studie_5_langversion (3)

Prévia do material em texto

Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
121 
Abbildung 46: Abtretung des Eigentums am Wissen und Technologien in der Hälfte der Fälle oder 
häufiger nach Empfängern und Organisationstypen, Grösse in Beschäftigten, Grösse in Wissen-
schaftlern und Fachgebiet, 2015–17 
 
Quelle: FHNW-Wissenschaftserhebung (2018). 
 
Abbildung 47: Anteil der Institute, die das Eigentum am Wissen und Technologien in der Hälfte der 
Fälle oder häufiger abtreten nach Empfängern und Partnern im Wissensaustausch, 2015–17 
 
Quelle: FHNW-Wissenschaftserhebung (2018). 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
122 
 
4.2.4 Unterstützung durch intermediäre Organisationen 
Der Wissens- und Technologietransfer wird schweizweit durch eine Vielzahl von intermediären Or-
ganisationen (IO) unterstützt, die im Auftrag von Bund, Kantonen, Gemeinden, Hochschulen und 
Forschungsorganisationen, Wirtschaftsverbänden, Branchenverbänden, Banken oder anderen Or-
ganisationen aktiv werden. Abstrahierend von der einzelnen Organisation wird nachfolgend ein 
Überblick darüber gegeben, a) welche Organisationstypen in den Instituten bekannt sind, b) wie ihre 
Bedeutung eingeschätzt wird, und c) welche Eigenschaften die als bedeutend eingestuften Organi-
sationen aufweisen. 
a) Verfügbarkeit. Die öffentliche Innovationsförderung steht grundsätzlich allen zur Verfügung – ex-
plizit sehen dies auch knapp zwei Drittel der Befragten so. Immerhin noch von etwas mehr als der 
Hälfte der Institute gibt an, dass die für die Organisation zuständige WTT-Stelle zu ihrer Verfügung 
steht. Alle anderen Organisationstypen sind jeweils bei deutlich weniger Instituten in der Wahrneh-
mung präsent (Abbildung 48). Circa 12% der Befragten oder 105 Institute geben an, dass ihnen 
keine der aufgelisteten Organisationen zur Verfügung stand. In den offenen Antworten wurde dabei 
deutlich, dass die Befragten sich i.d.R. bislang nicht mit dem Wissensaustausch bzw. solchen Orga-
nisationen befasst und deshalb keinen Bedarf für Unterstützung hatten. 
 
Abbildung 48: Angaben der Institute zu den zur Verfügung stehenden intermediären Organisationen 
2015–17 
 
Quelle: FHNW-Wissenschaftserhebung (2018). 
 
b) Bedeutung. Zusätzlich zur Verfügbarkeit wurde auch die Bedeutung eines jeden Organisations-
typs für den Wissensaustausch und die Zusammenarbeit mit Unternehmen erfragt (Abbildung 49). 
Damit kann die Intensität der Nutzung und die Wirkung der IO auf den Wissensaustausch approxi-
miert werden. Die mit Abstand grösste Bedeutung für den Wissensaustausch wird den Einrichtungen 
der öffentlichen Innovationsförderung zugewiesen: ca. 40% der Institute stufen diese als bedeutend 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
123 
oder sehr bedeutend ein. Wissens- und Technologietransferstellen werden von rund einem Viertel 
der Institute als bedeutend bezeichnet. Für alle weiteren erfragten Organisationstypen sind die Un-
terschiede gering und jeweils 80% der Institute oder mehr geben ihnen keine oder nur sehr geringe 
Bedeutung und weniger als 10% geben ihnen grosse oder sehr grosse Bedeutung. Die Breitenwir-
kung der intermediären Organisationen ist damit mit Ausnahme der Innovationsförderung und punk-
tuell der WTT-Stellen recht gering. 
Abbildung 49: Bedeutung der zur Verfügung stehenden intermediären Organisationen für den Wis-
sensaustausch der Institute, 2015–17 
 
Quelle: FHNW-Wissenschaftserhebung (2018). 
 
Unterscheidet man im nächsten Schritt die Institute wiederum nach ihrem Organisationstyp, dem 
Fachgebiet und der Grösse (gemessen in Beschäftigten und in Wissenschaftlern), so ergeben sich 
einige signifikante Unterschiede in der Bedeutung der intermediären Organisationen (Abbildung 50): 
• Organisationstyp. Insbesondere die ETH-Einrichtungen und die Fachhochschulen weisen 
spezifische Muster auf: im ETH-Sektor stufen immerhin 45% der Institute die öffentliche Inno-
vationsförderung als bedeutend oder sehr bedeutend ein und 31% äussern dies im Hinblick 
auf die WTT-Stellen. In den FH geben sogar mehr als drei Viertel aller Institute der Innovati-
onsförderung eine grosse oder sehr grosse Bedeutung. Immerhin je 22% der FH-Institute und 
damit prozentual deutlich mehr als in den anderen Organisationstypen bewerten auch koope-
rative Forschungsinstitute und Kompetenzzentren und thematische Netzwerke und Clusteror-
ganisationen als bedeutend. Bei den Universitätsinstituten fällt auf, dass sie praktisch allen IO 
seltener Bedeutung zuordnen, als Institute der anderen Organisationstypen. 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
124 
• Fachgebiet. Ein grösserer Anteil der Institute in den Ingenieurwissenschaften gibt jeweils den 
IO Bedeutung für ihren Wissensaustausch, als in den anderen Fachgebieten. Dies reflektiert 
ohne Zweifel die grössere Beteiligung der Ingenieurinstitute am WTT bzw. im Umkehrschluss 
die geringere Beteiligung der anderen Fachgebiete. Auch die Institute der Medizin und Agrar-
wissenschaften geben den WTT-Stellen überdurchschnittlich häufig hohe Bedeutung. Für 
wirtschafts- und sozialwissenschaftliche Institute scheinen kooperative Forschungsinstitute 
und Kompetenzzentren ein leicht stärkeres Gewicht zu haben. 
• Grösse. Grössere Institute geben jeweils allen IO häufiger eine grosse oder sehr grosse Be-
deutung, als kleinere Institute. Auch dies spiegelt wiederum die mit der Grösse zunehmende 
Beteiligung am Wissensaustausch wider. 
Abbildung 50: Anteil der als bedeutend oder sehr bedeutend bewerteten intermediären Organisatio-
nen für den Wissensaustausch der Institute nach Organisationstyp, Fachgebiet und Grösse 
 
Quelle: FHNW-Wissenschaftserhebung (2018). 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
125 
Die Bedeutung intermediärer Organisationen korreliert teilweise mit der Nutzung und Bedeutung von 
Wissenstransfermechanismen. Von den Unternehmen, die der öffentlichen Innovationsförderung 
keine oder eine geringe Bedeutung geben, sagen nur 38%, dass Forschungskooperationen mit Un-
ternehmen eine sehr grosse/grosse Bedeutung haben. Wenn die öffentliche Innovationsförderung 
mittlere Bedeutung hat, dann geben 44% Forschungskooperationen mit Unternehmen eine sehr 
grosse/grosse Bedeutung, und wenn sie hohe Bedeutung hat, dann sind dies 73% (vgl. Abbildung 
51, links, Indikator 1). Ähnlich sieht es auch für die anderen forschungsnahen und informellen Trans-
fermechanismen aus: ihre Bedeutung korreliert jeweils mit der Bedeutung der Innovationsförderung 
von Bund, Kantonen und Gemeinden. Auch für Thematische Netzwerke und Clusterorganisationen 
zeigen sich positive Zusammenhänge zur Bedeutung der hier untersuchten informellen und for-
schungsbasierten Transfermechanismen (Abbildung 51, rechts, Indikatoren 1–8). 
 
Abbildung 51: Bedeutung von Wissenstransfermechanismen nach der Bedeutung von ausgewählten 
intermediären Organisationen der Innovationsunterstützung (% der Institute, für die der Transferme-
chanismus bedeutend ist) 
 
