Digitale Innovationen und organisationale Ambidextrie

Image by fancycrave1 from Pixabay

In Organisationen kommt es immer wieder zu der Frage, ob Routineprozesse (Exploration) oder eher Innovationen (Exploitation) in den Fokus organisationaler Entwicklung stehen sollten. In der Zwischenzeit wird deutlich, dass beides in einer Organisation wechselseitig bewältig und entwickelt werden sollten. Diese Ambidextrie hatte ich schon einmal in dem Blogbeitrag Ambidextres Innovationsmanagement: Zwischen Exploration und Exploitation erläutert.

Es stellt sich natürlich gleich die Frage, wie eine geeignete Strategie gerade für Digitale Innovationen aussehen kann. Forscher vom Fraunhofer Institut Stuttgart und der Universität Stuttgart sind der Frage anhand von Literaturrecherchen und Interviews nachgegangen und haben ihre Erkenntnisse veröffentlicht:

Schrader et al. (2025): Organizing digital innovations. Journal of Open Innovation: Technology, Market, and Complexity 11 (2025) | Link

Ein Ergebnis war, dass organisationale Ambidextrie eine wichtige Voraussetzung für Digitale Innovationen darstellt. Weiterhin haben die Forscher in ihrem Paper ein Framework dargestellt, das einer Organisation hilft, die geeignete Strategie auszuwählen und umzusetzen.

Ergänzend sollte noch erwähnt sein, dass organisationale Ambidextrie auch sehr viel von den Menschen einfordert. Es ist nicht leicht, permanent zwischen den “beiden Welten” zu pendeln.

UNDP Accelerator Labs: 89 Labs in 113 Ländern

Quelle: Ausschnitt vom Cover der UNDP-Veröffentlichung

In Blogbeiträgen hatte ich schon des Öfteren darüber geschrieben, dass die vielen Innovationsprogramme der Politik (EU, Deutschland, Bundesländer, Landkreise, Städte und Gemeinden) oftmals wenig Innovationen zustande bringen. Wenig bedeutet hier, Innovationen im Vergleich nicht nur zu sich selbst (Beispielsweise: Deutschland 2024 zu 2023), sondern im weltweiten Vergleich.

Dabei fällt auf, dass es ein entsprechendes Europäisches Innovations-Paradox gibt. Kurz zusammengefasst: Es wird viel Geld Top-Down in die Innovations-Systeme gesteckt, doch wenig umgesetzt. Denn: Forschung und Entwicklung ist nicht gleich Innovation. Siehe dazu auch Perspektiven auf Innovation: Von “eng” zu “erweitert” bis gesellschaftlich “zielgerichtet”.

Was wäre, wenn wir Innovationen stärker Bottom-Up denken und fördern würden? Ich erspare es mir, hier auf die vielen Beispiele hinzuweisen, die Eric von Hippel und Kollegen in der Zwischenzeit zusammengetragen, wissenschaftlich analysiert, und veröffentlicht haben.

Darüber hinaus gibt es auch Initiativen, die als eine art Hybrid verstanden werden können. Gemeint ist, dass eine Organisation (möglichst Non Profit) die Rahmenbedingungen schafft, dass Innovationen Bottom Up entstehen können. Am Beispiel des UNDP, des United Nations Development Program, wird das deutlich. Unter dem Dach der UN (United Nations) hat sich das UNDP Accelerator Lab gegründet, dass weltweit lokale und regionale Innovationen Bottom Up fördert:

“The UNDP Accelerator Labs is the world’s largest and fastest learning network on wicked sustainable development challenges. Co-built as a joint venture with the Federal Ministry for Economic Cooperation and Development of Germany and the Qatar Fund for Development, the Network is composed of 90 Lab teams covering 115 countries and taps into local innovations to create actionable insights and reimagine sustainable development for the 21st century” (UNDP Website, 22.08.2025).

Anmerkung: An anderer Stelle steht, dass es aktuell 89 Labs sind in 113 Ländern. Sicher kommt es bei den Zahlen immer wieder zu Veränderungen.

Aus den regionalen Aktivitäten können Muster erkannt werden, die zu einer nachhaltigen, und auf Problemlösungen für Menschen ausgerichteten Entwicklung von Innovationen führen können.

Lean Innovation: 12 Schritte

Lean Innovation nach Schuh (2011); eigene Darstellung

Der Lean-Gedanke, also Verschwendung zu vermeiden und den Wertstrom zu optimieren, kann in allen Prozessen thematisiert und integriert werden. Dazu hatte ich in 2013 schon einmal einen Blogbeitrag geschrieben: Lean Innovation – Wie passt das zusammen?

