Big Data Analytics und Strategische Frühaufklärung

Bachelor Thesis , 2020 , 65 Pages , Grade: 1,0

Business economics - Information Management

Ziel dieser Arbeit ist es, den möglichen Einsatz von Big Data Analytics (nachfolgend als BDA abgekürzt) zur frühzeitigen Identifizierung von potenziellen Chancen und drohenden Risiken anhand von exemplarischen Beispielen aufzuzeigen. Big Data Analytics soll dazu verhelfen, die bisherigen Grenzen von Methoden in Bezug zur Identifizierung von strategischen Chancen und Risiken zu überwinden. Wie könnte der Einsatz von Big Data Analytics die Identifizierung von schwachen Signalen automatisieren und objektivieren?

Die durchschnittliche Lebenserwartung eines nicht-börsennotierten Unternehmens beträgt ca. 15 Jahre. Unternehmen sind häufig nicht in der Lage auf Umbrüche aus der Unternehmensumwelt rechtzeitig zu reagieren. Strategische Frühaufklärung ermöglicht relevante Entwicklungen zu identifizieren, um mögliche notwendige Maßnahmen frühzeitig zu antizipieren. Ein durchschnittliches Unternehmen hatte bereits 2014 ca. 427-mal so viele Daten, wie insgesamt in der US Kongressbibliothek gespeichert wurden. Big Data Analytics soll dazu verhelfen, die bisherigen Grenzen von Methoden der strategischen Frühaufklärung zu überwinden. Anhand von verschiedenen Fallbeispielen wurde abgeleitet, dass die rechtzeitige Identifizierung von schwachen Signalen und die Antizipation über alternative Zukünfte erfolgsentscheidend sind. Zwei literaturbasierte Fallstudien präsentieren den praxisbezogenen Einsatz von Big Data Analytics für die rechtzeitige Identifizierung von schwachen Signalen. Dennoch bleibt die strategische Antizipation über alternative Zukunft ein wertbeladener und kreativer Prozess der Entscheidung und kann (noch) nicht automatisiert werden.

Inhaltsverzeichnis

Abbildungsverzeichnis

1. Einleitun

2. Theoretische Grundlagen der SFA
2.1 Die weitere Unternehmensumw
2.2 Definition
2.3 Historische Entwicklun
2.4 Strategic Issue Management und Weak Signa
2.5 Idealtypischer Prozess der SFA
2.6 Methoden der Zukunftsforschung
2.7 Abgrenzung zu anderen Terminolog
2.8 Probleme der SFA

3. SFA anhand von Fallbeispielen
3.1 Negativbeispiele
3.2 Positivbeispi
3.3 Erkenntni

4. Big Data und Analytics
4.1 Die 4 V’s von Big Dat
4.2 Big Data als Informationsquel
4.3 Analytics als Informationsverarbeitungsmetho

5. Einsatz von Big Data Analytics in der SFA
5.1 Fallstudie I: „LEONI AG“
5.2 Fallstudie II: „DMK Grou
5.3 Grenzen und Implikationen für die Prax

6. Zusammenfassung und Fazit

Literaturverzeichnis

Ehrenwörtliche Erklärung

Abstract

Die durchschnittliche Lebenserwartung eines nicht-börsennotierten Unternehmens beträgt ca. 15 Jahre (vgl. Feser, 2012). Unternehmen sind häufig nicht in der Lage auf Umbrüche aus der Unternehmensumwelt rechtzeitig zu reagieren. Strategische Frühaufklärung ermöglicht relevante Entwicklungen zu identifizieren, um mögliche notwendige Maßnahmen frühzeitig zu antizipieren. Ein durchschnittliches Unternehmen hatte bereits 2014 ca. 427-mal so viele Daten, wie insgesamt in der US- Kongressbibliothek gespeichert wurden (vgl. Schellinger, Tokarski and Kissling-Näf, 2020, S. 224). Big Data Analytics soll dazu verhelfen, die bisherigen Grenzen von Methoden der Strategischen Frühaufklärung zu überwinden.

Anhand von verschiedenen Fallbeispielen wurde abgeleitet, dass die rechtzeitige Identifizierung von schwachen Signalen und die Antizipation über alternative Zukünfte erfolgsentscheidend sind. Zwei literaturbasierte Fallstudien präsentieren den praxisbezogenen Einsatz von Big Data Analytics für die rechtzeitige Identifizierung von schwachen Signalen. Dennoch bleibt die strategische Antizipation über eine alternative Zukunft ein wertbeladener und kreativer Prozess der Entscheidung und kann (noch) nicht automatisiert werden.

The average life expectancy of a non-listed company is about 15 years (see Feser, 2012). Companies are often unable to react in time to changes in the corporate environment. Strategic Foresight enables the identification of relevant developments in order to anticipate possible necessary actions at an early stage. An average company already had about 427 times as much data in 2014 as was stored in the U.S. Library of Congress (see Schellinger, Tokarski and Kissling-Näf, 2020, p. 224). Big Data Analytics should help to overcome the current limitations of Strategic Foresight methods.