Lesehilfe: Von den Instituten, die der öffentlichen Innovationsförderung keine oder eine geringe Bedeutung geben, 
sagen 38%, dass Forschungskooperationen mit Unternehmen eine sehr grosse/grosse Bedeutung haben. Wenn die 
öffentliche Innovationsförderung mittlere Bedeutung hat, dann geben 44% Forschungskooperationen mit Unterneh-
men eine sehr grosse/grosse Bedeutung, und wenn sie hohe Bedeutung hat, dann sind dies 73%. 
Quelle: FHNW-Wissenschaftserhebung (2018). 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
126 
Zwischen den lehrbasierten Transfermechanismen, hier wurden die Anzahl von Bachelor- und Mas-
terarbeiten mit Unternehmen, die Anzahl Dissertationen mit Unternehmen und die Weiterbildungsab-
schlüsse untersucht, und der Bedeutung von IO gibt es keine klaren Zusammenhänge (Abbildung 
52,Group Publishing 
Limited. 
Friedman, J., & Silberman, J. (2003). University Technology Transfer: Do Incentives, Management, 
and Location Matter? The Journal of Technology Transfer, 28(1), 17–30. 
Galán‐Muros, V., & Plewa, C. (2016). What drives and inhibits university‐business cooperation in 
Europe? A comprehensive assessement. R&D Management, 46(2), 369–382. 
Gantenbein, P., Herold, N., & Zaby, S. (2011). Die KTI-Start-up-Förderung für innovative Schweizer 
Jungunternehmen - Ein empirischer Vergleich gelabelter und nichtgelabelter Unternehmen. 
Basel. Retrieved from http://wwz.unibas.ch/fileadmin/wwz/redaktion/ 
fmgt/Publikationen/Studie_WWZ_KTI_Feb2011.pdf 
Geuna, A., & Rossi, F. (2011). Changes to university IPR regulations in Europe and the impact on 
academic patenting. Research Policy, 40(8), 1068–1076. 
Goldfarb, B., & Henrekson, M. (2003). Bottom-up versus top-down policies towards the 
commercialization of university intellectual property. Research Policy, 32(4), 639–658. 
Golish, B. L., Besterfield-Sacre, M. E., & Shuman, L. J. (2007). Comparing Academic and Corporate 
Technology Development Processes. Journal of Product Innovation Management, 25(1), 47–
62. 
González-Pernía, J. L., Kuechle, G., & Peña-Legazkue, I. (2013). An Assessment of the 
Determinants of University Technology Transfer. Economic Development Quarterly, 27(1), 6–
17. 
Guerrero, M., & Urbano, D. (2012). The development of an entrepreneurial university. The Journal of 
Technology Transfer, 37(1), 43–74. 
Gulbranson, C. A., & Audretsch, D. B. (2008). Proof of concept centers: accelerating the 
commercialization of university innovation. The Journal of Technology Transfer, 33(3), 249–
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
155 
258. 
Gümüsay, A. A., & Bohné, T. M. (2018). Individual and organizational inhibitors to the development 
of entrepreneurial competencies in universities. Research Policy, 47(2), 363–378. 
Haeussler, C., & Colyvas, J. A. (2011). Breaking the Ivory Tower: Academic Entrepreneurship in the 
Life Sciences in UK and Germany. Research Policy, 40(1), 41–54. 
Hayter, C. S., & Link, A. N. (2015). On the economic impact of university proof of concept centers. 
The Journal of Technology Transfer, 40(1), 178–183. 
Henderson, R. M., & Clark, K. B. (1990). Architectural Innovation: The Reconfiguration of Existing 
Product Technologies and the Failure of Established Firms. Administrative Science Quarterly, 
35(1), 9–30. 
Hotz-Hart, B., & Rohner, A. (2014). Nationen im Innovationswettlauf: Ökonomie und Politik der 
Innovation. Wiesbaden: Springer Gabler. 
Hughes, A., & Kitson, M. (2012). Pathways to impact and the strategic role of universities: New 
evidence on the breadth and depth of university knowledge exchange in the UK and the factors 
constraining its development. Cambridge Journal of Economics, 36(3), 723–750. 
Hunter, E. M., Perry, S. J., & Currall, S. C. (2011). Inside multi-disciplinary science and engineering 
research centers: The impact of organizational climate on invention disclosures and patents. 
Research Policy, 40(9), 1226–1239. 
Huyghe, A., & Knockaert, M. (2015). The influence of organizational culture and climate on 
entrepreneurial intentions among research scientists. Journal of Technology Transfer, 40(1), 
138–160. 
Joly, P. B., & Mangematin, V. (1996). Profile of laboratories, industrial partnerships and organization 
of R&D: the dynamics of relations with industry in a large research organization. Research 
Policy, 25(6), 901–922. 
Kaiser, R. (2008). Innovationspolitik: staatliche Steuerungskapazitäten beim Aufbau 
wissensbasierter Industrien im internationalen Vergleich. Baden-Baden: Nomos. 
Kägi, W., Oswald, A., Suri, M., Kaufmann, P., & Nindl, E. (2019). CTI Entrepreneurship: 
Wirkungsanalyse und Evaluation. Retrieved from 
https://www.innosuisse.ch/inno/de/home/resultateundwirkung/wirkungsanalysen-und-
evaluationen/wirkung-der-innovationsfoerderung.html 
Kaiser, N., Odermatt, B., Bade, S., Haering, B., & Koch, P. (2019). Wirkungsanalyse CTI Start-up 
Coaching. Retrieved from 
https://www.innosuisse.ch/inno/de/home/resultateundwirkung/wirkungsanalysen-und-
evaluationen/wirkung-der-innovationsfoerderung.html 
Kelley, T., & Littman, J. (2001). The art of innovation: lessons in creativity from IDEO, America’s 
leading design firm. New York, NY: Doubleday. 
Kenney, M., & Goe, R. W. (2004). The role of social embeddedness in professorial 
entrepreneurship: a comparison of electrical engineering and computer science at UC Berkeley 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
156 
and Stanford. Research Policy, 33(5), 691–707. 
Kenney, M., & Patton, D. (2011). Does inventor ownership encourage university research-derived 
entrepreneurship? A six university comparison. Research Policy, 40(8), 1100–1112. 
Kochenkova, A., Grimaldi, R., & Munari, F. (2016). Public policy measures in support of knowledge 
transfer activities: a review of academic literature. The Journal of Technology Transfer, 41(3), 
407–429. 
Lach, S., & Schankerman, M. (2004). Royalty Sharing and Technology Licensing in Universities. 
Journal of the European Economic Association, 2(2–3), 252–264. 
Lach, S., & Schankerman, M. (2008). Incentives and invention in universities. The RAND Journal of 
Economics, 39(2), 403–433. 
Langley, A. (1999). Strategies for theorizing from process data. Academy of Management Review, 
24(4), 691–710. 
Langley, A., & Truax, J. (1994). A process study of new technology adoption in smaller 
manufacturing firms. Journal of Management Studies, 31(5), 619–652. 
Leonard-Barton, D. (1990). A dual methodology for case studies. Synergistic use of a longitudinal 
single site with replicated multiple sites. Organization Science, 1(3), 248–266. 
Lerner, J. (1999). The Government as Venture Capitalist: The Long&Run Impact of the SBIR 
Program. The Journal of Business, 72(3), 285–318. 
Lindqvist, G., Ketels, C., & Sölvell, Ö. (2003). The Cluster Initiative Greenbook. Ivory Tower AB. 
Retrieved from http://www.cluster-research.org/greenbook.htm 
Lindqvist, G., Ketels, C., & Sölvell, Ö. (2013). The Cluster Initiative Greenbook 2.0. Ivory Tower AB. 
Retrieved from http://www.cluster-research.org/greenbook.htm 
Link, A. N., & Scott, J. T. (2003). U.S. science parks: the diffusion of an innovation and its effects on 
the academic missions of universities. International Journal of Industrial Organization, 21(9), 
1323–1356. 
Lissoni, F., Llerena, P., McKelvey, M., & Sanditov, B. (2008). Academic patenting in Europe: new 
evidence from the KEINS database. Research Evaluation, 17, 87–102. 
Löfsten, H., & Lindelöf, P. (2002). Science Parks and the growth of new technology-based firms—
academic-industry links, innovation and markets. Research Policy, 31(6), 859–876. 
Markman, G. D., Gianiodis, P. T., & Phan, P. H. (2009). Supply-Side Innovation and Technology 
Commercialization. Journal of Management Studies, 46(4), 625–649. 
Mayring, P. (2015). Qualitative Inhaltsanalyse: Grundlagen und Techniken. (12th ed.). Weinheim: 
Beltz. 
Miles, M.B., Huberman, A. M., & Saldana, J. (2014). Qualitative Data Analysis: A Methods 
Sourcebook. SAGE Publications. 
Minguillo, D., & Thelwall, M. (2015). Which are the best innovation support infrastructures for 
universities? Evidence from R&D output and commercial activities. Scientometrics, 102(1), 
1057–1081. 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
157 
Minguillo, D., Tijssen, R., & Thelwall, M. (2015). Do science parks promote research and 
technology? A scientometric analysis of the UK. Scientometrics, 102(1), 701–725. 
Mowery, D. C., & Sampat, B. N. (2005). The Bayh-Dole Act of 1980 and University–Industry 
Technology Transfer: A Model for Other OECD Governments? The Journal of Technology 
Transfer, 30(1), 115–127. 
Muscio,A., Quaglione, D., & Ramaciotti, L. (2016). The effects of university rules on spinoff creation: 
The case of academia in Italy. Research Policy, 45(7), 1386–1396. 
Muscio, A., & Vallanti, G. (2014). Perceived Obstacles to University–Industry Collaboration: Results 
from a Qualitative Survey of Italian Academic Departments. Industry and Innovation, 21(5), 
410–429. 
Nelson, A. J. (2014). From the ivory tower to the startup garage: Organizational context and 
commercialization processes. Research Policy, 43(7), 1144–1156. 
OECD. (2015). Frascati Manual 2015: Guidelines for Collecting and Reporting Data on Research 
and Experimental Development, The Measurement of Scientific, Technological and Innovation 
Activities. Paris: OECD Publishing. 
OECD. (2016). OECD Science, Technology and Innovation Outlook 2016. Paris: OECD Publishing. 
Owen-Smith, J., & Powell, W. W. (2001). To Patent or Not: Faculty Decisions and Institutional 
Success at Technology Transfer. The Journal of Technology Transfer, 26(1/2), 99–114. 
Perkmann, M., Tartari, V., McKelvey, M., Autio, E., Broström, A., D’Este, P., … Sobrero, M. (2013). 
Academic engagement and commercialisation: A review of the literature on university–industry 
relations. Research Policy, 42(2), 423–442. 
Phan, P. H., & Siegel, D. S. (2006). The Effectiveness of University Technology Transfer. 
Foundations and Trends in Entrepreneurship, 2(2), 77–144. 
Phan, P. H., Siegel, D. S., & Wright, M. (2005). Science parks and incubators: observations, 
synthesis and future research. Journal of Business Venturing, 20(2), 165–182. 
Porter, M. E. (2008). Clusters and competition: New agendas for companies, governments, and 
institutions. In M. E. Porter (Ed.) (2nd ed., pp. 213–304). Boston, Mass.: Harvard Business 
Review Books. 
Powell, W. W., Koput, K. W., & Smith-Doerr, L. (1996). Inter-Organizational collaboration and the 