Auf unserer Asienreise waren wir u.a. vom 15.04.-25.04.2025 in Tokyo, Kyoto und Osaka (mit Expo 2025). Dabei ist mir der Lean-Gedanke in allen Bereichen des gesellschaftlichen Lebens begegnet. Eben nicht nur theoretisch, sondern sehr praktisch – inkl. der Ausrichtung am Kundennutzen – sehr beeindruckend.

Es wundert daher nicht, dass der Lean-Gedanke auch im Projektmanagement, oder auch im Innovationsmanagement berücksichtigt werden kann. Prof. Schuh hat für Lean Innovation auf dieser Website 12 Schritte (Abbildung) ausführlich beschrieben.

Es ist wichtig, da alle wirtschaftlichen Bereiche stärker auf die Produktivität achten müssen – gerade in Zeiten vieler neuer technischen Möglichkeiten.

Fehler ist nicht gleich Fehler: Fehlerkultur im Innovationsprozess

Fehlerkultur im Innovationsprozess (RKW 2010)

In Deutschland haben wir manchmal ein etwas schwieriges Verhältnis zu einzelnen Begriffen. So ist es beispielsweise mit dem Begriff “Fehler“, der oft negativ besetzt ist. Wenn ein Fehler passiert, ist das (oft) nichts Gutes – so die allgemeine Meinung.

Zu dieser Perspektive beigetragen hat die aus dem Qualitätsmanagement bekannte “0-Fehler” Strategie, die sich in den Köpfen von Mitarbeitern eingeprägt hat. Wenn wir an Prozesse in der Produktion denken, die immer gleich ablaufen sollen, so ist es natürlich schlecht, wenn es zu größeren Abweichungen kommt. Auch Fehler von Chirurgen können Folgen haben usw.. Man kann Fehler allerdings auch anders sehen.

In der Abbildung sind verschiedene Fehlertypen so sortiert, dass nach oben Fehler eher vermieden werden sollten, und nach unten Fehler zu Verbesserungen, und sogar zu Innovationen führen können. Es liegt auf der Hand, dass beispielsweise “Sabotage” nicht toleriert und somit sanktioniert werden sollte. Andererseits sollten “Kreative Fehler” toleriert, ja sogar unterstützt und durch Experimentieren ermöglicht werden.

Die Übersicht zeigt, dass Fehler nicht gleich Fehler ist, und wir daher in Organisationen und auch im zwischenmenschlichen Bereich sinnvoll unterscheiden sollten. Gerne können Sie daraus nun eine eigene Übersicht für Ihre Organisation entwickeln, sodass sich die Mitarbeiter darin wiederfinden und möglicherweise eine neue Fehlerkultur in Ihrer Organisation entsteht.

In Abwandlung des Zitats von Peter Drucker: “Today it´s the company who determines what a business is”

Eigene Darstellung

Zu der Aussage von Peter Drucker habe ich schon 2007 einen Blogbeitrag geschrieben. Damals ging es mir darum herauszustellen, dass es in der Zwischenzeit viele Möglichkeiten gibt, einzelne Anforderungen von Kunden massenhaft so anzubieten, dass die Preise für Produkte und Dienstleistungen denen einer massenhaften Produktion entsprechen. Diese hybride Wettbewerbsstrategie heißt Mass Customization.

Inzwischen frage ich mich allerdings, warum die Möglichkeiten nicht genutzt werden, und ob die Aussage von Peter Drucker aus dem Jahr 1954 noch stimmt.

In dem Beitrag Produkte und Dienstleistungen als Mehrwert für Kunden: Warum funktioniert das einfach nicht? habe ich erläutert, dass die Kunden trotz vielfältiger Versprechen der Unternehmen immer noch nicht das erhalten, was sie benötigen.

Der Trend bei den Unternehmen geht eher dahin, die Kundenanforderungen in die vom Unternehmen gewünschte Richtung zu manipulieren und letztendlich sogar auch teilweise zu ignorieren. Zahlreiche Beispiele belegen das in der Zwischenzeit.

Aus dieser Gemengelage entstehen verschiedene Optionen. Einerseits lassen sich Kunden einfach weiter manipulieren und denken darüber gar nicht mehr nach. Andererseits gibt es immer mehr Kunden, die sich nach Alternativen umsehen. Darüber hinaus gibt es eine immer größer werdende Gruppe von Personen, die sich die von ihnen gewünschten Produkte selbst entwickeln und herstellen -teilweise auch in Communities.

Die neuen Möglichkeiten der Künstlichen Intelligenz führen dazu, dass viele Einzelpersonen Software beispielsweise selbst entwickeln. Dabei stellen diese Personen oftmals ihren Quell-Code anderen kostenfrei zur Verfügung > Open Source Software.

