Der jüngste Einbruch der globalen Märkte nach der Ankündigung massiver US-Zölle durch Präsident Trump zeigt einmal mehr, wie fragil und unberechenbar das weltwirtschaftliche Gefüge geworden ist. Binnen Stunden reagierten Asien, Europa und Großbritannien mit Gegenmaßnahmen, Warnungen oder zumindest diplomatischer Zurückhaltung. Die Börsen stürzten ab und ein neuer, potenziell langwieriger Handelskonflikt nimmt Fahrt auf.

Was bedeutet das für europäische Unternehmen? Zunächst: Die Postglobalisierung ist nicht mehr nur ein strategischer Megatrend – sie ist operative Realität. Was wir im Februar beschrieben haben, konkretisiert sich nun in dramatischer Geschwindigkeit: Das globale Spielfeld verengt sich weiter, und Märkte fragmentieren sich nicht nur regulatorisch, sondern auch ökonomisch und politisch.

Vom offenen Markt zur strategischen Zone

Der neue Zollbeschluss ist mehr als ein wirtschaftspolitischer Reflex – er markiert einen strategischen Paradigmenwechsel. Globaler Handel wird wieder zur Frage der Macht, nicht nur der Effizienz. Für Unternehmen heißt das: Die Standortwahl, die Auswahl von Lieferketten, Investitionsentscheidungen und Marktpriorisierungen müssen neu gedacht werden – unter geopolitischen Vorzeichen.

Während Frankreichs Präsident Macron europäische Unternehmen offen zum Investitionsstopp in den USA auffordert, mahnt Japans Regierung zur Besonnenheit und Großbritannien hofft auf Verhandlungen. Die Zeiten, in denen Unternehmen auf einheitliche Rahmenbedingungen hoffen konnten, sind vorbei. Was zählt, ist Resilienz – und strategische Differenzierung.

Kompetenzbasierte Resilienz: Der strategische Imperativ

Die Frage ist nun nicht mehr, ob wir in einer postglobalen Welt leben – sondern wie wir in ihr bestehen. Unsere These bleibt bestehen: Unternehmen, die auf kompetenzbasierte Modelle setzen und diese flexibel regional ausspielen, sind besser gewappnet für fragmentierte Märkte.

Doch es braucht einen weiteren Schritt: Der Aufbau von strategischer Resilienz muss systematisch erfolgen – nicht nur als Reaktion, sondern als präventive Fähigkeit. Unternehmen müssen lernen, geopolitische Volatilität nicht nur auszuhalten, sondern strategisch zu nutzen.

Drei Prinzipien für strategische Resilienz:

1. Souveränität durch Spezialisierung
   Wer nicht überall sein kann, muss dort stark sein, wo er es sein will. Kompetenzen wie Material- oder Prozessinnovation müssen so eingesetzt werden, dass sie lokale Wertschöpfung ermöglichen – etwa durch regionale Produktionscluster, Dual-Use-Ansätze oder technologische Lizenzmodelle.
2. Optionen statt Abhängigkeiten
   Lieferketten, Partnerschaften und Absatzmärkte sollten nicht linear geplant, sondern als Portfolio orchestriert werden. Unternehmen brauchen Handlungsoptionen – durch mehrdimensionales Szenariomanagement, Frühindikatoren und datenbasierte Analysen.
3. Antizipation statt Reaktion
   Wer geopolitische Entwicklungen frühzeitig erkennt und einordnet, kann sie aktiv für sich nutzen – sei es bei Investitionsentscheidungen, Innovationsstrategien oder Marktpriorisierungen. Antizipation ist die neue Kernkompetenz in einer fragmentierten Weltwirtschaft.

Fazit: Die neue Welt ist da – gestalten wir sie mit

Die Handelspolitik der USA wird sich – unabhängig von parteipolitischen Konstellationen – nicht mehr am Prinzip offener Märkte orientieren. Für europäische Unternehmen heißt das: Wir brauchen eine neue Souveränität im Wirtschaften. Nicht durch Abschottung, sondern durch Differenzierung, Resilienz und die Fähigkeit, aus technologischer Stärke strategische Unabhängigkeit zu entwickeln.

Kodak und Fujifilm dominierten jahrzehntelang den Markt der analogen Fotografie. Ihre unterschiedlichen Strategien in Zeiten des technologischen Wandels führten zu völlig gegensätzlichen Ergebnissen. Während Fujifilm erfolgreich über seinen ursprünglichen Kernmarkt hinaus diversifizierte und neue Geschäftsfelder, wie Kosmetik und Medizintechnik erschloss, hielt Kodak an seinem traditionellen Geschäftsmodell fest und investierte vor allem in naheliegende Geschäftsfelder, was letztlich zur Insolvenz führte.