locus of innovation: Networks of learning in biotechnology. Administrative Science Quarterly, 
41, 116–145. 
Ramos-Vielba, I., Sánchez-Barrioluengo, M., & Woolley, R. (2016). Scientific research groups’ 
cooperation with firms and government agencies: motivations and barriers. The Journal of 
Technology Transfer, 41(3), 558–585. 
Rasmussen, E. (2008). Government instruments to support the commercialization of university 
research: Lessons from Canada. Technovation, 28(8), 506–517. 
Rasmussen, E., & Sørheim, R. (2012). How governments seek to bridge the financing gap for 
university spin-offs: proof-of-concept, pre-seed, and seed funding. Technology Analysis & 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
158 
Strategic Management, 24(7), 663–678. 
Schartinger, D., Schibany, A., & Gassler, H. (2001). Interactive Relations Between Universities and 
Firms: Empirical Evidence for Austria. Journal of Technology Transfer, 26, 255–268. 
Schoen, A., van Pottelsberghe de la Potterie, B., & Henkel, J. (2014). Governance typology of 
universities’ technology transfer processes. The Journal of Technology Transfer, 39(3), 435–
453. 
Schwartz, M., & Hornych, C. (2008). Specialization as strategy for business incubators: An 
assessment of the Central German Multimedia Center. Technovation, 28(7), 436–449. 
Schwenkel, C., Ramsden, A., & Duarte, M. (2019). Innovationsprojekte der Innosuisse: Gründe für 
die Entwicklung von Gesucheingängen und Beurteilung von Abläufen. Retrieved from 
https://www.innosuisse.ch/inno/de/home/resultateundwirkung/wirkungsanalysen-und-
evaluationen/studie-gesuchseingang.html 
Siegel, D. S., Waldman, D. A., & Link, A. (2003). Assessing the impact of organizational practices on 
the relative productivity of university technology transfer offices: an exploratory study. Research 
Policy, 32(1), 27–48. 
Siegel, D. S., Westhead, P., & Wright, M. (2003a). Assessing the impact of university science parks 
on research productivity: exploratory firm-level evidence from the United Kingdom. International 
Journal of Industrial Organization, 21(9), 1357–1369. 
Siegel, D. S., Westhead, P., & Wright, M. (2003b). Science Parks and the Performance of New 
Technology-Based Firms: A Review of Recent U.K. Evidence and an Agenda for Future 
Research. Small Business Economics, 20(2), 177–184. 
Stokar, T. von, Trageser, J., Zandonella, R., Angst, V., Arvanitis, S., & Spescha, A. (2019). 
Wirkungsanalyse der F&E-Projektförderung – Phase II . Retrieved from 
https://www.innosuisse.ch/inno/de/home/resultateundwirkung/wirkungsanalysen-und-
evaluationen/wirkung-der-innovationsfoerderung.html 
Stuart, T. E., & Ding, W. W. (2006). When do scientists become entrepreneurs? The social structural 
antecedents of commercial activity in the academic life sciences. American Journal of 
Sociology, 112(1), 97–144. 
Tartari, V., Perkmann, M., & Salter, A. (2014). In good company: The influence of peers on industry 
engagement by academic scientists. Research Policy, 43(7), 1189–1203. 
Toole, A. A., & Czarnitzki, D. (2007). Biomedical academic entrepreneurship through the SBIR 
program. Journal of Economic Behavior & Organization, 63(4), 716–738. 
Toole, A. A., & Turvey, C. (2009). How does initial public financing influence private incentives for 
follow-on investment in early-stage technologies? The Journal of Technology Transfer, 34(1), 
43–58. 
Töpfer, S., Cantner, U., & Graf, H. (n.d.). Structural dynamics of innovation networks in German 
Leading-Edge Clusters. The Journal of Technology Transfer. 
Vahs, D., & Brem, A. (2015). Innovationsmanagement. Von der Idee zur erfolgreichen Vermarktung. 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
159 
(5th ed.). Stuttgart: Schäffer-Poeschel. 
Valentin, F., & Jensen, R. (2007). Effects on academia-industry collaboration of extending university 
property rights. The Journal of Technology Transfer, 32(3), 251–276. 
Van Looy, B., Landoni, P., Callaert, J., van Pottelsberghe, B., Sapsalis, E., & Debackere, K. (2011). 
Entrepreneurial effectiveness of European universities: An empirical assessment of 
antecedents and trade-offs. Research Policy, 40(4), 553–564. 
van Rijnsoever, F. J., Hessels, L. K., & Vandeberg, R. L. J. (2008). A resource-based view on the 
interactions of university researchers. Research Policy, 37(8), 1255–1266. 
Verganti, R. (2009). Design driven innovation: changing the rules of competition by radically 
innovating what things mean. Boston, Massachusetts : Harvard Business School Press. 
Villani, E., Rasmussen, E., & Grimaldi, R. (2017). How intermediary organizations facilitate 
university–industry technology transfer: A proximity approach. Technological Forecasting and 
Social Change, 114, 86–102. 
Woolgar, L. (2007). New institutional policies for university–industry links in Japan. Research Policy, 
36(8), 1261–1274. 
 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
160 
7 Abkürzungen 
aF&E Angewandte Forschung und Entwicklung 
BFI Bildung, Forschung und Innovation 
BFS Bundesamt für Statistik 
BSP Bruttostichprobe 
CFK Kohlenstofffaserverstärkte Kunststoffe 
DARPA Defense Advanced Research Projects Agency 
Empa Eidgenössische Materialprüfungs- und Forschungsanstalt 
Empa-ADAPT Empa Forschungsgruppe Alloy Design for Advanced Processing Technologies 
Empa-LSG Empa Forschungsgruppe Laserspektroskopie 
Empa-SER Empa Labor für Ingenieur-Strukturen 
EPFL Eidgenössische Technische Hochschule Lausanne 
ESA-BIC European Space Agency Business Incubation Centre 
ETH Eidgenössische Technische Hochschulen 
ETH-QOG ETH Quanten Optoelektronik Gruppe 
EU Europäische Union 
F&E Forschung und Entwicklung 
Fe-SMA eisen-basierte Formgedächtnislegierung (ferrous Shape Memory Alloy) 
FH Fachhochschulen 
IR Infrarot 
KMU Kleine und mittlere Unternehmen 
KOF Konjunkturforschungsstelle der ETH Zürich 
KTI Kommission für Technologie und Innovation 
LIDT Laserinduzierte Zerstörschwelle (Laser Induced DamageThreshold) 
MNU Multinationale Unternehmen 
NiTi-SMA Nickel-Titan Formgedächtnislegierung (nickel-titanium Shape Memory Alloy) 
NTN Nationales Thematisches Netzwerk 
QCL Quantenkaskadenlaser (Quantum Cascade Laser) 
SBFI Staatssekretariat für Bildung, Forschung und Innovation 
SMA Formgedächtnislegierung (Shape Memory Alloy) 
SMAR Smart Monitoring, Assessment and Rehabilitation of Civil Structures 
UH Universitäre Hochschulen 
WTT Wissens- und Technologietransfer 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
161 
8 Anlagen 
8.1 Anlage 1: Tabellen zur Erhebungsgrundgesamtheit 
Tabelle 25: Schweizer Wissenschaftsorganisationen in der Grundgesamtheit 
ID Organisation Kürzel Sektor 
10 Eidgenössische Technische Hochschule Zürich (ETH) ETHZ Universität 
11 Ecole Polytechnique Fédérale de Lausanne (EPFL) EPFL Universität 
12 Eidgenössische Forschungsanstalt für Wald, Schnee und 
Landschaft (WSL) 
WSL Forschungsinstitut 
13 Eidgenössische Materialprüfungs- und Forschungsanstalt 
(Empa) 
Empa Forschungsinstitut 
14 Paul Scherrer Institut (PSI) PSI Forschungsinstitut 
15 Eidg. Anstalt für Wasserversorgung, Abwasserreinigung & 
Gewässerschutz (Eawag) 
Eawag Forschungsinstitut 
16 Universität Basel UniBS Universität 
17 Universität Bern UniBE Universität 
18 Universität St. Gallen UniSG Universität 
19 Universität Zürich UZH Universität 
20 Université de Fribourg UniFR Universität 
21 Université de Genève UniGE Universität 
22 Université de Lausanne UniL Universität 
23 Université de Neuchâtel UniNE Universität 
24 Università della Svizzera Italiana USI Universität 
25 Universität Luzern UniLU Universität 
26 Fachhochschule Nordwestschweiz (FHNW) FHNW Fachhochschule 
27 Fachhochschule Ostschweiz (FHO) FHO Fachhochschule 
28 Hochschule Luzern (HSL) HSL Fachhochschule 
29 Berner Fachhochschule (BFH) BFH Fachhochschule 
30 Scuola universitaria professionale della Svizzera italiana 
(SUPSI) 
SUPSI Fachhochschule 
31 Zürcher Fachhochschule (ZFH) ZFH Fachhochschule 
32 Haute école spécialisée de Suisse occidentale (HES-SO) HES-SO Fachhochschule 
34 Kalaidos Fachhochschule Kal-FH Fachhochschule 
35 Institut de hautes études internationales et du développement 
(IHEID) 
IHEID Forschungsinstitut 
36 Istituto Ricerche Solari Locarno (IRSOL) IRSOL Forschungsinstitut 
37 Biotechnologie Institut Thurgau (BITg) BITg Forschungsinstitut 
38 Institut de Recherche (IDIAP) IDIAP Forschungsinstitut 
39 Institute of Oncology Research (IOR) IOR Forschungsinstitut 
40 Institut de recherche en ophtalmologie (IRO VS) IRO VS Forschungsinstitut 
41 Schweizer Paraplegiker-Forschung (SPF) SPF Forschungsinstitut 
42 Swiss Vaccine Research Institute (SVRI) SVRI Forschungsinstitut 
43 Swiss Tropical and Public Health Institute (Swiss TPH) Swiss TPH Forschungsinstitut 
44 Centre Suisse d'Electronique et de Microtechnique (CSEM) CSEM Forschungsinstitut 
45 Inspire AG Inspire Forschungsinstitut 
46 Universitätsklinik Balgrist Balgrist Universität 
47 Swiss Institute for Translational and Entrepreneurial Medicine 
(sitem-insel AG) 
Sitem Forschungsinstitut 
48 Organisation Européenne pour la Recherche Nucléaire 
(CERN) 
CERN Forschungsinstitut 
49 Swiss Institute of Bioinformatics (SIB) SIB Forschungsinstitut 
 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
162 
Tabelle 26: In der Grundgesamtheit enthaltene Wissenschaftsgebiete 
1. Naturwissenschaften 
1.1 Mathematik 
1.2 Informatik und Informationswissenschaften 
1.3 Physik 
1.4 Chemie 
1.5 Geowissenschaften und zugehörige (Umwelt-)Wissenschaften 
1.6 Biologie 
1.7 Andere Naturwissenschaften 
2. Ingenieurwissenschaften und Technologie 
2.1 Bauingenieurwesen 
2.2 Elektrotechnik, Elektronik, Informationstechnik 
2.3 Maschinenbau 
2.4 Chemische Verfahrenstechnik 
2.5 Werkstofftechnik 
2.6 Medizintechnik 
2.7 Umwelttechnik 
2.8 Umweltbiotechnologie 
2.9 Industrielle Biotechnologie 
2.10 Nanotechnologie 
2.11 Andere Ingenieurwissenschaften und Technologien 
3. Medizinische und Gesundheitswissenschaften 
3.1 Grundlagenmedizin 
3.2 Klinische Medizin 
3.3 Gesundheitswissenschaften 
3.4 Medizinische Biotechnologie 
3.5 Andere medizinische Wissenschaften 
4. Agrarwissenschaften und Veterinärmedizin 
4.1 Land- und Forstwirtschaft, Fischerei 
4.2 Tierzucht sowie Milch- und Molkereiwissenschaft 
4.3 Veterinärmedizin 
4.4 Agrarbiotechnologie 
4.5 Andere Agrarwissenschaften 
5. Sozialwissenschaften 
5.1 Psychologie und Kognitionswissenschaft 
5.2 Volks- und Betriebswirtschaftslehre 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
163 
 
