Startups getrieben werden.
Um in dem verschärften Wettbewerb bestehen zu können und um zu verhindern,
von Logistik-Startups im Zuge von disruptiven Innovationen verdrängt zu werden,
gilt es für etablierte Logistikunternehmen, die Chancen der Digitalisierung zu nut-
zen. Logistikunternehmen werden die Digitalisierung, im Sinne der Implementierung
von digitalen Technologien in die aktuellen Geschäftsprozesse und in das bestehende
Geschäftsmodell, der digitalen Vernetzung von Geschäftsprozessen sowie der Markt-
bearbeitung mit digitalen Mitteln, vorantreiben müssen. Diese Digitalisierung i. e. S.
kann auch als „Pflicht“ bezeichnet werden, um im Wettbewerb bestehen zu können.
Eine digitale Transformation, d. h. der Prozess der Entwicklung neuer Geschäfts-
anwendungen auf der Basis der digitalisierten Daten und Geschäftsprozesse, kann dann
als „Kür“ bezeichnet werden und stellt eine potenzielle Alternative dar. Es ist eine stra-
tegische Entscheidung, ob ein Logistikunternehmen mit einer eigenen, umfassenden
Plattform-Lösung die eigenen Logistikleistungen sowie die Logistikleistungen von Wett-
bewerbern am Markt anbieten möchte. Andererseits kann es auch attraktiv sein, sich auf
die Kernkompetenz der Erbringung von logistischen Dienstleistungen zu beschränken
und die Vermittlung und Vermarktung dieser Dienstleistungen anderen Plattform-
betreibern zu überlassen.

Literatur

Axit (2016). Digitalisierung in der Logistik. http://www.axit.de/expertenpapier-digitalisierung.


Zugegriffen: 20.02.2018.
Baumgarten, H., & Thoms, J. (2002). Trends und Strategien in der Logistik – Supply Chains im
Wandel. Berlin.
BearingPoint (2017). Uber-inspirierte Plattformkonzepte in der Logistik. Bedrohen neue Trans-
portkonzepte etablierte Geschäftsmodelle?, Retail & Consumer N  11, Red Paper. https://www.
bearingpoint.com/de-de/unsere-expertise/insights/digitale-plattformkonzepte/. Zugegriffen:
23.02.2018.
Bieger, T., & Reinhold, S. (2011). Das wertbasierte Geschäftsmodell – Ein aktualisierter Struktur-
ansatz. In Bieger et al. (Hrsg.), Innovative Geschäftsmodelle: Konzeptionelle Grundlagen,
Gestaltungsfelder und unternehmerische Praxis (S. 13–17). Berlin.
210 E. Sucky und B. Asdecker

bitkom (2018). Mehrheit hat noch nie etwas von digitalen Plattformen gehört. https://www.bitkom.
org/Presse/Presseinformation/Mehrheit-hat-noch-nie-etwas-von-digitalen-Plattformen-gehoert.
html. Zugegriffen: 19.02.2018.
Bundesvereinigung Logistik (BVL) e. V. (2017). Trends und Strategien in Logistik und Supply
Chain Management – Chancen der digitalen Transformation. https://logistiktrends.bvl.de/sys-
tem/files/t16/2017/Trends_und_Strategien_in_Logistik_und_Supply_Chain_Management_-_
Chancen_der_digitalen_Transformation_-_Kersten_von_See_Hackius_Maurer_2017.pdf.
Zugegriffen: 20.02.2018.
Capgemini Consulting, Penn State University, & Penske Logistics (2017). 2017 Third-Party Logis-
tics Study, The State of Logistics Outsourcing, Results and Findings of the 21st Annual Study.
https://jda.com/-/media/jda/knowledge-center/thought-leadership/2017stateoflogisticsreport_
new.ashx. Zugegriffen: 19.02.2018.
CB Insights (2016). Disrupting Logistics: The Startups That Are Unbundling FedEx & UPS.
https://www.cbinsights.com/research/startups-unbundling-fedex/. Zugegriffen: 19.02.2018.
DXC Technology (2018). Umfrage: Top 5 Ziele bei der Digitalisierung deutscher Firmen. https://
www.presseportal.de/pm/126139/3840381. Zugegriffen: 23.02.2018.
Gassmann, O., Frankenberger, K., & Csik, M. (2013). Geschäftsmodelle entwickeln: 55 innovative
Konzepte mit dem St. Galler Business Model Navigator. München.
Giersberg, G. (2018). Die Digitalisierung rollt. (08.01.2018). FAZ, S. 15.
Haas, S. (2011). Kontraktlogistik für mittelständische Unternehmen. In Sucky et al. (Hrsg.),
Logistikmanagement – Herausforderungen Chancen und Lösungen, Band II (S. 195–210).
Bamberg.
Hofmann, E., & Osterwalder, F. (2017). Third-Party Logistics Providers in the Digital Age:
Towards a New Competitive Arena? Logistics, 1(2), S. 1–28.
IBM (2018). Digitizing Global Trade with Maersk and IBM. http://www.ibm.com/blogs/block-
chain/2018/01/digitizing-global-trade-maersk-ibm/. Zugegriffen: 22.02.2018.
Kersten, W., Schröder, M., & Indorf, M. (2017). Potenziale der Digitalisierung für das Supply
Chain Risikomanagement: Eine empirische Analyse. In Seiter, M., Grünert, L., & Berlin, S.
(Hrsg.), Betriebswirtschaftliche Aspekte von Industrie 4.0 (S. 46–74). Wiesbaden.
Knyphausen-Aufseß, D., & Meinhardt, Y. (2002). Revisiting Strategy. Ein Ansatz zur Systematisie-
rung von Geschäftsmodellen. In Bieger, T. et al. (Hrsg.), Zukünftige Geschäftsmodelle. Konzept
und Anwendung in der Netzökonomie (S. 63–89). Berlin.
Kolbrück, O. (2018). Amazon. Innovationen, Strategien und Best Cases rund um den Onlineriesen.
Whitepaper. e-tailment, Das Digital Commerce Magazin von Der Handel. http://etailment.de/
news/stories/whitepaper-amazon-21046. Zugegriffen: 20.02.2018.
Lucke, H.-J., Clausen, U., Eisenkopf, A., Frindik, R., Lüsch, J., Peter, U., & Stabenau, H. (2012).
Transportlogistik. In Krampe, H., Lucke, H.-J., & Schenk, M. (Hrsg.), Grundlagen der Logis-
tik. Theorie und Praxis logistischer Systeme (S. 301–354). München.
Marakby, S. (2018). Why Teaming with Postmates Will Help Ford Expand On-Demand Delivery
to Everyone. https://medium.com/self-driven/why-teaming-with-postmates-will-help-ford-ex-
pand-on-demand-delivery-to-everyone-c11739e76ba4. Zugegriffen: 16.02.2018.
Mehmann, J., Frehe, V., & Teuteberg, F. (2015). Crowd Logistics − A Literature Review and Matu-
rity Model. In Kersten, W., Blecker, T., & Ringle, C. M. (Hrsg.), Innovations and Strategies for
Logistics and Supply Chains (S. 117–145). Berlin.
Mehmann, J., Teuteberg, F., & Freye, D. (2013). Eine 4PL-Plattform zur Unterstützung der Nach-
erntelogistik − Eine Anforderungsanalyse. In Clasen, M., Kersebaum, K. C., Meyer-Aurich, A.,
& Theuvsen, B. (Hrsg.), Referate der 33. GIL-Jahrestagung in Potsdam 2013 – Massendaten-
management in der Agrar- und Ernährungswirtschaft, Lecture Notes in Informatics (S. 199–
202). Potsdam.
10  Digitale Transformation der Logistik … 211

Miebach Consulting, & DVZ Deutsche Verkehrs-Zeitung (2017). http://www.miebach.com/de/


insights/veroeffentlichungen/. Zugegriffen: 21.02.2018.
Nagl, A., & Bozem, K. (2018). Geschäftsmodelle 4.0 – Business Model Building mit Checklisten
und Fallbeispielen. Wiesbaden.
Nissen, V., & Bothe, M. (2002). Fourth Party Logistics – ein Überblick. Logistikmanagement, 4(1),
S. 16–26.
Oliver Wyman (2017). Start-ups rollen Logistikbranche auf. http://www.oliverwyman.de/
media-center/2017/Start-ups-rollen-Logistikbranche-auf.html. Zugegriffen: 22.02.2018.
Oliver Wyman (2018). Beschleunigte Digitalisierung, mehr Innovation aus eigener Kraft. http://
www.oliverwyman.de/media-center/2018/feb/Beschleunigte-Digitalisierung-Mehr-Innova-
tion-aus-eigener-Kraft.html. Zugegriffen: 16.02.2018.
Pflaum, A., Schwemmer, M., Gundelfinger, Ch., & Naumann, V. (2018). Transportlogistik 4.0.
https://www.scs.fraunhofer.de/content/dam/scs/de/dokumente/studien/Transportlogistik.pdf.
Zugegriffen: 23.02.2018.
Plowman, E. (1964). Elements of Business Logistics, Stanford, zitiert nach: Logistik Initiative
Schleswig-Holstein e. V. (2015): Plowman. Die „Seven Rights of Logistics“, ihr Autor und
ihre Geschichte. http://logish.egeb.de/wp-content/uploads//PlowmanBuch.pdf. Zugegriffen:
15.02.2018.
Poll, D. (2017). Drohnen in der Intralogistik: Geflügelter Lieferservice. https://www.produk-
tion.de/trends-innovationen/drohnen-in-die-intralogistik-gefluegelter-lieferservice-108.html.
Zugegriffen: 20.02.2018.
PwC Strategy& (2018). The future of 3D-printing: Strategic insight. https://www.strategyand.
pwc.com/global/home/what-we-think/multimedia/video/mm-video_display/3d-printing.
Zugegriffen: 20.02.2018.
Sauer, R., Dopfer, M., Schmeiss, J., & Gassmann, O. (2016). Geschäftsmodell als Gral der Digi-
talisierung, In Gassmann, O., & Sutter, P. (Hrsg), Digitale Transformation im Unternehmen
gestalten, Geschäftsmodelle – Erfolgsfaktoren – Fallstudien (S. 15–27). München.
Schäfer-Kunz, J., & Tewald, C. (1998). Make-or-Buy-Entscheidungen in der Logistik. Wiesbaden.
Schiemann, J. (2018). LOGISTIK 4.0, Wie autonom lassen sich Prozesse managen? https://www.
axit.de/expertenpapier-logistik-40. Zugegriffen: 23.02.2018.
Schulte, C. (2017). Logistik. Wege zur Optimierung der Supply Chain. München.
Schwertner, R. (2018). Bye Bye Booking.com? WindingTree greift Reiseportale mit der Block-
chain an. https://www.wallstreet-online.de/nachricht/10249616-bye-bye-booking-com-winding-
tree-greift-reiseportale-blockchain. Zugegriffen: 23.02.2018.
Stocker, M. (2017). Der Unterschied zwischen Digitalisierung und Digitaler Transformation.
https://www.digitalenterprise.ch/unterschied-zwischen-digitalisierung-und-digitale-transforma-
tion/. Zugegriffen: 20.02.2018.
Stölzle, W., & Burkhard, J. (2016). Thesen zu Logistik 4.0. In Gassmann, O., & Sutter, P. (Hrsg.),
Digitale Transformation im Unternehmen gestalten, Geschäftsmodelle – Erfolgsfaktoren – Fall-
studien (S. 59–64). München.
Strader, R., & Madra, S. (2018). Why We’re Working with Autonomic to Create a Platform That
Can Power Future Cities. https://medium.com/cityoftomorrow/why-were-working-with-autono-
mic-to-create-a-platform-that-can-power-future-cities-96700c2824e6. Zugegriffen: 21.02.2018.
Toyota (2018). Toyota Launches New Mobility Ecosystem and Concept Vehicle at 2018 CES.
http://pressroom.toyota.com/releases/toyota+launches+new+mobility+ecosystem+concept+ve-
hicle+2018+ces.htm. Zugegriffen: 21.02.2018.
Vaske, H. (2017). Loadfox, FreightHub, Cargonnex & Co. Online-Speditionen wirbeln Logistik-
markt durcheinander, abgerufen unter: https://www.computerwoche.de/a/online-speditionen-
wirbeln-logistikmarkt-durcheinander,3329617. Zugegriffen: 20.02.2018.
212 E. Sucky und B. Asdecker

Wagner, S., Ries, A., & Pfohl, H.-C. (2014). 4th Party Logistics – Chancen und Heraus-
forderungen. https://assets.kpmg.com/content/dam/kpmg/pdf/2014/05/KPMG-Studie-4PL.pdf.
Zugegriffen: 22.02.2018.
Zadek, H. (2004). Struktur des Logistik-Dienstleistermarktes. In Baumgarten, H., Darkow, I.-L., &
Zadek, H. (Hrsg.), Supply Chain Steuerung und Services. Logistik-Dienstleister managen globale
Netzwerke – Best Practices (S. 15–28). Berlin.

