Welchen Nutzen hat die Betrachtung von Business Ecosystems als komplexe adaptive Systeme für uns?

Je komplexer unsere Bedürfnisse werden, desto komplexer wird unsere Gesellschaft. Es entsteht eine vernetzte Welt mit untereinander verflochtenen Phänomenen, deren Auswirkungen schwer zu überblicken sind. Um die komplexen Bedürfnisse von Wirtschaftsteilnehmern zu befriedigen, reagiert die Wirtschaft auf diese Umweltbedingungen mit der Formation von Ecosystems, in welchen Unternehmen mit anderen Unternehmen und Kunden vielschichtige Strukturen bilden, miteinander interagieren und Lernprozesse individuell wie auch als Kollektiv durchlaufen. Ein Beispiel für eine solche Struktur ist das Ecosystem um die SAP Business-Plattform.

SAP steht mit ihrer Business Plattform in einer vielfältigen Abhängigkeit zu unterschiedlichen weiteren Akteuren – sie ist exemplarisch darauf angewiesen, dass weitere Unternehmen, häufig spezialisierte Beratungen, die von SAP zur Verfügung gestellte Plattform nutzen, um Services für dritte Unternehmen, wie z. B. KMU, zu entwickeln.

Selbst wenn wir das Ecosystem aus dem SAP-Beispiel nur zu einem bestimmten Zeitpunkt betrachten, verfügt es über einen hohen Grad an Diversität: Jedes Unternehmen verfügt über eigene Ziele und Fähigkeiten und beteiligt sich in unterschiedlicher Art und Weise an der Wertschöpfung, indem es zum Beispiel unterschiedliche Produkte/Produktbestandteile bereitstellt oder zum Wertschöpfungsprozess anderer Unternehmen beiträgt. Würden wir zusätzlich die Entstehung des Ecosystems nachvollziehen oder seine zukünftige Entwicklung vorhersagen wollen, würden die beobachtbaren Elemente und Interaktionen noch komplexer und diverser. Diese Vielfalt zeigt sich auch in der Vielzahl unterschiedlicher Ecosystem-Definition und Publikationen zum Thema, wobei es nach Bogers (2019) seit 1992 mehr als 300 publizierte Artikel in hochkarätigen Publikationen über Ecosystems gibt, welche zu einem beachtlichen Teil auf eigenen Definitionen aufbauen.

Während es zu begrüssen ist, dass dem Ecosystem als Phänomen so viel Aufmerksamkeit zuteilwird, ist die grosse Anzahl an Definitionen sowohl für die Forschung als auch für ihre Anwendung in der Praxis eher hinderlich. Je nachdem, welche Definition wir nutzen, fokussieren wir uns auf bestimmte Aspekte eines Ecosystems und lassen andere aussen vor. Solange wir aber nicht mit Sicherheit sagen können, welche von diesen Aspekten für unseren Kontext wirklich relevant sind, besteht dabei die Gefahr, dass wir relevante Erkenntnisse vernachlässigen und keine vertrauenswürdigen Ergebnisse erhalten.

Für die Praxis weiterhin relevant ist, dass Ecosystems bisher fast ausschliesslich qualitativ beschrieben wurden und kaum quantitativ: Es gibt zum Beispiel Artikel, die sich der Frage widmen, was Gründe für den Aufbau eines Ecosystems sein können und wie der Prozess der Entstehung eines Ecosystems aussieht: Was zurzeit  zu häufig offen bleibt, sind zum Beispiel Kennzahlen, die einem Unternehmen dabei helfen, zu beurteilen, was sich eher lohnt: ein Angebot im Alleingang bereitzustellen oder ein Ecosystem aufzubauen. Oder wie viele Partner und Kunden zu Beginn notwendig sind, damit die Teilnahme am Ecosystem für alle involvierten Parteien attraktiv ist.

Unser Ziel im CC Ecosystems ist es langfristig, Prozesse im Ecosystem und ihre Auswirkungen valide zu beurteilen und dafür quantifizier- und messbar zu machen. Dafür brauchen wir aber zunächst einen geeigneten Analyserahmen: Wir müssen unser Untersuchungsobjekt so eingrenzen, dass seine Komplexität auf ein handhabbares Mass reduziert wird, aber gleichzeitig keine relevanten Merkmale eines Ecosystems von der Untersuchung ausgeschlossen werden. Grundsätzlich verfolgen wir im CC Ecosystem den strukturellen Ansatz von Adner (2017), um Mechanismen eines Ecosystems zu beschreiben und zu modellieren. Zur Analyse von Prozessen innerhalb des Ecosystems und zum entsprechenden Erweitern unseres Verständnisses bedarf es zusätzlich jedoch der Setzung eines Analyserahmens für die Quantifizierung der Prozesse und deren Auswirkungen eines Ecosystems, wodurch der Zweck erzielt wird, Mess- wie auch Erklärbarkeit der Phänomene eines Ecosystems zu erzeugen.

