Vorlesen

Innovative Communities: What Activates the Creative Potential of a Crowd?

Wintersemester 2008/2009 

Executive Summary 

1. Zusammenfassung 

In vielen empirischen Studien wurde gezeigt, dass User-Communities ein hohes Innovationspotential aufweisen. Doch der Frage, welche Rahmenbedingungen notwendig sind, um möglichst innovative und kommerziell interessante Ideen hervorzubringen, wurde bisher kaum Aufmerksamkeit geschenkt. Ziel dieses Forschungsprojektes ist es, die Frage zu klären, welche Eigenschaften einer User-Community und welche Rahmenbedingungen den fruchtbarsten Nährboden für innovative Ideen bieten.  

Das Ergebnis des Pretests zeigt, dass die Community-Eigenschaften, wie zum Beispiel Teilnehmendenzahl, Fähigkeitslevel der TeilnehmerInnen, und die Selbstorganisation der Arbeitsteilung einen wesentlichen Einfluss auf das Innovationspotenzial einer User-Community haben.  

2. Theoretischer Hintergrund 

Mehrere Forschungsprojekte verweisen auf das Innovationspotential von User-Communities als Mittel zur Ideengewinnung, denn User innovieren selten isoliert, sondern meist in Zusammenarbeit mit Gleichgesinnten, die zusätzliches Know-how und aktive Unterstützung zur Umsetzung einer Idee in ein Produkt einbringen (Franke, Shah 2003; von Hippel 2001). Auch immer mehr Unternehmen nutzen das Potential von User-Communities als Quelle für neue Ideen (Antorini 2008; Füller, Matzler, Hoppe 2008). Der Ideenfindungsprozess in solchen Gruppen unterscheidet sich wesentlich von jenem, der in traditionell strukturierten Unternehmen stattfindet, und bietet so zahlreiche Vorteile. 

Dadurch ermöglichen User-Communities Innovation, Entwicklung und Konsum (nahezu) ohne einen Hersteller. Dieser wiederum kann die User-Community nutzen und durch Beobachtung Bedürfnisse und Ideen identifizieren, oder pro-aktiv neue User-Netzwerke initiieren und damit, durch die Integration der Community in das Geschäftsmodell die Innovationsfunktion externalisieren (Franke 2005). 

Die folgende Grafik illustriert die Wechselbeziehungen innerhalb der Community sowie zwischen Unternehmen und derselben:

 

Für ein Unternehmen sind aber nur jene Ideen interessant, die profitabel umgesetzt werden können. Nun stellt sich die Frage, was eine User-Community erfolgreich macht.  

Größe: Erkenntnisse zum Phänomen „Wisdom of Crowds“ (auch „Collective Intelligence“ genannt) zeigen, dass eine große Ansammlung von unabhängig entscheidenden Individuen, durch Beiträge einer Vielzahl von quantitativen und qualitativen Informationen verbesserte intellektuelle Leistungen erzielen kann als einzelne Experten (Surowiecki 2005; Tapscott, Williams 2008). 

Interaktion: Des Weiteren beansprucht die Entwicklung von Ideen Unterstützung von anderen. Franke und Shah (2003) zeigten, dass Innovation innerhalb von User-Communities kein individueller Task, sondern eine gemeinsame Leistung ist. Tapscott und Williams (2008) wiesen darauf hin, dass das Phänomen „Collective Intelligence“ nur durch Kollaboration entstehen kann. Damit im Zusammenhang stehen das Kooperationsklima und die Selbstorganisation der Arbeitsteilung, sowie die Möglichkeit, Ideen von anderen aufzugreifen und weiterzuentwickeln (Re-Use). Innovatoren in User-Communities helfen einander, erhalten oft wesentliche Unterstützung von anderen und legen ihre Innovationen offen (Franke, Shah 2003; von Hippel 2001). 

Fähigkeitslevel: Der Einfluss der Fähigkeiten der Community-Mitglieder liegt auf der Hand: Fähige Innovatoren sind oft aktive Mitglieder in Communities (von Hippel 2005). 

