„The long tail“ etwas anders interpretiert

Picture by Hay Kranen

Seit der Veröffentlichung von The long tail (Chris Anderson 2004) wird diskutiert, ob sein Ansatz heute noch stimmt. Anderson stellte dar, dass es bei digitalisierten Produkten möglich ist, immer mehr Nischen zu bedienen. Wenn man dabei die Grafik zu den bekannten ABC-Produkten im Verkauf etwas abstrahiert, kommt so eine Grafik heraus, wie Sie in der Abbildung zu sehen ist. In der Zwischenzeit gibt es allerdings durchaus Kritik an dem Ansatz.

»The original idea of the long tail, as described by Chris Anderson in his book of the same name, was that a single manufacturer would take care of all the variants along the long tail of a product segment. But the long tail of products is also a long tail of niche markets served by different manufacturers with different business models« (Piller & Euchner, 2024).

Piller und Euchner weisen also darauf hin, dass es nicht alleine ein Unternehmen sein muss, dass den long tail bedient, sondern es können auch unterschiedliche Unternehmen mit verschiedenen Geschäftsmodellen sein.

Diese Erweiterung ist schon hilfreich, doch geht es mir nicht weit genug. Warum müssen es Unternehmen mit ihren Geschäftsmodellen sein, die die bisher nicht befriedigten Wünsche von Usern bedienen? Heute können es auch die User selbst sein, die ihre Produkte herstellen – mit Hilfe moderner Technologien in Repair Cafés, FabLabs, Maker Spaces, Communities usw. (User Innovation). Siehe dazu ausführlicher meine Beiträge zum Thema.

Um die verschiedenen Schritte zur Herstellung des eigenen Produkts einfach, kostengünstig und selbst durchzuführen, bietet sich heute die Unterstützung durch Künstliche Intelligenz an.

Auf der internationalen Konferenz MCP 2026, die vom 16.-19.09.2026 in Balatonfüred, (Ungarn) stattfindet, werde ich in einem meiner Paper auf diese Entwicklung eingehen:

Open-Source AI for Open User Innovation: Designing a Personal Fabrication Framework

Digital Sovereignty and Open-Source AI: The European Way for Innovative SMEs

Die Zukunft von Innovationen ist dynamisch, interaktiv und unvorhersehbar

Image by Gerd Altmann from Pixabay

Obwohl viele Menschen und Unternehmen wissen, dass es in der heutigen, stark vernetzten Welt kaum möglich ist, die Zukunft vorherzusagen, versuchen es doch immer wieder einige. Beispielsweise die Tech-Konzerne aus dem Silicon Valley, die fast täglich mit Visionen oder Stories versuchen, Anleger zu beeinflussen. Viele Voraussagen/Ziele sind nicht eingetroffen.

Die New York Times hat zum Beispiel 602 Ziele von Elon Musk untersucht und festgestellt, dass er nur 19% davon wirklich erreicht hat. Dennoch hat Elon Musk alleine durch das Formulieren von (seinen) Zielen erreicht, dass sich viele mit (seinen) Zielen befasst haben. Die Erkenntnis solcher Analysen ist nicht neu, denn viele Vorhersagen haben auch schon in der Vergangenheit nicht gestimmt. Aktuell wollen einige wieder Wissen, wie sich Künstliche Intelligenz als Innovation entwickeln wird und formulieren entsprechende Ziele – auch hier ist Vorsicht geboten. Dazu habe ich einen Beitrag gefunden, der die Situation gut beschreibt:

„The future of innovation is likely in hybrid models that combine the strengths of AI-driven processes with human-led OI. Such models could leverage AI’s capacity for rapid ideation and data processing while harnessing human creativity, intuition, and ethical judgment. For example, AI could generate initial ideas or prototypes, which human collaborators then refine, contextualize, and ethically evaluate through OI platforms. An optimist would argue that this approach might further democratize innovation by allowing a wider range of participants to contribute meaningfully, even if they lack deep technical expertise. A pessimist might be concerned about centralized power, diminishing creativity, lack of agency, and IP issues. In the end, whether you’re an optimist or a pessimist, one thing is certain: the future of innovation will be dynamic, interactive, and unpredictable“ (Holgersson et al., 2024).