Naturwissenschaften verwenden die Theorie der komplexen adaptiven Systeme (engl. complex adaptive systems, CAS), um Systeme untersuchbar zu machen, die aus miteinander vernetzten Elementen bestehen und über Adaptionsfähigkeiten in Form von Anpassungs- und Lernvermögen verfügen. Diesen Ansatz wollen wir uns nun zu Nutze machen, sodass wir eine erste Grundlage zur Quantifizierung von Einheiten im Ecosystem legen. Weiter schaffen wir einen detaillierten Untersuchungsrahmen in Bezug auf die Akkumulation von Werten bei einzelnen Akteuren, indem der Einfluss der Interaktion zwischen ihnen beschrieben wird.

Um herauszufinden, ob ein Ecosystem wirklich als CAS betrachtet werden kann, erstellen wir eine Gegenüberstellung der Definitionen und der daraus abgeleiteten Eigenschaften eines Ecosystems und des CAS. Dafür definieren wir zuerst den Begriff ‚System‘, gefolgt von der Beschreibung eines Ecosystems anhand entsprechender Literatur, um im Anschluss auf die Beschreibung eines CAS einzugehen. Dadurch wird schliesslich der Abgleich zwischen CAS und Ecosystem ermöglicht. Zuletzt gehen wir darauf ein, ob und inwiefern sich der Wert in einem Ecosystem durch die Betrachtung als CAS beschreiben lässt.

Was ist ein System?

Je nach Untersuchungsgegenstand definiert jedes Fachgebiet den Terminus System anders, weshalb keine einheitliche Definition eines Systems existiert. Da wir mit der Theorie komplexer, adaptiver Systeme eine Theorie auf die Wirtschaftswissenschaften übertragen möchten, die in verschiedenen Naturwissenschaften zum Einsatz kommt, benötigen wir eine möglichst kongruente Definition eines Systems, welche auf alle Wissenschaften übertragen werden kann. Zu diesem Zweck verwenden wir für unsere Untersuchung die folgende Definition eines Systems nach Aslaksen (2008):

„A system consists of three related sets:

• a set of elements;
• a set of internal interactions between the elements; and
• a set of external interactions between the elements and the rest of the world.

Der Begriff System lässt sich sowohl auf Systeme anwenden, die sich physisch in der Welt finden lassen, als auch auf Ideen: „[…] we recognize that there is nothing in the system concept that restricts it to physical systems; it applies equally well to concepts or ideas, in which case the elements are simpler (or better known) concepts and the interactions are formal relationships between these elements (i.e., inherent in their definitions) (Aslaksen 2008: S.12).”

Die Elemente eines Systems können Signale sein, aber auch Komponenten, Variablen, Objekte, Individuen und dergleichen und werden durch Eigenschaften wie ihre Struktur oder ihre Funktionen beschrieben. Hauptsächlich behandeln wir im Kontext von Business Ecosystems Unternehmen als Elemente. Die internen Interaktionen bestehen aus Beziehungen zwischen den Unternehmen, die externen Interaktionen bilden die Wechselbeziehungen zwischen Unternehmen und ihrer Umwelt ausserhalb des Ecosystems. Die Beziehung der Elemente untereinander und die Elementeigenschaften bestimmen gemeinsam Systemeigenschaften wie zum Beispiel Komplexität, Determiniertheit, Nicht-/ Linearität und viele weitere (vgl. Frey, Bossert 2008: S.6; eine Erklärung dieser Eigenschaften folgt weiter unten).

