📈 economics

When Does AI Adoption Enhance SME Innovation Performance? The Roles of Absorptive Capacity, Entrepreneurial Agility, and Digital Maturity

Diese Studie zeigt auf, dass in KMU die Einführung von KI die Innovationsleistung nicht direkt, sondern indirekt über einen seriellen Mediationspfad steigert, bei dem die Einführung die Absorptionskapazität aufbaut, um unternehmerische Agilität zu fördern, ein Prozess, der durch die digitale Reife des Unternehmens signifikant verstärkt wird.

Ursprüngliche Autoren: Ali Zokaei Kuhbanani, Léo-Paul Dana, Mohammad Hadi Bolandian, Zahra Najafi Kalyani

Veröffentlicht 2026-07-02

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Ali Zokaei Kuhbanani, Léo-Paul Dana, Mohammad Hadi Bolandian, Zahra Najafi Kalyani

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Die große Frage: Macht dich der Kauf eines Ferraris zu einem besseren Fahrer?

Stellen Sie sich vor, Sie sind ein Kleinunternehmer (KMU). Sie hören, dass Künstliche Intelligenz (KI) das neue „Ferrari“-Werkzeug für Unternehmen ist. Sie kann Trends vorhersagen, langweilige Aufgaben automatisieren und Ihnen helfen, Entscheidungen zu treffen. Also kaufen Sie den Ferrari (Sie führen KI ein).

Die Forschungsarbeit stellt eine einfache Frage: Macht es dich automatisch zu einem schnelleren, besseren Fahrer, der mehr Rennen gewinnt (Innovation), nur weil du den Ferrari besitzt?

Die kurze Antwort aus der Studie: Nein. Nur das Auto zu haben, macht dich nicht zum Gewinner. Du musst wissen, wie man es fährt, du brauchst eine gute Karte und du musst bereit sein, auf die Straße zu reagieren.

Die drei entscheidenden Zutaten

Die Forscher fanden heraus, dass drei spezifische Dinge in einer bestimmten Reihenfolge geschehen müssen, damit KI einem kleinen Unternehmen tatsächlich dabei hilft, innovativ zu sein (neue Produkte, Dienstleistungen oder bessere Arbeitsweisen zu kreieren). Denken Sie an ein Staffelläuft oder ein Kochrezept.

1. Der Treibstoff: Absorptive Kapazität (Der „Lernmotor“)

Was es ist: Dies ist die Fähigkeit eines Unternehmens zu lernen. Es geht nicht nur darum, neue Informationen zu sehen; es geht darum, sie zu verstehen, sie mit dem Wissen zu mischen, das man bereits hat, und herauszufinden, wie man sie nutzt.
Die Analogie: Stellen Sie sich vor, die KI schenkt Ihnen eine Bibliothek mit 1.000 neuen Büchern. Die Absorptive Kapazität ist Ihre Fähigkeit, diese Bücher tatsächlich zu lesen, die Geschichten zu verstehen und die Lektionen zu behalten. Wenn Sie die Bücher kaufen, sie aber nicht lesen können oder die Sprache nicht verstehen, sind die Bücher nutzlos.
Das Ergebnis: Die Studie zeigt, dass die intensive Nutzung von KI dabei hilft, diesen „Lernmotor“ aufzubauen. Je mehr Sie KI nutzen, desto besser werden Sie darin, aus ihr zu lernen.

2. Die Reflexe des Fahrers: Unternehmerische Agilität (Die „schnelle Reaktion“)

Was es ist: Dies ist die Fähigkeit, schnell zu handeln. Es geht darum, eine Chance zu erkennen und den Plan sofort zu ändern, ohne im bürokratischen Roten Faden steckenzubleiben.
Die Analogie: Soblich Sie die Bücher gelesen haben (Absorptive Kapazität), wissen Sie nun, dass es eine Abkürzung gibt. Unternehmerische Agilität ist der Fahrer, der diese Abkürzung sieht und sofort das Lenkrad einschlägt, um sie zu nehmen, anstatt an der alten Route festzuhalten. Es ist die Fähigkeit, schnell zu lenken (zu pivotieren).
Das Ergebnis: Die Studie fand heraus, dass gute „Lernmotoren“ (Absorptive Kapazität) zu besseren „Reflexen“ (Agilität) führen. Wenn Sie die Daten verstehen, können Sie schneller handeln.

