Disruptive Technologies – A gentle introduction
September 17, 2018
Aus dem Unterricht des CAS Disruptive Technologies mit Dr. Marcel Blattner berichtet Bernhard Zindel.
Der Kurs “Disruption – A gentle introduction” ist gleich auch der Start in den CAS Disruptive Technologies. In der kurzen, administrativen Einführung wird einem erklärt, wo man die wichtigsten Informationen und Dokumente findet. Kurz, bündig und standesgerecht für den CAS: Dokumente auf Google Drive und dringende Nachrichten über Facebook – das ist mal was!
Marcel Blattner als entsprechender Studiengangsleiter versprach im CAS mit einigen Mythen aufzuräumen, Insights zu Technologien zu geben und die Diskussion mit den Studierenden zu suchen. Für viele Fragestellungen gibt es keine wissenschaftliche Definition oder Abgrenzung, was natürlich Nährboden für spannende Diskussionen ist.
Eine spannende Frage tat sich dann auch gleich zu Beginn auf: Warum hat die Gesellschaft Mühe mit den Begriffen und Buzzwords der Digitalisierung? Künstliche Intelligenz wird beispielsweise als “denkend” oder “handelnd” beschrieben. In Wahrheit denkt oder agiert KI aber nicht, sondern kombiniert, berechnet, vergleicht oder interpretiert beispielsweise nur. Die Gesellschaft geht nun aufgrund dieser Marketingaktivitäten davon aus, dass KI effektiv so handelt und beispielsweise Wissen generieren kann, was aber leider nicht der Fall ist. Diese Art der Verzerrung durch falschen Sprachgebrauch sieht man bei den meisten Begriffen der Digitalisierung. Inklusive Digitalisierung selbst.
Digitale Transformation
Digital transformation means something different than integrating new technologies.
Aber was, wenn nicht die Technik? Die Transformation beginnt bei der Denkweise, der Kultur der Organisation mit ihren involvierten Personen und ihrer individuellen Vergangenheit. Das ist die DNA der Unternehmung und darauf aufbauend transformiert man die Prozesse, die Zusammenarbeit mit Partnern im Ökosystem und letztlich die Business Modelle.
Für einen klassischen Unternehmer klingt das nach Zeit- und Geldverschwendung aber ein Gespräch mit den Jüngsten der Unternehmung kann die Kulturenkollision schnell aufzeigen. Permanenter Wissensbezug und -austausch ist selbstverständlich und in Unternehmen hat eine bisher eingesetzte Technologie vielleicht keinen Platz mehr. Um das zu erfahren und die passende Technologie auszuwählen, ist die Auseinandersetzung mit der Transformation vonnöten. Diese Erkenntnis bringt uns daher zur zentralen Aussage:
“Tech follows culture and strategy”
Woher kommt aber der Zwang, auf Teufel komm raus zu Digitalisieren, ohne eine entsprechende Strategie zu haben? Nun ja, auf entsprechenden Konferenzen wird einem vermittelt, dass exponentieller Wachstum dank der Technologien der neue Normalzustand ist. Meistens wird es unterlegt am Beispiel von internationalen Techkonzernen und Aussagen wie “Wer in exponentiellen Zeiten seine Leistung nur schrittweise verbessert, fällt exponentiell zurück.” von Curt Carlson. Technologien und Datenvolumen können durchaus exponentiell wachsen, aber noch lange nicht das entsprechende Business Modell. Dieses benötigt die Entwicklung, Akzeptanz und entsprechende Marktpenetration nach wie vor und erreicht dann vielleicht während einer begrenzten Zeit exponentielles Wachstum. Wenn aber die ganze Unternehmensgeschichte mit einbezogen wird, ist das nicht mehr exponentiell.
Exponential growth? Don’t worry.
Wie wird die Transformation letztlich gestartet? Durch ständiges Hinterfragen von Kultur und gültigen Paradigmen. Die folgenden drei Fragen helfen:
- Was wollen wir erreichen?
- Warum möchten wir uns verändern?
- Wer kann uns helfen?
Letztlich muss jede Organisation seinen eigenen Weg in die Transformierung finden.
Disruption
Aha, das heisst also, die Kundenbedürfnisse sind für Disruption nicht wichtig? Natürlich nicht direkt, es ist eher zu verstehen, dass die Bedürfnisse der Nichtkunden respektive der Low-End-Kunden eines eigentlich gesättigten Marktes angegangen werden. Clayton Christensen veröffentlichte in den 90ern Werke zur Disruption von Innovationen und Produkten. Aber der Reihe nach:
Disruption – the dynamics
Die rote Linie zeigt den Hauptkunden und wie der etablierte Produzent (Blaue Linie) seine Produkte nach und nach zu Perfektion treibt. Dazu befragt er seine Kunden und lässt ihre Erfahrung in die Produkte einfliessen. Er investiert stark in Technologie, die ihn seinem Ziel näher bringt und richtet sich nach grösseren Märkten. Er betreibt sustaining Innovation.