Univ.-Prof. Dr. Eric Sucky ist Inhaber des Lehrstuhls für Betriebswirtschaftslehre, insb. Pro-
duktion und Logistik, an der Otto-Friedrich-Universität Bamberg und Leiter der Forschungs-
stelle für nachhaltige Güter- und Personenmobilität. Eric Sucky promovierte und habilitierte sich
am Fachbereich Wirtschaftswissenschaften der Johann Wolfgang Goethe‐Universität in Frankfurt
am Main. Seine Forschungsschwerpunkte sind Logistikoutsourcing, Strategische Partnerwahl in
Supply Chains, Masterplanning in Supply Chains und die Analyse des Bullwhip-Effekts in Wert-
schöpfungsnetzwerken.

Dr. Björn Asdecker  ist Akademischer Rat am Lehrstuhl für Betriebswirtschaftslehre, insb. Pro-
duktion und Logistik, an der Otto‐Friedrich‐Universität Bamberg. Er promovierte bei Univ.-Prof.
Dr. Eric Sucky zum Retourenmanagement. Im Rahmen dessen gründete er die Forschungsgruppe
Retourenmanagement, die er seitdem leitet. Die Forschungsgruppe verfolgt das Ziel, Theorie und
Praxis enger miteinander zu verknüpfen. Seine weiteren Interessen betreffen die E-Commerce-Lo-
gistik, das nachhaltige Supply Chain Management sowie das Supply Chain Performance Measure-
ment.
From Big Data to Smart Data –
Problemfelder der systematischen 11
Nutzung von Daten in Unternehmen

Steffen Wölfl, Alexander Leischnig, Björn Ivens und Daniel Hein

Inhaltsverzeichnis

11.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214


11.2 Die systematische Verarbeitung und Nutzung von Daten in Unternehmen. . . . . . . . . . . . 215
11.3 Informationslebenszyklus und Problemfelder der organisationalen
Datenverarbeitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
11.3.1 Die Informationslebenszyklusperspektive. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
11.3.2 Problemfelder der organisationalen Datenverarbeitung. . . . . . . . . . . . . . . . . . . . 219
11.4 Implikationen und Schlussbetrachtung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
11.4.1 Implikationen für die organisationale Datennutzung. . . . . . . . . . . . . . . . . . . . . . 225
11.4.2 Schlussbetrachtung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228

S. Wölfl (*) · D. Hein 
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: steffen.woelfl@uni-bamberg.de
D. Hein
E-Mail: daniel.hein@uni-bamberg.de
A. Leischnig 
School of Business and Management, Queen Mary University of London, London, UK
E-Mail: a.leischnig@qmul.ac.uk
B. Ivens 
Lehrstuhl für Betriebswirtschaftslehre, insbesondere Vertrieb und Marketing
Otto-Friedrich-Universität Bamberg, Bamberg, Deutschland
E-Mail: bjoern.ivens@uni-bamberg.de

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019 213
W. Becker et al. (Hrsg.), Geschäftsmodelle in der digitalen Welt,
https://doi.org/10.1007/978-3-658-22129-4_11
214 S. Wölfl et al.

Zusammenfassung
Die zunehmende Digitalisierung von Geschäftsprozessen, Leistungen oder sogar gan-
zen Geschäftsmodellen bietet Unternehmen vielfältige Möglichkeiten zur Wertgene-
rierung mit Daten. Die zielgerichtete und systematische Verarbeitung und Nutzung
von Daten stellt Unternehmen verschiedener Branchen jedoch vor große Herausfor-
derungen. Der vorliegende Beitrag gibt einen Überblick über grundlegende Prozesse
der systematischen Verarbeitung und Nutzung von Daten in Unternehmen. Darüber
hinaus diskutiert der Beitrag mögliche Problemfelder, die bei der Nutzung von Daten
entstehen können und gibt Handlungsempfehlungen, wie Unternehmen diese Heraus-
forderungen bewältigen können.

11.1 Einleitung

In einer durch die Digitalisierung getriebenen Konsum- und Geschäftswelt können


Unternehmen durch eine umfassende Verarbeitung und Nutzung digitaler Daten wichtige
Erkenntnisse generieren und entscheidende Wettbewerbsvorteile erzielen, weshalb Daten
als das digitale Öl (Yi et al. 2014) oder auch das neue Rohmaterial des 21. Jahrhunderts
(Berners-Lee und Shadboldt 2011) bezeichnet werden. Nach einer aktuellen Studie der
Boston Consulting Group (Ringel et al. 2017) ist die Mehrheit der innovativsten und
erfolgreichsten Unternehmen ebenso führend in der Verarbeitung und Nutzung von
Daten. Eine steigende Anzahl von Unternehmen betreibt systematisch Anstrengungen
zur Entwicklung von Kompetenzen zur zielgerichteten Verarbeitung und Nutzung von
Daten über Kunden, Wettbewerber, die erweiterte Unternehmensumwelt sowie über das
eigene Unternehmen, um strategische und operative Entscheidungen besser zu fundieren
und letztendlich Wettbewerbsvorteile zu erzielen. Beispielsweise bildete der Konsum-
güterhersteller Unilever eine sogenannte Consumer and Markets Insights-Funktion im
Unternehmen, bestehend aus zahlreichen Datenanalysten, denen eine zentrale Rolle bei
der Beratung des Top Managements zukam. Mit dieser neu geschaffenen Unternehmens-
funktion stellte Unilever sicher, dass strategische und operative Entscheidungen auf einer
fundierten Analyse relevanter Daten basieren (van den Driest et al. 2016).
Trotz der zahlreichen Vorteile, die eine systematische Verarbeitung und Nutzung von
Daten für Unternehmen mit sich bringen kann, gehen einige Experten davon aus, dass
mehr als die Hälfte aller datenverarbeitungsbezogener Projekte in Unternehmen schei-
tern (Bertolucci 2015; Marr 2015). Ein Grund dafür kann sein, dass eine systematische
Datenverarbeitung und -nutzung neben hinreichenden technischen Voraussetzungen
auch geeigneter organisationaler und managementbezogener Voraussetzungen bedarf.
Bisherige Untersuchungen zeigen beispielsweise, dass die systematische Datenver-
arbeitung und -nutzung durchaus positive Effekte für Unternehmen, wie z. B. ein ver-
bessertes Marktverständnis und eine stärkere Innovationsleistung haben kann (z. B.
Brynjolfsson et al. 2011; Duan und Cao 2015). Untersuchungen verdeutlichen jedoch
auch, dass die positiven Effekte, welche durch die Nutzung von Daten entstehen k­ önnen,
11  From Big Data to Smart Data … 215

von ­verschiedenen Kontingenzfaktoren beeinflusst werden (z. B. Akter et al. 2016; Wölfl
et al. 2017). Dabei erschweren weniger technische Barrieren als viel mehr unternehmens-
kulturelle und managementbezogene Herausforderungen eine mehrwertgenerierende
Datenverwendung (LaValle et al. 2011).
Das Ziel dieses Beitrags ist es, zu einem besseren Verständnis der Verarbeitung und
Nutzung von Daten in Unternehmen beizutragen, indem zentrale Problemfelder genauer
beleuchtet werden. Unser Beitrag betrachtet dabei grundlegende Prozesse des organisa-
tionalen Daten- und Informationsmanagements sowie mögliche Probleme, die die ziel-
gerichtete Verarbeitung und Nutzung von Daten behindern können. Ferner gibt unser
Beitrag Empfehlungen, wie Unternehmen diesen Problemen begegnen können. Der
Fokus der Analyse liegt dabei insbesondere auf managementbezogenen Aspekten der
organisationalen Datenverarbeitung und -nutzung.
Unser Beitrag gliedert sich wie folgt: Zunächst werden Mehrwertpotenziale sowie
Anforderungen an eine systematische Verarbeitung und Nutzung von Daten diskutiert.
Hieran anknüpfend werden auf Basis der Informationslebenszyklusperspektive Kern-
prozesse der organisationalen Datennutzung und ihrer Problemfelder aufgezeigt. Der
Beitrag schließt mit der Ableitung von Empfehlungen für die Unternehmenspraxis.

11.2 Die systematische Verarbeitung und Nutzung von Daten


in Unternehmen

Die Relevanz und Erfolgswirksamkeit einer systematischen organisationalen Ver-


arbeitung und Nutzung von Daten in Unternehmen wird sowohl in der Praxis als auch
in der Wissenschaft lebhaft diskutiert (z. B. Brynjolfsson et al. 2011; Gold et al. 2001;
Leischnig et al. 2017). Das Thema erlangt insbesondere vor dem Hintergrund aktuel-
ler technologischer Entwicklungen durch eine zunehmende Digitalisierung und Auto-
matisierung erhöhte Aufmerksamkeit. Der durch die Digitalisierung entstandene
kontinuierliche Fluss an neuen Daten und Informationen kann von Unternehmen ver-
schiedener Branchen systematisch organisiert, verarbeitet und letztlich zielgerichtet
genutzt werden, um Datenressourcen als strategischen Wettbewerbsvorteil nutzen zu
können. Eine zielgerichtete organisationale Verarbeitung und Nutzung von Daten hat
daher die Aufgabe, die richtigen Daten und Informationen zur richtigen Zeit zu den rich-
tigen Entscheidungsträgern zu bringen, damit diese die gewonnenen Erkenntnisse für
eine verbesserte Entscheidungsfindung nutzen können.
Unternehmen stehen zahlreiche Technologien, Methoden und Werkzeuge zur Ver-
fügung, die ihnen dabei helfen, die vorhandene Datenmenge zielführend für ihre Bedürf-
nisse zu analysieren. Von besonderer Bedeutung sind in diesem Zusammenhang neue
Methoden der Datenverarbeitung (z. B. Big Data Analytics), welche über die simplen,
oftmals maßgeblich deskriptiven Analysen früherer Informationssysteme hinausgehen
(Chen et al. 2012; Wedel und Kannan 2016). Die zielgerichtete Verarbeitung und Nut-
zung von Daten in Unternehmen bezeichnet dabei die umfassende Verwendung von
Daten, statistischer und quantitativer Analysen sowie erklärender und v­orhersagender
216 S. Wölfl et al.

Modelle zur Verbesserung von Unternehmensentscheidungen und -aktivitäten


(­Davenport und Harris 2007). Die systematische Verarbeitung und Nutzung von Daten
bietet Unternehmen eine ganze Reihe von Möglichkeiten, geschäftsrelevante Erkennt-
nisse zu gewinnen. So können Unternehmen neben deskriptiven Erkenntnissen (z. B.
Charakterisierung von Kundenportfolios) mithilfe prädiktiver Analysen Prognosen tref-
fen (z. B. Ausfallwahrscheinlichkeiten von Maschinenkomponenten) oder mithilfe prä-
skriptiver Analysen Handlungsempfehlungen ableiten (z. B. optimale Preissetzung
für bestimmte Produktkategorien). Ferner haben Unternehmen heutzutage leichter die
Möglichkeit, große Mengen qualitativer Daten in Text-, Video- oder Audioformat zu
strukturieren und auszuwerten (Sivarajah et al. 2017).
Das Nutzenpotenzial durch die gezielte Verarbeitung und Analyse von Daten ist
enorm und betrifft nahezu alle Funktionsbereiche in Unternehmen. Die gezielte Ver-
wendung von Daten hilft Unternehmen beispielsweise dabei, durch die Individua-
lisierung und gezielte Anpassung von Produkten und Dienstleistungen, Preisen,
Kommunikationsmaßnahmen oder auch Vertriebsaktivitäten Mehrwert für Kunden zu
schaffen (Brown et al. 2011; Erevelles et al. 2016). Die Verwendung von Daten unter-
stützt Unternehmen ferner bei der Realisierung von Effizienzsteigerungen durch Prozess-
optimierung (Chen und Zhang 2014). Diese positiven Effekte spiegeln sich letztlich
auch in verschiedenen Kennzahlen der Unternehmensperformance wider, welche Unter-
nehmen mit einem zielgerichteten, systematischen Datenmanagement oftmals eine
höhere Produktivität und Profitabilität ausweisen (z. B. Brynjolfsson et al. 2011; Gupta
und George 2016; LaValle et al. 2011).
Um die Mehrwertpotenziale der systematischen Verarbeitung und Nutzung von
Daten in Unternehmen realisieren zu können, müssen die Daten und die daraus gene-
rierten Informationen bestimmte Anforderungen erfüllen. Eine hohe Datenqualität stellt
dabei eine essenzielle Voraussetzung dar, um die aus den Daten generierten Erkennt-
nisse sinnvoll nutzen und effektive, faktenbasierte Entscheidungen treffen zu können
(Hazen et al. 2014). Ein Grund für die hohe Bedeutung von Datenqualität liegt in dem
Wunsch von Unternehmen, immer größere Mengen von gesammelten Daten analysieren
zu wollen (Ghasemaghaei et al. 2017). Obwohl fortgeschrittene Methoden der Daten-
analyse die Fähigkeit haben, Datenmengen zu clustern und relevante von irrelevanten
Informationseinheiten zu unterscheiden (Russom 2008), hängen die Ergebnisse und der
Mehrwert einer systematischen Datenverarbeitung immer noch von den verwendeten
Daten selbst ab (Lycett 2013). Die Qualität von Daten und resultierender Erkennt-
nisse lässt sich dabei grob anhand von vier Dimensionen beurteilen (Wang und Strong
1996) und beeinflusst maßgeblich ihre Nützlichkeit (Clarke 2016). Die erste Dimension
betrifft die Validität und bezieht sich auf Eigenschaften wie Genauigkeit und Objektivi-
tät von Daten. Die zweite Dimension betrifft den praktischen Nutzen und bezieht sich
auf Eigenschaften wie Relevanz, Aktualität und Vollständigkeit von Datensets. Die
dritte Dimension betrifft die Präsentation der Daten und bezieht sich somit auf Eigen-
schaften wie Verständlichkeit, Konsistenz und Darstellung. Die letzte Dimension betrifft
die Verfügbarkeit von Daten und bezieht sich somit auf Eigenschaften wie Zugänglich-
keit und ­Datensicherheit. Die vier genannten Dimensionen beeinflussen ­maßgeblich,
11  From Big Data to Smart Data … 217

