Grundidee der digitalen Transformation

Die digitale Transformation wird durch verschiedene Basistechnologien ermöglicht, die sich über Jahrzehnte entwickelt haben. Sie bilden heute die Grundlage für:

• neue Geschäftsmodelle

• Produktinnovationen

• veränderte Arbeitsprozesse

Für Unternehmen ist entscheidend:

• welche Technologien für die eigene Branche relevant sind

• wie diese strategisch eingesetzt werden können

Cloud Computing

Definition

Cloud Computing bezeichnet die Bereitstellung von:

• Rechenleistung

• Speicherplatz

• Anwendungen

über das Internet.

Unternehmen müssen dadurch keine eigenen Server mehr betreiben, sondern können IT-Ressourcen bei spezialisierten Anbietern flexibel mieten und je nach Bedarf anpassen.

Folgen für Unternehmen

• keine hohen Anfangsinvestitionen mehr notwendig

• Abrechnung nach tatsächlicher Nutzung

• flexible Skalierung der IT-Infrastruktur

→ Wandel von klassischen IT-Strukturen hin zu flexiblen Cloud-Strukturen.

NIST-Definition von Cloud Computing

Nach dem National Institute of Standards and Technology (NIST) besteht Cloud Computing aus:

• fünf essenziellen Charakteristika

• drei Service-Modellen

• vier Deployment-Modellen

Diese Definition gilt international als Standard und bildet die Grundlage regulatorischer Frameworks.

Fünf Charakteristika des Cloud Computings

1. On-Demand Self-Service

Nutzer können Ressourcen selbstständig bereitstellen, ohne direkten Kontakt zum Anbieter.

Beispiel:

• automatische Skalierung bei hohen Zugriffszahlen (Traffic-Spitzen)

2. Broad Network Access

Cloud-Services sind über Netzwerke verfügbar und über standardisierte Mechanismen zugänglich.

Unterstützte Geräte:

• Smartphones

• Tablets

• Laptops

• Workstations

3. Resource Pooling

Anbieter bündeln Ressourcen in sogenannten Multi-Tenant-Modellen.

Merkmale:

• dynamische Zuweisung physischer und virtueller Ressourcen

• mehrere Nutzer teilen sich dieselbe Infrastruktur

• Nutzer kennen den exakten Speicherort der Ressourcen meist nicht

Exkurs: Multi-Tenant-Modell

Bedeutung:

• viele Kunden nutzen dieselbe Software/Infrastruktur gemeinsam

• Daten bleiben dennoch strikt getrennt

Vergleich:

• wie ein Mietshaus:

  • Gebäude wird gemeinsam genutzt

  • Wohnungen bleiben getrennt

Vorteile:

• geringere Kosten

• weniger Wartungsaufwand

• einfachere Updates

• bessere Skalierbarkeit

Typisch für:

• CRM-Systeme

• E-Mail-Plattformen

4. Rapid Elasticity

Kapazitäten können schnell und teilweise automatisch:

• erweitert

• reduziert

werden.

Für Nutzer wirken Ressourcen nahezu unbegrenzt und jederzeit verfügbar.

5. Measured Service

Die Ressourcennutzung wird automatisch gemessen und überwacht.

Dadurch:

• Optimierung der Ressourcennutzung

• Transparenz für Anbieter und Nutzer

• Kontrolle und Reporting der Nutzung

1. Infrastructure as a Service (IaaS)

Bereitstellung grundlegender IT-Ressourcen:

• virtuelle Server

• Speicher

• Netzwerke

2. Platform as a Service (PaaS)

Zusätzlich zu Infrastruktur werden Entwicklungsumgebungen bereitgestellt.

Unternehmen können:

• eigene Anwendungen entwickeln

• Anwendungen bereitstellen

3. Software as a Service (SaaS)

Fertige Anwendungen werden direkt über die Cloud genutzt.

Beispiele:

• E-Mail-Systeme

• CRM-Systeme

• Buchhaltungssoftware

Vier Deployment-Modelle

1. Public Cloud

• öffentliche Nutzung

• Infrastruktur gehört Cloud-Provider

2. Private Cloud

• exklusive Nutzung durch eine Organisation

3. Community Cloud

• gemeinsame Infrastruktur für Organisationen mit ähnlichen Anforderungen

4. Hybrid Cloud

Kombination aus mehreren Cloud-Infrastrukturen.

Wirtschaftliche Bedeutung von Cloud Computing

Cloud Computing ermöglicht den Wandel:

• von kapitalintensiven IT-Strukturen (CapEx)

• zu operativen IT-Strukturen (OpEx)

Folgen:

• keine Infrastruktur für Spitzenlasten notwendig

• Ressourcen werden flexibel bezogen

• Zahlung nach tatsächlicher Nutzung (Pay-per-Use)

Auswirkungen:

• geringere Eintrittsbarrieren für Start-ups

• schnellere Reaktion etablierter Unternehmen auf Marktveränderungen

Vorteile von Cloud Computing

Für Start-ups

• Zugang zu leistungsfähiger Infrastruktur mit geringen Mitteln

Für mittelständische Unternehmen

• flexible Anpassung an saisonale Schwankungen

• mehr Rechenleistung in Hochzeiten

• Reduzierung in ruhigigen Phasen

Für Softwarebereitstellung

• keine Installation auf einzelnen Rechnern notwendig

• Nutzung zentral über Webbrowser

Strategische Bedeutung und Machtverschiebung

Cloud Computing ist nicht nur eine technische Lösung, sondern führt auch zu:

• neuen Abhängigkeiten

• Machtverschiebungen

Hyperscaler

Große Anbieter wie:

• Amazon Web Services (AWS)

• Microsoft Azure

• Google Cloud

kontrollieren einen großen Teil der globalen Infrastruktur.

Lock-in-Effekt

Problem: Unternehmen werden abhängig von bestimmten Cloud-Anbietern.

Ursachen:

• proprietäre Plattformen

• technische Inkompatibilitäten

• vertragliche Bindungen

• Investitionen in spezifisches Know-how

Folge:

• Wechsel zu anderem Anbieter schwierig und teuer

→ Cloud Computing ist daher ein „zweischneidiges Schwert“:

• erleichtert Skalierung und Markteintritt

• erhöht gleichzeitig Abhängigkeiten

Datenschutz und Datensicherheit

Sensible Unternehmensdaten liegen bei externen Dienstleistern.

Wichtige Fragen:

• Wer kontrolliert die Daten?

• Wo werden Daten physisch gespeichert?

• Welche Datenschutzgesetze gelten?

Besonders relevant wegen unterschiedlicher nationaler Datenschutzregelungen.

Multi-Cloud- und Hybrid-Cloud-Strategien

Multi-Cloud

Unternehmen nutzen mehrere Cloud-Anbieter parallel.

Ziele:

• geringere Abhängigkeit

• Minimierung von Ausfallrisiken

Hybrid Cloud

Kombination aus:

• privaten internen Cloud-Infrastrukturen

• öffentlichen Cloud-Services

Vorteil:

• Balance zwischen Kontrolle und Skalierbarkeit

Cloud Computing wird als Basistechnologie bzw. General Purpose Technology (GPT) betrachtet.