Motivation: Die Motivation spielt bei User-Communities eine entscheidende Rolle, da die Mitglieder auf freiwilliger Basis und meist ohne Entgelt ihre Innovationen zur Verfügung stellen. Die Gründe für die Teilnahme am Innovationsprozess einer User-Community liegen meist in der Freude, etwas zu entwickeln (Shah 2006).  

3. Forschungsfrage und Hypothesen

Viele Untersuchungen haben also bereits aufgezeigt, dass User-Communities sehr innovativ sind. Eine Frage, die sich unmittelbar stellt, ist: Mit welchen Rahmenbedingungen kann man Innovationen fördern? 

User-Communities können sich beispielsweise hinsichtlich ihrer Größe (also Mitgliederzahl), der Art und Weise, wie sie organisiert sind (z.B. Interaktion mit anderen Mitgliedern oder Organisation der Arbeitsteilung), aber auch in Bezug auf das Fähigkeitslevel oder die Motivation der TeilnehmerInnen unterscheiden.  

Diese Forschungsarbeit geht nun der Fragestellung nach, (1) welche Eigenschaften der Community-Mitglieder und (2) welche Rahmenbedingungen für die Zusammenarbeit besonders förderlich für die Innovationskraft der Community sind. 

Auf Basis der vorangegangenen Literaturrecherche wurden folgende Hypothesen abgeleitet: 

H1: Die Größe der User-Community hat einen positiven Einfluss auf die Innovationskraft derselben.

Wir vermuten, dass der Zufall hier eine entscheidende Rolle spielt. Je mehr User eine Community umfasst, desto höher ist die Wahrscheinlichkeit, dass ein (oder mehrere) User dabei ist, der eine sehr hohe Innovationskraft habt. 

H2 a: Das Fähigkeitslevel der einzelnen User hat einen positiven Einfluss auf das Innovationspotential der User-Community. 

H2 b: Die Leaduserness der einzelnen User hat einen positiven Einfluss auf das Innovationspotential der User-Community. 

H3: Die Motivation der einzelnen User hat einen positiven Einfluss auf das Innovationspotential der User-Community.

Zudem vermuten wir, dass die intrinsische Motivation – im konkreten Fall die Freude daran, etwas zu entwickeln und zu verbessern – eine entscheidende Rolle dabei spielt, wie innovativ die Ideen der User in der Community sind.  

H4: Die Möglichkeit, miteinander zu interagieren und einander Feedback zu geben, wirkt sich positiv auf das Innovationspotential der User-Community aus. 

H4 a: Die Möglichkeit, die Arbeitsteilung innerhalb der Community selbst zu organisieren, hat einen positiven Einfluss auf das Innovationspotential derselben. 

H4 b: Ein interaktionsförderndes Klima innerhalb der Community wirkt sich positiv auf aus. 

H4 c: Die Möglichkeit, bestehende Lösungen aus der Community weiterzuentwickeln (Re-Use), wirkt sich positiv auf das Innovationspotential aus. 

4. Methodik 

Im Dezember 2008 wurde ein Pretest (N=74) mit Studenten der WU durchgeführt. Die Haupterhebung fand Mitte Jänner 2009 statt, weshalb in diesem Bericht die Ergebnisse aus dem Pretest präsentiert werden.  

Die Untersuchung wurde in Form eines online Experiments durchgeführt, im Rahmen dessen die TeilnehmerInnen einen kreativen Task lösen und dazu zwei Fragebögen ausfüllen mussten.  

Die Forschungsanordnung wird in der folgenden Grafik dargestellt.

