📈 Wirtschaftswissenschaften

Beyond CSR Commitments: The Mediating Role of AI-Enabled Big Data Analytics in Unlocking Green Innovation

Diese Studie zeigt, dass Verpflichtungen zur unternehmerischen Sozialverantwortung (CSR) allein zwar nicht direkt grüne Innovationen vorantreiben, diese jedoch signifikant fördern, indem sie KI-gestützte Big-Data-Analysen ermöglichen, die als entscheidender vollständiger Mediator fungieren, um verantwortungsvolle Praktiken über verschiedene Firmencharakteristika hinweg in greifbare nachhaltige Ergebnisse umzuwandeln.

Ursprüngliche Autoren: Sara Adam, Dina Mohsen, Ahmed Rashed, Ola Tarek

Veröffentlicht 2026-10-05

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Sara Adam, Dina Mohsen, Ahmed Rashed, Ola Tarek

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

In der modernen Geschäftswelt stehen Unternehmen unter einem doppelten Druck: Sie müssen sowohl profitabel bleiben als auch als verantwortungsbewusste Bürger agieren, die die Umwelt schützen. Dieses Gleichgewicht wird oft durch die unternehmerische Sozialverantwortung (Corporate Social Responsibility) angestrebt, eine Praxis, bei der Unternehmen freiwillig Schritte unternehmen, um die Gesellschaft und den Planeten über die gesetzlichen Anforderungen hinaus zu verbessern. Gleichzeitig ist das Bestreben, neue, umweltfreundliche Produkte und sauberere Herstellungsmethoden zu entwickeln – bekannt als grüne Innovation – für das Überleben unerlässlich geworden. Seit Jahrzehnten debattieren Experten darüber, ob eine bloße Orientierung an der sozialen Verantwortung natürlich zu diesen grünen Durchbrüchen führt. Die vorherrschende Hoffnung war, dass die guten Absichten eines Unternehmens automatisch in bessere Umwelttechnologien umschlagen würden. Der Weg von einer moralischen Verpflichtung zu einer greifbaren, innovativen Lösung ist jedoch selten eine gerade Linie. Er erfordert einen Mechanismus, um abstrakte Werte in konkrete Taten umzusetzen – eine Brücke, deren Bau viele Organisationen bisher nicht geschafft haben.

Ein Team von Forschern der Universität Kairo machte sich kürzlich auf den Weg, um genau diese fehlende Brücke innerhalb des Fertigungssektors in Ägypten zu finden. Sie konzentrierten sich auf kleine und mittlere Unternehmen, die das Rückgrat der ägyptischen Wirtschaft bilden, den Großteil der Arbeitskräfte beschäftigen und signifikant zum nationalen Wert beitragen. Die Forscher waren besonders an einem spezifischen digitalen Werkzeug interessiert: dem Einsatz von künstlicher Intelligenz zur Analyse massiver Informationsmengen, einer Fähigkeit, die als Big-Data-Analytik bekannt ist. Ihr Ziel war es zu bestimmen, ob diese digitale Kapazität als das entscheidende Bindeglied fungiert, das es den Bemühungen eines Unternehmens um soziale Verantwortung ermöglicht, tatsächlich in grüne Innovation zu münden. Sie befragten dreihundert Manager und Führungskräfte aus Fertigungsunternehmen in Kairo und Giza und stellten detaillierte Fragen zu ihren sozialen Praktiken, ihrem Einsatz fortschrittlicher Datenwerkzeuge sowie ihrem Erfolg bei der Entwicklung nachhaltiger Produkte und Prozesse.

Die Ergebnisse dieser Untersuchung offenbarten eine überraschende Wahrheit darüber, wie moderne Unternehmen operieren. Die Studie fand heraus, dass ein starkes Bekenntnis zur sozialen Verantwortung zwar wertvoll ist, aber nicht direkt zu grüner Innovation führt. Als die Forscher die direkte Verbindung zwischen den guten Taten eines Unternehmens und seiner Fähigkeit zur Schaffung umweltfreundlicher Produkte oder saubererer Produktionsmethoden untersuchten, war die Verbindung statistisch nicht existent. Ein Unternehmen konnte tief in sozialen Anliegen verwurzelt sein, doch dieses Engagement allein garantierte nicht, dass es in einer grünen Richtung innovativ werden würde. Dieser Befund stellt die einfache Annahme infrage, dass das Tun des Guten automatisch zu einem besseren ökologischen Ergebnis führt.

