Generative KI verspricht die Revolution der Wertschöpfung, doch der technologische Wettlauf entfernt sich zunehmend von betriebswirtschaftlicher Vernunft. Während Unternehmen einem kostspieligen Innovationstheater verfallen, offenbart sich die fundamentale Unvorbereitetheit der Betriebswirtschaftslehre: Sie kann weder die Logik digitaler Ökosysteme erfassen, noch verfügt sie über geeignete Kalkulationsinstrumente. Höchste Zeit, die jahrzehntelange Suche nach der Netzwerkorganisation der Zukunft endlich zu vollenden.
Die gegenwärtige Begeisterung für generative KI gleicht einem kollektiven Realitätsverlust. Inmitten beeindruckender Leistungssteigerungen und medialer Euphorie verschwindet eine elementare Frage nahezu vollständig aus dem Diskurs: Rechnet sich das eigentlich? Die ökonomischen Grundgesetze, die seit Generationen Gültigkeit besitzen – Ressourceneffizienz, Grenznutzen, Opportunitätskosten, Skalenvorteile – werden in der KI-Debatte behandelt, als hätten sie ihre Wirkung verloren. Ein gefährlicher Irrtum.
Large Language Models verschlingen Ressourcen in einem Ausmaß, das jede nüchterne Kosten-Nutzen-Analyse zur Herausforderung macht. Training, Datenerhebung, Hardware-Infrastruktur, laufender Betrieb – die Folgekosten summieren sich zu Größenordnungen, die in klassischen Industriesektoren längst kritische Fragen nach der Wirtschaftlichkeit ausgelöst hätten. Unternehmen berichten zwar von Produktivitätssteigerungen, zugleich jedoch von kaum kalkulierbaren „Hidden Costs“: Energieverbrauch, Datensicherheit, permanente Updates. Die ROI-Frage bleibt oft ungeklärt, besonders im Mittelstand und in klassischen Industrien führt der Einsatz generativer KI keineswegs automatisch zu dauerhaften Wettbewerbsvorteilen.
Mit jeder technologischen Leistungssteigerung wachsen die Trade-Offs exponentiell. Höhere Modellkapazität benötigt überproportional mehr Energie und spezialisierte Hardware. Größere Datenmengen erhöhen Compliance-Risiken und Datenschutzkomplexität. Die Entwicklungskosten verschieben sich vom initialen Training zur permanenten Optimierung und Integration. Die Systeme werden anspruchsvoller, was zusätzliche Investitionen in Know-how und Prozessumgestaltung verlangt. Die vermeintliche Magie der KI darf nicht darüber hinwegtäuschen, dass ökonomische Regeln der Ressourcenallokation und des Marktdrucks ihre Gültigkeit behalten.
L’art pour l’art als Geschäftsmodell
Hier offenbart sich das eigentliche Problem: In der KI-Forschung und -Entwicklung dominiert ein Wettlauf um technische Spitzenleistungen, der zunehmend die betriebswirtschaftliche Vernunft vernachlässigt. Das Streben nach immer größeren und komplexeren Modellen wird getrieben von Prestige, Forschungsdruck und Image, nicht jedoch von konkretem Nutzen. Dieser Wettbewerb um „state-of-the-art“-Ergebnisse korreliert nicht zwangsläufig mit proportionalem Mehrwert für Unternehmen oder Endanwender. Die Kosten wachsen exponentiell, während der marginale Nutzen für praktische Anwendungen abnimmt. Investitionen fließen in immer größere Datenmengen und Rechenleistung, ohne dass sich der versprochene Mehrwert in messbaren Produktivitätsgewinnen oder konkreten Geschäftsverbesserungen widerspiegelt.
