© Institute for Economic Geography & GIScience, Vienna University of Economics and Business...

© Institute for Economic Geography & GIScience, Vienna University of Economics and Business Administration

Innovation, Wissensflüsse und

Netzwerke –

Die Geographie von Wissensnetzen

Europa

Wirtschaftsuniversität WienInstitut für Wirtschaftsgeographie und Geoinformatik

Universität Wien, Ringvorlesung: Vernetztes Europa - Europäische Netzwerke zwischen Zentrum und Peripherie, Teil II, SS 2007

Thomas Scherngell

© Institute for Economic Geography & GIScience, Vienna University of Economics and Business Administration 2

Agenda

Einführung und Kontext

A Der Innovationsprozess

B Unternehmensnetzwerke und Innovation

C Wissensnetze und Wissensdiffusion in europäischen Regionen

D Geographische Distanz als Barriere für Wissensflüsse?

Schlussfolgerungen und Zusammenfassung


Kontext (1)

Entwicklungen, die Volks- und Regionalwirtschaften beeinflussen:

Prozesse der Globalisierung

der Übergang zu einer wissensbasierten Wirtschaft

rasanter technologischer Wandel

→ Neues Wissen ist der zentrale Produktionsfaktor (vgl. unter anderem Krugman (1991))

Damit spielt die Erforschung des Zusammenhangs zwischen neuem Wissen (Wissensproduktion und Wissensflüsse) und ökonomischem Wachstum eine wesentliche Rolle in der Neuen Wirtschaftsgeographie, im Speziellen der neuen Wachstumstheorie.[vgl. Krugman 1991, Romer 1990]


Kontext (2)

Innovationsfähigkeit ist die zentrale Determinante der Wettbewerbsfähigkeit von Unternehmungen sowie von Regional- und Volkswirtschaften.

Aufgrund der Komplexität des Innovationsprozesses sind Innovationen in der Regel keine Eigenleistungen sondern Systemleistungen (vgl., beispielsweise, Edquist 1997).

→ Innovationssystemansatz, Netzwerkansatz


A Der Innovationsprozess

A.1 Zum Innovationsbegriff

A.2 Verschiedene Arten von Innovation

A.3 Modelle zum Innovationsprozess

A.4 Der Innovationssystemansatz


Zum Innovationsbegriff

Prozessbezogene DefinitionInnovation als komplexer sozialer und ökonomischer Prozess

Objektbezogene Definition Endergebnis von Innovationsbemühungen in den Markt eingeführter neuer Produkte oder

Produktionsverfahren Neuartigkeit: neues Wissen


Verschieden Arten von Innovation (1)

InnovationenInnovationen

ProduktinnovationProduktinnovation ProzessinnovationProzessinnovation

GüterGüter DienstleistungenDienstleistungen OrganisatorischOrganisatorischTechnologischTechnologisch


Verschieden Arten von Innovation (2)

Basisinnovationen

Inkrementelle Innovationen

Scheininnovationen

radikale: allgemein anwendbar

industriespezifische


Innovation entsteht aus …

Grundlagenforschung... auf Erweiterung des techn. Wissenspotenzials ausgerichtet;

kein bestimmtes Ziel zur praktischen Verwertbarkeit;hohes Erfolgsrisiko

Angewandter Forschung... auf Anwendung von Ergebnissen der Grundlagenforschung

abzielend; fest umrissenes praktisches Ziel

Entwicklungstätigkeit [Konstruktion und experim. Entwicklung]

... Durchführung von Tests und Versuchen; Entwurf, Bau und Betrieb von Prototypen


Zum Innovationsprozess (1) Das lineare Modell

Grundlagen- &

angewandte Forschung

Grundlagen- &

angewandte Forschung

Produkt- &

Prozess-

entwicklung

Produkt- &

Prozess-

entwicklungProduktionProduktion

Diffusion

und

Marketing

Diffusion

und

Marketing


Zum Innovationsprozess (2)Das interaktive Modell

Nachfrage/

Markt-

potential

Nachfrage/

Markt-

potential

Invention und/oder

analyt. Design

Invention und/oder

analyt. Design

Detailliertes

Design

und Tests

Detailliertes

Design

und Tests

Neudesign

und

Produktion

Neudesign

und

Produktion

Distribution

und Ver-

marktung

Distribution

und Ver-

marktung

F O R S C H U N G

A L L G E M E I N E R W I S S E N S P O O L

Unternehmensspezifische Wissensbasis

adaptiert nach Malecki (1997)