Die Geschichte ändert sich jedoch völlig, sobald die Rolle der Daten eingeführt wird. Die Forscher entdeckten, dass Unternehmen mit starken Verpflichtungen zur sozialen Verantwortung viel wahrscheinlicher in die Nutzung von KI-gestützter Big-Data-Analytik investieren und diese auch effektiv einsetzen. Diese Firmen nutzten ihre Datenkapazitäten, um Erkenntnisse zu gewinnen, Trends vorherzusagen und klügere Entscheidungen zu treffen. Entscheidend war, dass die Studie zeigte, dass dieser Einsatz fortschrittlicher Datenanalysen stark mit grüner Innovation verknüpft war. Unternehmen, die diese digitalen Werkzeuge nutzten, waren diejenigen, die erfolgreich nachhaltige Produkte entwickelten und ihre Herstellungsprozesse so verbesserten, dass sie weniger schädlich für die Umwelt waren.

Die bedeutendste Entdeckung war, dass die gesamte Reise von der sozialen Verantwortung zur grünen Innovation über diesen digitalen Kanal verläuft. Die Datenanalyse bestätigte, dass die Beziehung zwischen der Sorge um die Gesellschaft und der Schaffung grüner Innovationen vollständig durch den Einsatz von Big Data mediiert wird. In praktischen Begriffen bedeutet dies, dass die soziale Verantwortung eines Unternehmens als Katalysator wirkt, der die Einführung fortschrittlicher Datenwerkzeuge anregt, und es sind wiederum diese Werkzeuge, die die eigentliche Innovation vorantreiben. Die Studie berechnete, dass fast der gesamte positive Effekt der sozialen Verantwortung auf die grüne Innovation über diesen digitalen Pfad fließt. Ohne die Fähigkeit, große Informationsmengen mithilfe künstlicher Intelligenz zu analysieren, bleiben die guten Absichten eines Unternehmens von den technischen Durchbrüchen, die für eine nachhaltige Zukunft nötig sind, entkoppelt.

Die Forscher untersuchten auch, ob die Größe des Unternehmens oder seine finanzielle Gesundheit diese Dynamik veränderte. Sie fanden heraus, dass sich zwar die spezifische Stärke bestimmter Verbindungen zwischen kleinen und mittleren Firmen leicht unterschied, der Kernmechanismus jedoch gleich blieb. Ob ein Unternehmen klein oder größer war, oder ob es hochprofitabel oder weniger profitabel war, das Muster hielt stand: Soziale Verantwortung führt zur Einführung von Datenwerkzeugen, und diese Werkzeuge führen zu grüner Innovation. Diese Konsistenz deutet darauf hin, dass der Bedarf an digitaler Kapazität universell für Unternehmen ist, die ihre ethischen Verpflichtungen in ökologischen Fortschritt umwandeln wollen.

Für Wirtschaftsführer und politische Entscheidungsträger in Ägypten und darüber hinaus bieten diese Ergebnisse eine klare Roadmap. Die Studie legt nahe, dass es nicht ausreicht, Unternehmen lediglich dazu zu ermutigen, sozial verantwortlicher zu handeln, um eine Welle grüner Innovation auszulösen. Stattdessen muss sich der Fokus darauf richten, diesen Organisationen dabei zu helfen, ihre Kapazitäten zur Nutzung von künstlicher Intelligenz und Big Data aufzubauen. Indem sie in Ausbildung, Infrastruktur und die Fähigkeiten investieren, die zur Interpretation komplexer Daten nötig sind, können Unternehmen das Potenzial ihrer sozialen Verantwortung freisetzen. Die Forschung zeigt, dass die Zukunft der nachhaltigen Fertigung nicht nur im Wunsch liegt, Gutes zu tun, sondern in der technischen Fähigkeit, Informationen zu nutzen, um diesen Wunsch Wirklichkeit werden zu lassen.