3. Die Ziellinie: Innovationsleistung (Der „Rennsieg“)

Was es ist: Dies ist das Ergebnis: neue Produkte, bessere Dienstleistungen oder ein erfolgreicheres Geschäftsmodell.
Die Analogie: Dies ist das Überqueren der Ziellinie als Erster.
Das Ergebnis: Die Studie fand heraus, dass Agilität das ist, was Sie tatsächlich ans Ziel bringt. Sie können das Auto (KI) und die Bücher (L Lernen) haben, aber wenn Sie nicht das Lenkrad drehen und schnell fahren (Agilität), werden Sie nicht gewinnen.

Die überraschende Wendung: Die direkte Verbindung ist unterbrochen

Hier ist der wichtigste Teil der Arbeit: Der Kauf des Ferraris (KI) macht Sie nicht direkt zum Rennsieger.

Die Studie ergab, dass es keinen direkten Zusammenhang gibt, wenn man nur „KI-Nutzung“ und „Innovation“ betrachtet.

Warum? Weil KI nur ein Werkzeug ist. Sie produziert Daten und Erkenntnisse. Wenn Sie nicht über den Lernmotor verfügen, um diese Daten zu verstehen, und über die schnellen Reflexe, um darauf zu reagieren, liegt die KI einfach nur ungenutzt herum.
Der Pfad: KI $\rightarrow$ Lernen $\rightarrow$ Schnelles Handeln $\rightarrow$ Innovation.
Die Lehre: Man kann die mittleren Schritte nicht überspringen. Man kann nicht einfach KI kaufen und erwarten, dass neue Produkte wie von Zauberhand erscheinen.

Die Geheimwaffe: Digitale Reife (Der „Zustand der Garage unexpectedly“)

Die Studie untersuchte auch einen Faktor namens Digitale Reife.

Was es ist: Dies ist die „Bereitschaft“ eines Unternehmens für Technologie. Haben sie gutes Internet? Wissen die Mitarbeiter, wie man Computer benutzt? Ist der Chef unterstützend? Sind die Daten sauber?
Die Analogie: Stellen Sie sich vor, Sie haben einen Ferrari (KI) und einen großartigen Fahrer (Agilität). Aber Ihre Garage (Digitale Reife) ist ein schlammiger, baufälliger Schuppen ohne Zapfsäulen. Selbst mit einem tollen Auto und einem großartigen Fahrer können Sie das Auto nicht aus dem Schlamm befördern.
Das Ergebnis: Wenn ein Unternehmen eine hohe Digitale Reife hat (eine saubere, gut ausgestattete Garage), wird die Verbindung zwischen der Nutzung von KI und dem Lernen daraus viel stärker.
- Hohe Reife: KI-Nutzung $\rightarrow$ Super schnelles Lernen.
- Niedrige Reife: KI-Nutzung $\rightarrow$ Langsames, verwirrtes Lernen.

Zusammenfassung für ein allgemeines Publikum

Betrachten Sie die Einführung von KI wie den Kauf eines hochmodernen Küchengeräts.

Der Kauf des Geräts (KI-Adoption) macht Sie nicht automatisch zu einem großartigen Koch.
Sie brauchen Absorptive Kapazität: Die Fähigkeit, das Rezept zu lesen, die Zutaten zu verstehen und zu lernen, wie die Maschine funktioniert.
Sie brauchen Unternehmerische Agilität: Die Fähigkeit, schnell zu probieren, die Gewürze anzupassen und das Gericht zu servieren, bevor es kalt wird.
Digitale Reife ist Ihre Küchenausstattung. Wenn Ihre Küche unordentlich ist, keinen Strom hat und Sie nicht wissen, wie man den Herd benutzt, wird Ihnen das schicke Gerät nicht helfen, ein tolles Essen zu kochen. Aber wenn Ihre Küche gut ausgestattet und organisiert ist, hilft Ihnen dieses Gerät, sehr schnell fantastisches Essen zuzubereiten.

Das Wichtigste: Kleine Unternehmen sollten nicht einfach KI kaufen in der Hoffnung auf Magie. Sie müssen ihre Fähigkeit aufbauen, aus ihr zu lernen, ihre Teams trainieren, damit sie schnell auf dieses Wissen reagieren können, und sicherstellen, dass ihre digitale „Küche“ bereit für die Werkzeuge ist. Nur dann verwandelt sich KI in echte Innovation.