Different case studies were used to show that the timely identification of weak signals and the anticipation of alternative futures are crucial for success. Two literature-based case studies present the practical application of Big Data Analytics for the early identification of weak signals. Nevertheless, strategic anticipation about an alternative future remains a value-driven and creative decision-making process and cannot (yet) be automated

Abbildungsverzeichnis

Abb. 1: "Strategic Issue Management nach Ansoff" (eigene Darstellung)

Abb. 2: „Prozess der SFA“ (eigene Darstellung)

Abb. 3: „Datenquellen Übersicht“ (eigene Darstellung)

Abb. 4: „Top-Themen zu Robotern im Gesundheitswesen“ (Kölbl et al., 2019, S. 9)

Abb. 5: „Heatmap zum Thema Surgical Robots“ (Kölbl et al., 2019, S.10)

Abb. 6: „Sub-Cluster Total Hip Arthoplasty“ (Kölbl et al., 2019, S.10)

Abb. 7: „Top- Themen zu Ernährungstrends“ (Kölbl et al., 2019, S. 9)

Abb. 8: „Heatmap zum Thema Vegan Food“ (Kölbl et al., 2019, S.12)

Abb. 9: „Sub-Cluster Vitamin B12“ (Kölbl et al., 2019, S.12)

1. Einleitung

Die durchschnittliche Lebenserwartung der Fortunes 500 (Die 500 umsatzstärksten Unternehmen der Vereinigten Staaten) haben laut einer Studie von de Geus (2002) eine Lebenserwartung von ca. 50 Jahren (vgl. Geus, 2002). Ein etwas aktuellerer Blick verdeutlicht, dass bereits die Hälfte der Fortune 500 Unternehmen aus dem Jahre 2002 aus der Liste verschwunden sind (vgl. Kroker, 2016, S. 2). Claudio Feser, Partner bei McKinsey und Autor, erwähnte in seinem Buch “Serial Innovators - Firms that change the world“ aus dem Jahre 2012, dass die durchschnittliche Lebenserwartung eines nicht-börsennotiertes Unternehmens ca. 15 Jahre beträgt (vgl. Feser, 2012). Der Grund hierfür ist, dass Unternehmen häufig nicht in der Lage sind auf Umbrüche aus der externen Unternehmensumwelt zu reagieren und folglich ihre Wettbewerbsfähigkeit gegenüber Konkurrenten verlieren. Unternehmen sind heute mit einer Umwelt konfrontiert, die sich ständig wandelt und durch hohe Intensivität, Schnelllebigkeit und Unvorhersehbarkeit auszeichnet (vgl. Ansoff, 1979, S. 21ff.). Aufgrund dieser gekennzeichneten Entwicklungen, welche sich zu bedrohlichen Umbrüchen für Unternehmen und ganze Branchen entwickeln, wird die Fähigkeit, relevante Entwicklungen und Veränderungen früh genug wahrzunehmen für Unternehmen erfolgsentscheidend (vgl. Ansoff, 1979).

Unternehmen, wie der amerikanische Mobilitätsdienstleister Uber, werden in der Literatur häufig als Positivbeispiel erwähnt, da sie wussten wie sie von den schnellen Entwicklungen der letzten Jahre eine Chance ergreifen konnten. Die rasante Verbreitung von Smartphones und Apps, als auch der Wunsch nach On-Demand- Produkten bilden das Fundament, auf dem das Unternehmen Uber den riesigen Erfolg aufbauen konnte. Im Gegensatz zu Uber, wird der einstige Marktführer für Fotografie Kodak in Bezug auf den Umgang mit Diskontinuitäten gerne als Negativbeispiel aufgeführt. Viele aufeinander folgende Fehler bezüglich der Einschätzung von schwachen Signalen und neuen Trends im Bereich der digitalen Fotografie führten das Unternehmen dazu im Jahr 2012 Insolvenz anzumelden. Ungeachtet dessen, dass Kodak die Digitalkamera zuvor selbst einmal entwickelt hatte (vgl. Schlautmann, 2012). Es ergibt sich die Fragestellung, welche Unterschiede Unternehmen wie Uber zu Unternehmen wie Kodak haben. Die erste Fragestellung, die im Rahmen dieser Arbeit zu beantworten ist: Welche Faktoren bestimmen über den erfolgreichen Umgang mit schleichenden Veränderungen aus der Unternehmensumwelt?

Strategische Frühaufklärung (nachfolgend als „SFA“ abgekürzt) ermöglicht relevante Entwicklungen im Unternehmensumfeld zu identifizieren, interpretieren und mögliche Auswirkungen auf das Unternehmen einzugrenzen, um mögliche notwendige Maßnahmen frühzeitig zu antizipieren (vgl. Burmeister, Neef and Beyers, 2004). Die Komplexität und Dynamik von wirtschaftlichen, technologischen, sozialen, ökologischen und politischen Entwicklungen haben in den letzten Jahren immens zugenommen (vgl. Ansoff, 1975, S. 3). Aktivitäten rund um SFA gewinnen somit an enormer Bedeutung. Die oben genannten Beispiele von Uber und Kodak zeigen, dass die Volatilität der Unternehmensumwelt sowohl als Risiko, als auch als Chance ergriffen werden kann. Denn nur Unternehmen, die frühzeitig Veränderungen erkennen und diese in Maßnahmen umsetzen, haben direkte Wettbewerbsvorteile vor ihren Konkurrenten und werden langfristig überleben (vgl. Hungenberg, 2014, S. 88). Und genau diese Leistungen erbringt die SFA: schleichende Veränderungen in der Unternehmensumwelt zu erkennen, die Wettbewerbsfähigkeit langfristig zu sichern sowie die Innovationsfähigkeit des Unternehmens dauerhaft zu stärken (vgl. Burmeister, Neef and Beyers, 2004). Allerdings stoßen die Methoden, die genutzt werden, um mögliche Chancen und Risiken zu identifizieren und antizipieren, aufgrund intensivem Ressourceneinsatz und Subjektivität an Ihre Grenzen.