Nach dieser Definition ist es nur dann möglich von einem System zu sprechen, wenn es auch eine Umwelt gibt, zu der das System sich abgrenzt. Systemgrenzen ergeben sich durch drei Faktoren:

• Durch die Abgrenzung zwischen Element und Sub-/System
• Durch die Zielsetzung und das Objekt der Untersuchung
• Durch die Betrachtungsperspektive der Beziehung zu anderen Systemen, an denen eine Schnittstelle mit ihnen gebildet wird

Um die Setzung der Systemgrenze zu verdeutlichen, könnte das uns interessierende Untersuchungsobjekt die Umsetzung eines wirtschaftlichen Wertversprechens zwischen mehreren Organisationen sein. In diesem Beispiel wäre unser Ziel, zu identifizieren, welche Akteure wir zur Verwirklichung des Wertversprechens benötigen. Unser System bestünde aus den Systemelementen “potenzielle Betriebe“, welche das Wertversprechen durch ihre gegenseitigen Beziehungen bereitstellen können. Demnach sind alle Elemente, welche nicht zur Erstellung des Wertversprechens beitragen, auch nicht Elemente des Systems; allerdings können sie das System an Schnittstellen zur Umwelt möglicherweise beeinflussen. Innerhalb des Systems gibt es Subsysteme, die zum Beispiel aus Unternehmen bestehen, die über eine bestimmte Fähigkeit verfügen. Eine mögliche externe Interaktion ist zum Beispiel der Wettbewerb mit einem anderen System.

Ein System kann entweder als isoliert, geschlossen oder offen charakterisiert werden. Die Charakterisierung hängt davon ab, ob das System Stoffe und/oder Energie mit der Umwelt austauscht. In einem Wirtschaftskontext sind Stoffe zum Beispiel Dienstleistungen oder Produkte, ein Beispiel für Energie Energieaustausch ist der Austausch von Information:

• Abgeschlossene bzw. isolierte Systeme: Es besteht weder Stoff- noch Energieaustausch mit der Umwelt
• Geschlossene Systeme: Es besteht nur Energieaustausch mit der Umwelt
• Offene Systeme: Es besteht Energie- und Stoffaustausch mit der Umwelt

Der Einfachheit halber kann ein offenes System losgelöst von seiner wissenschaftlichen Zugehörigkeit als ein System definiert werden, welches an den Schnittstellen zu seiner Umwelt eine Transferbilanz ungleich Null hat. Betrachten wir diese Definition im wirtschaftlichen Kontext, so können nicht nur diverse Leistungen von Unternehmen, sondern auch komplette Unternehmen in Form von Zu- und Auswanderung von einem System in ein anderes migrieren.

Zuletzt sollte der Begriff Modell definiert werden, um künftigen Missverständnissen vorzubeugen, bevor auf die charakterisierenden Systemeigenschaften eines CAS eingegangen wird.

Innerhalb der Systemanalyse definieren Imboden und Koch (2003: S. 9) Modelle als Konzepte für eine vereinfachte Darstellung eines komplexen Systems. Durch ein Modell werden die wichtigen Eigenschaften eines Systems dargestellt während die nebensächlichen Systemeigenschaften nicht berücksichtig werden. Hauptsächlich können Modelle in zwei Kategorien eingeteilt werden, nämlich physikalische und abstrakte bzw. konzeptionelle Modelle. Physikalische Modelle stellen eine Kopie von Objekten dar, zum Beispiel ein Modell eines Autos. Dagegen sind konzeptionelle Modelle abstrakte Repräsentationen von Systemen oder Subsystemen, mit deren Hilfe das zu modellierende Objekt simuliert werden kann. Abstrakte Modelle finden in vielen Wissenschaften Anwendung, wie beispielsweise mathematische Modelle in Form von Differentialgleichungen, spieltheoretischen und stochastischen Modellen, aber auch dynamische Systemmodelle oder wirtschaftliche Modelle, die sowohl qualitative als auch nicht-/stochastische Formen umfassen (vgl. Ljung 1998). Für uns bedeutet dies, dass je nach Untersuchungszweck verschiedene Modelle dasselbe System verkörpern können. So sind Top-Down- und Bottom-Up-Modelle zwei unterschiedliche Ansätze, mithilfe welcher sich Zusammenhänge zwischen Elementen des gleichen Systems verstehen und darstellen lassen.

