KI-gestützte Auswahl eines Open Innovation-Partners - eine Fallstudie

Die steigende Komplexität von Produkt- und Technologieentwicklungen erfordert mehr Zusammenarbeit zwischen Organisationen und ein Öffnen von Innovationsprozessen im Sinne des Open Innovation Paradigmas. Insbesondere KMU haben dabei Schwierigkeiten, geeignete Partner auszuwählen, da traditionelle Methoden oft zeitaufwendig und subjektiv sind. Der Einsatz von Künstlicher Intelligenz (KI) zur Partnerauswahl bietet das Potenzial die Effektivität und Effizienz deutlich zu steigern. In diesem Beitrag wird deswegen untersucht, inwieweit eine KI-gestützte Vorgehensweise die Partnerauswahl im Vergleich zu traditionellen Methoden verbessert. Die hier aufgeführte Fallstudie eines mittelständischen Unternehmens der optischen Oberflächenprüfung zeigt, dass KI den Zeit- und Ressourcenaufwand erheblich reduziert und besser passende Partner identifiziert. Die Ergebnisse deuten darauf hin, dass KI-gestützte Verfahren objektiver sind und menschliche Fehler minimieren. Zukünftige Forschung sollte die Algorithmen verbessern und weitere Auswahlkriterien einbeziehen, um die Generalisierbarkeit der Ergebnisse zu verbessern sowie den langfristigen Erfolg von Open Innovation-Projekten zu untersuchen.

The increasing complexity of product and technology developments requires more cooperation between organizations and an opening of innovation processes in the sense of the open innovation paradigm. SMEs in particular have difficulties in selecting suitable partners, as traditional methods are often time-consuming and subjective. The use of artificial intelligence (AI) for partner selection offers the potential to significantly increase effectiveness and efficiency. This article therefore examines the extent to which an AI-supported approach improves partner selection compared to traditional methods. The case study of a medium-sized optical surface inspection company presented here shows that AI significantly reduces the time and resources required and identifies more suitable partners. The results indicate that AI-supported methods are more objective and minimize human error. Future research should improve the algorithms and include further selection criteria to improve the generalizability of the results and investigate the long-term success of open innovation projects.