Der Innovationssystemansatz (1)

Ein Innovationssystem besteht aus der Gesamtheit

aller privaten und öffentlichen Institutionen und

Unternehmen, deren Aktivitäten und Interaktionen

auf die Schaffung, Ausbreitung und Anwendung von

Technologien und technologischem Wissen

ausgerichtet sind.

Ausgehend von diesem Verständnis des

Innovationsprozesses kommt man zum

Innovationssystemansatz.



den systemischen Charakter von Innovationen

die Bedeutung von Lernprozessen

die Bedeutung von Wissensflüssen und

die Bedeutung von Netzwerken

Der Innovationssystemansatz betont wichtige Aspekte des Innovationsprozesses:


B Unternehmensnetzwerke und Innovation

B.1 Was ist ein Netzwerk?

B.2 Arten von Netzwerken

B.3 Konzepte zur Erklärung von Netzwerken

B.4 Netzwerke als geeignete Organisationsform zur Realisierung von Innovationen


Was ist ein Netzwerk?

Unternehmensnetzwerke sind unternehmensübergreifende Formen der Zusammenarbeit und Koordination von Unternehmen zur Schaffung von Wettbewerbsvorteilen, wobei

Kooperation unterschiedlich geregelt sein kann, expliziter Vertrag oder implizit

Vernetzung entlang der Wertschöpfungskette [vertikale Netze] oder horizontale Verflechtung [horizontale Netze, z.B. gemeinschaftliche F&E]

kommen mit geringen Bürokratiekosten aus


Nach der Ausbreitung/Tiefe der Verflechtungen vertikal vs. horizontal strategisch vs. operational regional vs. global

Arten von Netzwerken

Nach der ökonomischen Aktivität Zulieferernetzwerke Konsumentennetzwerke Netzwerke zur technologischen Zusammenarbeit Forschungs- und Entwicklungsnetzwerke Produzentennetzwerke


Unternehmen:

eine Organisation, deren äußere Grenze variabel ist

Von zentraler Bedeutung ist dann die Frage, ob es besser ist, zwei aufeinanderfolgende Produktionsschritte im Unternehmen zu integrieren oder zu externalisieren.

Antwort liefert der Transaktionskostenansatz

Unternehmensorganisation als Transaktionsproblem


Der Transaktionskostenansatz …

... unterscheidet folgende Typen von Transaktionen (Williamson 1985):

Unternehmensinterne Transaktionen [=Hierarchie] Markttransaktionen Dreiseitige Kontrolle [Dritte als Vermittler und

Überwacher der Austauschbeziehung] Kooperationen


Transaktionskostenansatz (2)

Welche Organisationsform einer Transaktion gewählt wird, hängt von den Transaktionskosten [Organisations- und Tauschkosten] ab.

Transaktionskosten sind tendenziell umso größer, je größer die damit verbundene Spezifität und Häufigkeit der Transaktion ist.


Netzwerke und Transaktionskosten

Vor dem Hintergrund des Transaktionskostenansatzes wird die Entstehung von Netzwerken durch den Versuch der Einsparung von Transaktionskosten begründet.

Es kommt unter anderem zur Reduzierung von Anpassungs-, Risiko-, Informations-, Kontakt- und Kontrollkosten.

→ Gerade solche Transaktionen werden im Kontext der veränderten Wettbewerbssituation (Internationalisierung, rasanter technologischer Wandel) immer wichtiger!


Netzwerke als geeignete Organisationsform zur Realisierung von Innovationen

Die Vorzüge von Netzwerken im Innovationsprozess beruhen auf

dem wechselseitigen Zugang der Akteure zu relevanten Informationen und Wissen, Synergieeffekten der individuellen Potenziale, also der erhöhten Produktion von Wissen durch

Netzwerkbildung.


