Im digitalen Zeitalter sind Innovationskraft und eine effiziente Adaption digitaler Technologien für Unternehmen entscheidend, um sich Wettbewerbsvorteile zu sichern. Der Einsatz digitaler Technologien für Innovation verspricht in diesem Zusammenhang nicht nur Produktivitätsvorteile, sondern steigert auch die Kundenzufriedenheit und macht Unternehmen agiler und widerstandsfähiger gegenüber Krisen. Eine zentrale Rolle spielt dabei die Anwendung von Big Data Analytics, jedoch bestehen derzeit erhebliche Forschungsbedarfe, um genauer zu ergründen, wie Big Data Analytics systematisch in Innovationsökosystemen genutzt werden können. Zum einen herrscht ein Mangel an Forschung über die strategischen Beiträge von Big Data Analytics für Innovation, insbesondere im Kontext des Zusammenwirkens verschiedener Akteure. Zum anderen liegt der Fokus bestehender Forschungsarbeiten oft nur auf Teilaspekten der Anwendung von Big Data Analytics und vernachlässigt umfassendere Betrachtungen, aus einer Ökosystem-Perspektive heraus. Für die Praxis liegen die primären Hürden dabei häufig nicht in der Technologie selbst, sondern in deren Adaption innerhalb der wertschöpfenden Strukturen von Unternehmen. Diese Dissertation zielt darauf ab, diese Lücke zu schließen und untersucht die systematische Anwendung von Big Data Analytics in Innovationsökosystemen und nutzt dafür einen Design-Science-Research-Ansatz als übergeordnete Forschungsmethode. Im Dachbeitrag und in den Einzelbeiträgen des kumulativen Dissertationsvorhabens wird dafür gestaltungsorientierte Forschung angewendet, um theoretische Erkenntnisse direkt in die praktische Gestaltung und Entwicklung von Lösungen zu integrieren. Im Ergebnis liefert die Dissertation einen übergeordneten Ordnungsrahmen für die Anwendung von Big Data Analytics in Innovationsökosystemen, der die gesammelten Erkenntnisse aus dem Forschungsprojekt CODIFeY und den Einzelbeiträgen integriert. Damit trägt die Dissertation über den entwickelten Ordnungsrahmen und die IT-Artefakte der Einzelbeiträge dazu bei, ein besseres Verständnis für die strategische Nutzung digitaler Technologien zur Förderung von Innovation und Wettbewerbsvorteilen zu erreichen, was sowohl wissenschaftlich als auch praktisch einen Mehrwert bietet.:Danksagung i Einzelbeiträge iii Inhaltsverzeichnis iv Abkürzungsverzeichnis x Abbildungsverzeichnis xii Tabellenverzeichnis xiv Kurzzusammenfassung 1 Abstract 2 I. Dachbeitrag 3 1 Einleitung 3 1.1 Motivation 3 1.2 Problem- und Fragestellung 5 1.3 Zielstellung 8 1.4 Aufbau des Dachbeitrags 9 2 Forschungsansatz 11 2.1 Wissenschaftstheoretische Grundpositionierung 11 2.2 Forschungsmethode 12 2.2.1 Design Science Research als übergeordnetes Forschungsparadigma 12 2.2.2 Das Projekt Community-basierte Dienstleistungs-Innovation für e-Mobility 14 2.2.3 Aufbau des kumulativen Dissertationsvorhabens 17 3 Stand der Wissenschaft und Forschung 24 3.1 Big Data Analytics 24 3.2 Datengetriebene Innovation 25 3.3 Innovationsökosysteme aus der Perspektive der Service Dominant Logic 27 4 Gestaltung eines Ordnungsrahmens für die Anwendung von Big Data Analytics in Innovationsökosystemen 30 4.1 Das Modell eines Innovationsökosystems aus Sicht der Service Dominant Logic 30 4.2 Ableitung der Dimensionen des Ordnungsrahmens für die Anwendung von Big Data Analytics in Innovationsökosystemen 35 5 Eine Systematisierung von Anwendungsfällen von Big Data Analytics in Innovationsökosystemen 39 5.1 Big Data Analytics als Mittel für Innovation 39 5.2 Big Data Analytics als Ergebnis von Innovation 44 5.3 Demonstration & Evaluation des Ordnungsrahmens 50 6 Fazit 52 II. Research Papers of the Dissertation 55 Paper A – Capturing the Bigger Picture? Applying Text Analytics to Foster Open Innovation 55 A1 Introduction 57 A2 Background and Terminology 60 A2.1 Complexities of Sustainability-Oriented Innovation 60 A2.2 Open Innovation as an Instrument for Participation 62 A2.3 Sustainable-Oriented Innovation and Open Innovation 64 A2.4 Silent Stakeholders 67 A2.5 