Künstliche Intelligenz und Open Innovation

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

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

In diesem Beitrag geht es mir darum aufzuzeigen, wie Künstliche Intelligenz bei Open Innovation genutzt werden kann. Wie der folgenden Tabelle zu entnehmen ist, kann zwischen der Verbesserung von Open Innovation durch KI (OI-Enhancing AI), einer Ermöglichung von Open Innovation durch KI (OI-Enabling AI) und der Ersetzung von Open Innovation durch KI (OI-Peplacing AI) unterschiedenen werden. Die jeweils genannten Beispiele zeigen konkrete Einsatzfelder.

DescriptionExamples
OI-Enhancing AIAI that enhances established forms of open innovation by utilizing the advantages of AI complemented with human involvementInnovation search
Partner search
Idea evaluation
Resource utilization
OI-Enabling AIAI that enables new forms of open innovation, based upon AI’s potential to coordinate and/or generate innovationAI-enabled markets
AI-enabled open business models
Federated learning
OI-Replacing AIAI that replaces or significantly reshapes established forms of open innovationAI ideation
Synthetic data
Multi-agent systems
Quelle: Holgersson  et al. (2024)

Alle drei Möglichkeiten – mit den jeweils genannten Beispielen – können von einem KI-Modell (z.B. ChatGPT oder Gemeni etc.) der eher kommerziell orientierten Anbieter abgedeckt werden. Dieses Vorgehen kann als One Sizes Fits All bezeichnet werden.

Eine andere Vorgehensweise wäre, verschiedene spezialisierte Trainingsmodelle (Large Language Models) für die einzelnen Prozessschritte einzusetzen. Ein wesentlicher Vorteil wäre, dass solche LLM viel kleiner und weniger aufwendig wären. Das ist gerade für Kleine und Mittlere Unternehmen (KMU) von Bedeutung.

Nicht zuletzt kann auch immer mehr leistungsfähige Open Source AI eingesetzt werden. Dabei beziehe ich mich auf die zuletzt veröffentlichte Definition zu Open Source AI. Eine Erkenntnis daraus ist: OpenAI ist kein Open Source AI. Die zuletzt veröffentlichten Modelle wie TEUKEN 7B oder auch Comon Corpus können hier beispielhaft für “wirkliche” Open source AI genannt werden.

Weiterhin speilen in Zukunft AI Agenten – auch Open Source – eine immer wichtigere Rolle.

Lernkompetenz: Schritt für Schritt zum kompetenten Selbstlerner

Das Kompetenztableau zeigt zwischen den beiden Dimensionen “Selbstwirksamkeit” und “Kooperation” verschiedene Kompetenzen auf. In diesem Spannungsfeld sind Emotionale KompetenzSpirituelle Kompetenz (ohne Esoterik), Kommunikationskompetenz, Wissenskompetenz und Lernkompetenz eingebettet. Je besser diese Kompetenzen ausgeprägter sind, um so handlungsfähiger ist jemand im Sinne einer sachgemäßen Problemlösung.

“Die Lernkompetenz ist eine eher technische Fähigkeit. Sie umfasst die autodidaktischen Verfahren der Aufbereitung und systematischen Aneignung von Wissen und Können. Lern- und Memorierungstechniken gehören ebenso zu diesem Fähigkeitsbündel wie die Kenntnis unterschiedlicher Strategien zur schrittweisen Erschließung und Übung von Neuem. Zahlreiche Ratgeber und Trainings zum Selbsterlernen haben in den letzten Jahren diese Fähigkeiten gezielt in den Blick gerückt und den Einzelnen kleinschrittig zu absolvierende Wege zur Lernkompetenz aufgezeigt – gemäß dem Motto „Schritt für Schritt zum kompetenten Selbstlerner / zur kompetenten Selbstlernerin“. Menschen, die über Lernkompetenz verfügen, sind in der Lage, ihre Lernprozesse weitgehend selbständig zu planen. Sie haben die Besitzverhältnisse im Lehr-Lern-Prozess verstanden und wissen, dass das eigene Lernen ihnen gehört und nicht von anderen – gewissermaßen stellvertretend – verwaltet und gestaltet werden kann. Die Ownership der Lernenden entzieht der Inputpädagogik ihre Basis, und es wird sichtbar: ´Das Lehren ist nicht zu retten!´ (vgl. Arnold 2013c)” (Arnold 2017).

