Citizen Developer als Katalysatoren für die Entwicklung mitarbeitergetriebener Innovationen

In der dynamischen Welt der Softwareentwicklung hat die No- und Low-Code Entwicklung (NLCE)¹ eine zunehmend zentrale Rolle eingenommen (Atkins 2020). NLCE wird durch No- und Low-Code Plattformen (NLCPs) unterstützt und vorangetrieben. Das Marktforschungsunternehmen Gartner (2022) prognostiziert für das Jahr 2024 ein Wachstum des NLCE-Marktes um 19 % auf 31,9 Mrd. US-Dollar, wobei NLCPs mit einem erwarteten Anstieg von 29 % besonders hervorzuheben sind. NLCPs markieren in vielerlei Hinsicht einen Wendepunkt in der Art und Weise, wie Software entwickelt wird, indem sie den Entwicklungsprozess vereinfachen und beschleunigen können (Iho et al. 2021). Diese Plattformen haben sich als wertvoll für Organisationen erwiesen, die nach Wegen suchen, ihre digitale Transformation zu beschleunigen und gleichzeitig den Bedarf an Programmierkenntnissen beziehungsweise IT-Fachkräften zu reduzieren. Dieser Wandel wird auch als Demokratisierung der IT oder der Softwareentwicklung bezeichnet (Binzer und Winkler 2022). Die steigende Beliebtheit von NLCE und NLCPs zeugt nicht nur von ihrer Effizienz, sondern auch von ihrer Fähigkeit, den Zugang zur Programmierung für eine breitere Gruppe von Personen zu öffnen (Frosch und Levina 2023). Mitarbeitende ohne oder mit geringen Programmierkenntnissen erhalten dadurch die Möglichkeit, ihre Ideen für digitale Innovationen umzusetzen und direkt an der Gestaltung ihres Arbeitsumfelds teilzunehmen (Binzer und Winkler 2023). Diese Personen werden als Citizen Developer (CD) bezeichnet. Ein solcher Wandel fördert eine inklusivere Gestaltungsumgebung und trägt dazu bei, den Mangel an IT-Fachkräften zu mindern sowie diese selbst zu entlasten (Silva et al. 2021; Käss et al. 2022).

Die sich aus CD ergebenden Möglichkeiten und Potenziale lassen sich vielversprechend mit dem Konzept der mitarbeitergetriebenen Innovationen (MI) und den damit verbundenen Herausforderungen verknüpfen. MI stehen für die Demokratisierung des Innovationsprozesses, indem alle normalen Mitarbeitenden einer Organisation als potenzielle Innovationstreiber betrachtet werden, die durch ihre Kreativität und Ideen zur Verbesserung von Produkten, Dienstleistungen und Prozessen beitragen können (Kesting und Ulhøi 2010; Høyrup et al. 2012). Unter „normalen“ Mitarbeitenden sind in diesem Kontext Personen zu verstehen, deren Aufgabenbeschreibung keine Innovationstätigkeiten umfasst, wie es beispielsweise in der Sachbearbeitung oder Produktion der Fall wäre, jedoch nicht in einer Forschungs- und Entwicklungsabteilung (Krejci et al. 2021). Der Trend, die Belegschaft einer Organisation als ergänzenden Innovationskanal von der Ideengenerierung bis hin zur Entwicklung einer Innovation einzubeziehen, ist auf die kreativen Potenziale der Mitarbeitenden sowie auf die immer schnelleren Marktveränderungen zurückzuführen, die einen zunehmenden Innovationsdruck erzeugen (Bäckström und Bengtsson 2019; Holmquist und Johansson 2019). Das Grundkonzept von MI umfasst entsprechend Personen, die wie CD Tätigkeiten ausüben, die über ihre üblichen Aufgaben und Kompetenzen hinausgehen, um die Organisation oder eine Organisationseinheit weiterzuentwickeln (z. B. eine Abteilung oder einen individuellen Arbeitsplatz) (Binzer und Winkler 2022; Leible et al. 2024).

