Einführung und Agenda

Das Webinar behandelt die Optimierung der Informationsbeschaffung als strategischen Wettbewerbsvorteil. Als Direktor des Instituts für Competitive Intelligence liegt der Fokus auf der Vermittlung strategischer Wettbewerbsvorteile durch Markt- und Wettbewerbsbeobachtung. Die Informationsbeschaffung stellt dabei ein zentrales Unterkapitel dar, gefolgt von Weiterverarbeitung, Analyse und Entscheidungsvorbereitung.

Das Webinar wird aufgezeichnet, weshalb die Teilnehmer gebeten werden, zur Kommunikation die Chat-Funktion zu nutzen.

Themenschwerpunkte:

• Strategie zur Informationserhebung und deren Bedeutung
• Intelligence Bedarfsaudit als methodischer Ansatz
• Übersicht relevanter Intelligence Quellen
• Einsatz künstlicher Intelligenz im Bereich Competitive Intelligence
• Vorstellung des CCIR-Zertifikats (Certificate in Competitive Intelligence Research)
• Diskussion und Fragen

Was ist Competitive Intelligence? 

Competitive Intelligence (CI) beschreibt einen teamorientierten Ansatz zur systematischen Erfassung und Analyse des Unternehmensumfelds. Dabei werden Informationen über Wettbewerber, Zulieferer, Abnehmer, Technologien und Marktakteure gesammelt, analysiert und für Entscheidungsprozesse aufbereitet.

Diese Definition erscheint zunächst einfach, birgt jedoch erhebliche Herausforderungen. Die Hauptproblematik liegt darin, relevante Informationen im spezifischen Unternehmenskontext zu identifizieren. Trotz der Fülle an verfügbaren Quellen und Inhalten entsprechen diese nicht zwangsläufig den spezifischen Anforderungen eines Competitive Intelligence Analysten.

Hier entsteht eine Diskrepanz zwischen Anspruch und Wirklichkeit. Exzellenz in diesem Bereich ermöglicht jedoch strategische Wettbewerbsvorteile. Das zentrale Modell verdeutlicht diesen Prozess:

Das Turbinen-Modell:

Informationen aus primären und sekundären Quellen fließen in das Unternehmen ein und durchlaufen einen mehrstufigen Verarbeitungsprozess:

1. Intelligence-Experten filtern und monitoren eingehende Informationen
2. Gatekeeper interpretieren die Informationen im Kontext und bewerten deren Bedeutung
3. Intelligence-Manager koordinieren die Verfügbarkeit aller Informationen und behalten den Überblick

Ziel ist die Unterstützung der Entscheider – Management, Produktmanager, Fertigungs- oder Technologieverantwortliche – durch fundierte Analysen zur richtigen Zeit. Dieser Prozess muss kontinuierlich erfolgen, da Informationen nicht immer zeitgleich mit relevanten Ereignissen verfügbar sind.

Herausforderungen in der Praxis:

Viele Unternehmen betreiben Competitive Intelligence opportunistisch: Sie verarbeiten lediglich zufällig verfügbare Informationen, anstatt systematisch nach relevanten Erkenntnissen zu suchen. Dies führt zu lückenhafter Marktwahrnehmung oder kognitiven Verzerrungen durch Bestätigungsfehler.

Empirische Studien belegen, dass Competitive Intelligence häufig stiefmütterlich behandelt wird. Hier besteht erhebliches Verbesserungspotenzial, insbesondere bei der Informationsbeschaffung, um strategische Wettbewerbsvorteile zu erzielen.

Warum eine Erhebungsstrategie erforderlich ist

Eine systematische Erhebungsstrategie dient primär der Optimierung eigener Prozesse. Der mehrstufige Kaskadenprozess muss beherrscht werden, ohne dass übermäßige Kosten oder Personalaufwand die Attraktivität mindern.

Bei Ressourcenengpässen besteht die Möglichkeit, Teile des Prozesses auszulagern („Make or Buy"). Agenturen, Berater oder spezialisierte Freiberufler können die Erhebung, Aufbereitung und Analyse industriespezifischer Informationen übernehmen.

Bewertungsdimensionen einer Erhebungsstrategie:

Return on Intelligence: Auch kostenfreie Quellen verursachen versteckte Kosten – mindestens Opportunitätskosten durch den Bearbeitungsaufwand. Daher müssen Erhebungsstrategien nach ihrem Nutzen-Kosten-Verhältnis bewertet werden.

Fokussierung vs. Breite: Die Strategie kann opportunistisch angelegt sein (sammeln verfügbarer Informationen) oder fokussiert und tiefgehend auf ausgewählte Fragestellungen. Letzteres erfordert den Mut zur Lücke, ermöglicht aber höhere Qualität.