Merkmale solcher Technologien:

• branchenübergreifend einsetzbar

• ermöglichen viele weitere Innovationen

Historische Beispiele:

• Dampfmaschine

• Elektrizität

Rolle von Cloud Computing

Cloud Computing:

• ist selbst keine Differenzierungstechnologie

• schafft allein noch keinen Wettbewerbsvorteil

Die strategische Relevanz entsteht erst durch:

• Anwendungen

• darauf aufbauende Innovationen

• Innovationsökosysteme

→ Unternehmen sollen Cloud nicht nur als Kostenfaktor, sondern als Enabler von Innovation verstehen.

Grundbedeutung mobiler Technologien

Die Verbreitung von:

• Smartphones

• Tablets

hat grundlegend verändert:

• wie Menschen mit Unternehmen interagieren

• wie Arbeit organisiert wird

Mobile Geräte wurden innerhalb weniger Jahre zum primären Zugangskanal zum Internet.

Bedeutung für Unternehmen

Unternehmen müssen:

• Websites

• Online-Shops

• digitale Services

primär für mobile Endgeräte optimieren.

Mobile First

Definition

„Mobile First“ beschreibt den Paradigmenwechsel:

• Entwicklung beginnt mit der mobilen Version

• Desktop-Version wird anschließend angepasst

Früher:

• zuerst Desktop-Version

• danach Anpassung für mobile Geräte

Heute:

• mobile Nutzung steht im Mittelpunkt

Auswirkungen auf Design und Nutzung

Mobile Nutzung erfordert ein Umdenken, da:

• Bildschirme kleiner sind

• Eingabemöglichkeiten unterschiedlich sind

• Nutzungssituationen variieren

Beispiel:

• mobile Nutzung unterwegs → andere Bedürfnisse

• Nutzung am heimischen Computer → andere Anforderungen

Strategische Bedeutung mobiler Technologien

Mobile Technologien gehen weit über Designfragen hinaus.

Da Smartphones der wichtigste Zugang zum Internet sind, beeinflussen sie:

• digitale Geschäftsmodelle

• Wertschöpfungslogiken

• Kundenbeziehungen

Mobile Technologien als Grundlage digitaler Plattformen

Viele Plattformunternehmen wären ohne Smartphones nicht skalierbar gewesen.

Beispiele:

• Uber

• Airbnb

Grund:

• Nutzer:innen sind jederzeit und ortsunabhängig erreichbar

Veränderung der Machtbalance

Mobile Technologien verschieben die Beziehung zwischen Unternehmen und Konsument:innen.

Kund:innen erwarten heute:

• permanente Verfügbarkeit

• sofortige Reaktionen

• ortsunabhängigen Zugriff

→ Mobile wird dadurch:

• technische Voraussetzung

• Katalysator neuer Wertschöpfungsformen

Location-based Services

Diese nutzen die Ortungsfunktion von Smartphones für kontextabhängige Dienste.

Beispiele:

• Restaurant-Finder zeigt Lokale in der Nähe

• Einzelhandels-App informiert über Angebote in Filialnähe

Mobile Payment

Mobile-Payment-Lösungen verändern das Bezahlverhalten.

Merkmale:

• bargeldlose Zahlungen

• auch bei kleinen Beträgen möglich

Beispiele international

China

• WeChat Pay

• Alipay

→ dominieren den Alltag nahezu vollständig

Europa

• Apple Pay

• Google Pay

• Twint (Schweiz)

• Mobile Pay (Skandinavien)

→ gewinnen zunehmend an Bedeutung

Gatekeeper-Rolle mobiler Ökosysteme

Mobile Ökosysteme wie:

• App-Stores

• In-App-Payments

haben eine zentrale Kontrollfunktion.

Sie sind ein Beispiel für:

• zweiseitige Märkte

• Ex-ante-Regulierung

Zweiseitige Märkte

Plattformen arbeiten gleichzeitig mit:

• Nutzerseite

• Entwicklerseite

Preissetzung erfolgt über beide Seiten hinweg.

Ex-ante-Regulierung

Definition: Regeln werden bereits im Vorfeld für marktmächtige Plattformen festgelegt.

Mögliche Vorgaben:

• faire Gebühren

• Interoperabilität

• Datenzugang

• Verbot von „self-preferencing“

Self-preferencing

Bevorzugung eigener Angebote durch Plattformbetreiber.

Unterschied zum ex-post-Kartellrecht

Ex-ante-Regulierung

• Regeln greifen vorbeugend

Ex-post-Kartellrecht

• Eingriff erst nach festgestelltem Missbrauch

Bedeutung für Geschäftsmodelle

Wichtige Faktoren:

• Gebührenstrukturen

• Default-Kanäle

• Steering

Diese beeinflussen:

• Sichtbarkeit von Angeboten

• Nutzerentscheidungen

• Marktzugang

Mobile Technologien ermöglichen flexiblere Arbeitsmodelle.

Beispiele

• Zugriff auf Unternehmensdaten von unterwegs

• Servicetechniker:innen erhalten Aufträge direkt auf Tablets

• Vertriebsmitarbeitende greifen beim Kunden auf Produktinformationen und Bestellsysteme zu

Auswirkungen auf Unternehmen

Vorteile

• höhere Effizienz

• schnellere Prozesse

• ortsunabhängiges Arbeiten

Herausforderungen

• neue Sicherheitskonzepte notwendig

• stärkere Datenschutzanforderungen

Einordnung in die Innovationsforschung

Mobile Technologien gelten als Market-Pull-Technologie.

Market Pull vs. Technology Push

Mobile Technologien = Market Pull

Entwicklung wurde durch veränderte Nutzergewohnheiten angetrieben.

Menschen organisierten zunehmend:

• Kommunikation

• Konsum

• Arbeit

über Smartphones.

Unternehmen mussten ihre Angebote entsprechend anpassen.

Cloud Computing / KI = Technology Push

Diese Technologien wurden vor allem durch:

• Forschung

• technologische Entwicklung

vorangetrieben.

Folgen der Marktorientierung

Die starke Orientierung an Nutzerbedürfnissen erklärt:

• schnelle Verbreitung mobiler Technologien

• kürzere Diffusionsphase im Vergleich zu anderen Technologien

Zentrale Erkenntnis

Technologien entfalten ihre transformative Wirkung erst, wenn:

• sie gesellschaftliche Bedürfnisse treffen

• neue Geschäftsmodelle ermöglichen

Strategische Konsequenz für Unternehmen

Unternehmen müssen technologische Trends immer auch im Zusammenhang betrachten mit:

• Nutzerverhalten

• Nachfrageentwicklung

• gesellschaftlichen Veränderungen

→ Nicht nur die Technologie selbst ist entscheidend, sondern auch ihre Akzeptanz und Nutzung durch Menschen.

Grunddefinition von Künstlicher Intelligenz (KI)

Künstliche Intelligenz (KI) bezeichnet den Versuch, computergestützte Systeme zu entwickeln, die Aufgaben übernehmen können, für die normalerweise menschliche Intelligenz notwendig ist.

Beispiele:

• Muster erkennen

• natürliche Sprache verstehen

• Entscheidungen unter Unsicherheit treffen

KI im Unternehmenskontext

In Unternehmen bedeutet KI vor allem:

• datengetriebene Systeme

• Lernen aus großen Datenmengen

• Erstellung von Vorhersagen

• Unterstützung von Entscheidungsprozessen

Wichtig: KI ist keine einzelne Technologie, sondern ein Bündel unterschiedlicher Methoden.