wie ­ Informationskonsumenten in Unternehmen (z. B. Entscheidungsträger) den Wert


der generierten Erkenntnisse wahrnehmen (LaValle et al. 2011; Wang und Strong
1996). Empirische Studien zeigen, dass bei der organisationalen Datenverarbeitung die
Qualität der Daten und der generierten Erkenntnisse wichtige Einflussfaktoren der Ent-
scheidungsfindung darstellen (Ghasemaghaei et al. 2017).
Die Herausforderung der organisationalen Verarbeitung und Nutzung von Daten liegt
also insbesondere darin, Informationskonsumenten Daten und Informationen zur Ver-
fügung zu stellen, die korrekt, nützlich, verständlich und zugänglich sind. Die Qualität
der Daten und generierten Erkenntnisse ist dabei eng verbunden mit der Ausgestaltung
der Prozesse der organisationalen Datenverarbeitung. Im nächsten Kapitel werden
anhand der Informationslebenszyklusperspektive Kernprozesse der organisationalen
Datenverarbeitung diskutiert. Diese Kernprozesse dienen als Ansatzpunkte der Identi-
fizierung von Problemfeldern der organisationalen Datenverarbeitung.

11.3 Informationslebenszyklus und Problemfelder der


organisationalen Datenverarbeitung

11.3.1 Die Informationslebenszyklusperspektive

Nach der Informationslebenszyklusperspektive besteht die organisationale Datenver-


arbeitung aus voneinander abhängigen Prozessen (Alavi und Leidner 2001; Kettinger und
Marchand 2011; Moorman 1995). Die Verarbeitung von Daten erfolgt dabei in logisch auf-
einander aufbauenden Prozessen, in denen aus rohen Daten durch eine systematische Ver-
arbeitung letztlich Erkenntnisse werden, welche Relevanz für Informationskonsumenten
im Unternehmen besitzen. Die organisationale Datenverarbeitung lässt sich dabei in die
Prozesse der Datenerhebung, Datenintegration, Datenanalyse, Informationsdistribution
sowie Informationsverwendung unterteilen. Die letzten beiden Schritte der organisatio-
nalen Datenverarbeitung beziehen sich dabei auf Informationen, um die Unterscheidung
zwischen rohen Daten und den für die Verwendung aufbereiteten Informationen hervor-
zuheben. Die hier verwendete Konzeptualisierung der organisationalen Datenverarbeitung
umfasst explizit die Prozesse der Datenintegration (z. B. Jayachandran et al. 2005) und
Datenanalyse (z. B. Brynjolfsson et al. 2011), da diese aufgrund der stark angestiegenen
Datenverfügbarkeit und -vielfältigkeit in den letzten Jahren an enormer Bedeutung
gewonnen haben. Im Folgenden sollen die einzelnen Kernprozesse der organisationalen
Datenverarbeitung vorgestellt und darauf aufbauend Hauptproblemfelder diskutiert werden.
Der Prozess Datenerhebung bezieht sich auf die Aufnahme und Speicherung von
Daten, welche für das Unternehmen relevant sind (Gold et al. 2001). Eine systematische
Datenerhebung umfasst mehrere Aktivitäten, Systeme und Technologien, wobei die opti-
male Konfiguration dieser unternehmensspezifisch ist. Während früher die klassische
Marktforschung ein Hauptlieferant von Marktinformationen war (Kohli und Jaworski
1990), können Unternehmen heutzutage Daten über Wettbewerber, Kunden etc. sowohl
durch mobile Apps, soziale Medien oder Sensordaten von smarten Produkten erheben
218 S. Wölfl et al.

(Wedel und Kannan 2016). Neuere Studien zeigen, dass Unternehmen grundsätzlich von
Investitionen in IT-basierte Fähigkeiten profitieren, um große Datenmengen zu erheben,
speichern und weiterzuverarbeiten (Hitt et al. 2015).
Die verschiedenen Möglichkeiten der Datenerhebung aus unterschiedlichen Quellen
bedingen Prozesse zur Datenintegration. Die von einem Unternehmen zu erhebenden
Daten liegen z. B. bei verschiedenen Funktionsbereichen, Informationssystemen, Servern
oder auch externen Stakeholdern (Rollins und Halinen 2005). Um eine Datenintegration
zu gewährleisten, müssen Informationssysteme innerhalb und zwischen den Unter-
nehmen verbunden und angepasst werden (Barua et al. 2004). Ferner müssen Daten-
formate standardisiert werden, um eine vereinfachte Weiterverarbeitung zu ermöglichen
(Kettinger et al. 2013). Empirische Studien zeigen, dass die Integration von Daten einen
wichtigen Beitrag zur Verbesserung von Geschäftsprozessen und der Unternehmensper-
formance leisten kann (z. B. Bhatt 2000; Barua et al. 2004).
Die stark angestiegene Datenverfügbarkeit aus verschiedenen Datenquellen macht
analytische Fähigkeiten und Anwendungen (z. B. Big Data Analytics, Text Analytics,
Web Analytics, etc.) notwendig, um mit Daten Mehrwert generieren zu können (Chen
et al. 2012). Da nahezu 90 % aller generierten Daten unstrukturiert sind (Dobre und
Xhafa 2014), sollte zunächst eine Strukturierung erfolgen. Unternehmen, welche in
fortgeschrittene Analysetechnologien und in das notwendige Personal mit analytischen
Fähigkeiten investieren, können größeren Nutzen aus ihren Informationsverarbeitungs-
prozessen ziehen (Tambe 2014). Untersuchungen zeigen, dass Unternehmen mit stark
ausgeprägten Datenanalysekompetenzen und einer intensiveren Anwendung von Daten-
analysen eine bessere Unternehmensperformance erzielen (Brynjolfsson et al. 2011).
Datenbasierte Erkenntnisse erhalten mehr Wert, wenn sie über funktionale Grenzen inner-
halb eines Unternehmens hinweg distribuiert werden. In einem Unternehmen geteilte Infor-
mationen schaffen die Basis für eine effektive Zusammenarbeit zwischen verschiedenen
Funktionsbereichen, da sie die Effektivität und Effizienz von Entscheidungsprozessen an
den Schnittstellen zwischen den Funktionsbereichen erhöhen (De Luca und Atuahene-Gima
2007). Unternehmen profitieren von systematischen Routinen der Informationsdistribution,
um einen hinreichenden Fluss von Informationen von informationsproduzierenden hin zu
informationskonsumierenden Funktionen sicherzustellen. Untersuchungen zeigen, dass
die aktive Versorgung mit relevanten Informationen über Hierarchiestufen und Funktions-
grenzen hinweg die effektive Informationsnutzung positiv beeinflusst (Kettinger et al. 2013).
Informationsnutzer können die aus Daten generierten Erkenntnisse unmittelbar ver-
wenden, um zu Entscheidungen zu gelangen und diese faktenbasiert zu fundieren, ihr
bestehendes Wissen zu erweitern oder zu vertiefen. Erkenntnisse können auch genutzt wer-
den, um festgelegte Entscheidungen zu rechtfertigen. Probleme können dann entstehen,
wenn der Entscheidung widersprechende Informationen ignoriert oder zurückgehalten wer-
den (Menon und Varadarajan 1992). Grundsätzlich sollten Informationen verwendet werden,
um Strategien auszurichten, Probleme zu lösen und die Effektivität und Effizienz von Unter-
nehmenshandlungen zu erhöhen (Gold et al. 2001). Bisherige Studien zeigen, wie wichtig die
zielgerichtete Nutzung von Daten und Informationen für Unternehmen ist, um effektiv auf
Umweltveränderungen reagieren zu können (Roberts und Grover 2012). Firmen sollten daher
11  From Big Data to Smart Data … 219

Abb. 11.1   Kernzprozesse der organisationalen Datenverarbeitung

Routinen entwickeln, die sicherstellen, dass ausreichend Informationen in verschiedenen


Situationen zielführend genutzt werden. Ferner ist es sinnvoll, eine kontinuierliche Ver-
wendung von Informationen in Entscheidungsprozessen durchzusetzen (Bischoff et al. 2015).
Abb. 11.1 fasst die Kernprozesse der organisationalen Datenverarbeitung aus einer
Informationslebenszyklusperspektive zusammen. Nachdem Daten aus verschiedenen
Quellen erhoben und gespeichert wurden, müssen diese für eine zielgerichtete Weiter-
verarbeitung in einen gemeinsam zugänglichen Datenpool integriert werden. Anschlie-
ßend folgt eine systematische Analyse der Daten, um Informationen und Erkenntnisse zu
generieren, welche einem Unternehmen bei der Entscheidungsfindung helfen. Die Rele-
vanz der generierten Erkenntnisse kann erhöht werden, wenn sie über Funktionsgrenzen
hinweg geteilt werden. Einen Mehrwert generieren Daten letztlich dann, wenn die daraus
gewonnen Erkenntnisse genutzt werden und Entscheidungen beeinflussen. Jeder der Kern-
prozesse liefert einen notwendigen Beitrag zu einer zielgerichteten organisationalen Daten-
verarbeitung, um den größtmöglichen Nutzen aus der Verwendung von Daten zu erzielen.
In jeder der hier aufgeführten Phasen des Informationslebenszyklus sind Probleme
möglich, welche eine zielgerichtete und Mehrwert generierende Verwendung von Daten
im Unternehmen behindern können. In den nächsten Abschnitten soll daher ein Bewusst-
sein für mögliche Problemfelder der einzelnen Prozesse der organisationalen Datenver-
arbeitung geschaffen werden.

11.3.2 Problemfelder der organisationalen Datenverarbeitung

Problemfeld Datenerhebung
Eine Problemstellung, welche sich aus der ersten Phase des Informationslebenszyklus
ergibt, bezieht sich auf die Frage nach den vorhandenen und zu erhebenden Daten. Es
besteht die Gefahr, dass Entscheider in Unternehmen nicht um die Daten wissen, die
220 S. Wölfl et al.

bereits vorhanden sind, und die man zielführend aufbereiten und verwenden könnte.
Ebenso besteht die Gefahr, dass Entscheidern nicht bewusst ist, welche möglichen
Datenquellen man nutzen könnte, um Erkenntnisse für die strategische und operative
Entscheidungsfindung zu generieren (Barton und Court 2012). Es ist insbesondere pro-
blematisch, wenn Entscheidern nicht klar ist, welches Wissen sie mit Daten generieren
und welche Fragen sie beantworten möchten. Die Klarheit über Ziel und Zweck der
Datenverarbeitung ist aber unerlässlich, um die richtigen Daten in ausreichender Quanti-
tät und Qualität erheben zu können.
Damit einher geht die Problematik, dass eine systematische Verarbeitung von Daten
bei den vorhandenen Daten selbst und nicht mit der Definition des gewünschten Erkennt-
nisgewinns beginnt. Wird der Use Case für die Verarbeitung von Daten nicht mit den
dazugehörigen Zielen konkretisiert und geplant, besteht die Gefahr, dass das Potenzial
einer zielgerichteten Datenverarbeitung nicht voll ausgeschöpft wird (Watson 2014).
Eine strategisch ausgerichtete Datenverarbeitung sollte daher mit Überlegungen begin-
nen, welche Entscheidungen und Prozesse man verbessern könnte, wenn die relevanten
Informationen dafür verfügbar wären. Erfolgt keine konkrete Definition von Use Cases
für die Datenverarbeitung, werden womöglich irrelevante Daten verarbeitet oder es wer-
den mögliche Datenquellen von hoher Qualität nicht berücksichtigt. Daher stellt ins-
besondere eine systematische Auswahl der zu erhebenden und zu speichernden Daten
einen besonders kritischen Aspekt in der Phase der Datenerhebung dar (Sivarajah et al.
2017). Eine Erhebung und Speicherung unnötiger Informationen von geringer Qualität
bindet Ressourcen, die für die Erhebung und Speicherung der relevanten Daten sinn-
voller eingesetzt werden könnten. Auf der anderen Seite verhindert die Vernachlässigung
hochwertiger Datenquellen das volle Ausschöpfen des Potenzials einer zielgerichteten
Datenverarbeitung.
Das Problemfeld der Datenerhebung bezieht sich insgesamt also vor allem auf die
systematische Planung und Auswahl der relevanten Daten, die es zu erheben und zu spei-
chern gilt. Probleme bei der Datenerhebung wirken sich vor allem negativ auf die Validi-
tät und den Nutzen der Daten aus. Eine schlecht geplante Datenerhebung kann dazu
führen, dass die erhobenen Daten von geringer Qualität, zu großem Umfang oder feh-
lender Relevanz sind. Ferner kann eine schlecht organisierte Datenerhebung dazu führen,
dass wichtige Daten und Informationen fehlen, die für die zielgerichtete Verarbeitung
und Nutzung der Daten jedoch von Relevanz wären.