Ein durchschnittliches Unternehmen hatte bereits 2014 ca. 427-mal so viele Daten, wie insgesamt in der US-Kongressbibliothek gespeichert wurden (vgl. Schellinger, Tokarski and Kissling-Näf, 2020, S. 224). In unserer zunehmend digitalisierten Wirtschaft wird es unumgänglich sein, sich mit Big Data und Analytics auseinanderzusetzen und den Vorteil für das eigene strategische Management nicht zu beachten. Demzufolge ist es von hoher Relevanz einen Einsatz dieser Technologie im Bezug zur SFA aus betriebswirtschaftlicher Sicht zu beschreiben, analysieren und die oben erwähnten Probleme bezüglich der Methoden zu lösen. Neue Verfahren im Bereich des maschinellen Lernens (Analytics) können Fragen hinsichtlich der Unternehmensstrategie beantworten, was zu früheren Zeiten nicht möglich war.

Genau hier setzt die vorliegende Bachelor-Thesis an. Ziel dieser Arbeit ist es, den möglichen Einsatz von Big Data Analytics (nachfolgend als „BDA“ abgekürzt, ) zur frühzeitigen Identifizierung von potenziellen Chancen und drohenden Risiken anhand von exemplarischen Beispielen aufzuzeigen. Big Data Analytics soll dazu verhelfen, die bisherigen Grenzen von Methoden in Bezug zur Identifizierung von strategischen Chancen und Risiken zu überwinden. Wie könnte der Einsatz von Big Data Analytics die Identifizierung von schwachen Signalen automatisieren und objektivieren?

Hierfür wird zunächst die Theorie der Strategischen Frühaufklärung (SFA) erläutert. In diesem Kapitel geht es vor allem darum, die turbulente Unternehmensumwelt und deren Einflussfaktoren anhand der PESTEL-Analyse zu beschreiben, um im Anschluss das darauf aufbauende Konzept der schwachen Signale von Ansoff (1975) zu erklären und die bekanntesten Methoden der Ermittlung aufzulegen. Es gilt jedoch zu beachten, dass eine rein theoretische Ausarbeitung nur begrenzt Vorteile für die Praxis erbringen kann.

Aus diesem Grund wird als Nächstes anhand von positiven und negativen Fallbeispielen verschiedener Branche gezeigt, wie Unternehmen in der Praxis mit anbahnenden schwachen Signalen bzw. Veränderungen umgegangen sind. Mit dieser Grundlage werden wichtige Erkenntnisse und Erfolgsfaktoren abgeleitet und diese im weiteren Verlauf genauer behandelt.

Um mit den gewonnenen Erfolgsfaktoren den möglichen Einsatz von Big Data Analytics im Bereich der SFA vorzustellen, muss vorher der Begriff Big Data Analytics genauer definiert werden. Für diesen Zweck werden Hauptcharakteristika von Big Data erläutert, und die Rolle als Informationsquelle aufgefasst, um danach Analytics als Informationsverarbeitungsmethode auszuführen.

Mit dem Verständnis dieser Konzepte wird im nächsten Abschnitt der Einsatz von Big Data Analytics zur frühzeitigen Identifizierung schwacher Signale, anhand von zwei praxisbezogenen Fallstudien dargestellt. Diese bilden aufbauend auf die abgeleiteten Erkenntnisse und Erfolgsfaktoren aus den Fallbeispielen, den Hauptteil dieser Arbeit. Abgeschlossen wird das Kapitel mit den Implikationen für die Praxis und den Grenzen von Big Data Analytics in Verbindung zu strategischen Entscheidungsprozessen.

Das letzte Kapitel soll dazu dienen, die wichtigsten Erkenntnisse der vorliegenden Arbeit zusammenzufassen, die Hauptfragestellung zu beantworten und einen Ausblick in die künftige Entwicklung zu ziehen.

2. Theoretische Grundlagen der SFA

Die sich ständig wandelnde Unternehmensumwelt ist der Ausgangspunkt der SFA. Nach Aussagen vieler Wissenschaftler hat sich diese Umwelt von einer stabilen bis hin zu einer sehr turbulenten Umwelt entwickelt (vgl. Ansoff, 1979, S. 21ff.). Ansoff und Sullivan sprechen von folgenden Eigenschaften:

Komplexität: Anzahl der vorhandenen Elemente in der Umwelt sind intensiver und drastisch gestiegen.

Dynamik: Neue auftretende Elemente und Veränderungen sind zum einen schnelllebiger und zum anderen wesentlich häufiger.

Unsicherheit (Unvorhersehbarkeit): Die Entwicklungen in der Umwelt sind kaum vorhersehbar, nachvollziehbar und bekannt (vgl. Müller, 2008, S. 32) (vgl. Ansoff and Sullivan, 1993, S. 13ff).