Dieses Spektrum reicht von:

• regelbasierten Expertensystemen

• klassischem Machine Learning

• tiefen neuronalen Netzen

bis hin zu:

• Large Language Models (LLMs)

Schwache und starke KI

Schwache / enge KI (Narrow AI)

Heutige KI-Systeme:

• besitzen kein Bewusstsein

• haben keine allgemeine Vernunft

• sind hoch spezialisiert

• funktionieren nur in klar abgegrenzten Aufgabenbereichen

Der praktische Nutzen für Unternehmen entsteht aktuell fast ausschließlich durch diese Form der KI.

Starke KI (General AI)

Hypothetische KI mit:

• menschenähnlichen kognitiven Fähigkeiten

• allgemeiner Problemlösungsfähigkeit

Diese Form wird zwar erforscht, liegt aber nach aktuellem Stand weiterhin in ferner Zukunft.

Bedeutung der Unterscheidung für Unternehmen

Unternehmen müssen Erwartungen realistisch einordnen.

Wichtig:

• heutige KI = spezialisierte Anwendungen

• keine allwissenden Maschinen

Formen der KI

1. Symbolische KI / regelbasierte Systeme

Merkmale:

• Wissen wird explizit über Regeln und Logik codiert

Historische Bedeutung:

• dominierte die KI-Forschung von den 1950er- bis 1980er-Jahren

2. Machine Learning (ML)

Systeme lernen aus Daten, ohne explizit programmiert zu werden.

Zentrale Lernformen:

• überwachtes Lernen

• unüberwachtes Lernen

• bestärkendes Lernen

3. Deep Learning (DL)

Spezielle Form des Machine Learnings.

Merkmale:

• mehrschichtige neuronale Netze

Ermöglicht große Fortschritte bei:

• Bilderkennung

• Spracherkennung

• Texterkennung

4. Large Language Models (LLMs)

Vortrainierte Modelle mit breiter Einsetzbarkeit.

Funktionen:

• Sprache verstehen

• Sprache generieren

Entwicklung der KI

Die Entwicklung verlief nicht linear, sondern in Wellen.

Dabei gab es sogenannte:

• „KI-Winter“

Einflussfaktoren:

• Verfügbarkeit von Daten

• Rechenleistung

• algorithmische Durchbrüche

KI als strategische Ressource

Für Unternehmen ist KI nicht nur eine technische Lösung, sondern eine strategische Ressource.

Die Wirkung entsteht vor allem durch die Fähigkeit:

• Daten systematisch zu sammeln

• Daten zu vernetzen

• Daten zu nutzen

→ KI wird damit zum Kern datengetriebener Geschäftsmodelle.

KI als General Purpose Technology

KI gilt als:

• Basistechnologie

• General Purpose Technology

Merkmale:

• branchenübergreifend einsetzbar

• ermöglicht viele komplementäre Innovationen

Potenziale:

• Prozessoptimierung

• neue Produkte

• neue Geschäftsmodelle

• neue Geschäftslogiken

Unterschied zu spezialisierten Tools:

• KI verändert nicht nur einzelne Prozesse

• sondern ganze Wertschöpfungslogiken

Anwendungsbeispiele von KI

1. Kundenservice

Chatbots und virtuelle Assistenten

Funktionen:

• beantworten Standardanfragen

• leiten komplexe Fälle an Menschen weiter

Technische Grundlage:

• Natural Language Processing (NLP)

• Lernen aus historischen Konversationen

Vorteile:

• kontinuierliche Verbesserung

• 24/7-Basisversorgung der Kundschaft

• weniger Personalbedarf rund um die Uhr

2. Vertrieb

Empfehlungssysteme

Analysieren:

• individuelles Kaufverhalten

• Daten anderer Kund:innen

Ziel:

• Produkte mit hoher Kaufwahrscheinlichkeit empfehlen

Beispiel: Amazon

Ein erheblicher Teil des Umsatzes entsteht durch:

• algorithmisch personalisierte Produktempfehlungen

Auswirkungen:

• höhere Umsätze

• stärkere Kundenbindung

• Personalisierung wird zum erwarteten Standard

3. Produktion und Instandhaltung

Predictive Maintenance

Ziel:

• frühzeitige Erkennung von Anomalien in Maschinendaten

Vorteile:

• Wartung rechtzeitig planbar

• Vermeidung teurer Ausfälle

• höhere Anlageneffizienz

• Einsparungen für Unternehmen

Technische Grundlage:

• Sensorik

• Datenanalyse

• Machine-Learning-Algorithmen

Diese erkennen Muster, die Menschen kaum wahrnehmen können.

4. Personalmanagement

KI-Systeme:

• durchsuchen große Mengen an Bewerbungen

• filtern passende Profile heraus

Vorteile:

• schnellere Rekrutierungsprozesse

Risiken im Personalmanagement

Problem: KI übernimmt Verzerrungen (Biases) aus Trainingsdaten.

Beispiel:

• historische Bevorzugung bestimmter Gruppen

Folge:

• Diskriminierungen werden reproduziert

Wichtige Erkenntnis: KI ist nicht neutral, sondern verstärkt Muster aus vorhandenen Daten.

KI verändert Märkte und Erwartungen

Unternehmen mit KI-gestützter Personalisierung setzen neue Standards.

Wettbewerber müssen diese Standards häufig übernehmen.

Data Flywheel

Grundidee

Selbstverstärkender Kreislauf:

1. mehr Nutzende erzeugen mehr Daten

2. mehr Daten verbessern Algorithmen

3. bessere Algorithmen verbessern Nutzererlebnis

4. besseres Nutzererlebnis zieht neue Nutzende an

→ Kreislauf verstärkt sich selbst.

Folgen des Data Flywheel

• starke Netzwerkeffekte

• Märkte tendieren zu:

  • Oligopolen

  • Monopolen

Für Unternehmen:

• frühe KI-Investitionen können nachhaltige Wettbewerbsvorteile schaffen

Increasing Returns to Adoption

Ökonomische Erklärung des Data Flywheel.

Grundidee:

• je mehr Nutzende ein System hat, desto wertvoller wird es

Unterschied zu traditionellen Märkten:

Traditionelle Märkte

• sinkender Grenznutzen

• „Diminishing Returns“

Datengetriebene Märkte

• steigender Grenznutzen durch Dateneffekte

Folge:

• „Winner-Takes-Most“-Märkte

• Tendenz zu Monopolen/Oligopolen

Regulatorische Fragen

Zentrale Frage: Wann werden Datenvorteile zu unüberwindbaren Markteintrittsbarrieren?

Generative KI und Large Language Models

Seit 2022 erhielt generative KI starke Aufmerksamkeit.

Generative KI

Kann eigenständig erzeugen:

• Texte

• Bilder

• Code

• weitere Inhalte

Large Language Models (LLMs)

Beispiele:

• ChatGPT

• Claude

• Gemini

Technische Grundlage:

• tiefe neuronale Netze

• Training mit riesigen Textmengen

Fähigkeiten:

• natürliche Sprache verstehen

• natürliche Sprache erzeugen

Neue Anwendungsfelder für Unternehmen

• automatisierte Content-Erstellung

• Code-Generierung

• Zusammenfassungen komplexer Dokumente

• interaktive Kundenberatung

Halluzinationen

KI erzeugt:

• plausibel klingende

• aber falsche Informationen

Weitere Probleme:

• Urheberrechtsfragen

• Desinformation durch KI-generierte Inhalte

Grenzen und Herausforderungen von KI

Abhängigkeit von Datenqualität

KI-Systeme sind nur so gut wie ihre Trainingsdaten.