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

Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in Agil (IHK), die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.

Künstliche Intelligenz im Innovationsprozess von Organisationen

Quelle: AdobeStock_650993865

Innovationen sind für eine Gesellschaft, und hier speziell für marktorientierte Organisationen wichtig, um sich an ein verändertes Umfeld anzupassen (inkrementelle Innovationen), bzw. etwas ganz Neues auf den Markt zu bringen (disruptive Innovationen).

Organisationen können solche Innovationen in einem eher geschlossenen Innovationsprozess (Closed Innovation) oder in einem eher offenen Innovationsprozess (Open Innovation) entwickeln.

Darüber hinaus können die Innovationen von Menschen (People Driven) oder/und von Technologie (Data Driven) getrieben sein. Aktuell geht es in vielen Diskussionen darum, wie Künstliche Intelligenz (AI: Artificial Intelligence) und die damit verbundenen Trainingsdaten (LLM: Large Language Models) im Innovationsprozess genutzt werden können.

Im einfachsten Fall würde sich eine Organisation den Innovationsprozess ansehen, und in jedem Prozessschritt ein Standard-KI-Modell wie ChatGpt, Gemini, Bart usw. nutzen. Die folgende Tabelle stellt das grob für einen einfachen Innovationsprozess nach Rogers (2003) dar:

Opportunity identification and idea generationIdea evaluation and selectionConcept and solution developmentCommercialization launch phase
e.g. identifying user needs, scouting promising technologies, generating ideas;e.g. idea assessment, evaluatione.g. prototyping, concept testinge.g. marketing, sales, pricing
ChatGPT, Gemeni, etc.ChatGPT, Gemini, etc.ChatGPT, Gemini, etc.ChatGPT, Gemini, etc.
Eigene Darstellung

Dieser Ansatz könnte als One Size fits all interpretiert werden: Eine Standard-KI für alle Prozessschritte.

Dafür sprechen verschiedene Vorteile:
– Viele Mitarbeiter haben sich schon privat oder auch beruflich mit solchen Standard-KI-Modelle beschäftigt, wodurch eine relativ einfache Kompetenzentwicklung möglich ist.
– Die kommerziellen Anbieter treiben AI-Innovationen schnell voran, wodurch es fast “täglich” zu neuen Anwendungsmöglichkeiten kommt.
– Kommerzielle Anbieter vernetzen KI-Apps mit ihren anderen Systemen, wodurch es zu verbesserten integrierten Lösungen kommt.

Es gibt allerdings auch erhebliche Nachteile:
– Möglicherweise werden auch andere Organisationen/Wettbewerber so einen Ansatz wählen, sodass kaum ein grundlegendes Alleinstellungsmerkmal erzielt werden kann.
– Kritisch ist auch heute noch, ob es sich bei den verwendeten Trainingsdaten (Large Language Models) nicht um Urheberrechtsverletzungen handelt. Etliche Klagen sind anhängig.
– Weiterhin können die für Innovationen formulierte Prompts und Dateien durchaus auch als Trainingsdaten verwendet werden.
– Die LLM sind nicht transparent und für alle zugänglich, also sie sind keine Open Source AI, auch wenn das von den kommerziell betriebenen KI-Modellen immer wieder suggeriert wird.
– Organisationen sind anhängig von den Innovationsschritten der kommerziellen Anbieter.
– Die Trainingsdatenbanken (Large Language Models) werden immer größer und damit natürlich auch teurer.
– Nicht zuletzt ist unklar, wie sich die Kosten für die kommerzielle Nutzung der KI-Apps in Zukunft entwickeln werden – eine gerade für kleine und mittlere Unternehmen (KMU) nicht zu unterschätzende Komponente.

Gerade kleine und mittlere Unternehmen (KMU) sollten die genannten Vorteile und Nachteile abwägen und überlegen, wie sie Künstliche Intelligenz in ihrem Innovationsprozess nutzen wollen.

In unserem Blog werde ich in der nächsten Zeit weitere Möglichkeiten aufzeigen.

