PT-Magazin 5 / 2021

46 Wirtschaft

46 Wirtschaft Controlling in der versu Industrielle Forschung – Univ.-Prof. Dr.-Ing. habil. Günter H. Hertel 2 Einführung C versus C, Controlling versus Creativity – das scheint ein unüberbrückbarer Gegensatz zu sein. Aber die Paradigma der Forschung und (Aus)Bildung, insbesondere die industrielle Forschung und die akademische Bildung sind im Wandel, insbesondere in den letzten 20 Jahren, indem die industrielle wie auch die akademische Forschung sich von einer Input- zur Output- mehr noch zur einer Outcome-Orientierung gewandelt haben und sich immer noch ändern, nicht immer zur Zufriedenheit der Akteure. Die Veränderung der Paradigmen der Forschung, sowohl in der Industrie als auch in der Akademia, führen einerseits zu einer Zeitlücke zwischen dem Start-Punkt der Forschung oder des Bildungsprozesses auf der einen Seite und dem Zeitpunkt der „Ernte” der Forschungs- bzw. Lehrresultate andererseits. Diese Zeitlücke kann teilweise in Jahren gemessen werden. Das heißt, Forschung wie auch Bildung sind ein enormes Investment in die Zukunft, verbunden mit einem langfristigen Strategieansatz, einem Innovations- und Durchhaltewillen, einer Lebens- Zyklus-Planung und einer Orintierung auf exzellente Qualität [27]. Wegen dieses großen und langfristigen Investments in die Zukunft ist Controlling der Forschung, insbesondere ihrer Ressourcen und Voraussetzungen, der Prozesse und natürlich ihrer Ergebnisse notwendig. Diese Einsicht ist heute kaum noch strittig, zumal jeder weiß, dass Verschwendung von Ressourcen minimiert und der zu erzielende Mehrwert (Added Value) maximiert werden mögen. Gleichwohl verweigert sich Forschung in tiefster Tradition und im kulturellen Sinne inhärent gegenüber dem „mechanistischen” Controlling wie auch umgekehrt, das Controlling die „kulturellen Kreativitätsbedingungen” der Forschung nur schwierig, wohl aber allmählich, begreift. Ähnliches gilt für die industrielle Entwicklung [siehe 28]. Was können die Forschungen der Akademia für die Industrie und die Forschungen in der Industrie für die Akademia voneinander lernen? Sektion 1: WARUM CONTROLLING in der industriellen Forschung (IR) & in Akademischer Bildung (HE)? Generelle, wissenschaftliche Fragestellungen sollten mit der WARUM-Frage starten. In unserem Fall: Warum sollen wir uns beschäftigen mit solch‘ unterschiedlichen Subjekten wie der industriellen Forschung (industiell Research=IR) und der höheren, also akademischen Bildung (Higher Education = HE) in einem gemeinsamen Artikel? Speziell diese Fragen sollten wir uns stellen: Pic. 1.: Reasons for Controlling in Industrial Research (IR) and Higher education (HE). Source: [18, pic. 1]. • Sind die beiden Subjekte IR und HE eigentlich vergleichbar im Sinne, dass durch diesen Vergleich sowohl ein wissenschaftlicher wie praktischer Mehrwert (scientific and/or practical added value) entstehen? • Haben die Subjekte IR und HE adäquate Chrakteristika, die für eine Controlling-Tätigkeit (sinnvoll, also wertschöpfend) genutzt werden können? 1 Dieser Aufsatz basiert auf dem englischsprachigen Aufsatz [26] Hertel, Günter H.: „Controlling in & for Industrial Research & Higher Education”, ergänzt um Aktualisierungen. Die Bilder und Tabellen verbleiben in der Originalsprache Englisch. Die Erlaubnis des Editors zur Nutzung in anderen Medien liegt vor. Die Bibliographie wird nur im gleichnamigen, deutsch-sprachigen online-Aufsatz aufgeführt. 2 Univ.-Prof. Dr.-Ing. habil. Günter H. Hertel, Ingenieurbüro Prof. Hertel (IBH) – Innovation-Quality-BusinessExcellence-Management, near of Dresden/Germany. Former Vice President Research & Technolgy as well as Corporate Quality Management DaimlerChrysler AG, Stuttgart-Detroit-Shanghai 1996-2007. University Professor at Palacký University Olomouc/Olmütz, Česka Republika, 2011-2017. Member and president of the ASIIN e.V. (www.asiin.de) commission of System/Institutional Accreditation of Higher Education Instituts (HEI) 2007-2017. Now university professor in the subjects Quality, Innovation, Knowledge, BusinessExcellence Management, and Teaching&Learning&Knowledge Science. Emailto: Guenter.H.Hertel_IBH@web.de. PT-MAGAZIN 5 2021