Forschungsmethoden im CC Ecosystems basieren auf dem Forschungsansatz Design Science Research (DSR). „[…] [D]esign scientists produce and apply knowledge of tasks or situations in order to create effective artifacts. […] Design science products are of four types, constructs, models, methods, and implementations.” (March, Smith: 1995, S. 253). Aus der Perspektive des DSR definieren March und Smith (1995) ein Modell als „a set of propositions or statements expressing relationships among constructs. In design activities, models represent situations as problem and solution statements. […] the concern of models is utility, not truth […] A semantic data model, for example, is valuable insofar as it is useful for designing an information system. Certain inaccuracies and abstractions are inconsequential for those purposes. […] Although silent or inaccurate on the details, a model may need to capture the structure of reality in order to be a useful representation” (S. 257). Ebenso umfassen nach Starfield und Bleloch (1986: S.186 ff., 1987: S. 474) mathematische Modelle und Simulationen nicht alle Details der Realität, bieten aber trotzdem ein nützliches Werkzeug, um Konzepte und Prozesse nachzuvollziehen. „On the other hand, unless the inaccuracies and abstractions inherent in models are understood, their use can lead to inappropriate actions” (March, Smith, 1995: S. 257). Während in den Naturwissenschaften zum Beispiel mithilfe von Korrelations- und Regressionsanalysen aus der statistischen Mathematik berechnet wird, welches Modell möglichst fehlerfrei die Realität repräsentiert, werden solche Methoden und Modelle in der Design Science nur angewendet, wenn sie einen praktischen Nutzen haben.

Vielfältig, vielfältiger, Ecosystem-Definition?

Interessanterweise ist die Definition eines Business Ecosystems genauso wenig festgelegt wie diejenige eines Systems. Was nicht unbedingt überraschend ist, da die Forscher unterschiedlicher Fachgebiete den Begriff genau wie beim System jeweils an ihr eigenes Untersuchungsobjekt anpassen. So definiert Adner (2007) ein Ecosystem als „the alignment structure of the multilateral set of partners that need to interact in order for a focal value proposition to materialize (S. 40)”. Die Definitionskomponente ‚alignment structure‘ beschreibt Adner (2007) weiter mit: „Members of an ecosystem have defined positions and activity flows among them. Alignment is the extent to which there is mutual agreement among the members regarding these positions and flows”(S. 42). Für Adner ist ein Akteur ein einzelnes Unternehmen, während mehrere Akteure zusammen unter der Bedingung einer gegenseitigen Übereinstimmung bzgl. ihrer Aktivitäten und Positionen ein Ecosystem formen. Hingegen sind Ecosystems für Jacobides (2018) „groups of firms that must deal with either unique or supermodular complementarities that are nongeneric, requiring the creation of a specific structure of relationships and alignment to create value”.

Angesichts der vielfältigen Auswahl an Definitionen entsteht die Gefahr, eine spezialisierte Definition eines Ecosystems zu verwenden, wodurch andere Erscheinungsformen vernachlässigt werden könnten. Diese Vernachlässigung könnte später Konsequenzen für künftige Untersuchungsfragen haben. Wenn wir zum Beispiel nur Platform Ecosystems betrachten, könnte es passieren, dass wir wechselseitige Beziehungen zwischen Akteuren ausser Acht lassen, die nicht über eine Plattform abgewickelt werden, die aber durchaus den Profit eines Unternehmens beeinflussen können.

Eine Methode, dieses Risiko zu minimieren und mit der Fülle an Ecosystemdefinitionen umzugehen, bietet uns Bertalanffys Werk General System Theory (1968). In seiner Forschung zu Systemen stiess Bertalanffy auf ein ähnliches Problem: Da es auch in diesem Bereich eine grosse Menge an Definitionen gab, musste er einen Weg finden, diese Definitionen sinnvoll miteinander zu vereinen, um eine allgemeine Systemtheorie formulieren zu können. Dazu wählte er einen Reduktionsansatz: „Instead of studying first one system, then a second, then a third, and so on, [this approach] goes to the other extreme, considers the set of all conceivable systems and then reduces the set to a more reasonable size. This is the method I have recently followed“ (S. 95). In Anlehnung an Bertalanffy nutzen wir diese Methode der Reduktion der Menge an Ecosystem-Definitionen, sodass wir sie in Klassen mit gemeinsamen Merkmalen einordnen können. Dabei stützen wir uns auf die Literaturanalyse von Rong und Shi (2015), die dieses Vorgehen bereits auf eine Reihe von Ecosystem-Definitionen angewendet haben, indem sie die Definitionen auf ihre wichtigsten Merkmale reduziert und Autorengruppen zusammengefasst haben, die sich auf dieselben Merkmale fokussieren. Dadurch sind insgesamt fünf Autorenklassen entstanden. Zwei davon wurden von uns um die Definitionen von Adner und Jacobides ergänzt.

Weitere Autoren beschäftigen sich mit der Definition von Plattformen, welche die Organisation von Ecosystems ermöglichen oder mit der Beschreibung der Aktivitäten von Ecosystems wie bspw. Tiwana in seinem Artikel ‚Evolutionary Competition in Platform Ecosystems‘ aus dem Jahr 2005. Ebenfalls wurden auch Ecosystems aus strategischen Perspektiven betrachtet und definiert. Wir stimmen mit Rong und Shi darüber ein, dass solche Beschreibungen nicht zu grundlegenden Merkmalen von Ecosystems führen, sondern zu ihren möglichen Modellierungen.