Digital Kaizen essentiell für Kleine und mittlere Unternehmen (KMU)

Quelle: APO (2024)

Viele kleine und mittlere Unternehmen (KMU) müssen im Gegensatz zu Großunternehmen viel genauer auf ihre Vorhanden Ressourcen achten. Um die Produktivität zu verbessern setzen viele KMU daher auf Kaizen, oder in deutsch: Kontinuierlicher Verbesserungsprozess (KVP). Dabei spielt der Einfallsreichtum der Mitarbeiter eine wichtige Rolle.

Auch in KMU wird darüber hinaus auch die Digitalisierung immer stärker genutzt, sodass es in Zukunft darauf ankommen wird, ein für das jeweilige Unternehmen abgestimmte Vorgehensweise zu entwickeln. Dabei kommt es auf die Balance zwischen dem Einfallsreichtum der Mitarbeiter, den digitalen Technologien und von Digital Kaizen an.

“Traditionally, kaizen has significantly contributed to improving productivity in small SMEs. This is because one aspect of kaizen is to increase productivity through human ingenuity while reducing investment. As the importance of digital technology is increasingly recognized alongside the advancement of AI, human ingenuity or the kaizen mindset is becoming more and more important, not less. In other words, the Digital Kaizen concept is essential for SMEs that need to curb their investments” (APO 2024).

Siehe dazu auch Digital Transformation: Kein Erfolg ohne Digital Kaizen?

Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in Agil (IHK), die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.

Projekt “RECHT-TESTBED”: Verträge in Zeiten von Künstlicher Intelligenz rechtssicher gestalten

Website: https://rtb.public.apps.sele.iml.fraunhofer.de/home

Auch im Vertragsmanagement wird immer mehr digitalisiert und automatisiert. Die Automatisierung nutzt dabei immer mehr mit den Möglichkeiten der Künstlichen Intelligenz.

“Bereits heute lässt der US-amerikanische Einzelhandelsriese Walmart den Einkauf testweise von einem Chatbot erledigen” (Fraunhofer Magazin 4/2024 | PDF). Hier verhandeln also Software -Agenten den jeweiligen Preis.

Bei immer stärkeren Nutzung von Künstlicher Intelligenz im Vertragsmanagement kommt man auch zu folgender Frage,: Ist ein Vertrag rechtssicher ist, wenn er von Künstlicher Intelligenz unterzeichnet wurde? Das Projekt RECHT-TESTBED soll helfen, hier etwas Klarheit zu erhalten. In dem vom Fraunhofer Institut entwickelten Online-Portal können Interessenten Ein Szenario auswählen, das Szenario und ein Experiment konfigurieren, sowie das Experiment starten.

Ich muss allerdings anmerken, dass verschiedene Elemente nicht richtig funktionieren, und es teilweise zu einer Fehlermeldung kommt (Stand: 23.12.2024). Schade, denn ich halte so eine Online-Möglichkeit für sinnvoll. Gerade für Kleine und mittlere Unternehmen (KMU) kann diese Plattform hilfreich sein.

Um noch einmal auf die gestellte Frage zurückzukommen: “Ob vom Menschen oder von Künstlicher Intelligenz unterzeichnet – Vertrag ist Vertrag. Damit können automatisch geschlossene Verträge als rechtssicher gelten” Fraunhofer Magazin 4/2024. Bei dem Artikel wurde ein fiktiver Gerichtsprozess beschrieben, in dem es dann zu dieser Entscheidung gekommen ist.

Kommunikationskompetenz bedeutet nicht die vordergründig-mechanische Befolgung bestimmter Regeln

Speech bubbles, blank boards and signs held by voters with freedom of democracy and opinion. The review, say and voice of people in public news adds good comments to a diverse group.