Technisches Resümee: Jenseits von CSR-Verpflichtungen: Die mediierende Rolle der KI-gestützten Big-Data-Analytik zur Erschließung grüner Innovation

Problemstellung
Obwohl die gesellschaftliche Verantwortung von Unternehmen (Corporate Social Responsibility, CSR) weithin als strategischer Ansatz zur Bewältigung ökologischer Herausforderungen anerkannt ist, bleiben die spezifischen organisationalen Mechanismen, durch die CSR in grüne Innovation (Green Innovation, GI) übergeht, unzureichend verstanden. Diese Lücke ist besonders ausgeprägt im Kontext von KI-gestützten digitalen Fähigkeiten innerhalb kleiner und mittlerer Unternehmen (KMU) in Entwicklungsländern. Vorangegangene Forschungsarbeiten lieferten oft inkonsistente Ergebnisse hinsichtlich des direkten Zusammenhangs zwischen CSR und Innovationsleistung, wobei sich viele Studien eher auf die theoretische Konzeptualisierung als auf die empirische Validierung konzentrierten. Darüber hinaus mangelt es an Forschung, die untersucht, wie KI-gestützte Big-Data-Analytik (BDA) als dynamische Fähigkeit fungiert, um CSR-Verpflichtungen in greifbare grüne Ergebnisse umzuwandeln, insbesondere im verarbeitenden Gewerbe in Schwellenländern wie Ägypten.

Methodik
Die Studie verwendet ein quantitatives Forschungsdesign, das auf der Stakeholder-Theorie und der Ressourcenbasierten Sicht (Resource-Based View, RBV) basiert, erweitert durch die Theorie der dynamischen Fähigkeiten (Dynamic Capability View, DCV).

Kontext und Stichprobe: Die Forschung konzentriert sich auf KMU des verarbeitenden Gewerbes in Ägypten, einem Sektor, der signifikant zum nationalen BIP und zur Beschäftigung beiträgt. Es wurde ein nicht-probabilistisches Quotenverfahren angewendet, basierend auf einer Liste des Social Fund for Development (SFD).
Datenerhebung: Die Daten wurden mittels eines Fragebogens erhoben, der an 300 valide Respondenten aus produzierenden Unternehmen in Kairo und Gizeh verteilt wurde. Die Rücklaufquote lag bei 86 %.
Messinstrumente: Die Konstrukte wurden unter Verwendung validierter Skalen gemessen, die aus der bestehenden Literatur adaptiert wurden:
- CSR: 6 Items, die die Dimensionen Umwelt, Arbeitsplatz, Gemeinschaft, Markt und formale Instrumente abdecken.
- BDAI (Big-Data-Analytik gestützt durch KI): 10 Items zur Bewertung der Fähigkeit, große Datensätze im Hinblick auf Nachhaltigkeitsziele zu analysieren.
- Grüne Innovation (GI): 8 Items, unterteilt in nachhaltige Produktinnovation und grüne Prozessinnovation.
Analyse: Die Studie nutzte die Methode der partiellen kleinsten Quadrate (Partial Least Squares Structural Equation Modeling, PLS-SEM), um die hypothetisierten Beziehungen zu testen. Die Analyse umfasste die Bewertung des Messmodells (Reliabilität, Validität, diskriminante Validität), der Pfadkoeffizienten des Strukturmodells, der Mediationsanalyse, der Multi-Group-Analyse (MGA) über Unternehmensgröße, Rentabilität (ROA) und F&E-Ausgaben sowie der Prüfung der prädiktiven Relevanz (PLS-Predict).

Wesentliche Ergebnisse
Die empirische Analyse ergab folgende Befunde:

Direkte Beziehungen:
- CSR $\rightarrow$ Grüne Innovation: Die direkte Beziehung erwies sich als statistisch insignifikant ( $\beta = 0,018, p = 0,794$ ). Dies deutet darauf hin, dass CSR-Verpflichtungen allein keine grüne Innovation generieren.
- CSR $\rightarrow$ BDAI: Es besteht eine starke, positive und signifikante Beziehung ( $\beta = 0,729, p < 0,001$ ).
- BDAI $\rightarrow$ Grüne Innovation: Es besteht eine starke, positive und signifikante Beziehung ( $\beta = 0,572, p < 0,001$ ).
Mediationseffekt:
- Die Studie bestätigt, dass BDAI die Beziehung zwischen CSR und Grüner Innovation vollständig mediiert.
- Der indirekte Effekt ist signifikant ( $\beta = 0,417, p < 0,001$ ).
- Ungefähr 96 % des Gesamteffekts von CSR auf Grüne Innovation werden durch den BDAI-Mechanismus übertragen.
Multi-Group-Analyse (MGA):
- Unternehmensgröße: Differenziert signifikant die Beziehung BDAI $\rightarrow$ GI (stärker in kleinen Unternehmen) sowie die Beziehung CSR $\rightarrow$ BDAI. Der gesamte Mediationspfad unterscheidet sich jedoch nicht signifikant zwischen den Größengruppen.
- Rentabilität (ROA): Differenziert signifikant die Beziehung CSR $\rightarrow$ BDAI, verändert aber nicht den gesamten Mediationsmechanismus.
- F&E-Ausgaben: Differenzieren signifikant die direkte Beziehung CSR $\rightarrow$ GI, wenngleich der indirekte Mediationspfad über alle Gruppen hinweg robust bleibt.
Modellgüte: Das Modell wies eine zufriedenstellende Passung auf (SRMR = 0,056) und eine prädiktive Relevanz (positive $Q^2_{predict}$ -Werte für alle endogenen Konstrukte).

Zentrale Beiträge

Theoretisch: Die Studie erweitert die Stakeholder-Theorie, indem sie empirisch nachweist, dass die Auswirkung von CSR auf grüne Innovation von digitalen Fähigkeiten abhängt. Sie trägt zur Theorie der dynamischen Fähigkeiten bei, indem sie KI-gestützte BDA als kritischen Mechanismus identifiziert, der CSR-Ressourcen in Innovationsergebnisse transformiert. Sie adresst die Forschungslücke bezüglich der spezifischen Rolle von BDAI im verarbeitenden Gewerbe in Schwellenländern.
Kontextuell: Durch die Konzentration auf ägyptische KMU des verarbeitenden Gewerbes liefert die Forschung empirische Belege aus dem Kontext einer Entwicklungswirtschaft, in der digitale Transformation und Nachhaltigkeitsherausforderungen sich von entwickelten Märkten unterscheiden.
Identifikation von Mechanismen: Die Forschung klärt, dass die Verbindung zwischen CSR und GI nicht direkt ist, sondern vollständig durch die Fähigkeit des Unternehmens mediiert wird, KI und Big Data zu nutzen.

Bedeutung und Behauptungen
Die Arbeit behauptet, dass CSR-Verpflichtungen allein nicht ausreichen, um grüne Innovation zu erzeugen. Stattdessen müssen Unternehmen KI-gestützte Analysefähigkeiten entwickeln, um sozial verantwortliche Praktiken in greifbare Innovationsergebnisse umzuwandeln. Die Studie postuliert, dass BDAI die essenzielle „Brücke“ oder der organisationale Mechanismus ist, der das Potenzial von CSR erschließt.

Praktisch gesehen legen die Ergebnisse nahe, dass Manager in KMU die Priorität auf die Verbesserung der Big-Data-Analytik-Kompetenzen und die Integration von KI zur Unterstützung nachhaltiger Fertigungspraktiken legen sollten. Für politische Entscheidungsträger plädiert die Studie dafür, KMU in Ägypten durch Initiativen zur digitalen Transformation (speziell BDA-KI) zu unterstützen, um die Ziele für nachhaltige Entwicklung zu erreichen. Die Autoren kommen zu dem Schluss, dass dieser Mechanismus (CSR $\rightarrow$ BDAI $\rightarrow$ GI) über verschiedene Unternehmensmerkmale hinweg weitgehend konsistent bleibt, was auf eine universelle Anwendbarkeit dieses Pfades innerhalb des untersuchten Kontextes hindeutet.

Limitierungen
Die Autoren räumen Einschränkungen ein: die Abhängigkeit von Querschnittsdaten aus Umfragen (potenzieller Common Method Bias und mangelnde kausale Inferenz über die Zeit), die Konzentration auf eine einzige Branche (verarbeitendes Gewerbe) und ein einzelnes Land (Ägypten) sowie den Ausschluss anderer potenzieller mediierender Variablen. Sie schlagen vor, dass zukünftige Forschung longitudinale Designs, qualitative Ansätze verwenden und auf andere Branchen und Länder ausgeweitet werden sollte.

Mehr davon