19.11.2020

Culture eats strategy for breakfast – aber warum?

Wie die Unternehmenskultur die Motivation von Mitarbeitern und somit auch den Erfolg von Unternehmen beeinflusst. Ein Gastbeitrag von Storebox-CEO Johannes Braith.
/artikel/culture-eats-strategy-for-breakfast
Company Culture
(c) Adobe Stock/howtogoto/beigestellt

Das berühmte Zitat von Peter Drucker “Culture eats strategy for breakfast” hört man nicht nur in den hippen Office-Lofts von Startups, sondern auch in den Management Etagen großer Konzerne. Vor allem im Startup-Bereich kann man jedoch beobachten, dass unter dem Schlagwort “Unternehmenskultur” oft die Qualität und Ausprägung diverser Benefits – wie kostenloser gesunder Snacks oder interner Yoga-Klassen – missinterpretiert wird. Liest man Stellenausschreibungen im Startup-Umfeld, wird die Unternehmenskultur immer als offen und dynamisch beschrieben, um im selben Satz den Tischfußballtisch oder das Obstangebot hervorzuheben. In großen Konzernen wird man oft bereits in den Eingangshallen von Tafeln der Leitbilder “erschlagen”, die verstaubt an den Wänden hängen und vom Topmanagement sowie Beratungsunternehmen definiert wurden, jedoch selten direkte Anwendung finden.

Finden Sie die passenden High Potentials für ihr digitales Unternehmen! Mit der brutkasten Jobs Plattform finden Sie die richtigen BewerberInnen für Ihre Stellenanzeigen.

Diese Bilder von zwei Extremen sind natürlich bewusst überspitzte Stereotypen, die uns vor allem eines aufzeigen sollen: Ja, etliche Unternehmen haben eine definierte Unternehmenskultur, doch viele sind sich oft nicht über deren direkte Auswirkung im Klaren. Um dieses Thema zu entmystifizieren und rational anwendbar zu machen, arbeiteten Lindsay McGregor und Neel Doshi, zwei US-amerikanische Autoren und Unternehmer, an einer wissenschaftlichen Studie, die folgende 3 Fragen beantworten soll und im Harvard Business Review veröffentlicht wurde:

1) How does culture drive performance?

2) What is culture worth?

3) What processes in an organization affect culture?

How does culture drive performance?

Nachdem McGregor und Doshi über 20.000 Arbeiter und Angestellte befragten und über 50 Unternehmen analysierten, kamen sie in ihren wissenschaftlichen Studien zu einem Conclusio: Warum wir arbeiten bestimmt, wie gut wir arbeiten.

Du hast das Gefühl, dass du Fehl am Platz bist? Such dir hier deinen neuen Job!

Eine weitere Studie aus dem Jahr 2013 unterstreicht diese Aussage. In der besagten Studie wurden 2500 Menschen dazu angehalten radiologische Bilder bzw. Befunde auf Auffälligkeiten zu untersuchen. Einer Gruppe wurde mitgeteilt, dass ihre Ergebnisse nicht berücksichtigt werden, der anderen, dass es sich bei den Objekten um Krebszellen handelt, welche im Anschluss weiter behandelt würden. Die Personen wurden pro Bild bezahlt und obwohl die zweite Gruppe 10% weniger pro Bild verdiente, wurden die einzelnen Bilder länger und genauer analysiert und auch die Ergebnisse waren besser.

Mittlerweile wird seit Jahrzehnten in diesem Bereich geforscht. Ein Meilenstein war allerdings das Ergebnis von Edward Deci und Richard Ryan in den 1980er Jahren, als sechs Gründe definiert wurden, warum Menschen arbeiten:

  1. Play: Wird man aufgrund der Arbeitstätigkeit selbst motiviert zu arbeiten, spricht man von dem Faktor “Play”. Beispielhaft kann hier ein Lehrer genannt werden, der seine beruflichen Tätigkeiten liebt, somit gerne lehrt und Zugang zu jedem einzelnen Schüler finden möchte.
  2. Purpose: Hier geht es darum, dass man sich direkt mit dem Output der eigenen Arbeit identifizieren kann. Z.B.: ein Lehrer sieht den Sinn seiner Arbeit in dem Ziel, Menschen ausgebildet zu haben und Kinder zu empowern.
  3. Potential: Trägt der Outcome der Arbeit dazu bei, dass sich eine Person weiterentwickeln kann, spricht man von “Potential”. Z.B.: Ein Lehrer macht seinen Job, weil er motiviert ist, einmal Direktor zu werden.
  4. Emotional pressure: Bei diesem Grund wird die emotionale Situation beschrieben, zu arbeiten, um sich selbst oder andere nicht zu enttäuschen. Z.B.: Man arbeitet als Arzt, weil die Eltern das gerne so wollen und man sie nicht enttäuschen möchte.
  5. Economic Pressure: Man arbeitet, um wirtschaftlich davon zu profitieren, Boni zu bekommen bzw. “Bestrafungen” zu vermeiden.
  6. Inertia: Wird man gefragt, warum man arbeitet und die Antwort darauf ist, dass man das selbst eigentlich nicht weiß, und man das immer schon so gemacht hat, spricht man von “Inertia”. Dies ist noch immer ein Motiv, da in dieser Situation die Arbeit noch immer ausgeführt wird, man allerdings nicht genau weiß, warum man das eigentlich tut.

Während die ersten drei Gründe dabei helfen, die Motivation und somit den Output zu steigern, wird eben diese durch die letzten drei verringert. Denn bei diesen denkt man nicht an die Arbeit selbst bzw. deren Qualität, sondern an Ablenkungen wie Belohnungen oder Bestrafungen. McGregor und Doshi beobachteten, dass es Unternehmen mit einer “high-performing culture” schaffen, die ersten drei Gründe zu maximieren, während die letzten drei Gründe minimiert werden. Diese Dynamik wird in der Literatur auch als Total Motivation (ToMo) bezeichnet.

What is culture worth?

Den konkreten Wert einer motivierenden Unternehmenskultur zu quantifizieren ist keine leichte Aufgabe. Doch McGregor und Doshi liefern einen schlüssigen Ansatz, um den Wert zu quantifizieren und auch sichtbar zu machen. Anhand eines Fragebogens, welcher entlang der 6 o.g. Punkte erstellt wurde, wird die ToMo Metrik (von -100 bis +100) generiert.

Diese Metrik beschreibt, wie sehr man durch die eigene Arbeit motiviert wird und somit auch mit erhöhter Performance zu rechnen ist. Um diese Methode zu validieren, wurde dieser Fragebogen u.a. bei vier großen US Airlines eingesetzt, um die Ergebnisse anschließend dem jeweiligen Kundenzufriedenheitsgrad der ACSI gegenüber zu stellen.  Dabei wurde verdeutlicht, dass sich eine motivierende Unternehmenskultur auch positiv auf die Kundenzufriedenheit niederschlägt.

Quelle: Primed to Perform

Diese Beobachtungen sind kein Einzelfall und wurden in verschiedenen Industrien wie Retail, Banking oder Telekommunikation beobachtet. Innerhalb eines Retail Unternehmens wurde z.B. beobachtet, dass zwischen hohen und niedrigen ToMo Werten von Sales-Mitarbeitern bis zu 30% Unterschied im Sales Revenue sichtbar wurde.

What processes in an organization affect culture?

Wie würden Sie eine positive Unternehmenskultur definieren, die in hoher Mitarbeitermotivation und Performance mündet? Das ist wirklich keine leichte Aufgabe. Doch eine Definition von McGregor und Doshi, wenn auch eine recht trockene und rationale, basiert auf wissenschaftlichen Ergebnissen und könnte wie folgt lauten: “Unternehmenskultur ist das Set an Prozessen einer Organisation, welches die Motivation der Menschen beeinflusst.” Denn in Studienergebnissen wurde ersichtlich, dass vor allem gut strukturierte und klare Prozesse, die Unternehmenskultur positiv beeinflussen. Vor allem die Rollendefinition jedes einzelnen spielt dabei eine wesentliche Rolle.