Research Focus: Text Analytics in Direct Search Methods for Sustainability-Oriented Innovation 69 A3 Action Research Study 72 A3.1 Description of the Action Research Cycle 72 A3.2 Diagnosing the Project Background 73 A3.3 Action Planning and Taking—Application of Text Analytics 77 A4 Results 82 A4.1 Findings from the Overall Discourse Analysis 82 A4.2 Findings from Zooming into Single Topics 84 A4.3 Applicability in the Innovation Process for the Label Development 85 A5 Discussion 87 A6 Implications and Conclusions 88 Paper B – What the Hack? – Towards a Taxonomy of Hackathons 92 B1 Introduction 93 B2 A Process-centric Perspective on Open Innovation and Hackathons 95 B3 Research Approach 97 B3.1 Taxonomy Development 97 B3.2 Literature Review 98 B4 A Taxonomy of Hackathons 101 B4.1 Overview of the Taxonomy 101 B4.2 Strategic Design Decisions 102 B4.3 Operational Design Decisions 104 B5 Discussion 107 B6 Conclusion 109 Paper C – Combining Open Innovation and Knowledge Management in Communities of Practice - An Analytics Driven Approach 110 C1 Introduction 111 C2 Foundations 113 C2.1 Knowledge Management and Innovation 113 C2.2 Communities of Practice 114 C2.3 Analytics domains 114 C3 Research Methodology 117 C4 Conceptual Framework for the Integration of Open Innovation and Knowledge Management 118 C4.1 Conceptual Data Model 119 C5 Implementation & Evaluation of a Pilot Project 122 C5.1 The Research Project CODIFeY 122 C5.2 Evaluation and Preliminary Findings 124 C6 Conclusions 126 Paper D – Entwicklung eines Analytics Framework für virtuelle Communities of Practice 127 D1 Einführung 128 D2 Grundlagen 130 D2.1 Communities of Practice 130 D2.2 Analytics 131 D2.3 Design eines Analytics Frameworks für Communities of Practice 132 D3 Demonstration und Evaluation im Projekt CODIFeY 136 D4 Fazit 138 Paper E – Teaching Data Driven Innovation – Facing a Challenge for Higher Education 139 E1 Introduction 140 E2 Foundations and Theoretical Underpinning 142 E2.1 Data Driven Innovation 142 E2.2 Teaching Data-Driven Innovation 142 E2.3 Pedagogical Approach 143 E3 Research Method 145 E3.1 General Morphological Analysis 145 E3.2 Data Collection and Empirical Analysis 146 E4 Design of the Morphological Box 148 E4.1 Teaching Method 148 E4.2 Course Setting 149 E4.3 Course Content 149 E4.4 Innovation Approach 150 E4.5 Morphological Box for Teaching Data Driven Innovation 151 E5 Teaching Cases 153 E5.1 Case A: Data Driven Value Generation for the Internet of Things 153 E5.2 Case B: Data Driven Innovation Project in the Field of E-mobility 154 E6 Conclusion 156 Paper F – Cross-Disciplinary Collaboration for Designing Data-Driven Products and Services 157 F1 Introduction 158 F2 Foundations and Theoretical Background 161 F2.1 Data Literacy as a Foundation for the Design of Data-Driven Product and Services 161 F2.2 Collaborative Processes and Knowledge Transfer 162 F2.3 Knowledge Boundaries 162 F2.4 Boundary Objects 163 F2.5 Boundary Objects for Collaboration Processes and Knowledge Integration 164 F3 Research Approach 166 F4 Design of the Data Vignette 169 F4.1 Thematic View 169 F4.2 Structural View 173 F5 Evaluation of the Artifact 178 F5.1 Artificial Evaluation Using the Guidelines of Modelling 178 F5.2 Application of the DV - A First Pilot 179 F6 Conclusion 182 Paper G – Towards the Development of a Typology of Big Data Analytics in Innovation Ecosystems 184 G1 Introduction 185 G2 Foundations 187 G2.1 The Role of Technology for Innovation Ecosystems 187 G2.2 Big Data Analytics in Innovation Ecosystems 188 G3 Research Approach 189 G4 Towards a Typology of Big Data Analytics in Innovation Ecosystems 190 G5 Further research 192 Paper H – Hackathons als Gestaltungswerkzeug für plattform-basierte digitale Ökosysteme 193 H1 Einleitung 194 H2 Grundlagen 196 H2.1 Plattform-basierte digitale Ökosysteme 196 H2.2 Hackathons als Gestaltungswerkzeug 197 H3 Forschungsmethode 199 H4 Hackathons für die Gestaltung plattform-basierter Ökosysteme 202 H4.1 Markt-orientierte Plattform-Hackathons 