Titelangaben
Thalenhorst, Annkathrin:
The Inferential Pattern Matching Approach and Framework : A Holistic Framework for Systematic Partner Selection in Digital-, Innovation-, Sustainability-, and Circular-Oriented Business Ecosystems.
Bayreuth
,
2024
. - XXIV, 365 S.
(
Dissertation,
2024
, Universität Bayreuth, Rechts- und Wirtschaftswissenschaftliche Fakultät)
DOI: https://doi.org/10.15495/EPub_UBT_00007987
Abstract
As a result of the rapid advancements in digital and sustainability trends, businesses are becoming more and more reliant on outside expertise (Thalenhorst et al., 2022, p. 72; Just et al., 2023, pp. 1–2; Wallo et al., 2024, p. 1). Business ecosystems as external sources of competitive advantage and innovation have therefore proven to be a successful strategy (Adner, 2017, pp. 49–53; Tsujimoto et al., 2018, p. 49). Despite their strengths, business ecosystem failure is a quite common phenomenon (Reeves et al., 2019, p. 1), which is often due to an insufficient care in the initial selection of partners (Cummings & Holmberg, 2012, p. 137; Pidun et al., 2020b). Several authors thus highlight the importance and challenge of a thorough and systematic partner selection process (Meckl & Kengelbach, 2020, p. 139; Wei et al., 2020, p. 1). Despite its high relevance, partner selection in business ecosystems is a topic which is largely unexplored in the scientific literature (Wei et al., 2020, p. 1). This doctoral thesis therefore investigates the systematic partner selection in business ecosystems.
As scientific rigor and the building of a strong theory is at the core of this doctoral thesis (Eisenhardt, 1989b, p. 547; Morse et al., 2002, p. 14; Sutton & Staw, 1995, p. 378), this topic is addressed through originality and its fundamental contribution to both, theory and practice (Stokes, 1997 and Corley & Gioia, 2011 in Nenonen et al., 2017, p. 1131). Based on a constructivist-pragmatist research paradigm (Nonhoff, 2011, p. 91), this study builds a strong theory for a systematic framework for partner selection in business ecosystems in the major part of this investigation in applying a novel rigorous scientific research method (Morse et al., 2002, p. 14; Prager et al., 2019, p. 377; Sutton & Staw, 1995, p. 378) proposed by this doctoral thesis: the Inferential Pattern Matching Approach – a qualitative research approach based on an extension of the flexible pattern matching approach by the inferential process of abduction: patterns of abduction, deduction, and induction are flexibly and inferentially matched to provide rich evidence (Sinkovics, 2018 in Bouncken, Qiu, Sinkovics, & Kürsten, 2021, p. 252; Minnameier, 2010, pp. 241-242; Linneberg & Korsgaard, 2019, p. 264; Timmermans & Tavory, 2012, pp. 179–180). Together with theoretical-conceptual and analytical frameworks developed throughout the investigation, this approach forms the Inferential Pattern Matching Framework proposed by this thesis, which builds the research framework of the investigation. The iterative design of the Inferential Pattern Matching Framework involves the constant redirection of the research question based on the new insights discovered with new data collection and data analysis (Jacobsson & Åkerström, 2013 and Nairn et al., 2005 in CohenMiller et al., 2020, p. 5; Dewey, 1938, p. 142 in Casula et al., 2021, p. 1709; Tecuci et al., 2018, p. 10) applied within the three major steps, abduction, deduction, and induction and the evidencing among at least two of the three approaches. The Inferential Pattern Matching Approach and Framework thus provide useful tools for this study, as multiple data collection and analysis techniques, which are iteratively developed, and perspectives from other disciplines as for instance based on systems theory are employed, leading to a holistic framework for systematic partner selection in business ecosystems. Several qualitative data collection and data analysis methods inform this thesis and lead to rich evidence (Eisenhardt, 1989b, p. 538).
To achieve high contribution to managerial practice alike, this thesis is enriched by further inductive insights with single evidence arising during the investigation. These insights are generated, but not fully confirmed by the Inferential Pattern Matching Approach, and propose strategic decision heuristics for best fit partner selection based on decision-making methods and a partner configuration function, as well as an Abductive Taxonomy (Sinkovics, 2018, pp. 6-8; Minnameier, 2010, pp. 241-242; Nickersen et al., 2013, p. 336), a research approach invented by this study dedicated to highlight differences in characteristics among digital-, innovation-, sustainability-, and circular-oriented business ecosystems to provide a holistic framework for systematic partner selection in business ecosystems.
Besides the strong contribution to theory and practice due to the depth and holisticness of the main topic validated by a strong theory, this doctoral thesis provides an innovative and rich methodological contribution with the novel scientific research approaches invented by this doctoral thesis: the Inferential Pattern Matching Approach, the Inferential Pattern Matching Framework, and the Abductive Taxonomy.