Monitoring vs. gezielte Suche: Die Strategie unterscheidet zwischen umfassendem 360-Grad-Monitoring mit definierten Suchbegriffen und gezielten Recherchen zu spezifischen Fragestellungen mittels Taxonomien, Patentanalysen oder Finanzanalysen.

Hypothesenbildung: Manchmal geht es weniger um tiefschürfende Analysen als um allgemeine Marktkenntnis und Trendbeobachtung für grundlegende Orientierung.

Known Unknowns vs. Unknown Unknowns: Die Strategie muss definieren, wie mit Wissenslücken umgegangen wird – insbesondere mit dem, was nicht gewusst wird und daher nicht recherchiert werden kann.

Vollständigkeit vs. Präzision: Das klassische Trade-off zwischen vollständiger Erfassung aller relevanten Informationen und präzisen, fehlerfreien Ergebnissen muss strategisch aufgelöst werden. Diese beiden Eigenschaften können nicht gleichzeitig optimiert werden.

Datenqualität: Angesichts zunehmender Desinformation und qualitativ hochwertiger Fälschungen erfordert die Datenvalidierung erheblichen Zeitaufwand.

Branchenspezifika: Verschiedene Branchen verfügen über unterschiedliche Transparenzgrade. In Konsumgüterbranchen ermöglichen Marktforschungsdienste wie GfK oder Nielsen hohe Markttransparenz, während andere Branchen gezielt verbleibende Informationslücken schließen müssen.

Eine strukturierte Bewertung der eigenen Erhebungsstrategie identifiziert Stärken und Schwächen und ermöglicht gezielte Optimierung.

Intelligence Bedarfsaudit

Die Anforderungen an die Informationserhebung werden nicht aus Selbstzweck definiert, sondern orientieren sich an den Bedürfnissen der Nutzer. Ein systematisches Bedarfsaudit mit Entscheidungsträgern ist daher unverzichtbar.

Zentrale Fragestellungen im Audit:

Schmerzpunkte (Pain Points): Welche Herausforderungen bestehen in der Entscheidungsfindung? Welche Informationsdefizite behindern fundierte Entscheidungen?

Auswirkungen: Was steht auf dem Spiel? Die "So-What-Perspektive" bewertet die Relevanz fehlender oder vorhandener Informationen und deren Chancen und Risiken.

Abhängige Entscheidungen: Welche tatsächlichen oder vermeintlichen Entscheidungen hängen von spezifischen Key Intelligence Topics ab? Wie kann Intelligence die Vorgehensweise des Managements beeinflussen?

Beispielsweise können fehlende Wettbewerberinformationen zu verzögerten Produkteinführungen führen, was Marktanteile und Markterfolg gefährdet.

Der Dreiklang:

Das Audit verbindet Key Intelligence Topics mit deren Auswirkungen und abhängigen Entscheidungen. Daraus leitet der Intelligence-Analyst ab, welche Maßnahmen erforderlich sind und wie Angebot und Nachfrage im Intelligence-Bereich optimal abgeglichen werden können.

Dieser Prozess erfordert intensive Auseinandersetzung und systematische Bewertung, um zu verstehen, warum die aktuelle Situation besteht und welche Informationslücken geschlossen werden müssen.

Checkliste für die Datenerhebung

Bei konkreten Rechercheprojekten zu definierten Key Intelligence Topics empfiehlt sich eine strukturierte Vorgehensweise:

Projektplanung:

Zunächst erfolgt die Definition von Arbeitspaketen und Umfang der erforderlichen Recherchearbeiten. Welche Tiefe soll erreicht werden? Genügt eine oberflächliche Analyse oder ist tiefgreifende Untersuchung erforderlich?

Strukturierung der Fragestellungen:

Große Themenbereiche werden in autarke Einheiten zerlegt – die Key Intelligence Questions. Diese Baumstruktur führt zu beantwortbaren Einzelfragen, die im Projekt systematisch abgearbeitet werden.

Bewertung der Anforderungen:

Jede Key Intelligence Question wird nach folgenden Kriterien bewertet:

• Schwierigkeit: Sprachbarrieren, Verfügbarkeit von Informationen, Komplexität der Quellen
• Komplexität: Verflechtung von Akteuren, Mehrstufigkeit der Wertschöpfungskette
• Kosten: Erforderliche Budgets für Datenbanken, Dienstleister oder Tools
• Dauer: Zeitlicher Aufwand bis zur Verfügbarkeit der Ergebnisse

Identifikation potenzieller Quellen:

Nach der Bewertung erfolgt die Identifikation relevanter primärer und sekundärer Quellen. Bewährte Quellen werden berücksichtigt, aber auch neue Quellen getestet, da sich das Quellenspektrum dynamisch entwickelt.