Bisher haben wir uns zwei Kenntnisse aneignen können. Einerseits kennen wir nun die Definition eines Systems, wodurch Analysen eines Ecosystems einen strukturgebenden Rahmen erhalten. Andererseits reduzierten wir Definitionen verschiedener Autoren auf gemeinsame Merkmale, sodass wir nun alle erforschten Merkmale eines Ecosystems mit denen eines CAS vergleichen können und wir nicht in Gefahr geraten, eine spezialisierte Art des Ecosystems mit einem CAS zu vergleichen.

Damit eine Gegenüberstellung zwischen einem Ecosystem und einem CAS möglich wird, gehen wir als nächstes auf die Beschreibung eines CAS ein. Nach dem Abgleich folgt das Fazit, das die Vorteile der Betrachtung eines Ecosystems als CAS herausstellt.

Was ergibt die Summe des Ganzen?

Bevor wir die Methoden eines CAS auf Ecosystems anwenden, müssen wir zuerst darlegen, dass Ecosystems alle Bedingungen eines CAS erfüllen. Dazu vergleichen wir die in verschiedenen wissenschaftlichen Artikeln genannten Merkmale eines Ecosystems mit denjenigen eines CAS.

Holland (1995, 2014) bestimmt grundlegende Merkmale von komplexen Systemen und ihren adaptiven Elementen, sodass wir seine Beschreibung eines CAS für die Gegenüberstellung zu Ecosystems nutzen werden.

Was bedeutet “komplex”?

Ein kompliziertes System ist nicht gleichzusetzen mit einem komplexen System, sodass die Begriffe kompliziert und komplex keinesfalls Synonyme sind. Wir sagen, ein Sachverhalt sei kompliziert, wenn wir ausdrücken möchten, dass er einen hohen Schwierigkeitsgrad aufweist und wir viel Zeit aufwenden müssen, um ihn in seine Einzelteile zu zerlegen und ihn so vollständig zu durchdringen. Dagegen bezeichnen wir einen Inhalt als komplex, wenn er vielschichtig ist, sodass eine Zerlegung in seine Einzelteile nicht zu einem Verständnis des Ganzen führt. Gerade die Vernetzung der einzelnen Untereinheiten prägt das Gesamtsystem, das durch getrennte Einzelteile nicht erfasst werden kann. Dieses Phänomen, dass ‚das Ganze mehr ist als die Summe seiner Teile‘, wird auch Emergenz genannt.

Komplexe Systeme zeigen nach Holland folgende Verhaltensweisen:      

Nachdem Ecosystems alle Voraussetzungen erfüllen, um als komplexe Systeme betrachtet werden zu können, untersuchen wir im Folgenden, ob sich in Ecosystems auch die Eigenschaften und Mechanismen komplex, adaptiver Systeme wiederfinden lassen.

Sind Ecosystems denn nun komplex adaptiv?

Nach Holland verfügt ein CAS über sieben grundlegende Fähigkeiten – die vier Eigenschaften Aggregation, Nicht-Linearität, Ströme und Diversität und die drei Mechanismen Tagging, interne Modelle und Building Blocks. Die folgende Reihenfolge betont die Wechselbeziehung zwischen den Fähigkeiten (S. 10 ff.).

Welchen Nutzen ziehen wir nun daraus?

Die Realität zeigt oft, dass traditionelle Wirtschaftsmodelle den Verlauf der Interaktionen zwischen Unternehmen nicht genau widerspiegeln, da ihr individuelles und kollektives Verhalten in der realen Welt sehr schwer vorherzusagen ist. Darüber hinaus basieren die traditionellen ökonomischen Modelle auf Differentialgleichungen und partiellen Differentialgleichungen, die es schwierig machen, sehr heterogene Populationen zu analysieren. Im Gegensatz dazu bietet die Forschung zu komplexen adaptiven Systemen für die Wirtschaft eine Möglichkeit, sowohl Heterogenität als auch mögliches irrationales Verhalten zu modellieren und zu analysieren. Mithilfe von Modellen, welche Bereiche komplexer adaptiver Systeme beschreiben, können Wirtschaftswissenschaftler Ecosystems simulieren, die sich im Laufe der Zeit entwickeln und in denen Individuen ihre Präferenzen aufgrund von Erfahrungen und Interaktionen mit anderen ändern können.