Technische Zusammenfassung: Wann steigert die KI-Adoption die Innovationsleistung von KMU?

Problemstellung
Während Künstliche Intelligenz (KI) zunehmend als Treiber für Innovationen anerkannt wird, besteht eine signifikante „Adoptions-Wert-Lücke“ (adoption–value gap), insbesondere bei kleinen und mittleren Unternehmen (KMU). Viele Unternehmen führen KI-Tools ein, ohne diese erfolgreich in greifbare Innovationsergebnisse umzumünzen. Die bestehende Literatur behandelt die KI-Adoption oft als direkten Vorläufer von Innovation oder Unternehmensleistung, versäumt es jedoch, die organisatorischen Mechanismen hinreichend zu erklären, die den technischen Einsatz in Wert transformieren. Darüber hinaus ist der spezifische Kontext von KMU – gekennzeichnet durch Ressourcenbeschränkungen, weniger formalisierte Innovationsprozesse und eine Abhängigkeit von kognitiven Managementprozessen – in der KI-Forschung noch unzureichend entwickelt. Diese Studie adresst die kritische Frage: Wann und über welche Fähigkeitspfade steigert die Intensität der KI-Adoption die Innovationsleistung von KMU?

Theoretischer Rahmen
Die Studie integriert die Dynamic Capabilities Theory (Teece et al., 1997; Teece, 2007) und die Absorptive Capacity Theory (Cohen & Levinthal, 1990; Zahra & George, 2002). Sie schlägt ein sequenzielles Kapazitätsaufbau-Modell vor, bei dem:

KI-Adoptionsintensität als technologischer Input fungiert, der die Absorptive Capacity (die Fähigkeit, Wissen zu identifizieren, zu erwerben, zu assimilieren, zu transformieren und zu nutzen) stärkt.
Eine verbesserte Absorptive Capacity die unternehmerische Agilität (Entrepreneurial Agility) fördert (die Fähigkeit, Chancen schnell zu erkennen, zu experimentieren und Ressourcen neu zu konfigurieren).
Unternehmerische Agilität diese Fähigkeiten in KMU-Innovationsleistung übersetzt.
Digitale Reife (Digital Maturity) als Randbedingung postuliert wird, welche die Beziehung zwischen der KI-Adoption und der Absorptive Capacity stärkt und somit den nachgelagerten indirekten Pfad beeinflusst.

Methodik

Design: Quantitatives, erklärendes, Querschnitts-Survey-Design.
Kontext: KMU in Iran, einer Schwellenwirtschaft, die durch Ressourcen- und institutionelle Beschränkungen gekennzeichnet ist.
Stichprobe: 294 gültige Antworten von KMU, die KI-Tools adoptiert oder experimentell genutzt haben. Die Befragten umfassten Inhaber, CEOs, Innovationsmanager und IT-Manager.
Datenerhebung: Es wurde eine gezielte Stichprobenstrategie (purposive sampling) angewandt, um sicherzustellen, dass die Befragten über direktes Wissen über die Nutzung von KI und Innovationsaktivitäten verfügen.
Messung: Fünf reflektive Konstrukte wurden mittels adaptierter Skalen (7-stuftige Likert-Skala) gemessen: KI-Adoptionsintensität, Absorptive Capacity, unternehmerische Agilität, KMU-Innovationsleistung und digitale Reife.
Analyse: Partial Least Squares Structural Equation Modeling (PLS-SEM) wurde unter Verwendung von SmartPLS angewendet. Die Analyse folgte einem zweistufigen Ansatz: Bewertung des Messmodells (Reliabilität, Validität) und des Strukturmodells (Pfadkoeffizienten, Mediation, Moderation).
Validierung: Die Studie nutzte Bootstrapping (5.000 Subsamples) zur Signifikanzprüfung und PLSpredict, um die prädiktive Relevanz außerhalb der Stichprobe zu bewerten. Der Common Method Bias wurde durch prozedurale Maßnahmen und Kollinearitätsdiagnostik adressiert.

