8. Empirische Studien - Das „Synergetic Entrepreneurship Model“ in der Praxis

Die Akademie ist in das universitätsweite „Centrum für Entrepreneurship und Transfer“ (CET) eingebettet. Dieses CET wurde 2019 als Exzellenz-Startup-Center.NRW ausgezeichnet und erhielt ca. 16 Mio. Euro für 5 Jahre zur Verfügung gestellt, um den Ausbau des Centrums in großem Umfang zu gestalten. In diesem Kontext wurde die Akademie als eine der wichtigen Säulen des CET weiterentwickelt und integriert. So wird ein fächerübergreifendes Sensibilisierungs- und Qualifizierungsprogramm für Angehörige sowie Mitarbeiterinnen und Mitarbeiter der TU Dortmund sowie auch interessierten Personen und Unternehmen der Region rund um die Themen Entrepreneurship und Unternehmensgründung angeboten. Damit unternehmerisches Denken und Handeln wachsen kann und aus Ideen sowie Technologien erfolgreiche Produkte und Dienstleistungen entstehen, werden Studierende, Absolventen und Mitarbeiterinnen und Mitarbeiter mit einem umfassenden Veranstaltungsangebot unterstützt. Während intern der Prozess in drei Phasen („Understand“, „Apply“ und „Implement“) unterteilt ist, werden diese nach außen, gebündelt, abgegrenzt und klar umrissen unter dem an dem Begriff „educate“ angelehnten Schlagwort „cetucate“ drei Produkten „cetucate.THINK“, „cetucate.ACT“ und „cetucate.START“ zugeordnet. Ziel ist es, die Teilnehmer dazu zu befähigen, ihre je eigenen Ideen umzusetzen, neue Möglichkeiten zu erschaffen und Innovationen zu bewerkstelligen, wobei das Ergebnis die nachhaltige Etablierung eines entrepreneurialen Mindsets darstellt. - THINK ermöglicht dabei das selbstgesteuerte Lernen auf einer digitalen Lernplattform mit dem Ziel, grundlegende entrepreneuriale, aber auch klassische betriebswirtschaftliche Inhalte zu erarbeiten. - ACT bietet die Verzahnung mit den Fachinhalten an, um so in der jeweiligen Fachdisziplin die in THINK erarbeiteten Erkenntnisse zu übertragen. -Hinter START verbirgt sich ein Zertifikats-Programm, das jungen Menschen ermöglicht, nach theoretischen Vertiefungen im Rahmen eines Praxisprojektes z. B. ein konkretes Geschäftsmodell zu formulieren oder einen entsprechenden Förderantrag (z. B. EXIST-Gründerstipendium) zu stellen. Allein in 2021 hatte das CET über 2500 Teilnehmer in den entsprechenden Veranstaltungen.

Die „Junior Business School“ wurde mittlerweile (2020) in die „Junior Entrepreneurship School“ überführt.

Das Business Game wurde vom Autor zunächst als objektorientierte C++-Software konzipiert und dann in der jetzigen Variante zusätzlich als verteiltes System auf der Basis von Java2Enterprise-Edition (J2EE) implementiert und mit einer Vielzahl multimedialer Elemente angereichert. Die objektorientierte Programmierung beinhaltet u. a. den enormen Vorteil der Skalierbarkeit, z. B. bzgl. der Anzahl der StartUps, sodass das Gaming beispielsweise sowohl mit 5 als auch mit 50 Unternehmen stattfinden kann.

Weiterführende Informationen über innovative Neuentwicklungen im Rahmen der Textilindustrie finden sich beispielsweise auf der Homepage des „European Centre for Innovative Textiles“ (www.ceti.com).

Die Krise lässt sich durch die Spielleitung ggf. durch weitere vordefinierte oder spontan entwickelte Szenarien verstärken oder abschwächen (Liening, 2015a).

Administrative Funktionen einer derartigen Lernplattform sind dabei die Erfassung und Verwaltung von Lernenden, die Erfassung und Verwaltung von Lehrenden sowie die Verwaltung und Präsentation von Veranstaltungen. Aus der Sicht der Lehrenden unterstützen diese Lernumgebungen die Planung und das Management von Veranstaltungen. Dabei wird eine intuitive, selbsterklärende Benutzeroberfläche eingesetzt. Möglichkeiten des Tutoring, des Tracking, der Evaluation, der Durchführung von Tests und Benotungen können hierbei unterstützt werden. Für die Lernprozesse können Lernplattformen Fortschrittsüberwachungen bereitstellen. Darüber hinaus sind weitere Personalisierungen und die Adaptierbarkeit des Systems an die individuellen Lernprozesse denkbar. Aus der Sicht der Autoren der Inhalte, die ja nicht notwendig mit den Lehrenden identisch sein müssen, können Lernplattformen die Entwicklung von Lernmaterial unterstützten, indem Werkzeuge z. B. für die grafische Erstellung von Lerneinheiten zur Verfügung gestellt werden. Ferner unterstützen multimediale Lernumgebungen unterschiedliche Medien wie Texte, Grafiken, Audios und Videos, PodCasts oder wie in unserem Fall z. B. die konkrete Übertragung von „Nachrichtensendungen“ (Liening, 2015a).

Hinweis: Eine Veränderung der Komplexität zwischen Phase 2 und 3 hingegen wird weder vermutet, noch ist das aus dem Ablauf des vorliegenden Experimentes ableitbar. Im Übrigen sei darauf hingewiesen, dass bei einem Phasenübergang ein (lokales) Maximum der Komplexität erwartet wird. Das lässt sich jedoch nur nach der Krise sagen, da erst dann ggf. die Komplexität wieder abnimmt.