Problemfeld Datenerhebung
Fehlender Use Case und fehlende Zieldefinition der Verwendung von Daten
Vernachlässigung relevanter Datenquellen
Unnötige Erhebung und Speicherung irrelevanter Daten
11  From Big Data to Smart Data … 221

Problemfeld Datenintegration
Um das Potenzial einer zielgerichteten Datenverarbeitung voll ausschöpfen zu können,
müssen Unternehmen den Zugriff auf und die Integration von Daten von verschiedenen
Quellen, Informationssystemen, Datenbanken, Funktionsbereichen und externen Sta-
keholdern sicherstellen (Rollins und Hallinen 2005). Innerhalb von Organisationen
erschweren die oftmals dezentralen Strukturen einen globalen Blick auf erhobene Daten
(Phillips-Wren und Hoskisson 2014). So existieren Daten und Informationen in Unter-
nehmen in verschiedenen „Datensilos“, die es zu integrieren gilt. Diese Aufgabe kann
Unternehmen, abgesehen von den technischen Herausforderungen (Bernstein und Haas
2008), vor managementbezogene Probleme stellen. In diesem Kontext ist die Klärung
von Zugriffsrechten auf Daten von besonderer Bedeutung – insbesondere wenn Daten
nicht direkt in dem Funktionsbereich oder dem Unternehmen anfallen, in dem sie weiter-
verarbeitet werden sollen (Van Alstyne et al. 1995).
Ebenfalls problematisch kann die Integration relevanter Daten über Unternehmens-
grenzen hinweg sein. Häufig ergibt sich die Notwendigkeit einer Datenintegration über
Unternehmensgrenzen hinweg, wenn Unternehmen keine direkten Kontaktpunkte zu den
Konsumenten ihrer Produkte oder Dienstleistungen haben. In diesem Fall stehen zwischen
den Endkunden und dem Leistungserbringer weitere Unternehmen, sodass die Leistungs-
erbringer letztlich die Daten von Kunden ihrer Kunden integrieren müssen (Kettinger und
Marchand 2011). Die Herausforderung besteht für datenverarbeitende Unternehmen darin,
vertrauensvolle Geschäftsbeziehungen zu etablieren und den Nutzen der zielgerichteten
Datenintegration mit den kooperierenden Unternehmen transparent zu gestalten, um den
Zugriff auf relevante Daten gewährleisten zu können (Klein und Rai 2009).
Insgesamt bezieht sich das Problemfeld der Datenintegration also vor allem auf Fra-
gen der Zugänglichkeit relevanter Daten. Ein unzureichendes Management der Daten-
integration hat insbesondere negative Auswirkungen auf die Verfügbarkeit und den
Nutzen von Daten. Fehlende Integration relevanter Datenquellen kann die Vollständig-
keit von Erkenntnissen gefährden und somit den Nutzen der Verarbeitung von Daten
reduzieren.

Problemfeld Datenintegration
Fehlende Klärung der Frage nach dem Eigentum und Zugriff auf Daten
Fehlende Integration von Daten aus verschiedenen unternehmensinternen Quellen
Fehlende Integration von Daten über Unternehmensgrenzen hinweg

Problemfeld Datenanalyse
Die Analyse der Daten stellt den Kern der organisationalen Datenverarbeitung dar. Daten,
die verarbeitet und strukturiert werden, erhalten eine größere Bedeutung und werden
so zu wertvollen Informationen, Erkenntnissen und Wissen für das datenverarbeitende
Unternehmen (Rowley 2007). Jedoch müssen die Datenanalysen an den Fragestellungen
ausgerichtet werden, die es zu beantworten gilt. Bestehende Techniken des Data Mining,
222 S. Wölfl et al.

bei dem es darum geht, Zusammenhänge und Trends in möglichst großen Datenmengen
zu erkennen (Chen et al. 1996), liefern dabei aufgrund des eher unstrukturierten Vor-
gehens häufig inkonsistente und schwer interpretierbare Ergebnisse (Barton und Court
2012). Wenn zahlreiche statistische Tests durchgeführt werden, um verdeckte Strukturen
in den Daten zu entdecken, bleibt am Ende bei Entscheidern häufig die Frage, was die
Ergebnisse bedeuten und inwiefern sie für das Unternehmen Relevanz besitzen.
Um bei der Datenanalyse relevante Erkenntnisse zu generieren, eignet sich daher ins-
besondere ein Vorgehen, das strukturiert und basierend auf Vorüberlegungen die Daten
hinsichtlich konkreter Fragestellungen analysiert. Es besteht auch bei diesem Vorgehen
die Gefahr, dass die untersuchten Modelle zu kompliziert für eine praktische Anwendung
der Erkenntnisse für den Endnutzer werden, wenn z. B. zu viele Variablen in die Modelle
einbezogen werden (Sivarajah et al. 2017). Die Problematik wird verstärkt, wenn den
Unternehmen Personal mit besonderen analytischen Fähigkeiten fehlt. Daher stehen
Unternehmen vor der Herausforderung, das Zusammenspiel verschiedener Mitarbeiter
mit unterschiedlich ausgeprägten Fähigkeiten der Datenanalyse und Dateninterpretation
von Datennutzern bis hin zu Data Scientists zu organisieren (Watson 2014).
Insgesamt besteht bei der organisationalen Datenanalyse die Herausforderung ins-
besondere darin, die Analysen so auszurichten, dass die Ergebnisse von Entscheidern
als Datennutzern einfach interpretiert werden können. Zusätzlich sollten die Ergebnisse
praktikabel sein und dem Unternehmen einen echten Mehrwert liefern. Probleme bei der
Datenanalyse beeinflussen letztlich vor allem den Nutzen und die Präsentation von Infor-
mationen, die aus der Datennutzung gewonnen werden.

Problemfeld Datenanalyse
Produktion inkonsistenter und irrelevanter Ergebnisse
Zu komplexe und/oder praxisferne Modelle
Für den Datennutzer schwer interpretierbare Ergebnisse

Problemfeld Informationsdistribution
Wurden die Daten hinreichend analysiert und auf diese Weise Informationen und Erkennt-
nisse generiert, kann der Wert dieser Erkenntnisse für das Unternehmen noch gesteigert
werden, wenn die generierten Erkenntnisse über Funktionsgrenzen hinweg systematisch
im Unternehmen distribuiert und diskutiert werden. Jedoch besteht in Unternehmen die
Gefahr, dass Mitarbeiter eher Informationen konsumieren als diese im Unternehmen zu
verteilen (Kautz und Mahnke 2003). Die Weitergabe von Informationen und Erkennt-
nissen kann ein soziales Dilemma für Mitarbeiter darstellen, wenn Mitarbeiter dazu
angehalten werden, Erkenntnisse im Unternehmen zu teilen, ohne davon direkt zu profi-
tieren. Bisweilen halten Mitarbeiter oder Funktionsbereiche mit den ihnen zugänglichen
Informationen eine bestimmte Machtposition im Unternehmen, von der sie befürchten sie
verlieren zu können, wenn sie die Informationen mit anderen Mitarbeiten und Funktions-
bereichen teilen (Cress et al. 2006). Ferner ist die Weitergabe von Informationen und
11  From Big Data to Smart Data … 223

Erkenntnissen neben den alltäglichen Aufgaben von Mitarbeitern mit Aufwand ver-
bunden, was die zielgerichtete Verbreitung von Informationen im Unternehmen ebenfalls
erschweren kann (Reid et al. 1996).
Ähnlich wie bei der Phase der Datenintegration stehen Unternehmen bei der
Informationsdistribution vor der Herausforderung, dass informationsproduzierende Funk-
tionen ihre Informationen und Erkenntnisse an mögliche Informationskonsumenten
weiterleiten. Dabei ist es eine besondere Herausforderung, die Datenverarbeitung so zu
strukturieren, dass die richtigen Personen zur richtigen Zeit die richtigen Informationen
erhalten. Der zeitliche Aspekt spielt bei der Informationsdistribution ebenso eine besondere
Rolle. Informationen, die zu spät an einen potenziellen Informationsnutzer gelangen, kön-
nen ihre Nützlichkeit verlieren (Li et al. 2006). Bei der Informationsdistribution in einem
Unternehmen müssen ferner alle relevanten Informationskonsumenten berücksichtigt wer-
den. Zum einen liefern Informationen für das Management das Fundament für Kontroll- und
Koordinationsaktivitäten. Zum anderen ermöglicht eine zielgerichtete Informationsver-
sorgung der Mitarbeiter die Verbesserung des Arbeitsoutputs (Kettinger et al. 2013).
Probleme bei der Informationsdistribution haben somit vor allem negative Aus-
wirkungen auf die Zugänglichkeit und Nützlichkeit von Informationen. Letzteres spielt
insbesondere dann eine Rolle, wenn Informationen nur unter erheblichen zeitlichen Ver-
zögerungen im Unternehmen zirkulieren und diese dann nicht mehr aktuell sind.

Problemfeld Informationsweitergabe
Fehlende Zirkulation relevanter Erkenntnisse über Funktionsgrenzen hinweg
Fehlende Berücksichtigung relevanter Informationskonsumenten bei der Informations­
distribution
Zeitlich verzögerte Informationsdistribution

Problemfeld Informationsverwendung
Das volle Potential einer systematischen und zielgerichteten organisationalen Datenver-
arbeitung kann nur ausgeschöpft werden, wenn die generierten Erkenntnisse kontinuier-
lich in Entscheidungsprozesse einfließen (Audzeyeva und Hudson 2016). Daten und
Informationen schaffen demnach für ein Unternehmen keinen Wert per se, sondern
dann, wenn Informationskonsumenten die Erkenntnisse nutzen und basierend auf den
Erkenntnissen Entscheidungen treffen. Das Ausmaß der Verwendung von Daten und
Informationen ist entscheidend für den finanziellen Nutzen, den eine systematische
Datenverarbeitung für Unternehmen hat (Melville et al. 2004). Ein Kernproblem der
organisationalen Verarbeitung und Nutzung von Daten stellt demnach die zu geringe
Nutzung der aus den Daten generierten Erkenntnisse dar.
Eine zu geringe Nutzung von generierten Erkenntnissen für Entscheidungsprozesse
liegt dabei an mehreren Problemen, welche kultureller oder struktureller Natur sein
können (Bischoff et al. 2015). Kulturelle Probleme liegen vor, wenn eine systematische
Verwendung von Daten und Informationen grundsätzlich nicht zu der Art und Weise
224 S. Wölfl et al.

passt, wie Entscheidungen im Unternehmen getroffen werden, da z. B. die Orientie-


rung des Unternehmens dies nicht erfordert (Morgan et al. 2005). Wenn in einem Unter-
nehmen auf der Führungsebene keine faktenbasierte Entscheidungskultur herrscht,
dürften Erkenntnisse, die aus einer zielgerichteten Datenverarbeitung gewonnen wer-
den, kaum für die Entscheidungsfindung genutzt werden. Strukturelle Probleme der
Daten- und Informationsverwendung liegen vor, wenn die generierten Erkenntnisse
von Entscheidern nicht genutzt werden, da sie darin nur geringen Nutzen sehen oder
gar Schwierigkeiten haben, die Erkenntnisse für Ihre Entscheidungen zu interpretieren
und folglich zu nutzen (Agarwal und Karahanna 2000). Eine weitere Herausforderung
liegt darin, dass der Return on Investment einer systematischen Datennutzung schwer zu
ermitteln ist. Dieser Umstand wird noch dadurch verstärkt, dass die zielgerichtete Daten-
nutzung für unternehmensstrategische Entscheidungen vor allem mittel- und langfristige
Auswirkungen auf die Unternehmensperformance hat und somit der direkte finanzielle
Effekt der Datenverarbeitung nur schwer zu ermitteln ist (Morgan et al. 2005).
Insgesamt bezieht sich das Problemfeld der Informationsverwendung auf eine
zu geringe Berücksichtigung der Daten für strategische und operative Geschäftsent-
scheidungen. Dies betrifft sowohl die Anzahl von Entscheidungen, die durch Fakten fun-
diert werden sollen, als auch die Entscheidungsfelder, welche durch Daten unterstützt
werden sollen. Probleme bei der Informationsverwendung schlagen sich vor allem in der
Nützlichkeit der organisationalen Datenverarbeitung nieder. Werden die durch eine sys-
tematische Datennutzung generierten Erkenntnisse nicht konsequent in Entscheidungen
berücksichtigt, leistet eine systematische Datenverarbeitung dem Unternehmen kaum
einen Mehrwert.

