Aus dem Unterricht des CAS Disruptive Technologies mit Dr. Marcel Blattner berichtet Giuseppe De Carlo.

Was sind disruptive Produkte / Technologien und was ist disruptive Innovation? Wieso steht ein Innovator vor einem Dilemma? Und kann es sein, dass Algorithmen Vorurteile haben?

Am dritten Kurstag des CAS führt uns Marcel Blattner, Chief Data Scientist, Studiengansleiter des CAS Disruptive Technologies und Iron Man, in die Welt der Disruption ein.

Alles eine Frage der Definition

Marcel legt Wert darauf, dass bevor wir über Disruption diskutieren, wir uns einig werden was disruptive Produkte/Technologien und disruptive Innovationen sind.

Wir verdanken beide Begriffe Harvard Business School Professor Clayton Christensen, der diese erstmals in seinen Werken erwähnte (Catching the Wave, Bower/Christensen,1994 und The Theory of Disruptive Innovation, Christensen, 1996).

Christensen’s Theorie kommt zu folgende Erkenntnisse:

Disruptive Produkte/Technologien sind meist einfacher, günstiger und von niedriger Qualität als die Produkte/Technologien, die schon auf den Markt sind. Sie richten sich an „Low End“-Kunden oder zielen sogar auf Nicht-Kunden. Ihr Businessmodell kann schwer angegriffen werden (bsp. Nischenmarkt).

Während etablierte Unternehmungen im Markt Innovation rund um ihre wichtigsten Kunden betreiben (sustainable innovation), entsteht disruptive Innovation am unteren Ende des Marktes und entwickelt sich zu Beginn langsam. Erreicht sie aber den Mainstream Markt, heisst dies meistens das Ende für die bestehenden Unternehmungen.

Demzufolge sollten Unternehmungen ihre Innovation nicht (nur) um die Kundenbedürfnisse der bestehenden Kunden betreiben, sondern sich auf Chancen im Niedrigsegment konzentrieren oder sogar versuchen Nicht-Kunden anzusprechen. Diese Erkenntnis wird als „Innovators Dilemma“ bezeichnet.

Sind Netflix & Co. disruptiv?

Bei einer Gruppenarbeit versuchen wir Christensen’s Theorie anzuwenden. Wir diskutieren ob Tesla, AirBnB, Netflix, Lyft, und Slack disruptive Unternehmungen sind. Die Resultate fallen leicht unterschiedlich aus.

Welche Unternehmung ist disruptiv?

Gruppe 1 Gruppe 2 Gruppe 3
Netflix Y Y Y
AirBnB Y Y Vielleicht
Tesla N N N
Slack N Y N
Lyft N Vielleicht N

 

Rückblickend ist es sicher einfacher zu sagen, ob eine Technologie bzw. ein Business Modell disruptiv gewesen ist oder nicht. Die Schwierigkeit besteht darin, Disruption bei der Entstehung festzustellen. Oder anders formuliert: wer hätte 1997 gesagt, dass eine Online Videothek, die seinen Mitgliedern im Abstand von ein paar Wochen ältere Filme zusendet, die grösste Videothek-Kette der USA zu Fall gebracht hätte?

Wie sich Innovationen verbreiten

Die Verbreitung von Innovationen lässt sich mit der Diffusionskurve von Innovationen nach Rogers veranschaulichen. Sie unterteilt die Konsumenten im Markt nach der Geschwindigkeit der Annahme eines neuen Produkts/Technologie.

Das Problem mit den lernenden Maschinen

Bei disruptiven Technologien / Businessmodellen spielen Daten und Algorithmen eine immer wichtigere Rolle. Was sind aber Daten? Und was ist der Unterschied zwischen Daten, Information und Wissen?

Daten sind das Ergebnis einer Messung. Werden Daten aufbereitet und visualisiert spricht man von Information. Wird die Information interpretiert (verifiziert oder falsifiziert) entsteht Wissen.

WICHTIG: Wissen kann nur durch Menschen generiert werden. Keine Maschine ist heute dazu in der Lage! Maschinen können höchstens die Daten visualisieren.

Und hier sind wir schon beim Problem. Die Interpretation der Informationen durch den Menschen kann nicht objektiv sein. Jeder von uns ist auf irgendeine Weise beeinflusst (kulturellen Hintergrund, Lebenserfahrungen, politische oder wirtschaftliche Interessen etc.). Das heisst Vorurteile könnten bewusst oder unbewusst einer Maschine antrainiert werden. Eine kleine Kostprobe gefällig?

Einfach auf der Google Bildersuche folgende Begriffe eingeben:

  • „professional haircut“
  • “unprofessional haircut“
  • “perfect skin“
  • „hand“

…Naa? Überrascht?

Hier wurden die Algorithmen mit verzerrten Daten trainiert. Führt man sich nun vor Augen, dass Algorithmen immer tiefer in unseren Alltag eindringen, ist Diskriminierung jeglicher Art vorprogrammiert. Diese Problematik wird noch zu wenig in der Politik und in der Gesellschaft thematisiert, stattdessen wird das Feld den grossen, profitorientierten Unternehmen überlassen. Es ist also höchste Zeit für eine öffentliche Debatte!

Weiterführende Links:

„The Innovator’s Dilemma“ by Clayton Christensen – VIDEO BOOK SUMMARY – https://youtu.be/yUAtIQDllo8

MIT Technology Review – ARTIKEL – https://www.technologyreview.com/s/608248/biased-algorithms-are-everywhere-and-no-one-seems-to-care/

The Guardian – ARTIKEL – https://www.theguardian.com/technology/2017/apr/13/ai-programs-exhibit-racist-and-sexist-biases-research-reveals

Machine Learning and Human Bias – YOUTUBE VIDEO- https://youtu.be/59bMh59JQDo