Dabei ignoriert dieser Wettlauf eine fundamentale Einsicht der Innovationsforschung: das Konzept des „Nächstmöglichen“, das der Wissenschaftler Stuart Kauffman geprägt hat. Viele Faktoren müssen zusammentreffen, damit eine Idee sich in der Praxis verwirklichen lässt. Die Geschichte ist voll von Beispielen genialer Forscher und Erfinder, die ihrer Zeit zu weit voraus waren. Doch in der KI-Entwicklung werden Modelle konstruiert, deren praktische Anwendbarkeit weit hinter ihren technischen Fähigkeiten zurückbleibt – eine Inversion des Innovationsprinzips.
Es ist l’art pour l’art in Reinform: Innovation um der Innovation willen, ein ökonomisch weitgehend sinnloser Wettlauf, der in keiner vernünftigen Relation zum Nutzen steht. Ohne klare Wirtschaftlichkeit verkommt die Entwicklung zur bloßen Innovationsshow, die ökonomische Ressourcen bindet, ohne echten Mehrwert zu schaffen. Fachkräfte und Kapital werden absorbiert, die an anderen Stellen betrieblich effizienter eingesetzt werden könnten. Der Fokus auf pragmatische Lösungen, die technische Machbarkeit und wirtschaftlichen Nutzen vereinen, geht verloren.
Das Versagen der Betriebswirtschaftslehre
Doch die Kritik am KI-Hype greift zu kurz, solange sie nicht die fundamentale Unzulänglichkeit der herrschenden betriebswirtschaftlichen Perspektive miteinbezieht. Die aktuelle Betriebswirtschaftslehre ist nicht darauf vorbereitet, die besonderen Herausforderungen digitaler Ökosysteme adäquat abzubilden. Ihr fehlt die nötige Sichtweise für das Management digitaler Ökosysteme mit ihren spezifischen Vor- und Nachteilen.
Die klassische Betrachtung von Unternehmen als hierarchisch organisierte, linear arbeitende Einheiten mit klaren Kunden-Lieferanten-Beziehungen reicht für digitale Ökosysteme nicht aus. Diese verlangen ein Umdenken hin zu Netzwerk- und Plattformorientierung, bei der Rollen wie Anbieter, Partner, Komplementär oder Konkurrent simultan existieren und sich permanent wandeln. Betriebswirtschaftliche Modelle und Instrumente, die diese Mehrdimensionalität, Fluidität und dynamische Steuerung erfassen könnten, fehlen weitgehend.
Ein besonders eklatantes Beispiel für dieses Versagen ist der Ansatz der Total Cost of Ownership. Dieser in der klassischen Betriebswirtschaftslehre etablierte Ansatz zur Kostenrechnung erfasst zwar Anschaffungs-, Betriebs- und Entsorgungskosten eines Assets über dessen gesamten Lebenszyklus – doch er basiert auf der Annahme linearer Wertschöpfungsketten und klar zuordenbarer Kosten-Nutzen-Relationen. In digitalen Ökosystemen versagt dieses Konzept fundamental.
Der TCO-Ansatz kann die Netzwerkeffekte nicht abbilden, bei denen der Wert einer Plattform überproportional mit der Anzahl der Teilnehmer steigt. Er erfasst nicht die Ko-Evolution verschiedener Akteure, bei der Investitionen des einen den Nutzen für andere mehren. Er ignoriert die Externalitäten, die in Plattformökosystemen entstehen, wenn etwa Drittanbieter auf einer Infrastruktur aufbauen, deren Kosten der Plattformbetreiber trägt. Die Option Values – der potenzielle zukünftige Wert einer Funktion bei veränderten Rahmenbedingungen, das Exaptation-Potenzial – finden keine Berücksichtigung. Die Zeitdimension ist zu linear gedacht für Systeme, in denen Investitionen heute erst in Jahren Früchte tragen, dann aber exponentiell.
Wer versucht, die Wirtschaftlichkeit von KI-Plattformen oder digitalen Ökosystemen mit dem herkömmlichen TCO-Ansatz zu bewerten, misst mit einem Lineal, wo ein mehrdimensionales Koordinatensystem nötig wäre. Die „Hidden Costs“, von denen Unternehmen berichten, sind nicht etwa versteckt, weil sie schwer zu finden wären – sie sind kategorial anders strukturiert als in linearen Wertschöpfungsketten. Sie entstehen und verteilen sich in netzwerkartigen Strukturen, bei denen Ursache und Wirkung oft räumlich und zeitlich entkoppelt sind.