Kernergebnisse
Die empirische Analyse ergab folgende Befunde:

Indirekte-nur-Mediation: Der direkte Effekt der KI-Adoptionsintensität auf die KMU-Innovationsleistung war nicht statistisch signifikant ( $\beta = 0,079, p = 0,142$ ). Der Gesamteffekt und der serielle indirekte Effekt waren jedoch signifikant. Dies deutet auf einen indirekten-nur-Mediationsmechanismus hin.
Die Fähigkeitskette:
- KI-Adoptionsintensität wirkt sich positiv auf die Absorptive Capacity aus ( $\beta = 0,391, p < 0,001$ ).
- Absorptive Capacity steigert die unternehmerische Agilität stark ( $\beta = 0,555, p < 0,001$ ).
- Unternehmerische Agilität verbessert die KMU-Innovationsleistung signifikant ( $\beta = 0,484, p < 0,001$ ).
Serielle Mediation: Der serielle Pfad (KI-Adoption $\rightarrow$ Absorptive Capacity $\rightarrow$ unternehmerische Agilität $\rightarrow$ Innovationsleistung) war signifikant ( $\beta = 0,105, p < 0,001$ ), was den vorgeschlagenen sequenziellen Mechanismus bestätigt.
Moderierende Rolle der digitalen Reife: Die digitale Reife moderiert die Beziehung zwischen der KI-Adoptionsintensität und der Absorptive Capacity positiv ( $\beta = 0,128, p = 0,008$ ). Die Interaktionsgrafik zeigt, dass der positive Effekt der KI-Adoption auf die Absorptive Capacity bei Unternehmen mit hoher digitaler Reife signifikant stärker ausgeprägt ist.
Moderierte serielle Mediation: Die digitale Reife verstärkt den gesamten indirekten Pfad, was bedeutet, dass der Prozess des Kapazitätsaufbaus in digital reifen KMU effektiver ist.
Prädiktive Relevanz: Die Ergebnisse von PLSpredict zeigten eine zufriedenstellende prädiktive Relevanz auf Indikatorenebene für die KMU-Innovationsleistung, wobei das PLS-SEM-Modell einem linearen Benchmark in Bezug auf den Root Mean Square Error (RMSE) überlegen war.

Wesentliche Beiträge
Das Paper beansprucht vier primäre theoretische Beiträge:

Verschiebung der KI-Innovationslogik: Es geht über die Perspektive des Direkteffekts hinaus und zeigt, dass die KI-Adoption kein eigenständiger Prädiktor für Innovation ist. Stattdessen fungiert sie als Input in einen Prozess des Kapazitätsaufbaus.
Erweiterung der Absorptive Capacity Theory: Es positioniert die Absorptive Capacity als die entscheidende „Wissensverarbeitungskette“ zwischen der KI-Adoption und unternehmerischem Handeln und zeigt, dass KI die Fähigkeit des Unternehmens stärkt, externes Wissen zu verarbeiten.
Unternehmerische Agilität als Mechanismus: Es identifiziert die unternehmerische Agilität als den handlungsorientierten Mechanismus, durch den absorbiertes Wissen in Innovationsleistung umgewandelt wird, und verbindet damit die KI-Forschung mit der Entrepreneurship-Theorie.
Digitale Reife als Randbedingung: Es theoretisiert und empirisch untermauert die digitale Reife nicht bloß als Hintergrundfaktor, sondern als kritische Bedingung, die bestimmt, ob die KI-Adoption in Absorptive Capacity und konsekutiv in Innovation umgewandelt werden kann.

Bedeutung und Thesen
Die Studie kommt zu dem Schluss, dass der Innovationswert von KI in KMU weniger von der Tat der Adoption selbst abhängt, sondern von den organisatorischen Fähigkeiten, die es Unternehmen ermöglichen, aus KI zu lernen und auf KI-gestützte Erkenntnisse zu reagieren. Die Autoren behaupten, dass KI nicht im Namen der KMU innoviert; vielmehr innovieren KMU mit KI nur dann, wenn sie über die notwendige digitale Reife, Absorptive Capacity und unternehmerische Agilität verfügen.

Die Ergebnisse legen nahe, dass KMU, damit KI die Innovation steigert, den Fokus auf den Aufbau komplementärer Fähigkeiten richten müssen – insbesondere auf die Fähigkeit, KI-generierte Daten zu interpretieren und agil auf sie zu reagieren –, anstatt den Erwerb von Technologie als hinreichende Bedingung für den Erfolg zu betrachten. Die Studie betont, dass diese Kapazitätsbedingungen in ressourcenbeschränkten Schwellenländern sogar noch kritischer sind, um die Adoptions-Wert-Lücke zu schließen.