06.05.2021

Data Science als Entwicklungsturbo für den Handel

Im Interview mit brutkasten Wirtschaft spricht Nils Wlömert, neuer Vorstand am Institut für Retailing & Data Science am Department für Marketing an der WU Wien über das noch nicht genutzte Potenzial von Datenanalysen für die Marketingabteilungen vieler Unternehmen und wie man dieses heben kann.
/artikel/data-science-entwicklungsturbo-handel
Nils Wlömert WU
Nils Wlömert, Vorstand Institut für Retailing & Data Science an der WU Wien © www.danielnuderscher.com

Seit 1. Jänner ist Nils Wlömert neuer Vorstand des Instituts für Retailing & Data Science am Department für Marketing an der WU Wien. Der 41-Jährige promovierte 2014 an der Universität Hamburg, war von 2015 bis 2020 als Assistenzprofessor am Institut für Interactive Marketing & Social Media an der Wirtschaftsuniversität Wien tätig, und schloss dort 2020 seine Habilitation ab. In seiner Forschung beschäftigt sich der neue Institutsleiter mit dem Einfluss der Digitalisierung und neuer Technologien auf Märkte und Geschäftsmodelle von Unternehmen. Dabei untersucht er beispielsweise den Einfluss neuer Online-Vertriebskanäle auf traditionelle Vertriebskanäle und deren Zusammenspiel im Multi-Channel Vertrieb.


Das Instituts für Handel und Marketing an der WU Wien wurde unter Ihrer Führung zum Institut für Retailing & Data Science umbenannt. Was waren die Beweggründe dafür?

Der Handel, den wir im Namen des Instituts ja auch weiterhin verankern, wird zukünftig inhaltlich nach wie vor eine übergeordnete Bedeutung am Institut haben. Daran wird sich nichts Grundlegendes ändern. Mit Data Science gibt es aber eine Erweiterung der Kompetenzen, mit der wir einem aktuellen Markttrend folgen, der insbesondere für den Handel viel Potenzial bietet. 

Sie sprechen von Big Data?

Genau. Big Data spielt in vielen Unternehmen bereits seit Längerem eine immer wichtigere Rolle, denn es werden sehr großen Datenmengen über das Verhalten von Kunden gesammelt. Dieses Thema gewinnt  durch die steigende Popularität von Onlinekanälen, wo das Kundenverhalten noch genauer erfasst werden kann, deutlich an Dynamik. Diese Daten nutzbar zu machen um daraus Implikationen für das Marketing abzuleiten wird immer relevanter. Der zweite Trend, der die Neuausrichtung notwendig macht, ist das Thema Personalisierung, das große Onlinehändler bereits sehr erfolgreich für sich nutzen. Und genau hier wollen wir sowohl in der Lehre als auch in der Forschung anknüpfen, um die dafür notwendigen Kompetenzen zu vermitteln.

Und dementsprechend auch das Unterrichtsprogramm adaptieren?

Ja genau. Im Bereich der Lehre werden wir das Angebot ausbauen und den Bereich Data Science stärker aus einer Managementperspektive fokussieren. Denn wir sehen zwar eine immer engere Verzahnung des Marketings mit anderen Forschungsdisziplinen wie zum Beispiel im Bereich Computer Science, wo entsprechende Algorithmen entwickelt werden, jedoch erfordert die Interpretation der Ergebnisse für das Marketing spezielle Kenntnisse. Wenn der Schwerpunkt zu technisch ist, dann fehlt oftmals das Verständnis für die strategischen Implikationen im Marketing. Und letztendlich kommt es bei der Wahl der Methode immer auf den Anwendungsfall und die Zielsetzung an. Es macht beispielsweise einen Unterschied, ob eine Prognose oder ein Ursache-Wirkungs-Zusammenhang das Ziel der Analyse ist. 

Können Sie das bitte anhand eines Beispiels genauer erklären?

