The evolution of innovation networks : an automotive case study

Abstract

Competitive pressure forces firms to continuously develop new ideas, invent new technologies and bring new products to the market in order to survive the destructive part of Schumpeterian innovation competition. This holds particularly for the automotive industry in Germany, challenged by firms from emerging markets which are able to offer their products for lower prices. In the competition for new technological solutions, competences and cutting-edge knowledge are success factors. New knowledge stimulates the emergence of new ideas that can be transformed into innovation. Such knowledge can partly be generated internally in the companies’ R&D laboratories. However, relying on internal knowledge generation is no longer sufficient. Participation in innovation networks which allow for access to external knowledge, and applying innovation cooperation as a strategic tool to acquire necessary knowledge which cannot be developed in-house opens up rich opportunities to complement and recombine the own knowledge-base. Thus, knowledge becomes the most important source of competitive advantage. In this dissertation, I analyze the drivers of innovation networks evolution among a sample of German automotive firms.

Innovationsnetzwerke dienen im innovationsökonomischen Kontext dazu, komplexe Innovationsprozesse durchzuführen, besser mit technologischer Unsicherheit umzugehen und Gelegenheiten zu gegenseitigem Lernen und Austausch von Wissen zu schaffen (Pyka, 2002). Im Rahmen meines Dissertationsprojektes untersuche ich die zeitliche strukturelle Entwicklung eines Innovationsnetzwerks in der deutschen Automobilindustrie. Im Mittelpunkt stehen dabei die treibenden Faktoren der Netzwerkstrukturveränderung. Das untersuchte Netzwerk basiert auf der Teilnahme von Unternehmen an kollaborativen Forschungsprojekten (Verbundforschung), welche aus Bundesmitteln gefördert werden. Dabei untersuche ich die Relevanz der Akteurseigenschaften (auf individueller und dyadischer Ebene), wie auch eines endogenen Faktors als Determinanten für die Wahrscheinlichkeit eine Kooperation einzugehen. Die in diesem Zusammenhang aus theoretischen Überlegungen abgeleiteten Hypothesen werden mit Hilfe des sogenannten stochastic actor-based model for network dynamics (Snijders, 1996; Snijders, 2001) getestet. Die empirischen Ergebnisse deutschen darauf hin, dass wissensbezogene Faktoren (Absorptionsfähigkeit, technologische Distanz und Modularität der Wissensbasis) wichtige Determinanten der Netzwerkentwicklung sind. Darüber hinaus zeigt sich, dass Transitivität ein endogener hoch signifikanter Faktor ist. Zudem spielt die Kooperationserfahrung wie auch die geographische Distanz eine Rolle. Dagegen haben die Firmengröße wie auch die Industrieerfahrung keinen signifikanten Einfluss auf der Wahrscheinlichkeit einer Teilnahme an einem Verbundforschungsprojekt.