 
 
8.2 Anlage 2: Fragebogen für die Wissenschafts-Organisationen 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
164 
 
 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
165 
 
 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
166 
 
 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
167 
 
 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
168 
 
 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
169 
 
 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
170 
 
 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
171 
 
 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
172 
 
 
 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
173 
 
8.3 Anlage 3: Ergänzende Tabellen 
Tabelle 27: Übersicht über Herausforderungen und Lösungen im Fall IRsweep 
Herausforderung Lösungsbausteine 
 F&E Phase Unternehmensgründung, Technologieentwicklung, 
Markteinführung 
Identifikation der für die Technolo-
gie geeigneten Anwendungsberei-
che und Produktentwicklung 
Durchführung von F&E-Projekten 
Zusammenarbeit mit Hochschulen 
und Forschungsinstituten 
 
Durchführung von Technologieentwicklungsprojekten, Trial-
and-error 
Zusammenarbeit mit Hochschulen und Forschungsinstituten 
Zusammenarbeit mit Firmen 
Sicherung des geistigen Eigen-
tums (IP) 
 Aushandlung von Lizenz- und ähnlichen Verträgen, die die 
kommerzielle Nutzung des IP gestatten 
Finanzierung Finanzierung mit internen Mitteln Akquisition von nationalen und internationalen F&E-Projekten 
Teilnahme an Start-up Programmen und Wettbewerben 
Eigene Erlöse durch ein früh in den Markt eingeführtes Pro-
dukt 
Partnerschaft mit einem etablierten Schweizer Unternehmen 
Kundenakquise und Vertrieb Nutzung der Netzwerke der Beteiligten 
Partnerschaften mit etablierten Unternehmen 
Vernetzung in der Branche Pho-
tonics und im Markt 
 Unterstützung durch Advisory Board 
Zusammenarbeit mit einer Clusterorganisation 
Konferenzteilnahmen 
Aufbau von Management 
Knowhow 
 Teilnahme an Start-up Programmen und Wettbewerben 
Learning-by-doing mit dem ersten Produkt 
Unterstützung durch Advisory Board 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
174 
 
Tabelle 28: Übersicht über Herausforderungen und Lösungen im Fall Memory Steel 
Herausforderung Lösungsbausteine 
 F&E Phase Kommerzialisierungsphase Markteintrittsphase 
Technische Herausforderungen 
Definition der technisch und wirtschaftlich 
geeigneten Legierung 
Interdisziplinäre Zusammenarbeit 
Anstellung eines Experten 
 
Herstellung der Legierung Zusammenarbeit mit Hochschule 
Versuche, Trial-and-error 
Zusammenarbeit mit Firmen und Hochschu-
len 
 
Umformung der Legierung Zusammenarbeit mit Hochschule und Firma 
Versuche, Trial-and-error 
Zusammenarbeit mit Firmen und Hochschu-
len 
 
Produktentwicklung Versuche, Trial-and-error Anstellung eines Experten 
Zusammenarbeit mit Firmen und Hochschu-
len 
Versuche, Trial-and-error 
Konferenzteilnahme 
 
Fixierung der Produkte am Objekt(Beton-
konstruktion) 
 Zusammenarbeit mit Firmen 
Aktivierung der Produkte am Objekt Prozess- und Geräteentwicklung 
Technische Zulassung Zusammenarbeit mit Firmen und Hoch-
schulen 
Wirtschaftliche Herausforderungen 
Finanzierung Finanzierung mit internen Mitteln Akquisition von KTI- und SNF-Projekten 
Akquisition eines Investors 
Finanzierung mit internen Mitteln 
Finanzierung mit internen Mitteln 
Zusammenarbeit mit Firmen 
Kostenkontrolle Einsatz günstiger Arbeitskräfte (Studierende) Einsatz günstiger Arbeitskräfte (Studie-
rende) 
Nutzung vorhandener Infrastruktur 
 
Definition des Geschäftsmodells Definition der Value Proposition (auf Basis 
der Kernkompetenzen) 
Entwicklung des Ertragsmodells 
Schutz des IP 
 
Kundenakquise und Vertrieb Nutzung der Netzwerke der Beteiligten 
Zusammenarbeit mit Firmen 
Soziale Herausforderungen 
Partnersuche in der Wissenschaft Nutzung der wissenschaftlichen Netzwerke 
der Beteiligten 
Konferenzteilnahmen 
Partnersuche in Unternehmen Nutzung der Netzwerke der Beteiligten Nutzung der Netzwerke der Beteiligten 
Suche von Firmen im Ausland 
Unternehmerische Erfahrung 
Businessplan, Marktanalysen 
Nutzung der Netzwerke der Beteiligten 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
175 
 
Tabelle 29: Definition der in den multivariaten Analysen verwendeten unabhängigen Variablen 
Variable Definition 
ETH-Sektor Institut des ETH-Sektors 
FH-Institute Institut einer Fahchochschule 
Universitäts-Institute Institut einer Universität 
Naturwissenschaften Institut einen Fachbereich der Naturwissenschaften als Forschungsgebiet an. 
Ingenieurwissenschaften Institut einen Fachbereich der Ingenieurwissenschaften als Forschungsgebiet an. 
Medizin- und Agrarwissenschaf-
ten 
Institut einen Fachbereich der Medizin- und Agrarwissenschaften als Forschungsgebiet an. 
Wirtschafts- und Sozialwissen-
schaften 
Institut einen Fachbereich der Wirtschafts- und Sozialwissenschaften als Forschungsgebiet an. 
Grösse in Wiss. (8-13) Institut beschäftigt zwischen 8 und 13 Wissenschaftler 
Grösse in Wiss. (14-26) Institut beschäftigt zwischen 14 und 26 Wissenschaftler 
Grösse in Wiss. (27 und mehr) Institut beschäftigt 27 oder mehr Wissenschaftler 
B&M.-Arbeiten Anzahl der 2015-17 pro Jahr durchschnittlich betreuten Bachelor/Master-Arbeiten 
Dissertationen Anzahl der 2015-17 pro Jahr durchschnittlich betreuten Dissertationen 
Mitarbeiter Leitungsperson des Instituts hat im Berufsleben als Mitarbeiter(in) für private Unternehmen gearbeitet 
Management Leitungsperson des Instituts hat im Berufsleben eine Leitungsfunktion in privaten Unternehmen ausgefüllt 
Verwaltungsrat / BoD Leitungsperson des Instituts hat im Berufsleben als Verwaltungsrat für private Unternehmen gearbeitet 
Beratung Leitungsperson des Instituts hat im Berufsleben Scientific Advisor für private Unternehmen gearbeitet 
Andere Funktion Leitungsperson des Instituts hat im Berufsleben in anderer Funktion für private Unternehmen gearbeitet 
Keine Erfahrung Leitungsperson des Instituts hat im Berufsleben nicht für private Unternehmen gearbeitet 
Mission: Anwendungsorientierte 
Institute mit DL-Auftrag 
Institut gehört zum Cluster «Anwendungsorientierte Institute mit praktischem Dienstleistungsauftrag» 
Mission: Grundlagen-Institute 
mit Ausbildungsauftrag 
Institut gehört zum Cluster «Grundlageninstitute mit Ausbildungsmission» 
Mission: Fokus auf aF&E und 
Beratung 
Institut gehört zum Cluster «Institute mit Fokus auf aF&E und Beratung» 
Finanzielle Belohnung Institut/Org. belohnt besondere Leistungen im Wissensaustausch mit persönlicher finanzieller Belohnung 
Ressourcen Belohnung 
Institut/Org. belohnt besondere Leistungen im Wissensaustausch mit zusätzlichen Ressourcen (For-
schungsmittel, Zeit) 
Promotions Belohnung 
Institut/Org. belohnt besondere Leistungen im Wissensaustausch mit der Berücksichtigung bei Karriere-
/Promotionsentscheidungen 
Soziale Belohnung Institut/Org. belohnt besondere Leistungen im Wissensaustausch mit sozialen Belohnungen 
IP: Wissenschaftler Häufigkeit mit der das Eigentum am Wissen und an Technologien des Instituts an Erfinder abgetreten wird 
IP: Unternehmen 
Häufigkeit mit der das Eigentum am Wissen und an Technologien des Instituts an Unternehmen oder 
NPO abgetreten wird 
Regeln fördern private Aktivitä-
ten in F&E Kommerzialisierung 
Interne Regeln fördern "private" Aktivitäten in F&E und Kommerzialisierung 
Regeln fördern Kommerzialisie-
rung und Spin-Offs 
Regeln fördern die Kommerzialisierung der Forschungsergebnisse und Gründung von Spin-offs 
Regeln fördern Zusammenarbeit 
mit Unternehmen 
Regeln fördern die Arbeit in, mit und für private Unternehmen 
 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
176 
 
Tabelle 30: Schätzresultate der multivariaten Tweedie-Modelle zur Wissenskommerzialisierung 
Koeffizient / Modell # Patente pro 10 
Wiss. 
# Neue Lizenzen pro 10 
Wiss. 
# Neue Spin-Offs pro 
10 Wiss. 
# Bestehende Spin-Offs 
pro 10 Wiss. 
Konstante -0.447 -1.559 (--) -3.121 (---) -2.597 (---) 
ETH-Sektor -0.295 -0.941 (--) -0.114 -0.630 (-) 
FH-Institute +0.086 -0.541 -0.448 -0.410 
Universitäts-Institute -0.313 -0.448 -0.133 -0.775 (--) 
Naturwissenschaften -0.168 -0.023 +0.227 +0.288 
Ingenieurwissenschaften +1.117 (+++) +1.169 (+++) +1.218 (+++) +0.859 (+++) 
Medizin- und Agrarwis-
senschaften 
+0.246 +0.174 +0.109 +0.040 
Wirtschafts- und Sozial-
wissenschaften 
-1.507 (---) -0.763 (--) +0.106 -0.196 
Grösse in Wiss. (8-13) -0.037 -0.333 +0.259 -0.034 
Grösse in Wiss. (14-26) -0.333 -0.059 +0.319 +0.049 
Grösse in Wiss. (27 und 
mehr) 
-0.909 (---) -0.369 -0.099 -0.473 
B&M.-Arbeiten -0.024 +0.073 +0.213 (+++) +0.290 (+++) 
Dissertationen +0.106 (+) +0.225 (++) +0.067 +0.079 
Mitarbeiter -0.075 +0.034 -0.186 -0.126 
Management +0.188 -0.403 (-) +0.226 -0.158 
Verwaltungsrat / BoD -0.085 -0.002 +0.405 (++) +0.654 (+++) 
Beratung +0.292 (++) +0.208 -0.134 +0.233 
Andere Funktion +0.127 +0.474 (++) -0.220 -0.134 
Keine Erfahrung +0.103 -0.455 -0.468 (--) -0.308 
Mission: Grundlageninsti-
tute mit Anwendungsori-
entierung 
+0.207 +0.354 +0.009 +0.699 (++) 
Mission: Anwendungsori-
entierte Institute mit prak-
tischem DL-Auftrag 
-0.159 +0.069 -0.117 -0.019 
Mission: Institute mit An-
wendungsauftrag mit Fo-
kus auf aF&E und Bera-
tung 
-0.175 +0.315 +0.360 +0.492 
Finanzielle Belohnung +0.173 +0.675 (+++) +0.055 +0.218 
Ressourcen Belohnung -0.071 -0.197 +0.005 +0.159 
Promotions Belohnung -0.121 -0.168 -0.242 (-) +0.153 
Soziale Belohnung +0.048 +0.078 -0.137 -0.269 (-) 
IP Wissenschaftler +0.064 -0.012 -0.035 +0.110 
IP Unternehmen +0.258 (+) +0.445 (++) +0.188 -0.126 
Regeln fördern private 
Aktivitäten in F&E und 
Kommerzialisierung 
+0.108 +0.016 +0.035 +0.208 (++) 
Regeln fördern Kommer-
zialisierung und Spin-Offs 
+0.108 -0.002 +0.186 (+) +0.170 
Regeln fördern Zusam-
menarbeit mit Unterneh-
men 
-0.040 -0.005 +0.174 (+) +0.032 
PROM_R1 +0.197 (++) +0.159 +0.220 (++) +0.306 (+++) 
PROM_R2 +0.295 (+++) +0.185 -0.149 +0.051 
PROM_R3 -0.204 (---) -0.129 +0.042 -0.393 (---) 
#Beobachtungen 553 560 564 550 
pseudo-R2 0.317 0.147 0.306 0.261 
Link-power p 1.33 1.39 1.31 1.36 
 