Ich werde zum Beispiel häufig gefragt, wie effektiv ein bestimmter Werbekanal im Vergleich zu anderen Werbekanälen ist. Um den relativen Return on Investment eines Marketingkanals zu ermitteln, können prinzipiell Daten wie Absatzzahlen und Werbebudgets herangezogen werden, die bei Unternehmen häufig vorliegen. Jedoch werden Werbebudgets oftmals strategisch in Abhängigkeit der Nachfrage angepasst. Saisonalität ist hier ein Beispiel – wenn Manager das Werbebudget aufgrund eines erwarteten Nachfrageanstiegs um einen Feiertag erhöhen, dann muss die Analyse den natürlichen Nachfrageanstieg durch den Feiertag kontrollieren, um den Einfluss der Werbung nicht zu überschätzen. Hinzu kommen Herausforderungen durch Abhängigkeiten zwischen Werbekanälen und die korrekte Zurechnung des Effektes zu dem jeweiligen Kanal, was die Komplexität zusätzlich erhöht. Um die Ergebnisse solcher Analysen im Sinne einer datengestützten Marketingstrategie für Manager sinnvoll nutzbar zu machen, sind spezielle Marketingkenntnisse im Hinblick auf die Interpretierbarkeit der Ergebnisse erforderlich. 

Das Institut hat bisher mit der Verbindung von Forschung, Lehre und Praxis gepunktet. Werden Sie an diesem Kurs weiter festhalten?

Es ist mir ein großes Anliegen, den Praxisbezug weiter auszubauen und zwar sowohl in der Lehre als auch in der Forschung. Ich würde mich sehr darüber freuen, wenn Forschung und Lehre so wie in der Vergangenheit auch in Zukunft sehr praxisnah verstanden werden und wir langfristige Kooperation gemeinsam mit Handels- und Industrieunternehmen etablieren können. Hier möchte ich ganz klar an dem bisher eingeschlagenen Weg festhalten.

In welcher Form können Sie sich solche Kooperationen vorstellen?

Ich bin davon überzeugt, dass die Zusammenarbeit von Universitäten mit Akteuren aus der Praxis sehr wichtig ist, weil beide Seiten voneinander profitieren können. Es gibt sehr häufig Fragestellungen, die auf der einen Seite wissenschaftliche Relevanz haben, aber auf der anderen Seite greifbaren Nutzen und Mehrwert für Unternehmen schaffen. In der Vergangenheit haben sich Forschungskooperationen sehr bewährt und wir werden auch an den etablierten Praxisdialogen, einer Vortragsreihe, bei der renommierte Praktiker wie zum Beispiel zuletzt Bipa-Geschäftsführer Thomas Lichtblau, instinct laboratory-CEO Matt Chadder oder Miele Österreich-Geschäftsführerin Sandra Kolleth zu Wort kommen, festhalten. Diese Vortragsreihe ist ein gutes Beispiel für eine erfolgreiche Zusammenarbeit von Lehre und Praxis, denn während die Studierenden Informationen aus erster Hand erhalten, können sich die jeweiligen Unternehmen präsentieren und im besten Fall als attraktiver Arbeitgeber für die zukünftigen Absolventen positionieren. Außerdem können sich Unternehmen auch in Form von Datenkooperationen einbringen, denn es geht letztendlich wie bereits geschildert ja darum, die Schnittstelle zwischen Handel und Data Science abzubilden und das Institut als Kompetenzplattform in diesem Bereich zu etablieren. 

Um gleich bei der Praxis zu bleiben, sind die österreichischen Unternehmen in Sachen sinnvolle Datennutzung für das Marketing – wie von Ihnen eben geschildert – bereits gut aufgestellt? 