Probleme entstehen durch:

• fehlerhafte Daten

• unvollständige Daten

• unausgewogene Daten

→ führen zu unzuverlässigen Ergebnissen

Intransparenz von KI

Je komplexer Modelle sind, desto schwieriger werden sie nachvollziehbar.

Besonders problematisch bei:

• tiefen neuronalen Netzen

• „Black Boxes“

Diese liefern Ergebnisse, ohne dass Entscheidungswege klar nachvollziehbar sind.

Explainable AI (XAI)

Zentrale Frage: Wie können KI-Entscheidungen erklärbar gemacht werden?

Bedeutung:

• wichtig für Forschung

• wichtig für Regulierung

• wichtig für Vertrauen

Besonders relevant bei:

• Kreditvergabe

• Versicherungen

• medizinischen Diagnosen

Transparenz als Wettbewerbsvorteil

Transparenz wird zunehmend:

• nicht als Hindernis

• sondern als Wettbewerbsvorteil verstanden

Unternehmen schaffen Vertrauen, wenn KI:

• erklärbar

• auditierbar

• rechtlich verantwortbar

ist.

Ethische und rechtliche Fragen

Wichtige Fragen:

• Wer trägt Verantwortung bei Fehlentscheidungen?

• Wie können Diskriminierungen verhindert werden?

EU AI Act (2024)

Die EU schuf 2024 den ersten umfassenden Rechtsrahmen für KI.

Einteilung nach Risikoklassen

Von:

• minimalem Risiko bis:

• inakzeptablem Risiko

Je nach Risikoklasse gelten unterschiedliche:

• Transparenzpflichten

• Qualitätsstandards

• Aufsichtsmechanismen

Bedeutung für Unternehmen

KI darf nicht nur unter Effizienzgesichtspunkten betrachtet werden.

Unternehmen müssen zusätzlich berücksichtigen:

• regulatorische Anforderungen

• gesellschaftliche Anforderungen

• ethische Aspekte

Auswirkungen auf Organisationen und Arbeit

KI verändert:

• Organisationsstrukturen

• Arbeitsrollen

Anforderungen an Mitarbeitende

Mitarbeitende müssen lernen:

• mit KI-Systemen sinnvoll zu arbeiten

• Ergebnisse kritisch zu bewerten

• Fehler zu korrigieren

Neue Berufsbilder

Beispiele:

• Data Scientist

• Machine Learning Engineer

• KI-Ethikbeauftragte

Strategische Herausforderung für Unternehmen

Unternehmen müssen entscheiden:

• welche Aufgaben automatisiert werden

• wo menschliches Urteilsvermögen notwendig bleibt

Zentrale Schlussfolgerung

KI ist nicht nur:

• eine technische Frage

sondern auch eine Frage von:

• Unternehmenskultur

• Governance

• verantwortungsvollem Management

Das Internet of Things (IoT) beschreibt die zunehmende Vernetzung physischer Objekte.

Diese Objekte sind ausgestattet mit:

• Sensoren

• Aktoren

• Software

Die Geräte:

• erfassen Daten aus ihrer Umgebung

• tauschen Daten über das Internet aus

• reagieren teilweise autonom auf Basis dieser Informationen

Technologische Grundlagen des IoT

Die Entwicklung des IoT wurde durch mehrere technologische Fortschritte ermöglicht:

1. Miniaturisierung und günstigere Sensoren

• Sensoren wurden kleiner

• Sensoren wurden kostengünstiger

2. Energieeffiziente Funkstandards

Beispiele:

• 5G

• LoRaWAN

Dadurch:

• stabile Vernetzung

• geringer Energieverbrauch

3. Leistungsfähigere Rechenchips

• höhere Rechenleistung

• schnellere Datenverarbeitung

4. Integration von Cloud- und Edge-Computing

Edge Computing

Daten werden direkt dort verarbeitet, wo sie entstehen.

Vorteil:

• nicht alle Daten müssen an entfernte Rechenzentren gesendet werden

Smarte Dinge

Durch diese Entwicklungen können heute alltägliche Gegenstände:

• digital vernetzt

• intelligent gesteuert

werden.

→ sogenannte „smarte Dinge“.

IoT als Cyber-Physical System (CPS)

Theoretisch gilt das IoT als Ausprägung von Cyber-Physical Systems (CPS).

Definition CPS

Systeme, bei denen:

• physische Prozesse

• digitale Rechenkapazitäten

• Kommunikationssysteme

miteinander verschmelzen.

Unterschied zu klassischen eingebetteten Systemen

Cyber-Physical Systems zeichnen sich zusätzlich aus durch:

• Vernetzung

• Autonomie

• Selbstorganisation

Die Abbildung zeigt drei Ebenen der Datenverarbeitung:

1. Edge Computing

Definition

Datenverarbeitung direkt am Gerät bzw. Endgerät.

Beispiele aus der Abbildung:

• Smartphone

• Laptop

• Wearables

• Sensoren

• Fahrzeuge

• Roboter

Merkmale

• sehr geringe Latenz

• hoher Datenschutz

• schnelle Reaktionsfähigkeit

• begrenzte Rechenkapazität

Besonders wichtig für:

• autonomes Fahren

• sicherheitskritische Anwendungen

2. Fog Computing

Definition

Zwischenebene mit lokalen Servern.

In der Abbildung:

• lokale Server zwischen Edge und Cloud

Funktion

Verarbeitung und Vorfilterung von Daten näher am Entstehungsort.

Merkmale

• Balance zwischen:

  • geringer Latenz

  • höherer Rechenleistung

3. Cloud Computing

Definition

Zentrale Verarbeitung in großen Rechenzentren.

In der Abbildung:

• oberste Ebene mit Cloud- und Datenbanksymbolen

Merkmale

• sehr hohe Rechenkapazität

• skalierbare Datenverarbeitung

• höhere Latenz

Besonders geeignet für:

• Big-Data-Analysen

• umfangreiche KI-Anwendungen

Bedeutung der Architekturwahl

Die Wahl zwischen Edge-, Fog- und Cloud-Computing beeinflusst:

• Performance

• Datenschutz

• Sicherheit

• Resilienz

IoT ist weit mehr als nur eine Sammlung vernetzter Geräte.

Es verändert die Wertschöpfung, weil:

• physische Produkte dauerhaft mit digitalen Services verbunden werden

Beispiel: Vernetztes Auto

Ein Auto, das Echtzeitdaten an den Hersteller sendet, ist:

• nicht mehr nur ein physisches Produkt

• sondern Teil einer datenbasierten Service-Architektur

Wandel von Geschäftsmodellen

Unternehmen entwickeln sich:

• vom klassischen Produzenten

• zum Anbieter hybrider Geschäftsmodelle

Product-as-a-Service

Besonders wichtig in der Industrie.