Als Optimist gehe ich davon aus, dass wir Innovationen wie die Künstliche Intelligenz stärker demokratisieren sollten und auch werden – siehe dazu auch Von Democratizing Innovation zu Free Innovation.

Auf der internationalen Konferenz MCP 2026, die vom 16.-19.09.2026 in Balatonfüred, (Ungarn) stattfindet, werde ich in einem meiner Paper auf diese Entwicklung eingehen:

Open-Source AI for Open User Innovation: Designing a Personal Fabrication Framework

Digital Sovereignty and Open-Source AI: The European Way for Innovative SMEs

FabLabs: Turn your ideas into products

https://www.fablabs.io/labs/map

Immer mehr Menschen stellen fest, dass die von den Unternehmen im Markt angebotenen Produkte nicht dem entsprechen, was sie sich als Kunde (User) vorstellen. Es wundert daher nicht, dass immer mehr User ihre täglichen Herausforderungen mit eigenen Produkten selbst in die Hand nehmen.

Das fängt bei Reparaturen an. Hier ist ein deutlicher Trend in Deutschland zu erkennen, der in immer mehr Repair Cafés und Do It Yourself (DIY) – Aktivitäten zu erkennen ist. Siehe dazu auch Vom Reparieren und Selbermachen zur Innovation.

Eigene Ideen in konkrete neue Produkte (User Innovationen) zu überführen, ist schon etwas schwieriger, und manchmal auch aufwendiger. Viele User scheuen vor der Umsetzung ihrer Idee noch zurück, da einzelne Prozessschritte manchmal teure Maschinen oder spezielles Know-How erfordern. Siehe dazu auch Eric von Hippel (2027) Free Innovation (PDF).

An dieser Stelle hat sich in den vergangenen 20 Jahren viel verändert. Immer mehr Open Source Software (OSS) und Technologien wie der 3D-Druck (Additive Manufacturing), Softwareentwicklung und Elektronik, Textilherstellung, und weitere Maschinen und Anlagen werden in FabLabs (Maker Spaces) zur Nutzung (zum Testen) angeboten – kostenlos. In der Abbildung oben ist ein Ausschnitt aus der FabLab Map zu sehen, in der mehr als 1.000 FabLabs zu finden sind.

Das FabLab Nürnberg e.V. bietet beispielsweise ein OpenLab, ein Repair Café, ein KidsLab, ein TextileLab und auch Workshops an. Sollte in einem FabLab nicht das angeboten werden, was Sie für Ihre Innovation benötigen, so können Sie auch mehrere FabLabs als Produktionsnetzwerk nutzen.

Natürlich können Sie auch Künstliche Intelligenz einsetzen, um das optimale Produktionsnetzwerk für Ihr Produkt auszuwählen. Ihre KI kann Sie dann auch in Ihrem Innovationsprozess begleiten, sodass Sie mit der Zeit Ihr eigenes Innovationssystem aufbauen. Wir empfehlen natürlich, nicht die proprietäten KI-Modelle wie ChatGPT etc. zu nutzen, sondern mit Open Source AI zu arbeiten – beispielsweise mit Mistral AI, einer europäischen (französischen) Alternative.

Auf der internationalen Konferenz MCP 2026, die vom 16.-19.09.2026 in Balatonfüred, (Ungarn) stattfindet, werde ich in einem meiner Paper auf diese Entwicklung eingehen:

Open-Source AI for Open User Innovation: Designing a Personal Fabrication Framework

Digital Sovereignty and Open-Source AI: The European Way for Innovative SMEs

Künstliche Intelligenz als Freund, Mentor oder romantischer Partner?

Künstliche Intelligenz (GenAI) kann in der Zwischenzeit viele traditionelle Tätigkeiten oder Abläufe optimieren und ersetzen. Bei der Interaktion mit KI-Modellen passt sich diese immer stärker an die Anforderungen des Nutzers an.

Künstliche Intelligenz verstärkt durch diese Personalisierung allerdings – oft unbemerkt vom Nutzer – Schmeicheleien (Blogbeitrag). Es wundert daher nicht, dass KI immer mehr als Compagnon wahrgenommen wird, der möglicherweise als angenehmer empfunden wird, als andere Menschen. Es kommt bei dieser Entwicklung zu einer Art Transformation von den eher funktionsorientierten Nutzung der KI, hin zum Aufbau von einer Art „Beziehung“.