Das ist ein Bereich, der sich sehr dynamisch entwickelt und dementsprechend gibt es auch noch Entwicklungspotenzial. Ich sehe hier aber kein Versäumnis der Unternehmen, sondern sehe es auch als Aufgabe der Universitäten, entsprechende Kompetenzen in diesem Bereich zu vermitteln. Viele Unternehmen wären vermutlich schon deutlich weiter, wenn sie auf Mitarbeiter mit diesem Know-how zurückgreifen könnten. Aktuell gibt es zwar das Berufsbild des Data Scientist, aber hier fehlt eben häufig das Verständnis für den Nutzen der Daten fürs Marketing. Wenn es uns gelingt, uns hier zu verstärken, dann können wir auf der einen Seite die Chancen für Absolventen am Jobmarkt verbessern und Unternehmen auf dem Weg der Datennutzung und Digitalisierung besser unterstützen. 

Digitalisierung und E-Commerce werden häufig in einem Atemzug genannt. Im Gegensatz zu anderen Branchen kommt der Onlinehandel mit Lebensmitteln bei den etablierten Konzernen nicht so wirklich in Schwung. Kleinere Player wie gurkerl.at oder markta scheinen das Business deutlich besser im Griff zu haben. Woran liegt das Ihrer Meinung nach?

Hierfür gibt es verschiedene Gründe. Zum einen ist die hohe Filialdichte im LEH in Österreich zu nennen, wodurch es für die meisten Konsumenten und Konsumentinnen bequem möglich ist, Einkäufe im stationären Handel zu erledigen. Daher ist der Handlungsdruck für große Händler in diesem Bereich weniger stark ausgeprägt. Zumal bei einem Multichannel-Ansatz im Hinblick auf die Gesamtprofitabilität auch die Interaktionen zwischen Vertriebskanälen beachtet werden müssen. Diese Überlegungen müssen reine Online-Händler nicht anstellen, bei denen der Fokus rein auf dem Online-Handel liegt. Es bleibt abzuwarten, wie sich die von Ihnen genannten Unternehmen und andere Startups wie Gorillas aus Deutschland, welches auf die relativ kostspielige Überbrückung der letzten Meile fokussieren, zukünftig entwickeln werden und wie das die Marktdynamik beeinflussen wird. Insbesondere in urbanen Gebieten gibt es sicherlich einen Markt für ein solches Angebot – entsprechend schnelle Lieferzeiten vorausgesetzt.  

Muss man heutzutage wirklich einen Onlineshop haben, um im LEH erfolgreich zu sein?

Wenn man sich den Marktanteil ansieht, demzufolge lediglich rund 2,5 Prozent aller Lebensmittel online gekauft werden, dann macht das die Wichtigkeit des stationären Handels in dieser Branche deutlich. Daran hat auch – im Gegensatz zu anderen Branchen – die aktuelle Situation der Pandemie, dank der Hygiene-Konzepte im Handel, nicht viel geändert. Um sich für die Zukunft zu rüsten, geht es meines Erachtens gar nicht so sehr um die Frage ob Onlinehandel oder stationärer Vertrieb, sondern um einen nachhaltigen Multichannelansatz nach dem Grundsatz der Customer Centricity. So kann sich die jeweilige Zielgruppe aus einem Portfolio das jeweils für die Bedürfnisse passendste Angebot aussuchen. Und hier ist der Online-Kanal ein wichtiger Bestandteil der weiter an Relevanz gewinnen wird.  

Im Zusammenhang mit dem Thema Digitalisierung ist auch immer wieder die Rede von Supermärkten ohne Mitarbeitern. Amazon lebt dieses Geschäftsmodell vor und auch hierzulande gibt es schon Märkte mit Self Checkout-Zonen, die ja als erster Schritt in diese Richtung verstanden werden können. Ist das die Zukunft des Einkaufens?