Unternehmen verkaufen nicht mehr primär Maschinen, sondern:

• garantierte Betriebsstunden

• Produktionskapazität

• Leistungsfähigkeit

Wertschöpfung entsteht zunehmend durch:

• datengetriebene Services

• IoT-Infrastrukturen

Verbindung physischer und digitaler Prozesse

Das Besondere am IoT:

• physische Prozesse werden direkt digital gesteuert

Beispiele:

• Heizkörper reguliert Temperatur automatisch

• Maschinen melden Störungen selbstständig

• Fahrzeuge senden Wartungsdaten in Echtzeit

Zentrale Eigenschaft des IoT

IoT ermöglicht:

• nahezu verzögerungsfreie Datenerfassung

• schnelle Verarbeitung

• automatische Reaktionen

Anwendungsbeispiele des IoT

1. Logistik

IoT-Technologien:

• GPS-Tracker

• Sensoren

ermöglichen:

• lückenlose Sendungsverfolgung

• Echtzeitinformationen für Kund:innen

Unternehmen erkennen sofort:

• Temperaturabweichungen

• Feuchtigkeitsprobleme

Vorteile:

• höhere Transparenz

• schnellere Reaktion auf Probleme

2. Landwirtschaft

Sensoren messen:

• Bodenfeuchtigkeit

• Nährstoffgehalt

• Wetterbedingungen

Darauf reagieren automatisch:

• Bewässerungssysteme

• Düngeanlagen

Vorteile:

• geringerer Wasserverbrauch

• weniger Dünger

• höhere Ernteerträge

3. Einzelhandel

Intelligente Regale

Erkennen automatisch:

• niedrige Lagerbestände

Kassenlose Einkaufssysteme

Beispiel:

• Amazon Go

Sensorik und Algorithmen automatisieren:

• Einkauf

• Bezahlvorgang

4. Gesundheitswesen

Wearables

Tragbare Geräte messen kontinuierlich:

• Herzfrequenz

• Blutzucker

• weitere Vitalparameter

Bei kritischen Werten:

• automatische Warnungen

Vorteile:

• bessere Versorgung chronisch Kranker

• Entlastung von Kliniken und Praxen

IoT erzeugt große Mengen an Echtzeitdaten.

Diese dienen als Grundlage für:

• KI-gestützte Analysen

Innovationsdreieck: IoT + Cloud + KI

Zusammenspiel

IoT

• sammelt Daten

Cloud

• verarbeitet Daten skalierbar

KI

• erkennt Muster

• erstellt Vorhersagen

Bedeutung des Zusammenspiels

Dieses Innovationsdreieck bildet die Grundlage vieler disruptiver Geschäftsmodelle:

Beispiele:

• Predictive Maintenance

• Smart Cities

• personalisierte Gesundheitsservices

IoT als technologisches Ökosystem

Unternehmen sollen IoT nicht isoliert betrachten.

Der eigentliche Wert entsteht durch:

• technologische Synergien

• Zusammenspiel verschiedener Technologien

Risiken des IoT

Datenschutz und Privatsphäre

IoT-Systeme sammeln kontinuierlich Daten.

Dadurch entstehen:

• sehr detaillierte Informationen über Personen und Verhalten

Wichtige Fragen:

• Welche Daten werden erhoben?

• Wofür werden sie genutzt?

• Wer hat Zugriff?

IT-Sicherheit

Viele IoT-Geräte besitzen:

• unzureichende Sicherheitsmechanismen

Dadurch sind sie anfällig für:

• Cyberangriffe

Beispiel: Mirai-Botnetz

Unsichere IoT-Geräte wurden genutzt, um:

• Netzwerke massiv anzugreifen

• Systeme lahmzulegen

Fehlende Interoperabilität

Problem: Geräte verschiedener Hersteller können oft nicht miteinander kommunizieren.

Grund:

• fehlende einheitliche Standards

Zwar existieren Standardisierungsinitiativen, aber:

• kein global einheitlicher Standard hat sich bisher durchgesetzt

IoT als sozio-technisches System

Der Erfolg des IoT hängt nicht nur von Technik ab.

Entscheidend sind auch:

• organisatorische Strukturen

• rechtliche Rahmenbedingungen

• gesellschaftliche Akzeptanz

Chancen des IoT

Richtig umgesetzt ermöglicht IoT:

• höhere Effizienz

• mehr Nachhaltigkeit

• stärkere Personalisierung von Dienstleistungen

Herausforderungen für Unternehmen und Politik

Notwendig sind:

• intensivere Auseinandersetzung mit Datenschutz

• bessere Sicherheitskonzepte

• langfristig belastbare Standards

Zentrale Schlussfolgerung

Das Internet of Things ist:

• nicht nur eine technische Innovation

• sondern eine tiefgreifende Transformation

Es verändert:

• Wertschöpfungsketten

• Geschäftsmodelle

• den Alltag von Menschen

Klausurtaugliche Zusammenfassung

Das Internet of Things (IoT) beschreibt die Vernetzung physischer Objekte mit Sensoren, Software und Internetverbindungen, sodass Daten erfasst, verarbeitet und teilweise autonom genutzt werden können. Technologische Grundlagen sind leistungsfähige Sensoren, moderne Funkstandards sowie Cloud-, Fog- und Edge-Computing. Theoretisch gilt IoT als Form von Cyber-Physical Systems (CPS), bei denen physische und digitale Prozesse verschmelzen.

Strategisch verändert IoT die Wertschöpfung grundlegend, da Produkte dauerhaft mit datenbasierten Services verbunden werden. Besonders wichtig ist das Zusammenspiel von IoT, Cloud und KI: IoT sammelt Daten, Cloud verarbeitet sie und KI generiert daraus Muster und Vorhersagen. Gleichzeitig entstehen Herausforderungen wie Datenschutzprobleme, IT-Sicherheitsrisiken und fehlende Interoperabilität. IoT ist daher nicht nur eine technische, sondern auch eine organisatorische, wirtschaftliche und gesellschaftliche Transformation.

Grunddefinition der Blockchain

Die Blockchain-Technologie ermöglicht die:

• manipulationssichere Speicherung von Transaktionen

• in einem dezentralen Netzwerk

Im Unterschied zu klassischen Datenbanken:

• gibt es keine zentrale Verwaltungsinstanz

• Transaktionen liegen identisch auf vielen Computern im Netzwerk vor

Nachträgliche Änderungen sind praktisch unmöglich, da Änderungen gleichzeitig auf allen Kopien erfolgen müssten.

Blockchain als Distributed Ledger

Blockchain ist eine besondere Form einer:

• verteilten Datenbank

• sogenannten Distributed Ledger („dezentral geführtes Hauptbuch“)

Unterschied zur klassischen Datenbank

Die Abbildung zeigt den grundlegenden Unterschied:

Linke Seite der Abbildung: Klassisches Client-Server-Modell

• zentrale Datenbank

• alle Nutzer greifen auf eine zentrale Instanz zu

• zentrale Kontrolle über Daten

Probleme:

• Single Point of Failure

• Abhängigkeit von zentraler Instanz

• Manipulation theoretisch einfacher möglich

Rechte Seite der Abbildung: Blockchain / Distributed Ledger

• jede Node besitzt eine eigene Kopie des Ledgers

• alle Teilnehmer sind miteinander verbunden

• Daten werden dezentral synchronisiert

Vorteile:

• höhere Manipulationssicherheit

• keine zentrale Kontrollinstanz

• höhere Ausfallsicherheit

Grundprinzip der Blockchain

Jede Transaktion wird:

• zeitlich geordnet

• kryptographisch gesichert

• auf vielen Nodes gespeichert

Manipulation wird erschwert, weil:

• Änderungen in allen Kopien gleichzeitig erfolgen müssten

• kryptographische Verfahren Abweichungen sofort sichtbar machen

Ursprung der Blockchain

Das Konzept wurde 2008 im Bitcoin-Whitepaper von:

• Satoshi Nakamoto

beschrieben.

Seitdem bildet Blockchain die Grundlage zahlreicher Anwendungen.