 

Die Erfüllung eines kreativen Tasks (hierbei handelte es sich um die Formulierung einer kreativen und wirksamen Kampagne gegen Alkohol am Steuer) diente dazu abzuschätzen, wie hoch die Innovationskraft der einzelnen TeilnehmerInnen tatsächlich war. Die Aufgabenstellung wurde im Rahmen einer Pilotstudie (N=21) hinsichtlich der Verständlichkeit und Schwierigkeit überprüft. Die Fragebögen wiederum dienten dazu, die Eigenschaften der einzelnen TeilnehmerInnen zu messen, um die Hypothesen 2 bis 3 zu überprüfen. Das Fähigkeitslevel wurde mittels Fragen zu Erfahrungen und Einstellungen zu Werbekampagnen bestimmt. Das Instrument wurde in einer Pilotstudie (N=37) geprüft, wofür aus diversen Kreativitätstests (Dollinger 2003, Furnham, Bachtiar 2008, Nassif, Quevillon, 2008, Santosa et al. 2007, Simeonova et al 2005) Kurzfragebögen zusammengestellt wurden, deren Ergebnisse im Anschluss mit einem ausführlichen Kreativitätstest (Schoppe 1975) verglichen wurden. Zur Messung der Leaduserness wurden die Skalen zur Messung von „leading-edge status“ und „domain-specific innovativeness“ (Schreier, Oberhauser, Prügl 2006) adaptiert. Die Gruppengröße wurde im Nachhinein durch Sampling auf Basis eines Zufallsalgorithmus manipuliert.  

Die Motivation der TeilnehmerInnen wurde im Rahmen der Aufgabenstellung manipuliert, indem einem Teil der Probanden zusätzlich zur schriftlichen Aufgabenstellung ein Video gezeigt wurde, das die intrinsische Motivation erhöhen sollte. Die Wirkung der Manipulation wurde im 1. Fragebogen mit sieben Items einer siebenteiligen Skala, die sowohl intrinsische als auch extrinsische Motivation misst, überprüft. 

Um die Hypothesen H4 bis H4c zu überprüfen, wurden die TeilnehmerInnen im Rahmen des Experiments zufällig unterschiedlichen Szenarien zugeteilt. Zu diesem Zweck gab es 7 Experimentalgruppen, in denen Interaktion, Kooperationsklima, Selbstorganisation und Re-Use permutiert wurden. Dies wurde zum einen durch eine Chatfunktion der Plattform und andererseits durch unterschiedliche Texte bei der Lösung der Aufgabe erreicht. 

Zum online Experiment wurden die TeilnehmerInnen per E-Mail oder durch Annoncen auf diversen online Plattformen eingeladen. Zum Pretest wurden 160 Studenten des Institutes für Entrepreneurship & Innovation eingeladen. Zur Haupterhebung wurden Studenten verschiedener deutschsprachiger Bildungseinrichtungen sowie Fahrschulen und Besucher von diversen Websites eingeladen (N=166.209). 

Um die angesprochenen Personen zur Teilnahme zu motivieren, wurden attraktive Preise verlost. 

Die Qualität der Ideen wurde im Pretest durch eine unabhängige Jury beurteilt. In der Haupterhebung wurden die Ideen anonym durch die Community bewertet, wobei jeder Teilnehmende, der sich als Jurymitglied anmeldet 10 Ideen zur Bewertung bekam. Um ein größtmögliches Maß an Objektivität zu erreichen, wurden die Ideen aus Pretest und Haupterhebung immer in Bezug auf einen Referenzwert (eine bestehende Maßnahme zur Reduktion von Alkohol am Steuer) beurteilt.  

5. Ergebnisse aus dem Pretest 

Nachdem die Haupterhebung Mitte Jänner 2009 stattfand, werden hier die Ergebnisse aus dem Pretest präsentiert.  

5.1 Deskriptive Analyse 

Die Top 15 der insgesamt 74 eingereichten Ideen wurden zu 55% in Interaktionssettings generiert, wobei vor allem jene Gruppen die höchste Performance erzielten, welche ein größtmögliches Maß an Freiheit in ihrer Interkation hatten. Vier der besten 15 Ideen wurden in Settings generiert, in welchen das Kooperationsklima positiv war, und sowohl Selbstorganisation als auch Re-Use möglich war. 

Das Fähigkeitslevel der User war bei den Top 15 Ideen durchschnittlich um 30% höher als bei den anderen Ideen. 

5.2 Statistische Auswertung der Ergebnisse 

Im Rahmen der Analyse wurden OLS-Regressionen und Mittelwertvergleiche durchgeführt.  