Es gibt sicherlich auch für dieses Konzept einen Markt. Wenn man an Öffnungszeiten denkt, gibt es für Standorte ohne Personal andere Möglichkeiten. Gleichzeitig ist das Personal aber auch ein zentrales Differenzierungsmerkmal des stationären Handels gegenüber dem Online-Handel. Hier ist es wichtig, die unterschiedlichen Bedürfnisse der Konsumenten zu verstehen und entsprechende Angebote bereitzustellen. Während für viele Konsumenten bei Online-Kanälen insbesondere Faktoren wie Bequemlichkeit, Sortimentsbreite und Preis-Leistung eine Rolle spielen, sind es im stationären Handel vorwiegend das Einkaufserlebnis, soziale Kontakte und der damit verbundene Freizeitwert. Hierbei spielt das Personal eine zentrale Rolle. Ich denke also nicht, dass Supermärkte langfristig auf Personal verzichten können, aber es ist auf jeden Fall spannend für Händler, im Zuge kleinerer Rollouts vorausschauend zu testen, in welchen Situation für welche Segmente ein solches Angebot passend ist.

Und angesichts des Vormarsches bargeldloser Bezahlsysteme – werden wir bald nur mehr bargeldlos einkaufen?

Ich glaube, hier kommt es auch darauf an. Es gibt viele Menschen, die die Vorteile von bargeldlosem Bezahlen zu schätzen wissen. Andere wiederum wollen ihre Einkäufe nicht mittels Kredit- oder Bankomatkarte oder via Smartphone begleichen. Man muss sein Angebot eben dementsprechend breit aufstellen, um allen Bedürfnissen bestmöglich Rechnung zu tragen. Aber dass der bargeldlose Bezahlvorgang an Bedeutung und Relevanz gewinnt, ist denke ich klar. 

Vielen Dank für das Gespräch.

Deine ungelesenen Artikel:
05.08.2026

„Der Transfer ist das Schwierigste“: Ex-BMW Tech-Scouting-Leiter Frank Möbius über Technologie-Früherkennung

Technologie-Trends zu erkennen ist heute einfach, sie ins Kerngeschäft zu übersetzen bleibt die eigentliche Hürde. Frank Möbius hat BMWs Tech-Früherkennung sechs Jahre verantwortet und erklärt im brutkasten-Gespräch, woran der Transfer scheitert und wie er gelingt.
/artikel/der-transfer-ist-das-schwierigste-ex-bmw-tech-scouting-leiter-frank-moebius-ueber-technologie-frueherkennung
05.08.2026

„Der Transfer ist das Schwierigste“: Ex-BMW Tech-Scouting-Leiter Frank Möbius über Technologie-Früherkennung

Technologie-Trends zu erkennen ist heute einfach, sie ins Kerngeschäft zu übersetzen bleibt die eigentliche Hürde. Frank Möbius hat BMWs Tech-Früherkennung sechs Jahre verantwortet und erklärt im brutkasten-Gespräch, woran der Transfer scheitert und wie er gelingt.
/artikel/der-transfer-ist-das-schwierigste-ex-bmw-tech-scouting-leiter-frank-moebius-ueber-technologie-frueherkennung
Frank Möbius (links) | (c) BMW Group

Knapp 30 Jahre war Frank Möbius bei BMW. Zuletzt leitete er in der Konzernforschung den Bereich Technologiemanagement und -prognose und koordinierte das weltweite Netzwerk der BMW Technology Offices vom Silicon Valley bis Tokio. Seit 2023 gibt er seine Erfahrung als Senior Innovation Advisor bei der UnternehmerTUM GmbH in München, Europas größtem Gründerzentrum, weiter. Im Interview erklärt er, wie systematische Technologie-Früherkennung funktioniert, warum die meisten Unternehmen am Transfer der daraus gewonnenen Erkenntnisse scheitern und wie KI die Tech-Trenderkennung vereinfacht hat.


brutkasten: Sie waren fast 30 Jahre bei BMW. Wie sind Sie dort zum Thema Innovation gekommen?