Ein Beispiel aus der Praxis: Sun-Microsystems

Die Entwicklung des Mikroprozessors „Sparc“ von Sun- Microsystems in Zusammenarbeit mit Cypress Semiconductor und anderen Firmen stellt ein klassisches Beispiel für Produktentwicklung in einer Netzwerkstruktur dar.

Das Wissen der Mitarbeiter von Sun über Chiparchitektur wurde mit jenem der Mitarbeiter von Cypress über Halbleiter in gemeinsamen Entwicklungsprojekten kombiniert.

Die Unternehmen profitierten vom Zugang sowohl zu dem Fachwissen als auch zu Forschungs- und Produktionsanlagen des jeweils anderen Unternehmens.


C Wissensnetze und Wissensdiffusion in europäischen Regionen

C.1 Die Erfassung von Wissensnetzen durch Wissensflüsse

C.2 Patentzitierungen als Indikator zur Messung von Wissensnetzen

C.3 Die Geographie von Wissensnetzen in Europa


Arten von Wissensflüssen

Pekuniäre Wissensflüsse: Wissensflüsse, die im Zusammenhang mit dem Ankauf von technologieintensiven Zwischenprodukten oder Dienstleistungen entstehen.

Nicht-Pekuniäre Wissensflüsse: Wissen wird über immaterialle Kanäle übertragen, etwa neue Produkt- und Prozessbeschreibungen, Publikationen, Patente, gemeinsame Projekte, …].


Messung von Wissensflüssen

aber

Krugman (1991, S. 53):“Knowledge flows … are invisible, they leave no paper trail by which they may be measured and tracked”

Wissensflüsse hinterlassen manchmal Spuren in Form von Patentzitierungen, d.h. Patentzitierungen können als direkter Indikator für Wissensflüsse herangezogen werden.[vgl. Jaffe, Trajtenberg und Henderson 1993; Fischer Scherngell und Jansenberger 2006]


Was ist ein Patent ?

Ein Patent ist ein temporäres Monopol zur kommerziellen Nutzung einer Invention.

Voraussetzung zur Anmeldung eines Patents:

Die Invention muss neu, nicht-trivial und nützlich sein.

Patentdokumente enthalten detaillierte Informationen über

die Invention selbst [Anmeldedatum, technologische Klasse nach IPC]

den Inventor [geographische Lokalisierung etc.]

die Organisation, die die Patentrechte erworben hat

die technologischen Vorgänger der Invention [Patentzitierungen].


EPO Patent

Invention

technologischeKlassifikation

Inventor

Anmelder

zitiertes Patent

Publikations-nummer

Publikations datum


Einschränkungen von Patentzitierungsdaten

… als Indikator für Wissensflüsse:

Verzerrungen aufgrund von

Typ-1 Fehlern: Auftreten einer Zitierung, aber kein Wissenstransfer

Typ-2 Fehlern: Auftreten eines Wissenstransfers, aber keine Zitierung


International Standard Industrial Classification [ISIC]

ISIC 3522 Pharmazeutische Industrie

ISIC 3825 Computer und Büromaschinen

ISIC 3832 Elektronik/Kommunikation

ISIC 3845 Luft- und Raumfahrt

Die Abgrenzung von High-Tech basiert nach der OECD auf direkten und indirekten R&D Investitionen [Hatzichronoglou 1997].

Anmerkung: Die Zuordnung zwischen Internationalen Patentklassen [IPC] und ISIC-Klassen folgt der MERIT-Konkordanztabelle [Verspagen, Moergastel and Slabbers 1994].