Die Gestaltung, Führung und Steuerung digitaler Ökosysteme erfordert neue Kompetenzen: Rollenmanagement, Aufrechterhaltung der Teilnehmerbindung, Management von Netzwerkeffekten, Umgang mit Unsicherheit und hoher Komplexität. Strategische Entscheidungen werden komplexer, weil nicht nur interne, sondern auch externe Beziehungen und Interaktionen entscheidend sind. Die klassische ROI-Betrachtung versagt, da oft lange Aufbauphasen mit ungewissem Ergebnis vorliegen und Mehrwerte häufig erst durch kooperative Wertschöpfung entstehen, die nicht einfach einzelnen Akteuren zugeordnet werden kann.
Die unvollendete Suche nach der Netzwerkorganisation
Die Betriebswirtschaftslehre steht vor einem Paradigmenwechsel: weg von linearer Wertschöpfung hin zu vernetzten, komplexen Systemen mit multiplen Akteuren. Dabei ist diese Erkenntnis alles andere als neu. Seit Jahrzehnten sind betriebswirtschaftliche und soziologische Forschung auf der fieberhaften Suche nach dem Organisationsmodell der Zukunft. Nach Max Weber machten sich Management-Vordenker wie Peter Drucker, Tom Peters und Don Tapscott ebenso daran wie Wissenschaftler wie der Systemtheoretiker Niklas Luhmann und Betriebswirtschaftler wie Wolfgang Staehle, Alfred Kieser, Jörg Sydow und Arnold Picot.
Die verschiedenen Suchpfade laufen fast ausnahmslos in dem Modell der Netzwerkorganisation zusammen. Jörg Sydow liefert in seinem Werk zur Dynamik von Netzwerkorganisationen einen aufschlussreichen Überblick über Konzepte wie Interdependenz, Selbstorganisation, Nicht-Linearität und die Bedeutung evolutionärer Perspektiven. Besonders relevant erscheint dabei seine ko-evolutionäre Sichtweise, die die „doppelte Einbettung“ der Entwicklung von interorganisationalen Netzwerken hervorhebt: sowohl in die Entwicklung der einzelnen Netzwerkmitglieder als auch in die Ereignisse der Netzwerkumwelt.
Das Korallenriff als Organisationsmodell
Stephen Johnson hat in seinem Buch „Wo gute Ideen herkommen“ eine faszinierende Metapher für diese Art von Organisation geliefert: das Korallenriff. Charles Darwin war auf seiner Expedition von den Korallenriffen kleiner Atolle im Indischen Ozean fasziniert. In einer ansonsten unwirtlichen Umgebung herrscht im Korallenriff eine Artenvielfalt, die in dieser Ausprägung in keinem anderen Ökosystem zu finden ist. Obwohl Korallen von schwacher physischer Konstitution sind und das Wasser der Atolle nährstoffarm ist, gelingt es ihnen nicht nur, sich zu behaupten, sondern auch noch eine Umgebung zu schaffen, die es anderen Lebewesen und Organismen ermöglicht, dort zu überleben.
Korallenriffe stehen stellvertretend für alle Lebewesen und von Menschen geschaffene Organisationen, die unhierarchisch gegliedert und äußerst anpassungsfähig sind. Die organischen Kräfte, die in den Korallenriffen wirken und Kalziumkarbonatatome aus Bruchstücken trennen und zu neuen, symmetrischen Strukturen verbinden, lassen sich auf digitale Plattformen übertragen. Das Internet nimmt heute jene Rolle ein, die früher Metropolen innehatten, wie Georg Simmel in „Die Großstädte und das Geistesleben“ geschildert hat: Es ermöglicht den Ideenfluss und verleitet die Nutzer zu Serendipität – zu Zufallsfunden, die man ursprünglich nicht gesucht hatte, sich aber als ausgesprochen nützlich erweisen.
