Was, wenn die Führung die Entscheidung noch nicht benennen kann?

Dann besteht das erste Ergebnis darin, ihr beim Formulieren zu helfen. Eine gute Zusammenarbeit beginnt oft damit, aus einem vagen „den Raum verstehen“ zwei oder drei Entscheidungen zu machen, die wirklich zu treffen sind. Diese Rahmung ist die halbe Wertschöpfung, und es ist die Hälfte, die Ihnen kein Datenabonnement geben kann.

Ist ein Grundmaß an Monitoring nicht trotzdem nützlich?

Doch, ein leichtes stehendes Radar hat seinen Platz, aber nur, wenn jedes Signal, das es aufwirft, gegen eine echte Frage abgeglichen wird. Monitoring, das keine Entscheidung speist, ist nur ein Strom von Warnmeldungen, den niemand liest.

Technology Intelligence beginnt mit einer Entscheidung, nicht mit einer Datenbank

Der verkehrte Standardweg

Meist läuft es so. Jemand kauft ein Werkzeug für Patentanalytik oder ein Datenabonnement, erstellt eine breite „Technologielandschaft" eines Feldes und produziert ein sechzigseitiges Deck aus Clustern, Heatmaps und Trendpfeilen. Es sieht beeindruckend aus. Es wird nie wieder geöffnet.

Das Problem sind nicht die Daten, und es ist nicht das Werkzeug. Es ist, dass niemand gefragt hat, für welche Entscheidung das Deck gedacht war. Eine Landscape ohne Entscheidung im Hintergrund hat keinen natürlichen Endpunkt, keine Möglichkeit, ein relevantes Ergebnis von einem bloß interessanten zu unterscheiden, und kein Format, nach dem jemand handeln wird. Es ist Datensammeln mit guter Produktionsqualität.

Beginnen Sie mit der Entscheidung

Die Lösung ist fast schon peinlich einfach: Beginnen Sie mit der Entscheidung, die auf dem Tisch liegt. „Solid-State oder für die nächste Plattform bei Lithium-Ionen bleiben?" „Ist die Kerntechnologie dieses Startups verteidigbar, oder ist es Hype mit einem Demo?" „Wohin soll die Forschung und Entwicklung ihre nächste Wette setzen?" Eine echte Entscheidung, mit einem echten Verantwortlichen und einem echten Termin.

Aus der Entscheidung leiten Sie die Key Intelligence Questions ab, die zwei oder drei Dinge, die Sie wirklich wissen müssten, um zu entscheiden. Erst dann wählen Sie den Quellenmix, Patente, wissenschaftliche Literatur, Unternehmensunterlagen, Gespräche mit Praktikern, um genau diese Fragen zu beantworten.

Das ist nicht nur meine Vorliebe, so funktioniert das kanonische Modell. Die Cambridge-Forscher Kerr, Mortara, Phaal & Probert (2006) fassen Technology Intelligence als eine Fähigkeit zum „coordinate, search, filter, scan" auf, die von einem formulierten Informationsbedarf ausgeht, nicht von Daten. Lichtenthalers Studie (2004) über TI in europäischen und nordamerikanischen multinationalen Konzernen fand dasselbe Muster in der Praxis: Wert erzielten die Firmen, die TI als Prozess zur Entscheidungsunterstützung führten, angebunden an strategische Bedürfnisse, nicht als stehende Sammelfunktion.

Warum die Reihenfolge zählt, nicht nur Ordentlichkeit

Bei „Entscheidung zuerst" geht es nicht um Ordnung. Sie ändert drei konkrete Dinge:

Umfang. Eine Entscheidung grenzt die Suche ein. „Die Landschaft der KI" ist unendlich. „Welcher dieser drei Ansätze zur Inferenz wird innerhalb von 24 Monaten bei unserem Kostenziel tragfähig sein" ist beantwortbar und abschließbar.
Quellenauswahl. Die Frage sagt Ihnen, was Sie wirklich brauchen: Patente dafür, wer was besitzt und wie es um die Freedom-to-Operate steht, Literatur dafür, wohin die Wissenschaft steuert, Praktiker dafür, was tatsächlich ausgeliefert wird gegenüber dem, was bloß publiziert ist. Bei Daten zuerst sammeln Sie alles und ertrinken; bei Frage zuerst sammeln Sie, was sich seinen Platz verdient.
Übergabe. Eine Entscheidung hat eine Form. Wer entscheidet, will einen Richtungsbefund und eine Empfehlung, keine Cluster-Karte, die er selbst deuten muss. Beginnen Sie mit der Entscheidung, und die Ausgabe schreibt sich fast von selbst: Hier ist der Vektor, hier ist meine Konfidenz, das würde ich tun.

Wo KI daran etwas ändert, und wo nicht

KI hat die Daten-zuerst-Falle billiger gemacht und damit verlockender. Sie können heute an einem Nachmittag eine plausibel aussehende Technologielandschaft erzeugen. Das senkt die Latte nicht; es steigert den Wert der einen Sache, die KI Ihnen nicht abnehmen kann: zu entscheiden, welche Frage es wert ist, gestellt zu werden.

Nutzen Sie KI, um schneller durch die Mitte zu kommen, Suche, Clustering, erstes Durchlesen von tausend Abstracts. Die beiden Enden bleiben menschlich: die Entscheidung am Anfang zu rahmen und am Ende das Urteil zu verantworten. Ein Modell produziert bereitwillig eine selbstsichere Landschaft eines Feldes, das niemand kartiert haben musste. Dass es niemand brauchte, sagt es Ihnen nicht.

Das verräterische Zeichen

Hier ist ein Test, den Sie mit einer einzigen Frage durchführen können. Fragen Sie denjenigen, der die „Technology Intelligence" in Auftrag gegeben hat, welche Entscheidung sie ändern wird.

Ist die Antwort eine Entscheidung, mit Verantwortlichem und Termin, dann betreiben Sie Intelligence. Ist die Antwort „wir wollen die Landschaft verstehen" oder „den Bereich im Blick behalten", dann betreiben Sie Datensammeln, und das Deck stirbt nach Plan. Die gute Nachricht: Meist lässt es sich im selben Gespräch reparieren, mit der nächsten Frage: „Und was würden Sie je nach dem, was wir finden, anders machen?"

Quellen

Kerr, C. I. V., Mortara, L., Phaal, R., & Probert, D. (2006). A conceptual model for technology intelligence. Int. J. of Technology Intelligence and Planning. DOI
Lichtenthaler, E. (2004). Technology intelligence processes in leading European and North American multinationals. R&D Management, 34. Link
Brenner, M. S. (1996). Technology intelligence and technology scouting. Competitive Intelligence Review, 7, 20–27. Link