Im Konzept von MI bestehen zwei besondere Herausforderungen, die im Rahmen dieses Artikels hervorgehoben werden: (1) Mitarbeitende verfügen in ihren Fachbereichen beziehungsweise in ihrer Domäne über großes Wissen und können Verbesserungspotenziale erkennen sowie Ideen entwerfen. Allerdings fehlen ihnen häufig die notwendigen Kompetenzen zur Entwicklung und Umsetzung dieser Ideen, insbesondere bei digitalen Innovationen, die Programmierkenntnisse erfordern (Krejci et al. 2022; Opland et al. 2022b). Diese Herausforderung steht in Verbindung mit dem allgemeinen Fachkräftemangel in technischen Berufen, auf dem die Etablierung von NLCE und CD unter anderem beruht (Bies et al. 2022). (2) Es entsteht eine Abhängigkeit von Personen mit den erforderlichen Kompetenzen wie IT-Fachkräften (Käss et al. 2023). Diese Fachkräfte sind jedoch häufig durch grundlegende, höher priorisierte und systemkritische Tätigkeiten in ihrer Organisation ausgelastet, was zu einem Engpass führt (Eggers et al. 2023). Dies hat zur Folge, dass Ideen häufig nicht weiterverfolgt und Mitarbeitende aufgrund der fehlenden Unterstützung und Umsetzungsmöglichkeiten demotiviert werden können.

Parallel dazu treiben technologische Entwicklungen, insbesondere in der generativen künstlichen Intelligenz (genKI), den Markt voran (Bruhin et al. 2024). Diese Fortschritte und die daraus resultierenden Möglichkeiten sind auch für CD im Kontext MI vielversprechend. So eröffnen sich beispielsweise Unterstützungsmöglichkeiten von genKI zur Generierung oder Dokumentation von Programmcode auf Basis natürlicher Sprache (Ebert und Louridas 2023; Martins et al. 2023). Nutzende können sich so Programmcode erläutern lassen, wodurch die Verknüpfung zwischen einer NLCP und einem genKI-Modell das Potenzial aufweist, einen Trainingseffekt für (neue) CD zu erzielen, wie Yan et al. (2024) in einem Bildungskontext aufzeigen. Zusammenfassend adressiert dieser Artikel die folgende Forschungsfrage (FF): Inwiefern ermöglichen und fördern Citizen Developer die Entwicklung von mitarbeitergetriebenen Innovationen und was sollte bei deren organisationaler Integration beachtet werden?

Hierzu werden die Potenziale von NLCE und CD zur Bewältigung der zwei beschriebenen Herausforderungen des Konzepts von MI analysiert. Spezifisch wird untersucht, welche Wirkfaktoren durch NLCE, das heißt, Förder- und Hemmfaktoren für CD in einem Bottom-up-Entwicklungsprozess bestehen. Förderfaktoren sind dabei Bedingungen oder Einflüsse, welche die Beteiligung und Leistung von CD positiv beeinflussen. Zudem werden kontrastierend auch Hemmfaktoren betrachtet, die beachtet werden sollten, da sie gegenteilige Effekte hervorrufen können. Abschließend werden auf Basis der gesammelten Erkenntnisse praxisorientierte Handlungsempfehlungen abgeleitet, mit denen die Integration von CD in eine Organisation unterstützt werden sollen. Die zugrunde liegenden Daten basieren auf einer systematischen Literaturrecherche gemäß Xiao und Watson (2019).

Des Weiteren wird durch eine ergänzende unstrukturierte Literaturrecherche ein explorativer Blick auf die technologischen Fähigkeiten von genKI geworfen, die zahlreiche Unterstützungsmöglichkeiten für CD bietet (Bruhin et al. 2024). Diese Möglichkeiten werden anhand einer Übersicht der erfassten Anwendungsbereiche illustriert und mit den identifizierten Wirkfaktoren verbunden. Unsere Analyse konzentriert sich darauf, die Verbindungen zwischen CD und dem Konzept von MI zu untersuchen und Ansätze bereitzustellen, mit denen Praktikerinnen und Praktiker die Potenziale dieser Schnittmenge erfassen und nutzen können.

Kap. 2 führt in die theoretischen Grundlagen der NLCE ein, um das Verständnis für die Ergebnisse des Artikels zu erleichtern und deren Nachvollziehbarkeit zu unterstützen. Abschn. 2.1 fokussiert sich auf die No-Code Entwicklung. Hierbei geht es um die Erstellung von Software ohne die Notwendigkeit traditioneller Programmierkenntnisse. Der darauffolgende Abschn. 2.2 behandelt die Low-Code Entwicklung. Dieser Ansatz erfordert zwar ein grundlegendes Maß an Programmierkenntnissen, lässt jedoch dafür deutlich mehr Individualisierungen und Anpassungen bei der Softwareentwicklung zu. Abschn. 2.3 gibt einen Überblick über NLCPs. Diese bilden die technische Basis für NLCE und sind als Tools sowie Kompetenzbrücke entscheidend für CD. Abschließend werden in Abschn. 2.4 der Zusammenhang und die sich ergebenden Potenziale und Synergien zwischen MI und CD betrachtet.