Gleichzeitig wird die Datenvalidierung konzipiert: Wie können gefundene Informationen verifiziert werden, um ihre Verlässlichkeit sicherzustellen?

Auswahl der Erhebungsstrategie:

• Parallelität vs. Sequentialität: Werden Quellen parallel oder nacheinander bearbeitet?
• Redundanz: Wird bewusst Redundanz geschaffen, um Informationen aus unabhängigen Quellen zu bestätigen?
• Ressourcenoptimierung: Wird minimal investiert für erste Ergebnisse oder erfolgt umfassende Recherche mit höherem Aufwand?
• Make or Buy: Welche Rechercheaufgaben werden intern durchgeführt, welche extern vergeben?

Cross-Checking und Informationsfluss:

Werden Zwischenergebnisse zwischen verschiedenen Rechercheuren ausgetauscht? Dies kann Ressourcen sparen, birgt aber die Gefahr von Verzerrungen.

Bewertung von Quellen und Inhalten:

Die Bewertung erfolgt auf zwei separaten Achsen:

1. Inhaltliche Plausibilität: Validierung der Informationen selbst
2. Quellenglaubwürdigkeit: Vertrauenswürdigkeit der Quelle, deren Zugang zu Informationen und mögliche Intentionen

Erst nach beiden Bewertungen können Informationen für Analysen und Entscheidungsvorlagen verwendet werden.

Projektmonitoring:

Die systematische Überwachung des Projektfortschritts verhindert Chaos und unnötige Kosten während der Durchführungsphase.

Diese Checkliste bildet die Erhebungsstrategie ab und entwickelt mit jeder Iteration die Professionalität weiter. Erfahrungen mit Quellen und deren Qualität akkumulieren und verbessern zukünftige Recherchen.

Informationsdiffusion und Quellenauswahl 

Bei der Quellenidentifikation muss die Informationsdiffusion berücksichtigt werden: In jeder Branche oder Community verbreiten sich Informationen mit unterschiedlicher Geschwindigkeit. Informationen werden weitergegeben, referenziert, kommentiert und bewertet – manchmal verselbstständigen sie sich.

Zeitliche Dimension der Quellen:

Die Überlegung, woher eine Quelle Informationen haben könnte, ist entscheidend. Beispiel Patente: Von der Idee über die Entwicklung bis zur Patenteinreichung und -genehmigung vergehen mindestens zwei bis drei Jahre. Eine Patentrecherche zu brandneuen Technologien wird daher keine Ergebnisse liefern.

Die Informationsdiffusionskurve hilft zu verstehen, wann welche Art von Information in welchen Quellen verfügbar ist. Dies ist integraler Bestandteil einer durchdachten Erhebungsstrategie.

Quellenübersicht 

Die Kategorisierung von Quellen ermöglicht systematischen Zugriff:

Öffentlich zugängliche Quellen:

• Verbände
• Staatliche Einrichtungen
• Universitäten

Firmeninternes Expertennetzwerk: Exklusives Wissen innerhalb des eigenen Teams

Online-Datenbanken und Internet: Umfassende Welt digitaler Informationen und Social Media – häufig der Hauptarbeitsbereich für Recherchen

Primärforschung:

• Desk Research: Telefonische Interviews, Fokusgruppen, Expertengespräche
• Feldforschung: Beobachtungen in Geschäften, auf Messen oder bei Veranstaltungen zur Analyse von Produktpräsentationen und Marktaktivitäten
• Observation: Satellitenaufnahmen, Beobachtung von Mitarbeiterströmen, Schichtbetrieb oder Produktionsvolumen

Die Kompetenz liegt nicht in der Kenntnis aller Quellen, sondern in der Einschätzung, welche Quellen für spezifische Fragestellungen geeignet sind, welcher Aufwand zu erwarten ist und welche Ergebnisqualität erzielt werden kann.

Beispiele für Spezial-Datenbanken 

Import-/Export-Datenbanken:

Spezialisierte Anbieter werten Zolldokumente aus, die bei grenzüberschreitenden Warenströmen entstehen. Diese Dokumente enthalten Informationen wie Gewicht, Versicherungswert, Importeur, Exporteur und Hersteller.

Die Datenbanken ermöglichen Recherchen über achtstellige Produktcodes und liefern Erkenntnisse über:

• Warenmengen (Tonnen, Units)
• Handelsrouten
• Lieferantenbeziehungen
• Wertschöpfungsketten von Rohstoffen bis zu verarbeiteten Produkten

Diese Informationen sind exklusiv und anderweitig kaum zugänglich, allerdings mit erheblichen Kosten verbunden. Der Einsatz eignet sich für Unternehmen mit komplexen Sortimenten oder detaillierten Wertschöpfungskettenanalysen.