Viele Faktoren, die die Unternehmensumwelt prägen, wirken auf ein Unternehmen ein. Das könnten beispielsweise gesetzliche Regelungen, Wechselkursveränderungen, technologische Entwicklungen oder Wettbewerber sein (vgl. Hungenberg, 2014, S. 89). Diese können dem Unternehmen Chancen im Wettbewerb eröffnen, wie etwa durch neue Produktinnovationen. Gleichermaßen können sie auch Risiken erzeugen, beispielsweise durch technologischen Fortschritt, welcher die bisherigen Wettbewerbsvorteile bedroht (vgl. Hungenberg, 2014, S. 89). Deshalb ist es unabdingbar sich mit der Unternehmensumwelt auseinanderzusetzen und so diese Chancen und Risiken früh genug zu erkennen. Damit diese Veränderungen jedoch erkannt werden, muss zunächst geklärt werden, woraus die Umwelt eines Unternehmens genau besteht und welche Einflussgrößen herrschen. Als nachfolgendes Ziel dieses Kapitels soll ein betriebswirtschaftliches Verständnis der Umwelt als Ausgangslage der SFA festgelegt werden. Hierzu wird die weitere Unternehmensumwelt genauer erläutert und die einzelnen Einflussfaktoren beschrieben. Konkrete Praxisbeispiele erfolgen hierauf aufbauend dann in Kapitel 3. Dieses Kapitel ist von sehr hoher Bedeutung, denn aus den Faktoren der weiteren Unternehmenswelt stammen letztendlich die im weiteren Verlauf dieser Arbeit behandelten schwachen Signale - Weak Signals - und das Konzept der Strategischen Frühaufklärung.

2.1 Die weitere Unternehmensumwelt

Die externe Unternehmensumwelt (auch Makro-Umwelt genannt) umfasst weitgehende politisch-rechtliche, ökonomische, gesellschaftliche, technologische, und ökologische Entwicklungen (vgl. Hungenberg, 2014, S. 90). In diesem Modell wird die gesamte Umwelt eines Unternehmens in einzelne Teilbereiche gegliedert, um alle wichtigen Faktoren, die Einfluss haben, zu identifizieren (vgl. Hungenberg, 2014, S. 90). Dies ermöglicht eine systematische Analyse der Unternehmensumwelt und ein besseres Verständnis.

Politisch-rechtliche Umwelt

Die politisch-rechtliche Umwelt umfasst vor allem den staatlich vorgegebenen Rahmen für das Wirtschaften, welcher zunächst aus rechtlichen Normen besteht. Eine besondere Relevanz kommt den rechtlichen Regelungen zur Unternehmensverfassung, Besteuerung, Investitions- und Umweltvorschriften zu. Ferner spielt neben den rechtlichen Normen auch die Handhabung dieser Vorgaben eine Rolle (vgl. Hungenberg, 2014, S. 94). Beispielsweise kann die Dauer und der Aufwand eines Genehmigungsverfahrens in der Medizinbranche oftmals das Investitionsverhalten von Unternehmen erheblich beeinflussen. Weiterhin kann dieser Bereich auch durch Subventionen und Zuschüssen auf strategische Entscheidungen Einfluss nehmen (vgl. Hungenberg, 2014, S. 94).

Ökonomische Umwelt

Die ökonomische Umwelt umschließt die allgemeine volkswirtschaftliche Entwicklung, sowohl gesamtwirtschaftlich als auch für größere Wirtschaftsräume. Wichtige Faktoren in diesem Bereich sind beispielsweise Wirtschaftswachstum, Zinsen, Inflationsrate und der bzw. die Wechselkurse. Diese werden verstärkt von der Finanz- und Geldpolitik beeinflusst und gelenkt. Hinzu kommen Faktoren wie Produktionsfaktoren, infrastruktureller Aufbau der Volkswirtschaft eines Landes, regionale Absatzmärkte und der Kapitalmarkt (vgl. Hungenberg, 2014, S. 94).

Technologische Umwelt

Das technologische Umfeld verstärkt, und in den vergangenen Jahren besonders, den Erfolg eines Unternehmens. Die Entwicklung der Informations- und Kommunikationstechnologien hat zu veränderten Vertriebs- und Absatzprozessen geführt. Zusätzlich veränderten sich auch Arbeitsanforderungen und Prozesse. Einführung neuer Technologien können enorme Effizienzgewinne gestatten, beispielweise die Erfindung und Nutzung des Computers für die Büroarbeit. Zugleich das „E-Business“, welches sich seit geraumer Zeit in vielen Branchen mit extremer Geschwindigkeit verbreitet und etabliert hat, können große Risiken hervorrufen oder aber auch neue Chancen öffnen (vgl. Hungenberg, 2014, S. 94f.).

Gesellschaftliche Umwelt

Alle Menschen, die konsumieren oder arbeiten, stehen zwangsläufig in Beziehung zu einem Unternehmen und somit ist das Unternehmen auch unter dem Einfluss gesellschaftlicher Veränderungen. Viele Merkmale einer Gesellschaft beeinflussen Unternehmen, wie beispielsweise die Bevölkerungsstruktur oder das Bildungswesen. Zudem wird die unternehmerischer Wertschöpfung durch die Werte, Einstellungen und Verhaltensweisen Einzelner in vielen Aspekten beeinflusst (vgl. Hungenberg, 2014, S. 95). Ein Beispiel dafür ist, dass religiöse Einstellungen einer Gesellschaft bestimmte Ansprüche an Produkte und Dienstleistungen erzeugen. Aktuelle Trends wie Gesundheitsbewusstsein, steigende Individualisierung und steigende Lebenserwartung sind für alle Unternehmen von großer Bedeutung (vgl. Hungenberg, 2014, S. 95).

