2015 | OriginalPaper | Buchkapitel
Innovation
verfasst von : Prof. Dr. Petra Ahrweiler, Prof. Dr. Andreas Pyka
Erschienen in: Handbuch Modellbildung und Simulation in den Sozialwissenschaften
Verlag: Springer Fachmedien Wiesbaden
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
Dieser Beitrag gibt eine Übersicht über die wichtigsten Forschungslinien zum Thema Innovation sowohl in der Ökonomie als auch allgemein in den Sozialwissenschaften unter Berücksichtigung der historischen Wurzeln heutiger Ansätze.
Leitende Aspekte, die durch den Text führen, sind dabei die Strukturen und Dynamiken des kollektiven Innovationsprozesses unter heterogenen Akteuren sowie die Rolle von Unsicherheit für den Innovationsprozess und seine Modellierung.
Der Artikel startet mit einigen allgemeinen und systematischen Überlegungen zur Modellierung von Innovation. Unter Zugrundelegung des kollektiven, oft auch „systemisch“ genannten Innovationsprozesses wird die Frage diskutiert, ob Netzwerke und Systeme das Gleiche sind und ob bzw. wann man in den Sozialwissenschaften überhaupt vom Vorliegen von „Systemen“ reden kann. Die Vorabklärung dieser allgemeinen Fragen ist wichtig, da deren Beantwortung Konsequenzen für die Modellierbarkeit von Innovation (Innovationssystemen, Innovationsnetzwerken) hat: Hier will man schließlich ein sozialwissenschaftliches „System“ mit Hilfe eines technischen Systems abbilden und systemtheoretische Konstrukte aus der realen in die Modellierungswelt übertragen.
Es folgen Ausführungen zu historischen und kontextuellen Aspekten der Modellierung von Wissensentstehungs- und -ausbreitungsprozessen in der Volkswirtschaftslehre: Hier wird vor allem die Rolle von Unsicherheit im Innovationsprozess thematisiert und das Entstehen der modernen Innovationsökonomik entlang der Problematik von Wissensmodellierung verfolgt.
Bezüglich konkreter Modellierungsansätze wird abschließend gezeigt, wie Netzwerkanalysen und das agentenbasierte SKIN-Modell (Simulating Knowledge Dynamics in Innovation Networks) auf die aufgezeigten Probleme Bezug nehmen und sowohl den kollektiven Innovationsprozess als auch die Rolle von Unsicherheit in der Wissensentstehung modellierungspraktisch umsetzen. Der Beitrag endet mit einem kurzen Ausblick auf die Chancen und Mäoglichkeiten der Modellierung von Innovation.