Der Wechsel von der Betrachtungsperspektive der Ebene 1 – einzelne Organisationen ohne Interaktion in Form von Business Ecosystems – auf die Ebene 2 – Organisationen mit Interaktion in Form von Business Ecosystemen – erfolgt nach der Theorie der CAS durch Emergenz

Grundlage für Rahmenbedingungen, Perspektivenwechsel und interdisziplinäres Arbeiten

Der grösste Nutzen, ein Ecosystem als CAS zu beschreiben, liegt darin, dass für Untersuchungsfragen sowohl relevante Objekte identifiziert, eingeteilt und miteinander in Zusammenhang gebracht als auch verschiedene Perspektiven wie Systemhierarchie, Systeminneres und -äusseres bestimmt werden. Dadurch werden grundlegende Rahmenbedingungen zu ihrer Erforschung geschaffen und ein Übergang von qualitativen zu quantitativen Messungen ermöglicht. Wenn interne Modelle eines Unternehmens als Geschäftsmodelle interpretiert werden, könnte die Theorie komlexer adaptiver Systeme uns als Anleitung dazu dienen, wie Geschäftsmodelle je nach Entwicklungsphase des Ecosystems angepasst und wie bestimmte Massnahmen priorisiert werden müssen – wir hätten eine Art Verhaltensleitfaden für Firmen in einem Ecosystem. Ausserdem erhalten wir durch die Betrachtung eines Ecosystems als CAS ein einheitliches Vokabular statt der Definitionsvielfalt der jeweiligen Autoren; dadurch wird es auch möglich, CAS aus anderen Wissenschaftsdisziplinen mit Ecosystems zu vergleichen. So können Modelle aus der Biologie, Thermodynamik, Informationstheorie (vgl. Stoica-Klüver et al. 2009) und vielen weiteren Gebieten auf ein Ecosystem angewandt werden, was dem CC Ecosystem zusätzliche Artefakte im Bereich des DSR bietet. Für Untersuchungszwecke ist es wichtig, sich daran zu erinnern, dass die Empfindlichkeit eines Systems gegenüber seinen Ausgangsbedingungen Vorhersagen erschwert, weil eine geringfügige Änderung des bisherigen Verhaltens oder der Entscheidungen einer Organisation zu völlig anderen Bedingungen in der Zukunft führen kann.

Simulation Agenten- und Netzwerk-basierter Modelle

Alle komplexen adaptiven Systeme funktionieren im Rahmen von bestimmten Regeln und Einschränkungen. Es können sowohl einzelne Unternehmen als auch mehrere Unternehmen gemeinsam als komplexe adaptive Systeme mit eigenen Regeln und Einschränkungen beschrieben werden. Sugarscape ist eine Agenten-basierte Simulation von Epstein und Axtell, welche Individuen, ihre Umwelt und ihre Regeln für Interaktion untereinander und mit ihrer Umwelt nachbildet. Modelle wie Sugarscape zeigen, dass Änderungen von Regeln und Einschränkungen die Art der Emergenz, also das kollektive Verhalten, verändern. Die Art und Weise, wie einzelne Agenten auf Regeln und Einschränkungen reagieren, ist zwar schwer vorhersehbar, jedoch ist es möglich, ihr Verhalten derart zu verändern, dass das emergente Verhalten des Kollektivs auf das Erreichen der Ziele einzelner sowie mehrerer Unternehme ausgerichtet wird.

Indem den Agenten die Fähigkeit gegeben wird, Handel zum Beispiel mithilfe von ‚credit-assignment‘ zu treiben, entstehen Netzwerke und Netzwerkflüsse sowohl zwischen Agenten untereinander als auch zwischen Agenten und ihrer Umgebung. Die Veränderung der absoluten und relativen Verteilung von Credits entlang solcher Netzwerke verändert die Verteilung der Agenten und kann auch zum Auftreten von Migrationsverhalten führen. Mithilfe von (Multi-)Agenten-basierten und komplexen Netzwerkmodellen ist es möglich, Korrelationen – wenn auch keine Kausalitäten – zwischen Regel- und Einschränkungsänderungen und beobachtbaren Ereignissen zu finden. Das sich daraus ergebende Ecosystem aus Regeln, Einschränkungen und Handlungsentwicklung interagiert auf verschiedenen Ebenen, was zu neuen Verhaltensweisen führt, die entweder die Leistung des Unternehmens im Hinblick auf seine Ziele verbessern oder verschlechtern. Regelmässige Bewertungen liefern dem Unternehmen die benötigten Daten, um seinen Leistungsstand im Vergleich zu seinen Zielen zu erkennen und zu verstehen. Diese Informationen können dazu verwendet werden, die Regeln und Einschränkungen zu aktualisieren, um die sich daraus ergebenden Verhaltensweisen in eine positivere Richtung zu lenken.