Problemfeld Informationsverwendung
Zu wenige Entscheidungen werden von Daten gestützt
Berücksichtigung von Daten in zu wenigen Unternehmensbereichen
Nutzen der Datenverwendung für Unternehmensperformance schwer zu ermitteln

11.4 Implikationen und Schlussbetrachtung

Das Ziel des Beitrags ist es, zu einem besseren Verständnis der organisationalen Daten-
nutzung beizutragen und basierend auf der Informationslebenszyklusperspektive die
organisationale Nutzung von Daten in abgrenzbare Kernphasen zu unterteilen, um eine
Diskussion der Problemfelder der organisationalen Datennutzung zu ermöglichen. Aus-
gehend von den Anforderungen an die organisationale Datennutzung und den Problem-
feldern der einzelnen Phasen der Datenverarbeitung lassen sich Empfehlungen für
Entscheider ableiten, um die möglichen Probleme in den einzelnen Phasen der organisa-
tionalen Datennutzung zu adressieren und die organisationale Datennutzung erfolgreich
zu gestalten.
11  From Big Data to Smart Data … 225

11.4.1 Implikationen für die organisationale Datennutzung

Grundsätzlich lassen sich Vorteile aus einem zielgerichteten Einsatz von Daten nicht
ohne einen ganzheitlichen strategischen Ansatz erzielen. Die systematische Nutzung von
Daten erfordert nicht nur die Daten, sondern auch personelle Ressourcen, die richtige
IT-Infrastruktur, einen detaillierten Umsetzungsplan sowie die Anpassung bestehender
Geschäfts- und Entscheidungsprozesse (LaValle et al. 2011). Initiativen zur Daten-
nutzung sollten nicht bei den Daten selbst beginnen, sondern einen konkreten Use Case
ins Auge fassen, anhand dessen die Ziele und der Zweck der systematischen Datenver-
arbeitung klar erkennbar werden. Unternehmen stehen viele Möglichkeiten offen, an
denen der zielgerichtete Einsatz von Daten einen messbaren Mehrwert schaffen kann,
wie z. B. die Verbesserung bestehender Produkte oder Dienstleistungen, die Optimierung
von Geschäftsprozessen, die Entwicklung neuer Leistungen oder gar die Entwicklung
neuer Geschäftsmodelle (Pearson und Wegener 2013). Häufig lässt sich der Mehrwert
einer zielgerichteten Datennutzung am ehesten bei einem kundenzentrierten Einsatz
von Daten erzielen. Die zielgerichtete Datennutzung zur systematischen Erfassung von
Kundenverhalten und -bedürfnissen ermöglicht ein zeitnahes Ausrichten der eigenen
Leistungen an den Kundenwünschen, was sich in einem unmittelbar beobachtbaren
Mehrwert für das Unternehmen niederschlagen kann (Schroeck et al. 2012).
Als Beispiel in dem Zusammenhang kann der Launch einer neuen Kaffeesorte in
den Starbucks Coffee Houses genannt werden. Als das Unternehmen eine neue Kaffee-
sorte anbieten sollte, bestand eine zentrale Frage darin, ob die neue Geschmacksrichtung
von Kunden angenommen würde. Bereits am Tag der Produkteinführung analysierte das
Unternehmen Kundenbeiträge in Blogs, sozialen Netzwerken und speziellen Kaffeeforen
und fand heraus, dass der Geschmack positiv, der Preis jedoch als zu hoch empfunden
wurde. Starbucks senkte den Preis des Getränks unmittelbar, wodurch das kundenseitige
Feedback positiv beeinflusst werden konnte (Watson 2014). Das Beispiel verdeutlicht, wie
mit einer kundenzentrierten Datennutzung unmittelbar Ergebnisse erzielt werden können.
Die zielgerichtete Nutzung von Daten sollte mit größeren Ideen verbunden werden (z. B.
Verbesserung der Kundenzufriedenheit), um Mitarbeitern den Nutzen solcher Initiativen
zu verdeutlichen und die Akzeptanz einer faktenbasierten Entscheidungskultur zu erhöhen.
Für eine zielgerichtete Datennutzung im Unternehmen ist ferner die Erarbeitung einer
Data Governance sinnvoll. Eine systematische Data Governance legt fest, welche Daten
erhoben, gespeichert, analysiert und von wem verwendet werden. Dadurch unterstützt
die Data Governance die Verbesserung und Verwendung von Informationen sowie die
Generierung von Insights für strategische und operative Entscheidungsprozesse (Otto
2011). Des Weiteren stellt eine effektive Data Governance sicher, dass die gespeicherten
und analysierten Daten von hoher Qualität und hohem Nutzen sind (Hashem et al. 2015).
Grundsätzlich sollte die organisationale Datennutzung vom Top Management aktiv
vorangetrieben werden. Dadurch werden konkrete Verantwortlichkeiten festgelegt sowie
finanzielle und operative Ziele definiert. Das Top Management muss sicherstellen, dass
226 S. Wölfl et al.

die organisationale Datennutzung tief im Unternehmen verankert wird, damit Insights


über Funktionsgrenzen hinweg geteilt werden und eine datenbasierte Entscheidungs-
findung auf allen Ebenen im Unternehmen Einzug hält (Chen et al. 2015). Ferner erweist
sich die Errichtung einer zentralen organisationalen Einheit als sinnvoll, welche die
Verantwortlichkeit für Projekte der zielgerichteten Datennutzung hat. Diese zentrale
organisationale Einheit unterstützt die verschiedenen Funktionsbereiche bei einer ziel-
gerichteten Datennutzung und behält im Unternehmen zudem den Gesamtüberblick der
Datennutzung, um Synergieeffekte zwischen verschiedenen Funktionsbereichen schaffen
zu können. Ferner kann eine zentrale organisationale Einheit mit Unterstützung des Top
Managements die notwendige Integration von Daten aus verschiedenen Systemen und
Anwendungen über Funktionsgrenzen hinweg sicherstellen (LaValle et al. 2011).
Ferner empfiehlt sich der Start einer zielgerichteten Datennutzung mit kleineren Pro-
jekten. Dabei kann auf bereits im Unternehmen vorliegende Daten zurückgegriffen wer-
den, sodass der benötigte Ressourceneinsatz überschaubar ist. Ein kleinerer gezielter
Beginn der Datennutzung erlaubt das Anknüpfen an bestehende Kompetenzen sowie
das Erlernen neuer Fähigkeiten bei geringeren Risiken. Eine systematische Analyse von
im Unternehmen bestehenden Daten zur Generierung erster Erkenntnisse kann schnelle
Erfolge hervorbringen und somit die Akzeptanz einer datenbasierten Entscheidungs-
kultur fördern (Schroeck et al. 2012). Dabei ist jedoch wichtig, dass in ersten klei-
nen Projekten der Fokus nicht auf eine möglichst umfangreiche Analyse bestehender
Daten gelegten wird. Vielmehr sollten Daten basierend auf konkreten Fragestellungen
ausgewählt und analysiert werden. Dieses Vorgehen offenbart Lücken in der Daten-
landschaft und liefert somit Ansatzpunkte für weitere notwendige Aktivitäten der
Datenbeschaffung (Schroeck et al. 2012). Außerdem führt ein zu starker Fokus auf die
umfassende Analyse aller vorhandenen Daten möglicherweise zu einer großen Zeit-
spanne, bis Erkenntnisse vorliegen und in Entscheidungsprozesse einfließen können.
Dadurch könnten Initiativen für eine zielgerichtete Datennutzung an Akzeptanz bei Ent-
scheidungsträgern verlieren (LaValle et al. 2011).
Ein weiterer wichtiger Punkt der Ausgestaltung der organisationalen Datennutzung ist
die explizite Berücksichtigung der Datennutzer und ihrer Fähigkeiten und Bedürfnisse.
Wie mehrere Studien zeigen, hat die Einbeziehung der Endnutzer in die Entwicklung
organisationaler Informationssysteme einen nicht zu vernachlässigenden Einfluss auf
die Zufriedenheit der Nutzer mit den Informationssystemen, das Ausmaß der Nutzung
und somit auch auf den Erfolgsbeitrag von Informationssystemen (He und King 2008).
Die Einbeziehung möglicher Informationskonsumenten bei Initiativen zur Etablierung
einer zielgerichteten Datennutzung vereinfacht es, die Systeme, Tools und Anwendungen
so auszugestalten, dass sie den Anforderungen und Bedürfnissen der Datennutzer ent-
sprechen. Außerdem erleichtert es den Datennutzern den Umgang mit den zu generie-
renden Erkenntnissen (He und King 2008). Auf diese Weise kann sichergestellt werden,
dass die Erkenntnisse von den Datenkonsumenten als relevant wahrgenommen und
somit bei Entscheidungsprozessen berücksichtigt werden. Ferner kann so sichergestellt
werden, dass die Systeme und Tools zur Datennutzung von den Datenkonsumenten
11  From Big Data to Smart Data … 227

leicht bedient werden können, was einen Kernfaktor des Ausmaßes der Akzeptanz von
Informationssystemen darstellt (Davis 1989). Unternehmen können dafür auf zahl-
reiche am Markt existierende Applikationen der Datenanalyse, des Reportings und der
Visualisierung von Daten zugreifen und diese mit den Datennutzern entsprechend ihrer
Bedürfnisse anpassen, damit die Datenkonsumenten die Insights aus den Daten ver-
stehen und in Entscheidungsprozesse einfließen lassen können. Das Experimentieren
mit innovativen Einsätzen bestehender Applikationen könnte die notwendige Nutzer-
akzeptanz weiter erhöhen, damit aus Daten generierte Erkenntnisse kontinuierlich in
Entscheidungsprozessen berücksichtigt werden (LaValle et al. 2011).
Letztlich erfordert eine kontinuierliche organisationale Datennutzung für fakten-
basierte Entscheidungsprozesse einen kulturellen Wandel hin zu einer Informationskultur
im gesamten Unternehmen (Choo et al. 2008). Eine Informationskultur drückt sich in
Werten, Normen und Verhalten der Mitarbeiter aus, die eine systematische Daten- und
Informationsverarbeitung hervorheben, um strategische und operative Entscheidungen
mit Fakten zu fundieren und Informationen und Erkenntnisse im Unternehmen zu teilen.
Die Errichtung solch einer Kultur erfordert unter anderem die Weiterbildung von Mit-
arbeitern, die Vorbildfunktion von Führungskräften und die Incentivierung informations-
orientierter Verhaltensweisen (Kettinger und Marchand 2011; Watson 2014).

11.4.2 Schlussbetrachtung

In technologisch turbulenten Zeiten, in denen die Digitalisierung verändert wie Men-


schen leben und konsumieren und Unternehmen produzieren, kooperieren und ver-
markten, kann eine zielgerichtete Verarbeitung und Nutzung von Daten in Unternehmen
von einem einstigen Wettbewerbsvorteil zu einer Notwendigkeit des Überlebens von
Unternehmen werden. Etablierte erfolgreiche Unternehmen werden bedroht von digi-
talen Start-Ups, deren Geschäftsmodelle und -philosophien nicht selten auf einer
intensiven Analyse von Daten beruhen. Um in diesen Zeiten weiterhin erfolgreich am
Markt bestehen zu können, können Unternehmen auf einen ausgeprägten Fundus fort-
geschrittener Technologien zurückgreifen, um große Datenmengen zielgerichtet zu ver-
arbeiten und auszuwerten und somit bessere Entscheidungen zu treffen. Dafür müssen
jedoch die Herausforderungen angenommen und die nötigen Schritte hin zu einer daten-
basierten Unternehmenskultur unternommen werden.
Das Ziel dieses Beitrags war es, zu einem besseren Verständnis der Nutzung von
Daten in Unternehmen beizutragen und sowohl die Kernprozesse der organisationalen
Datenverarbeitung als auch die damit einhergehenden Herausforderungen genauer zu
beleuchten. Ferner wurden Empfehlungen abgeleitet, welche Unternehmen dabei helfen
können, die Herausforderungen der organisationalen Datennutzung erfolgreich anzu-
gehen. Die hier diskutierten Aspekte der organisationalen Datennutzung kann Managern
dabei helfen Probleme des Daten- und Informationsmanagements a priori zu antizipieren
und Initiativen und Aktivitäten dementsprechend zu gestalten.
228 S. Wölfl et al.