Frank Möbius: Ich habe an der Uni Stuttgart Maschinenbau, Fachrichtung Fahrzeugtechnik studiert und nach dem Diplom Anfang 1990 meinen ersten Job bei der Lufthansa Technik in Frankfurt gefunden. Dort durfte ich die damals neuartigen stangenlosen Flugzeugschlepper mitentwickeln und 1992 den neuen Flughafen München damit ausrüsten – meine erste Berührung mit Innovationen und ihrer Einführung im Massengeschäft. Ich verließ die Lufthansa nach ein paar Jahren, um an der Uni Kaiserslautern über Robotik zu promovieren. Nach der Promotion kam ich 1996 zu BMW, meiner Wunschfirma in meiner Wunschstadt. Dort konnte ich viele unterschiedliche Funktionen übernehmen: erst arbeitete ich vier Jahre im Versuchsfahrzeugbau, dann vier Jahre im Personalwesen, ein lehrreicher “Side Step” für einen Ingenieur!

(c) BMW Group

Mitte 2004 durfte ich eine Abteilung für Vorentwicklung und Innovationsmanagement im Bereich Antriebsproduktion übernehmen. Daraus entstand meine Rolle im damals neuen elektrifizierten Antrieb für BMW – von der strategischen Inhouse-Entscheidung und fachlichen Befähigung der Firma bis zur Großserie: über zehn Jahre lang war ich für die Industrialisierung und später Entwicklung von Hochvoltbatterien verantwortlich, vom ersten A-Muster mit einem sehr kleinen Team bis zu 100 Mitarbeitenden. 2017 bin ich schließlich in die Forschung gewechselt und habe dort das Team “Technologiemanagement und -prognose” übernommen, das später in die Einheit “Open Innovation” integriert wurde.

Was macht so eine Open-Innovation-Einheit in einem Konzern konkret?

Mit Open Innovation Methoden erkennt und verwertet man frühzeitig innovative Signale und Trends, die außerhalb der eigenen Unternehmensgrenzen stattfinden. Wir schauen bewusst in Branchen jenseits des Automobilbaus: Consumer Electronics, Luft- und Raumfahrt, Medizin, Computing, Biomaterialien, etc. Immer mit der Frage im Hinterkopf: Was können wir davon für das eigene Kerngeschäft nutzen? Konkret: Technologische Trends aus der Cross-Industrie frühzeitig erkennen, verstehen, bewerten, ein Proof-of-Concept-Projekt durchführen, z. B. mit einem Startup, einer Uni, einem Fraunhofer-Institut, etc. und diese Ergebnisse dann in die Firma für die eigenen Produkte, Services und Prozesse transferieren.

(c) BMW Group

BMW hat dafür eine eigene Abteilung aufgebaut. Wie hängen die einzelnen Bausteine zusammen?

2015 wurde die Technologie-Früherkennung mit dem Technologie-Trendradar ins Leben gerufen, fast gleichzeitig wurde die BMW Startup Garage gegründet. Das Radar ist zunächst ein Visualisierungs- und Kommunikationstool: wir platzieren die erkannten Technologien nach Kategorien und Reifegraden, um frühzeitig aufzeigen zu können, was sich technologisch weltweit tut. Aber diese Erkenntnisse stehen erstmal nur auf dem Papier. Entscheidend ist nach Bewertung und Priorisierung die Verwertung dieser Erkenntnisse, der sogenannte Transfer. Dieser erfolgt dann oft mit Startups.

Hier kommt die BMW Startup Garage zum Einsatz. Sie betreibt Venture Clienting, d. h. sie investiert nicht, sondern scoutet im Netzwerk der internationalen BMW Tech Offices die besten Startups und koordiniert Innovationsprojekte mit den betroffenen BMW-Fachbereichen, die meist das Budget dafür stellen. Diese Startups müssen schon reifer sein, also ein stabiles Team, eine robuste Finanzierung, ein fertiges Produkt – ggf in anderen Branchen – und am besten schon erste Kunden haben. Das Ziel dabei ist immer, dass das Startup ein regulärer Lieferant für BMW werden kann, wir nennen das  “startup as a supplier”. Erst wenn die Lösung des Startups wirklich bei BMW zum Einsatz kommt – in Produkt, Service oder Prozess -, entsteht Impact!

