Refine
Year of publication
- 2022 (3) (remove)
Document Type
- Article (2)
- Part of a Book (1)
Has Fulltext
- no (3)
Keywords
- Business model (1)
- Network theory (1)
- Principal component analysis PCA (1)
- Rough set theory RST (1)
- Tech ventures (1)
Institute
- Institut für Strategische Innovation und Technologiemanagement - IST (3) (remove)
Die Automobilindustrie steht wirtschaftlich aktuell besser da, als von manchem erwartet. Sie steht aber gleichzeitig großen Herausforderungen gegenüber, denn wir erleben die Überlagerung dreier Transformationen, deren Auswirkungen sich wohl in keinem Markt so gravierend niederschlagen wie in diesem. Um hierbei die Rolle als Leitmarkt zu erhalten, braucht es mehr Veränderungsintelligenz und eine noch höhere Innovationsdynamik. Diese sind mit beidhändigen Organisationen zu erreichen, die die Ambidextrie beherrschen, gleichzeitig das Kerngeschäft zu optimieren und mit strategischer Innovation Zukunft zu erfinden.
Technologiebasierte Startups leisten einen wesentlichen Beitrag zur wirtschaftlichen sowie gesellschaftlichen Entwicklung. Im Zuge ihrer Gründung benötigen sie Unterstützung in Form von Risikokapital, das in der Seed- und Early-Stage primär durch Business Angels (BAs) bereitgestellt wird. Die Abläufe und Bewertungskriterien des BA Investmentprozesses sind bisher jedoch unzureichend erforscht. Der vorliegende Beitrag nutzt Experteninterviews im Rahmen einer Fallstudie des baden-württembergischen entrepreneurialen Ökosystems zur Identifikation des Vorgehens von BAs bei der Bewertung und Auswahl technologiebasierter Startups. Zudem werden die Kriterien, nach denen BAs vielversprechende von scheiternden Startups unterscheiden abgeleitet. Somit trägt der Beitrag zur Öffnung der „Black Box” von Investmentaktivitäten in den frühsten Gründungsphasen bei.
Evaluation of tech ventures’ evolving business models: rules for performance-related classification
(2022)
At the early stage of a successful tech venture's life cycle, it is assumed that the business model will evolve to higher quality over time. However, there are few empirical insights into business model evolution patterns for the performance-related classification of early-stage tech ventures. We created relevant variables evaluating the evolution of the venture-centric network and the technological proposition of both digital and non-digital ventures' business models using the text of submissions to the official business plan award in the German State of Baden-Württemberg between 2006 and 2012. Applying a principal component analysis/rough set theory mixed methodology, we explore performance-related business model classification rules in the heterogeneous sample of business plans. We find that ventures need to demonstrate real interactions with their customers' needs to survive. The distinguishing success rules are related to patent applications, risk capital, and scaling of the organisation. The rules help practitioners to classify business models in a way that allows them to prioritise action for performance.