Leitung von R&D-Teams in Zeiten des Wandels: Insights für Directors und CTOs

Unternehmen auf der ganzen Welt investieren enorme Summen in Forschung und Entwicklung (F&E/ engl. R&D). Mit fast 2,5 Billionen US-Dollar im Jahr 2022 entsprechen die jährlichen R&D-Ausgaben etwa 2% des globalen BIP.

Wie also stellen R&D-Manager und Chief Technology Officers sicher, dass diese Ressourcen sinnvoll eingesetzt werden und ihr Potenzial für Innovation und Rentabilität maximiert wird? Am Anfang steht die Erkenntnis, dass es bei einem effektiven R&D-Management nicht nur um die Zuteilung von Ressourcen geht, sondern auch darum, die Forschung und Entwicklung mit den Unternehmenszielen, den Marktentwicklungen und der zunehmenden Geschwindigkeit des Wandels zu synchronisieren.

In Zusammenarbeit mit einigen der innovativsten Unternehmen der Welt haben wir drei Schlüsselbereiche identifiziert, die produktive R&D-Teams auszeichnen. Dazu gehören die Einführung agiler Innovationsprozesse, die strategische und ethische Integration von künstlicher Intelligenz (KI) sowie die Förderung von Vielfalt und Integration. Basierend auf den Erkenntnissen von Vordenkern, Branchenexperten und Innovationsführern befasst sich dieser Blog mit effektiven Strategien für nachhaltiges, R&D-gestütztes Wachstum.

Agile Innovationsprozesse in der Forschung & Entwicklung

R&D-Teams stehen vor der ständigen Herausforderung, in einer sich ständig verändernden Technologie- und Marktlandschaft relevant zu bleiben. Künstliche Intelligenz ist nur einer, wenn nicht der am schnellsten voranschreitende und sich am stärksten verändernde Technologiebereich, in dem R&D-Teams ihre Relevanz aufrechterhalten müssen, aber es gibt unzählige andere. Und noch nie stand so viel auf dem Spiel wie heute. Mehr als 75 % der Führungskräfte glauben, dass die derzeitigen Geschäftsmodelle ihrer Unternehmen bis 2025 nicht mehr rentabel sein werden.

Für R&D-Teams, die mit dieser gestiegenen Verantwortung konfrontiert sind, ist die Einführung agiler Innovationsprozesse von entscheidender Bedeutung. Dies bedeutet nicht nur den Einsatz fortschrittlicher Technologien wie KI, sondern auch die Integration robuster, flexibler Methoden, die sowohl auf technologischen Fortschritt als auch auf sich ändernde Marktanforderungen schnell reagieren können. Durch einen proaktiven und strategischen Ansatz können R&D-Teams disruptive Innovationen vorantreiben, die Geschäftsmodelle unterstützen und neue Wege für Wachstum und Wettbewerbsfähigkeit schaffen.

Kontinuierliche, iterative Weiterentwicklung

Viele herkömmliche R&D-Ansätze sind projektbasiert und lassen die Kontinuität mit den Unternehmenszielen vermissen. Durch die Betonung der kontinuierlichen Verbesserung gegenüber einmaligen Durchbrüchen ermöglicht die kontinuierliche Innovation den Unternehmen, sich an ein sich rasch wandelndes Umfeld anzupassen und neue Chancen zu nutzen.

Die Kaizen-Philosophie: Andrew Willett, Senior Expert bei Toyota Motor Europe, beschreibt das unerschütterliche Engagement des Unternehmens für kontinuierliche Verbesserung, Transparenz und Respekt für Menschen, sowohl für Kunden als auch für Mitarbeiter. Der R&D-Ansatz durch diese "Kaizen"-Linse befähigt die Teams, sich an Veränderungen und Störungen anzupassen, indem eine Kultur des kontinuierlichen Lernens und der iterativen Entwicklung gefördert wird, die sicherstellt, dass Innovationen konsequent auf die sich entwickelnden Marktanforderungen und den technologischen Fortschritt abgestimmt werden.

Schrittweise Innovationsprozesse: Hans Lind, Director of Business Innovation & Foresight bei der Volvo Group, erläutert den Ansatz, den das Volvo Connected Solutions Innovation Lab verfolgt, um sicherzustellen, dass die R&D-Prozesse flexibel und reaktionsfähig sind. Die phasenorientierte Innovationsmethodik des Labors - Entdeckung, Inkubation und Beschleunigung - ist strukturiert, aber agil genug, um es dem R&D-Team zu ermöglichen, mit neuen Ideen zu experimentieren und gleichzeitig die tragfähigsten Innovationen voranzutreiben.

Datengestützte Entscheidungsfindung

Im Zeitalter von Big Data müssen R&D-Teams umfassende und qualitativ hochwertige Daten nutzen, um Innovationen voranzutreiben und sicherzustellen, dass ihre Lösungen den tatsächlichen Bedürfnissen entsprechen. Dieser Ansatz verbessert die Entscheidungsfindung und gleichzeitig die Prognosefähigkeit neuer Technologien wie KI.