Daneben gibt es das Team BMW iVentures als klassischer Risikokapital-Investor, der ebenfalls über das BMW Tech Office Netzwerk auch in ganz frühphasige Startups investiert. Außerdem gehört dazu ein BMW-interner Incubator und eine Crowd Innovation Plattform.

Wie läuft systematische Tech-Trenderkennung bzw. Tech-Scouting im Alltag ab?

Es gibt vier Prozessschritte: Scouten und Strukturieren, Diskutieren und Bewerten, Visualisieren und Vorbereiten und dann der Transfer in die passenden BMW-Fachbereiche und die dortige Umsetzung. Den ersten Schritt haben früher Mitarbeitende und Werkstudierende gemacht, heute erledigen das maßgeschneiderte KI-Agenten. Für den zweiten Schritt braucht man die Experten: Fachleute von intern und extern. Ggf wird zu einem bestimmten Tech-Trend eine Studie erstellt. Für den dritten Schritt sitzt man in Workshops zusammen und erarbeitet einen Vorschlag für das nächste Trendradar und mögliche Scouting- oder Prototypen-Projekte. Von einer Liste mit über hundert Themen bleiben dann vielleicht vierzig übrig, die auf das Trendradar kommen und fünf, die dann tiefergelegt werden.

(c) BMW Group

Und dann kommt der Teil, an dem viele scheitern.

So ist es! Die ganzen modernen Technologien und Trends kann man heute recht einfach im Netz recherchieren, Generative AI hilft dabei. Das Entscheidende aber ist am Ende: Was leitet das Unternehmen daraus ab? Nur neues Wissen, eine Produktverbesserung oder gleich ein neues Geschäftsmodell? Einfacher gesagt: was mache ich damit morgen besser als heute? Das ist das Schwierige, der Transferprozess. Dieser hat inhaltliche, strukturelle, finanzielle aber auch menschliche Aspekte. Der Transfer einer neuen, erstmal riskanten Technologie aus einer anderen Branche in die eigene Firma ist oft schwierig. Auch bei BMW hat es ein paar Jahre gedauert, bis erste Erfolge kamen und das Vorgehen akzeptiert war.

Was ist das Rezept, damit es funktioniert?

Man holt die Personen, die später die Erkenntnisse umsetzen sollen, frühzeitig in den Prozess mit hinein. Sie dürfen die Startups mit bewerten, sie erfahren sofort, wenn eine neue Technologie für ihren Fachbereich tiefergelegt werden soll, diese wird dann gemeinsam bewertet. Dafür gibt es in der BMW Startup Garage für jedes Ressort einen konkreten Schnittstellenpartner. Dann geht man gemeinsam in den betroffenen Fachbereich, organisiert die Ressourcen und plant das Projekt, damit das Startup den Prototypen bauen kann. Wichtig: für das Startup-Projekt wird oft das Geld des späteren Fachbereichs verwendet. Das erzeugt zusätzliches Commitment! Und das Zweite ist die Hierarchie: Wenn Du einen Bereichsleiter oder Geschäftsführer hast, der voll hinter Open Innovation steht und auch mal in oberen Etagen politisch unterstützt, dann funktioniert es deutlich besser, auch in Krisenzeiten mit Budgetknappheit.

(c) BMW Group

Was raten Sie einem Unternehmen, das ohne viel Budget mit Technologiemanagement starten will?