Für die Datenerhebung wurde eine systematische Literaturrecherche gemäß Xiao und Watson (2019) durchgeführt. Diese Recherche konzentrierte sich auf wissenschaftliche Artikel, die durch Peer-Review-Verfahren geprüft wurden. In der ausgewerteten Literatur sind sowohl konzeptionelle Ansätze als auch Fallstudien einbezogen worden, um mehrere Perspektiven zu berücksichtigen. Der von Xiao und Watson (2019) vorgeschlagene Forschungsansatz umfasst acht Schritte, die als Struktur und Leitfaden für unsere Literaturrecherche dienten: (1) Formulierung des Problems, (2) Entwicklung und Validierung des Überprüfungsprotokolls, (3) Suche der Literatur, (4) Screening der Literatur, (5) Bewertung der Qualität, (6) Extraktion der Daten, (7) Analyse und Synthese der Daten und (8) Bericht der Ergebnisse.

Der erste Schritt umfasst die Formulierung des Problems und wurde in den ersten beiden Kapiteln dieses Artikels behandelt. Dabei liegt der Fokus gemäß der FF auf der Betrachtung von CD und deren Befähigung durch NLCE und NLCPs zur Entwicklung von MI, beispielsweise in Form prototypischer Softwarelösungen. Konkret sollen Wirkfaktoren aus der Literatur identifiziert und extrahiert werden, um darauf basierend praxisorientierte Handlungsempfehlungen abzuleiten, die Praktikerinnen und Praktikern die organisationale Integration von CD erleichtern sollen. Damit werden die in der Einleitung dargelegten Herausforderungen des Konzepts von MI adressiert, nämlich (1) die fehlenden Kompetenzen der Mitarbeitenden zur Entwicklung und Umsetzung ihrer Innovationsideen und (2) die Abhängigkeit von häufig überlasteten Ressourcen, zum Beispiel der IT-Abteilung. Im zweiten Schritt wurde ein Überprüfungsprotokoll entwickelt. Dieses Protokoll wurde während der Literaturrecherche fortlaufend aktualisiert und enthält unter anderem das Ziel der Literaturrecherche, die Problemstellung, die Forschungsfrage sowie die Suchstrategie mit Inklusions- und Exklusionskriterien. Um Transparenz über die Durchführung der systematischen Literaturrecherche zu gewährleisten, wird das Überprüfungsprotokoll im Onlinematerial dieses Artikels bereitgestellt.

Im dritten Schritt führten drei Autoren unabhängig voneinander eine unstrukturierte Literaturrecherche über Google Scholar durch. Ziel war es, wichtige Schlüsselbegriffe, thematische Unterbereiche und Synonyme im Kontext der FF zu identifizieren. Anschließend fand eine gemeinsame Abstimmung statt, um auf Grundlage der vorläufigen Ergebnisse und beispielhafter Suchanfragen geeignete Datenquellen für die Literatursuche auszuwählen. Im Konsens entschieden sich die Autoren für die Datenbank AISeL, welche umfassenden Zugang zu Publikationen im Bereich der Wirtschaftsinformatik bietet. Diese Auswahl wurde durch die ersten 200 nach Relevanz sortierten Treffer auf Google Scholar ergänzt, um das Spektrum der recherchierten Literatur zu erweitern und zusätzliche potenziell relevante Quellen neben AISeL zu erschließen. Basierend auf dieser vorbereitenden Recherche wurde der folgende Suchstring entwickelt:

(″employee-driven innovation″ OR ″employee-driven digital innovation″ OR entrepreneurship OR intrapreneurship OR ″digital enabler″) AND (″idea development″ OR ″idea generation″ OR ″digital innovation″ OR ″digital tool″ OR ″application development″ OR ″prototype development″ OR ″MVP″ OR ″competence bridge″ OR ″knowledge bridge″) AND (low-code OR no-code OR ″no code″ OR ″low code″) AND (employee OR user OR ″non-it employee″ OR ″ordinary employee″) AND (platform OR programming)

Die Anwendung dieses Suchstrings in der AISeL-Datenbank ergab im September 2023 insgesamt 1291 Ergebnisse. Zusammen mit den Top 200 Treffern von Google Scholar resultierte eine Gesamtzahl von 1491 zu analysierenden Ergebnissen. Der detaillierte Prozess der Literaturauswertung ist in Abb. 3 veranschaulicht. Im Rahmen des Auswertungsprozesses wurde ein konservativer Ansatz gewählt: Bei Unsicherheiten in der Entscheidung wurden Ergebnisse in den nächsten Schritt übernommen, anstatt sie auszuschließen. Zunächst überprüften drei Autoren die Titel der Suchergebnisse auf ihre Relevanz. Diese erste Sichtung führte zur Exklusion von 1141 als irrelevant eingestuften Ergebnissen und zur Entfernung von 36 Duplikaten. Somit verblieben 314 Ergebnisse für eine tiefergehende Analyse.