47 s für die ein Vergleich 1 PT-MAGAZIN 5 2021 Montage: piqsels_com-id-jdbtc • Kann Controlling ein adäquates Instrument sein in einem vordergründig kreativen Ökosystem, das sowohl IR als auch HE darstellen, und wenn ja, • Hat Controlling in IR und HE ähnliche Aufgaben, Instrumente, Indikatoren und Ziele? Wir können zuerst herausfinden, welche gemeinsamen Aufgaben IR und HE haben, wenn wir den Outcome beider Subjekte IR und HE vergleichen (pic. 1). Die oben gestellten Fragen werden wir konsequent in den Sektionen 2…5 untersuchen. In den Sektionen 6 und 7 werden wir die Schlussfolgerungen aus diesen Untersuchungen ziehen. Sektion 2: Charakteristika der industriellen Forschung (IR) Sektion 2.1: Forschung - Generelle Aspekte Bevor wir die spezifischen Charakteristika der industriellen Forschung (IR) beschreiben, müssen wir Forschung generischer definieren und dann einige ihrer generellen Aspekte auffinden. Forschung beschäftigt sich generell mit dem Kreieren und Finden von Neuem [15, pic. 2 and 3, pp. 145+146], insbesondere von neuen oder/und besseren • Erkenntnissen (realisation), • Wahrnehmungen (recognition), • Zahlen, Daten und Fakten (data and facts), • Informationen (information), • Entdeckungen (discoveries), • Wissen (knowledge) und sogar mehr • Weisheit (wisdom) “BASIC RESEARCH” Knowledge-driven research on … New data, figures, facts, New causes, New effects and cause-effects relations etc. Mostly made in Universities and Scientific Institutes for the academic world “APPLICATION RESEARCH” Purpose-driven research for … Something, like new/better products, processes, organizations Somebody, like institutions, enterprises, politics etc. Mostly made in Scientific and/ or Applied Research Institutes/ Universities for commerce and industry Table 1: Differentiating in-between basic and applied research. Source: [15, tab. 1, p. 148] Während Forschen generell ein Suchen mit mehr oder weniger systematischen Schritten sein kann, ist wissenschaftliches Forschen charakterisiert durch • klare Systematik, • Prozessgebundenheit, • das Aufarbeiten des State-of-the Art (Stand der Wissenschaften) und der Best Practise (Stand der Technik) im Themengebiet und • s-m-a-r-t-e (spezifisch-messbar-anspruchsvoll-realistisch-zeitraum- und zeitpunkt terminierte) Zielformulierung. Speziell die Systematik und Prozessgebundenheit meinen, dass wissenschaftliche Forschung die Transformation von Input („old” knowledge) in erkennbar neues Wissen (research results) ist. Dieser Output entsteht infolge verbundener sequenzieller und/ oder paralleler Schritte, rückgekoppelt durch Schleifen (loops) und Netzwerke und mündet zunächst in Zwischenresultaten. Dieses Input-Process-Result Modell [9] ist nicht nur eine gute Charakterisierung, sondern auch ein sehr hilfreiches, strukturelles Planungsmodell der wissenschaftlichen Forschung, und zwar sowohl in der Industriellen (IR) wie auch der Akademischen Institution (HE). Bezüglich der genannten “Zielformulierung” der Forschung haben wir zunächst zu differenzieren in „Basisforschung“ oder „Grundlagenforschung“ (“basic research”) und in „Angewandte Forschung“ (“application research“) – siehe Tab. 1: Jetzt können wir untersuchen, welche Charakteristika industrielle Forschung (IR) aufweist. Sektion 2.2: Spezifische Charakteristika industrieller Forschung Industrielle Forschung ist modell-basiert und verschieden von Angewandter Forschung, besonders deshalb, weil industrielle Forschung (IR) nicht für die Indutrie (also außerhalb), sondern „mittendrin“ in der Industrie, also im industriellem Ökosystem selbst lebt. So etwa, wie die Ameisen, die sich außerhalb des Ameisenhaufens bewegen, nicht etwa für diesen Haufen leben und arbeiten, sondern sie sind inhärenter Bestandteil des Ameisenstaates. Das bedeutet, speziell IR ist [15, p. 150]: • Modellbasiert [pic. 2] • Innovationsgetrieben („Industrial Research & Innovation Funnel“) [pic. 3] • “Geplant” (“Planned” Industrial Research) [Pic. 4] • “Controlled” (“Industrial Research Controlling”) [Pic. 5] • Arbeitet grundsätzlich (also durchaus mit Ausnahmen) in >