„AI companions differ from traditional task-oriented AI by prioritizing relationship building over functionality (Zhang and Lu, 2023; Zhang et al., 2025). Modern systems incorporate memory of past interactions, can recognize emotion, and adapt their responses to individual users’ needs (Yang et al., 2025). Platforms like Replika, Character.ai, and XiaoICE have attracted user bases in the millions. Many users have reported forming emotional attachments to their AI companions, viewing them as friends, mentors, or romantic partners (Zhang et al., 2024; Kouros et al., 2024)“ (The AI Index 2026 Annual Report).

Einerseits ist also die Anpassung an die persönlichen Bedürfnisse eine positive Entwicklung, andererseits kann es über den Weg der (unbemerkten) Schmeicheleien einen Lock-in geben, aus dem die jeweiligen Nutzer selbst nicht mehr herauskommen. Diese sich dann entwickelnde Pfadabhängigkeit ist aus der Innovationsforschung bekannt.

Beyer (2005) weist allerdings in seinem Beitrag darauf hin, dass es auch dazu kommen kann, dass „Akteure jeweils einen Schlüssel finden können, um das Schloss wieder aufzuschließen“.

Beyer, J. (2005): Pfadabhängigkeit ist nicht gleich Pfadabhängigkeit! Wider den impliziten Konservatismus eines gängigen Konzepts, in Zeitschrift für Soziologie, Jg. 34, Heft 1, Februar 2005, S. 5–21 | PDF

Open Innovation: Chesbrough 2026 Festschrift

https://www.chesbrough2026.com/home/Conference

Im April fand in Rom eine Konferenz für Henry Chesbrough statt, um das Werk des Forschers zu seinem 70. Geburtstag zu ehren. Chesbrough hat mit seinem Ansatz eines eher offenen Innovationsprozesses (Open Innovation) in Organisationen, und auch in Forschungsbereichen viel bewirkt.

Enge Mitstreiter haben sich daher in Rom zusammengefunden, auch um Paper zum Thema und zur Person vorzustellen, die in den nächsten Monaten veröffentlicht werden sollen.

„The April 2026 event is thus organized as a paper development workshop in three tracks: for the CMR special issue, the ICC special section, or the R&D Mgmt special issue“ (ebd.).

Ich bin sehr auf die verschiedenen Veröffentlichungen gespannt, denn ich habe den Weg von Henry Chesbrough in den letzten Jahren intensiv verfolgt.

Beispielsweise habe ich Henry Chesbrough schon auf dem MCPC 2011: 6th Worldcongress on Mass Customization, Personalization and Co-Creation, UC Berkeley, San Francisco, USA (Blogbeitrag) live erlebt.

Es war auch für mich inspirierend zu sehen, wie die Öffnung des Innovationsprozesses (Open Innovation) in Organisationen entwickelt werden kann, und was es für die Organisationen und für deren Kunden bedeutet. In der Zwischenzeit gibt es in allen Bereichen Beispiele für die den erfolgreichen Einsatz von Open Innovation – auch in Zeiten Künstlicher Intelligenz.

In einem meiner beiden Paper, die für die MCP 2026, 16.-19.09.2026, Balatonfüred, Ungarn angenommen wurde, gehe ich auch auf Open Innovation ein. Allerdings betrachte ich hier eher die Perspektive von Eric von Hippel, der Open User Innovation favorisiert.

Smolagents: Turn your idea into an App – mit verschiedenen LLMs und natürlich Open Source

https://smolagents.org/de/

KI-Agenten sind aktuell gefühlt überall. Natürlich bieten die proprietären Modelle wie ChatGPT, Gemini, Grok etc. viele Möglichkeiten an, solche KI-Agenten zu erstellen und zu nutzen. Wie Sie als Leser unseres Blogs wissen, tentieren wir allerdings dazu, Open Source AI zu nutzen, gerade wenn es um eigene, spezielle Expertise, oder unternehmensspezifisches Wissen in Innovationsprozessen geht.