High-Tech Industrien


Geographie

188 Nuts-Regionen der EU-25 [ohne Zypern und Malta] plus Bulgarien, Rumänien, Norwegen und Schweiz

Quelle: Macon AG (Geodata)


Deskription derPatentdaten

Datenquelle: European Patent Office [EPO]; alle High-Tech Patente, die am EPO von im Untersuchungsgebiet angesiedelten Anmeldern zwischen 1985 und 2002angemeldet wurden

Sample: 177,424 Patente177,424 Patente, die , die 210,667 Zitierungen 210,667 Zitierungen [[101,247 zitierende Patente101,247 zitierende Patente] generieren ] generieren

bereinigtes Sample: 98,191 Zitierungen98,191 Zitierungen, generiert durch , generiert durch 36,460 zitierende 36,460 zitierende und und 26,511 zitierte Patente26,511 zitierte Patente

Zuordnung jedes zitierten und zitierenden Patents zu den Regionen Zuordnung jedes zitierten und zitierenden Patents zu den Regionen des Untersuchungsgebiets des Untersuchungsgebiets

→ Regionale Zitierungsmatrix (cij ): 35,344 Elemente [188x188 Regionen]


Die regionale Zitierungsmatrix (cij )

AT11 AT12 AT21 AT22 AT31 . . . UKM1 UKM2 UKM3 UKM4 UKN0 Summe

AT11 0 0 0 0 0 . . . 0 0 0 0 0 4

AT12 0 92 3 1 7 . . . 1 3 4 0 0 668

AT21 0 1 3 1 0 . . . 0 0 0 0 0 29

AT22 1 5 0 8 0 . . . 0 0 0 0 0 82

AT31 0 7 0 0 16 . . . 0 0 0 0 0 123

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

UKM1 0 0 0 0 0 . . . 3 1 1 0 0 39

UKM2 0 3 0 0 1 . . . 1 31 1 0 0 231

UKM3 0 0 0 0 0 . . . 1 5 11 0 2 175

UKM4 0 0 0 0 0 . . . 0 0 0 0 0 7

UKN0 0 0 0 0 0 . . . 0 1 0 0 2 60

Summe 11 694 95 95 150 . . . 60 289 154 10 32 98,191

35,344 Beobachtungen

Zeilen: Produzenten der Wissensflüsse (= Empfänger von Zitierungen)Spalten: Empfänger der Wissensflüsse (= Produzenten der Zitierungen)


Deskriptive Statistik Die regionale Zitierungsmatrix

Patentzitierungen

Elemente der regionalen

ZitierungsmatrixAnzahl Mittel

Standard- abweichung

Min. Max.

alle Elemente 35,344 98,191 2.77 16.23 0 1,408

intraregionale Links 188 11,371 60.48 152.05 0 1,408

interregionale Links 35,156 86,820 2.46 11.14 0 351

positive interregionale Links 11,468 86,820 7.57 18.49 1 351

nationale interregionale Links

3,952 25,341 6.41 20.02 0 351

internationale interregionale Links 31,204 61,479 1.97 9.31 0 290

Quelle: eigene Berechnungen, EPO


Dynamik von Patentzitierungen

0

0.5

1

1.5

2

2.5

1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002

Anmeldejahr

Mit

tler

e g

emac

hte

Zit

ieru

ng

en p

ro P

aten

t

Pharmazeutik

Computer & Büromaschinen

Elektronik & Kommunikation

Luft- und Raumfahrt


High-Tech Patentzitierungsintensität in europäischen Regionen

Quelle: eigene Berechnungen, EPO, Macon AG (Geodata)

Erhaltene Zitierungen nach Regionen(wissensgenerierend)

Gemachte Zitierungen nach Regionen(wissensabsorbierend)


Wissensnetze in der europäischen High-Tech Industrie

Zitierungen gesamt: 98,191

6,000 Zitierungen erhalten3,000 Zitierungen erhalten

Quelle: eigene Darstellung, Macon AG (Geodata)


Intrasektorale Wissensnetzein der Pharmazeutik





Intrasektorale Wissensnetzein der Elektronischen Industrie





Intrasektorale Wissensnetzebei Computer und Büromaschinen


1,000 Zitierungen erhalten 500 Zitierungen erhalten



Intrasektorale Wissensnetzein der Luft- und Raumfahrt

Zitierungen gesamt: 591

200 Zitierungen erhalten100 Zitierungen erhalten



Pharmazeutik

Elektronische Industrie

Luft- und Raumfahrt

Computer undBüromaschinen

Intrasektorale Wissensnetzeim Überblick


D Geographische Distanz als Barriere für Wissensflüsse?

