Die interaktiven Effekte von Wissenselementen und Kooperationsnetzwerken auf die Leistung explorativer Innovationen: Evidenz aus der chinesischen KI‑Branche

Warum das für die Zukunft von KI‑Unternehmen wichtig ist

Hinter jedem Durchbruch in der künstlichen Intelligenz steht eine Mischung aus dem, was Unternehmen bereits wissen, und den Partnern, mit denen sie zusammenarbeiten. Diese Studie blickt in Chinas sich schnell entwickelnde KI‑Branche und stellt eine einfache, aber entscheidende Frage: Wie sollten Unternehmen ihr internes Know‑how mit externen Partnerschaften kombinieren, um wirklich neue Ideen zu schaffen und nicht nur kleine Verbesserungen? Durch die Analyse von Tausenden Patenten mit modernen Datenwerkzeugen identifizieren die Autorinnen und Autoren Muster, die Managern und politischen Entscheidungsträgern helfen können, KI‑Innovation klüger zu steuern.

Drei Typen von KI‑Innovatoren

Anhand von Patentdaten von 260 chinesischen KI‑Unternehmen kartierten die Forscher zunächst zwei Aspekte für jedes Unternehmen: die Vielfalt und Struktur seines technischen Wissens sowie die Form seines durch Co‑Patente entstandenen Kooperationsnetzwerks. Anschließend wandten sie ein Clustering‑Verfahren an, das Unternehmen mit ähnlichen Profilen gruppiert. Daraus ergaben sich drei grobe Typen. „Kooperationsorientierte“ Unternehmen sind tief in dichte Partnernetzwerke eingebunden, verfügen aber nur über moderate interne Wissensstärken. „Wissensorientierte“ Unternehmen besitzen ein reiches, vielfältiges und spezialisiertes Know‑how, sind dafür jedoch relativ isoliert. „Ausgewogene“ Unternehmen liegen dazwischen, ohne ausgeprägte Vor- oder Nachteile in einem der Bereiche.

Wie Wissensmix und Partnerschaften zusammenspielen

Die Studie nutzte dann einen Entscheidungsbaum‑Algorithmus, um nachzuvollziehen, wie verschiedene Kombinationen aus Wissens‑ und Netzwerkmerkmalen mit der Fähigkeit von Unternehmen zusammenhängen, Patente in neuen technologischen Bereichen zu erzeugen — ein praxisnaher Indikator für explorative Innovation. Über alle Gruppen hinweg spielte die Struktur des internen Wissens die führende Rolle, doch das umgebende Netzwerk konnte deren Wirkung verstärken oder abschwächen. Bei kooperationsorientierten Unternehmen schadete eine allzu breite Streuung technischer Felder häufig der Leistung, weil sie die Fähigkeit zur Aufnahme und Nutzung von Informationen überforderte. Wenn diese Unternehmen jedoch zugleich weite oder eng geknüpfte Kooperationsnetzwerke besaßen, halfen Partner dabei, Wissen zu filtern, zu teilen und zu integrieren, wodurch potenzielle Überlastung in nützliche Neuheiten verwandelt wurde.

Zu viel Spezialisierung kann nach hinten losgehen

Wissensorientierte Unternehmen erzählten eine andere Geschichte. Ihre tiefgreifende und vielfältige Expertise führte nicht automatisch zu bahnbrechenden Neuerungen. Wenn ihre Wissensbasis zu stark diversifizierte, sank die Innovationsleistung tendenziell, vermutlich weil Aufmerksamkeit und Ressourcen zu sehr verstreut wurden. Selbst bei moderater Diversität war die Zusammenarbeit mit vielen Organisationen nicht immer vorteilhaft. Eine mittlere Zahl an Partnern erwies sich meist als am besten, während sehr breite Kooperationen Koordinationskosten und Ablenkungen brachten und sehr enge Kooperationen die Anregung durch neue Ideen einschränkten. Das deutet darauf hin, dass hochspezialisierte KI‑Firmen bewusst ihr Wissensportfolio straffen und eine überschaubare Gruppe strategischer Partner kuratieren sollten.

Das richtige Gleichgewicht zwischen Ähnlichkeit und Unterschied finden

Für ausgewogene Unternehmen waren die entscheidenden Hebel, wie gut ihre Wissenselemente zueinander passten und wie leicht eine Fähigkeit eine andere ersetzen konnte. Wenn Wissenselemente zu perfekt aufeinander abgestimmt waren, geriet das Unternehmen in enge Pfade und es wurde schwieriger, in neue Bereiche vorzustoßen. Wenn jedoch genug Überlappung bestand — sodass eine Technik eine andere substituieren konnte —, waren Firmen besser in der Lage zu experimentieren, umzusteuern und auf Unsicherheit im jungen und volatilen KI‑Sektor zu reagieren. Mit anderen Worten: Eine gewisse Redundanz im Know‑how, oft als ineffizient betrachtet, kann tatsächlich Flexibilität und Resilienz bieten, wenn sich Technologien und Märkte schnell verändern.

Was das für KI‑Strategien bedeutet

Insgesamt zeigt die Studie, dass weder „mehr Wissen“ noch „mehr Partner“ automatisch zu besserer explorativer Innovation führen. Entscheidend ist die Passung zwischen dem internen Wissensmix eines Unternehmens und der Art und Weise, wie es sein Kooperationsnetzwerk aufbaut und nutzt — und diese Passung sieht bei kooperationsorientierten, wissensorientierten und ausgewogenen Firmen unterschiedlich aus. Für Managerinnen und Manager lautet die Botschaft, Wissen und Partnerschaften als gemeinsames Gestaltungsproblem zu betrachten: vermeiden Sie unkontrollierte Komplexität, suchen Sie Partner, die spezifische Schwächen ergänzen, und erhalten Sie genügend überlappende Fähigkeiten, um sich anzupassen, wenn sich die KI‑Landschaft ändert. Für politische Entscheidungsträger unterstreichen die Ergebnisse den Wert von Ökosystemen und Branchenplattformen, die Unternehmen dabei unterstützen, ihr Wissen neu zu organisieren und gezielte Partnerschaften zu formen, statt nur mehr F&E‑Ausgaben oder mehr Allianzen zu befördern.

Zitation: Zhang, L., Chen, J., Qiu, H. et al. The interactive effects of knowledge elements and collaboration networks on exploratory innovation performance: evidence from the Chinese artificial intelligence industry. Humanit Soc Sci Commun 13, 303 (2026). https://doi.org/10.1057/s41599-026-06637-x

Schlüsselwörter: explorative Innovation, Unternehmen für künstliche Intelligenz, Kooperationsnetzwerke, Wissensmanagement, Patentanalysen