 
Lesebeispiel: Der Fachbereich Ingenieurwissenschaften hat einen positiven Einfluss auf die Anzahl Patente pro 10 Wissenschaftler und ist auf 
dem 1%-Niveau signifikant. 
+++ / ++ / + bezeichnen Koeffizienten, die auf dem 1%- / 5%- / 10%-Niveau statistisch signifikant sind und die abhängige Variable positiv be-
einflussen. 
Variablendefinitionen in Tabelle 29.jeweils Indikatoren 12–14). Die Kommerzialisierung akademischer Erfindungen und die Bedeu-
tung von intermediären Organisationen korrelieren hingegen ebenfalls: die Anzahl Patentanmeldun-
gen, neue Lizenzverträge und Spin-offs sind in den Instituten signifikant höher, die angeben, dass 
die öffentliche Innovationsförderung, Fonds oder Zuschüsse für Kommerzialisierung, Proof-of-Con-
cept, Entwicklung etc., WTT-Stellen sowie Innovations- oder Wissenschaftsparks eine grosse oder 
sehr grosse Bedeutung aufweisen, als bei den Instituten, die angeben, dass IO nur eine mittlere o-
der geringe Bedeutung haben (Abbildung 52, Indikatoren 9–11). Allerdings kann mit solchen Quer-
schnittsdaten keine Kausalität begründet werden und ob die IO ursächlich zu den höheren Kommer-
zialisierungsindikatoren in den Instituten beigetragen haben, kann mit den vorliegenden Daten nicht 
beantwortet werden. 
 
Abbildung 52: Indikatoren für die Kommerzialisierung von akademischen Erfindungen und lehr-ba-
siertem Wissensaustausch nach der Bedeutung von IO (logarithmische Skala) 
 
Quelle: FHNW-Wissenschaftserhebung (2018). 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
127 
c) Eigenschaften. Die Institute wurden schliesslich gebeten, je eine als bedeutend und eine als un-
bedeutend eingestufte intermediäre Organisation weiter zu beschreiben. Die Beschreibung erfolgte 
auf einer 7-Punkte Skala und erfasste 7 Eigenschaften: 1) organisatorische Nähe (intern/extern), 2) 
Beteiligung privater Unternehmen, 3) geographische Nähe, 4) fachliche Nähe, 5) Marktkenntnisse, 
6) Flexibilität im Leistungsangebot und 7) Durchführung interessanter Veranstaltungen. 
Abbildung 53 gibt die Vertrauensintervalle des arithmetischen Mittelwertes für diese Eigenschaften 
wieder, wobei die blauen Linien für als bedeutend bewertete IO stehen und die roten Linien für als 
unbedeutend bewertete. Für vier der sieben Eigenschaften überlappen sich die Intervalle nicht und 
diese stellen damit mit grosser Wahrscheinlichkeit relevante Eigenschaften für die unterschiedlichen 
Bewertungen der Bedeutung der IO dar: 
• Bedeutende IO haben eine etwas stärkere interne Verankerung in der Organisation, während 
unbedeutende etwa gleichgewichtig intern und extern getragen werden. 
• Ein deutlicher Unterschied besteht hinsichtlich der Fachkompetenz und -spezialisierung: be-
deutende IO werden als fachkompetent charakterisiert und weniger bedeutende IO als eher 
fachübergreifend. 
• Kenntnis zu Märkten und Kunden ist eine weitere Eigenschaft von intermediären Organisatio-
nen, die höhere Bedeutung bei der Unterstützung von Wissensaustausch und der Zusam-
menarbeit mit Unternehmen erzielen. Sie steuern damit vermutlich komplementäres Wissen 
bei, das in den Instituten selbst nicht vorhanden ist. 
• Nicht zuletzt ist auch die Durchführung von interessanten Veranstaltungen ein wichtiges Leis-
tungsmerkmal, das mit zur Bedeutung einer IO beizutragen scheint. 
Die Beteiligung von privaten Unternehmen, geographische Distanz zum Institut und Flexibilität im 
Leistungsportfolio erscheinen als nachrangige Merkmale hinsichtlich der Bedeutung von IO für den 
WTT: im Urteil der Institute bedeutende wie auch unbedeutende IO weisen tendenziell eher keine 
private Beteiligung auf, sind geographisch in der Nähe und bieten definierte Leistungen an. 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
128 
Abbildung 53: Eigenschaften als bedeutend und als unbedeutend klassifizierter intermediärer Orga-
nisationen (Unter- und Obergrenzen des 95% Konfidenzintervalls des arithmetischen Mittels) 
 
Lesehilfe: Das blaue Profil beschreibt IO, die als bedeutend eingestuft wurden, und das rote Profil unbedeutende IO. 
Bei der ersten Teilfrage, «Ist die IO ein Teil Ihrer Hochschule/Organisation oder eine externe Organisation?», die wie 
alle Teilfragen auf einer Rangskala von 1–7 beantwortet werden konnte, beträgt der Mittelwert für bedeutende IO 
2,95 und für unbedeutende 3,5. Anstelle dieser Punktschätzer werden hier die 95%-Vertrauensintervalle dargestellt: 
für bedeutende IO [2,74; 3,16] und für unbedeutende IO [3,21; 3,79]. Da sich diese Intervalle nicht überlappen, ist die 
Aussage zulässig, dass bedeutende IO signifikant häufiger aus Sicht der Institute Teile der eigenen Hochschule/Or-
ganisation sind als unbedeutende IO. 
Quelle: FHNW-Wissenschaftserhebung (2018). 
 
4.2.5 Entscheidungsfaktoren 
Motivation und Ziele für den Wissensaustausch 
Frühere Studien unterschieden zwischen a) finanziellen Motiven für den Wissensaustausch (Items 1 
und 2 in Abbildung 54), b) wissens- und anwendungsbezogenen Motiven (Items 3–6, 12), c) Qualifi-
kations- und Reputationsmotiven (Items 7–11) und d) kostenseitigen Motiven (Item 13). Die Stär-
kung der Forschung (12), zusätzliche Forschungsmittel (1) und die Lösung praktischer Probleme (6) 
werden von mehr als der Hälfte aller Institute als bedeutend oder sehr bedeutend beurteilt, wohinge-
gen der Zugang zu firmeneigener Ausrüstung und Fähigkeiten (13), die Förderung der regionalen 
Entwicklung (9) und die Kooperation zur Einwerbung öffentlicher Mittel (2) mehrheitlich als unbedeu-
tend oder wenig bedeutend eingestuft werden. Damit erscheinen unter den Schweizer Instituten wis-
sens- und anwendungsbezogene Motive für den Wissensaustausch am stärksten ausgeprägt. 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
129 
Abbildung 54: Bedeutung von Motiven und Zielen für den Wissensaustausch 2015–17 
 
Quelle: FHNW-Wissenschaftserhebung (2018). 
 
Vergleicht man die Motive zwischen den verschiedenen Organisationstypen, Institutsgrössen und 
Fachgebieten, so ergeben sich zwar einige Variationen in der Reihenfolge der Motive nach ihrer Be-
deutung, aber das auffallendste Ergebnis ist: Fachhochschulinstitute, grössere Institute und Ingeni-
eurinstitute haben eine deutlich stärkere Motivation zum Wissensaustausch als ihre jeweiligen Ver-
gleichsgruppen. Dies lässt sich auch gut in der nachfolgenden Abbildung erkennen. Sie stellt einen 
Motivationsindex dar, der die durchschnittliche Bedeutung aller Motivationen für den Wissensaus-
tausch auf einer Skala von 1 (sehr geringe oder keine Bedeutung) bis 5 (sehr grosse Bedeutung) 
misst. Die Bedeutung von Belohnungen finanzieller Natur und mittels zusätzlichen Ressourcen wird 
auch in der multivariaten Analyse unter Abschnitt 4.3 bestätigt. Dies gilt auch für die Übertragung 
von geistigem Eigentum an die beteiligten Wissenschaftler und Unternehmen, sowie für die wahrge-
nommene Flexibilität von bestehenden Regeln unter Abschnitt 4.2.3. 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
130 
Abbildung 55: Bedeutung von Motivation und Zielen für den Wissensaustausch nach Organisations-
typen, Grösse in Beschäftigten, Grösse in Wissenschaftlern und Fachgebiet (1=sehr geringe oder 
keine Bedeutung, 5=sehr grosse Bedeutung) 
 
Quelle: FHNW-Wissenschaftserhebung (2018). 
 
Hemmnisse gegen den Wissensaustausch 
Hemmnisse oder Barrieren gegen den Wissensaustausch können in Wissenschaftsorganisationen 
gemäss der Literatur aus a) Informationslücken und fehlendem Support (Items 1–3 und 12 in Abbil-
dung 56), b) Konflikten mit anderen Aufgaben in Lehre und Forschung (Items 5, 8–10, 13), c) den 
bearbeiteten Forschungsthemen (Item 4), d) den Eigenschaften der Unternehmen (Items 7 und 11) 
und e) fehlender Finanzierung (Item 6) entstehen. Die grösste Bedeutung wird in unserer Befragung 
der zu hohen Belastung durch den Unterricht und andere Aufgaben zugewiesen, welche von fast der 
Hälfte aller Institute grosse oder sehr grosse Bedeutung erhält. An zweiter Stelle werden von rund 
40% der Unternehmen fehlende Ressourcen in Unternehmen und Finanzierungsschwierigkeiten all-
gemein als bedeutende Hemmnisse genannt. Alle anderen Hemmnisse haben verhältnismässig ge-
ringere Bedeutung. 
Wissens- und Technologietransferder Wissenschaftsorganisationen in der Schweiz 
131 
Abbildung 56: Bedeutung von Hemmnissen und Barrieren gegen den Wissensaustausch 
 
Quelle: FHNW-Wissenschaftserhebung (2018). 
 
