S-Kurven-Analyse

Die S-Kurven-Analyse beschreibt die Leistungsentwicklung einer Technologie in Abhängigkeit vom kumulierten Entwicklungsaufwand: zäher Beginn, steiler Anstieg, Abflachung an einer natürlichen Grenze. Sie schätzt ab, wie viel Verbesserungspotenzial eine Technologie noch besitzt und wann sich der Sprung auf eine Nachfolgetechnologie lohnt.

Herkunft

Populär wurde die Methode durch Richard N. Foster (Innovation: The Attacker's Advantage, Summit Books, 1986). Foster, damals Direktor bei McKinsey, zeigte an Fallstudien von Segelschiffen bis Halbleitern, dass Technologien wiederkehrend einem S-förmigen Verlauf folgen — und dass etablierte Anbieter den Kurvenwechsel regelmäßig verpassen, während Angreifer unbelastet auf der neuen Kurve beginnen. Der namensgebende Vorteil des Angreifers liegt genau darin, nicht in die alte Kurve investiert zu haben.

Typischer Einsatz

Die S-Kurven-Analyse gehört in die Technologie- und F&E-Planung: bei der Entscheidung, ob weitere Entwicklungsbudgets in eine reife Technologie fließen sollen, bei der Bewertung von Nachfolgetechnologien und beim Timing von Plattformwechseln. Ein typisches Signal für die Reifephase sind sinkende Erträge der Entwicklung — jedes zusätzliche Prozent Leistung kostet überproportional mehr Aufwand, während junge Konkurrenztechnologien mit kleinen Budgets große Sprünge machen.

Vorgehen

Leistungsparameter und Grenze bestimmen
Zunächst wird der Leistungsparameter festgelegt, den Kunden tatsächlich honorieren — Speicherdichte, Wirkungsgrad, Kosten pro Einheit — und die natürliche Grenze abgeschätzt, die Physik, Material oder Ökonomie dieser Technologie setzen.
Position auf der Kurve ermitteln
Historische Leistungsdaten werden gegen den kumulierten Entwicklungsaufwand aufgetragen, nicht gegen die Zeit. Erst dieser Maßstab zeigt, ob die Technologie noch im steilen Teil der Kurve steht oder sich bereits der Grenze nähert.
Nachfolgekurven identifizieren
Gesucht werden Technologien, die denselben Kundennutzen auf einem anderen Wirkprinzip stiften. Ihre Kurven beginnen typischerweise unterhalb der etablierten Leistung, versprechen aber eine höhere Grenze oder eine steilere Verbesserung.
Wechselstrategie ableiten
Aus dem Kurvenvergleich folgt die Allokationsentscheidung: weiter optimieren, parallel entwickeln oder umschichten. Da der Übergang selten abrupt gelingt, ist meist eine Doppelstrategie mit definierten Abbruchkriterien angemessen.

Grenzen und typische Fehler

Die Aussagekraft der Analyse steht und fällt mit den Daten: Kumulierter Entwicklungsaufwand ist mühsam zu rekonstruieren, und die natürliche Grenze einer Technologie lässt sich oft erst rückblickend präzise bestimmen. Der häufigste handwerkliche Fehler ist die Auftragung gegen die Zeit statt gegen den Aufwand — sie verwechselt Investitionszyklen mit technologischer Reife. Ebenso verbreitet ist ein deterministisches Missverständnis: Nicht jede reife Technologie wird abgelöst, und nicht jede junge Kurve hält, was ihre anfängliche Steigung verspricht. Schließlich sagt die S-Kurve nichts darüber, ob Kunden den Leistungszuwachs überhaupt noch aufnehmen können — für diese Frage braucht es die Marktperspektive, nicht die Technologiekurve.

Bezug zum Innovator's Dilemma

Christensens berühmte Grafik im Innovator's Dilemma baut erkennbar auf der S-Kurven-Logik auf: Trajektorien der Leistungsentwicklung treffen auf Korridore der Kundennachfrage. Der entscheidende Unterschied liegt im Mechanismus. Bei Foster gewinnt der Angreifer, weil seine Technologie die bessere Kurve hat; bei Christensen ist Disruption kein reiner Technologiesprung, sondern ein Marktmechanismus — die disruptive Lösung startet auf einer anderen Wertdimension, in Nischen oder bei Nicht-Konsumenten, und die etablierte Organisation scheitert an ihrer eigenen Ressourcenallokation, nicht an der Technik. Die S-Kurven-Analyse liefert deshalb die technologische Hälfte des Bildes; die marktseitige ergänzt die Disruptionsanalyse.