Ökologische Umwelt

Abschließend gibt es noch die ökologische Umwelt, welche auch in den letzten Jahren immer wichtiger geworden ist und stetig an Bedeutung zunimmt. Zu den Faktoren, die zu diesem Umweltbereich gehören, zählen natürlich die Lage des Unternehmens und die Verfügbarkeit von Rohstoffen. Ungeachtet dessen ist ein ebenso wichtiger Aspekt dieser Umwelt die Umweltbelastung bzw. der Schadstoffausstoß eines Unternehmens. Einerseits kann bei zu hohem Ausstoß gesellschaftliche und politische Risiken resultieren und gleichermaßen durch niedrigen Ausstoß neue Chancen ergriffen werden (vgl. Hungenberg, 2014, S. 422).

Neben der Makro-Umwelt Analyse (PESTEL) gibt es auch das Modell von Porter, welches die Möglichkeit bietet komplexe Wechselwirkungen von Marktteilnehmern innerhalb einer Branche strukturiert und systematisch zu untersuchen. Das Fünf­Stärken Modell dient dazu die Attraktivität neuer Branchen vor dem potenziellen Markteintritt eines Unternehmens zu untersuchen (vgl. Hungenberg, 2014, S. 106). Das Modell von Porter analysiert im Rahmen der Branchenstrukturanalyse die Bedrohung durch Konkurrenten, Substitutsprodukten, die Marktmacht der Abnehmer, Lieferanten und die Rivalität innerhalb der Branche. Zwar ist die Branchenumwelt ebenso relevant für die Identifikation von Veränderungen, jedoch nicht der Ausgangspunkt der Erscheinung. Das bedeutet, dass schwache Signale und Diskontinuitäten zuerst im weiteren Umfeld (PESTEL) auftauchen (vgl. Hungenberg, 2014, S. 106). Nichtsdestotrotz gibt es neben den genannten fünf Stärken, welche auf eine Branche einwirken, auch andere Faktoren, die relevant sind. Diese werden jedoch im Rahmen der Branchenstrukturanalyse nicht berücksichtigt. Dies ist beispielsweise dann der Fall, wenn Unternehmen in mehreren Branchen konkurrieren. Hungenberg (2011) führt hierfür ein Beispiel von PepsiCo an, bei dem dieser Jahre lang keine Chance hatte, die eigenen Getränke bei großen Gastronomieketten, wie McDonalds und Co. abzusetzen. Der Grund dafür war, dass PepsiCo als Eigentümer von Pizza Hut selbst Konkurrent dieser potenziellen Abnehmer (McDonalds) war (vgl. Hungenberg, 2014, S. 110). Diese Art von Wettbewerbsbeziehungen müssen im Rahmen einer Branchenumweltanalyse auch ergänzend berücksichtigt werden, sind jedoch zweitrangig, wenn es um die frühzeitige Identifikation von drohenden Diskontinuitäten in der Makro-Umwelt geht (vgl. Hungenberg, 2014, S. 106).

2.2 Definition

Die strategische Frühaufklärung lässt sich, wie die Strategie selber, auf den militärischen Bereich zurückführen. In diesem Bereich wurde die Frühaufklärung beispielsweise durch die Luftraumüberwachung, Kundschaftern oder Spionen durchgeführt (vgl. Hammer, 1992, S. 171). Aber auch in vielen Bereichen der Biologie und Medizin nutzen das Konzept der Frühaufklärung bzw. Früherkennung, wie beispielsweise bei Vogelwarnrufen oder die Behandlung von Krebs (vgl. Hammer, 1992, S. 171).

Wichtige Ereignisse innerhalb Unternehmensumwelt werfen ihren Schatten voraus und kündigen sich durch schwache Signale an (vgl. Ansoff, 1975). Dies ist das Grundkonzept worauf die SFA aufbaut. Das Strategic Issue Management wurde bekannterweise von Harry Igor Ansoff im Jahre 1980 entwickelt und hat maßgeblich den Bereich der SFA beeinflusst. Die wichtigsten Veröffentlichungen von Ansoff hierzu sind Strategic Issue Management (1980) und Managing Strategic Surprise by Response to Weak Signals (1975). Ungeachtet dessen, wurden jedoch vorher bereits vergleichbare Ideen bspw. durch Bright (1970) veröffentlicht.

Das Management von schwachen Signalen bildet den Kern der strategischen Frühaufklärung. In anderen Worten: erste Anzeichen für Bedrohungen oder Chancen müssen rechtzeitig identifiziert und richtig interpretiert werden, damit aufbauende wirkungsvolle Reaktionsstrategien abgeleitet werden können (vgl. Ansoff, 1975). Der am meist häufig genannte Satz im strategischen Management sei nach Bea und Haas (vgl. Bea and Haas, 2017, S. 92), dass die organisationale Umwelt stetig komplexer und dynamischer wird. Folglich sinkt die Vorhersehbarkeit disruptiver Entwicklungen, die wiederum Kernpunkt von Ansoffs Konzept der schwachen Signale darstellt (vgl. Kirsch and Roventa, 1983, S. 245). Aus diesem Grund sind alle Unternehmen und öffentliche Organisationen gezwungen in viel kürzeren Zeiträumen ihre Strategien anzupassen und Innovationen anzustreben (vgl. Möhrle, 2008, S. 86).