Full size image

Im vierten Schritt der Literaturrecherche wurden spezifische Kriterien für die Einbeziehung oder den Ausschluss von Literatur definiert und im Überprüfungsprotokoll festgehalten. Dies erleichterte den Analyseprozess, indem möglichst objektive Maßstäbe für die Auswahl der in den endgültigen Datensatz aufzunehmenden Ergebnisse festgelegt wurden, entsprechend den Empfehlungen von Okoli und Schabram (2010). Ein Hauptkriterium war, dass die Ergebnisse die Themen NLCE oder NLCP in Verbindung mit der Befähigung von Personen, beispielsweise CD zur Entwicklung von MI behandeln. Dieser Fokus spiegelt das Potenzial von NLCE wider, Softwareentwicklung direkt in Fachabteilungen oder durch einzelne Individuen zu ermöglichen, um ihre Innovationsideen umzusetzen.

Unter Anwendung der festgelegten Kriterien überprüften drei Autoren die Zusammenfassungen (Abstracts) der verbleibenden 314 Ergebnisse. Nach dieser Sichtung wurden 257 Ergebnisse als nicht relevant eingestuft und ausgeschlossen, was die Basis für die nachfolgende Volltextanalyse bildete. Diese systematische Herangehensweise gewährleistete, dass die finale Auswahl an Artikeln eine fundierte Grundlage für die Beantwortung der FF bietet. Im fünften Schritt führten zwei Autoren detaillierte Volltextanalysen der verbleibenden 57 Ergebnisse durch, um deren Relevanz für die FF zu ermitteln. Bei Meinungsverschiedenheiten fanden interne Diskussionen im Autorenteam statt, um gemäß den Richtlinien von Kitchenham und Charters (2007) einen Konsens über die Einbeziehung oder den Ausschluss einzelner Ergebnisse zu erzielen. Nach eingehender Prüfung wurden 49 Ergebnisse aufgrund mangelnder Relevanz ausgeschlossen, wodurch sich die Anzahl der für die finale Auswertung relevanten Artikel auf acht reduzierte.

Anschließend wurde eine Vorwärtssuche durchgeführt, um den Datensatz zu erweitern, wie von Xiao und Watson (2019) beschrieben. Dabei wurden mittels Google Scholar neuere, datenbankunabhängige Artikel identifiziert, die auf die ausgewählten acht Artikel Bezug nehmen. Diese Methode führte zur Prüfung von 36 zusätzlichen Artikeln, von denen schließlich 10 als inhaltlich relevant zur FF eingestuft wurden. Die hohe Anzahl an Artikeln aus der Vorwärtssuche im Vergleich zur Primärsuche könnte darauf zurückzuführen sein, dass breiter gefächerte interdisziplinäre Quellen erfasst wurden und der Netzwerkeffekt der Zitationen zusätzliche relevante Arbeiten identifizierte. Zudem beziehen sich die neuen Ergebnisse auf bereits als relevant eingestufte Artikel, was die Wahrscheinlichkeit für weitere einschlägige Treffer erhöht. Das übergeordnete Ziel dieser Vorgehensweise war es, sicherzustellen, dass aktuelle Forschungsergebnisse einbezogen werden, um den Status quo adäquat abzubilden. Der finale Datensatz besteht somit aus 18 Artikeln.

Im sechsten Schritt erfolgte die Kodierung der qualitativen Aussagen aus den 18 ausgewählten Artikeln mithilfe der Software MAXQDA. Der Schwerpunkt lag dabei auf Aussagen, die spezifische Wirkfaktoren durch den Einsatz von NLCE für CD in einem Bottom-up-Entwicklungsprozess benennen oder beschreiben. In der Analysephase, dem siebten Schritt, wurden die kodierten Aussagen konsolidiert und in thematische Kategorien von Förder- und Hemmfaktoren klassifiziert. Als Basis für die Datenzusammenführung und -synthese wurde ein induktives Vorgehen gewählt. Auf Grundlage der in der Literatur identifizierten Vorgehensweisen zur Integration von CD in Organisationen sowie Nutzung der Förderfaktoren und den Lösungsansätzen zur Bewältigung der Hemmfaktoren wurden abschließend praxisorientierte Handlungsempfehlungen abgeleitet. Der achte Schritt umfasst die Ergebnispräsentation, die mit diesem Artikel erfolgt.