Neben den von uns schon beschriebenen Möglichkeiten von Langflow und Ollama, möchten wir Ihnen eine weitere Alternative vorstellen, eigene KI-Agenten zu nutzen, und dabei unterschiedliche LLMs einzubinden.

Smolagents is a minimalist AI agent framework developed by the Hugging Face team, crafted to enable developers to deploy robust agents with just a few lines of code. Embracing simplicity and efficiency, smolagents empowers large language models (LLMs) to interact seamlessly with the real world“ (Source: https://smolagents.org/de/).

Das Team von Hugging Face bietet hier eine minimalistische Möglichkeit, auf Open Source Basis KI-Agenten zu entwickeln, und der Community in einem Repository zur Verfügung zu stellen (Best Smolagents in Hugging Face).

Es ist interessant zu sehen, wie einfach man seine Idee in einem ersten KI-Agenten umsetzen kann. In dem folgenden Beispiel habe ich versucht, einen persönlichen Innovationsprozess abzubilden. In jedem Prozessschritt wollte ich ein anderes Open Source KI-Modell einsetzen.

Eigener Screenshot

In der Abbildung sind erste Prozessschritte für die Entwicklung von Innovationen zu sehen: Inspire mit Llama 3, Ideate mit Mistral, Prototype mit Phi 3 etc. Die jeweiligen LLM kann ich auswählen und testen. Das ging sehr schnell und war super einfach.

Probieren Sie es doch auch einmal aus!

MCP-Conference 2026: Meine eingereichten Abstracts wurden angenommen

https://mcp-ce.org/

Zur MCP 2026 Conference zu Mass Customization and Personalization findet vom 16.-19.09.2026 in Balatonfüred, Ungarn, statt. Auch zu dieser Konferenz habe ich Abstracts eingereicht, die in der Zwischenzeit bestätigt wurden.

It is our pleasure to inform you that your abstracts entitled:

Open-Source AI for Open User Innovation: Designing a Personalized Framework

Digital Sovereignty and Open-Source AI: A European Path for Innovative SMEs


were positively reviewed by MCP 2026 Scientific Committee and accepted to proceed to the next stage of uploading full paper according to the template.

Nun geht es daran, das Paper bis zum 31. Mai 2026 nach den Konferenzvorgaben fertigzustellen.

Wenn alles klappt, werden ich beide Paper im September auf der Konferenz vorstellen, und mit den Kollegen diskutieren.

Innovationen: Integrales Denken und Handeln

Ein integrales Denken und Handeln von Innovationsmanagern besteht darin, verschiedene Perspektiven zu verbinden (Servatius/Piller 2014:29)

Gerade wenn es um Innovationen geht, ist es wichtig, verschiedene Dimensionen zu integrieren. Bezogen auf das integrale Denken und Handeln von Innovationsmanagern sind zwei grundlegende Perspektiven und ihre Polaritäten von besonderer Bedeutung:

(1) die Perspektive der Denkmuster mit Analyse und Rationalität auf der einen und Intuition und Emotion auf der anderen Seite sowie

(2) die Perspektive der Innovationswertschöpfung in Form von wissenschaftlich-technischen Problemlösungen und einer Befriedigung des Kundenbedarfs im Markt.

Die Abbildung zeigt, welche unterschiedlichen Handlungsfelder sich für Innovationsmanager aus diesen Perspektiven ergeben – von der Technologie- und Marktanalyse über die Intuition von Erfindern bis zur Empathie gegenüber Kunden (Servati-
us/Piller 2014:29).

Gerade in Zeiten der Nutzung von Künstlicher Intelligenz im Innovationsprozess können Emotion (Empathie) und Intuition Alleinstellungsmerkmale darstellen.

Mit ´Transformation von Deutungsmuster´ Widerstände gegen Innovationen überwinden

Bedenken und Einwände gegen Produktinnovationen (Kerka/Kriegesmann 2007)

In der Abbildung sind beispielhaft Bedenken und Einwände zu sehen, die so – oder so ähnlich – zu hören sind, wenn Produktinnovationen angestoßen werden. Ich bin sicher, Sie haben solche Äußerungen auch schon oft gehört, sogar schon bei den ersten Ideen.