Strategische Bedeutung der Blockchain

Die transformative Wirkung entsteht vor allem durch:

• Disintermediation

Disintermediation

Bedeutung

Zentrale Intermediäre werden durch:

• algorithmische Regeln

• kryptographische Sicherheit

ersetzt.

Klassische Intermediäre

Beispiele:

• Banken

• Notar:innen

• Plattformbetreiber

Veränderung des Vertrauens

Traditionell:

• Vertrauen basiert auf Institutionen

Blockchain:

• Vertrauen basiert auf dem Protokoll bzw. der Systemarchitektur

→ Vertrauen verschiebt sich:

• von der Institution

• zum technischen System

Datenblöcke

Eine Blockchain besteht aus:

• Datenblöcken mit Transaktionen

Diese Blöcke sind über:

• kryptographische Hash-Funktionen

miteinander verbunden.

Hash-Funktionen

Hash-Verfahren sorgen dafür:

• dass jede Änderung eines Blocks den Hash-Wert verändert

Dadurch werden Manipulationen sofort sichtbar.

Konsensmechanismen

Bestimmen:

• welche Transaktionen in die Blockchain aufgenommen werden

Proof of Work (PoW)

Beispiel:

• Bitcoin

Merkmale:

• rechenintensive Aufgaben

• sehr hoher Energieverbrauch

Proof of Stake (PoS)

Beispiel:

• Ethereum seit 2022

Merkmale:

• Nutzung hinterlegter Token als Sicherheitsmechanismus

• deutlich energieeffizienter

Blockchain ist kein Selbstzweck.

Zentrale Frage: Wie können Transaktionen zwischen mehreren Akteuren:

• verlässlich

• prüfbar

• fälschungssicher

organisiert werden?

Besonders relevant:

• wenn keine zentrale Instanz existiert

• oder bewusst darauf verzichtet werden soll

Blockchain-Trilemma

Drei Ziele wären ideal:

1. hohe Sicherheit

2. hohe Dezentralität

3. hohe Leistungsfähigkeit

Diese lassen sich jedoch nicht gleichzeitig maximieren.

→ es entstehen Trade-offs.

Konsequenzen des Blockchain-Trilemmas

Öffentliche Netzwerke

Fokus auf:

• Sicherheit

• Dezentralität

Nachteile:

• geringerer Durchsatz

• schwankende Kosten

Geschlossene Unternehmensnetzwerke

Fokus auf:

• stabile Leistung

• klare Verantwortlichkeiten

Nachteile:

• geringere Dezentralität

• stärkeres Vertrauen in beteiligte Akteure notwendig

Wirtschaftliche Entscheidungslogik

Wichtiger als „Blockchain ja oder nein?“ ist:

• die Passung zur Transaktionsumgebung

Wann ist Blockchain sinnvoll?

Besonders geeignet bei:

• vielen Beteiligten

• geringem gegenseitigem Vertrauen

• Bedarf an dauerhafter Dokumentation

Beispiele:

• Herkunftsnachweise

• Rechteverwaltung

• organisationsübergreifende Prozesse

Wann sind klassische Systeme besser?

Wenn:

• bekannte und regulierte Partner zusammenarbeiten

• etablierte Intermediäre existieren

• Geschwindigkeit und Kostenstabilität wichtiger sind

Dann sind oft effizienter:

• klassische Datenbanken

• Workflow-Systeme

• Cloud-Lösungen

Wirtschaftlicher Wert der Blockchain

Der Wert entsteht nicht allein durch die Technologie.

Entscheidend ist:

• gute Governance

Wichtige Aspekte:

• klare Regeln

• Rollenverteilung

• Zugriffsrechte

• Verantwortlichkeiten

Grundformen von Blockchain-Netzwerken

1. Öffentliche Netzwerke

Merkmale:

• offene Teilnahme

• keine zentrale Instanz

• Offenheit selbst erzeugt Vertrauen

Beispiele:

• Kryptowährungen

• offene digitale Ökosysteme

2. Unternehmens- / Konsortialnetzwerke

Geschlossene Netzwerke zwischen:

• identifizierten Organisationen

Merkmale:

• vertragliche Beziehungen

• planbare Leistung

• gemeinsame Governance

Beispiele:

• Lieferketten

• gemeinsame Register

• Bestandsabgleiche

3. Hybride Ansätze

Kombinieren:

• Vorteile öffentlicher und geschlossener Systeme

Problem:

• Grundkonflikt zwischen Leistung und Dezentralität bleibt bestehen

Governance-Fragen

Wichtige Fragen:

• Wer darf Daten sehen?

• Wer darf schreiben?

• Wie werden Fehler korrigiert?

• Wie werden Zugriffe geregelt?

• Wie werden Regeln nachgewiesen?

Diese Fragen beeinflussen Aufwand und Nutzen stärker als einzelne technische Details.

1. Supply Chain Management

Blockchain ermöglicht:

• lückenlose Dokumentation von Herkunft, Transport und Verarbeitung

Beispiel:

• Lebensmittelindustrie

Gespeichert werden:

• Bio-Zertifikate

• Transportbedingungen

• faire Arbeitsbedingungen

Kund:innen können Informationen über:

• QR-Codes

abrufen.

2. Finanzwesen und Zahlungsverkehr

Kryptowährungen

Beispiele:

• Bitcoin

• Ethereum

Central Bank Digital Currencies (CBDC)

Zentralbanken prüfen Blockchain als Grundlage staatlicher Digitalwährungen.

Grenzüberschreitende Zahlungen

Vorteile:

• schneller

• günstiger

im Vergleich zu klassischen Korrespondenzbanken.

3. Digitale Identitäten

Blockchain ermöglicht:

• fälschungssichere Speicherung von Identitäten und Zertifikaten

Beispiele:

• Zeugnisse

• Lizenzen

Unterstützt:

• Self-Sovereign Identity

→ Nutzer kontrollieren ihre Identität selbst.

4. Smart Contracts

Definition

Selbstausführende Programme auf der Blockchain.

Sie:

• prüfen Vertragsbedingungen automatisch

• führen Aktionen automatisch aus

Beispiel Logistik

Wenn:

• Container Zielhafen erreicht

und:

• Sensoren/GPS dies bestätigen

Dann:

• wird Zahlung automatisch ausgelöst

Vorteile:

• weniger Intermediäre

• schnellere Prozesse

• geringere Kosten

Verbindung von Blockchain und IoT

IoT-Sensoren liefern:

• Echtzeitdaten

Smart Contracts können diese automatisch verarbeiten.

Non-Fungible Tokens (NFTs)

NFTs sind:

• digitale Eigentumsnachweise

• für einzigartige digitale oder physische Objekte

Einsatzbereiche:

• Kunst

• Gaming

• Sammlerstücke

Auswirkungen auf Märkte und Geschäftsmodelle

Blockchain ermöglicht:

• automatisierte Transaktionen

• neue Geschäftslogiken

• Aufbrechen klassischer Wertschöpfungsketten

Veränderung der Machtbalance

Traditionelle Plattformen:

• kontrollieren Daten zentral

Blockchain:

• ermöglicht theoretisch Dezentralisierung

Nutzer können gleichzeitig sein:

• Eigentümer

• Kontrollinstanz

Voraussetzungen für breite Durchsetzung

Entscheidend sind:

• Standardisierung

• Regulierung

• gesellschaftliche Akzeptanz

1. Energieverbrauch

Problem:

• Proof-of-Work-Systeme benötigen enorme Strommengen

Auch wenn effizientere Verfahren existieren:

• Umweltbilanz bleibt Kritikpunkt

2. Begrenzte Geschwindigkeit

Blockchain-Systeme sind oft langsamer als:

• zentralisierte Datenbanken

Problematisch bei:

• sehr hohen Transaktionsvolumina

3. Fehlende rechtliche Klarheit

Unklare Regelungen bei:

• Smart Contracts

• Haftungsfragen

• Datenschutz

4. Hohe Implementierungskosten

Erforderlich:

• spezielles Fachwissen

• hohe Anfangsinvestitionen

5. Nicht immer die beste Lösung

Für manche Anwendungen sind effizienter:

• klassische Datenbanken

• Cloud-Lösungen

Zentrale Schlussfolgerung

Blockchain ist eine Schlüsseltechnologie zur:

• sicheren

• transparenten

• dezentralen

Abwicklung digitaler Transaktionen.