Auch physische Produkte können heute mit Hilfe von additiven Verfahren (Additiv Manufacturing, besser bekannt unter 3D-Druck) hergestellt werden, Dabei stellen auch hier Personen ihre Programme, oder auch ganze Produkte anderen zur Verfügung. Die Plattform Patient Innovation ist hier ein gutes Beispiel.

Es geht vielen Menschen nicht nur darum, dass ihre eigenen Bedürfnisse besser erfüllt werden, sondern auch oft darum, anderen etwas – oft kostenfrei – zur Verfügung zu stellen – alles, ohne dass Unternehmen eingebunden werden (müssen), die sich ja eher zu Organisationen entwickelt haben, die ihren eigenen Wert, und nicht die Werte der Kunden, steigern möchten.

Diese eher soziale Art Werte für alle zu schaffen zeigt, dass es heute schon – und in Zukunft immer mehr – kollaboratives, nachhaltiges und gemeinwohlorientiertes Wirtschaften gibt. Alles zu einem immer größeren Teil ohne die subtile “Marktorientierung” scheinbar systemrelevanter Organisationen.

Denn: Wozu benötigen wir Unternehmen, wenn die Transaktionskosten in immer mehr Bereichen für die eigene, individuelle Wertschöpfung gegen 0 gehen…? In diesem Sinne könnte es sein, dass das Zitat von Peter Drucker aus dem Jahr 1954 in Zukunft doch wieder seine Berechtigung hat.

Cross Industry Innovation: Ist doch ganz einfach, oder?

Quelle: vgl. Achatz et al. (2012)

Manchmal wundert man sich, warum einzelne Industrien “das Rad neu erfinden”, obwohl es die jeweilige Problemlösung doch schon in anderen Branchen / Industrien gibt. Anhand der Abbildung sind die verschiedenen Möglichkeiten illustriert.

Ist in der Industrie I ein Problem erkannt worden, so kann im ersten Schritt der Abstraktion im Lösungsraum eine Analogie (2. Schritt) zu einer Problemlösung in der Industrie II gefunden werden. Diese findet man in dem Bereich, in denen sich die beiden Lösungsräume von Industrie I und Industrie II überschneiden,. Im dritten Schritt der Adaption (3.) wird die Problemlösung aus der Industrie II für das Problem in Industrie I angewendet. Hört sich einfach an, ist es allerdings nicht immer.

Je kontextabhängiger das für die Problemlösung erforderliche Wissen ist, umso schwieriger ist das Wissen auf einen anderen Kontext (hier: eine andere Industrie) zu übertragen. Es handelt sich dabei um sogenanntes “Träges Wissen”.

Weiterhin benötigt man für eine bestimmte, komplexe Problemlösung (z.B. für Innovationen) oftmals die Expertise bestimmter Personen mit ihrem Erfahrungsschatz. Diese Expertise hängt wiederum mit dem impliziten Wissen zusammen, das nicht so einfach übertragbar ist.

Dennoch ist es natürlich nicht unmöglich, von anderen Industrien für komplexe Problemlösungen zu lernen – es ist allerdings auch nicht so einfach, sobald man die dahinterliegende Wissensperspektive betrachtet.

Plangetriebenes Projektmanagement: Synchronisationspunkte zwischen Software, Elektronik und Hardware

Paralleler Durchlauf der einzelnen Vorgehensweisen in der software (hellblau), der Elektronik (grün) und der Mechanik (dunkelblau) mit geforderten Synchronisationspunkten (Timinger/Sticherling 2016)

In der Mechatronik geht es um Mechanik und Elektronik. Hinzu kommen heute fast immer auch Softwareelemente. Jeder einzelne Bereich ist schon schwierig genug, doch ist es noch herausfordernder, alle drei Bereiche aufeinander abzustimmen.

In der Abbildung sind die drei Bereiche mit ihren Entwicklungsschritten zu erkennen (farbliche Unterscheidung). Hinzu kommen jetzt noch geforderte Synchronisationspunkte, an denen alles zu einem bestimmten Zeitpunkt aufeinander abgestimmt wird. Dazu gehört auch, dass es von einem Synchronisationspunkt aus nicht weiter, sondern noch einmal zurück geht.

In einem eher plangetriebenen Projektmanagement ist es nicht einfach, alles zu koordinieren, da alle drei Stränge im zeitlichen Ablauf sehr unterschiedlich sein können.

Möglicherweise ist es bei einen größeren Dynamik (Komplexität) im Innovationsprozess besser, alles auf ein agiles, bzw. hybrides Vorgehensmodell umzustellen: Feature 1 > Feature 2 > Feature 3 etc. Siehe dazu auch Waterfall-Agile: Unterschiedliches Erarbeiten von Features.

Neue Erkenntnisse zum Zusammenhang zwischen Innovation und Lernen

Top view of multiracial young creative people in modern office. Group of young business people are working together with laptop, tablet, smart phone, notebook. Successful hipster team in coworking. Freelancers.