Da eine einfache lineare Regression nur bivariate Zusammenhänge zwischen zwei Variablen misst, bietet sich bei der hier vorliegenden höheren Zahl an Variablen die multiple Regression an. Das schrittweise Vorgehen stellt sicher, dass nacheinander das Modell um eine weitere unabhängige Variable erweitert wird, die das R² am meisten vergrößert, und damit die Vorhersage auch am meisten verbessert.

Das lässt sich auch bei dieser Untersuchung statisch gut nachweisen (Liening, Strunk et al., 2013: 534).

Die weiteren statistischen Tests wurden mittels SPSS 8.0 ermittelt.

Im gleichen Zeitraum ist die Zunahme der Aktivität im Bereich des Forum-View nicht signifikant (p-1-tailed = 0,244) und im Bereich des Course-View zwar signifikant (p-1-tailed = 0,041), aber nicht so ausgeprägt wie für die Komplexität. Das bestätigt die bereits aufgestellte Annahme, dass Komplexität zwar im gewissen Maße von der Aktivitätssumme abhängig, aber keineswegs mit ihr identisch ist. Für detaillierte Ergebnisse deskriptiver Statistiken und Korrelationen, vgl. Liening, Strunk et al. (2013: 533).

Während die abhängige Variable der „ROI in Phase 3“ ist, sind mögliche unabhängige Variablen bzw. Prädiktoren der ROI der Phasen 1 und 2 die Komplexität des Course View bzw. Forums in den Phasen 1, 2 und 3 sowie die Aktivitätssummen des Course View bzw. Forums in den Phasen 1, 2 und 3.

Das Bestimmtheitsmaß, der R²-Wert, misst den erklärten Anteil einer abhängigen Variablen, wobei indirekt auch der Zusammenhang zwischen der abhängigen und der unabhängigen Variablen gemessen wird (0=kein Zusammenhang, ... , 1= maximaler Zusammenhang). Dabei steigt das Maß mit der Anzahl unabhängiger Variablen, was für uns hier aber nicht weiter relevant ist (Sachs & Hedderich 2006: 573).

Das Beta-Gewicht ist ein standardisierter Regressionskoeffizient, der sich ergibt, wenn alle an der multiplen Regression beteiligten Prädiktoren z-standardisiert sind, wobei der z-Wert angibt, wie viele Standardabweichungen es gibt und in welcher Richtung (also Vorzeichen beachten) ein Messwert vom Mittelwert abweicht (Rudolf & Müller 2012: 393).

Ein Suppressionseffekt liegt vor, wenn unabhängige Variablen (Prädiktoren) den Vorhersagewert anderer Prädiktoren erhöhen, indem sie irrelevante Variablenanteile dieser Variablen kompensieren (Rudolf & Müller 2012: 399).

Obgleich sich bivariat durchaus auch der Einfluss anderer Variablen gezeigt hat, bieten diese keine zusätzliche Varianzaufklärung, die die hier berichteten Modelle signifikant verbessern könnten.

Für das Biofeedback wurde ein Nexus-System des Anbieters Mind Media^® verwendet, das als 4-Kanalsystem einerseits für ein physiologisches Monitoring (Muskelspannung, Herzfrequenz, relative Durchblutung, Hautleitfähigkeit, Atmung) und andererseits auch für ein Neurofeedback (Gehirnaktivität) eingesetzt werden kann. In der vorliegenden Studie wurde das System zur Erfassung des Blut-Volumen-Pulses verwendet. Dabei wird der Puls über am Ohrläppchen oder über an der Fingerkuppe zu befestigende Sensoren mit einer Abtastfrequenz von 128Hz erfasst und mithilfe der dazugehörigen Software „BioTrace“ aufgezeichnet. Diese Messung ermöglicht auch die Erfassung der Herzfrequenz. Mind-Media (2022). „BVP Sensor.“ Retrieved 08. März, 2022.

Till Sender ist ehemaliges Mitglied des Forscherteams des Autors und hat diese Untersuchung im Rahmen seiner Dissertation erarbeitet. Sender, T. (2017). Wirtschaftsdidaktische Lerndiagnostik und Komplexität – Lokalisierung liminaler Unsicherheitsphasen im Hinblick auf Schwellenübergänge. (Diss.). Wiesbaden, Springer Verlag.

Entscheidend für die Ausführung des PD₂-Algorithmus ist die Einstellung der Einbettungsdimension (m), die als die Anzahl der dynamischen Variablen definiert ist, die zur Beschreibung des Systemattraktors erforderlich sind. Basierend auf vergleichbaren Ansätzen, die in der Literatur verwendet werden, liegt die Wahl der Einbettungsdimension (m) hier zwischen 19 und 33. Die Größe des Theiler-Fensters wurde auf 1 gesetzt. Die PD₂-Berechnung liefert für 100% der 534 Datenpunkte, die effektiv für die Analyse verwendet werden Haarhaus können, gültige Ergebnisse und übertrifft damit den empfohlenen Schwellenwert von 75%. , T., Strunk G., Liening A. (2020). „Assessing the complex dynamics of entrepreneurial ecosystems: A nonstationary approach.“ Journal of Business Venturing. Insights 14.

Da besonders Zeitvariationen in der nichtlinearen Dynamik erfasst werden sollten, um die Entwicklung des unternehmerischen Ökosystems zu verfolgen, wurde der BDS-Test innerhalb eines beweglichen Fensters von 80 Datenpunkten angewendet. Ibid.