Die grüne Linie zeigt den neuen Produzenten. Er tritt mit einem Produkt an, das einfacher zu nutzen, günstiger und von tieferer Qualität ist. Er bedient damit Kunden, die sich das etablierte Produkt nicht leisten können oder die Komplexität nicht verstehen. Der neue Produzent entwickelt sich in Richtung Mainstream und greift dem Etablierten die Kundenbasis ab. Das Geschäftsmodell ist wiederum schwierig anzugreifen, der Etablierte kann nicht einfach den Preis auf das Niveau senken, da mit dem Produkt über die Jahre andere Werte kommuniziert wurden. Das ist disruptive Innovation.
Ein einfaches Beispiel ist Airbnb. Die Idee, in Wohnungen Platz für Luftmatratzen zu verkaufen, hat vor allem Low-End-Kunden angesprochen und bringt heute die weltweite Hotelindustrie zur Verzweiflung.
Wie aber kann eine etablierte Unternehmung disruptive Innovation betreiben? Wenn wir einmal davon absehen, dass “heute disruptieren wir eine Industrie” einfacher gesagt, als getan ist, wird es nötig sein, den Innovationsprozess auszulagern.
Eine bestehende Organisation hat eine gewisse Betriebsblindheit, die radikale Innovation nicht zulässt. Auch sind Konflikte mit den gemachten Versprechungen gegenüber bestehenden Kunden wahrscheinlich.
Sustainable and disruptive innovation need a different environment
Die Grafik zeigt schön auf wie sich eine Unternehmung vom Startup zur etablierten Unternehmung wandelt und wie die beiden Innovationsysteme funktionieren. Die sustainable innovation geschieht innerhalb der Unternehmung während die disruptive innovation von ausserhalb geschehen muss.
From Data to Wisdom
Die Daten werden oft als das neue Öl gehandelt, aber warum ist das so? Sicher weil heute die nötige Technologie in Form von Rechenpower zur Verfügung steht, es die entsprechende Software gibt, die die Flut von Informationen verarbeiten kann sowie Daten immer einfacher, beispielsweise über API’s, zur Verfügung stehen. Doch Datenpunkte alleine sind nicht sehr nützlich, sie müssen aggregiert, visualisiert und interpretiert werden, um zusätzlichen Wert zu generieren. Diese Berechnungen sind aber nicht wertfrei, sie entstehen im Schatten einer herrschenden Kultur, Geschäftsfeld oder der Technologie.
Data are not neutral
Wie der gewählte Titel sagt, ist der Weg von Daten zu neuem Wissen kein Selbstläufer. Man generiert aus Messungen (beispielsweise über Sensorik) Daten, welche man mit Weiteren zu Informationen aggregiert. Diese Informationen müssen nun zu Schlüssen interpretiert und auf Richtigkeit geprüft werden und erst aus diesem Schritt entsteht neues Wissen, welches auch weiterverwendet werden kann. Die Interpretation und Belastung benötigt aber Fachwissen von Menschen mit entsprechenden Kenntnissen. Die Gefahr von GIGO (Garbage in, Garbage out) ist aufgrund von Fehlinterpretationen enorm.
Google als Experte in der Datenverarbeitung musste das mit dem inzwischen eingestellten Projekt Flu Trends selbst erleben. Aufgrund der Suchanfragen wollte die Suchmaschine Grippewellen früherkennen. Das funktionierte zwei Jahre gut (97% Trefferquote) doch dann wurden Grippewellen in Gebieten ohne einer einzigen Arztkonsultation “vorhergesagt”. Wieso das System letztlich scheiterte wurde jedoch nicht kommuniziert.
Ein Datenprojekt durchläuft grundsätzlich vier Phasen:
- Eine strategische Frage definieren. In dieser Phase soll aber nicht über Daten oder Technologien gesprochen werden, ansonsten wird schon in der ersten Phase ein Bias kreiert.
- Daten sammeln. Interne und externe Quellen werden angebunden und aufbereitet. Entscheidend ist die Datenqualität und nicht Datenquantität!
The processes to transform data into wisdom
- Modelle bauen. Dafür werden Informationen aus den Daten generiert und auf Richtigkeit trainiert. Dieser iterative Prozess wird solange gemacht, bis neue Erkenntnisse gewonnen werden können
- Daten zugänglich machen. Es nützt nichts, wenn die Erkenntnisse dem Business nicht Fachgerecht zugänglich gemacht werden. Das benötigt Zeit!
The processes to transform data into wisdom
Bei Zeit und Lust sich zu vertiefen
- The Innovater’s Dilemma – Clayton M. Christensen
- The Innovater’s Dilemma in Kurzfassung als Video
- The Innovaters – Walter Isaacson
- Oder natürlich im MAS Digital Business