Literatur

Agarwal, R., & Karahanna, E. (2000). Time flies when you're having fun: cognitive absorption and
beliefs about information technology usage. MIS Quarterly, 29(4), 665–694.
Akter S., Wamba S. F., Gunasekaran A., Dubey, R., & Childe, S. J. (2016). How to improve firm
performance using big data analytics capability and business strategy alignment?. International
Journal of Production Economics, 18(2), 113–131.
Alavi, M., & Leidner, D. E. (2001). Knowledge management and knowledge management sys-
tems: conceptual foundations and research issues. MIS Quarterly, 25(1), 107–136.
Audzeyeva A., & Hudson, R. (2016). How to get the most from a business intelligence applica-
tion during the post implementation phase? Deep structure transformation at a U.K. retail bank.
European Journal of Information Systems, 25(1), 29–46.
Barton, D., & Court, D. (2012). Making advanced analytics work for you. Harvard Business
Review, 90(10), 78–83.
Barua, A., Konana, P., Whinston, A. B., & Yin, F. (2004). An empirical investigation of net-enabled
business value. MIS Quarterly, 28(4), 585–620.
Berners-Lee, T., & Shadbolt, N. (2011). There’s gold to be mined from all our data. The Times
1: 1–2. http://www.thetimes.co.uk/tto/opinion/columnists/article3272618.ece, Zugegriffen: 28.
Feb. 2018.
Bernstein, P. A., & Haas, L. M. (2008). Information integration in the enterprise. Communications
of the ACM, 51(9), 72–79.
Bertolucci, J. (2015). Big data success remains elusive. InformationWeek. http://www.information-
week.com/big-data/big-data-analytics/big-data-success-remains-elusive-study/d/d-id/1318891,
Zugegriffen: 28. Feb. 2018.
Bhatt, G. D. (2000). An empirical examination of the effects of information systems integration
on business process improvement. International Journal of Operations & Production Manage-
ment, 20(11), 1331–1359.
Bischoff, S., Aier, S., Haki, M. K., & Winter, R. (2015). Understanding continuous use of business
intelligence systems: a mixed methods investigation. JITTA: Journal of Information Technology
Theory and Application, 16(2), 5–38.
Brown, B., Chui, M., & Manyika, J. (2011). Are you ready for the era of ‚big data‘?. McKinsey
Quarterly, 4(1), 24–35.
Brynjolfsson, E., Hitt, L. M., & Kim, H. H. (2011). Strength in numbers: How does data-driven
decision-making affect firm performance?. Social Science Research Network. https://ssrn.com/
abstract=1819486.
Chen, C. P., & Zhang, C. Y. (2014). Data-intensive applications, challenges, techniques and
technologies: A survey on Big Data. Information Sciences, 275, 314–347.
Chen, D. Q., Preston, D. S., & Swink, M. (2015). How the use of big data analytics affects value
creation in supply chain management. Journal of Management Information Systems, 32(4), 4–39.
Chen, H., Chiang, R. H. L., & Storey, V. C. (2012). Business intelligence and analytics: from big
data to big impact. MIS Quarterly, 36(4), 1165–1188.
Chen, M. S., Han, J., & Yu, P. S. (1996). Data mining: an overview from a database perspective.
IEEE Transactions on Knowledge and Data Engineering, 8(6), 866–883.
Choo, C. W., Bergeron, P., Detlor, B., & Heaton, L. (2008). Information culture and information
use: an exploratory study of three organizations. Journal of the Association for Information Sci-
ence and Technology, 59(5), 792–804.
Clarke, R. (2016). Big data, big risks. Information Systems Journal, 26(1), 77–90.
Cress, U., Kimmerle, J., Hesse, F. W. (2006). Information exchange with shared databases as a
social dilemma: the effect of metaknowledge, Bonus Systems, and Costs. Communication
Research, 33(5), 370–390.
11  From Big Data to Smart Data … 229

Davenport, T. H. & Harris, J. G. (2007). Competing on Analytics: The New Science of Winning.
Boston: Harvard Business School Press.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of informa-
tion technology. MIS Quarterly, 13(3), 319–340.
De Luca, L. M. D., & Atuahene-Gima, K. (2007). Market knowledge dimensions and cross-func-
tional collaboration: examining the different routes to product innovation performance. Journal
of Marketing, 71(1), 95–112.
Dobre, C., & Xhafa, F. (2014). Intelligent services for big data science. Future Generation Compu-
ter Systems, 37, 267–281.
Duan, Y., & Cao, G. (2015). Understanding the impact of business analytics on innovation. Procee-
dings of the 23rd European Conference on Information Systems, Muenster, Germany.
Erevelles, S., Fukawa, N., & Swayne, L. (2016). Big data consumer analytics and the trans-
formation of marketing. Journal of Business Research, 69(2): 897–904.
Ghasemaghaei, M., Ebrahimi, S., & Hassanein, K. (2017). Data analytics competency for impro-
ving firm decision making performance. Journal of Strategic Information Systems, in press.
Gold, A. H., Malhotra, A., & Segars, A. H. (2001). Knowledge management: an organizational
capabilities perspective. Journal of Management Information Systems, 18(1): 185–214.
Gupta, M., & George, J. F. (2016). Toward the development of a big data analytics capability.
Information and Management, 53(8): 1049–1064.
Hashem, I. A. T., Yaqoob, I., Anuar, N. B., Mokhtar, S., Gani, A., & Khan, S. U. (2015). The rise of
“big data” on cloud computing: Review and open research issues. Information Systems, 47, 98–115.
Hazen, B. T., Boone, C. A., Ezell, J. D., & Jones-Farmer, L. A. (2014). Data quality for data sci-
ence, predictive analytics, and big data in supply chain management: An introduction to the
problem and suggestions for research and applications. International Journal of Production
Economics, 154, 72–80.
He, J & King, W. R. (2008). The role of user participation in information systems development:
implications from a meta-analysis. Journal of Management Information Systems, 25(1), 301–331.
Hitt, L., Jin, F., & Wu, L. (2015). Data skills and value of social media: evidence from large-sam-
ple firm value analysis. Proceedings of the 36th International Conference on Information Sys-
tems, Fort Worth, TX.
Jayachandran, S., Sharma, S., Kaufman, P., & Raman, P. (2005). The role of relational informa-
tion processes and technology use in customer relationship management. Journal of Marketing,
69(4), 177–192.
Kautz, K., & Mahnke, V. (2003). Value creation through IT-supported knowledge management?
The utilisation of a knowledge management system in a global consulting company. Informing
Science, 6, 75–88.
Kettinger, W. J., & Marchand, D. A. (2011). Information management practices (IMP) from the
senior manager’s perspective: an investigation of the IMP construct and its measurement. Infor-
mation Systems Journal, 21(5), 385–406.
Kettinger, W. J., Zhang, C., & Chang, K. C. (2013). Research note – A view from the top: integra-
ted information delivery and effective information use from the senior executive’s perspective.
Information Systems Research, 24(3), 842–860.
Klein, R. & Rai, A. (2009). Interfirm strategic information flows in logistics supply chain relation-
ships. MIS Quarterly, 33(4), 735–762.
Kohli, A. K., & Jaworski, B. J. (1990). Market orientation: the construct, research propositions,
and managerial implications. Journal of Marketing, 54(2), 1–18.
LaValle, S., Lesser, E., Shockley, R., Hopkins, M. S., & Kruschwitz, N. (2011). Big data, analytics
and the path from insights to value. Sloan Management Review, 52(2), 21–31.
230 S. Wölfl et al.

Leischnig, A., Wölfl, S., Ivens, B., & Hein, D. (2017). From digital business strategy to market
performance: insights into key concepts and processes. Proceedings of the 38th International
Conference on Information Systems, Seoul, South Korea.
Li, G., Lin, Y., Wang, S., & Yan, H. (2006). Enhancing agility by timely sharing of supply informa-
tion. Supply Chain Management: An International Journal, 11(5), 425–435.
Lycett, M. (2013). ‚Datafication‘: Making sense of (big) data in a complex world. European Jour-
nal of Information Systems, 22(4), 381–386.
Marr, B. (2015). Where big data projects fail. Forbes. https://www.forbes.com/sites/bernard-
marr/2015/03/17/where-big-data-projects-fail/#2dbe1db2239f. Zugegriffen: 28. Feb. 2018.
Melville, N., Kraemer, K., & Gurbaxani, V. (2004). Review: Information technology and organiza-
tional performance: an integrative model of IT business value. MIS Quarterly, 28(2), 283–322.
Menon, A., & Varadarajan, P. R. (1992). A model of marketing knowledge use within firms. Jour-
nal of Marketing, 56(4), 53–71.
Moorman, C. (1995). Organizational market information processes: cultural antecedents and new
product outcomes. Journal of Marketing Research, 32(3), 318–335.
Morgan, N. A., Anderson, E. W., & Mittal, V. (2005). Understanding firms’ customer satisfaction
information usage. Journal of Marketing, 69(3), 131–151.
Otto, B. (2011). Organizing data governance: findings from the telecommunications industry and
consequences for large service providers. Communications of the Association for Information
Systems, 29(1), 45–66.
Pearson, T., & Wegener, R. (2013). Big data: the organizational challenge. Report from Bain and
Company, San Francisco, CA. http://www.bain.com/Images/BAIN_BRIEF_Big_Data_The_
organizational_challenge.pdf. Zugegriffen: 28. Feb. 2018.
Phillips-Wren, G. E., & Hoskisson, A. (2014). Decision support with big data: a case study in the
hospitality industry. Decision Support Systems, 2, 401–413.
Reid, F. J. M., Malinek, V., Stott, C. J. T., & Evans, J. B. T. (1996). The messaging threshold in
computer-mediated communication. Ergonomics, 39, 1017–1037.
Ringel, M., Taylor, A., & Zablit, H. (2017). The most innovative companies 2016. Boston Consul-
ting Group.
Roberts, N., & Grover, V. (2012). Leveraging information technology infrastructure to facilitate a
firm’s customer agility and competitive activity: an empirical investigation. Journal of Manage-
ment Information Systems, 28(4), 231–270.
Rollins, M., & Halinen, A. (2005). Customer knowledge management competence: towards a theo-
retical framework. Proceedings of the 38th Annual Hawaii International Conference on System
Sciences, Hawaii, USA.
Rowley, J. (2007). The wisdom hierarchy: representations of the DIKW hierarchy. Journal of
Information Science, 33(2), 163–180.
Russom, P. (2008). Data requirements for advanced analytics. TDWI Checklist Report.
Schroeck, M., Shockley, R., Smart, J., Romero-Morales, D., & Tufano, P. (2012). Analytics: the
real-world use of big data. IBM Global Business Services, 12, 1–20.
Sivarajah, U., Kamal, M.M., Irani, Z., & Weerakkody, V. (2017). Critical analysis of big data chal-
lenges and analytical methods. Journal of Business Research, 70, 263–286.
Tambe, P. (2014). Big data investment, skills, and firm value. Management Science, 60(6), 1452–1469.
Van den Driest, F., Sthanunathan, S., & Weed, K. (2016). Building an insights engine. Harvard
Business Review, 94(9), 64–74.
Van Alstyne, M., Brynjolfsson, E., & Madnick, S. (1995). Why not one big database? Principles
for data ownership. Decision Support Systems, 15(4), 267–284.
Wang, R. Y., & Strong, D. M. (1996). Beyond accuracy: what data quality means to data consu-
mers. Journal of Management Information Systems, 12(4), 5–33.
11  From Big Data to Smart Data … 231

Watson, H. J. (2014). Tutorial: big data analytics: concepts, technologies, and applications. Com-
munications of the Association for Information Systems, 34, 1247–1268.
Wedel, M., & Kannan, P. K. (2016). Marketing analytics for data-rich environments. Journal of
Marketing, 80(6), 97–121.
Wölfl, S., Leischnig, A., Ivens, B., & Hein, D. (2017). Analytics, innovativeness, and innovation
performance. Proceedings of the 38rd International Conference on Information Systems, Seoul,
South Korea.
Yi, X., Liu, F., Liu, J., & Jin, H. (2014). Building a network highway for big data: architecture and
challenges. IEEE Network, 28(4), 5–13.

Steffen Wölfl  ist wissenschaftlicher Mitarbeiter am Lehrstuhl für BWL, insbes. Vertrieb und Mar-
keting der Otto-Friedrich-Universität Bamberg sowie am Kompetenzzentrum für Geschäftsmodelle
in der digitalen Welt.

Prof. Dr. Alexander Leischnig  ist Reader in Marketing und Direktor der Marketing Interactions
& Consumer Behaviour Research Group an der School of Business and Management der Queen
Mary University of London. Er ist ferner Mitglied des Direktoriums des Kompetenzzentrums für
Geschäftsmodelle in der digitalen Welt.

Prof. Dr. Björn Ivens  ist Professor für Betriebswirtschaftslehre und Inhaber des Lehrstuhls für
BWL, insbes. Vertrieb und Marketing an der Otto-Friedrich-Universität Bamberg sowie Mitglied
des Direktoriums des Kompetenzzentrums für Geschäftsmodelle in der digitalen Welt.