Besonders wertvoll:

• wenn mehrere Parteien ohne zentrale Instanz zusammenarbeiten müssen.

Gleichzeitig bestehen weiterhin Herausforderungen bei:

• Energieverbrauch

• Skalierbarkeit

• Regulierung

• tatsächlichem Mehrwert gegenüber bestehenden Technologien.

Klausurtaugliche Zusammenfassung

Die Blockchain ist eine dezentrale Form verteilter Datenbanken (Distributed Ledger), bei der Transaktionen kryptographisch gesichert und auf vielen Netzwerkknoten gespeichert werden. Im Unterschied zu klassischen Client-Server-Systemen existiert keine zentrale Kontrollinstanz. Dadurch werden Manipulationen erheblich erschwert und Vertrauen verlagert sich von Institutionen hin zum technischen Protokoll.

Strategisch ermöglicht Blockchain Disintermediation, also die Reduktion zentraler Vermittler wie Banken oder Plattformen. Wichtige Anwendungen sind Supply Chain Management, digitale Identitäten, Smart Contracts und Kryptowährungen. Gleichzeitig bestehen Grenzen durch hohen Energieverbrauch, geringe Skalierbarkeit, regulatorische Unsicherheiten und hohe Implementierungskosten. Der wirtschaftliche Nutzen hängt deshalb stark von Governance, Anwendungsfall und Passung zur jeweiligen Transaktionsumgebung ab.

Grundidee: Technologien wirken nicht isoliert

Die bisher behandelten Technologien:

• Cloud Computing

• mobile Technologien

• Künstliche Intelligenz (KI)

• Internet of Things (IoT)

• Blockchain

dürfen nicht getrennt betrachtet werden.

Die eigentliche transformative Kraft entsteht erst durch:

• ihr Zusammenspiel

• ihre Integration

Unternehmen können dadurch:

• Prozesse optimieren

• neue Wertschöpfungslogiken entwickeln

Technologische Ökosysteme

Die Interdependenzen lassen sich über das Konzept der:

• technologischen Ökosysteme

erklären.

Definition technologisches Ökosystem

Ein technologisches Ökosystem besteht aus:

• komplementären Technologien bzw. Komponenten

deren Wert erst durch:

• Integration

• Zusammenspiel

entsteht.

Komplementaritäten

Ökonomisch spricht man von:

• Komplementaritäten

Bedeutung

Der Nutzen einer Technologie steigt, wenn:

• andere passende Technologien vorhanden sind.

Bedeutung für die digitale Transformation

Der isolierte Einsatz einzelner Technologien:

• schöpft das Potenzial nicht vollständig aus

Beispiele:

• nur Cloud

• nur IoT

→ begrenzter Nutzen

Der eigentliche Mehrwert entsteht durch:

• systemische Integration

Beispiel:

• Cloud + IoT + KI

Strategische Implikationen für Unternehmen

Unternehmen benötigen nicht nur:

• technologische Fähigkeiten

sondern zusätzlich:

• integrative Fähigkeiten

• sogenannte „architectural competencies“

Architectural Competencies

Bedeutung: Fähigkeit zur:

• Orchestrierung

• Integration

• Koordination

komplexer Technologiebündel.

Cloud Computing als infrastrukturelle Basis

Cloud Computing bildet häufig die Grundlage anderer Technologien.

Ohne Cloud:

• könnten IoT-Anwendungen keine riesigen Sensordatenmengen verarbeiten

• könnten KI-Modelle nicht mit großen Datenmengen trainiert werden

Wichtige Funktionen:

• skalierbare Rechenleistung

• skalierbarer Speicher

Rolle mobiler Technologien

Mobile Technologien fungieren als:

• Schnittstelle zwischen Nutzer:innen und digitaler Welt

Sie machen:

• Cloud-Dienste

• KI-Anwendungen

im Alltag nutzbar.

Rolle des IoT

IoT erweitert den Datenraum, indem:

• die physische Welt kontinuierlich digital erfasst wird

Dadurch entstehen:

• Echtzeitdaten

• digitale Abbilder physischer Prozesse

Rolle der Blockchain

Blockchain ergänzt das technologische Ökosystem durch:

• Vertrauen

• Transaktionssicherheit

Besonders relevant:

• wenn keine zentrale Institution vorhanden ist

• oder bewusst vermieden werden soll

Zentrale Erkenntnis

Die Technologien entfalten ihren Wert vor allem:

• durch ihr Ineinandergreifen

• nicht durch isolierte Nutzung

Beispiel 1: Logistik

Kombination aus:

• IoT

• KI

• Blockchain

Ablauf

IoT

• Sensoren erfassen Transportbedingungen

KI

• analysiert Abweichungen und Muster

Blockchain

• dokumentiert Ereignisse manipulationssicher

Ergebnis im Logistiksektor

Es entsteht ein:

• nahtloser Daten- und Entscheidungsfluss

Vorteile:

• höhere Effizienz

• mehr Transparenz

• stärkeres Vertrauen

Beispiel 2: Gesundheitswesen

Kombination aus:

• Mobile Technologien

• KI

• Cloud

Ablauf

Mobile Technologien

• Smartphone-Apps erfassen Daten

Wearables

• liefern kontinuierliche Gesundheitsdaten

Cloud

• speichert die Daten

KI

• analysiert Gesundheitsdaten

Nutzen im Gesundheitswesen

Ärzt:innen erhalten:

• kontinuierliche Gesundheitsinformationen

Dadurch können sie:

• frühzeitig auf Verschlechterungen reagieren

Strategische Bedeutung der Interdependenzen

Unternehmen müssen digitale Technologien:

• als zusammenhängendes System

• als technologisches Ökosystem

verstehen.

Der Wettbewerbsvorteil entsteht weniger durch:

• einzelne Technologien

sondern durch:

• deren intelligente Kombination

• Integration in Geschäftsmodelle und Prozesse

Klausurtaugliche Zusammenfassung

Die Schlüsseltechnologien der digitalen Transformation entfalten ihren Wert vor allem durch ihr Zusammenspiel. Cloud Computing bildet die infrastrukturelle Basis, mobile Technologien stellen die Schnittstelle zum Nutzer dar, IoT erzeugt Echtzeitdaten, KI analysiert diese Daten und Blockchain schafft Vertrauen sowie Transaktionssicherheit. Der Nutzen einzelner Technologien steigt dabei durch sogenannte Komplementaritäten mit anderen Technologien.

