Die frühe Identifikation und Bewertung zukünftiger Technologietrends zählen zu den bedeutendsten Erfolgsfaktoren beim Wettlauf um die Gunst des Kunden. Die für die Technologiefrühaufklärung so wichtige Phase der Identifikation schwacher Signale wird jedoch oft vernachlässigt oder lediglich als "black box" dargestellt.

Andreas Zeller stellt ein Konzept vor, um schwache Signale mit Hilfe von Data Mining und einem eigens entwickelten Indikatoren-Radar systematisch und objektiv identifizieren zu können. Dabei orientiert er sich an den Prozessen der Informationsgewinnung und zeigt anhand von Fallbeispielen nicht nur wo, sondern insbesondere wie schwache Signale identifiziert werden. Erkenntnisse aus Innovations-, Kreativitäts- und Chaosforschung unterstützen die Operationalisierung von Ansoffs "weak signals"-Konzept sowie ein neues Verständnis technologischer Diskontinuitäten. Technologiefrühaufklärung wird in Richtung einer system- und netzwerkorientierten vierten Generation weiterentwickelt.

Das Buch richtet sich an Dozenten und Studenten der Betriebswirtschaftslehre mit dem Schwerpunkt Technologie- und Innovationsmanagement sowie an Fachkräfte aus Forschung und Entwicklung, die nach Optimierungspotenzialen im Umgang mit technologischen Diskontinuitäten suchen.

Autorentext
Dr. Andreas Zeller war wissenschaftlicher Mitarbeiter von Prof. (em.) Dr. Hans Dietmar Bürgel am Lehrstuhl für Forschungs- und Entwicklungsmanagement der Universität Stuttgart. Er ist Projektplaner bei der Dr. Ing. h.c. F. Porsche AG.

Inhalt
1 Einleitung.- 1.1 Problemstellung.- 1.2 Zielsetzung der Arbeit.- 1.3 Aufbau der Arbeit.- 1.4 Forschungsdesign.- 2 Technologiefrühaufklärung.- 2.1 Grundlagen der Technologiefrühaufklärung.- 2.2 Technologische Diskontinuitäten als Hauptproblem technologischer Pfade.- 3 Die Identifikationsphase im Rahmen der Technologiefrühaufklärung.- 3.1 Informationsgewinnung und -Verarbeitung zur Technologiefrühaufklärung.- 3.2 Exkurs: Psychologische Kreativitätsforschung.- 3.3 Schwache Signale.- 3.4 Aktivitäten der TFA-Identifikationsphase.- 3.5 Anforderungen an eine die bisherigen Kritikpunkte berücksichtigende Technologiefrühaufklärung.- 4 Data-Mining-Einsatz in der Technologiefrühaufklärung.- 4.1 Einführung in die Wissensentdeckung in Datenbanken.- 4.2 Bibliometrie und Technologielandkarten.- 4.3 Eignung von Data Mining für die Technologiefrühaufklärung.- 5 TFA-gerechte Ausgestaltung des Data-Mining-Prozesses.- 5.1 Schrittl Zielformulierung.- 5.2 Schritt 2: Datenauswahl und -bereitstellung.- 5.3 Schritt 3: Datenbereinigung und -aufbereitung.- 5.4 Schritt 4: Verfahrenswahl und Durchführung der Analyse mittels Indikatoren-Radar.- 5.5 Schritt 5: Ergebnisaufbereitung.- 6 Test des erarbeiteten Data-Mining-gestützten TFA-Identifikationsprozesses anhand von Fallbeispielen.- 6.1 Formulierung von Hypothesen und Vorbereitung des Tests.- 6.2 Fallbeispiel 1: Automobiltechnik.- 6.3 Fallbeispiel 2: Mikrosystemtechnik.- 6.4 Fallbeispiel 3: Optische Datenübertragung.- 6.5 Fallbeispiel 4: Elektronische Datenspeicherung.- 7 Auswertung der Fallbeispiele und Überprüfung der Hypothesen.- 7.1 Hypothese 1.- 7.2 Hypothese 2.- 7.3 Hypothese 3.- 7.4 Hypothese 4.- 7.5 Hypothese 5.- 7.6 Hypothese 6.- 7.7 Schlussfolgerungen.- 8 Zusammenfassung und Ausblick.