27.03.2019

Vier Modelle für das Unternehmen der Zukunft

Sind sie noch Supplier oder schon Ecosystem Driver? Die MIT-Forscherin Stephanie Woerner hat vier Modelle entwickelt, mit denen Unternehmen sich für die Zukunft rüsten können.
/artikel/stephanie-woerner-mit-business-zukunft
(c) Fotolia / Kir Smyslov
sponsored

Wie schaut das Unternehmen der Zukunft aus? Dieser Frage widmet sich die MIT-Wissenschaftlerin Stephanie Woerner bei ihrem Talk auf der MIT Europe Conference, die am 27. und 28. März in Wien stattfindet.

Gemeinsam mit ihrem Kollegen Peter Weill begann Woerner im Jahr 2012, an der besagten Thematik zu forschen. Dazu führten die beiden Forscher Gespräche mit 144 CIOs und leiteten daraus zwei Dimensionen ab, die derzeit die Transformationsprozesse in Unternehmen maßgeblich bestimmen.

Stephanie Woerner
MIT-Wissenschaftlerin Stephanie Woerner zu Besuch in Wien. (c) Stefan Mey

Erstens geht es um die Frage, wie gut die Unternehmen die Endkonsumenten kennen: Was motiviert sie, das Produkt zu kaufen? Welches Problem wollen sie mit dem Produkt lösen? Zweitens kristallisiert sich heraus, dass Unternehmen ihre Geschäftsmodelle ändern. Technologie ermöglicht ihnen, mit mehr potenziellen Kunden zu interagieren – zugleich brauchen sie aber auch neue Partner, um die verschiedenen Bedürfnisse besser befriedigen zu können. „Die Entwicklung geht somit von klassischen Wertschöpfungsketten hin zu neuen Ökosystemen“, sagt Woerner.

Vom Supplier zum Ecosystem Driver

Das mag noch ein wenig abstrakt klingen – aus eben diesen beiden Dimensionen hat Woerner aber vier unterschiedliche Geschäftsmodelle abgeleitet, die mit Beispielen aus der echten Geschäftswelt illustriert werden.

Erstens wäre da der „Supplier“: Ein Lieferant, der Produkte bereitstellt, aber wenig mit dem Endkunden in Kontakt tritt und daher auch wenig über ihn weiß. Als Beispiel nennt sie zum Beispiel Procter&Gamble, welche zwar mit Pampers und Tide bekannte Marken liefern, diese aber nur in geringen Mengen selbst verkaufen. „Manche dieser Unternehmen versuchen, den Kunden besser kennen zu lernen“, sagt Woerner: P&G zum Beispiel verkauft Windeln via Pampers.com.

woerner1
© 2019 MIT Sloan CISR

Als zweites Modell nennt Woerner „Omnichannel“: Hierunter fällt der Einzelhandel, sowie diverse Banken. Sie lösen die Probleme ihrer Kunden und kennen sie daher besser als der Supplier. Dabei sammeln sie Daten und sind gezwungen, immer mehr Kanäle zu bedienen – online ebenso wie offline.

Das dritte Modell ist der „Modular Producer“. In diese Kategorie fällt zum Beispiel PayPal. Der Modular Producer stellt Lösungen bereit, der technologieunabhängig in jedes Ökosystem integriert werden kann. „Dabei geht es nicht nur um digitale Lösungen“, sagt Woerner: Auch zum Beispiel Whitelabel-Kundenbindungssysteme für Hotelketten fallen in diese Kategorie. Die Ertragsmodelle variieren hier und verlangen den Unternehmen viel Experimentierfreude ab: Abo-Modelle und API-Lizenzierungen fallen zum Beispiel darunter.

Das vierte Modell schließlich ist das, zu dem laut Woerner „jedes Unternehmen gerne gehören würde, wenn es könnte“: Der „Ecosystem Driver“. Beispiele hierfür sind Amazon oder WeChat. Es handelt sich dabei um Plattformen, die Kundenprobleme lösen, als eine Art Mittelmann agieren und manchmal sogar direkte Konkurrenten integrieren, um für den Endkunden attraktiver zu sein.

Welches Modell ist das Beste für mich?

Manager mögen sich nun fragen: Welches Modell ist das Beste für mein Unternehmen? Laut Woerner ist es durchaus üblich, dass Betriebe sich wandeln und verschiedene Modelle durchlaufen. Für österreichischen KMU aus dem Supplier-Segment sei es zum Beispiel auch überlegenswert, Kern-Zielgruppen zu identifizieren und für diese als Ökosystem-Anbieter aufzutreten.

