Empirisch denken — damit wir wissen, was wir tun

Zwei starke Haltungen ergeben nicht automatisch eine noch stärkere Haltung. Unter schwerer Turbulenz kann Kombination helfen — aber sie kann auch Komplexität, Kosten und Starrheit verstärken.

No-posture ist nicht grundsätzlich gut. Und posture ist nicht grundsätzlich schlecht. Entscheidend ist die Kombination aus vorheriger Wachstumsgeschichte, strategischer Festlegung und Umweltbedingung.

Wachstum erzeugt Kraft. Aber Wachstum erzeugt auch Pfade. Und unter schwerer Turbulenz entscheidet nicht nur, wie stark ein Unternehmen ist. Sondern ob es stark genug ist, seine eigene Stärke zu hinterfragen.

In der Behavioral Theory of the Firm spielen Regeln, Standard Operating Procedures und Routinen eine zentrale Rolle. Organisationen greifen auf bewährte Muster zurück, wenn Unsicherheit groß ist.

Growing Pains zeigt nicht einfach, ob digitale oder unternehmerische Haltungen gut sind. Es zeigt, dass ihre Wirkung davon abhängt, aus welcher Wachstumsgeschichte ein Unternehmen in die Krise hineingeht.

Entrepreneurship hilft nicht automatisch. Für schwache Unternehmen kann es Suchenergie freisetzen. Für stark gewachsene Unternehmen kann es Selbstüberschätzung und riskantes Festhalten am bisherigen Wachstumspfad verstärken.

Digitale Haltung ist kein Schutzschild gegen Turbulenz. Sie hilft, wenn digitale Optionen zur neuen Lage passen. Sie schadet, wenn sie Organisationen in alten technologischen Pfaden festhält.

Organisationen vergleichen ihre tatsächliche Leistung mit einem Anspruchsniveau. Läuft es schlechter als erwartet, entsteht Unzufriedenheit.

Strategische Haltungen, die Unternehmen normalerweise stark machen, können ihnen in schweren Krisen schaden. Mit diesem Link können die ersten 50 Besucher den Artikel kostenlos lesen und herunterladen 👉 https://www.tandfonline.com/eprint/RM7SRBTZV4EAVHCEGX8S/full?target=10.1080/0960085X.2026.2623954

Begrenzte Rationalität bedeutet nicht, dass Menschen irrational sind. Es bedeutet: Sie versuchen vernünftig zu handeln, aber unter Grenzen.

Das Unmögliche ist oft nicht unmöglich. Es ist nur noch nicht Teil unseres Erfahrungsraums. Und genau deshalb braucht Wissenschaft nicht nur Bestätigung. Sie braucht die Bereitschaft, vom Unerwarteten überrascht zu werden.

Der schwarze Schwan ist nicht nur ein Bild für Krise. Er ist ein Bild für die Grenzen dessen, was wir wissen, sehen und erwarten.

Nicht jedes erschütternde Ereignis ist automatisch ein Schwarzer Schwan. Manchmal ist nicht das Ereignis völlig unvorhersehbar, sondern nur unsere Bereitschaft gering, vorhandene Warnsignale ernst zu nehmen.

Während der Schwarze Schwan für das Unerwartete steht, beschreibt das Graue Nashorn eine sichtbare, wahrscheinliche und potenziell folgenreiche Gefahr.

Der Schwarze Schwan von gestern kann zum Grauen Nashorn von morgen werden.

Strategische Anpassungsfähigkeit entsteht nicht durch perfekte Vorhersage. Sie entsteht durch die Fähigkeit, unter begrenztem Wissen handlungsfähig zu bleiben — und vorhandenes Wissen rechtzeitig in Handeln zu übersetzen.

Nur weil bislang alles für unsere Annahmen sprach, können wir uns trotzdem irren.

Das erinnert an ein Kamel und ein Dromedar. Von vorne sehen beide vielleicht ähnlich aus. Aber von der Seite erkennt man: Das eine Tier hat einen Höcker. Das andere zwei.

Heute geht es um Stratifizierung. Stratifizierung bedeutet: Eine Stichprobe besteht aus unterschiedlichen Schichten oder Gruppen.

Ein signifikantes Ergebnis wird oft so gelesen, als sei es wichtig. Aber das ist ein Missverständnis.

Heute geht es um den Beta-Fehler. Wir übersehen einen Effekt, obwohl er tatsächlich existiert.

Signifikanz sagt uns, ob ein Ergebnis statistisch auffällig ist. Effektstärke sagt uns, wie groß ein Effekt ist. Das ist ein entscheidender Unterschied.

Ein gutes Modell erklärt nicht nur viel. Es erklärt ausreichend viel mit angemessener Komplexität.

Manchmal liefern unterschiedliche Programme oder Verfahren sehr ähnliche Regressionskoeffizienten. Aber die p-Werte unterscheiden sich.

Lineare Regression ist kein automatisches Analysewerkzeug. Sie verlangt eine passende abhängige Variable, sinnvolle Prädiktoren, ausreichende Daten und ein theoretisch begründetes Modell.