„Eine neue Idee ist zerbrechlich. Sie kann durch höhnisches Lächeln oder Gähnen getötet werden. Sie kann durch einen Witz erdolcht oder durch Stirnrunzeln bei der falschen Person vor lauter Sorgen in den Tod getrieben werden“ Charles Brower, Ex-CEO von BBDO.

Es scheint normal zu sein, neue Ideen und Innovationen erst einmal abzulehnen. Dieses Verhalten kann ganz gut mit dem relativ stabilen Deutungsmuster von Erwachsenen erklärt werden, das transformiert werden muss. Solche Prozesse findet man als Kernelement in der Erwachsenenbildung, wo Lernen als Transformation von Deutungsmustern verstanden wird.

Deutunslernen: Transformation von subjektiven Deutungen und Konstrukten durch die Initiierung von selbstorganisierten Suchbewegungen und eigenständigen Aneignungsprozessen der Erwachsenen – vgl. dazu Arnold, R. (1995): Deutungslernen in der Erwachsenenbildung. Grundlinien und Illustrationen zu einem konstruktivistischen Lernbegriff, in Zeitschrift für Pädagogik 42 (1996) 5, S. 719-730 | PDF.

Neben den bekannten Ansätzen, mit Widerständen im Innovationsprozess umzugehen (z.B. mit dem Promotorenmodell von Witte), ist die Perspektive der Erwachsenenbildung im Innovationsprozess für viele neu, und wird damit selbst zu einem innovativen Ansatz.

Siehe dazu auch Digitale und ökologische Transformation bedeutet auch eine Transformation von Deutungsmustern.

Innovatives Denken mit Künstlicher Intelligenz unterstützen

Legende
(CEN TS 16555-2014):

1 Sammeln von Informationen
2 Erzeugen von Lösungen
3 Rasches Lernen
4 Bewertung
5 Synthese und Outputs
6 Ergebnisse

Unternehmen setzen für ihren Innovationsprozess Künstliche Intelligenz ein. Auf der individuellen Ebene ist das natürlich auch möglich. Beispielsweise kann Künstliche Intelligenz das eigene innovative Denken unterstützen. Die Abbildung zeigt dazu die insgesamt sechs Schritte – vom Sammeln von Informationen (1) bis zu den Ergebnissen (6).

In jedem einzelnen Schritt sollten Sie überlegen, ob Sie nur ein KI-Modell verwenden wollen, oder ob es nicht besser ist, spezielle KI-Modelle zu nutzen. Siehe dazu auch KI-Modelle: Von „One Size Fits All“ über Variantenvielfalt in die Komplexitätsfalle?

Weiterhin sollten Sie sich überlegen, ob Sie die bekannten proprietären KI-Modelle für ihre innovativen Ideen nutzen wollen. Denken Sie bitte daran, dass diese wenig transparent sind und Sie nicht genau wissen, was mit ihren Ideen passiert. Siehe dazu auch Das Kontinuum zwischen Closed Source AI und Open Source AI.

Unser Vorschlag ist daher, dass Sie zur Unterstützung ihres innovativen Denkens, in jedem Schritt Open Source KI-Modelle nutzen. Dass kann MISTRAL LE CHAT als Alternative zu ChatGPT etc, ein Modell wie Mistral AI für alle Schritte, oder auch ein Konzept mit unterschiedlichen Modellen sein, die Sie auf Huggingface finden können.

Natürlich ist es auch möglich, für die oben genannten Schritte einen, oder mehrere KI-Agenten zu nutzen – natürlich möglichst auch Open Source basiert.

Überlegen Sie abschließend noch, ob Sie alles auf ihrem Laptop, oder auf einem eignen Server laufen lassen können. Damit hätten Sie die Kontrolle über ihre Ideen.

„Erst ignorieren sie dich, dann lachen sie über dich, dann bekämpfen sie dich, dann hast du gewonnen“ Mahatma Gandhi.

Sie können dann immer noch selbst entscheiden, ob Sie Ihre Ergebnisse mit anderen teilen, oder diese sogar Unternehmen anbieten wollen.

Alles im Sinne einer eigenen Digitalen Souveränität.