Daniel Hein  ist wissenschaftlicher Mitarbeiter am Lehrstuhl für BWL, insbes. Vertrieb und Mar-
keting der Otto-Friedrich-Universität Bamberg sowie am Kompetenzzentrum für Geschäftsmodelle
in der digitalen Welt.
Digitalisierung als Element der
Geschäftsmodellinnovation 12
Ergebnisse einer empirischen Untersuchung

Patrick Ulrich und Alexandra Fibitz

Inhaltsverzeichnis

12.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234


12.2 Grundlagen und Begriffsdefinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
12.2.1 Digitalisierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
12.2.2 Geschäftsmodellinnovationen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
12.3 Digitalisierung als Schlüsselfaktor der Geschäftsmodellinnovation. . . . . . . . . . . . . . . . . 237
12.3.1 Digitalisierung im Rahmen von Geschäftsmodellinnovationen . . . . . . . . . . . . . 238
12.3.2 Literaturüberblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
12.4 Ausgewählte empirische Erkenntnisse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
12.4.1 Digitalisierung und deren Einfluss auf das Verständnis von
Strategie und Geschäftsmodellinnovation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
12.4.2 Digitalisierung und deren Einfluss auf die Hemmnisse für
Geschäftsmodellinnovationen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
12.4.3 Digitalisierung und deren Einfluss auf die Erfolgswirkung von
Geschäftsmodellinnovationen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
12.5 Diskussion und Ausblick. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245

P. Ulrich (*) · A. Fibitz 
Hochschule Aalen, Aalen, Deutschland
E-Mail: patrick.ulrich@hs-aalen.de
A. Fibitz
E-Mail: alexandra.fibitz@hs-aalen.de

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019 233
W. Becker et al. (Hrsg.), Geschäftsmodelle in der digitalen Welt,
https://doi.org/10.1007/978-3-658-22129-4_12
234 P. Ulrich und A. Fibitz

Zusammenfassung
„Digitalisierung“ – nicht nur ein Buzzword der heutigen Zeit, sondern auch ein Mega-
trend der alle Unternehmen betrifft und diese zusätzlich vor weitreichende Heraus-
forderungen stellt. Die Digitalisierung verändert neben unternehmerischen Prozessen
und Produkten zunehmend auch traditionelle Geschäftsmodelle, die durch radikale
Innovation zu neuartigen Wertschöpfungsarchitekturen modelliert werden. Der vor-
liegende Beitrag beschäftigt sich mit der Digitalisierung als Kernelement einer
Geschäftsmodellinnovation und zeigt anhand empirischer Ergebnisse deren Wirkung
in Großunternehmen auf. Die Ergebnisse zeigen, dass die Digitalisierung als Kata-
lysator für den Unternehmenserfolg von Geschäftsmodellinnovationen wirken kann.
Radikale Neuerungen werden jedoch aufgrund von begrenzten Ressourcen nur selten
parallel zu Digitalisierungsmaßnahmen durchgeführt, da die digitale Transformation
per se in Unternehmen meist bereits mit einem hohen Aufwand verbunden ist.

12.1 Einleitung

u „Die Digitalisierung verändert Produkte, Prozesse und Geschäftsmodelle.“

Dieses Zitat des Zukunftsrats der bayerischen Wirtschaft (2017, S. 25) verbildlicht die
umfassende Wirkung, die sich hinter dem Begriff der Digitalisierung verbirgt. Dass die
Digitalisierung als einer der einflussreichsten Megatrends der heutigen Zeit längst jeg-
liche Bereiche der deutschen Wirtschaft erreicht hat, ist mehrheitlich unbestritten.
Grundlage zur Diskussion bleiben allerdings Fragestellungen rund um die optimale Aus-
gestaltung und Umsetzung der Digitalisierung in Unternehmen.
Dabei wird angenommen, dass man heutzutage in jeglichen Branchen zweimal pro
Jahr über eine umfassende Transformation des Unternehmens nachdenken muss und
nicht, wie es früher meist der Fall war, erst nach mehreren Jahren oder situativ bedingt
durch wettbewerbliche oder marktliche Umstände (Spiesshofer 2017, S. 15). Durch die
systematische Transformationstiefe sind von dem Megatrend der Digitalisierung nicht
mehr nur Produkt oder Prozesse, sondern zunehmend Geschäftsmodelle betroffen, die
eine Innovation erfordern (Becker et al. 2018, S. 20 f.). Die Digitalisierung als techno-
logischer Treiber ist somit wesentlicher Aktivator für Geschäftsmodellinnovationen und
auch Erfolgsfaktor im Sinne eines Schlüsselelements.

12.2 Grundlagen und Begriffsdefinition

12.2.1 Digitalisierung

Der Begriff der Digitalisierung kann artgemäß sowohl weit als auch in einem enge-
ren Bezugsfeld aufgefasst werden. Grundsätzlich verbirgt sich hinter dem Begriff
der Digitalisierung die Transformation von analogen Medien zu digitalen Inhalten
12  Digitalisierung als Element der Geschäftsmodellinnovation 235

(Horváth 2017, S. 80; Mertens et al. 2017, S. 190). Aus einer engeren Perspektive
betrachtet, umfasst der Begriff noch weitere wesentliche Wesensmerkmale. Dem-
nach zählt zur Digitalisierung nicht nur die reine Transformation analoger Daten zu
digitalen Inhalten, sondern zusätzlich die Aufnahme in elektronischer Form, deren
Bewertung und Analyse und die intelligente Verwendung der zugrunde liegenden
Informationen, generiert aus den Daten (Horváth 2017, S. 80).
Die Anfänge der „Digitalen Ära“ lassen sich zurückdatieren auf die frühen 2000er
Jahre und laut Friz speziell auf das Jahr 2002, als der Wandel von analogen zu digita-
len Informationen, im Vergleich zu den Vorjahren, deutlich angestiegen ist (Friz 2015,
S. 11). Mit der Digitalisierung lassen sich drei fundamentale Wirkungsprinzipien
erkennen, die Informatisierung, Vernetzung und Skalierung, die den Prozess der digita-
len Transformation maßgeblich beeinflussen (Picot et al. 2017, S. 91 ff.). Die Informati-
sierung schafft den stark IT-getriebenen Bezug zur Informatik und sagt aus, dass im
Zeitalter von Industrie 4.0, Internet of Things etc. eine neue Ära erreicht wurde, in der
Objekte nicht nur automatisiert Daten erzeugen, sondern basierend darauf auch selbst-
ständig Entscheidungen anhand bestimmter Kriterien (Algorithmen) ableiten können.
Diese Algorithmen helfen dabei zugrundeliegende Zusammenhänge, teilweise in Echt-
zeit, ganzheitlich zu analysieren und auszuwerten. Die Vernetzung illustriert die zweite
Stufe und stellt einen Austausch bzw. die Kommunikation zwischen den individuel-
len, intelligenten Objekten sicher. Dies wiederum ermöglicht das Schaffen neuer Ver-
bindungen und Strukturen, deren modifizierte und mutierte Datenbasis neue Inhalte
aufzeigen und erkennen kann. Dieses netzwerkbasierte Denken gilt für jegliche Bereiche
und weiteres komplexes Wissen. Das Wirkungsprinzip der Skalierung ist nicht minder
relevant und rückt zudem den wirtschaftlichen Aspekt des Megatrends weiter in den
Vordergrund. Ein reines „digitalisieren“ ohne die Schaffung eines Leistungsangebots und
einem Mehrwert für den Kunden, z. B. in Form von neuen digitalen Produkten, digitalen
Services oder digitalen Geschäftsmodellen, bzw. für das Unternehmen selbst, z. B. effi-
zientere interne Prozesse, fortgeschrittene Kundeninformationen, etc. selbst reicht in der
heutigen Zeit schlicht nicht mehr aus. Hierbei bleibt das Kosten-Nutzen Verhältnis zu
beachten, um ein möglichst optimales Angebot sicherstellen zu können.
Dabei tangiert der Megatrend der Digitalisierung nicht nur einzelne Unternehmen
oder Wirtschaftsbereiche, sondern bedingt vielmehr die gesamthafte Transformation
von Wirtschaft (u. a. Weber 2017), Gesellschaft (Kruse 2010; Wittmann et al. 2015),
Arbeitswelt (Funken und Schulz-Schaeffer 2008; Wolff und Göbel 2017) sowie unter-
schiedlichen Branchen wie u. a. Medien (Heesen 2016), Produktion/Industrie (Lerch
et al. 2017; Hirsch-Kreinsen et al. 2018), Versicherungen (Albrecht 2017), Immobilien
(Moring et al. 2018), Gesundheitswesen (Gigerenzer et al. 2016; Arbeitskreis Ökonomie
im Gesundheitswesen der Schmalenbach-Gesellschaft für Betriebswirtschaft e. V. 2018)
oder, wie bereits angesprochen, auch gesamte Geschäftsmodelle (Becker et al. 2017).
Damit lassen sich die mannigfaltigen Auswirkungen auf den öffentlichen Sektor als auch
die Privatwirtschaft zweifelsohne feststellen. Laut Grünert und Sejdić (2017, S. 30) gilt
die „Digitalisierung als Megatrend des 21. Jahrhunderts“ und impliziert einen „Para-
digmenwechsel“ im Rahmen der wirtschaftlichen Entwicklung.
236 P. Ulrich und A. Fibitz

Wendet man einen strategischen Blickwinkel auf den Begriff der Digitalisierung
an, so zeigt sich, dass im Rahmen der digitalen Transformation jedes Unternehmen
eine dedizierte Digitalisierungsstrategie für die Umsetzung im Unternehmen benötigt
(Vereinigung der bayerischen Wirtschaft 2017, S. 20 f.). Grundsätzlich gilt, dass der
Strategiebegriff so weittragend ist, dass der Digitalisierungsgedanke innerhalb des stra-
tegischen Rahmenwerkes zu beachten und implementieren ist. In Zeiten von stetig stei-
gendem Wettbewerb, zunehmender Dynamik und Marktflexibilität und immer kürzer
werdenden Lebenszyklen und Geschäftsmodellverweildauern gilt eine strategische Vor-
gehensweise im Rahmen der Digitalisierung als wesentliches Instrumentarium. Neben
den stark exogenen Faktoren der Digitalisierung und dem Verständnis als Chance oder
Risiko, gilt es auch die interne Unternehmensperspektive nicht zu vernachlässigen
(Krause und Pellens 2017, S. XII). Der disruptive Charakter innerhalb einer digitalen
Transformation deutet auf die starke Veränderung von bisherigen systematischen Struk-
turen, Prozessen, Produkten, Abläufen und Geschäftsmodellen hin (Arbeitskreis Bau-
betriebswirtschaft der Schmalenbach-Gesellschaft für Betriebswirtschaft e. V. 2018).

12.2.2 Geschäftsmodellinnovationen

Nach jahrzehntelang ansteigender Forschungsintensität, Publikationsdichte und einem


Aufmerksamkeitszuwachs in der Praxis wird die Innovation von Geschäftsmodellen
schon lange nicht mehr nur als „Phänomen“ oder „Mysterium“ verstanden (Rieger et al.
2015, S. 5). Für Vorbach et al. (2017, S. 19) stellen Geschäftsmodelle die grundsätz-
liche Logik eines Unternehmens dar und erklären somit, wie Nutzen für Kunden und
weitere Stakeholder generiert und gestiftet wird. Im Hinblick auf die Nachhaltigkeit von
Geschäftsmodellen sehen sie den Einsatz moderner Technologien sowie Digitalisierungs-
bemühen als fundamentale Faktoren für eine langfristige Entwicklung.
Trotz der zunehmend hohen Bedeutung dieser Innovationsart, fehlen bisher nicht nur
eine universelle und allgemeingültige Definition, sondern ebenso ein einheitliches Ver-
ständnis in Form einer Operationalisierung und eines holistischen Verständnisses (Zott
et al. 2011). Dies führt zu einer omnipräsenten Verwendung des Begriffs und der immer
stärker verschwimmenden Grenzziehung zu synonym verwendeten Begriffen wie z. B.
Geschäftsmodellveränderung, organisationale Innovation, Geschäftsmodell -adaption
oder -replikation die parallel verwendet werden, meist jedoch eine andere Bedeutung
innehaben. Grundsätzlich lässt sich unter einem Geschäftsmodell die simplifizierte
Geschäftsarchitektur subsumieren, die jegliche Netzwerkstrukturen, Aufgaben und Tätig-
keiten impliziert, Mechanismen aufrechterhält und einen Mehrwert durch die Geschäfts-
tätigkeit schafft, meist geknüpft an bestimmte Kundengruppen (Gassmann et al. 2013).
Lingnau et al. (2017) verstehen Geschäftsmodellinnovationen als „[…] inhaltliche
Ausgestaltung völlig neuer Opportunitäten in neuen Märkten bzw. mit neuen Ziel-
kunden.“ Grundsätzliche Aufgabe ist dabei die Anpassung von Strukturen, Prozessen
12  Digitalisierung als Element der Geschäftsmodellinnovation 237