Auch im September 2023 wurde zu Unterstützungsmöglichkeiten von genKI für CD im Kontext MI eine ergänzende unstrukturierte Literaturrecherche über Google Scholar durchgeführt, um diese Schnittmenge explorativ zu untersuchen. Hierbei wurde der zusammengefasste Suchstring ((„generative artificial intelligence“ OR „genAI“) AND ((no-code OR low-code OR „no code“ OR “low code”) OR programming OR coding)) verwendet. Die Recherche erfolgte ab Schritt vier analog zum Ansatz von Xiao und Watson (2019). Im Auswertungsprozess wurden insbesondere Artikel berücksichtigt, die Informationen für die direkte oder indirekte Anwendung von genKI im Kontext der NLCE beinhalteten. Dies führte zur Identifikation und Auswertung von sieben relevanten Artikeln.

In Kap. 4 werden die zentralen Ergebnisse der systematischen Literaturrecherche beleuchtet. Abschn. 4.1 präsentiert die identifizierten Wirkfaktoren, die den Bottom-up-Entwicklungsprozess von CD beeinflussen. Darauf aufbauend bietet Abschn. 4.2 konkrete Handlungsempfehlungen zur Integration von NLCPs, um das Potenzial der CD in Organisationen bestmöglich zu nutzen.

Die rapide Entwicklung und weltweite Verbreitung von genKI hat, wie Teubner et al. (2023) darlegen, sowohl in der Forschung als auch in der praktischen Anwendung erhebliches Aufsehen erregt und bringt vielfältige potenzielle Auswirkungen mit sich. Ein herausragendes Beispiel für diese Entwicklung ist OpenAI’s ChatGPT. Dieses genKI-Interface erzielte bei seiner Einführung einen Durchbruch und erreichte innerhalb von nur zwei Monaten nach der Veröffentlichung im November 2022 eine Nutzerbasis von 100 Mio. (Milmo 2023). Das Feld der genKI zeichnet sich nicht nur durch seine Dynamik als wachsendes Forschungsgebiet aus, sondern bildet auch einen zunehmend wettbewerbsintensiven Markt. Dies wird unter anderem durch die schnelle Weiterentwicklung von Modellen wie GPT-4o von OpenAI (2024) und Gemini 1.5 von Google (2024) demonstriert. ChatGPT bietet als sogenannte Allzweck-KI (General Purpose AI) eine breite Palette an Möglichkeiten, die CD in verschiedenen Bereichen unterstützen können. Abb. 5 zeigt die aus der unstrukturierten Literaturrecherche identifizierten Anwendungsbereiche und Unterstützungsmöglichkeiten für CD. Im Folgenden werden diese Bereiche und Möglichkeiten verbunden mit den in Kap. 4 identifizierten Wirkfaktoren beschrieben.

Full size image

Eine Möglichkeit der Unterstützung von CD ist die Beschreibung von Programmcode. Dies kann das Erlernen der Programmierung sowie die Erstellung oder Anpassung von Funktionsbausteinen in NLCPs erleichtern, indem ein genKI-Modell die Funktionalität bietet, Programmcode zu analysieren, zu erläutern und Fragen dazu zu beantworten (Alkhaqani 2023). Ein weiterer wichtiger Aspekt ist die Verarbeitung natürlicher Sprache. GenKI-Modelle sind in der Lage, Texte zielgruppengerecht zu generieren und verschiedene Antwortversionen wie alternative Beschreibungen von Programmcode zu erstellen (AlAfnan et al. 2023). Diese Unterstützung kann die Einstiegshürde in die Programmierung und NLCE senken und fehlende technische Kompetenzen von CD ausgleichen. Zusätzlich kann durch das Abfangen der Fragen von CD durch ein genKI-Modell der Bedarf an Unterstützung durch IT-Fachkräfte reduziert werden. Darüber hinaus können CD genKI einsetzen, um gewünschte Funktionsbausteine in Form von Programmcode für NLCPs direkt zu generieren (Martins et al. 2023). Analog zu den Vorteilen der Beschreibung von Code kann dies zusätzlich die Prototypenentwicklung beschleunigen und die Flexibilität sowie Anpassungsfähigkeit von Softwarelösungen durch NLCPs verbessern.

