Navigating the Strategic Use of Artificial Intelligence in Incumbent Firms : From Business Potential to Business Value

Titelangaben

Meierhöfer, Simon:
Navigating the Strategic Use of Artificial Intelligence in Incumbent Firms : From Business Potential to Business Value.
Bayreuth , 2025 . - 64 S.
( Dissertation, 2025 , Universität Bayreuth, Rechts- und Wirtschaftswissenschaftliche Fakultät)

Volltext

	Format: PDF Name: Doctoral_Thesis_Simon_Meierhöfer_Final.pdf Version: Veröffentlichte Version Verfügbar mit der Lizenz Creative Commons BY 4.0: Namensnennung
	Download (766kB)

Abstract

Artificial intelligence (AI) – the ever-evolving frontier of computational advancement – is currently causing an undeniable wave of excitement among both researchers and practitioners. While the tremendous market potential is evident from the considerable attention that this nascent technology has received across industries worldwide in recent years, organizations that are not technology leaders are struggling to take advantage of AI. Specifically, incumbent firms that were founded before the emergence of digital technologies lack the knowledge of the methods and practices required to overcome a host of thorny challenges that are inherent to contemporary AI. As a result, for incumbent firms, the disparity between the business potential of AI and its de facto business value remains one of the most critical challenges faced by researchers and practitioners in various facets. Against this backdrop, this doctoral thesis proposes an end-to-end perspective on the exploration of AI. Specifically, it provides theoretical guidance on and actionable insights into how to navigate the strategic use of AI in incumbent firms. This ranges from aspects relating to understanding the business potential of AI (i.e., scoping) over preparing the business use of AI (i.e., strategizing) to realizing the business value of AI (i.e., scaling). On the foundation of six research papers, this cumulative dissertation offers theoretically grounded and practically relevant conceptual and empirical work that serves as a way for incumbent firms to bridge the gap between the business potential of AI and its de facto business value. Thereby, it seeks to give researchers and practitioners a better understanding of the technical and organizational intricacies associated with the strategic use of AI in incumbent firms, in three ways. First, regarding scoping, this cumulative dissertation provides theoretical guidance on and actionable insights into how to align the technological opportunities of AI with business problems under consideration of the domain-specific environment. Research Paper P1 outlines an overview over how the action potentials of individual cognitive functions of AI vary across different contextual factors of business processes, serving as a foundation to support the state-of-the-art analysis of potential AI applications. Research Paper P2 introduces a conceptual framework of affordance layers, serving as a way to facilitate the identification, assessment, and selection of potential AI use cases. Together, these two studies demonstrate how incumbent firms can understand the business potential of AI and can move from an interest in AI to an intention with AI. Second, regarding strategizing, this doctoral thesis advances the scientific knowledge on how to set a strategic frame for AI. Specifically, it provides theoretical guidance on and actionable insights into how incumbent firms can approach the strategic use of AI in line with firm-specific goals as well as internal and external constraints. Research Paper P3 provides a taxonomy and corresponding clusters that conceptualize the design space of an AI strategy, while Research Paper P4 offers pathways that describe the process of AI capability development along six core capability areas. Together, these two studies advance knowledge on how incumbent firms can prepare the business use of AI and can move from an intention with AI to an implementation of AI. Third, regarding scaling, this cumulative dissertation provides theoretical guidance on and actionable insights into how to transform the technological affordances of AI into specific actions toward achieving sustainable performance gains. Research Paper P5 outlines a framework of success factors for AI projects, serving as a foundation for the transition of conceptual use cases into productive systems. Research Paper P6 introduces an architectural model for AI innovations, serving as a way to facilitate the generation of innovative ideas. Together, these two studies demonstrate how incumbent firms can realize the business value of AI and can move from an implementation of AI to an impact from AI. This doctoral thesis concludes by summarizing the key results of the presented work and pointing to limitations, which open avenues for future research. Motivated by the need to navigate the strategic use of AI in incumbent firms, the overall purpose of this cumulative dissertation is to provide researchers and practitioners with a better understanding of the technical and organizational intricacies associated with the strategic use of AI in incumbent firms. It contributes to this research area by taking an end-to-end perspective on the exploration of AI as a way to move from an initial interest in AI, to a sound intention with AI, to a targeted implementation of AI, to an actual impact from AI.