D.1 Das Modell interregionaler Wissensnetze

D.2 Der Einfluss spezifischer Raumseparationsvariablen auf interregionale Wissensnetze


(1)

(2)

Wissensflüsse von nach

Anzahl an Patenten (1985-97) in der zitierten Region

Anzahl an Patenten (1990-2002) in der zitierenden Region

geographische Distanz von nach

Grenzeffekte

ij

i

j

ij

ij

i

C i j

a i

b j

d i j

d

d (3)

(4)

Sprachbarrieren

technologische Distanz zwischen und

j

ijd i j

1 2 ( )

1

expK

kij i j k ij ij

k

C a b d

Das räumliche Interaktionsmodell Interregionaler Wissensnetze - Spezifikation


Poisson Modell Spezifikation

mit

1 2

, ,

exp log ( , ) log ( , ) log ( , )

ij i j ij

i j ij

i j ij

E c A B F

A a B b F d

A B F

exp, ,

!

ijcij ij

ij ij i j ijij

f C c A B Fc

(1) ( )

1( , ..., ); ( , ..., )K

ij ij ij Kd d d und


Eine Charakteristik des Poisson Modells

, , , ,ij i j ij ij i j ij ijV c A B F E c A B F


Eine Erweiterung des Poisson Modells

mit

*Poisson ( )ij ijc

*1 2

1 2

exp log ( , ) log ( , ) log ,

exp log ( , ) log ( , ) log , exp( )

ij i j ij ij

i j ij ij

A a B b F d

A a B b F d


Das Negativ-Binomial Modell Interregionaler Patentzitierungen

mit

(.) 0 die gamma Funktion ist, der Dispersionsparameter

11 1

1 1 1

, , ,

( )

( 1) ( )

ij

ij ij i j ij

c

ij ij

ij ij ij

f C c A B F

c

c

* *

* *

( ) ( | ) ( | )

( ) ( ) (1 )

ij ij ij ij ij

ij ij ij ij

V c E V c V E c

E V

wobei


Schätzergebnisse [N=35,156 Observationen]

VariablePoissonModell

Negativ-BinomialModell

Log-Likelihood{Korr (cij , prognostiziert cij )}

2

Wald Chi-Square (6)

-51,801.1 0.686307,522.8

-37,235.0 0.783 30,552.1

Quellvariable [1]

Zielvariable [2]

Geographische Distanz [ß1]

Grenzeffekte [ß2]

Sprachbarrieren [ß3]

Technologische Distanz [ß4]

Konstante

Dispersionsparameter ( )

0.833(0.000)

0.858(0.000)

-0.270(0.000)-0.050(0.000)-0.238(0.000)-0.928

(0.000) -10.278(0.000)

–

0.915(0.000)

0.885(0.000)

-0.321(0.000)

-0.533(0.000)

-0.031(0.000)

-1.219(0.000) -10.881(0.000)0.725

(0.000)


Sektorale räumliche Interaktionsmodelle

Negativ-Binomial Spezifikation

High-Tech Gesamt

Pharma-zeutische Industrie

Elektronik und

Kommunikation

Computer und Büro-maschinen

Luft- und Raumfahrt

Log-Likelihood{Korr (cij, prognostiziert. cij)}

2

Wald Statistik

-37.235,050,783

30.552,12

-23.031,880,753

17.703,56

-15.554,230,727

12.569,15

-6.930,870,682

5.688,69

-1.394,050,642

591,75

Quellvariable [1] 0,915***

(0,006) 0,865***

(0,010) 1,003***

(0,013) 0,911***

(0,018) 0,787***

(0,054)

Zielvariable [2] 0,885***

(0,006) 0,855***

(0,009) 0,948***

(0,012) 0,850***

(0,018) 0,744***

(0,053)

Geographische Distanz [ß1] -0,321***

(0,014) -0,630***

(0,014) -0,106***

(0,025) -0,555***

(0,039) -0,230***

(0,121)

Ländergrenzen [ß2] -0,533***

(0,046) -0,736***

(0,067) -0,703***

(0,088) -0,533***

(0,046) -1,034***

(0,411)

Sprachraumbarrieren [ß3] -0,031***

(0,043) -0,188***

(0,064) -0,223***

(0,084) -0,214***

(0,114) -0,035***

(0,399)