Auch hier sind hinsichtlich der Muster wiederum nur geringe Unterschiede nach Organisationstypen, 
Institutsgrössen und Fachgebieten feststellbar. Deutlich wird allerdings, dass FH-Institute deutlich 
weniger als andere Institute auf Konflikte mit der Grundlagenforschung oder zu hohe Anforderungen 
der Unternehmen an das geistige Eigentum und dessen Geheimhaltung verweisen, dafür aber der 
Unterrichtsbelastung und Finanzierungsproblemen einen noch höheren Stellenwert geben (Abbil-
dung 57). Weiterhin verweisen ingenieurwissenschaftliche Institute noch häufiger als andere Institute 
auf eine hohe Unterrichtsbelastung und zu wenige Ressourcen in Unternehmen, während naturwis-
senschaftliche Institute Konflikten mit der Grundlagenforschung und mangelndem Interesse der Un-
ternehmen an den Themen auch einen gewissen Stellenwert geben. Ein Hemmnisindex, der analog 
zum oben dargestellten Motivindex gebildet wurde, zeigt keine signifikanten Unterschiede in der 
Stärke der wahrgenommenen Hemmnisse nach Organisationstypen, Institutsgrössen oder Fachge-
bieten und wird deshalb nicht dargestellt. 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
132 
Abbildung 57: Anteil der Hemmnisse und Barrieren gegen den Wissensaustausch mit grosser Be-
deutung nach Organisationstyp und Fachgebiet 
 
Quelle: FHNW-Wissenschaftserhebung (2018). 
 
4.3 Multivariate Analysen 
4.3.1 Vorgehensweise 
Ziel dieses Abschnittes ist es, die vorangehenden Zusammenhänge und Aspekte des Wissens- und 
Technologietransfers der Schweizer Forschungseinheiten in Bezug auf die Zusammenarbeit mit Un-
ternehmen zu quantifizieren und in Form einer multivariaten Analyse abzusichern. 
Eine multivariate Analyse kann jedoch nicht alle unter Kapitel 4.2 beleuchteten Aspekte wiederge-
ben. Es wird versucht, für die beschriebenen Indikatoren zur Kommerzialisierung und Lehre, sowie 
die Indizes zur Bedeutung lehrbasierter, forschungsbasierter und informeller Transferkanäle Model-
lierungen zu finden, welche möglichst einheitlich sind und ein Bild der zentralen Einflussgrössen 
zeichnen können, wenn gleichzeitig für unterschiedliche Aspekte wie Grösse der Forschungseinheit, 
Hochschulsektor oder Wissenschaftsdisziplin kontrolliert wird. 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
133 
Kurzbeschreibung der abhängigen Variablen 
Wie unter 4.2 beschrieben, wurden die Leistungen der Forschungseinheiten im Bereich des Wis-
sensaustauschs anhand von 4 Transferarten gemessen. 
1) Wissenskommerzialisierung 
2) lehrbasierter Wissensaustausch 
3) forschungsbasierter Wissensaustausch 
4) informeller Wissensaustausch 
Die Wissensvermarktung (Kommerzialisierung) wird in der Analyse durch Patentanmeldungen, Li-
zenzverträge und neue sowie bestehende Spin-Offs gemessen. Lehrbasierte Massnahmen zum 
Wissensaustausch umfassen die Anzahl der Abschlussarbeiten auf Bachelor- und Masterebene mit 
Unternehmen sowie die Anzahl der mit Unternehmen erstellten Dissertationen. Zusätzlich wurde 
nach der Anzahl der betreuten Abschlussarbeiten in Weiterbildungsprogrammen gefragt. Weiterhin 
wurde ein Index gebildet, welcher die Bewertung der allgemeinen Bedeutung des lehrbezogenen 
Wissensaustauschs aus Sicht der Leitungsperson einer Forschungseinheit wiedergibt. Auch die Be-
teiligungen am forschungsbezogenen und informellen Wissensaustausch wurden anhand von Indi-
zes bewertet. Eine genauere Beschreibung dieser Indizes findet sich eingangs des Kapitels 4.2.2. 
Zur Übersicht sind untenstehend nochmals deskriptive Statistiken der abhängigen Variablen aus den 
4 Transferarten in Tabelle 23 beschrieben. 
 
Tabelle 23: Deskriptive Statistik der abhängigen Variablen in den multivariaten Analysen zum Wis-
sensaustausch 
 Arith. Mittel 5% getrimmtes Mittel %Werte >0 Anzahl gültige Werte 
Wissenskommerzialisierung 
Patentanmeldungen pro 10 Wissenschaftler 0.54 0.34 32.80% 874 
Neue Lizenzverträge pro 10 Wissenschaftler 0.24 0.11 20.90% 885 
Neue Spin-offs/Start-ups pro 10 Wissenschaftler 0.20 0.10 22.70% 887 
Bestehende aktive Spin-offs/Start-ups pro 10 Wissenschaftler 0.26 0.12 21.60% 858 
Lehrbasierter Wissensaustausch 
Bachelor- und Masterarbeiten mit Unternehmen pro 10 Wiss. 1.90 0.99 44.80% 873 
Dissertationen mit Unternehmen pro 10 Wissenschaftler 0.19 0.09 21.20% 884 
Weiterbildungsabschlüsse auf Masterebene pro 10 Wissenschaftler 1.14 0.43 27.10% 870 
Lehr-Index 2.31 2.28 100% 727 
Forschungsbasierter und informeller Wissensaustausch 
Forschungsindex 2.73 2.72 100% 727 
Informeller Index 2.90 2.91 100% 728 
 
Im Verlauf der Analysen wurden obige abhängige Variablen anhand einer Vielzahl von möglichen 
Kombinationen von unabhängigen Variablen modelliert. 
 
Kurzbeschreibung der verwendeten unabhängigen Variablen 
Wie eingangs erwähnt besteht der Fokus darauf, für alle abhängige Variablen ein möglichst einheitli-
ches Modell zu finden, das den Einfluss institutsinterner Faktoren, wie Ressourcen, Kompetenzen, 
Organisationskultur, und externer Faktoren, wie Fachgebiet und Unterstützung durch intermediäre 
Organisationen, auf die Nutzung der Mechanismen des Wissensaustauschs schätzt. Ziel ist auch, 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
134 
die operationalisierten Leistungen im Wissensaustausch mit Variablen zur Messung der Kultur der 
Forschungseinheit zu erklären. Als erklärende Variablen fanden daher folgende Eingang in die Mo-
dellierung: 
Die Organisationskultur der Forschungseinheit wird durch die (1) Mission wie unter Abschnitt 4.2.3 
beschrieben operationalisiert, durch (2) Belohnungen für herausragende Leistungen im Wissensaus-
tausch und durch (3) die Flexibilität bzw. Wahrnehmung von internen Regelungen betreffend des 
Wissensaustauschs. Belohnungen für besondere Leistungen im Wissensaustausch werden durch 
persönliche finanzielle Zahlungen, zusätzliche Ressourcen für die Forschung, Berücksichtigung der 
Transferleistungen in Promotions-Entscheidungen und soziale Belohnungen gemessen. Die Flexibi-
lität von internen Regeln zum WTT wird durch die unter Abschnitt 4.2.3 genannten IP-Regelungen 
erfasst: wenn geistiges Eigentum auch an die Wissenschaftler und Erfinder des Instituts resp. an 
Unternehmen und/oder Non-Profit-Organisationen übertragen wird, dann wird von einer grösseren 
Flexibilität im Umgang mit dem IP in der Organisation ausgegangen. Die Wahrnehmung von Rege-
lungen zur Arbeit in, mit und für Unternehmen, zur Kommerzialisierung von Forschungsergebnissen 
und zur Durchführung von «privaten» Projekten wurde anhand von sechs 7-Punkte-Fragen bewertet 
(siehe Abbildung 39). Die Daten wurden dann einer Hauptkomponentenanalyse unterzogen, welche 
drei Komponenten extrahierte: 1) Verordnungen fördern "private" Aktivitäten in Forschung, Entwick-
lung und Vermarktung, 2) Verordnungen fördern die Kommerzialisierung von Forschungsergebnis-
sen und die Gründung von Spin-offs, und 3) Verordnungen fördern die Arbeit in, mit und für private 
Unternehmen. 
Zusätzlich zur Organisationskultur des Instituts wird auch die Mission der Hochschule mit der Zuge-
hörigkeit zum relevanten Hochschulsektor (ETH, Universitäten, Fachhochschulen und ausseruniver-
sitäre Institute) approximiert. Diese Organisationen haben unterschiedliche Rollen im schweizeri-
schen Innovations- und Forschungssystem. 
Die für den WTT verfügbaren Ressourcen der Forschungseinheiten wurden durch zwei Variable 
operationalisiert: die Grösse der Forschungseinheit gemessen an der Anzahl der Wissenschaftler 
und Wissenschaftlerinnen approximiert den Umfang der Arbeitszeit und des Forschungsoutputs, die 
für allfällige Transferprojekte zur Verfügung stehen. Die Beanspruchung mit zum Wissenstransfer 
konkurrierenden Aufgabender Einheiten wird mit einem Fokus auf die Lehre und den durchschnittli-
chen pro Jahr betreuten Bachelor- und Masterarbeiten und Dissertationen erhoben. Als letzter inter-
ner Aspekt wurde zusätzlich auch die Berufserfahrung der Leitungsperson in privaten Unternehmen 
erfragt, differenziert nach verschiedenen Funktionen (z.B. Mitarbeiter, Leitungsfunktion, Verwal-
tungsrat, Mitglied in Scientific Advisory Board). Diese Variable erlaubt Rückschlüsse auf die kogni-
tive Distanz und Ressourcen der Leitungspersonen für den Wissensaustausch. 
Nicht zuletzt wurde die wissenschaftliche Disziplin der Einheiten einbezogen, differenziert nach 4 
Gruppen von Disziplinen. 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
135 
Mit Ausnahme der Anzahl der betreuten Abschluss- und Promotionsarbeiten als Proxy zu konkurrie-
renden Aufgabenportfolios sind alle erklärenden Variablen Faktor-Variablen und die Stärke deren 
Einfluss kann somit direkt aus der Grösse der Koeffizienten der Modelle abgelesen werden. 
Die Bedeutung der intermediären Organisationen für den Wissensaustausch der Institute wurde ei-
nerseits direkt über entsprechende Kontrollvariable zur Einschätzung der Institute zur Bedeutung der 
öffentlichen Innovationsförderung, der Fonds oder Zuschüsse für Kommerzialisierung und den sechs 
anderen Organisationsarten in den Modellen berücksichtigt. Dabei hat sich ein starker und breiter 
Effekt nur für die öffentliche Innovationsförderung gezeigt (nicht dargestellt). Ein Problem bei der 
Modellierung mit der direkten Aufnahme der Kontrollvariablen ist, wie in Abbildung 49 dargestellt, die 
relativ kleine Anzahl an Instituten, welche die intermediären Organisation in die Kategorien mittlere 
bis sehr hohe Bedeutung einstufen. 
Aus diesem Grund hat eine Faktorenanalyse diese acht Arten von intermediären Organisationen auf 
drei Faktoren oder Einflussdimensionen reduziert. Dabei wurde eine nicht-orthogonale Rotationsme-
thode verwendet (Promax) und in der Folge drei Dimensionen extrahiert: 
− Dimension 1 umfasst dabei Organisationen zur Unterstützung von Spin-offs und IP-basierten 
Transfers (PROM_R1). 
− Dimension 2 gruppiert die Organisationen, die Unterstützung von Hochschul-Industriekoope-
rationen bieten zusammen, unabhängig ob dies in finanzieller oder anderer Form (Vernet-
zung) geschieht (PROM_R2). 
− Dimension 3 beschreibt den schwerer fassbaren Effekt internet-basierter Information und 
Vernetzung (PROM_R3). 
Untenstehende Abbildung 58 zeigt, wie die von den Wissenschaftsinstituten wahrgenommene Be-
deutung der intermediären Organisationen auf die drei erwähnten Dimensionen lädt. 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
136 
Abbildung 58: Resultate der Promax-Faktorenanalyse 
 
Quelle: FHNW-Wissenschaftserhebung (2018). 
 