202 H4.2 Technologie-orientierte Plattform-Hackathons 204 H5 Fazit 206 Literaturverzeichnis xv Anhang li Anhang 1 li / In the digital age, the ability to innovate and the efficient adoption of digital technologies are crucial for companies to gain competitive advantages. The use of digital technologies for innovation promises not only productivity gains but also increases customer satisfaction and makes companies more agile and resilient to crises. The focus here is on the application of big data analytics, but there is currently still a considerable need for research to understand how big data analytics can be used systematically in innovation ecosystems. On the one hand, there is a lack of research on the strategic contributions of big data analytics to innovation, particularly in the context of the interaction of various actors. On the other hand, the focus of existing research often only addresses partial aspects of the application of big data analytics and neglects broader considerations from an ecosystem perspective. For practice, the primary hurdles often lie not in the technology itself but in its adaptation within the value-creating structures of companies. This dissertation aims to close this gap and examines the systematic application of big data analytics in innovation ecosystems, using a design science research approach as the overarching research method. In the summary and in the individual papers of the cumulative dissertation project, design-oriented research is used to integrate theoretical insights directly into the practical design and development of solutions. As a result, the dissertation provides an overarching framework for the application of big data analytics in innovation ecosystems, integrating the insights gathered from the CODIFeY research project and the individual contributions. The dissertation on the developed framework and the IT artifacts of the individual contributions contributes to a better understanding of the strategic use of digital technologies to promote innovation and competitive advantages, which offers added value both scientifically and practically.:Danksagung i Einzelbeiträge iii Inhaltsverzeichnis iv Abkürzungsverzeichnis x Abbildungsverzeichnis xii Tabellenverzeichnis xiv Kurzzusammenfassung 1 Abstract 2 I. Dachbeitrag 3 1 Einleitung 3 1.1 Motivation 3 1.2 Problem- und Fragestellung 5 1.3 Zielstellung 8 1.4 Aufbau des Dachbeitrags 9 2 Forschungsansatz 11 2.1 Wissenschaftstheoretische Grundpositionierung 11 2.2 Forschungsmethode 12 2.2.1 Design Science Research als übergeordnetes Forschungsparadigma 12 2.2.2 Das Projekt Community-basierte Dienstleistungs-Innovation für e-Mobility 14 2.2.3 Aufbau des kumulativen Dissertationsvorhabens 17 3 Stand der Wissenschaft und Forschung 24 3.1 Big Data Analytics 24 3.2 Datengetriebene Innovation 25 3.3 Innovationsökosysteme aus der Perspektive der Service Dominant Logic 27 4 Gestaltung eines Ordnungsrahmens für die Anwendung von Big Data Analytics in Innovationsökosystemen 30 4.1 Das Modell eines Innovationsökosystems aus Sicht der Service Dominant Logic 30 4.2 Ableitung der Dimensionen des Ordnungsrahmens für die Anwendung von Big Data Analytics in Innovationsökosystemen 35 5 Eine Systematisierung von Anwendungsfällen von Big Data Analytics in Innovationsökosystemen 39 5.1 Big Data Analytics als Mittel für Innovation 39 5.2 Big Data Analytics als Ergebnis von Innovation 44 5.3 Demonstration & Evaluation des Ordnungsrahmens 50 6 Fazit 52 II. Research Papers of the Dissertation 55 Paper A – Capturing the Bigger Picture? Applying Text Analytics to Foster Open Innovation 55 A1 Introduction 57 A2 Background and Terminology 60 A2.1 Complexities of Sustainability-Oriented Innovation 60 A2.2 Open Innovation as an Instrument for Participation 62 A2.3 Sustainable-Oriented Innovation and Open Innovation 64 A2.4 Silent Stakeholders 67 A2.5 Research Focus: Text Analytics in Direct Search Methods for Sustainability-Oriented Innovation 69 A3 Action Research Study 72 