Technologische Distanz [ß4]-1,219***

(0,130) -2,307***

(0,207) -1,481***

(0,247) -3,931***

(0,412) -7,029***

(1,706)

Konstante -9,097***

(0,167) -6,223***

(0,263) -14,552***

(0,218) -11,566***

(0,320) -13,471***

(0,961)

Dispersionsparameter [ ]0,725

(0,014)0,484

(0,024)0,492

(0,030)0,554

(0,059)2,929

(0,139)


Schlussfolgerungen aus den Modellschätzungen

Wissensnetze zwischen europäischen Regionen in der High-Tech Industrie

werden durch geographische Distanz eingeschränkt [es besteht ein

signifikanter Lokalisierungseffekt, ß1 = -0.321].

Grenzeffekte limitieren Wissensflüsse in der High-Tech Industrie

[ ß2 = -0.533]. Dies weist auf die nationale Maßstabsebene von räumlichen

Innovationssystemen hin.

Wissensflüsse in der High-Tech Industrie werden durch technologische

Distanz [ ß4 = -1.219] limitiert und tendieren dazu bestimmten

technologischen Trajektorien zu folgen.

Es bestehen beträchtliche sektorale Unterschiede. Der negative Effekt der

geographischen Distanz ist in der elektronischen Industrie am geringsten.


Zusammenfassende Bemerkungen

Innovationsfähigkeit ist eine der zentralen Determinanten

unternehmerischer Wettbewerbsfähigkeit in einer globalisierten Ökonomie.

Netzwerke sind eine geeignete Organisationsform zur Realisierung von

Innovationen (Produkt-, Prozess-, Organisationsinnovationen).

Die Anzahl an Innovationsnetzwerken in der europäischen High-Tech

Industrie hat in den letzten Jahren zugenommen, insbesondere im Bereich

der elektronischen und der chemischen Industrie. Europäische

Innovationsnetzwerke sind geographisch und sektoral ungleich verteilt.

Innovationsnetzwerke zwischen europäischen Regionen in der High-Tech

Industrie sind räumlich lokalisiert, wobei Nationalstaatsgrenzen und

geographische Distanz signifikante Determinanten der Lokalisierung sind.


Literatur Innovation/Technologischer Wandel

OECD (1996): The Knowledge-Based Economy. Paris, OECD

Edquist, C. (1997) (ed.): Systems of Innovation: Technologies, Institutions and Organisations. London, Pinter

Fischer, M.M. (2001): Innovation, knowledge creation and systems of innovation, The Annals of Regional Science 35, 199-216


Literatur Innovationsnetzwerke

DeBresson, C. und Amesse, F. (1991): Networks of innovators: A review and introduction to the issue. Research Policy 20, pp. 363-379

Simmie, J. (1999) (ed.): Innovation, Networks and Learning Regions? London, Taylor and Francis

Fischer M.M. (2003): The new economy and networking. In Jones D.C. (ed.): New Economy Handbook, pp. 343-367. Academic Press, San Diego [CA]


Literatur Wissensnetze in Europa

Fischer, M.M., Scherngell, T. und Jansenberger, E.M. (2006): The geography of knowledge spillovers between high-technology firms in Europe. Evidence from a spatial interaction modelling perspective, Geographical Analysis 38(3), 287-308

Fischer, M.M., Scherngell, T. und Jansenberger, E.M. (2007): Patents, patent citations and the geography of knowledge spillovers in Europe, In Karlsson, C., Andersson, A.E., Cheshire, P. and Stough, R.R. (eds.): Innovation, Dynamic Regions and Regional Dynamics, Springer, Berlin, Heidelberg and New York [in press]

Scherngell, T. (2007): Interregionale Wissensspillovers zwischen europäischen Regionen – Eine empirische Analyse am Beispiel der High-Tech Industrie. Wiesbaden, Deutscher Universitätsverlag [in press]

© Institute for Economic Geography & GIScience, Vienna University of Economics and Business...

Documents

Transcript of © Institute for Economic Geography & GIScience, Vienna University of Economics and Business...