Das KMO-Mass der Analyse ist mit 0.79 hoch und die Daten eignen sich daher gut für eine Haupt-
komponentenanalyse. Die drei extrahierten Faktoren erklären 63% der Variation in der wahrgenom-
menen Bedeutung der acht intermediären Organisationen. Zusätzlich gibt es von den 24 Faktorla-
dungen (8 Organisationen mal 3 extrahierte Faktoren) nur 2, welche Crossloadings über 0.3 darstel-
len (0.34 und 0.31) – alle anderen Crossloadings sind nicht signifikant und die relevanten Ladungen 
sind wie erwähnt in Abbildung 58 dargestellt. 
 
Analyse-Methodik 
Fast alle verwendeten Variablen weisen wichtige Barrieren für die Anwendung von klassischen Re-
gressionsmodellen auf. Diese Modelle setzen eine Normalverteilung der Variablen voraus. Für eine 
Übersicht zeigt Abbildung 59 die Verteilung der abhängigen Variablen in Form von Histogrammen. 
Diese Verteilungsannahme ist für alle abgebildeten Verteilungen nicht gegeben. Die Variablen wei-
sen eine starke Schiefe auf – normalerweise kann dieses Problem durch Logarithmieren behoben / 
vermindert werden. In der hier gezeigten Situation werden aber die stark dominierenden Null-Ein-
träge ignoriert – dies wäre insofern Problem, als dass die Information «keine Patentanmeldungen 
pro 10 Wissenschaftler» auch gültige Werte darstellen und eben nicht ignoriert werden sollen. Da 
die Schiefe jedoch schon durch Normalisierung mit der Grössenklasse hinsichtlich wissenschaftli-
chen Mitarbeitenden reduziert wurde, stellen die abgebildeten abhängigen Variablen kontinuierliche 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
137 
Messgrössen dar. Dadurch kann die abhängige Variable nicht mehr mittels – in gängigen Software-
Paketen implementierten – Poisson-Regression geschätzt werden, da diese Modelle von der An-
nahme einer diskreten resp. ganzzahligen abhängigen Variable ausgehen. Ausserdem nimmt diese 
Modellierung an, dass die Streuung resp. Varianz proportional zum Mittelwert ist – auch dies ist im 
vorliegenden Fall nicht gegeben, die Variablen zeigen eine überproportionale Streeung (over-disper-
sion) auf. Vom ökonometrischen Aspekt her wird somit ein Modell verlangt, welches 
• nicht-normale Verteilungen berücksichtigt, 
• positive Schiefen trotz Normalisierung korrekt abbildet und kontinuierliche Werte erlaubt, 
• mit häufigen oder sehr häufigen Null-Werten korrekt umgeht («zero-inflation») und 
• überproportionale Varianz berücksichtigt («over-dispersion»). 
Die vier genannten Probleme treten zusammen nicht häufig auf – zur Lösung wird daher ein Modell 
herangezogen, welches in der empirischen Forschung eher selten angewandt wird – die sogenannte 
Modell-Familie der «tweedie-Verteilungen». Tweedie-Modelle decken die obig erwähnten vier Stich-
worte ab. 
Abbildung 59: Häufigkeitsverteilungen der abhängigen Variablen der multivariaten Analysen 
 
Quelle: FHNW-Wissenschaftserhebung (2018). 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
138 
Insbesondere erlauben diese Modelle eine konkrete Anpassung der Verteilungsform, als dass die 
Varianz nicht linear (wie bei den Poisson-Modellen) sondern eine exponentielle Funktion des Erwar-
tungswertes (Mittelwertes) darstellt: 𝑉𝑉𝑉𝑉𝑉𝑉(𝜇𝜇) = 𝜇𝜇𝑝𝑝, wobei der Parameter 𝑝𝑝 geschätzt wird. Dabei wer-
den gemäss folgende Verteilungsformen unterstützt: 
• 𝑝𝑝 = 0: Klassische Normalverteilung 
• 𝑝𝑝 = 1: Poisson-Verteilung 
• 1Farben spiegeln statistisch stark signifikante Ein-
flüsse wider (signifikant auf dem 1% oder 5%-Niveau), hellere Farben stellen schwach signifikante 
Einflüsse dar (signifikant auf dem 10%-Niveau). Graue Balken zeigen Einflüsse, die als nicht signifi-
kant ausgewiesen werden. Tabelle 30 (S. 176) im Anhang weist zusätzlich die in der Abbildung dar-
gestellten Koeffizienten der multivariaten Analysen im Bereich der Wissenskommerzialisierung aus. 
In der gleichen Darstellungsform fasst Abbildung 61 (Tabelle 31 im Anhang mit den geschätzten Ko-
effizienten) die Resultate zum lehrbasierten Wissensaustausch zusammen und Abbildung 62 (Ta-
belle 32 im Anhang) zeigt die Resultate in Bezug auf die gebildeten Indizes zur Wichtigkeit von lehr-
basierten, forschungsbasierten und informellen Transfermechanismen. In der Folge werden die 
wichtigsten Resultate zusammengefasst. 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
139 
Aspekte der Organisationskultur 
Mission der Institute: Die Referenzgruppe bilden die «Grundlageninstitute mit Ausbildungsmission», 
die in den bivariaten Analysen bei einer Reihe von Indikatoren von allen Institutstypen die geringste 
Aktivität im Wissensaustausch aufwiesen (vgl. Abbildung 38, S. 115). Für «Grundlageninstitute mit 
Anwendungsorientierung» sehen wir Unterschiede zur Referenzgruppe für die Anzahl von Spin-offs 
und Weiterbildungsabschlüsse, wo sie jeweils besser abschneiden als die Referenzgruppe. Die «An-
wendungsorientierten Institute mit Dienstleistungsauftrag» haben signifikant weniger Dissertationen 
mit Unternehmen als die Referenzgruppe und sie bewerten auch die F&E-basierten Formen des 
Wissensaustauschs (Mittelwert der Bedeutung forschungsbasierter Transferkanäle) etwas niedriger. 
«Institute mit Anwendungsauftrag in F&E und Beratung», die in den bivariaten Analysen in der Regel 
als die am stärksten in den Wissensaustausch involvierten Institute erscheinen (vgl. Abbildung 38, 
S. 115) haben dagegen bei keiner der abhängigen Variablen einen signifikanten Einfluss. Weitere 
Analysen (hier nicht abgebildet) machten allerdings deutlich, dass zwischen der Beurteilung der Be-
deutung intermediärer Organisationen (Faktoren PROM_R1-3, siehe unten) und der Mission Interak-
tionseffekte bestehen. Die stärkere Bedeutung der Transfermission bei den «Instituten mit Anwen-
dungsauftrag in F&E und Beratung» spiegelt sich auch darin wider, dass sie intermediäre Organisa-
tionen stärker in Anspruch nehmen, als die meisten der anderen Institutstypen. 
Wir verwendeten den Organisationstyp / Hochschulsektor, um für die Kultur in der gesamten Organi-
sation zu approximieren. Wir sehen zusätzliche Effekte für diese Variablen, die darauf hinweisen, 
dass sich kulturelle Effekte auf Organisations- und Institutsebene überschneiden. Die Institute der 
Eidgenössischen Technischen Hochschulen, der Universitäten und der Fachhochschulen werden 
mit der Referenzgruppe der ausseruniversitären Institute verglichen. Die Ergebnisse zeigen, dass 
jede Art von Instituten eine spezifische Kombination von Mechanismen des Wissensaustauschs hat: 
ETH-Institute sind stark in «Bachelor- und Masterarbeiten mit Unternehmen pro 10 Wissenschaftler» 
und bewerten die informellen Transferkanäle als weniger bedeutend. Universitäts- und Fachhoch-
schulinstitute weisen tendenziell eine niedrigere Anzahl «Bestehende Spin-Offs pro 10 Wissen-
schaftler» aus als die Referenzgruppe (ausseruniversitäre Institute). Fachhochschulinstitute sind je-
doch stark bei «Bachelor- und Masterarbeiten mit Unternehmen», «Weiterbildungsabschlüssen pro 
10 Wissenschaftlern» und der Bedeutung lehrbasierter und forschungsbasierter Transferkanäle all-
gemein. 
Hinsichtlich Belohnungen für herausragende Leistungen im Wissensaustausch scheinen zwei der 
vier in der Befragung erhobenen Belohnungskonstrukte wenig zu zählen: Ressourcenorientierte Be-
lohnungen, wie zusätzliche Mittel oder Zeit für die Forschung, scheinen keine Rolle zu spielen, und 
soziale Belohnungen, einschliesslich Anerkennung oder PR für Erfolgsgeschichten, sind nur für in-
formelle Mechanismen des Wissensaustauschs von Bedeutung. Die stärksten Auswirkungen von 
finanziellen Belohnungen identifizieren wir für Zahl der Patentanmeldungen, Lizenzverträge, Ba-
chelor- und Masterarbeiten mit Unternehmen und für die Bedeutung forschungsbezogener Transfer-
mechanismen. Der Zusammenhang mit der Anzahl von Abschlussarbeiten mit Unternehmen mag 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
140 
auf den ersten Blick überraschend sein, insofern als Belohnungen etwa für gut dotierte Industriekon-
trakte oder Erfolge bei Lizenzverträgen vergeben werden und i.d.R. nicht für studentische Arbeiten 
mit externen Partnern. Unseres Erachtens ist der positive Koeffizient damit zu erklären, dass zwi-
schen den Transfermechanismen Querbeziehungen bestehen und etwa Lizenzverträge oder finan-
zierte Forschungsprojekte mit Unternehmen häufig auch zusätzliche Arbeiten für Studierende nach 
sich ziehen, in denen dann Nebenaspekte untersucht werden. Auch die durchschnittliche Bedeutung 
informeller Transferkanäle ist deutlich höher, wenn Wissenschaftler für Transfererfolge Anspruch auf 
finanzielle Belohnungen haben. Belohnungen in Form von Beförderungen beziehen sich insbeson-
dere auf lehr- und forschungsbasierte Mechanismen des Wissensaustauschs. 
Bezüglich Flexibilität und Wahrnehmung von Regelungen steht vor allem die Häufigkeit des Trans-
fers von geistigem Eigentum an Wissenschaftler («IP Wissenschaftler») oder an Unternehmen («IP 
Unternehmen») positiv mit dem Wissensaustausch über F&E in Zusammenhang. Wir stellen auch 
fest, dass Patentanmeldungen und Anzahl Lizenzverträge höher sind und mehr Dissertationen in 
Zusammenarbeit mit Unternehmen geschrieben wurden in Instituten, die ihr IP häufiger an Unter-
nehmen übertragen haben. Die Wahrnehmung von Regeln zur Zusammenarbeit mit Unternehmen 
hat einen starken Bezug zum Wissensaustausch: insbesondere haben lehrbasierte und forschungs-
basierte Transfermechanismen eine grössere Bedeutung, wenn die Regeln als förderlich empfunden 
werden. Auch zur Anzahl der Dissertationen in Zusammenarbeit mit Unternehmen und der Grün-
dung von Spin-offs besteht eine positive Korrelation. Die Wahrnehmung von Vorschriften über die 
Kommerzialisierung von Forschungsergebnissen und die Schaffung von Spin-offs korreliert positiv 
mit der Spin-Offs. Ob private Projekte gefördert oder zugelassen werden oder nicht, weist einen po-
sitiven Zusammenhang mit dem Index für forschungsbasierten Wissensaustausch auf. 
 