A3.1 Description of the Action Research Cycle 72 A3.2 Diagnosing the Project Background 73 A3.3 Action Planning and Taking—Application of Text Analytics 77 A4 Results 82 A4.1 Findings from the Overall Discourse Analysis 82 A4.2 Findings from Zooming into Single Topics 84 A4.3 Applicability in the Innovation Process for the Label Development 85 A5 Discussion 87 A6 Implications and Conclusions 88 Paper B – What the Hack? – Towards a Taxonomy of Hackathons 92 B1 Introduction 93 B2 A Process-centric Perspective on Open Innovation and Hackathons 95 B3 Research Approach 97 B3.1 Taxonomy Development 97 B3.2 Literature Review 98 B4 A Taxonomy of Hackathons 101 B4.1 Overview of the Taxonomy 101 B4.2 Strategic Design Decisions 102 B4.3 Operational Design Decisions 104 B5 Discussion 107 B6 Conclusion 109 Paper C – Combining Open Innovation and Knowledge Management in Communities of Practice - An Analytics Driven Approach 110 C1 Introduction 111 C2 Foundations 113 C2.1 Knowledge Management and Innovation 113 C2.2 Communities of Practice 114 C2.3 Analytics domains 114 C3 Research Methodology 117 C4 Conceptual Framework for the Integration of Open Innovation and Knowledge Management 118 C4.1 Conceptual Data Model 119 C5 Implementation & Evaluation of a Pilot Project 122 C5.1 The Research Project CODIFeY 122 C5.2 Evaluation and Preliminary Findings 124 C6 Conclusions 126 Paper D – Entwicklung eines Analytics Framework für virtuelle Communities of Practice 127 D1 Einführung 128 D2 Grundlagen 130 D2.1 Communities of Practice 130 D2.2 Analytics 131 D2.3 Design eines Analytics Frameworks für Communities of Practice 132 D3 Demonstration und Evaluation im Projekt CODIFeY 136 D4 Fazit 138 Paper E – Teaching Data Driven Innovation – Facing a Challenge for Higher Education 139 E1 Introduction 140 E2 Foundations and Theoretical Underpinning 142 E2.1 Data Driven Innovation 142 E2.2 Teaching Data-Driven Innovation 142 E2.3 Pedagogical Approach 143 E3 Research Method 145 E3.1 General Morphological Analysis 145 E3.2 Data Collection and Empirical Analysis 146 E4 Design of the Morphological Box 148 E4.1 Teaching Method 148 E4.2 Course Setting 149 E4.3 Course Content 149 E4.4 Innovation Approach 150 E4.5 Morphological Box for Teaching Data Driven Innovation 151 E5 Teaching Cases 153 E5.1 Case A: Data Driven Value Generation for the Internet of Things 153 E5.2 Case B: Data Driven Innovation Project in the Field of E-mobility 154 E6 Conclusion 156 Paper F – Cross-Disciplinary Collaboration for Designing Data-Driven Products and Services 157 F1 Introduction 158 F2 Foundations and Theoretical Background 161 F2.1 Data Literacy as a Foundation for the Design of Data-Driven Product and Services 161 F2.2 Collaborative Processes and Knowledge Transfer 162 F2.3 Knowledge Boundaries 162 F2.4 Boundary Objects 163 F2.5 Boundary Objects for Collaboration Processes and Knowledge Integration 164 F3 Research Approach 166 F4 Design of the Data Vignette 169 F4.1 Thematic View 169 F4.2 Structural View 173 F5 Evaluation of the Artifact 178 F5.1 Artificial Evaluation Using the Guidelines of Modelling 178 F5.2 Application of the DV - A First Pilot 179 F6 Conclusion 182 Paper G – Towards the Development of a Typology of Big Data Analytics in Innovation Ecosystems 184 G1 Introduction 185 G2 Foundations 187 G2.1 The Role of Technology for Innovation Ecosystems 187 G2.2 Big Data Analytics in Innovation Ecosystems 188 G3 Research Approach 189 G4 Towards a Typology of Big Data Analytics in Innovation Ecosystems 190 G5 Further research 192 Paper H – Hackathons als Gestaltungswerkzeug für plattform-basierte digitale Ökosysteme 193 H1 Einleitung 194 H2 Grundlagen 196 H2.1 Plattform-basierte digitale Ökosysteme 196 H2.2 Hackathons als Gestaltungswerkzeug 197 H3 Forschungsmethode 199 H4 Hackathons für die Gestaltung plattform-basierter Ökosysteme 202 H4.1 Markt-orientierte Plattform-Hackathons 202 H4.2 Technologie-orientierte Plattform-Hackathons 204 H5 Fazit 206 Literaturverzeichnis xv Anhang li Anhang 1 li