Purpose – The purpose of this master thesis was to enhance the knowledge of the relationship between digital tools and innovation speed. By doing so, adding to literature on innovation speed and digital tools.     Method – The method used in this study was a comparative case study with five case companies from a variety of industries in Sweden and Denmark. Data were collected and analysed in three waves, 1) explorative interviews used to set the scope of the study, 2) semi-structured interviews used to answer the research questions, 3) validatory interviews to validate the collected data and results.  Findings – The result culminated in the identification of seven effects derived from the use digital tools which had an impact on innovation speed (I.e., Automation, knowledge exchange, visualisation, experimentation and iteration, data management, competence, and trust).   Theoretical contribution – This master’s thesis main contribution to current literature is, by not viewing digital tools as a homogeneous group, enhancing the understanding of how digital tools affect the innovation process. Furthermore, applying the perspective of differences between types of digital tools, this thesis also contributes to understanding digital tools impact on innovation speed.  Practical implications – This thesis contributes to managers by suggesting different context to consider when implementing new digital tools for an accelerated innovation process. The study concludes that there are three main notions for managers to keep in mind when implementing tools in the innovation process. Firstly, to ensure that the complexity of the tool doesn’t exceed the internal capabilities. Secondly, to implement the tools in the phases which enables the most advantages. Thirdly, to have a process in place for managing data.  Limitations of the study – This study has focused on a small number of case companies, where the focus was on gathering in-depth data instead of quantifying findings. Future studies could therefore benefit from validating the findings with a larger sample pool. / Syfte – Syftet med detta examensarbete var att öka kunskapen om sambandet mellan digitala verktyg och innovationshastighet. Genom att göra det, bidra till både litteratur om innovationshastighet och digitala verktyg.  Metod – Metoden som användes i denna studie var en fallstudie med fem företag från en mängd olika branscher i Sverige och Danmark. Data samlades in och analyserades i tre vågor, 1) explorativa intervjuer som användes för att fastställa studiens omfattning, 2) semistrukturerade intervjuer som användes för att besvara forskningsfrågorna, 3) validerande intervjuer för att validera insamlad data och resultat.  Resultat – Resultatet kulminerade i identifieringen av sju effekter som härstammar från användningen av digitala verktyg som hade en inverkan på innovationshastigheten (dvs automation, kunskapsutbyte, visualisering, experimentering och iteration, datahantering, kompetens och tillit).  Teoretiskt bidrag – Den här masteruppsatsens huvudsakliga bidrag till aktuell litteratur är, genom att inte se digitala verktyg som en homogen grupp, en ökad förståelse för hur digitala verktyg påverkar innovationsprocessen. Genom att tillämpa perspektivet av skillnader mellan typer av digitala verktyg, bidrar denna avhandling också till att förstå digitala verktygs inverkan på innovationshastighet.  Praktiska implikationer – Den här avhandlingen bidrar till chefer genom att föreslå olika sammanhang att tänka på när de implementerar nya digitala verktyg för en accelererad innovationsprocess. Studien drar slutsatsen att det finns tre huvudsakliga områden för chefer att tänka på när de implementerar verktyg i innovationsprocessen. För det första för att säkerställa att verktygets komplexitet inte överstiger de interna funktionerna. För det andra att implementera verktygen i de faser som möjliggör flest fördelar. För det tredje att ha en process på plats för att hantera data.  Studiens begränsningar – Denna studie har fokuserat på ett litet antal fallföretag, där fokus låg på att samla in djupgående data istället för att kvantifiera resultat. Framtida studier kan därför dra nytta av att validera resultaten med ett större urval.

Der e/mCommerce Markt ist einer der am stärksten wachsenden Märkte für den Absatz von Waren und Dienstleistungen in Deutschland. Bis 2020 wird erwartet, dass 20% des Umsatzes aus dem Einzelhandel (Non-Food) über elektronische Medien abgewickelt werden. Um erfolgreich in diesen Markt eindringen und bestehen zu können, sind genaue Kenntnisse über den Kunden und die relevanten Marktstrukturen sowie die Beherrschung der notwendigen Technologien notwendig. Die Entwicklungen des Internet und dessen Möglichkeiten (Web 1.0 → Web 3.0) sowie des Nutzerverhaltens zeigen auf, dass über die Technologie, die Produkte oder über den Preis alleine keine Wettbewerbsvorteile mehr generiert werden können. Marken- und Multi-Channel-Management, Serviceleistungen, die Interaktion mit dem Kunden sowie die Interaktion der Kunden untereinander (z.B. User Driven Innovation, Social