@mastersthesis{M{\"u}ller2023,
  type      = {Bachelor Thesis},
  author    = {M{\"u}ller, Talitha},
  title     = {Development of a partial maturity model for learning ecosystems in organizations based on the framework of Schmitz \& Foelsing and first empirical assessment},
  school    = {Hochschule Pforzheim},
  pages     = {VII, 94},
  year      = {2023},
  abstract  = {Der Lern{\"o}kosystem-Ansatz gewinnt zunehmend an Beliebtheit, da er Organisationen dabei unterst{\"u}tzt, flexibel auf sich ver{\"a}ndernde Umweltbedingungen und die Anforderungen der VUCA-Welt (volatil, unsicher, komplex und mehrdeutig) zu reagieren. Die St{\"a}rke der organisationalen Unterst{\"u}tzung steigt dabei mit der Reife des Lern{\"o}kosystems. Jedoch existiert derzeit kein umfassendes Modell, das diese Reife angemessen darstellt. Das Ziel dieser Arbeit besteht darin, diese L{\"u}cke zu schließen, indem ein umfassendes Modell zur Reife von Lern{\"o}kosystemen entwickelt wird. Dieses Modell basiert auf dem Lern{\"o}kosystem-Ansatz von Schmitz und Foelsing und nutzt verschiedene bereits vorhandene Reifegradmodelle. Es werden zehn unterschiedliche Gestaltungsdimensionen untersucht, f{\"u}r jede davon werden f{\"u}nf Reifegrade operationalisiert. Das Lern{\"o}kosystem Reifegradmodell erm{\"o}glicht es Organisationen nicht nur den aktuellen Entwicklungsstand ihres Lern{\"o}kosystems zu identifizieren, sondern auch potenzielle Verbesserungen abzuleiten und den Fortschritt zu messen. Bei der Entwicklung des Modells wurden spezifische Gestaltungskriterien wie die klare Problemdarstellung, Relevanz f{\"u}r Praktiker und Ber{\"u}cksichtigung vorhandener Modelle beachtet, um eine hohe Qualit{\"a}t des Modells zu gew{\"a}hrleisten. Das Reifegradmodell wurde durch eine webbasierte Umfrage mit explorativem Charakter ausgewertet. Die deskriptive Analyse der Ergebnisse liefert erste Ein-blicke in den aktuellen Entwicklungsstand von Organisationen und erm{\"o}glicht einige vorl{\"a}ufige Implikationen. Es wurde festgestellt, dass es insbesondere in den Dimensionen Strukturen, F{\"u}hrung, Datenarchitektur und Analytik erhebliches Verbesserungspotenzial gibt. Aufgrund der festgestellten Korrelation der Reife aller Dimensionen wirken sie beschr{\"a}nkend auf das Wachstum des gesamten Lern{\"o}kosystems. Insgesamt agieren nur 15\% der teilnehmenden Organisationen in einem reifen Lern{\"o}kosystem, das mit Stufe 4 des Reifegradmodells erreicht wird. Einschr{\"a}nkungen des Modells und der Studie wurden identifiziert, die in zuk{\"u}nftigen Forschungen ber{\"u}cksichtigt werden sollten. Vorschl{\"a}ge f{\"u}r zuk{\"u}nftige Forschungen sind eine weitere Verfeinerung des Modells, die Einbeziehung zus{\"a}tzlicher Perspektiven, Gewichtungen und handlungsorientierter Empfehlungen.},
  subject      = {Lern{\"o}kosystem},
  language  = {en}
}