1. Kohorte

Im Rahmen des Projekts soll zuerst ein breiter Ansatz verfolgt werden, um den Umsetzungsstand und die potenziellen Bedarfe und Ansatzpunkte für eine Nutzung der Digitalisierung in der Wirtschaftsf?rderung zu identifizieren. Im weiteren Verlauf wird eine Fokussierung auf die Ver?nderung von Innovationsprozessen bzw. das Monitoring von regionalen Innovationssystemen mit Hilfe digitaler Technologien erfolgen. Zielsetzungen des Projektes sind es, Ansatzpunkte und Umsetzungsvorschl?ge für die Wirtschaftsf?rderungen zu entwickeln, damit diese die neuen Innovationsprozesse von Unternehmen unterstützen k?nnen, und M?glichkeiten aufzuzeigen, wie sie selbst durch den Einsatz digitaler Technologien schneller und effizienter Entwicklungen des regionalen Innovationssystems identifizieren k?nnen. Zentral für das Projekt ist dabei die Entwicklung eines exemplarischen digitalen Angebots zur Nutzung in Wirtschaftsf?rderungen und ein Testdurchlauf. Der Fokus liegt hierbei erstmal auf der Analyse von strukturierten Daten (z. B. Patentdaten). Darüber hinaus soll ein Ausblick gegeben werden, wie diese Analysen um unstrukturierte Daten erweitert werden k?nnen.

Das Forschungsprojekt untersucht die weltweite Entwicklung von Technologien im Bereich künstlicher Intelligenz (KI). Das Projekt beruht konzeptionell auf Ans?tzen aus dem Bereich der Innovationssysteme und technologischer Systeme. Ziel ist es, die geographischen Spezialisierungsmuster in KI-Technologien in den USA, China und Europa zu identifizieren, die Netzwerkstrukturen in spezifischen KI-Technologien in diesen Regionen sichtbar zu machen, sowie den Zusammenhang von Netzwerkposition und Unternehmenserfolg zu analysieren. Das Projekt verwendet die Methode der sozialen Netzwerkanalyse unter Berücksichtigung von Daten aus Patentanmeldungen, Publikationen sowie web-basierten Ressourcen.

• DRUID21, Copenhagen, Denmark, “AI’s local patterns of innovation”, 18. Oktober 2021.
• The Economics and Management of AI Technologies, “An evolutionary view on the emergence of Artificial Intelligence”, 19. Januar 2021.
• Data infrastructure for mapping production and diffusion of AI technologies, Copenhagen, Denmark, “Diffusion of AI: Preliminary findings from a global patent analysis”, 27. Februar 2019.
• Diginomics Brown Bag Seminar, Bremen, Germany, “The Race for Technological Leadership in Artificial Intelligence”, 22. Mai 2019.
• European Meeting on Applied Evolutionary Economics (EMAEE), Brighton, United Kingdom, “The Race for Technological Leadership in Artificial Intelligence”, 5. Juni 2019.
• Artificial Intelligence - Between Panacea and Skynet, Bremen, Germany, “Patenting Patterns in Artificial Intelligence: Identifying National and International Greenhouses”, 27. September 2019.
• New perspectives in innovation economics, Thiessow, Germany, “The diffusion of Artificial Intelligence: Preliminary findings”, 3. Oktober 2019.
• The Economics and Management of AI Technologies, Stra?burg, France, “The diffusion of Artificial Intelligence: Preliminary findings”, 18. Oktober 2019.
• Diginomics Brown Bag Seminar, Bremen, Germany, “The Race for Technological Leadership in Artificial Intelligence”, 29. Januar 2020.

• Matheus E. Leusin, Bj?rn Jindra, and Daniel S. Hain (2021): An evolutionary view on the emergence of Artificial Intelligence. Download. 
• Matheus E. Leusin, Jutta Günther, Bj?rn Jindra, and Martin G. Moehrle (2020): Patenting patterns in Artificial Intelligence: Identifying national and international breeding grounds, World Patent Information No. 62, 101988.

• EAEPE Prize for the best Political Economy paper at EMAEE 2019, Brighton, United Kingdom, for the paper “The Race for Technological Leadership in Artificial Intelligence”, 4. Juni 2019.

Die Einführung neuer Technologien in Arbeitsabl?ufe ist mit einer Reorganisation vorhandener Prozesse verbunden, die eine Anpassung von hierarchischen und Gruppenstrukturen sowie Verantwortungsbereichen zur Folge hat und somit eine Ver?nderung der Aufgaben, der Führung und der Zusammenarbeit bedingt. In diesem Zusammenhang sollen, z.B. aufgrund der gewonnenen Gestaltungsspielr?ume, die Motivation und das Wohlbefinden der MitarbeiterInnen, auch unter Berücksichtigung von Wechselwirkungen mit bspw. der Branche beleuchtet werden. Ebenso kann vermutet werden, dass eine erh?hte Selbststeuerung und eine Ver?nderung von Kontrollmechanismen in den Arbeitsprozessen einen Einfluss auf die sozialen Normen in Gruppen und auf die Beziehungen zwischen Führungskr?ften und MitarbeiterInnen haben werden. Fragestellungen zu diesen Themen werden anhand von qualitativen und quantitativen Methoden im Kontext von Problemstellungen ausgew?hlter Praxispartner beantwortet.