Media bzw. Social Commerce) und die Beachtung relevanter Erfolgsfaktoren rücken damit verstärkt in den Fokus, um Raum und Potenziale für geeignete Strategien zur Generierung von Wettbewerbsvorteilen zu schaffen. Auf lange Sicht werden sich daher nur die Anbieter behaupten können, deren Business Models genau auf den Zielmarkt und die Kundenbedürfnisse zugeschnitten sind bzw. neue Märkte durch das Wecken neuer Bedürfnisse erschließen oder durch eine geschickte Gestaltung ihrer Business Models Effizienzvorteile und damit auch Kostenvorteile gegenüber dem Wettbewerb realisieren. Unternehmen wie Amazon, Dell, Ryan Air, 3M, Xerox, Virgin, Nintendo, Würth, Nokia, Lego, facebook, Google, etc. stellen eindrucksvoll dar, wie die (teils revolutionäre) Neuentwicklung bzw. Transformation ganzer Business Models oder Teile davon, häufig auch als Business Model Innovation bezeichnet, zu neuen Erlösquellen, Kundenzuwachs oder Wettbewerbsvorteilen führen kann. Business Modeling kann dabei zusammenfassend als der Vorgang zur Erstellung eines Business Models bezeichnet werden, wobei Business Modeling nicht gleich Business Modeling ist. Diese Arbeit unterscheidet zwischen Entrepreneurial Business Modeling und Formal Business Modeling und befasst sich in ihrer Zielsetzung primär mit der Herleitung des Begriffs Entrepreneurial Business Modeling sowie damit verbundener Methoden und Werkzeuge. Dabei wird eine Einordnung in das Requirements-Engineering vorgenommen sowie ein Vorgehensmodell für Entrepreneurial Business Modeling und ein Business Model-Framework, zur Darstellung und Beschreibung von Business Models, entwickelt. Sowohl das Vorgehensmodell als auch das Business Model-Framework sollen dabei den Anspruch der Allgemeingültigkeit erfüllen. Zusätzlich werden zwei Prototypen vorgestellt, die Entrepreneurial Business Modeling-Aktivitäten unterstützen sollen. Vier Fallbeispiele aus dem studentischen und wirtschaftlichen Umfeld stellen die Praxistauglichkeit der im Rahmen dieser Niederschrift erarbeiteten Artefakte unter Beweis und deuten auch auf eine bestimmte Allgemeingültigkeit hin. Diese praxisorientierte Arbeit ermöglicht einen grundlegenden Einblick in ein junges Forschungsgebiet, stellt damit eine solide Ausgangsbasis für weitere Forschungen dar und schließt mit entsprechenden Empfehlungen dahingehend.:Inhaltsverzeichnis VII Abbildungsverzeichnis IX Tabellenverzeichnis XII Abkürzungsverzeichnis XIII Zusammenfassung 1 1 Einleitung 2 1.1 Ausgangssituation 2 1.2 Problemstellung 4 1.3 Zielsetzung 5 1.4 Aufbau der Arbeit 8 1.5 Wissenschaftliche Einordnung 9 2 Grundlagen 13 2.1 Business Modeling 13 2.1.1 Begriffsbestimmung \"Business Model\" und \"Business Modeling\" 13 2.1.2 Abgrenzung zum Business Engineering 22 2.1.3 Business Model-Management-Modi 25 2.1.4 Business Model-Ansätze 26 2.1.5 Business Model-Komponenten 30 2.1.6 Erfolgsrelevanz 36 2.2 Strategie 37 2.2.1 Begriffsbestimmung 37 2.2.2 Strategieentwicklung 39 2.2.3 Marktorientierter Ansatz 41 2.2.4 Ressourcenorientierter Ansatz 42 2.2.5 Einordnung beider Ansätze in den Strategieentwicklungsprozess 43 2.3 Kritische Erfolgsfaktoren 45 2.3.1 Traditionelle Erfolgsfaktoren 45 2.3.2 Erfolgsfaktoren im eBusiness/ eCommerce 47 2.3.3 Erfolgsfaktoren im mBusiness/ mCommerce 49 2.4 Early Requirements Engineering 53 2.4.1 Begriffsbestimmung und Entwicklung des Requirements Engineerings 53 2.4.2 Early und Late Requirements 56 2.4.3 Zielorientierte Requirements Engineering Ansätze 59 3 Entrepreneurial Business Modeling 68 3.1 Business Model oder Strategie - Was kommt zuerst? 68 3.2 Business Modeling im Kontext der Evolution einer Organisation 71 3.2.1 Early Stage 72 3.2.2 Expansion Stage 74 3.2.3 Later Stage 76 3.3 Komponenten des Entrepreneurial Business Modeling 79 3.4 Gestaltungsfaktoren 88 4 Vorgehensmodell: EBM2Loop 94 4.1 Erfolgsfaktorenorientierter Managementprozess 94 4.2 Loop 1: Design-Loop 96 4.3 Bridge-Phase 100 4.4 Loop 2: Administration-Loop 103 4.5 Einordnung in die Business Model-Management-Modi 106 5 Framework: Business Model-Poster 111 5.1 Vision 112 5.2 Value Proposition 113 5.3 Value Configuration 115 5.3.1 Key Resources 116 5.3.2 Key Activities 116 5.3.3 Customer Relationships 117 5.3.4 Channels 118 5.4 Customers 119 5.5 Key Partners 120 5.6 Revenue Model 122 5.7 Cost Structure 123 5.8 Critical Success Factors 123 5.9 Strategies 126 5.10 Anwendungsbeispiel: Apple 126 6 Softwarelösung: i*-basierter Business Modeler (ibBM) 130 6.1 Kombiniertes Erfolgsfaktorenmodell 130 6.2 Erweiterung der vorhandenen i*-Notation 131 6.3 ibBM-Prototyp: ePOINT.EC 134 6.4 ibBM-Prototyp: ePOINT.SL 140 7 Validierung 145 7.1 Studierende: Business Modeling 145 7.1.1 Curricular 145 7.1.2 Außercurricular 149 7.2 Startup: Business Modeling 153 7.3 Konzern: Business Case Modeling 160 7.4 Vergleich der Prototypen ePOINT.EC und ePOINT.SL 168 8 Fazit und Ausblick 173 8.1 Zusammenfassung und Erkenntnisse 173 8.2 Kritische Würdigung 176 8.3 Weitere Forschungsthemen und Entwicklungsmöglichkeiten 178 Stichwortverzeichnis A Literaturverzeichnis D Eidesstattliche Erklärung R Referenzen S Anlagen T Lebenslauf VV