Hier kommt auch das Konzept der Exaptation ins Spiel, ein Begriff, den Stephen Jay Gould und Elisabeth Vrba in die Diskussion geworfen haben: Es gibt Funktionen bei Lebewesen, für die in der aktuellen Situation kein Bedarf besteht, die also eigentlich überflüssig sind, sich aber später, bei veränderten Umweltbedingungen, als äußerst hilfreich erweisen. Übertragen auf digitale Plattformen und KI-Systeme bedeutet dies: Nicht alle Funktionen müssen sofort einen klaren ROI liefern, aber sie sollten zumindest das Potenzial haben, sich bei veränderten Rahmenbedingungen als wertvoll zu erweisen. Der gegenwärtige KI-Wettlauf erzeugt jedoch oft Funktionen, die weder gegenwärtig noch zukünftig einen erkennbaren Nutzen versprechen.
Mark Granovetter hat mit seinem wegweisenden Aufsatz „The Strength of Weak Ties“ eine zentrale Eigenschaft von Netzwerkorganisationen beleuchtet: die Bedeutung schwacher Verbindungen für beruflichen Aufstieg und die Entstehung von Innovationen. Anders als häufig angenommen, kommen die besten Gedanken und Ideen oft von Menschen, mit denen man nur in loser Verbindung steht, nicht von Personen, mit denen man ständigen Kontakt hat. Netzwerkorganisationen haben dadurch, dass sie lose Verbindungen in großer Zahl zulassen, einen nicht zu unterschätzenden Vorteil bei der Gewinnung neuer Ideen sowie interessanter Gesprächs- und Geschäftspartner.
Der Innovationsforscher Richard Ogle spricht in diesem Zusammenhang von „Ideenräumen“ – Kontexten, in denen Informationen aus völlig unterschiedlichen Systemen verfügbar werden und neue Kombinationen ermöglichen. Digitale Plattformen sind solche Ideenräume, in denen – wie einst in Kaffeehäusern als Treffpunkt von Künstlern und Intellektuellen – Ideen auf kleinem Raum frei und ungehindert zirkulieren können.
Die Dialektik von Flexibilität und Stabilität
Doch mit dem Verlust der altbekannten Stabilität aus einer Zeit, in der die Umwelt sich relativ vorhersagbar verhielt und Hierarchien für die Unternehmenssteuerung ausreichende Flexibilität garantierten, entsteht ein Dilemma. Auch im Zeitalter der Interdependenz ist ein gewisses Maß an Stabilität und Verlässlichkeit nötig. Werte wie Vertrauen, Gegenseitigkeit und Fairness gewinnen damit an Gewicht. Friedrich Cramers Einsicht, dass „Struktur gebremste Zeit“ ist, verweist auf die enge Verbindung zwischen Zeitdimensionen und organisationalen Strukturen.
Neuere Ansätze wie Dave Grays Konzept der „Podular Organization“ versuchen, diese Spannung aufzulösen: eine fraktale Organisation, in der jede autonome Einheit (Pod) das Geschäft als Ganzes repräsentiert und in dessen Namen handeln kann. Die Theorie der Fraktale übt seit einiger Zeit eine große Anziehungskraft auf die Organisationsforschung aus, blieb bisher jedoch bei Versuchen und Analogien stehen.
Picots unvollendetes Projekt
Hier bietet die Theorie vom grenzenlosen Unternehmen von Arnold Picot einen wertvollen Anknüpfungspunkt, allerdings einen, der dringend weiterentwickelt werden muss. Picot beschreibt Unternehmen als Netzwerk aus autonomen Einheiten und Partnern, die flexibel und problemorientiert kooperieren, statt hierarchisch und linear organisiert zu sein. Räumliche, zeitliche, rechtliche und funktionale Grenzen lösen sich teilweise auf. Informations- und Kommunikationstechnologie bildet die Grundlage für diese Vernetzung und koordinierte Zusammenarbeit. Ziele sind Flexibilität, schnelle Reaktionsfähigkeit und Ressourcennutzung über Unternehmensgrenzen hinaus.
