Kleine und mittlere Unternehmen (KMU) haben nur eingeschränkte Möglichkeiten, selbst aktiv Innovationsscouting zu betreiben. Die Ursachen: divergierende Wissens- und Sprach-Niveaus sowie zeitliche und organisatorische Hürden, da Unternehmen meist kurzfristigen, zielgerichteten Input benötigen, während wissenschaftliche Projekte langfristig und oft hochspezialisiert ausgelegt sind.

Der Ansatz der „Open Innovation“ stellt einen Bruch mit der traditionellen „Closed Innovation“ dar, bei der Innovationsprozesse in abgeschotteten F&E-Abteilungen stattfinden. Stattdessen eröffnet Open Innovation vielfältige neue Möglichkeiten wie Inkubatoren und Spin-offs, Lizenzvergabe, Forschungscluster oder Akquisitionen. Allerdings setzen diese Ansätze voraus, dass Informationsflüsse optimiert werden und effektive Begegnungsräume entstehen. Gelingt dies, dient eine stärkere Innovationsorientierung der organisationalen Resilienz von KMU (Verwertung innovativer Konzepte) und Hochschulen (bedarfsgerechte Forschung).

Große Sprachmodelle (Large Language Models, LLMs) wie GPT können einen entscheidenden Beitrag durch ein automatisiertes Innovationsscouting, die Harmonisierung von Fachsprache und Informationsbedarf, sowie digitale Begegnungsplattformen leisten, um diese Voraussetzungen zu erfüllen. Die Datensouveränität steht hierbei in folgendem Spannungsfeld: Einerseits gilt es, Wissensvorsprünge zu behalten und bspw. gewerbliche Schutzrechte zu ermöglichen, andererseits sollen Potenziale im Be-reich Open Data erschlossen werden. Im Fokus des Forschungsthemas steht die Erprobung bestehender LLMs an Transfer-Use Cases der HTWK Leipzig unter dem Blickwinkel der Datensouveränität. Der Lösungsansatz nutzt die Erfahrungen und Daten von bestehenden Transferprojekten der HTWK Leipzig der Gründungsberatung Startbahn 13 sowie des Mittelstand-Digital-Zentrum Leipzig-Halle.