und Organisation, um die Entwicklung und Implementierung neuer Geschäftsmodell-


modalitäten bestmöglich zu unterstützen und zu fördern (Lingnau et al. 2017, S. 189).
Die Erkenntnisse von Horváth (2017, S. 81) geben zu bedenken, dass die Gründe der
Misserfolge mancher aktuellen Unternehmenszusammenbrüche auf die Trägheit zurück-
führen ist, das implizite Geschäftsmodell zu verändern oder das fehlende Bewusstsein
für die Transformation der Geschäftsmodelle zu schaffen. Demnach sollten Geschäfts-
modellinnovationen eine profunde Platzierung auf der Agenda der Top-Manager in den
Unternehmen finden, unabhängig von Betriebstyp, Branche und Organisationsstruktur
(Teece 2010; Zott et al. 2011). Aufgabe der Geschäftsführung ist dabei das Hinterfragen
von Geschäftsmodellen und deren Prüfung auf Überlebens- und Zukunftsfähigkeit.
Nach Müller und Volery (2010, S. 8) stellen Geschäftsmodellinnovationen die „Königs-
disziplin der Innovation“ dar. Dies basiert unter anderem auf der stark ökosystematischen
Architektur von Geschäftsmodellen, deren Innovation nicht nur die Veränderung einzel-
ner Elemente mit schwacher Wirkung verursacht, sondern meist eine Transformation
mehrerer Elemente mit stark verflochtenen Wechselwirkungen evoziert. Dies bedingt
eine fortlaufende Infragestellung des bisherigen Geschäftsmodells und die Suche nach
möglichen Anpassungsalternativen oder innovativen Neuerungen (Horváth 2017, S. 82).
Den zentralen Fokus im Rahmen von Geschäftsmodellinnovationen spielt die Wert-
schöpfungsarchitektur. Hier liegt auch der entscheidende Unterschied zu anderen
Innovationsarten. Wohingegen andere Innovationstypen z. B. die Innovation von Pro-
zessen oder neuen Produkten in das Zentrum der Überlegung stellen, liegt der Kern der
Geschäftsmodellinnovation auf der optimalen Gestaltung von mehreren, miteinander
verknüpften Elementen, die zum Ziel haben, die Wertschöpfung eines Unternehmens
zu erhöhen (Lambert und Davidson 2013; Zott et al. 2011). Dabei ist zu beachten, dass
der Innovationsgedanke die Transformation des aktuellen Geschäftsmodells in einen
szenarienhaften, zukünftigen Status vorantreibt und dabei stets die Unternehmens-
strategie forciert werden sollte (Hoyte und Greenwood 2007). Diese zunehmende
Bedeutung im strategischen Management Kontext (Casadesus-Masanell und Ricart
2007; Zott und Amit 2008) führte zu einer stärkeren Wahrnehmung und einem höheren
Bewusstsein für Geschäftsmodellinnovationen seitens der Unternehmen, vor allem im
Hinblick auf die mögliche Umsetzung von Vorteilen gegenüber Wettbewerbern (Massa
und Tucci 2014, S. 424; Amit und Zott 2012, S. 44). Dabei ist ein fortlaufendes Monito-
ring des Geschäftsmodells im Hinblick auf potenzielle Veränderungsmöglichkeiten ein
entscheidender Faktor (Horváth 2017, S. 81).

12.3 Digitalisierung als Schlüsselfaktor der


Geschäftsmodellinnovation

Um die erfolgskritische Wirkung von Geschäftsmodellinnovationen besser nachvoll-


ziehen zu können, ist es notwendig, die zugrunde liegenden Erfolgsfaktoren des Pro-
zesses herzuleiten und zu bestimmen. In einer systematischen Literaturanalyse konnte
238 P. Ulrich und A. Fibitz

die Digitalisierung bereits als ein wesentlicher Treiber für Geschäftsmodellinnovationen


identifiziert werden. Um jedoch die Wirkungsbeziehung der Digitalisierung als Element
der Geschäftsmodellinnovation näher zu beleuchten, werden im Folgenden zunächst
theoretische Erkenntnisse aus der Literatur dargelegt und durch ausgewählte Ergebnisse
einer empirischen Untersuchung bestätigt.

12.3.1 Digitalisierung im Rahmen von


Geschäftsmodellinnovationen

Die starke Kopplung der Digitalisierung an den Geschäftsmodellinnovations-Begriff


lässt sich zunächst durch die historische Entwicklung belegen. Der Geschäftsmodell-
begriff entstammt ursprünglich dem Fachbereich der Wirtschaftsinformatik und dieser
stellte in den 1960er Jahren ein Instrument zur Modellierung von Geschäftsprozessen auf
operativer Ebene dar (Lindström 1999, S. 152; Mertens 2010, S. 160). Mit den Anfängen
des „digitalen Zeitalters“ und dem Aufkommen des Internets als Kommunikations- und
Informationsmedium begann auch der zunehmende Wandel von Geschäftsmodellen.
Demnach werden Geschäftsmodelle inzwischen stets auf strategischer Ebene analysiert
und bewertet und somit auch forschungsseitig den strategischen Managementschulen
zugeordnet (Wirtz 2011, S. 8 f.). Somit gilt die Millenniumswende und die anfänglichen
2000er Jahre als Wendepunkt in der Geschäftsmodellhistorie, getrieben durch Dot.com
Erscheinungen und neue digitale Trends und Technologien (Reinhold et al. 2011, S. 85;
Freiling 2015, S. 3).
Die Wechselwirkung lässt sich auch aus der Digitalisierung-Perspektive festhalten.
Mertens et al. (2017, S. 44) fanden heraus, dass Digitalisierung sich in seinem Begriffs-
verständnis wiederum von ähnlich verwendeten Begriffen wie z. B. Automatisierung
durch spezifische Charakteristika unterscheidet. Digitalisierung wird demnach als
Transformation analoger in digitale Werte verstanden, sie impliziert einen Auto-
mationsgedanken und enthält das zusätzliche Element der Geschäftsmodellveränderung
­(Mertens et  al. 2017, S. 45). Somit kann die Digitalisierung als wesentlicher Treiber für
Geschäftsmodellinnovationen und vice versa das Geschäftsmodell als Hauptgestaltungs-
mechanismus für die Digitalisierung verstanden werden (Becker et al. 2017, S. 288).
Dass Unternehmen sich in der heutigen Zeit zunehmend über die Umsetzung des
internen Prozesses der digitalen Transformation Gedanken machen müssen, führt folg-
lich dazu, dass die Implementierung einer sogenannten Digitalstrategie in den Vorder-
grund der Planung rückt. Die Vereinigung der bayerischen Wirtschaft (2017, S. 4 und 25)
gibt zu bedenken, dass jedes Unternehmen zwingend eine Digitalstrategie braucht, damit
die Chancen, die sich durch die Digitalisierung für Unternehmen ergeben, möglichst
lückenlos ausgeschöpft und extern auftretende Risiken dementsprechend reduziert wer-
den können. Hauptbestandteil dieser Digitalstrategie sollte laut Berman (2012, S. 21) die
Fähigkeit sein, neue Geschäftsmodelle zu entwickeln und umzusetzen. Demnach kön-
nen Geschäftsmodellinnovationen als eines der wesentlichen Instrumente und Lösungen
12  Digitalisierung als Element der Geschäftsmodellinnovation 239

im Rahmen der digitalen Transformation verstanden werden, um den Herausforderungen


des digitalen Zeitalters möglichst flexibel entgegentreten zu können. Die Interdependenz
wird im Wesentlichen dadurch deutlich, dass die Digitalisierung selbst als Element der
Geschäftsmodellinnovationen eine Kernrolle einnimmt und stets bewusst durchdacht
werden sollte.
Es hat sich gezeigt, dass die Digitalisierung die Entstehung von vollkommen neu-
artigen Geschäftsmodellinnovationsarten gefördert hat. Digitalisierung gilt demnach
als Treiber zur Anregung strategischen Denkens und stellt durch die hoch entwickelten
Möglichkeiten in der Informations- und Kommunikationstechnik somit einen wesent-
lichen Kontingenzfaktor für unternehmerische Umgestaltungen dar (Geoffrion und
Krishnan 2003). Zudem hat der technologische Fortschritt zu einer neuen Denkart für
Unternehmen geführt, die die stetige Rückbesinnung auf die aktuellen Prozesse, Struk-
turen, Strategien, Netzwerkbeziehungen und Geschäftsmodellentscheidungen analysiert
(Normann 2001; Zott und Amit 2008, S. 3). Des Weiteren sollte sowohl im Kontext der
Digitalisierung als auch im Bereich der Geschäftsmodellinnovation der Kerngedanke
der Wertschöpfung nicht unterschätzt werden. Neben eher traditionellen Innovations-
arten wie der Produkt- oder Prozessinnovation kommt der Geschäftsmodellinnovation
aufgrund der wertsteigenden Wirkung und der möglichen Umsetzung von Wettbewerbs-
vorteilen am Markt eine starke Bedeutung zu (Horváth 2017, S. 82). Die Digitalisierung
hat zudem dazu geführt, dass sich eigenständige „digitale“ Geschäftsmodellinnovations-
typen entwickelt haben.
Den Wirkungszusammenhang zwischen Digitalisierung und Geschäftsmodellen
haben Fleisch et al. (2015, S. 453 ff.) eindrucksvoll in vier allegorischen Wirkungs-
zusammenhängen zusammengefasst. Die konstituierende Wirkung beschreibt die
Abhängigkeit des Geschäftsmodells vom Internet, da sonst in gewissen Branchen ein
Geschäftsmodell nicht überlebensfähig ist. Hierzu zählt z. B. der E-Business Bereich.
Die aufwertende Wirkung stellt das Internet für das Geschäftsmodell dar. Damit lässt
sich ein Mehrwert im Geschäftsmodell erzielen, der ohne die Internetkomponente nicht
möglich wäre. Jedoch lassen sich neben den beiden positiven Zusammenhängen auch
neutrale bzw. negative Wirkungszusammenhänge beobachten. Der irrelevante Wirkungs-
strang impliziert eine neutrale Beziehung und damit keine Beziehung zwischen dem
Internet als Medium der Digitalisierung und Geschäftsmodellen. Als Beispiel wird hier-
bei der Geschäftsmodelltypus des Franchisings verwendet. Ein negativer Zusammenhang
herrscht vor, sobald eine zerstörende Wirkung erkennbar ist. Dies passiert, indem das
Internet oder die Digitalisierung so stark auf ein Geschäftsmodell einwirkt, dass es ver-
schwindet und der dringende Ruf nach neuen Geschäftsmodellen erkennbar wird.

12.3.2 Literaturüberblick

Die Betrachtung des Wirkungszusammenhangs zwischen Digitalisierung und Geschäfts-


modell-innovationen ist bis dato nicht komplett neu. Eine Vielzahl an Studien hat das
240 P. Ulrich und A. Fibitz

Thema bereits forciert und sich sowohl theoretisch als auch empirisch an das Thema
herangetastet. Im Folgenden werden einige ausgewählte Studien in Kürze vorgestellt,
um im Sinne einer holistischen Gesamtschau einen möglichst aktuellen Literaturstand zu
diesem Thema vorstellen zu können.
Schallmo und Rusnjak (2017) beschreibt in seinem neuen Buch den Weg zur Trans-
formation von Geschäftsmodellen, mittels einer konkreten Roadmap. Dabei beschäftigen
sich mehrere Kapitel mit dem Einfluss der Digitalisierung auf die bisherigen Geschäfts-
modelle und deren Potenzial für künftige Veränderungen. Dieser Prozessschritt besteht
aus mehreren einzelnen, aufeinanderfolgenden Schritten und beginnt zunächst mit der
Notwendigkeit digitale Potenziale, wenn möglich frühzeitig und proaktiv, zu erkennen
(Schallmo und Rusnjak 2017, S. 70). Ein geeignetes Tool, das in dieser Phase bei der
Sichtung möglicher Potenziale grafisch unterstützen kann, ist die Aufbereitung eines
sogenannten Technologieradars. Dieses veranschaulicht sowohl auf kurze- als auch lange
Sicht mögliche technologische Neuerungen und impliziert auch Trenderscheinungen.
Darauf basierend, lassen sich diese dann in das Transformationsvorhaben des Geschäfts-
modells einbringen, um das Netzwerk bestmöglich auf Wertschöpfungspotenziale auszu-
richten (Boueé und Schaible 2015, S. 19).
Des Weiteren beschäftigen sich Lingnau et al. (2017, S. 188) explizit mit dem
Management einer digitalen Transformation. Da diese Thematik aufgrund der Indus-
trie 4.0 Bewegung starke Aufmerksamkeit erlebt hat, ist es notwendig die implizi-
ten Innovationspotenziale dieser Transformation und deren Management näher zu
betrachten. Die Autoren bezeichnen Geschäftsmodellinnovationen bewusst nicht als
„Selbstzweck“, sondern geben zu bedenken, dass die Passgenauigkeit zwischen neuen
digitalen Technologien und Bemühen mit allhergebrachten, tradierten Geschäfts-
modellen zumeist nicht mehr gegeben ist. Demnach ist die logische Konsequenz die
Umformung bisheriger Geschäftsmodelle und die Veränderung hin zu einem passenden
Match der Digitalisierung. Dies verlangt nach einem Paradigmenwechsel und einem
neuen Ausschöpfen von Potenzialen.
In einer konzeptionell-theoretischen Studie erklärt Berman (2012) wie die
Restrukturierung des Leistungsangebots und die Anwendung digitaler Technologie
als Erfolgsfaktor für Geschäftsmodellinnovationen dienen. Dabei formuliert er drei
dedizierte Strategien, die den Transformationsprozess von Geschäftsmodellen voran-
treiben, geprägt von Digitalisierungsentscheidungen. Dazu gehört die Integration von
digitalen Fragestellungen und technologischen Entscheidungen in die strategische Aus-
richtung des