Unternehmen benötigen deshalb nicht nur technologische Kompetenzen, sondern auch integrative Fähigkeiten („architectural competencies“), um komplexe technologische Ökosysteme erfolgreich zu orchestrieren. Wettbewerbsvorteile entstehen weniger durch isolierte Technologien als durch deren systemische Integration in Prozesse, Produkte und Geschäftsmodelle.

Schlüsseltechnologien als General Purpose Technologies (GPT)

In der wirtschaftswissenschaftlichen Forschung werden Technologien wie:

• Cloud Computing

• Künstliche Intelligenz

• Blockchain

zunehmend als:

• General Purpose Technologies (GPT)

• Basistechnologien

verstanden.

Definition von General Purpose Technologies

General Purpose Technologies sind Technologien, die:

• branchenübergreifend eingesetzt werden können

• viele weitere Innovationen ermöglichen

Drei zentrale Eigenschaften von GPTs nach Bresnahan & Trajtenberg (1995)

1. Pervasiveness

Bedeutung

Die Technologie:

• ist in vielen Branchen einsetzbar

• durchdringt große Teile der Wirtschaft

2. Improvement

Bedeutung

Die Technologie:

• verbessert sich kontinuierlich

• wird mit der Zeit effizienter

3. Innovation Spawning

Bedeutung

Die Technologie:

• ermöglicht

• stimuliert

weitere komplementäre Innovationen in anderen Bereichen.

Klassische Beispiele für GPTs

Historische Beispiele:

• Elektrizität

• Internet

Moderne Beispiele:

• Cloud Computing

• KI

• Blockchain

Warum Cloud, KI und Blockchain GPTs sind

Diese Technologien:

• sind nicht auf einzelne Branchen beschränkt

• verändern strukturell ganze Märkte

• ermöglichen neue Geschäftsmodelle und Innovationen

Beispiel: Cloud Computing als GPT

Cloud Computing erfüllt alle drei Kriterien:

Pervasiveness

• branchenunabhängig einsetzbar

Improvement

• steigende Leistungsfähigkeit

• sinkende Kosten

Innovation Spawning

Cloud ermöglicht viele weitere Geschäftsmodelle und Technologien:

• IoT

• KI

• Streaming-Services

Diese wären ohne Cloud wirtschaftlich oft nicht tragfähig.

Diffusion von Basistechnologien

Die Verbreitung von Technologien erfolgt nicht gleichmäßig.

Nach:

• Rogers’ Diffusion of Innovations (1962)

durchlaufen Technologien typische Entwicklungsphasen.

Phasen der Diffusion

• frühe Experimente

• kritische Masse

• Massenadoption

Einordnung der Technologien nach Diffusionsgrad

Cloud und Mobile

• Diffusionsprozess weitgehend abgeschlossen

• gelten als Standardtechnologien

IoT

• befindet sich in beschleunigter Diffusion

Blockchain

• noch stark experimentell geprägt

KI

Befindet sich in einem Spannungsfeld:

Bereits weit verbreitet:

• Empfehlungssysteme

Noch frühe Diffusionsphase:

• generative KI-Verfahren

Technologische Entscheidungen sind langfristig

Unternehmen dürfen technologische Entscheidungen:

• nicht nur kurzfristig treffen

Denn Technologien sind eingebettet in:

• langfristige Entwicklungen

• Unsicherheiten

• große Chancen

Strategische Kernfragen für Unternehmen

1. Welche Technologien sind Branchenstandard?

Beispiele:

• Cloud

• Mobile

Diese sind:

• weit verbreitet

• praktisch unverzichtbar

2. Welche Technologien bieten Differenzierungsmöglichkeiten?

Beispiele:

• KI

• IoT

Diese können ermöglichen:

• neue Geschäftsmodelle

• Wettbewerbsvorteile

• Innovationen

3. Welche Technologien sind risikoreich?

Beispiel:

• Blockchain

Diese erfordern:

• selektive Experimente

• vorsichtige Implementierung

bevor sie breit eingesetzt werden.

Strategische Abhängigkeiten

Ein zentrales Problem sind:

• Abhängigkeiten von Technologieanbietern

Lock-in-Effekte bei Cloud und Plattformen

Große Anbieter kontrollieren:

• zentrale Infrastrukturen

Dadurch entstehen:

• Lock-in-Effekte

• Abhängigkeiten

KI und Oligopole

KI verstärkt durch:

• Netzwerkeffekte

• Dateneffekte

die Tendenz zu:

• Oligopolen

Blockchain und Machtkonzentration

Obwohl Blockchain Dezentralisierung verspricht, entstehen auch dort:

• Machtkonzentrationen

Beispiele:

• Miner-Communities

• Token-Communities

Strategische Konsequenz

Unternehmen müssen diese Dynamiken verstehen, um:

• strategisch souverän

• langfristig handlungsfähig

zu bleiben.

Zentrale Erkenntnis der Schlüsseltechnologien

Der Wert digitaler Technologien entsteht:

• nicht allein durch technische Effizienz

sondern erst durch:

• Integration in Geschäftsmodelle

Digitale Transformation bedeutet daher

Nicht nur:

• neue Technologien einzuführen

sondern:

• Geschäftslogiken grundlegend neu zu denken

Beispiele neuer Geschäftslogiken

• datengetriebene Services

• Plattformmodelle

• disruptive Innovationen

Zentrale Schlussfolgerung

Digitale Transformation ist:

• nicht primär ein Technikprojekt

sondern:

• eine strategische Neugestaltung von Wertschöpfung und Geschäftsmodellen

Klausurtaugliche Zusammenfassung

Cloud Computing, KI und Blockchain gelten als General Purpose Technologies (GPTs), da sie branchenübergreifend einsetzbar sind, sich kontinuierlich verbessern und zahlreiche komplementäre Innovationen ermöglichen. Nach Bresnahan & Trajtenberg zeichnen sich GPTs durch Pervasiveness, Improvement und Innovation Spawning aus. Die Verbreitung solcher Technologien erfolgt nach Rogers in typischen Diffusionsphasen – von frühen Experimenten bis zur Massenadoption.

Für Unternehmen bedeutet dies, dass technologische Entscheidungen langfristig und strategisch betrachtet werden müssen. Cloud und Mobile gelten bereits als Standard, während KI und IoT neue Differenzierungsmöglichkeiten schaffen. Blockchain bleibt stärker experimentell. Gleichzeitig entstehen neue Abhängigkeiten durch Lock-in-Effekte, Netzwerkeffekte und Machtkonzentrationen. Der eigentliche Wert digitaler Technologien entsteht nicht isoliert, sondern durch ihre Integration in neue Geschäftsmodelle und Wertschöpfungslogiken.

Aufgabe 2.1

Welche drei Servicemodelle des Cloud Computings werden unterschieden

und worin bestehen ihre Unterschiede?

Aufgabe 2.2

Was bedeutet das Prinzip „Mobile First“ und welche Konsequenzen hat es

für Unternehmen?

Aufgabe 2.3

Worin besteht der Unterschied zwischen schwacher (narrow) und starker

(general) Künstlicher Intelligenz, und welche Form ist in der betrieblichen

Praxis relevant?

Aufgabe 2.4

Welche Risiken sind mit dem Einsatz des Internet of Things (IoT) verbunden,

und warum wird es als sozio-technisches System beschrieben?

Aufgabe 2.5

Warum gilt die Blockchain als Schlüsseltechnologie der digitalen Transformation,

und welche zentralen Herausforderungen stehen ihrer breiten

Anwendung noch im Weg?