In einer Langzeitanalyse haben die Wissenschaftler jedenfalls bemerkt, dass sich von 2013 bis 2017 die Anzahl der vorhandenen Omnichannel-Unternehmen fast verdoppelte, während die Modular Producer und die Ecosystem Driver deutlich weniger wurden.

woerner2
© 2019 MIT Sloan CISR

Laut Woerner ist dies darauf zurück zu führen, dass vor allem im Bereich der Ecosystem Driver ein starker Konkurrenzkampf herrscht. Bei den Modular-Produzenten wiederum glaubt sie, dass sie zahlenmäßig in den kommenden Jahren wieder zunehmen werden, sobald die Geschäftsmodelle ausgereift sind.

Zugleich hat sie jedoch analysiert, wie die Unternehmen bei KPIs wie Markteinführungszeit, Margen und Wachstum performen – und in all diesen Bereichen zeigt sich, dass die Ecosystem Driver das große Los gezogen haben.

woerner3
© 2019 MIT Sloan CISR

Fazit

Es gibt also kein Patentrezept dafür, welches Business Model sich in Zukunft durchsetzen wird – das hängt von der individuellen Situation der Unternehmen ab, also etwa von eigenen Wettbewerbsvorteilen, Ressourcen und dem Grad der Digitalisierung. Auch die Frage des Führungsstils spielt hier eine große Rolle – etwa, wie technologieaffin der Vorstand ist. Und, auch das ist wichtig: Bei aller Innovation darf nicht darauf vergessen werden, dass auch das Alltagsgeschäft effizient sein muss, sagt Woerner abschließend.

Redaktionstipps
Deine ungelesenen Artikel:
21.10.2026

Grazer Deep-Tech-Spin-off DiLT Analytics schließt siebenstellige Finanzierungsrunde ab

Das Grazer TU-Spinoff holt den Deep-Tech-Fonds Noctua Science Ventures als Investor an Bord und erhält zusätzlich eine Förderung aus dem Programm aws Seedfinancing – Deep Tech. Das Kapital soll in den Teamaufbau und in den Rollout der Diagnosesoftware FaciliMind fließen.
/artikel/grazer-deep-tech-spin-off-dilt-analytics-schliesst-siebenstellige-finanzierungsrunde-ab
21.10.2026

Grazer Deep-Tech-Spin-off DiLT Analytics schließt siebenstellige Finanzierungsrunde ab

Das Grazer TU-Spinoff holt den Deep-Tech-Fonds Noctua Science Ventures als Investor an Bord und erhält zusätzlich eine Förderung aus dem Programm aws Seedfinancing – Deep Tech. Das Kapital soll in den Teamaufbau und in den Rollout der Diagnosesoftware FaciliMind fließen.
/artikel/grazer-deep-tech-spin-off-dilt-analytics-schliesst-siebenstellige-finanzierungsrunde-ab
DiLT Analytics
© DiLT Analytics

DiLT Analytics hat eine siebenstellige Finanzierungsrunde abgeschlossen. Sie setzt sich aus einem Equity-Investment von Noctua Science Ventures und einer Förderung der Austria Wirtschaftsservice (aws) im Rahmen des Programms Seedfinancing – Deep Tech zusammen. Mit dem Geld möchte das 2021 gegründete Spinoff der TU Graz sein Team ausbauen und FaciliMind, seine Software zur automatisierten Fehlerdiagnose in Heizungs-, Lüftungs- und Klimaanlagen, zu weiteren Betreibern großer Gebäudeportfolios bringen

DiLT Analytics: „Substanziell wachsen“

Noctua Science Ventures ist ein Wiener Deep-Tech-Fonds und ein Joint Venture von Speedinvest und den Technischen Universitäten Österreichs. Der Fonds investiert gezielt in Ausgründungen, deren Produkt auf langjähriger Forschung beruht.

„Die aws-Förderung ergänzt das Investment und ist auf genau diese Phase zugeschnitten: den Schritt von einer erprobten Technologie zu einem Produkt, das sich über viele Standorte hinweg ausrollen lässt“, heißt es per Aussendung. Um im Sinne des Programms aws Seedfinancing – Deep Tech als Deep Tech zu gelten, muss das Vorhaben auf einer „anspruchsvollen technologischen und wissenschaftlichen Herausforderung“ basieren und einen klaren Technologiesprung gegenüber bestehenden Lösungen oder rein inkrementellen Weiterentwicklungen ermöglichen.