Quelle: Primed to Perform

Die Grafik zeigt sehr gut, dass die Annahme, dass vor allem Leadership für Motivation und Ergebnisse verantwortlich ist, falsch ist. Viele Prozesse innerhalb eines Unternehmens haben einen weit höheren Einfluss auf Motivation. Die X-Achse zeigt die bereits beschriebene ToMo Metrik zwischen -100 und +100. Die grauen Balken zeigen die Range der direkten Beeinflussung dieser Prozesse auf die Motivation. Somit kann z.B. eine gut definierte Rolle einen sehr positiven Einfluss haben, wohingegen eine schlecht definierte Rolle einen deutlich negativeren Impact als bei den weiteren Faktoren haben kann.

Natürlich ist es nicht einfach , eine “high performing culture” in Unternehmen zu erzeugen. Vor allem als Startup kämpft man in der Anfangsphase mit etlichen Problem und muss an allen Ecken und Enden Baustellen fertig bekommen. Oft bleibt dann keine Zeit Prozesse zu definieren und sich um eine klare Unternehmenskultur zu bemühen. Schafft man es allerdings, diese positive Kultur umzusetzen, wird diese zu einem Vorteil der in unserem schnelllebigen, digitalen und kundenzentrierten Wirtschaftsumfeld der Schlüssel zum Erfolg sein kann.

Deine ungelesenen Artikel:
29.07.2026

Wenn die KI das Experiment plant: Zu Besuch im Labor, das sich selbst steuert

Auf dem Campus Hönggerberg der ETH Zürich arbeiten Roboter und Künstliche Intelligenz zusammen: Eine Software des schweizerisch-amerikanischen Startups Atinary entwirft die Experimente, Roboter in den Laboren von SwissCAT+ an der ETH Zürich führen sie aus, rund um die Uhr. brutkasten war vor Ort und hat mit Atinary-Mitgründer und CTO Loïc Roch sowie Christoph Schnidrig, Head of Technology bei Amazon Web Services Schweiz, über den beschleunigten Forschungsbetrieb gesprochen. Und darüber, warum die größte Hürde nicht die Technologie ist.
/artikel/wenn-die-ki-das-experiment-plant-zu-besuch-im-labor-das-sich-selbst-steuert
29.07.2026

Wenn die KI das Experiment plant: Zu Besuch im Labor, das sich selbst steuert

Auf dem Campus Hönggerberg der ETH Zürich arbeiten Roboter und Künstliche Intelligenz zusammen: Eine Software des schweizerisch-amerikanischen Startups Atinary entwirft die Experimente, Roboter in den Laboren von SwissCAT+ an der ETH Zürich führen sie aus, rund um die Uhr. brutkasten war vor Ort und hat mit Atinary-Mitgründer und CTO Loïc Roch sowie Christoph Schnidrig, Head of Technology bei Amazon Web Services Schweiz, über den beschleunigten Forschungsbetrieb gesprochen. Und darüber, warum die größte Hürde nicht die Technologie ist.
/artikel/wenn-die-ki-das-experiment-plant-zu-besuch-im-labor-das-sich-selbst-steuert
Loïc Roch, Mitgründer und CTO von Atinary, in den SwissCAT+-Laboren am Campus Hönggerberg | (c) Martin Pacher

Wer auf den Hönggerberg im Norden Zürichs fährt, lässt die Stadt hinter sich. Der zweite Campus der ETH, entstanden ab 1961, liegt in ländlicher Umgebung, hier sind unter anderem die Departemente für Chemie, Physik und Materialwissenschaft zu Hause. Und hier, in den SwissCAT+-Laboren der Hochschule, lässt sich derzeit besichtigen, wie Forschung aussehen könnte, wenn nicht mehr der Mensch jeden einzelnen Handgriff macht.

In diesen Laboren übernehmen Roboter die Arbeit, die sonst Forschende beschäftigt: Sie hantieren mit Flüssigkeiten und Pulvern, bereiten Proben vor, testen sie und messen laufend die Ergebnisse. Das Bemerkenswerte daran ist aber nicht die Automatisierung selbst, sondern wer die Versuche plant: eine Künstliche Intelligenz. Die Software stammt vom Startup Atinary, das an der ETH keinen eigenen Standort hat, sondern mit der Technologieplattform SwissCAT+ zusammenarbeitet. Sie schlägt vor, welches Experiment als nächstes sinnvoll ist, lernt aus jedem Ergebnis und berechnet daraus den nächsten Schritt. Dieser Kreislauf läuft rund um die Uhr, ohne dass ein Mensch eingreifen muss.