Cluster-Konzentration der Firmen als geographische Verteilung

Die CAS-Perspektive schreibt vor, Unternehmen in ihrem Kontext zu untersuchen. Einen vielversprechenden Kontext bietet die Bildung von Clustern. In diesem Sinn beschreiben Cluster die Konzentration von Firmen in einem bestimmten Gebiet. Vor allem mithilfe von Cluster-Modellen ist es möglich, die Ab- und Zuwanderung bzw. das Migrationsverhalten, die Schliessung von Betrieben und die Formation neuer Märkte innerhalb des Ecosystems nachzuvollziehen.

Unser Ziel war es, allgemeingültige Grenzen innerhalb und um ein Ecosystem zu definieren, sodass wir Prozesse und Komponenten identifizieren, modellieren und letztendlich quantifizieren können. Der Abgleich zwischen CAS und der Definitionen eines Ecosystems bestätigt, dass wir CAS für Grenzbestimmungen nutzen können, da Ecosystems sowohl über die Mechanismen Tagging, Building Blocks und interne Modelle als auch über die Eigenschaften Diversität, Ströme, Aggregation und Nicht-Linearität verfügen. Unternehmen verfügen als Agenten über adaptive und selbstorganisierende Verhaltensweisen und zeigen in ihrer Interaktion emergente Merkmale. Die Konsequenz ist eine hohe Anzahl an Zuständen und häufige Zustandswechsel, was als chaotisch bezeichnet wird. Deshalb müssen für Untersuchungszwecke vor allem zwei Punkte beachtet werden. Einerseits ist ein Ecosystem sensibel von seinen Anfangsbedingungen abhängig, weshalb kleine Abweichungen zu grossen Messunterschieden führen können. Andererseits ist es problematisch alle Zustände eines Ecosystems vollständig zu erfassen, sodass ein Informationsgehalt über die Ungenauigkeit des Ecosystemzustandes für die Untersuchung mithilfe der Informationstheorie in Betracht gezogen werden sollte.

Quellen

Bogers, Marcel and Sims, Jonathan and West, Joel. (January 15, 2019). What Is an Ecosystem? Incorporating 25 Years of Ecosystem Research. Academy of Management Proceedings, Vol. 2019, No. 1, Available at SSRN: https://ssrn.com/abstract=3437014 or http://dx.doi.org/10.2139/ssrn.3437014

Adner, R. (2017). Ecosystem as Structure: An Actionable Construct for Strategy. Journal of Management, 43(1), 39–58. https://doi.org/10.1177/0149206316678451

Aslaksen, E. (Hrsg.) (2008). Designing complex systems: foundations of design in the functional domain. 6000 Broken Sound Parkway NW.

Frey, T., Bossert, M. (Hrsg.) (2008). Signal- und Systemtheorie. 2., korrigierte Auflage. Wiesbaden.

Imboden, D., Koch, S., (Hrsg.) (2003). Systemanalyse Einführung in die mathematische Modellierung natürlicher Systeme. 3., korrigierter Nachdruck der 1. Auflage. Berlin, Heidelberg.

Ljung, L., (Hrsg.) (1998). Systemidentification: Theory for the user. 2. Auflage. New Jersey.

March, S., Smith, G.. (1995). Design and Natural Science Research on Information Technology. Decision Support Systems. 15. 251-266. 10.1016/0167-9236(94)00041-2.

Jacobides, MG, Cennamo, C, Gawer, A. (2018). Towards a theory of ecosystems. Strat Mgmt J. 2018; 39: 2255– 2276. https://doi.org/10.1002/smj.2904

Von Bertalanffy, L., (1968). General System Theory: Foundations, Development, Applications. 2. Auflage. New York.

Rong, K., Shi, Y., (2015). Business Ecosystems Constructs, Configurations, and the Nurturing Process. New York.

Anggraeni, Elisa & Hartigh, Erik & Zegveld, Marc. (2007). Business ecosystem as a perspective for studying the relations between firms and their business networks.