Die folgende Grafik fasst die Ergebnisse der Analyse auf einen Blick zusammen:

 

  • H1: Die Überprüfung der H1 zeigte, dass die Community-Größe (also die Anzahl der User in einer Gruppe) einen signifikant positiven Einfluss (ß=0,053; p<0,05, two-tailed test) auf das Innovationspotential hat.  

  • H4 a: Die Möglichkeit, die Arbeitsteilung innerhalb der Community selbst zu organisieren hat ebenfalls einen signifikant positiven Einfluss (ß=0,521; p<0,05, two-tailed test) auf das Innovationspotential. 

  • H4 b: Für den positiven Einfluss des Interaktionsklimas auf das Innovationspotential konnte keine Bestätigung gefunden werden.

  •  H4 c: Auch für den Einfluss der Re-Use Möglichkeit auf das Innovationspotential konnte keine Bestätigung gefunden werden. 

Modell (OLS Regression)

B Signifikanz
Konstante 3,288 0,000
Größe  (Anzahl von Usern) 0,053 0,002
Kooperationsklima -0,272 0,299
Re-Use -0,237 0,400
Selbstorganisation 0,521 0,055

R2 (R2 adjusted) 0,531 (0,456)
F-Value 7,084
Tabelle 1: OLS Regressionsergebnisse H1, H4a-H4c 

  • H4: Die Überprüfung der Hypothese H4 zeigte keinen signifikanten Einfluss der Interaktionsmöglichkeit auf das Innovationspotential einer Community.   

Modell (Mittelwertvergleich)

Interaktion Mittelwert (Performance)
nein 3,099
ja 3,035
T-Value 0,449
Sig. (2-seitig) 0,655

 Tabelle 2: T-Test Ergebnisse H4

  • H2 a: Das Fähigkeitslevel der einzelnen User hat einen signifikant positiven Einfluss (ß=0,209; p<0,05, two-tailed test) auf die Innovationskraft der User-Community.      

Modell (OLS Regression)

Unabhängige Variablen Abhängige Variable Performance (Bewertung der Idee)
Fähigkeitslevel 0,209
R2 (R2 adjusted) 0,262 (0,069)
F-Value 4,701
p-Value 0,034

 p<0,05 (two-tailed test)
 Tabelle 3: OLS Regressionsergebnisse H2 a 

  • H2 b: Der Einfluss der Leaduserness der einzelnen User auf die Innovationskraft der User-Community konnte statistisch nicht nachgewiesen werden. 

Modell (OLS Regression)

Unabhängige Variablen Abhängige Variable Performance (Bewertung der Idee)
Leaduserness 0,026
R2 (R2 adjusted) 0,031 (0,001)
F-Value 0,06
p-Value 0,807

 p<0,05 (two-tailed test) 
 Tabelle 4: OLS Regressionsergebnisse H2 b 

  • H3: Der positive Einfluss der Motivation der einzelnen auf die Innovationskraft der User-Community konnte statistisch nicht nachgewiesen werden. 

Modell (OLS Regression)

Unabhängige Variablen Abhängige Variable Performance (Bewertung der Idee)
Motivation intrinsisch 0,003
R2 (R2 adjusted) 0,000 (-0,016)
F-Value 0,001
p-Value 0,981

 p<0,05 (two-tailed test)
 Tabelle 5: OLS Regressionsergebnisse H3 

6. Implikationen 

Das vorliegende Ergebnis zeigt, dass das Innovationspotential von User-Communities sowohl von den Eigenschaften der User als auch von den Rahmenbedingungen, unter denen die User in der Community zusammentreffen, abhängt. Dieses Ergebnis legt nahe, dass Unternehmen Einfluss auf den Erfolg einer Community nehmen können, indem sie den Community-Mitgliedern möglichst viel Freiraum für die Gestaltung der Innovationstätigkeit geben. Zudem ist es von Bedeutung, durch entsprechende Maßnahmen einerseits die intrinsische Motivation der Community-Mitglieder zu erhöhen und andererseits möglichst fähige User für die Community zu gewinnen. 