„Ein Labor ist eine große Küche“

Wie soll man sich das vorstellen? Loïc Roch, Mitgründer und CTO von Atinary, greift im Gespräch mit brutkasten zu einem Alltagsbild: „Am Ende ist ein Labor eine große Küche. Wir liefern die Rezepte. Wir nutzen KI, um Rezepte zu erzeugen, die dann im Labor getestet werden.“ Das Ziel: möglichst schnell zum besten Rezept kommen. Denn jeder einzelne Versuch kostet Zeit, Material und Geld. Wer statt tausender Versuche nur ein paar Dutzend braucht, spart enorm.

Genau darauf ist die Software ausgelegt. Statt sich blind durch unzählige mögliche Kombinationen zu probieren, lernt das System mit jedem Experiment dazu und empfiehlt gezielt die vielversprechendsten nächsten Schritte. „Self-Driving Labs“ nennt Atinary das Prinzip, selbstfahrende Labore. Den Begriff hat sich das 2019 gegründete Unternehmen sogar markenrechtlich schützen lassen.

Loïc Roch, Co-founder und CTO von Atinary | (c) Martin Pacher / brutkasten

Den Bedarf für solche Werkzeuge begründet Roch mit einem unbequemen Befund: Forschung wird immer teurer und langsamer, es braucht immer mehr Zeit und Geld, bis Neues gefunden ist. Dazu kommt eine handfeste Vertrauenskrise: Roch verweist auf eine vielzitierte Befragung von rund 1.500 Forschenden, wonach ein Großteil daran scheitert, Experimente zu wiederholen, in der Chemie sind die Quoten besonders hoch. Das ist nicht nur für die Wissenschaft ein Problem: Ohne verlässliche Daten lässt sich auch keine verlässliche KI trainieren.

100 Jahre Forschung in sechs Wochen

Was das System kann, zeigt das Vorzeigeprojekt direkt vor Ort. Gemeinsam mit dem SwissCAT+-Team suchte Atinary nach dem besten Katalysator, also jenem Hilfsstoff, mit dem sich das Treibhausgas CO₂ in Methanol umwandeln lässt, einen Ausgangsstoff für nachhaltige Treibstoffe. Laut Atinary kamen dafür mehr als 20 Millionen mögliche Kombinationen infrage. Das Ergebnis wurde in einem Fachjournal publiziert: In sechs Wochen wurden 144 Katalysator-Kandidaten hergestellt und getestet, mit minimalem menschlichem Zutun. Die Zahl, mit der Atinary seither wirbt, ist eindrucksvoll: eine 1000-fache Beschleunigung, umgerechnet 100 Jahre Katalyse-Forschung in nur sechs Wochen. SwissCAT+-Chef Paco Laveille, der die Umsetzung an der ETH verantwortet, bestätigt beim Besuch die Größenordnung: von Jahren an Forschung hinunter zu Wochen.

(c) Martin Pacher / brutkasten

Beim konkreten Nutzen für Firmenkunden hält sich Roch hingegen zurück, aus einem strukturellen Grund: „Wir sind ein Dienstleister. Wir sehen den generierten Mehrwert nicht, und die Kunden wollen ihn nicht teilen.“ Das habe auch mit Sicherheitsanforderungen zu tun, ergänzt das Unternehmen: Angaben zum erzielten Return on Investment erhalte Atinary dann, wenn Kunden sie von sich aus teilen — teils münde das in gemeinsame Publikationen.

Die einzige konkrete Zahl, die er im Gespräch nennt, stammt aus einer gemeinsamen Publikation mit dem Aromen- und Duftstoffkonzern dsm-firmenich: Dort konnte der Einsatz eines teuren Edelmetalls so stark reduziert werden, dass dessen Kostenanteil um rund 95 Prozent sank. Es sei nicht die einzige gemeinsame Veröffentlichung mit Kunden, betont das Unternehmen — weitere gebe es etwa mit dem Pharmakonzern Takeda.