Grundlegende und übergreifende Basis aller Frühaufklärungs-Konzepte ist der kontinuierliche Blick nach außen. Denn wenn strategische Entwicklungen frühzeitig erkannt werden, kann das Unternehmen oder die Organisation rechtzeitig Ressourcen für die Reaktion bereitstellen bzw. erwerben (vgl. Maertins, 2019). Das Problem liegt aber eher darin, dass schwachen Signalen mehr Unsicherheit in deren tatsächlicher Bedeutung zugeschrieben wird, je früher sie erkannt werden. „There are many false and misleading signals in the environment, and it is hard to isolate the valid signals from the ‘noise’.”(Bright, 1970, S. 70).

Obwohl die strategische Frühaufklärung eine lange Forschungshistorie bis in die 40er aufweist, wird sie immer noch als „still a partically explored area in terms of research“ (Öner und Be§er, 2011, S. 49) bezeichnet. Das liegt zum einen daran, dass in der bestehenden Literatur kein einheitliches Verständnis für den Begriff herrscht und deshalb eine mangelnde Integration von Erkenntnissen in der Forschung stattgefunden hat. Roll und Weber argumentieren, dass strategische Frühaufklärung keine begriffliche Abgrenzung hat und deshalb in der Unternehmenspraxis nicht allzu sehr erforscht wurde (vgl. Hutzschenreuter und Griess-Nega, 2006, S. 199).

2.3 Historische Entwicklung

Erste Ansätze in diesem Gebiet sind auf die 70er Jahre zurückzuführen, denn Unternehmen waren aufgrund von wirtschaftlichem Rückgang und zunehmender Instabilität gezwungen interne und externe Umweltfaktoren frühzeitig in Ihren Strategieprozess mit zu berücksichtigen. Heute definieren Unternehmen und Forschungseinrichtungen das Konzept der strategischen Frühaufklärung anhand verschiedener Kategorisierungen (vgl. Welge and Al-Laham, 2003, S. 302).

Die erste Kategorisierung ist die strategische Frühwarnung, welche einer der ersten Ansätze war und aus Kennzahlen und Hochrechnungen zur Erkennung von Risiken bestand (vgl. Weigand and Buchner, 2000, S. 11). Diese erste Generation bestand hauptsächlich aus der frühzeitigen Ortung von Bedrohungen. Vorher definierte Kennzahlen beinhalteten stets Ist- und Sollwerte, welche verglichen wurden, um frühzeitige Abweichungen zu erkennen. Die Effektivität und das Ergebnis waren ausschließlich auf Risiken begrenzt (vgl. Gareis, 1994, S. 41f.).

Diese Methode wurde durch die zweite Kategorisierung, die Früherkennung, ersetzt bzw. erweitert. Weigand und Buchner beschreiben die Früherkennung als „operative Früherkennung mit Hilfe von Indikatoren zur Erkennung von potenziellen Chancen und Risiken“ (Weigand and Buchner, 2000, S. 11). Somit wurden erstmals auch strategische Chancen in der strategischen Planung mitberücksichtigt. Dieser Ansatz wurde häufiger in Verbindung mit einer kurzfristigen Sichtweise eingesetzt (vgl. Klausmann, 1983, S. 43).

Die letzte und dritte Kategorie ist die strategische Frühaufklärung, welche neben der Erkennung von Risiken und Chancen, auch das Aufzeigen von Handlungsmöglichkeiten auf schwache Signale beinhaltet (vgl. Welge and Al-Laham, 2003, S. 302). Die Abgrenzung zu den vorherigen Verfahren besteht darin, dass die strategische Frühaufklärung zum einen in den Strategieentwicklungsprozess integriert wird und zum anderen, dass die ersten beiden Generationen eher für die operativen Tätigkeiten ausgerichtet waren. Nur die letzte Generation ist strategisch und kann sowohl Chancen und Risiken zusammenfassen, sowie Handlungsoptionen aufzeigen (vgl. Lasinger, 2011, S. 19).

2.4 Strategic Issue Management und Weak Signals

Im Folgenden sollen, um ein besseres Verständnis von strategischer Frühaufklärung zu bekommen grundlegende Bausteine, auftretende Diskontinuitäten in der Umwelt und das Konzept der schwachen Signale, auch genannt „weak signals“ genauer beschrieben werden.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1: "Strategic Issue Management nach Ansoff" (eigene Darstellung)

In Abbildung 1 wird versucht die chronologische Reihenfolge darzustellen, um genauer auf die jeweiligen Entwicklungsstufen von SFA einzugehen. Demnach werden zuerst Diskontinuitäten bzw. Veränderungen in der Unternehmensumwelt wahrgenommen. Bei konkreter Betrachtung und mit mehr Informationsgehalt ergeben sich sogenannte schwache Signale. Sobald diese schwachen Signale mit einer strategischen Relevanz bewertet werden, handelt es sich um „strategic issues“. Im nächsten Schritt werden im Rahmen des „Strategic Issue Managements“ diese „issues“ vom Entscheidungsträger mit den einhergehenden Auswirkungen und Konsequenzen bewusst definiert, woraufhin es im letzten Schritt zu einer Aktion kommt, in der mögliche Antwortstrategien gebildet werden (vgl. Lasinger, 2011, S. 28). Unter einem strategischen Issue-Management-System versteht Ansoff (1980): „... a systematic procedure for early identification and fast response to important trends and events both inside and outside an enterprise“. (Ansoff, 1980, S. 134). Ansoff und Sullivan stellen auch eine Skala auf, welche von 1 bis 5 die Turbulenz der Unternehmensumwelt beschreibt, wobei 1 eine stabile und 5 eine sehr turbulente Umwelt ist. Diese Einstufung hilft dabei, die Umwelt mit dem Verhalten des Unternehmens zu vergleichen, da Unternehmen unterschiedlich auf Veränderungen in der Umwelt reagieren. In einer sehr turbulenten Umwelt mit der Klassifizierung 5, sind kreative Methoden und Vorgehensweisen besser angebracht als klassische Instrumente des strategischen Managements (vgl. Courtney, Kirkland and Viguerie, 1997, S. 68). Die Hauptinformationsquelle des Unternehmensumfelds sind schwache Signale (weak signals).

