Machine-Learning-basierte Erkennung von organisatorischen Strukturen in Startups

Startups werden oft fälschlicherweise in der gesellschaftlichen Wahrnehmung durch fehlende Strukturen und eine fehlende Organisation stilisiert – nicht umsonst gibt es etwa den Mythos von zusammengewürfelten Teams, die in einer Garage das nächste Unicorn entwickeln.
Neuere Erkenntnisse aus der Wissenschaft und Praxis stehen dem jedoch entgegen. Junge Unternehmen müssen sich bereits von Beginn an mit einer Vielzahl organisatorischer Fragen beschäftigen, beispielsweise damit, wann sie eine Marketingfunktion aufbauen und wie diese strukturiert sein soll.

Aus diesem Grund beschäftigt sich das Forschungsvorhaben mit dieser und ähnlichen Fragestellungen. Das Projekt nutzt Machine Learning, um aus öffentlich zugänglichen Texten Informationen über interne Strukturen zu ermitteln und so die Organisationsstruktur eines Unternehmens abzubilden. Auf diese Weise kann die Entwicklung eines Unternehmens über Zeit beobachtet werden. Zusätzlich werden weitere Informationsquellen genutzt, um zu untersuchen, wie sich Organisationsstrukturen auf die Erreichung von Meilensteinen auswirken (wie etwa den Erhalt von Venture Capital Funding). Das Projekt trägt damit zur Erkennung von Best Practices für den organisatorischen Aufbau von Startups bei.