(c) Martin Pacher / brutkasten

Auch ein aktueller gemeinsamer Blogbeitrag von AWS und Atinary liefert Anhaltspunkte. Ein Manager von Takeda wird dort mit der Aussage zitiert, eine Optimierung habe mit dem selbstfahrenden Ansatz rund eine Woche gedauert, verglichen mit ein bis zwei Monaten auf dem herkömmlichen Weg. Am MIT wiederum löste ein Forschungsteam mit der Software eine knifflige Aufgabe aus der Solarzellenforschung in nur 25 Versuchen, innerhalb einer strikten Frist von vier Wochen. Und über das eigene Labor, das Atinary heuer in Boston eröffnet hat, heißt es: Es erzeuge in einer Woche mehr Versuchsdaten, als ein Doktorand in fünf Jahren produziert.

Bezahlter Pilot, Lizenz pro Arbeitsplatz

Wirtschaftlich steht Atinary noch am Anfang. Das Unternehmen befindet sich in der Seed-Phase, öffentlich auffindbar sind laut Roch rund zehn Millionen an bisheriger Finanzierung, eingesammelt über Venture Capital, Family Offices und Förderungen. Als Nächstes peilt er eine Series A an. Das Wachstumskapital dafür werde voraussichtlich aus den USA kommen: „Der Ansatz ist in Europa und den USA sehr unterschiedlich.“

Paco Laveille, Managing Director, SwissCAT+ East, ETH Zurich | (c) Martin Pacher / brutkasten

Verdient wird über Software-Lizenzen, abgerechnet pro Arbeitsplatz. Am Anfang steht ein dreimonatiger, bewusst kostenpflichtiger Testlauf. „Wenn der Pilot nicht bezahlt ist, stecken die Kunden nicht die Ressourcen hinein, um ihn richtig zu testen“, sagt Roch. Dass er mit diesem Modell Geld liegen lässt, räumt er offen ein: Eine Beteiligung am geschaffenen Wert wäre lukrativer, scheitert aber daran, dass die Kunden diesen Wert eben nicht offenlegen.

Die Kundschaft kommt bisher vor allem aus der Pharmabranche, die laut Roch am ehesten bereit ist, Neues zu riskieren; der Rest der Industrie folge dann. Einsatzfelder gibt es aber quer durch: Lebensmittel, Duftstoffe, Materialforschung, grüne Energie, und gemeinsam mit Stanford sogar Zelltherapien gegen Krebs. Umsatz machen vor allem Konzerne. Mit Universitäten arbeitet Atinary eng zusammen, weil sich dort Ergebnisse veröffentlichen lassen, sie werden so zu Botschaftern der Technologie. Auch KMU zählen zu den Kunden, das jüngste sei erst vor wenigen Tagen dazugekommen. Die Arbeitsteilung im Unternehmen: Das Entwicklerteam sitzt bei Roch in Lausanne, das eigene Labor steht in Boston, dort, wo die großen Pharma-Forschungszentren angesiedelt sind.

„Fast jeden zweiten Tag ein neues Startup“

Beim Thema Konkurrenz wird Roch deutlich: Der Bereich „AI for Science“ ziehe derzeit massiv Gründungen an, fast jeden zweiten Tag komme ein neues Startup dazu. Gefährlich sei daran vor allem eines: Mit den heutigen KI-Werkzeugen lasse sich sehr schnell ein beeindruckender Prototyp bauen, der Kunden begeistert. „Unter der Haube ist das aber kein produktionsreifer Code, der bei einem Großunternehmen laufen kann.“ Atinary sieht er im Vorteil, weil man seit 2019 das gesamte Paket aufgebaut habe: die Anbindung an die Laborgeräte, das eigene KI-Training, die Anwendungen und die wissenschaftliche Glaubwürdigkeit durch den eigenen Beirat. Dazu kommt laut Unternehmen ein Netzwerk an Technologiepartnern, darunter AWS, ABB Robotics, Agilent, Bruker, Chemspeed und Mettler-Toledo. Im wissenschaftlichen Beirat sitzt unter anderem der MIT-Chemiker Stephen Buchwald — im Bostoner Labor optimiert Atinary nach eigenen Angaben ausgerechnet die nach ihm benannte Buchwald-Hartwig-Reaktion.