Fujifilm hingegen nutzte bestehende Kompetenzen, um neue Märkte zu erschließen und setzte auf innovative Ansätze, um langfristig wettbewerbsfähig zu bleiben. Diese Herangehensweise ist in Zeiten von Zollstreit und rasanten technologischen Entwicklungen aktuell wie nie. Ausschlaggebend sind dabei eine langfristige Perspektive sowie die Bereitschaft von Unternehmen, Ressourcen zu investieren und Risiken sowie Unsicherheiten zu akzeptieren.

Besonderheiten von Innovationsprozessen

Denn Entscheidungen in Innovationsprozessen unterscheiden sich grundsätzlich von alltäglichen organisationalen Entscheidungen, die auf kurzfristige Gewinne und planbare Ergebnisse abzielen. Innovationsprozesse zeichnen sich durch eine hohe Unsicherheit und Komplexität aus, erfordern Risikobereitschaft und neue Denkmuster und Entscheidungsregeln, da bekannte nicht mehr passend sind.

Den meisten Menschen fällt es jedoch schwer, sich von gewohnten Denkmustern zu lösen und diese anzupassen. Daher können insbesondere in Innovationsprozessen kognitive Verzerrungen auftreten – systematische Denkfehler, die dazu führen können, dass risikoreichere, aber potenziell transformative Ideen abgelehnt oder falsche Prioritäten gesetzt werden.

Wie sich kognitive Verzerrungen auf Innovationsentscheidungen auswirken können

Entscheidungen können zugunsten des aktuellen Zustands (Status Quo Bias), naheliegender Ideen zum Kerngeschäft (Myopia Bias) oder kurzfristiger Erfolge (Present Bias) verzerrt sein, wenn eigentlich eine Diversifikation angestrebt wird. Das kann bedeuten, dass Bekanntes oder das Beibehalten des Status Quo bevorzugt wird, auch wenn der Aufwand einer Veränderung gering und der Nutzen groß ist.

Veränderung ist für viele Menschen mit Stress verbunden. Das kann dazu führen, dass Verluste stärker bewertet werden als potenzielle Gewinne (Loss Aversion) und die Kosten des Nichtstuns (Omission Bias), d.h. auf eine Innovation zu verzichten, ausgeblendet werden.

Mut zur Unsicherheit

Die Aufgabe von Entscheiderinnen und Entscheidern in Innovationsprozessen ist es daher, neue Denkmuster einzuüben und zu praktizieren sowie Risiken und Unsicherheiten bewusst in Kauf zu nehmen, um das langfristige Ziel einer Diversifizierung zu erreichen.

Die erfolgreiche Umsetzung von Ideen und Innovationen hat zwangsläufig zu einem gewissen Grad mit Glück zu tun, da niemand in der Lage ist, zukünftige Entwicklungen unter komplexen Wechselwirkungen vorherzusagen. James Austin beschreibt in seinem Buch „Chase, Chance, and Creativity“ vier Arten von „Chance“ – frei mit Glück übersetzt:

1. Glück I: Reines Zufallsglück, das ohne eigenes Zutun plötzlich passiert – man liegt in der Sonne und ein 50-Euro-Schein flattert einem ins Gesicht.
2. Glück II: Glück, das einem begegnet, weil man aktiv, neugierig und ständig in Bewegung ist, unermüdlich ausprobiert, bis irgendetwas hängen bleibt. Man rennt so lange ziellos durch die Stadt, bis man einen 50-Euro-Schein auf der Straße findet.
3. Glück III: Glück, das entsteht, weil man mit Wissen, Erfahrung und Fokus bereit ist, Chancen zu erkennen und zu nutzen. Schon Seneca schrieb: „Glück ist, was passiert, wenn Vorbereitung auf Gelegenheit trifft.“
4. Glück IV: Glück, das einem zufällt, weil man eine ganz bestimmte Denkweise, Persönlichkeit oder Leidenschaft mitbringt, die außergewöhnliche Einsichten ermöglicht. Das finde ich, am wenigsten intuitiv zu verstehen. Glück II kann jeder haben, der in Bewegung ist, Glück IV steht nur der Person offen, die einen einzigartigen Weg geht, z.B. durch exzentrische Hobbies. Ich muss dabei an Steve Jobs denken, der bei Xerox erste Prototypen einer Computermaus gesehen hat und sofort Feuer und Flamme war zum Unverständnis aller Beteiligten. Danach hat er praktisch alle Deoroller der Stadt aufgekauft, mit dem Ziel, Kosten und Langlebigkeit der Kugelmechanik der Maus zu verbessern.

Mit dieser Unterteilung scheint Glück viel aktiver gestaltbar, denn nur Glück I stößt einem einfach so zu. „Das Glück ist mit den Tüchtigen“ wird hier nochmals bestätigt. Ausprobieren, Herumtüfteln, Aktivität allgemein, egal ob gerichtet oder ungerichtet, schafft mehr Chancen auf Glück. Weiterhin Wissen, am besten möglichst breit gestreut, bietet den Nährboden, auf den Glück fallen kann.