Daten zentralisieren: Das Futures Council von Dolby Laboratories nutzt das ITONICS Innovation OS, um Daten abteilungsübergreifend zu zentralisieren und kollaborative Intelligenz zu fördern. Tessa Finlev, ehemalige Leiterin der Zukunftsforschung bei Dolby, erklärt, wie dieser Ansatz sicherstellt, dass strategische Planung und Innovation auf einer umfassenden Analyse relevanter Daten basieren, auf die jeder im Unternehmen Zugriff hat. Mit einer einzigen Quelle der Wahrheit können R&D-Teams schneller Entscheidungen treffen, die auf künftige Marktanforderungen und Technologietrends abgestimmt sind.

Sammlung von Informationen aus verschiedenen Quellen: Eine datenbasierte Entscheidungsfindung ist nur so gut wie die Daten, auf denen sie basiert. Deshalb verfolgt das Ericsson ConsumerLab unter der Leitung von Jana Uthayakumar eine Strategie der Informationsbeschaffung aus mehreren Quellen. Diese Methode umfasst Experteninterviews, umfassende Primärforschung und aufmerksame Medienbeobachtung, um eine breite und fundierte Perspektive zu gewährleisten, die für R&D-Teams, die sich auf unsicherem technologischem Terrain bewegen, unerlässlich ist.

Strategische und ethische Integration von KI in Forschung & Entwicklung

Die Integration von KI in R&D-Workflows ist zu einer strategischen Notwendigkeit geworden, um Innovationen voranzutreiben und Wettbewerbsvorteile zu sichern. Die zunehmende Komplexität der Technologielandschaften und die Beschleunigung der Marktanforderungen machen es erforderlich, dass R&D-Teams KI nicht nur beherrschen, sondern auch strategisch einsetzen können.

Die Vorteile der Integration von KI in R&D-Prozesse sind vielfältig: kürzere Markteinführungszeiten, höhere Kundenzufriedenheit, höhere Umsätze und niedrigere Kosten. Dies sind jedoch keine vorherbestimmten Ergebnisse, die sich aus der Einführung von KI ergeben. Die McKinsey-Analyse zeigt, dass "KI-Power-User" eine Reihe von Best Practices anwenden, die entscheidend sind, um die Wirkung von KI zu skalieren und gleichzeitig potenzielle Risiken zu minimieren. Zu diesen Best Practices gehören die Ausrichtung der KI-Strategie an den Unternehmenszielen, Investitionen in KI-Talente und -Schulungen sowie die Einführung von Standardprotokollen und wiederholbaren Prozessen.

Ethische KI-Rahmenbedingungen

Die Integration von KI in Forschung und Entwicklung muss durch einen soliden ethischen Rahmen unterstützt werden, um eine verantwortungsvolle Nutzung der Technologie zu gewährleisten. Dies erfordert die Entwicklung umfassender Leitlinien und eine Überwachung, um potenzielle Verzerrungen zu beseitigen, Transparenz zu gewährleisten und die Privatsphäre zu schützen.

Ethische Erwägungen und Risiken: Im Zusammenhang mit der Integration von KI in neue Technologien wie Spatial Computing weist Leslie Shannon, Head of Trend and Innovation Scouting bei Nokia, auf die potenziellen ethischen Risiken und die Notwendigkeit einer sorgfältigen Berücksichtigung von Datenschutz und Datensicherheit hin. R&D-Leiter müssen sicherstellen, dass ihre Teams nicht nur die Grenzen der technologischen Innovation ausloten, sondern auch die breiteren gesellschaftlichen Auswirkungen und ethischen Implikationen ihrer Arbeit berücksichtigen.

Die Rolle des Menschen bei der Überwachung der KI: Auch wenn die KI immer fortschrittlicher wird, bleibt die Notwendigkeit der Überwachung durch den Menschen von entscheidender Bedeutung. Andreas Welsch, Chief AI Strategist bei Intelligence Briefing und Dozent an der West Chester University of Pennsylvania, erörtert die Notwendigkeit, dass Menschen Dateneingaben optimieren und überprüfen, um Verzerrungen und Fehler zu vermeiden. Für R&D-Manager ist dies eine Erinnerung an den Wert menschlichen Urteilsvermögens bei der Überwachung und Lenkung technologischer Lösungen, um sicherzustellen, dass sie ethischen Standards und der Anwendbarkeit in der realen Welt entsprechen.

Robuste Datenverwaltung

Daten sind das Lebenselixier von KI-Systemen, und ihre Integrität ist entscheidend für die Gewinnung zuverlässiger Erkenntnisse. Die Einführung strenger Datenmanagementpraktiken stellt sicher, dass die Informationen, die in KI-Systeme einfließen, korrekt und unvoreingenommen sind.