CD können zudem Prototypen und dazugehörige Designs textuell beschreiben und durch genKI abhängig von der Komplexität und Art des Prototyps generieren lassen (Bilgram und Laarmann 2023). Dies kann die Entwicklung von Prototypen beschleunigen und die Flexibilität und Anpassungsfähigkeit erhöhen, da genKI-Modelle verschiedene Designvarianten erstellen und anpassen können. Darüber hinaus kann genKI CD dabei helfen, Routineaufgaben wie das Testen von Programmcode zu automatisieren (Bruhin et al. 2024). Dies kann die Prototypenentwicklung unterstützen, indem Entwicklungszyklen verkürzt und Fehler schneller erkannt und behoben werden. Durch die Vereinfachung und Standardisierung von Testverfahren kann die Automatisierung solcher Aufgaben gleichzeitig den Mangel an technischen Kompetenzen der CD ausgleichen. Ein genKI-Modell kann CD auch bei kreativen Prozessen wie dem Brainstorming unterstützen, indem es beispielsweise Ideen zur Verbesserung von Softwarelösungen vorschlägt (Teubner et al. 2023; Bahi et al. 2024). Aktuelle genKI-Modelle wie GPT-4o oder Gemini 1.5 können darüber hinaus zielgerichtete Vorschläge auf Basis zugeführter Daten generieren, etwa dem Feedback von Nutzenden einer entwickelten Software. Dies kann die Integration von Domänen- und Fachwissen der CD fördern, indem kontextabhängige und datengestützte Vorschläge gemacht werden. Gleichzeitig kann der Bedarf an organisationalem Support verringert werden, da genKI-Modelle üblicherweise zeitunabhängig als Assistenten zur Verfügung stehen.

Die FF dieses Artikels adressierend, zeigt unsere Untersuchung, dass die Integration von NLCPs und CD theoretisch wie auch praktisch große Potenziale zur Demokratisierung der IT und des Innovationsprozesses aus der Perspektive von MI aufweist. Durch NLCPs als Kompetenzbrücke und CD als zentrale Akteure können die zwei eingangs beschriebenen Herausforderungen (1) der fehlenden Kompetenzen von regulären Mitarbeitenden zur Entwicklung und Umsetzung von MI und (2) der damit ergebenden Abhängigkeit von der zentralen IT-Abteilung beziehungsweise von IT-Fachkräften angegangen und gemindert werden. Im Hinblick auf die globale Digitalisierung sind diese Herausforderungen durch die zunehmende Verbreitung von und Fokussierung auf digitale Innovationen stetig präsenter geworden (Opland et al. 2022a), wodurch sich ein großer Bedarf an Ansätzen zum Gegensteuern für Organisationen und Individuen entwickelt hat. Wie in den identifizierten Wirkfaktoren festgehalten (siehe Abb. 4), können NLCPs als Kompetenzbrücke dienen und Personen wie CD befähigen, ohne tiefgehende Programmierkenntnisse in die Softwareentwicklung einzusteigen und ihre eigenen Ideen oder die Ideen anderer zu digitalen Innovationen umzusetzen (Heuer et al. 2022; Wang und Wang 2022).

Naqvi et al. (2023) berichten, dass CD mithilfe von NLCPs einfache und experimentelle Software eigenständig bis zum Prototypen entwickeln können, wo zuvor traditionell IT-Fachkräfte erforderlich waren. Zudem ermöglicht die Nähe von CD zur Produktivumgebung einer Softwarelösung, welche häufig ihre eigene Arbeitsumgebung ist, direkte Tests von Prototypen und das Einholen von Feedback durch Kolleginnen und Kollegen, das iterativ integriert werden kann (Elshan et al. 2023). Nach Krejci et al. (2021) zufolge eignen sich NLCPs besonders gut für CD im Rahmen von Bottom-up-Entwicklungsprozessen, die inkrementelle Innovationen zum Ziel haben. Dies erscheint naheliegend, da die dezentralisierten Entwicklungsprozesse der CD meist auf ihre direkte Arbeitsumgebung ausgerichtet sind (Binzer und Winkler 2022; Eggers et al. 2023) und nicht auf die Gesamtorganisation. Hier besteht nach unserer Einschätzung Potenzial zur Ausdehnung durch CD-Netzwerke, die in der Lage wären, größere Softwareentwicklungsprojekte zu bewältigen.