„Mit Noctua Science Ventures haben wir einen Partner gefunden, der beides kennt: die technischen Herausforderungen eines Deep-Tech-Produkts und den Weg in die Kommerzialisierung. Für ein junges Spinoff ist das der Best Case. Dass parallel auch die aws-Förderung zugesagt wurde, bestätigt uns, dass FaciliMind und unser Team auf dem richtigen Weg sind. Jetzt geht es darum, substanziell zu wachsen“, sagt Theresa Kohl, CEO von DiLT Analytics.

Philipp Stangl, Managing Director von Noctua Science Ventures, ergänzt: „Von unseren vielen Gesprächspartnern erhielten wir ein sehr einheitliches Bild zu DiLT: ein glaubwürdiger, technisch differenzierter Ansatz, umgesetzt von einem Team, mit dem Immobilienprofis gerne zusammenarbeiten. Genau diese Kombination aus Forschungsvorsprung und starker Kundenorientierung ist es, wonach wir in der Pre-Seed-Phase suchen.“

2021 gegründet

DiLT Analytics wurde Ende 2021 von Franz Wotawa und Gerald Schweiger als Spinoff des Instituts für Softwaretechnologie der TU Graz gegründet und ging aus der Forschungsgruppe „Intelligent Systems“ hervor. Erstes größeres Projekt war „Inframonitor“, eine herstellerunabhängige IoT-Datenplattform für den Campus Inffeldgasse der TU Graz.

Seither ist DiLT an mehr als 20 Forschungsprojekten mit über 15 Partnern beteiligt, einige davon FFG-gefördert und gemeinsam mit österreichischen und europäischen Universitäten. Die Ergebnisse fließen über den Forschungszweig DiLT Research direkt in die Produktentwicklung. Geführt wird das Unternehmen heute von Theresa Kohl (CEO), Christopher Gray (Business Development & Strategy), Thomas Hirsch (CTO), Reinhard Pertschy (CPO) und Thomas Schwengler (Head of Software).

Die entwickelte Software FaciliMind analysiert Betriebsdaten von Heizungs-, Lüftungs- und Klimaanlagen, erkennt dabei versteckte Fehler und Optimierungspotenziale und liefert Technikteams eine nach Dringlichkeit sortierte Maßnahmenliste, so der Claim. Die Software von DiLT Analytics arbeitet herstellerunabhängig und lässt sich über ein einzelnes Gerät an die bestehende Gebäudeleittechnik anbinden. Dank eines knowledgegraphbasierten Softwarestacks soll sie das digitale Abbild komplexer Anlagen weitgehend automatisiert innerhalb weniger Tage statt monatelanger Handarbeit erstellen können. Zielgruppe sind Betreiber großer Gebäudeportfolios, etwa in der öffentlichen Hand, an Flughäfen sowie in Industrie und Gesundheitswesen.

DiLT Analytics erhielt Preise

Zu den Kunden zählen u.a. die Technischen Universitäten Graz und Wien, Bundesimmobiliengesellschaft (BIG), IG Immobilien Management GmbH und Industriekunden. 2025 wurde DiLT Analytics mit dem DREA Award und dem ÖGUT Umweltpreis ausgezeichnet. Und ist seit September 2026 nach ISO 27001 zertifiziert.

„Wissen über Anlagenbetrieb soll im Unternehmen bleiben“

Neben der Verstärkung des Teams und dem geplanten Rollout möchte DiLT Analytics künftig ein Übersetzungswerkzeug für den BACtwin-Standard als Open Source veröffentlichen und die Diagnose künftig auf weitere Technologien wie Wärmepumpen, Photovoltaik und Batteriespeicher ausweiten

„Ein Gebäudeportfolio überdauert seine Dienstleister und oft auch seine erfahrensten Mitarbeitenden“, sagt Kohl. „Unser Ziel ist, dass das Wissen über den Anlagenbetrieb im Unternehmen bleibt und dass Entscheidungen auf verifizierter Datengrundlage statt auf Bauchgefühl und Erinnerung beruhen.“

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

Vier Modelle für das Unternehmen der Zukunft

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Vier Modelle für das Unternehmen der Zukunft

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Vier Modelle für das Unternehmen der Zukunft

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 …

Vier Modelle für das Unternehmen der Zukunft

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 …

Vier Modelle für das Unternehmen der Zukunft

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 …

Vier Modelle für das Unternehmen der Zukunft

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 …

Vier Modelle für das Unternehmen der Zukunft

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Vier Modelle für das Unternehmen der Zukunft

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Vier Modelle für das Unternehmen der Zukunft