Man muss nicht gleich zehn Leute einstellen. Oft genügt erstmal eine Person mit den nötigen Ressourcen und Befugnissen, dazu evtl. einen Studierenden und ein paar Teilkapazitäten in den relevanten Fachbereichen als Unterstützung. Ggf hilft am Anfang auch eine externe Trendagentur oder ein passender Toolanbieter. KI-Kenntnisse sind wichtig, um einen KI-Agenten nutzen oder einen eigenen aufbauen zu können. Ein gutes, internationales Netzwerk in alle relevanten Industrien ist ebenso wichtig, denn inzwischen betreiben die meisten großen Firmen Technologie-Früherkennung im Rahmen von Corporate Foresight, man kann von ihnen lernen und Best Practices übernehmen. Ich habe aus meinen über 6 Jahren in dieser Rolle eine Liste mit den zehn wichtigsten Lessons Learned zusammengeschrieben. Da steht alles drin, was man braucht, man muss es halt nur noch machen.

Was machen Sie heute bei UnternehmerTUM?

UnternehmerTUM hat drei Zielgruppen: Talente, Startups und Unternehmen – vom großen  Corporate und Mittelstand bis zum Familienunternehmen. Meine Hauptarbeit liegt in der Innovationsberatung, wo ich meine BMW-Erfahrung einbringen kann. Daneben bin ich Startup-Mentor, halte Vorlesungen, unterstütze die Internationalisierung der UnternehmerTUM und betreue Delegationen. Und ich baue gerade einen KI-gestützten Technologie-Trendradar-Prozess für die UnternehmerTUM, die TUM Venture Labs und ihre Partner und Kunden auf. Der ist nochmal deutlich umfangreicher als ein Radar für die Automobilindustrie. Wir haben dafür einen KI-Agenten gebaut, der weltweit schwache Tech-Signale erkennt, also Technologien, die noch kein messbarer Trend sind. Diesen KI-Agenten trainiere ich täglich. Gerade für Mittelständler und Familienunternehmen ist das sehr hilfreich, weil sie in der Regel nicht das Netzwerk und die Möglichkeiten großer Firmen haben.

(c) BMW Group

Gibt es ein Beispiel aus Ihrer BMW-Zeit, das zeigt, was Open Innovation bewirken kann?

Aus der Tech-Trenderkennung und der Startup-Arbeit wurden in den letzten Jahren schon viele Projekte zu Quantum Computing, Fahrzeug-Satelliten-Kommunikation, Gesundheitsdaten-Monitoring im Fahrzeug, Panorama-Displays, In-Car-Gaming u.v.m. erfolgreich transferiert. Einiges davon ist schon im Auto zu erleben, manches wird noch kommen. Mein Lieblingsbeispiel ist das farbwechselnde Auto: keine klassische Trenderkennung, aber ein erfolgreicher Cross-Industry-Transfer und vielleicht sogar ein Trendsetter! Eine Mitarbeiterin von mir hatte vor vielen Jahren die mutige Idee, die Display-Funktionen eines E-Readers aufs Auto zu übertragen. Sie hat sich die E-Ink-Panels besorgt, einen Prototypen entwickelt und damit nach vielen Experimenten mit einigen Helfern den BMW iX Flow aufgebaut – übrigens anfangs im MakerSpace der UnternehmerTUM. Mit diesem Auto war sie mit BMW 2022 in der Schwarz-Weiß-Version und ein Jahr später mit dem BMW i VISION Dee in der Farbversion mit großem Erfolg auf der CES in Las Vegas: The Color-Changing Car! Das ist für mich der perfekte Cross-Industry-Transfer: Ich übertrage eine erfolgreiche Technologie aus einer Industrie in eine völlig andere und habe einen Nutzen daraus. Ob das in irgendeiner Form mal in Serie kommt? Wer weiß …

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

Data Science als Entwicklungsturbo für den Handel

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Data Science als Entwicklungsturbo für den Handel

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Data Science als Entwicklungsturbo für den Handel

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 …

Data Science als Entwicklungsturbo für den Handel

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 …

Data Science als Entwicklungsturbo für den Handel

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 …

Data Science als Entwicklungsturbo für den Handel

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 …

Data Science als Entwicklungsturbo für den Handel

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Data Science als Entwicklungsturbo für den Handel

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Data Science als Entwicklungsturbo für den Handel