Diskontinuitäten

Diskontinuitäten sind Ereignisse, welche durch Strukturumbrüche oder Unstetigkeit hinsichtlich des Systemzustands ausgelöst werden (vgl. Müller, 1981, S. 37). Laut Ansoff ist die Zukunft aufgrund verstärkter Umweltdynamik vermehrt von Strukturumbrüchen und Diskontinuitäten betroffen (vgl. Ansoff, 1975, S. 23). Ansoff erklärt weiter, dass diese Ereignisse bzw. Diskontinuitäten strategische Überraschungen sind, welche entweder enorm gewinnversprechend oder stark verlustbringend sein können (vgl. Ansoff, 1975, S. 23ff.). Diskontinuitäten sind jedoch nicht nur auf die externe Unternehmensumwelt beschränkt, sondern können auch in der internen Unternehmensumwelt entstehen (vgl. Liebl, 1991, S. 6).

Strategic Issues

Strategic issues werden von Ansoff als zukünftige Entwicklungen, entweder im internen oder im externen Unternehmensumfeld, welche mit hoher Wahrscheinlichkeit einen großen Einfluss auf die Erreichung der Unternehmensziele haben wird, definiert. (vgl. Ansoff, 1980, S. 133). Strategic issues können über schwache Signale gedeutet werden(vgl. Mauthe, 1988, S. 518).

Weak Signals

Mit dem Konzept der schwachen Signale ist Ansoff (1975) der Hauptinitiator der SFA. Schwache Signale sind frühe Anzeichen dafür, dass sich unter bestimmten Bedingungen sehr wichtige Veränderungen und Entwicklungen abzeichnen werden (vgl. Kirsch and Roventa, 1983, S. 245). Sie haben unter anderem ihren Ursprung in öffentlichen neuen Meinungen, immer öfter geschehenen Ereignissen und stellen stückweise Informationen von künftigen Entwicklungen dar, welche sich mit der Zeit immer mehr verdeutlichen. Hier entsteht ein großes Dilemma, denn wenn Unternehmen auf wahrgenommene schwache Signale nicht reagieren, sondern auf die Vervollständigung der Informationen warten, dann könnte das Risiko Kosten verursachen oder die Chance zum Gewinn könnte verloren gehen (vgl. Hammer, 1992). Laut Simon sind die wichtigsten Eigenschaften schwacher Signale zusammenfassend folgende:

- Unstrukturierte Inhalte mit Informationen über die Unternehmensumwelt
- Weisen charakteristisch auf Innovationen und Diskontinuitäten hin
- Weisen auf unwahrscheinlich und unrealistisch erscheinende Ideen hin
- Beruhen überwiegend auf intuitiven und „weichem“ Wissen
- Die Auswirkungen bei Eintritt sind sehr unklar
- Ermöglichen kein konkretes Verständnis, sondern schildern noch unklare und unstrukturierte Probleme dar
- Resultieren aus Vermutungen, Korrelationen und Wertkonflikten (vgl. Simon, 1986, S. 18).

2.5 Idealtypischer Prozess der SFA

Entscheidungsträger erfolgreicher Unternehmen warten nicht darauf, dass Krisen sie zu Handlungen zwingen, sondern arbeiten proaktiv um Chancen zu erkennen und zu nutzen (vgl. Lasinger, 2011, S. 49). Die Leitfragen die einen SFA-Prozess begleiten sind:

- Stammt der Hinweis aus dem internen oder externen Umfeld?
- Aus welchem Gebiet stammt der Hinweis? (technologisch, politisch etc.)
- Welche Ursachen gibt es?
- Welche Konsequenzen kann das Unternehmen auf die Veränderung erwarten?
- Welche Managementebene ist betroffen? (strategisch oder operativ)? (vgl. Lasinger, 2011, S. 50).

Für die erfolgreiche Beantwortung dieser Fragen müssen aktiv Veränderungen gesucht, identifiziert, diagnostiziert und bewertet werden (vgl. Lasinger, 2011, S. 50).