Doch die Realität digitaler Ökosysteme überschreitet diesen theoretischen Rahmen bei weitem. Notwendig wäre eine Weiterentwicklung, die explizit die Integration und Steuerung heterogener Akteure in komplexen Ökosystemen mit kooperativen und konkurrierenden Dynamiken erfasst. Mehrdimensionale Wertschöpfung, die über lineare Prozesse hinausgeht und Netzwerkexternalitäten sowie Plattformeffekte berücksichtigt. Dynamisches Multi-Stakeholder-Management, das nicht nur interne Steuerung, sondern auch externe Koordinationsmechanismen und Governance-Strukturen umfasst. Die Berücksichtigung von Daten-, Innovations- und Nachhaltigkeitsmanagement als integrale Bestandteile der Organisationsentwicklung.
Dabei müsste eine solche Weiterentwicklung die Erkenntnisse der jahrzehntelangen Netzwerkorganisationsforschung systematisch integrieren: Sydows ko-evolutionäre Perspektive, Granovetters Einsichten über schwache Verbindungen, Johnsons Metapher des Korallenriffs als Ideenraum, die Konzepte von Serendipität und Exaptation, die Dialektik von Flexibilität und Stabilität, fraktale Organisationsansätze. Eine derart weiterentwickelte Theorie könnte als theoretischer Rahmen dienen, um die betriebswirtschaftliche Sichtweise auf digitale Geschäftsmodelle, Plattformen und Ökosysteme grundlegend zu schärfen.
Gleichzeitig müssten die Kalkulationsinstrumente grundlegend überarbeitet werden. Ein zeitgemäßer TCO-Ansatz für digitale Ökosysteme müsste Netzwerkeffekte quantifizieren, Ko-Evolutionsdynamiken abbilden, Externalitäten systematisch erfassen, Option Values bewerten und nicht-lineare Zeitverläufe berücksichtigen können. Er müsste die Frage beantworten können, wie sich Kosten und Nutzen in mehrseitigen Plattformen verteilen, wie sich Investitionen in Infrastruktur auf das gesamte Ökosystem auswirken, und wie der Wert schwacher Verbindungen monetär erfasst werden kann.
Sie würde der Betriebswirtschaftslehre ermöglichen, interdisziplinärer zu werden und digitale, technische und rechtliche Perspektiven stärker zu integrieren. Neue Instrumente und Rahmenwerke für das Management digitaler Plattformen, agile Managementprinzipien, ein langfristiger Zeithorizont und eine höhere Toleranz gegenüber Unsicherheit – all dies müsste im betriebswirtschaftlichen Lehrkanon verankert werden. Dabei wäre zu berücksichtigen, dass Plattformen wie Korallenriffe funktionieren: Sie schaffen Räume, in denen unterschiedlichste Akteure koexistieren und voneinander profitieren können, ohne dass eine zentrale Hierarchie alles steuert.
Die Alternative wäre fatal: eine Betriebswirtschaftslehre, die den zentralen ökonomischen Transformationen unserer Zeit konzeptionell hinterherläuft und damit ihre Steuerungsfunktion einbüßt. Während Unternehmen Milliarden in KI-Projekte investieren, deren Wirtschaftlichkeit ungeklärt bleibt, fehlt nicht nur der theoretische Rahmen, sondern auch das methodische Instrumentarium, das eine fundierte Bewertung überhaupt ermöglichen würde. Das ist mehr als ein akademisches Defizit – es ist eine Gefahr für die Realwirtschaft. Die jahrzehntelange Suche nach der Netzwerkorganisation der Zukunft muss endlich zu einem Abschluss gebracht werden, der den Anforderungen digitaler Ökosysteme gerecht wird. Sonst bleibt auch die Betriebswirtschaftslehre selbst ein unvollendetes Projekt – unfähig, den ökonomischen Realitäten des 21. Jahrhunderts Orientierung zu geben.