Datengetriebene Innovation: Dr. Christoph Nabholz, Chief Research Officer und Leiter des Teams Research, Engagement & Sustainability am Swiss Re Institute, betont die Bedeutung einer soliden Datenerhebung und -analyse bei der Entwicklung von KI-Modellen für das Risikomanagement. Dieser Ansatz ist entscheidend für R&D-Teams, die an Anwendungen wie KI in Modellierung, Predictive Analytics und Sensemaking arbeiten, bei denen die Datenqualität einen direkten Einfluss auf die Effektivität und Zuverlässigkeit der Ergebnisse hat.

Menschenzentrierte Daten als Herausforderung: Andreas Welsch von Intelligence Briefing weist darauf hin, dass ein wesentliches Problem der KI - und damit auch der Technologieentwicklung - die Abhängigkeit von menschlich generierten und kuratierten Daten ist. Dies hat Auswirkungen auf die Genauigkeit, Fairness und Funktionalität von KI-Systemen. Für R&D-Teams unterstreicht dies die Bedeutung eines kritischen Datenmanagements und die Notwendigkeit, während der Entwicklungsphasen qualitativ hochwertige und unvoreingenommene Datenquellen zu pflegen.

Diversity und Integration in R&D

Führungskräfte, die eine Kultur fördern, die alle einbezieht und unterschiedliche Meinungen wertschätzt, schaffen eine Basis, die innovativer und anpassungsfähiger gegenüber der unvorhersehbaren Dynamik globaler Märkte ist. Eine Studie von BCG und der Technischen Universität München zeigt einen direkten Zusammenhang zwischen der Diversität in Managementteams und dem Innovationsoutput in Form von Einnahmen aus neuen Produkten und Dienstleistungen.

Aber nicht nur in Führungspositionen fördert Vielfalt die Innovation. Auch in Forschungs- und Entwicklungsteams kann Vielfalt die Kreativität und Problemlösungskompetenz deutlich steigern. Vielfalt in Bezug auf Geschlecht und ethnische Herkunft, aber auch in Bezug auf Erfahrung, Branchenhintergrund und berufliche Laufbahn trägt zu einem reicheren Ideenpool und einem robusteren Innovationsprozess bei.

Vielfältige Teamzusammensetzung: Hans Lind von der Volvo Group betont, wie wichtig es ist, ein vielfältiges Team im Volvo Innovation Lab zusammenzustellen, und weist darauf hin, dass die Teammitglieder aus verschiedenen Ländern kommen und unterschiedliche Hintergründe haben. Diese Vielfalt ist von entscheidender Bedeutung, da sie ein breites Spektrum an Perspektiven und Ideen mit sich bringt, was für Innovation unerlässlich ist, insbesondere in einem R&D-Umfeld, in dem die Lösung komplexer Probleme oft unkonventionelles Denken erfordert.

Inklusivität in der Technologieentwicklung: Leslie Shannon von Nokia betont die Notwendigkeit einer größeren Inklusivität in der Technologiebranche, nicht nur im Hinblick auf die demografische Vielfalt, sondern auch auf die Einbeziehung unterschiedlicher beruflicher Hintergründe und Perspektiven. Dies spiegelt sich auch im Innovationsansatz von Toyota wider, wo das Automobilunternehmen alle Mitarbeiter ermutigt, Ideen einzubringen und Feedback zu geben. Durch die Einbeziehung aller Mitarbeiter in Forschung und Entwicklung wird sichergestellt, dass die Lösungen vielfältig sind und den unterschiedlichen Bedürfnissen der Nutzer gerecht werden.

Ein Betriebssystem für R&D

Das ITONICS Innovation OS ist ein umfassendes Betriebssystem für End-to-End-Innovation, Produktentwicklung und R&D-Management. Es zentralisiert, rationalisiert und richtet alle Aspekte der R&D-Bemühungen in Ihrem Unternehmen aus und stellt sicher, dass jede Phase des Innovationsprozesses - von der Strategie bis zur Ausführung - miteinander verbunden und für den Erfolg optimiert ist.

Durch die Unterstützung agiler Innovationsprozesse fördert das Innovation OS einen dynamischen Entwicklungsansatz, der sich schnell an veränderte Marktanforderungen und neue Technologien anpasst. Es fördert die Einbeziehung unterschiedlicher Perspektiven durch Open Innovation und gemeinschaftliche Evaluierung und bereichert die Innovationspipeline mit einem breiteren Spektrum an Ideen und Erkenntnissen.

Das KI-basierte ITONICS-System, das mit einem robusten Live-Datenfeed gespeist wird, verbessert die Analyse und Entscheidungsfindung und liefert R&D-Teams umsetzbare Erkenntnisse und Intelligenz, um zukunftsweisende Strategien zu entwickeln. Diese Funktionen ermöglichen es R&D-Teams, die Zukunft ihrer Branchen zu gestalten, indem sie technologischen Trends und Marktveränderungen immer einen Schritt voraus sind.