Letzteres bringt eine interessante neue Perspektive auf unsere KI-Aktivitäten mit sich. Einer unserer Grundsätze ist, dass wir Experten nicht substituieren wollen, sondern ihnen ein Fernglas geben, damit sie noch weiter sehen können. Ehrlicherweise schwingt da ein bisschen Eigennutz mit, da wir oft genug selbst die Experten sind, die die Tools nutzen.

Nicht nur mit dem KI-Fernglas gezielt nach Informationen suchen, die unmittelbare Aufgabenbereiche betreffen, sondern KI einsetzen, um öfter, mehr und weiter über den Tellerrand hinauszuschauen, klingt nach einer spannenden Erweiterung. So wird KI zur „Glücksmaschine“, indem sie viel mehr Gelegenheiten schafft, um Glück zu haben. Dann müssen wir unsere Chancen nur noch ergreifen.

In vielen technischen Bereichen in Unternehmen entstehen im Laufe der Jahre unzählige Varianten, Versionen und ähnliche Bauteile. Oft fehlt der Überblick darüber, wo unnötige Komplexität vorhanden ist und wo sich eine Vereinheitlichung lohnt. Genau hier setzt die Value Analysis als bewährte Methode im Value Engineering an: Sie zielt darauf ab, den Kundennutzen mit möglichst geringem Ressourceneinsatz zu realisieren. Datengetriebene Ansätze mit künstlicher Intelligenz heben dieses Vorgehen auf ein neues Niveau.

Erstmals ermöglichen Large Language Models (LLMs) verschiedenste Datenquellen zusammenzuführen und intelligent auszuwerten. Was früher nur mit immensem Aufwand machbar war, kann heute automatisiert und in deutlich kürzerer Zeit erfolgen.

Zunächst werden die relevanten Datenquellen identifiziert und in ein einheitliches Format überführt. Die größte Herausforderung besteht oft in der Fragmentierung, da Informationen historisch gewachsen und über zahlreiche Systeme verteilt sind. Mithilfe eines einheitlichen Identifiers entsteht ein zentrales Wissensdokument, das als Masterdatenbasis dient.

Gerade bei unstrukturierten Informationen, zum Beispiel in Zeichnungen, PDFs oder Bildern, entfalten LLMs ihre Stärken. Sie können Inhalte analysieren, extrahieren und als neue Spalten oder Attribute im Masterdokument abbilden. Da LLMs besonders gut mit Text umgehen, ist es sinnvoll, möglichst viele Informationen in sprachlicher Form verfügbar zu machen. Große Mengen an Dateien lassen sich über API-Schnittstellen automatisiert verarbeiten, sodass ein strukturierter, zentraler Datensatz mit hoher Informationsdichte entsteht.

In der anschließenden Analysephase können bei kleineren Datensätzen LLMs direkt zum Einsatz kommen, um Muster, Redundanzen oder funktionale Ähnlichkeiten zu erkennen. Im Gegensatz zu klassischen Tools erfassen sie auch semantische Gemeinsamkeiten, selbst wenn Begriffe, Schreibweisen oder technische Beschreibungen variieren. So entsteht eine fundierte Basis für Entscheidungen, bei denen es nicht um exakte Duplikate, sondern um funktionale Gleichteile geht. Für größere Datenmengen nutzt TIM Consulting projektspezifische Methoden zur Reduktion und Vorstrukturierung.

Hier fließen zudem Erfahrungen aus unserer Trendanalyse-Software CumulusAI ein, insbesondere im Bereich des Clusterings. Die Kombination aus klassischer Data Science und den Möglichkeiten der LLMs eröffnet völlig neue Perspektiven. Ein strukturierter Prozess verwandelt verstreute Informationen und unstrukturierte Daten in eine verwertbare Entscheidungsgrundlage – und das ist entscheidend für eine erfolgreiche Value Analysis. Nur wer versteht, wo Varianten funktional überflüssig sind, kann sie gezielt reduzieren.

So lassen sich nicht nur Einsparungen im Einkauf und in der Fertigung erzielen, sondern auch strategische Leitlinien für das Engineering ableiten. Empfehlungen können direkt aus den Daten gewonnen und unternehmensweit geteilt werden. Auf diese Weise erhalten Vertrieb, Entwicklung und Beschaffung eine gemeinsame, faktenbasierte Entscheidungsgrundlage.

Ist ein solches System erst einmal etabliert, kann es auch für andere Fragestellungen angepasst und erweitert werden. Dadurch wird aus einem klassischen Optimierungsprojekt ein dynamischer, lernender Analyseprozess.