Bies et al. (2022) weisen darauf hin, dass NLCE positive Effekte haben kann, jedoch sind die entwickelten Softwarelösungen häufig einfach und unterstützend gestaltet. Diese Sicht wird durch weitere Studien substanziiert, die betonen, dass die Standardisierung und die Einschränkungen von NLCPs die Entwicklung komplexerer Software erschweren (Binzer und Winkler 2022; Käss et al. 2022; Elshan et al. 2023). Daher sollten die genauen Möglichkeiten im Vorfeld einer Entscheidung über die Einführung einer NLCP gründlich untersucht werden. Es ist wichtig, entstehende Erkenntnisse im Erwartungsmanagement bei Entscheidungsträgern und der Belegschaft zu berücksichtigen, da eine solche Einführung eine langfristig zukunftsorientierte Entscheidung darstellt (Bies et al. 2022; Prinz et al. 2023). Absichten zur Einführung können sein, einzelne Fachbereiche zu befähigen, sich durch CD bottom-up mithilfe maßgeschneiderter digitaler Innovationen zu entwickeln oder IT-Fachkräfte durch die Auslagerung und Dezentralisierung einfacher oder sehr individueller Softwareentwicklung auf CD zu entlasten (Krejci et al. 2021; Binzer und Winkler 2022). Dadurch kann die Kluft zwischen Ideengenerierung und -umsetzung im Rahmen von MI verringert werden, indem NLCPs für CD fehlende Kompetenzen überbrücken und Partizipationsmöglichkeiten schaffen.

Die analysierte Literatur bietet einige verschiedene Perspektiven zu NLCE und NLCPs. So sind die Aussagen der NLCP-Anbieter sehr optimistisch hinsichtlich der Potenziale ihrer Plattformen, wie Binzer und Winkler (2022) hervorheben. Frosch und Levina (2023) empfehlen trotz der Aussagen von NLCP-Anbietern, dass keine Vorkenntnisse in der Programmierung nötig seien, das Vorhandensein solcher Kenntnisse, um effektiv mit den Plattformen arbeiten zu können. Unsere Recherche hat außerdem gezeigt, dass die organisatorische Umgebung und ihre Rahmenbedingungen wesentliche Faktoren für den erfolgreichen Einsatz von NLCPs und CD sind, um die mit diesen Plattformen verbundenen Potenziale auszuschöpfen (Hintsch et al. 2021; Iho et al. 2021). Um beispielsweise unerwünschtes Verhalten und Aktivitäten von vornherein zu vermeiden und eine klare Governance-Struktur vorzugeben, sollten Regularien und Standards im Umgang mit NLCE und NLCPs in einer Organisation etabliert werden (Hintsch et al. 2021). Ebenso sollte die zentrale IT-Abteilung und ihre Expertise in der übergeordneten Strategie einer NLCE-Initiative berücksichtigt werden (Iho et al. 2021; Krejci et al. 2021; Prinz et al. 2023). Dies kann Aktivitäten zur Governance von NLCPs, den Aufbau von CD durch Schulungsmaßnahmen sowie die Integration von CD entwickelten Softwarelösungen in die IT-Infrastruktur umfassen (Binzer und Winkler 2022; Käss et al. 2023). Ohne eine Governance besteht die Gefahr, dass unnötige Anwendungen, zum Beispiel Anwendungen mehrfach mit demselben Zweck entstehen (Elshan et al. 2023). Unsere abgeleiteten Handlungsempfehlungen zielen darauf ab, diese und weitere Integrationshürden zu meistern, die Wirkfaktoren positiv zu beeinflussen und eine geeignete Umgebung für den Einsatz von NLCPs und CD zu schaffen.