Wie in dem Kompetenztableau dargestellt, entsteht die Handlungsfähigkeit in komplexen Problemlösungssituationen durch mehrere Kompetenzdimensionen. Eine davon ist die Kommunikationskompetenz, die an dieser Stelle noch einmal ausführlicher dargestellt werden soll:

“Die Kommunikationskompetenz beschreibt die Fähigkeiten, sich in kooperativen und kommunikativen Prozessen zielgerichtet sowie möglichst konfliktfrei und wirksam zu verhalten. Über solche Fähigkeiten verfügt man in aller Regel nicht qua Erfahrungslernen, vielmehr setzten sie einen distanzierten Blick auf das Wesen der Kommunikation sowie ein Verständnis der unterschiedlichen Dimensionen des kommunikativen Handelns voraus. Die Weiterentwicklung und Optimierung des eigenen Kommunikationsverhaltes bedarf zudem der Erprobung sowie der Übung in Feedback-Kontexten. Kommunikative Kompetenz reift durch Selbstdistanz, Selbstbeobachtung und Selbstreflexion sowie Wirksamkeitserleben, nicht durch die vordergründig-mechanische Befolgung bestimmter Regeln” (Arnold 2017).

Wie am Ende erwähnt, sollte man sich nicht so sehr auf die vielen Ratgeber zur Kommunikation verlassen, sondern darauf vertrauen, dass Kommunikationskompetenz mit der Zeit reift – sich entwickelt.

Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in Agil (IHK), die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.

Open Source AI: Besser für einzelne Personen, Organisationen und demokratische Gesellschaften

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

Die bekannten KI-Anwendungen (AI Apps) wie ChatGPT, Gemini usw. dominieren den Markt und setzen durch schnelle Neuerungen (Updates) Standards bei der Performance. Solche Angebote können als closed-source Large Language Models (LLMs) bezeichnet werden. Die Nutzung wird dabei durch wenig Transparenz bei den verwendeten Daten und durch immer mehr kostenpflichtige Angebote “erkauft”.

Diese schnelle Abhängigkeit von der jeweiligen Funktionsweise der verwendeten KI-Apps führt bei einem Wechsel – beispielsweise zu Open Source AI – zu erhöhten Switching Costs. Diesen Effekt nutzen die kommerziellen Anbieter, um ihr Geschäftsmodell weiter zu etablieren und zu kommerzialisieren.

Open Source AI (Definition) bedeutet u.a. die Transparenz bei den Trainingsdaten zu schaffen, und den Zugang für jeden zu ermöglichen. Meine Auffassung ist, dass Open Source AI in Zukunft für Privatpersonen, Organisationen und demokratische Gesellschaften besser ist. Siehe dazu Digitale Souveränität: Europa, USA und China im Vergleich.

Diese Ansicht wird auch von wissenschaftlichen Forschungen zu dem Thema gestützt. Eine aktuelle Veröffentlichung von Manchanda et al. (2024) beschreibt die Zusammenhänge wie folgt:

Closed-source LLMs continue to lead in performance, leveraging proprietary datasets and significant computational investments to excel in tasks requiring advanced generative abilities, multi-step reasoning, and broad generalization. However, their success comes at the cost of limited transparency and restricted accessibility, which creates challenges for external validation and replication.

The closed-source approach also consolidates resources and technological power within a few institutions. In so doing, it poses barriers to equitable AI development and raising concerns about reproducibility of outcomes and organizational accountability. By contrast, open-source LLMs emphasize accessibility and collaborative development. While these models often trail closed-source systems in absolute performance, they have made significant progress in narrowing the gap through methods such as Low-Rank Adaptation (LoRA) and quantization. These strategies enable efficient, competitive outcomes even in resource-constrained environments. By utilizing diverse datasets across languages and contexts, open-sourcemodels demonstrate their capacity to address realworld challenges with inclusivity. This democratic ethos has already empowered researchers and developers globally, and is likely to continue to do so” (Manchanda et al 2024).

Siehe dazu ausführlicher

Open Source AI Definition

Open Source AI-Models for Europe: Teuken 7B – Training on >50% non English Data

Open Source AI: Common Corpus als größte offene Trainingsdatenbank veröffentlicht

Arbeiten in der digitalen Welt: Sechs Basiskompetenzen

Arbeiten ist heute eingebettet in digitale Prozesse, und verändert sich dadurch erheblich. In einer digitalen (Arbeits-) Welt werden über Qualifikationen hinaus daher entsprechende Kompetenzen benötigt, um selbstorganisiert komplexe Problemstellungen zu lösen – Kompetenz als Selbstorganisationsdisposition. In einer Metaanalyse des MÜNCHNER KREIS-Arbeitskreis „Arbeit in der digitalen Welt“ (2020, S. 4ff.) wurden sechs Kompetenzfelder als Basiskompetenzen zusammengefasst:

Personenbezogene KompetenzenSelbstorganisation, Lernfähigkeit
Soziale KompetenzenKommunikation, Teamfähigkeit
Mensch-Maschine-Interaktion (MMI) KompetenzenUmgang mit Daten, Technologien, Wissen
ProzesskompetenzKritisches Denken, Problemlösefähigkeit
LösungskompetenzKreativität, Transdiziplinäres Denken
Strategische KompetenzAdaptionsfähigkeit, Unternehmerisches Denken
Quelle: Schipanski, A. (2024), in Koller et al. (Hrsg.) (2024)

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

Worin unterscheiden sich “Trends” und “Treiber”?

Image by Buffik from Pixabay

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

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

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

Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in Agil (IHK), die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.

Engpasssteuerung: Von Drum-Buffer-Rope zu Kanban-Systemen

Kanban hat sich ursprünglich aus der Produktion entwickelt und ist über die Software-Entwicklung (Anderson 2010) zu einem wichtigen Instrument der Wissensarbeit geworden. Kanban hat grundsätzlich das Ziel, in jedem Schritt einen Wert zu generieren und die jeweiligen Anforderungen mit der Leistungsfähigkeit des Prozessschrittes in Einklang zu bringen. Das kann auf der individuellen Ebene, der Teamebene oder der organisationalen Ebene sein.

Ein wichtiges Element von Kanban ist die Engpasssteuerung. Basis dieser Überlegung ist es, dass in einem Prozess immer wieder zu Engpässen kommt, die dann den gesamten Wertschöpfungsprozess behindern können. Das führt uns zu den Überlegungen von Goldratt, der in seiner Theory of Constraints das Bild von Drum-Buffer-Rope benutzt, um die Zusammenhänge zu erläutern.

“Es schien sinnvoller zu sein, für einen verbesserten Arbeitsablauf zu sorgen, indem man einen Engpass nach dem anderen beseitigt. Dies ist die Kernidee hinter der Engpasstheorie von Goldratt. (…) Goldratts Ansatz (…) zielt darauf ab, einen Engpass zu identifizieren und dann Wege zu finden, diesen zu erweitern, bis er die Leistungsfähigkeit nicht mehr einschränkt. Sobald dies passiert ist, wird ein neuer Engpass sichtbar und der Zyklus wiederholt sich. (…) Drum-Buffer-Rope erzeugt Pull-Signale im Tempo des Engpasses und verhindert damit eine Überlastung des gesamten Systems, es erzeugt Stabilität. Allerdings ist es in seiner einfachsten Form nicht robust gegenüber Schwankungen in der Durchlaufzeit oder in Ungleichmäßigkeiten im Arbeitsfluss vor dem Engpass” (Anderson 2024).

Drum-Buffer-Rope in einer Organisation so zu erklären, dass andere es verstehen, ist nicht ganz einfach. Weiterhin kommen noch die Probleme bei Schwankungen usw. hinzu. Genau hier kommt Kanban ins Spiel. Mit Hilfe von Kanban ist es möglich, diese Schwierigkeiten zu lösen und einen evolutionären Prozess anzustoßen.

Kanban hat das Dilemma gelöst, einen Ansatz zu finden, der sowohl eine nachhaltige Geschwindigkeit als auch die Einführung von Veränderungen zur Verbesserung
der wirtschaftlichen Leistung ohne nennenswerten Widerstand oder Trägheit ermöglicht” (Anderson 2024).

Dieser Prozess führt letztendlich zu einer Agilen Organisation, die die aktuellen Strukturen und die Mitarbeiter mitnimmt, die Arbeitsformen und agiler ausrichtet. Alle oben genannten Ebenen werden stabiler gegenüber Schwankungen und somit resilienter.

Ich stelle allerdings immer wieder fest, dass viele Organisationen den Begriff Kanban verwenden und nur ein einfaches Task Board damit meinen. In solchen Organisationen ist das Verständnis von Kanban und das entsprechende Mindset noch nicht geschaffen. Weitere Blogbeiträge zu Kanban finden Sie hier.

Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in Agil (IHK), die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.