Hartigh, Erik & Visscher, W. & Tol, M. & Salas, A.J.. (2013). Measuring the health of a business ecosystem. Software Ecosystems: Analyzing and Managing Business Networks in the Software Industry. 221-246. 10.4337/9781781955628.00020.

Peltoniemi, M., & Vuori, E. (2008). Business Ecosystem as the New Approach to Complex Adaptive Business Environments.

Peltoniemi, Mirva. (2005). Business ecosystem: a conceptual model of an organisation population from the perspectives of complexity and evolution.

Iansiti, Marco & Levien, Roy. (2002). The New Operational Dynamics of Business Ecosystems: Implications for Policy, Operations and Technology Strategy.

Moore, James. (1999). Predators and Prey: A New Ecology of Competition. Harvard business review. 71. 75-86.

Adner, R., & Kapoor, R. (2010). Value Creation in Innovation Ecosystems: How the Structure of Technological Interdependence Affects Firm Performance in New Technology Generations. Strategic Management Journal, 31 (3), 306-333. http://dx.doi.org/10.1002/smj.821

Tiwana, Amrit. (2015). Evolutionary Competition in Platform Ecosystems. Information Systems Research. 26. 150424094525000. 10.1287/isre.2015.0573.

Holland, H. J., (Hrsg.) (2014). Complexity A Very Short Introduction. Oxford.

Holland, H. J., (Hrsg.) (1995). Hidden order: how adaption builds complexity. Oxford.

Nordhaus, W., D., (2011). The Economics of Tail Events with an Application to Climate Change. Review of Environmental Economics and Policy 2011 5:2, 240-257

Stoica-Klüver, C., Külver, J., Schmidt, J., (Hrsg.) (2009). Modellierung komplexer Prozesse durch naturanaloge Verfahren. Wiesbaden.

Epstein, Joshua M.; Axtell, Robert (Hrsg.) (1996). Growing artificial societies: social science from the bottom up. Washington, D.C.

Starfield, A.M., Bleloch A.L.,(Hrsg.) (1986). Building Models for Conservation and Wildlife Management. Macmillan Publishing Company, New York, and Collier Macmillan Publishers, London.

• About
• Latest Posts

Dennis Vetterling

Dennis ist seit 2011 in der Finanzindustrie tätig und hat nach seiner Ausbildung zum Bankkaufmann verschiedene Rollen innerhalb eines der grössten regionalen Kreditinstitute Deutschlands eingenommen. Über seine Stationen in Vertriebsmanagement und Private Banking konnte er tiefgreifende Erfahrungen im Bankgeschäft sammeln. Zuletzt hat er das Management als Berater bei der Strategieentwicklung unterstützt. Seine praktische Erfahrung im Banking ergänzte Dennis zunächst durch ein Studium der Betriebswirtschaftslehre an der Hochschule Bonn-Rhein-Sieg in Sankt Augustin sowie der Keele University (UK). Weiter konnte er im Rahmen seines Studiums auch erste Erfahrungen in einer Beratungsboutique für die Finanzindustrie sammeln. 2020 schloss er seinen Master in Management (M.Sc.) an der HHL Leipzig Graduate School of Management mit den Schwerpunkten Strategie und Finance ab. Im Rahmen seiner Abschlussarbeit hat er hier die Erfolgsfaktoren für plattformbasierte Geschäftsmodelle im Bankensektor in Deutschland analysiert. Seit Mai 2021 unterstützt Dennis das CC Ecosystems als Doktorand im Bereich Ecosystems. Er fokussiert sich in seiner Forschung auf die Wertakkumulation bei einzelnen Akteuren sowie auf Pricing- und Governance-Systematiken.

Latest posts by Dennis Vetterling (see all)

• Service-Design in Business Ecosystems: Wie Sie den Service-Blueprint im Rahmen von Business Ecosystems nutzen können und der Bezug zu meiner Forschung. - 26.03.2024
• Forschungsbereich Business Ecosystems - 19.12.2023
• Forschungsbereich Business Ecosystems: Vorstellung des aktuellen Forschungsprojekts: Konzeptualisierung der Akkumulation von Wert (Value Capture) durch ein Framework - 15.08.2023

• About
• Latest Posts

Ivana Vukadinovic

Ivana Vukadinovic arbeitet als wissenschaftliche Assistentin für die BEI und studierte Biochemie mit biomolekularem Schwerpunkt an der Universität Zürich. Nun studiert sie Informatik an der Universität St. Gallen und begeistert sich für Systems Engineering und interdisziplinäre Untersuchungen.

Latest posts by Ivana Vukadinovic (see all)