• Rieth, M. & Hagemann, V. (2021). Automation als gleichwertiger Teamplayer des Menschen? – Eine Expertenstudie. Vortrag beim 67. Frühjahreskongress der Gesellschaft für Arbeitswissenschaften (GfA), Bochum, Deutschland.

• Rieth, M. & Hagemann, V. (2021). Analyse der M?glichkeiten der Automatisierung und damit einhergehende Auswirkungen in Bezug auf ver?nderte Anforderungen an Mitarbeitende in High Reliability Organizations. Vortrag beim 67. Frühjahreskongress der Gesellschaft für Arbeitswissenschaften (GfA), Bochum, Deutschland.

• Rieth, M. & Hagemann, V. (2019). Analyse von Kompetenzanforderungen an Mitarbeitende in High Reliability Organisationen aufgrund der Einführung von Automation. Vortrag bei der 11. Tagung der Fachgruppe Arbeits-, Organisations- und Wirtschaftspsychologie (AOW) der Deutschen Gesellschaft für Psychologie (DGPs), Braunschweig, Deutschland.

• Rieth, M. & Hagemann, V. (2022). Automation as an equal team player for humans? – A view into the field and implications for research and practice. Applied Ergonomics, 98, 103552. Download.
• Rieth, M. & Hagemann, V. (2021). Ver?nderte Kompetenzanforderungen an Mitarbeitende infolge zunehmender Automatisierung – Eine Arbeitsfeldbetrachtung. Gruppe. Interaktion. Organisation. Zeitschrift für Angewandte Organisationspsychologie (GIO), 52(1), 37-49. Download.

Die fortschreitende Digitalisierung hat schon heute weitreichende Konsequenzen für den Arbeitsmarkt. Neben dem Arbeitsmarkt, wirkt sich die zunehmende Digitalisierung aber auch im Bereich des Klimawandels aus. Auf der einen Seite kann Automatisierung zu einem effizienteren Einsatz von Ressourcen führen, auf der anderen Seite kann Digitalisierung aber auch den Einsatz von (fossilen) Rohstoffen vergr??ern, was wiederum den Klimawandel vorantreibt. Ziel des Projekts ist es, die Wachstums- und Verteilungswirkungen der Digitalisierung vor dem Hintergrund des Klimawandels zu diskutieren.

Die Blockchain-Technologie verfügt über ein gro?es Einsatzspektrum für verschiedene Branchen. Einige Varianten der Blockchain-Technologie haben sich bereits konkretisiert, u.a. smarte Vertr?ge und dezentralisierte Plattformen. Beide k?nnen das Patentmanagement in Unternehmen oder anderen patentierenden Organisationen ver?ndern. Im Patentmanagement spielt Geheimhaltung eine wichtige Rolle, da eine Erfindung bei einer Anmeldung zum Patent als neu, d.h. als bisher der Welt unbekannt, zu gelten hat. Eine solche Geheimhaltung wird oft von entsprechenden Vereinbarungen, sog. NDAs (non-disclosure agreements) getragen. Zur gleichen Zeit müssen verschiedene Zwischenergebnisse und Laborbücher m?glichst gut dokumentiert werden, um sie ggf. bei juristischen Auseinandersetzungen vorlegen zu k?nnen. Im Projekt sollen daher verschiedene Fragen untersucht werden: Wie viele der in die Blockchain gesetzten Erwartungen k?nnen bereits heute erfüllt und mit Fakten belegt werden? Wie gehen Experten im Betrieblichen Patentmanagement mit dieser neuen Technologie um? Werden Standards entstehen, die den überbetrieblichen Austausch von geheimen Informationen im Patentmanagement erleichtern? Und schlie?lich: Wie wird die Blockchain-Technologie das Patentmanagement ver?ndern?

Kryptow?hrungen wie Bitcoin oder Ethereum sind seit einigen Jahren Teil einer neuen, alternativen Asset-Klasse. Diese Asset-Klasse der digitalen Assets ist hoch volatil, unabh?ngig von traditionellen Asset-Klassen wie Aktien oder Anleihen und ebenfalls noch sehr ineffizient. Diese Tatsache er?ffnet die Gelegenheit bekannte Finanzmarktmodelle und –theorien in einer aufstrebenden und jungen Asset-Klasse wiederholt zu testen und zu untersuchen und somit Rückschlüsse für etablierte Anlageklassen zu ziehen. Da bisher au?erhalb der technischen Perspektive nur wenige Erkenntnisse ver?ffentlicht worden sind, ist der Mehrwert, den man in finanzwirtschaftlicher Hinsicht schaffen kann, besonders hoch und macht den Themenkomplex damit umso interessanter.