Abstract in weiterer Sprache

Künstliche Intelligenz (KI) – die sich ständig weiterentwickelnde Grenze des rechnerischen Fortschritts – sorgt derzeit sowohl unter Forschern als auch unter Praktikern für eine unbestreitbare Welle der Begeisterung. Während das enorme Marktpotenzial aus der erheblichen Aufmerksamkeit ersichtlich ist, die diese aufstrebende Technologie in den letzten Jahren in verschiedenen Branchen weltweit erlangt hat, haben Unternehmen, die nicht zu den Technologieführern zählen, Schwierigkeiten, die Vorteile von KI zu nutzen. Insbesondere etablierte Unternehmen, die vor dem Aufkommen digitaler Technologien gegründet wurden, verfügen nicht über das erforderliche Wissen über Methoden und Praktiken, um eine Vielzahl komplexer Herausforderungen zu bewältigen, die zeitgenössischer KI innewohnen. Infolgedessen bleibt für etablierte Unternehmen die Diskrepanz zwischen dem Geschäftspotenzial von KI und ihrem tatsächlichen Geschäftswert eine der größten Herausforderungen, mit denen Forscher und Praktiker in verschiedenen Hinsichten konfrontiert sind. Vor diesem Hintergrund schlägt diese Doktorarbeit eine ganzheitliche Perspektive zur Exploration von KI vor. Konkret bietet sie theoretische Leitlinien und umsetzbare Erkenntnisse darüber, wie der strategische Einsatz von KI in etablierten Unternehmen gesteuert werden kann. Dies reicht von Aspekten des Verständnisses des geschäftlichen Potenzials von KI (d. h. Scoping) über die Vorbereitung der geschäftlichen Nutzung von KI (d. h. Strategizing) bis hin zur Realisierung des geschäftlichen Werts von KI (d. h. Scaling). Auf der Grundlage von sechs Forschungsarbeiten bietet diese kumulative Dissertation theoretisch fundierte und praktisch relevante konzeptionelle und empirische Arbeiten, die etablierten Unternehmen als Mittel dienen, die Lücke zwischen dem Geschäftspotenzial von KI und ihrem tatsächlichen Geschäftswert zu schließen. Damit soll Forschern und Praktikern ein besseres Verständnis der technischen und organisatorischen Feinheiten vermittelt werden, die mit dem strategischen Einsatz von KI in etablierten Unternehmen verbunden sind, und zwar auf drei Arten. Erstens, in Bezug auf Scoping, bietet diese kumulative Dissertation theoretische Leitlinien und umsetzbare Erkenntnisse, wie die technologischen Möglichkeiten von KI unter Berücksichtigung des domänenspezifischen Umfelds mit geschäftlichen Problemen abgestimmt werden können. Das Forschungspapier P1 bietet einen Überblick über die Variation der Aktionspotenziale einzelner kognitiver Funktionen von KI entlang unterschiedlicher Kontextfaktoren von Geschäftsprozessen, der als Grundlage für die fortschrittliche Analyse potenzieller KI-Anwendungen dient. Das Forschungspapier P2 stellt einen konzeptionellen Rahmen von Affordanzschichten vor, der als Mittel zur Erleichterung der Identifikation, Bewertung und Auswahl potenzieller KI-Anwendungsfälle dient. Zusammen zeigen diese beiden Studien, wie etablierte Unternehmen das geschäftliche Potenzial von KI verstehen und von einem Interesse an KI zu einer Absicht mit KI übergehen können. Zweitens, hinsichtlich Strategizing, erweitert diese Doktorarbeit wissenschaftliche Erkenntnisse darüber, wie der strategische Rahmen für KI gesetzt werden kann. Konkret bietet sie theoretische Leitlinien und umsetzbare Erkenntnisse dazu, wie etablierte Unternehmen den strategischen Einsatz von KI im Einklang mit unternehmensspezifischen Zielen sowie internen und externen Einschränkungen angehen können. Das Forschungspapier P3 liefert eine Taxonomie und entsprechende Cluster, die den Gestaltungsraum einer KI-Strategie konzeptualisieren, während das Forschungspapier P4 Pfade aufzeigt, die den Prozess der Entwicklung von KI-Fähigkeiten in sechs Kernkompetenzbereichen beschreiben. Gemeinsam erweitern diese beiden Studien das Wissen darüber, wie etablierte Unternehmen den geschäftlichen Einsatz von KI vorbereiten und von einer Absicht mit KI zu einer Implementierung von KI übergehen können. Drittens, in Bezug auf Scaling, bietet diese kumulative Dissertation theoretische Leitlinien und umsetzbare Erkenntnisse, wie die technologischen Möglichkeiten von KI in konkrete Maßnahmen zur Erzielung nachhaltiger Leistungssteigerungen umgesetzt werden können. Das Forschungspapier P5 bietet ein Rahmenwerk von Erfolgsfaktoren für KI-Projekte, das als Grundlage für die Überführung konzeptioneller Anwendungsfälle in produktive Systeme dient. Das Forschungspapier P6 stellt ein Architekturmodell für KI-Innovationen vor, das als Mittel zur Erleichterung der Generierung innovativer Ideen dient. Zusammen zeigen diese beiden Studien, wie etablierte Unternehmen den geschäftlichen Wert von KI realisieren und von einer Implementierung von KI zu einer Wirkung von KI übergehen können. Diese Doktorarbeit schließt mit einer Zusammenfassung der wichtigsten Ergebnisse der vorgestellten Arbeit und einem Hinweis auf Limitationen, die Wege für zukünftige Forschungen eröffnen. Motiviert durch die Notwendigkeit, den strategischen Einsatz von KI in etablierten Unternehmen zu steuern, besteht das übergeordnete Ziel dieser kumulativen Dissertation darin, Forschern und Praktikern ein besseres Verständnis der technischen und organisatorischen Feinheiten zu vermitteln, die mit dem strategischen Einsatz von KI in etablierten Unternehmen verbunden sind. Sie trägt zu diesem Forschungsbereich bei, indem sie eine ganzheitliche Perspektive auf die Exploration von KI einnimmt, um von einem anfänglichen Interesse an KI über eine fundierte Absicht mit KI zu einer gezielten Implementierung von KI bis hin zu einer tatsächlichen Wirkung von KI zu gelangen.