Publikationen

Zahlreiche Forschungsergebnisse im Bereich Geschäftsmodellinnovationen haben gezeigt, dass über 90 Prozent aller Geschäftsmodelle der letzten 50 Jahre aus einer Rekombination von bestehenden Konzepten entstanden sind. Grundsätzlich gilt das auch für digitale Geschäftsmodellinnovationen. Angesichts der Breite potenzieller digitaler Geschäftsmodellinnovationen wollten die Autoren wissen, welche Modellmuster in der wirtschaftlichen Praxis welche Bedeutung haben. Deshalb wurde die digitale Transformation mit neuen Geschäftsmodellen in einer empirischen Studie basierend auf qualitativen Interviews mit 68 Unternehmen untersucht. Dabei wurden sieben geeignete Geschäftsmodellmuster identifiziert, bezüglich ihres Disruptionspotenzials von evolutionär bis revolutionär klassifiziert und der Realisierungsgrad in den Unternehmen analysiert.Die stark komprimierte Conclusio lautet, dass das Thema Geschäftsmodellinnovationen durch Industrie 4.0 und digitale Transformation bei den Unternehmen angekommen ist. Es gibt jedoch sehr unterschiedliche Geschwindigkeiten in der Umsetzung und im Neuheitsgrad der Geschäftsmodellideen. Die schrittweise Weiterentwicklung von Geschäftsmodellen (evolutionär) wird von den meisten Unternehmen bevorzugt, da hier die grundsätzliche Art und Weise des Leistungsangebots bestehen bleibt. Im Gegensatz dazu gibt es aber auch Unternehmen, die bereits radikale Änderungen vornehmen, die die gesamte Geschäftslogik betreffen (revolutionäre Geschäftsmodellinnovationen). Entsprechend wird im vorliegenden Artikel ein Clustering von Geschäftsmodellinnovatoren vorgenommen – von Hesitator über Follower über Optimizer bis zu Leader in Geschäftsmodellinnovationen.

The Austrian Federal Ministry for Transport, Innovation and Technology created an initiative to fund the setup and operation of Living Labs to provide a vital innovation ecosystem for mobility and transport. Five Urban Mobility Labs (UML) located in four urban areas have been selected for funding (duration 4 years) and started operation in 2017. In order to cover the risk of a high dependency of public funding (which is mostly limited in time), the lab management teams face the challenge to develop a viable and future-proof UML Business Model. The overall research goal of this paper is to get empirical insights on how a UML Business Model evolves on a long-term perspective and which success factors play a role. To answer the research question, a method mix of desk research and qualitative methods have been selected. In order to get an insight into the UML Business Model, two circles of 10 semi-structured interviews (two responsible persons of each UML) are planned. The first circle of the interviews took place between July 2018 and January 2019. The second circle of interviews is planned for 2020. Between the two rounds of the survey, a Business Model workshop is planned to share and create ideas for future Business Model developments. Based on the gained research insights a comprehensive list of success factors and hands-on recommendations will be derived. This should help UML organizations in developing a viable Business Model in order to support sustainable innovations in transport and mobility.

Die Nutzung von Daten in Unternehmen zur Analyse und Beantwortung vielfältiger Fragestellungen ist “daily business”. Es steckt aber noch viel mehr Potenzial in Daten abseits von Prozessoptimierungen und Business Intelligence Anwendungen. Der vorliegende Beitrag gibt einen Überblick über die wichtigsten Aspekte bei der Transformation von Daten in Wert bzw. bei der Entwicklung datengetriebener Geschäftsmodelle. Dabei werden die Charakteristika von datengetriebenen Geschäftsmodellen und die benötigten Kompetenzen näher beleuchtet. Vier Fallbeispiele österreichischer Unternehmen geben Einblicke in die Praxis und abschließend werden aktuelle Herausforderungen und Entwicklungen diskutiert.

Increasing digitization is generating more and more data in all areas ofbusiness. Modern analytical methods open up these large amounts of data forbusiness value creation. Expected business value ranges from process optimizationsuch as reduction of maintenance work and strategic decision support to businessmodel innovation. In the development of a data-driven business model, it is usefulto conceptualise elements of data-driven business models in order to differentiateand compare between examples of a data-driven business model and to think ofopportunities for using data to innovate an existing or design a new businessmodel. The goal of this paper is to identify a conceptual tool that supports datadrivenbusiness model innovation in a similar manner: We applied three existingclassification schemes to differentiate between data-driven business models basedon 30 examples for data-driven business model innovations. Subsequently, wepresent the strength and weaknesses of every scheme to identify possible blindspots for gaining business value out of data-driven activities. Following thisdiscussion, we outline a new classification scheme. The newly developed schemecombines all positive aspects from the three analysed classification models andresolves the identified weaknesses.