(c) Martin Pacher / brutkasten

Zugleich beobachtet er seit heuer einen Umschwung im Markt: Kunden dächten zunehmend in einer Wettlauf-Logik. Wer die Technologie nicht als Erster einsetze, riskiere, dass es die Konkurrenz tut. Und wenn diese in Wochen schafft, wofür man selbst Jahre braucht, sei der Rückstand kaum aufzuholen.

Die größte Hürde ist der Mensch

Und was bremst die Verbreitung? Nicht die Technik, sagt Roch, sondern der Mensch. „Der Wissenschaftler im Labor ist oft seit 15, 20 Jahren dort. Wenn man ihm sagt: Wir können deine Forschung um den Faktor zehn oder hundert beschleunigen, sagt er: Nein. Ich kenne mein Fach besser als irgendein Algorithmus.“ Es sei dabei weniger mangelndes Vertrauen, die Technologie werde schlicht als Bedrohung für den eigenen Job empfunden. Christoph Schnidrig von AWS ergänzt: Dieses Muster kenne man von jeder Technologiewelle, von der Einführung der Cloud bis zur KI in der Softwareentwicklung. Rochs Haltung dazu: Jobs würden sich verändern, aber nicht verschwinden. „Am Ende ist es ein Werkzeug. Der Mensch bleibt am Steuer.“

(c) Martin Pacher / brutkasten

Zum Vertrauen gehört auch die Datenfrage, schließlich legen die Kunden ihr wertvollstes Gut, ihre Forschungsdaten, in die Plattform. Die läuft vollständig auf der Cloud von AWS. Roch verweist auf Prüfungen, Audits und Sicherheitstests; personenbezogene Daten würden praktisch keine gespeichert, schon gar keine Patientendaten, dafür sei man in der Forschung viel zu früh angesetzt. Auch deshalb sieht er im EU AI Act derzeit kein Hindernis: In Kundengesprächen sei die Regulierung bislang schlicht kein Thema gewesen.

Auszeichnung vom Weltwirtschaftsforum

Während brutkasten mit Roch in Zürich spricht, befindet sich sein Mitgründer, CEO Hermann Tribukait, gerade im chinesischen Dalian, um dort den Technology-Pioneer-Award des Weltwirtschaftsforums entgegenzunehmen. Zu den früheren Preisträgern der Auszeichnung zählen Roch zufolge Namen wie Google, Dropbox und Airbnb. Preisgeld gibt es keines, der Wert liege im Zugang zum Netzwerk des Forums und zu Entscheidungsträgern großer Unternehmen. Kunden in China hat Atinary übrigens keine, und das dürfte vorerst so bleiben: Als in den USA registriertes Unternehmen sei das Geschäft mit chinesischen Firmen „wegen der Geopolitik sehr heikel“.

Gefragt nach dem Blick fünf Jahre voraus, skizziert Roch eine Vision, die er ausgerechnet am Vorbild seines Cloud-Partners entwirft: Labore, die wie Rechenleistung aus der Cloud abrufbar sind, weltweit vernetzt, mit einer übergeordneten KI, die Erkenntnisse zwischen Forschungszentren auf verschiedenen Kontinenten austauscht.

Den Antrieb dahinter beschreibt er ganz persönlich: Er und seine Mitgründer seien Naturliebhaber, und die Energiewende brauche schnellere Forschung. „Der Planet kann nicht noch ein Jahrzehnt warten, bis wir Lösungen finden.“ Sein Befund nach sieben Jahren: „R&D ist heute noch zu langsam.“


Disclaimer: Die Reise- und Übernachtungskosten wurden von Amazon Web Services übernommen.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Culture eats strategy for breakfast – aber warum?

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Culture eats strategy for breakfast – aber warum?

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Culture eats strategy for breakfast – aber warum?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Culture eats strategy for breakfast – aber warum?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Culture eats strategy for breakfast – aber warum?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Culture eats strategy for breakfast – aber warum?

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Culture eats strategy for breakfast – aber warum?

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Culture eats strategy for breakfast – aber warum?

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Culture eats strategy for breakfast – aber warum?