Unternehmensdatenbanken:

• Bureau van Dijk und Dun & Bradstreet: Europäischer und globaler Fokus auf Unternehmensinformationen
• LexisNexis: Umfassende Datenbank mit Fachzeitschriften, Unternehmensinformationen, aktuellen Nachrichten und umfangreichem Archiv
• Creditreform: Bonitätsdatenbank mit umfassenden Wirtschafts- und Unternehmensinformationen
• Unternehmensregister.de: Zentrale deutsche Registratur für Kapitalgesellschaften mit Pflichtveröffentlichungen (Finanzberichte, Prokura-Änderungen, Eigenkapital)

Diese Quellen aggregieren öffentlich verfügbare Informationen, ergänzen diese durch eigene Recherchen und bieten aufbereitete Kennzahlen.

Beispiel: AAM Reality Index 

Die Website "Advanced Air Mobility Insights" bietet eine Übersicht über Anbieter von elektrisch betriebenen, vertikal startenden und landenden Fluggeräten (z.B. fliegende Taxis). Trotz zunächst hoher Glaubwürdigkeit zeigt eine detaillierte Analyse:

• Die Informationen stammen primär von Anbieter-Websites
• Die Aktualisierungsfrequenz ist unklar
• Quellenangaben fehlen
• Die Website dient als Marketinginstrument eines Beratungsunternehmens

Dies verdeutlicht: Die Existenz einer Quelle garantiert nicht deren Verlässlichkeit. Kritische Bewertung und Validierung durch weitere Quellen sind unverzichtbar.

Vorteile von KI-Recherchetools 

Künstliche Intelligenz bietet erhebliche Unterstützungspotenziale für Intelligence-Prozesse, ersetzt jedoch nicht die kritische Bewertung und Mustererkennung durch Analysten.

Wesentliche Vorteile:

1. Tiefere und relevantere Einblicke: KI erkennt Trends, Muster und Zusammenhänge in Rohdaten, die für Analysten nicht offensichtlich sind – insbesondere wenn das Datenvolumen die menschliche Verarbeitungskapazität übersteigt.

2. Geschwindigkeit und Automatisierung: Die Durchsuchung von Tausenden Dokumenten, E-Mails oder Artikeln erfolgt wesentlich schneller als mit traditionellen Schlagwortsuchen.

3. Prognostische und handlungsorientierte Analysen: KI unterstützt Vorhersagen zu Nachfrageverläufen, Wettbewerberschritten und strategischen Entwicklungen. Die Qualität dieser Prognosen entwickelt sich kontinuierlich weiter.

4. Kontinuierliches Echtzeit-Monitoring: Automatische Überwachung von Märkten, Wettbewerber-Websites, Preisen, Produkteinführungen und schwachen Signalen für Marktveränderungen – in n-dimensionalen Analysen, die manuell nicht realisierbar wären.

5. Anpassung und Sprachverständnis: KI-Modelle verstehen branchenspezifische Begriffe, Fachsprache und Produkttaxonomien. Übersetzungen und Analysen fremdsprachiger Quellen werden erheblich erleichtert.

6. Kombination strukturierter und unstrukturierter Daten: Die Verknüpfung interner Unternehmensdaten (CRM, ERP, Vertrieb) mit externen Quellen (Nachrichten, Social Media, Patente, Stellenanzeigen) ermöglicht ganzheitliche Analysen, die manuell kaum realisierbar sind.

7. Aufdeckung unbekannter Unbekannter (Unknown Unknowns): KI liefert unerwartete Erkenntnisse über neue Marktteilnehmer oder Innovationssignale, die außerhalb des definierten Suchraums liegen.

8. Effizienz bei Make-or-Buy-Entscheidungen: Bewertung von Lieferanten, Outsourcing-Potenzialen und Kostenvergleichen erfolgt schneller und präziser als durch manuelle Recherchen.

9. Visualisierung und Entscheidungsunterstützung: Integration in Dashboards und Business-Intelligence-Tools macht Ergebnisse leicht interpretierbar und schnell nutzbar für Entscheidungsträger.

10. Reduktion menschlicher Verzerrungen: KI minimiert kognitive Verzerrungen und Bestätigungsfehler, die bei manuellen Recherchen häufig auftreten. Dies ermöglicht objektivere, neutralere und emotionslosere Analysen.

Kritische Einschätzung:

Trotz dieser Vorteile bestehen Herausforderungen bei der Bewertung von Quellen, der Validierung von Informationen und der kritischen Hinterfragung von KI-generierten Ergebnissen. Das Prinzip "Garbage in, Garbage out" gilt weiterhin, auch wenn die Tools kontinuierlich verbessern.

Die Kombination aus menschlicher Expertise und KI-Unterstützung bietet das größte Potenzial für professionelle Competitive Intelligence.