Liebl (1991, S. 11) sieht einen idealtypischen Prozess dreier iterativer Stufen vor (Activation, Assesment, Action), um Informationen aus dem Unternehmensumfeld zu gewinnen und Reaktionsstrategien abzuleiten. Grundsätzlich wird der Prozess in drei Teilschritte gegliedert: Activation (A1), Assessment (A2) und Action (A3). Im Rahmen dieses idealtypischen Prozesses wird versucht durch die Umweltbeobachtung Informationen zu beschaffen, daraufhin diese in der zweiten Phase zu verdichten und im Rahmen der Diagnose die gefundenen Elemente zu verstehen und zu interpretieren. Zum Schluss werden für die gewonnen Ergebnisse entsprechende Antwort- bzw. Reaktionsstrategien erläutert (vgl. Liebl, 1991, S. 11f.). Klar erkennbar ist, dass die ersten beiden Phasen in die letzte Phase einfließen müssen. Nichtsdestotrotz muss der Prozess mit einer Identifizierung eines schwachen Signals beginnen, denn ohne das Erkennen gibt es auch kein Kennen. Zu erwähnen wäre auch, dass durch Verbesserungsvorschläge eine Wiederholung des Prozesses mehrmals stattfinden kann (vgl. Liebl, 1991, S. 12). Im Folgenden werden die einzelnen Prozessbestandteile für ein besseres Verständnis näher erläutert.

Abbildung in dieser Leseprobe nicht enthalten

Im ersten Schritt wird von einer Aktivierung bzw. Inkraftsetzung gesprochen, welche das Erkennen eines schwachen Signals zur Folge hat. In diesem Kontext wird das zu betrachtende Unternehmen als offenes und abhängiges Mitglied der Umwelt begriffen (vgl. Lasinger, 2011, S. 52f.). Zwar sind die Informationen in dieser Phase noch stückhaft und unzureichend, dennoch kann bereits von einer Veränderung des gegenwärtigen Zustands ausgegangen werden. Als Konsequenz lässt sich bemerken, dass momentane Strategien durch die einhergehende Veränderung wirkungslos bzw. obsolet werden könnten (vgl. Lasinger, 2011, S. 54). Zur Identifizierung können in diesem Schritt verschiedene Methoden angewandt werden. Eine ausführliche Auflistung und Beschreibung bestehender Methoden aus dem Gebiet der Frühaufklärung wird jedoch in Punkt 2.6 stattfinden. Befragungen, Studien, Portfolioanalysen oder etwa Lebenszyklusmodelle gehören zu den formalen Aktivitäten in dieser Phase (vgl. Lasinger, 2011, S. 54f.). Zu den weiter verbreiterten Methoden zählen jedoch verschiedene Scanning, Monitoring Aktivitäten, Szenario­Analysen und Delphi-Befragungen (vgl. Lasinger, 2011, S. 54). Somit kann festgehalten werden, dass die Hauptaktivität in dieser Phase auf der bewussten Beobachtung des Umfeldes (Scanning und Monitoring) liegt (vgl. Liebl, 1991, S. 12ff.). Nichtsdestotrotz gilt, bevor man einen Scanning-Prozess initiieren kann, als Teilschritt vorher einen Beobachtungsbereich zu definieren. Wenn dies nicht geschieht, dann könnte das Unternehmen hohe Kosten davontragen (vgl. Müller, 1981, S. 167).

Der nächste Schritt beinhaltet eine thematische Kategorisierung und Zusammenfassung der gesammelten Inhalte. Diese aufbereitete Sammlung wird im Anschluss interpretiert, selektiert und bewertet (vgl. Müller, 1981, S. 160). Zum einen müssen nun die gesammelten Signale interpretiert und tiefgehend verstanden werden und zum anderen die Ursachen, sowie Auswirkungen bewertet werden (vgl. Lasinger, 2011, S. 55f.). Ebenso gehört es dazu die einzelnen Signale bzgl. ihrer zeitlichen Dringlichkeit einzuordnen (vgl. Simon, 1986, S. 15). Zu den verbreiteten Methoden in dieser Phase gehört beispielsweise die Cross-Impact-Analyse (vgl. Gareis, 1994, S. 132).

Im letzten Schritt Action (A3) wird basierend aus den vorherigen Erkenntnissen eine Antwortstrategie gebildet (vgl. Klausmann, 1983, S. 40). Die konkrete Reaktion auf ein schwaches Signal, sowie die Implementierung und Kontrolle der Antwortstrategie gehören zu dieser Phase. Anzumerken ist dennoch, dass operative Produktinnovationen oder Portfolio-Erweiterungen nicht zu diesem Schritt gehören, sondern dem Innovationsmanagement weitergegeben werden (vgl. Lasinger, 2011, S. 56).

2.6 Methoden der Zukunftsforschung

Grundlage aller Methoden, welche dafür eingesetzt werden schwache Signale und Trends zu ermitteln ist eine vorher stattfindende Desktop-Recherche bzw. Umfeldscanning. Ziel ist es hierbei systematisch, wie etwa nach der PEST-Methodik alle relevanten Entwicklungen in der weiten Unternehmensumwelt zu ermitteln (vgl. Müller, 2008). Aufbauend auf diesen Wissensstand folgen die weiter unten erklärten Methoden. Da die vorliegende Arbeit jedoch den Schwerpunkt auf den Einsatz von BDA legt, werden nicht alle vorhandenen Methoden vorgestellt, sondern nur die am meist genutzten (vgl. Müller, 2008).

[...]

• College: SRH University of Heidelberg
• Grade: 1,0
• Publication Year: 2020
• Pages: 65
• Catalog Number: V943311
• ISBN (eBook): 9783346280206
• ISBN (Book): 9783346280213
• Language: German
• Tags: Strategische Frühaufklärung, Schwache Signale, Weak Signals, Big Data Analytics, Web Mining, Text Mining, Data Analytics, Risikomanagement, Ansoff, Environmental Scanning, Umfeldscanning, Zukunftsforschung, Strategic Foresight, Methoden