Dass Innovationen mit Lernen zusammenhängen ist offensichtlich, da es sich bei Innovationen um etwas Neues handelt. Neues bedeutet auch oft komplexes Problemlösen. In so einem Umfeld ist das Lernen von Individuen, Gruppen, Organisationen und Netzwerken wichtig, denn Lernen ist der Prozess und (neues) Wissen das Ergebnis (nach Willke 2018).

Neuere Forschungsergebnisse zeigen nun auf, dass es für Teams, die sich mit Innovationen befassen, erfolgsversprechend ist, wenn sie “establishing a rhythm that alternates thoughtfully between exploration and reflection” (Harvey et al 2025). Die Autoren schlagen daher vor, wie folgt vorzugehen:

(1) Experimental learning
(2) Vicarious learning
(3) Contextual learning
(4) Reflexive learning

Harvey et al. (2025): New Research on the Link between Learning and Innovation, in HBR vom 14.07.2025.

In dem Artikel werden noch weitere Einzelheiten zur effektiven Vorgehensweise genannt, die Sie für Ihre Innovationsprojekte nutzen können.

Siehe dazu auch Ambidextres Innovationsmanagement: Zwischen Exploration und Exploitation.

Waterfall-Agile: Unterschiedliches Erarbeiten von Features

Bain & Company (2015): Agile Innovation

Die Abbildung zeigt die prinzipielle Vorgehensweise im Wasserfallmodell und beim agilen Vorgehen bei Innovationen.

Bei Wasserfallmodell gibt es zu jedem Feature (1-4) die Schritte Discover – Design – Develop – Integrate – Test – Deploy, wobei erst beim letzten Schritt das jeweilige Feature vorliegt.

Bei der agilen Vorgehensweise werden für das Feature 1 die genannten Schritte durchgeführt, anschließend (idealtypisch aufbauend) für Feature 2 usw.

Das sind natürlich wirklich nur grundsätzliche Unterschiede, denn zwischen beiden Extrempositionen gibt es ein Kontinuum von Kombinationsmöglichkeiten. Diese hängen dann beispielsweise von den jeweiligen Rahmenbedingungen, z.B. rechtliche Vorgaben, Vorschriften, Ausschreibungen usw., ab.

In solchen Fällen kommt es zu einem hybriden, adaptiven Vorgehen bei der Entwicklung von Innovationen. Dabei ist es die Kunst, für das jeweilige Projekt, Programm oder Portfolio das angemessene Vorgehensmodell herauszufinden. Siehe dazu auch:

Projektmanagement: Das geeignete Vorgehensmodell finden

Agiles Projektmanagement: Anforderungen auf verschiedenen Granularitätsebenen

Ambidextres Innovationsmanagement: Zwischen Exploration und Exploitation

Digitale Souveränität: Die Initiative AI for Citizens

Website: https://mistral.ai/news/ai-for-citizens

Immer mehr Privatpersonen, Organisationen, Verwaltungen usw. überlegen, wie sie die Möglichkeiten der Künstlichen Intelligenz nutzen können. Dabei gibt es weltweit drei grundsätzlich unterschiedliche Richtungen: Der US-amerikanische Ansatz (Profit für wenige Unternehmen), der chinesische Ansatz (KI für die politische Partei) und den europäischen Ansatz, der auf etwas Regulierung setzt, ohne Innovationen zu verhindern. Siehe dazu Digitale Souveränität: Europa, USA und China im Vergleich.

Es freut mich daher sehr, dass es in Europa immer mehr Initiativen gibt, die Künstliche Intelligenz zum Wohle von Bürgern und der gesamte Gesellschaft anbieten möchten – alles Open Source. Das in 2023 gegründete Unternehmen Mistral AI hat so einen Ansatz, der jetzt in der Initiative AI for Citizens eine weitere Dynamik bekommt, und einen Gegenentwurf zu den Angeboten der bekannten Tech-Giganten darstellt:

“Empowering countries to use AI to transform public action and catalyze innovation for the benefit of their citizens” (Quelle).

Dabei listet die Website noch einmal ausführlich die Nachteile der “One size fits all AI” auf, die vielen immer noch nicht bewusst sind.

Informieren Sie sich über die vielen Chancen, Künstliche Intelligenz offen und transparent zu nutzen und minimieren Sie die Risiken von KI-Anwendungen, indem Sie offene und transparente Trainingsmodelle (Large Language Models; Small Language Models) und KI-Agenten nutzen. Siehe dazu auch

Das Kontinuum zwischen Closed Source AI und Open Source AI

Open Source AI: Warum sollte Künstliche Intelligenz demokratisiert werden?

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