Abstract in weiterer Sprache
Durch den rasanten Fortschritt der Digital- und Nachhaltigkeitstrends sind Unternehmen immer mehr auf externes Know-how angewiesen (Thalenhorst et al., 2022, S. 72; Just et al., 2023, S. 1-2; Wallo et al., 2024, S. 1). Business Ecosystems als externe Quellen für Wettbewerbsvorteile und Innovationen haben sich daher als erfolgreiche Strategie erwiesen (Adner, 2017, S. 49-53; Tsujimoto et al., 2018, S. 49). Trotz ihrer Stärken ist das Scheitern von Business Ecosystems ein recht häufiges Phänomen (Reeves et al., 2019, S. 1), das häufig auf eine unzureichende Sorgfalt bei der anfänglichen Auswahl der Partner zurückzuführen ist (Cummings & Holmberg, 2012, S. 137; Pidun et al., 2020b). Mehrere Autoren betonen daher die Bedeutung und Herausforderung eines gründlichen und systematischen Partnerauswahlprozesses (Meckl & Kengelbach, 2020, S. 139; Wei et al., 2020, S. 1). Trotz ihrer hohen Relevanz ist die Partnerauswahl in Business Ecosystems ein in der wissenschaftlichen Literatur weitgehend unerforschtes Thema (Wei et al., 2020, S. 1). Die vorliegende Dissertation untersucht daher die systematische Partnerauswahl in Business Ecosystems.
Da wissenschaftliche Genauigkeit und der Aufbau einer starken Theorie im Mittelpunkt dieser Dissertation stehen (Eisenhardt, 1989b, S. 547; Morse et al., 2002, S. 14; Sutton & Staw, 1995, S. 378), wird dieses Thema durch Originalität und seinen grundlegenden Beitrag zu Theorie und Praxis behandelt (Stokes, 1997 und Corley & Gioia, 2011 in Nenonen et al., 2017, S. 1131). Basierend auf einem konstruktivistisch-pragmatistischen Forschungsparadigma (Nonhoff, 2011, S. 91) baut diese Studie eine starke Theorie für einen systematischen Rahmen für die Partnerauswahl in Business Ecosystems im Hauptteil dieser Untersuchung auf, indem eine neuartige rigorose wissenschaftliche Forschungsmethode angewendet wird (Morse et al., 2002, S. 14; Prager et al, 2019, S. 377; Sutton & Staw, 1995, S. 378), die in dieser Dissertation vorgeschlagen wird: der Inferential Pattern Matching Approach - ein qualitativer Forschungsansatz, der auf einer Erweiterung des Flexible Pattern Matching Approaches um den inferentiellen Prozess der Abduktion basiert: Muster der Abduktion, Deduktion und Induktion werden flexibel und inferentiell abgeglichen, um reichhaltige Evidenz zu liefern (Sinkovics, 2018 in Bouncken, Qiu, Sinkovics, & Kürsten, 2021, S. 252; Minnameier, 2010, S. 241-242; Linneberg & Korsgaard, 2019, S. 264; Timmermans & Tavory, 2012, S. 179-180). Zusammen mit den theoretisch-konzeptionellen und analytischen Rahmen, die im Laufe der Untersuchung entwickelt werden, bildet dieser Ansatz das in dieser Arbeit vorgeschlagene Inferential Pattern Matching Framework, den Forschungsrahmen der Untersuchung. Das iterative Design des Inferential Pattern Matching Frameworks beinhaltet die ständige Neuausrichtung der Forschungsfrage auf der Grundlage der neuen Erkenntnisse, die durch neue Datenerhebungen und Datenanalysen (Jacobsson & Åkerström, 2013 und Nairn et al, 2005 in CohenMiller et al., 2020, S. 5; Dewey, 1938, S. 142 in Casula et al., 2021, S. 1709; Tecuci et al., 2018, S. 10) in den drei Hauptschritten Abduktion, Deduktion und Induktion gewonnen wurden sowie den Abgleich von mindestens zwei der drei Ansätze. Der Inferential Pattern Matching Approach und das Framework stellen somit nützliche Werkzeuge für diese Studie dar, da mehrere Datenerhebungs- und -analysetechniken, die iterativ entwickelt werden, und Perspektiven aus anderen Disziplinen, wie z. B. basierend auf der Systemtheorie, eingesetzt werden, was zu einem ganzheitlichen Rahmen für die systematische Partnerauswahl in Business Ecosystems führt. Mehrere qualitative Datenerhebungs- und Datenanalysemethoden fließen in diese Arbeit ein und führen zu einer reichhaltigen Evidenz (Eisenhardt, 1989b, S. 538).
Um einen hohen Beitrag für die Managementpraxis zu leisten, wird diese Arbeit durch weitere induktive Erkenntnisse mit einzelnen, während der Untersuchung entstandenen Belegen angereichert. Diese Erkenntnisse werden durch den Inferential Pattern Matching Approach generiert, aber nicht vollständig bestätigt, und schlagen strategische Entscheidungsheuristiken für die Best-Fit-Partnerauswahl vor, die auf Entscheidungsmethoden und einer Partnerkonfigurationsfunktion sowie einer abduktiven Taxonomie basieren (Sinkovics, 2018, S. 6-8; Minnameier, 2010, S. 241-242; Nickersen et al, 2013, S. 336), ein Forschungsansatz, der in dieser Studie entwickelt wurde, um die Unterschiede zwischen den Merkmalen von digitalen, innovations-, nachhaltigkeits- und zirkulär-orientierten Business Ecosystemen hervorzuheben und einen ganzheitlichen Rahmen für die systematische Partnerauswahl in Business Ecosystemen zu schaffen.
Neben dem starken Beitrag zu Theorie und Praxis aufgrund der Tiefe und Ganzheitlichkeit des Hauptthemas, das durch eine starke Theorie bestätigt wird, liefert diese Doktorarbeit einen innovativen und reichhaltigen methodologischen Beitrag mit den neuartigen wissenschaftlichen Forschungsansätzen, die in dieser Doktorarbeit entwickelt wurden: der Inferential Pattern Matching Approach, der Inferential Pattern Matching Framework und die Abductive Taxonomy.