7. Diskussion und Limitationen 

Die Ergebnisse aus dem Pretest zeigen, dass die Eigenschaften einer User-Community starken Einfluss auf die Innovationskraft haben. Zwar konnte nur bei drei Effekten ein signifikanter Einfluss statistisch nachgewiesen werden, jedoch sind auch im Fall der anderen Faktoren klare Tendenzen sichtbar. 

Zum Teil lassen sich die fehlenden Effekte durch das kleine Sample und die homogene Zusammensetzung der TeilnehmerInnen des Pretests erklären. Des weiteren vermuten wir, dass der Einfluss der Interaktion per se nicht nachgewiesen werden konnte, da dieser durch Eigenschaften der Interaktion moderiert werden (Re-Use, Selbstorganisation und Kooperationsklima), welche aufgrund der beschränkten Fallzahl im Rahmen des Pretests statistisch nicht überprüft werden konnten.  

Die tatsächliche Größe der Effekte wird im Zuge der Auswertung der Haupterhebung sichtbar werden. 

8. Literaturverzeichnis 

Antorini Y. M. (2008) How are users’ membership in brand communities influencing them as innovators? Conference Talk at the User and Open Innovation Workshop, Boston, MA 

Dollinger S.J. (2003) Creativity and Conservatism. Personality and Individual Differences, 43 (5), 1025-1035 

Franke N. Shah S. (2003) How Communities Support Innovative Activities: An Exploration of Assistance and Sharing Among End-Users. Research Policy 32 (1): 157-179 

Franke, Nikolaus. 2005. Open Source&Co.: Innovative User-Netzwerke. In: Sönke Albers and Oliver Gassmann: Handbuch Technologie- und Innovationsmanagement, Wiesbaden 2005, 695-712 

Füller J. Matzler K. Hoppe M. (2008) Brand Community Members as a Source of Innovation. Journal of Product Innovation Management, 25 (6), 608-619 

Furnham A. Bachtiar V. (2008) Personality and Intelligence as Predictors of Creativity. Personality and Individual Differences, 45 (7), 613-617 

Nassif C. Quevillon R. (2008) The Development of a Preliminary Creativity Scale for the MMPI-2: The C Scale. Creativity Research Journal, 20 (1), 13-20 

Santosa C. A. Strong C.M. Nowakowska C. et al. (2007) Enhanced Creativity in Bipolar Disorder Patients: A Controlled Study. Journal of affective Disorders, 100 (1-3), 31-39 

Schoppe K-J (1975) Verbaler Kreativitätstest. Ein Verfahren zur Erfassung verbal-produktiver Kreativitätsmerkmale. Handanweisung. Verlag für Psychologie, Göttingen, Toronto, Zürich 

Schreier M. Oberhauser S. Prügl R (2006) Lead Users and the Adoption and Diffusion of New Products: Insights from two Extreme Sports Communities. Marketing Letters, 18 (1-2), 15-30 

Shah S. (2006) Motivation, Governance, and the Viability of Hybrid Forms. Management Science, 52 (7), 1000-1014 

Simeonova D.I. Chang K.D. Strong C. et al (2005) Creativity in Familial Bipolar Disorder. Journal of Psychiatric Research, 39 (6), 623-631 

Surowiecki J. (2005) The Wisdom of Crowds, USA: Anchor Books 

Tapscott, D. Williams, A. D. (2008) Wikinomics: How Mass Collaboration Changes Everything, USA: Penguin Group 

Von Hippel E. (2001) Innovation by User Communities: Learning from Open-Source Software. MIT Sloan Management Review 42 (4): 82-86

Student Team

  • Kathrin Bösenkopf
    Silvia Dameova
    Nasi Dzanashvily
    Barbara Eienbach
    Christoph Elsbacher
    Hanno Fürpass
    Werner Hintsteiner
    Isabella Holzinger-Neulinger
    Milica Nikolic
    Nikolas Reeh
    Julia Resch
    Majd Taliaa