Im Rahmen der identifizierten Wirkfaktoren, insbesondere der Hemmfaktoren, ist auch ein Blick auf die technologischen Unterstützungsmöglichkeiten von genKI für CD vielversprechend. Es konnten fünf Anwendungsbereiche (siehe Abb. 5) erfasst werden, in denen CD durch genKI profitieren und Kompetenzlücken sowie Abhängigkeiten wie beispielsweise von der IT-Abteilung mindern können. Wie AlAfnan et al. (2023) zeigen, können genKI-Modellen konkrete Nachfragen über einen Programmcode gestellt und von diesen beantwortet werden, sodass ein direkter Lerneffekt entsteht. Die Wissensbasis großer genKI-Modelle enthält außerdem vorteilhaftes Wissen, von dem im Zuge der von genKI ausgegebenen Antworten profitiert werden kann (Bilgram und Laarmann 2023; Bahi et al. 2024). Vielversprechend ist auch die Nutzung von genKI für kreative Zwecke, da durch gezielte Fragen Vorschläge generiert werden können, welche die Findung von Problemlösungen und das Treffen von Entscheidungen unterstützen (von Brackel-Schmidt et al. 2023). Mit genKI kann zudem der Zugang zur Programmierung zusätzlich zu NLCPs durch die intuitive Kommunikation in natürlicher Sprache weiter vereinfacht werden (Martins et al. 2023; Bruhin et al. 2024). Es ist jedoch wichtig, eine Einordnung vorzunehmen: LCE kann deutlich von genKI profitieren, während NCE eher in geringerem Maße beeinflusst wird, wie die analysierten Artikel zu genKI aufzeigen. Auch ist anzumerken, dass auf Basis unserer Ergebnisse besonders Wirkfaktoren und Handlungsempfehlungen von genKI unterstützt werden können, die direkt oder indirekt die Kompetenzen von CD als Individuen betreffen.

Trotz der umfassenden Analyse in diesem Artikel gibt es einige Limitationen, die berücksichtigt werden sollten. Erstens basiert die Untersuchung auf einer systematischen Literaturrecherche, die von den Autoren so rigoros wie möglich durchgeführt wurde, jedoch möglicherweise relevante Studien nicht enthält. Dies gilt insbesondere für Artikel, die außerhalb der genutzten Datenbank AISeL veröffentlicht wurden und bei Google Scholar nicht indexiert oder nach den ersten 200 Treffern gelistet waren. Zweitens sind die Handlungsempfehlungen aus einer Vogelperspektive formuliert. Jede Empfehlung bietet Potenzial für vertiefende Untersuchungen, aus denen eigenständige Arbeiten und Fallstudien entstehen könnten. Beispielsweise könnten Trainingskonzepte entwickelt werden, welche die wichtigsten Kompetenzen für CD identifizieren und aufbereiten. Ebenso könnten Governance-Frameworks und IT-Kollaborationsmodelle umfassender erforscht und spezifiziert werden, um praktische Umsetzungsvorhaben zu erleichtern. Drittens konzentriert sich unser Artikel auf CD, ohne gezielt zwischen NCE und LCE zu unterscheiden. Die gesammelten Erkenntnisse deuten darauf hin, dass eine gezielte Auftrennung und Untersuchung dieser beiden Ansätze weitere wertvolle Einblicke ermöglichen könnte. Es wäre vielversprechend zu ermitteln, wo die Grenzen der Ansätze für CD liegen und welche Anwendungsfälle nur durch LCE unterstützt werden. Viertens wurde die Untersuchung von genKI-Potenzialen für CD auf eine unstrukturierte Literaturrecherche beschränkt, die primär eine Vorschau auf diesen sich schnell entwickelnden Bereich bietet. Es bedarf hierbei tiefergehender Untersuchungen, um die spezifischen Einsatzmöglichkeiten und Auswirkungen von genKI auf die Arbeit von CD fundiert zu erfassen und zu bewerten. Dies würde es ermöglichen, unsere identifizierten Unterstützungsmöglichkeiten für CD zu konkretisieren und zu erweitern. Dabei besteht großes Potenzial für die Durchführung von Fallstudien, um die Eignung von NLCE im Rahmen ausgewählter typischer und atypischer Anwendungsfälle mit und ohne genKI-Unterstützung zu untersuchen.

Zusammenfassend zeigt sich, dass NLCE mit NLCPs und der Etablierung von CD zur Entwicklung von MI beitragen können. Die erfolgreiche Integration dieser Ansätze erfordert jedoch eine sorgfältige Planung und Umsetzung im Rahmen einer geeigneten Organisationsumgebung, zu der die in diesem Artikel abgeleiteten Handlungsempfehlungen beitragen sollen. Durch die Beachtung dieser Empfehlungen sollen Organisationen das Potenzial von CD in Bottom-up-Entwicklungsprozessen nutzen und ihre Innovationsfähigkeit steigern können, während sie gleichzeitig die identifizierten Wirkfaktoren positiv beeinflussen. Durch NLCPs und CD als zentrale Akteure haben sich damit neue Möglichkeiten eröffnet, MI zu fördern und nachhaltig in Organisationen zu verankern.