Ressourcen und Kompetenzen 
Die Bedeutung der verfügbaren Ressourcen und Kompetenzen für den Wissensaustausch wurde 
anhand 1) der Institutsgrösse (in Wissenschaftlern), 2) der Anzahl Abschlussarbeiten und Disserta-
tion zur Erfassung der Lehrdeputate und 3) den Industrieerfahrungen der Leitungsperson abgebildet. 
Die Institutsgrösse spielt nur bei «Dissertationen mit Unternehmen» eine Rolle, welche in den kleins-
ten Instituten mit weniger als 8 Wissenschaftlern (der Referenzgruppe) am seltensten sind. Patent-
anmeldungen treten weiterhin in den grössten Instituten am seltensten auf, was aber möglicher-
weise ein Artefakt der Grösse ist: je grösser ein Institut, desto geringer dürfte die Wahrscheinlichkeit 
sein, dass der Leitungsperson tatsächlich alle Patentanmeldungen bekannt sind. Wir sehen keinen 
generellen Trade-off zwischen einem hohen Lehrdeputat und dem Wissensaustausch. Dass der 
lehr-basierte Wissensaustausch mit den Zahlen der Abschluss- und Doktorarbeiten korreliert (Abbil-
dung 61), ist nicht weiter überraschend, da diese Transferform natürlich auf Studierende angewie-
sen ist. Aber Institute mit vielen Bachelor- und Masterarbeiten haben auch eine höhere Zahl an 
Spin-offs und Start-ups und Institute mit vielen betreuten Dissertationen mehr Patentanmeldungen 
Wissens- und Technologietransferder Wissenschaftsorganisationen in der Schweiz 
141 
und Lizenzverträge. Es sind nicht unbedingt die gleichen Mechanismen, die hier zum Ausdruck kom-
men. Während Start-ups vielfach von Studierenden gegründet werden und der Zusammenhang da-
mit auf der Hand liegt, sind Doktoranden mit ihrer Forschung offensichtlich oft eine Basis für paten-
tierbare und kommerzialisierbare Erfindungen. 
 
Intermediäre Organisationen 
Die Bedeutung der intermediären Organisationen für den Wissensaustausch der Institute wurde ei-
nerseits direkt über entsprechende Kontrollvariable zur Einschätzung der Institute zur Bedeutung der 
öffentlichen Innovationsförderung, der Fonds oder Zuschüsse für Kommerzialisierung, Proof-of-Con-
cept, Entwicklung etc., WTT-Stellen, Innovations- oder Wissenschaftsparks, Inkubatoren und Grün-
derzentren, kooperativen Forschungsinstitute und Kompetenzzentren, thematischen Netzwerke und 
Clusterorganisationen und internet-basierten Angebote erfasst. Verwendet werden aber wie im Ab-
schnitt zur Beschreibung der verwendeten unabhängigen Variablen erwähnt die extrahierten drei 
Faktoren. 
Die Analyse findet einen positiven Zusammenhang der Bedeutung der Spin-off und IP-basierten 
Transferunterstützung (PROM_R1), wie fast zu erwarten, bei Patenten und Spin-offs, zusätzlich 
aber auch bei der Bedeutung lehrbasierter, forschungsbasierter und informeller Transferkanäle. Die 
Bedeutung der Organisationen, die Hochschul-Industriekooperationen unterstützen (PROM_R2), ist 
ebenfalls umso höher, je höher die Anzahl der Patentanmeldungen. Daneben sind auch die Koeffi-
zienten für die Bedeutung forschungsbasierter Transferkanäle und informeller Transferkanäle posi-
tiv. Die Internet-basierte Information und Vernetzung (PROM_R3) korreliert negativ mit den Patent-
anmeldungen und Spin-off Zahlen, wofür es ad hoc keine plausible Erklärung gibt ausser dass es 
auch nicht zu erwarten wäre, dass solche Quellen hierfür besonders zum Einsatz kommen. 
 
Kontrollvariable 
Wichtig ist auch die Zugehörigkeit zum Fachbereich: In Ingenieurinstituten sind alle Transfermecha-
nismen deutlich häufiger und wichtiger, mit Ausnahme von Weiterbildungskursen für Fachleute. Für 
sozial- und wirtschaftswissenschaftliche Institute spielen wie zu erwarten Patentanmeldungen und 
Lizenzverträge eine vernachlässigbare Rolle. Weiterbildung ist der Schlüsselmechanismus des Wis-
sensaustauschs für die Sozialwissenschaften (in dieser Studie nur Psychologie, Kognitionswissen-
schaften, Wirtschaft & Management). Für naturwissenschaftliche Institute sind Spin-offs ein wichtiger 
Mechanismus zur Kommerzialisierung von Wissen, während medizinische Institute stärker mittels 
Patentierung und Lizenzierung (vermutlich an bestehende Unternehmen) Wissen transferieren – 
nach Einbeziehung der Variablen für die intermediären Organisationen wurden diese Zusammen-
hänge allerdings jeweils insignifikant auf dem Niveau 0.1. Nicht zuletzt zeigt der Einbezug der Be-
rufserfahrung des Institutsleiters in Privatunternehmen in der Regel keinen Einfluss, sondern nur, 
wenn die Position im Management, durch die Mitarbeit in einem Aufsichtsrat (BoD) oder als Berater 
charakterisiert war. 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
142 
Abbildung 60: Schätzresultate der multivariaten Tweedie-Modelle zum Leistungsbereich der Wissenskommerzialisierung 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
143 
Abbildung 61: Schätzresultate der multivariaten Tweedie-Modelle zum Leistungsbereich des lehrbasierten Wissensaustausch 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
144 
Abbildung 62: Schätzresultate der multivariaten Tweedie-Modelle auf die Leistungsbereiche des lehrbasierten, forschungsbasierten und informellen 
Wissensaustauschs anhand der Indizes 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
145 
5 Fazit und Schlussfolgerungen 
Literatursynthese 
Die Literatursynthese hat einen Rahmen für die vorliegende Arbeit vorgegeben. Im Ergebnis er-
scheint der Wissensaustausch zwischen Wissenschaftsorganisationen und privaten Unternehmen 
als ein Multi-Ebenen-Phänomen, das sowohl von den Merkmalen und Interessen der beteiligten Ein-
zelpersonen beeinflusst wird, als auch von den internen Eigenschaften der Organisationen, den in 
ihrem Umfeld tätigen intermediären Organisationen (IO) und nicht zuletzt dem weiteren institutionel-
len und ökonomischen Kontext sowie dem Fachkontext. Diese Ausgangsbedingungen determinieren 
die Motivationen für und wahrgenommenen Hemmnisse gegen den Wissensaustausch, ob sich eine 
Wissenschaftseinrichtung im Wissensaustausch engagiert, wie intensiv und in welcher Form sie dies 
tut und welche Ergebnisse sie letztlich dabei erzielt. 
 
Fallstudien zu Transferprojekten 
Die fünf untersuchten Fallstudien haben die Auslöser und daran anknüpfenden Abläufe von Projek-
ten des Wissensaustauschs, die für den Erfolg zu bewältigenden Herausforderungen und die Kom-
plementarität von Transfermechanismen und Kanälen exemplarisch dargestellt. Zwei Typen von 
Projekten wurden dabei deutlich: Problemorientierte Projekte entstanden als Reaktion auf ein prakti-
sches Problem, das wissenschaftliche F&E zu seiner Lösung brauchte. Chancenorientierte Projekte 
hatten demgegenüber eine wissenschaftliche Erfindung als Basis, die in der Grundlagenforschung 
der Forschungsinstitute entstanden war und im Sinne eines Technology Push kommerzialisiert 
wurde. Die daraus entstehenden Innovationen, zentralen Projektaktivitäten, Laufzeiten und Finanzie-
rungslösungen unterscheiden sich zwischen diesen beiden Projekttypen. 
Die vorliegende Analyse enthält keine detaillierte Diskussion der Innovationsförderung, Bestandsauf-
nahme zu den Inputs und mit der Förderung erzielten Outputs, Outcomes oder Impacts im Sinne ei-
ner Wirkungsanalyse. Solche Analysen wurden von unabhängigen Evaluatoren im Auftrag der Inno-
suisse erstellt und publiziert (Kägi, Oswald, Suri, Kaufmann, & Nindl, 2019; Kaiser, Odermatt, Bade, 
Haering, & Koch, 2019; Schwenkel, Ramsden, & Duarte, 2019; Stokar et al., 2019). Gleichwohl las-
sen sich aber aus den beiden identifizierten Projekttypen einzelne Hinweise ableiten, die auch die 
Innovationspolitik und -förderung prüfen und allenfalls durch weitere Analysen präzisieren sollte. 
Problemorientierte Projekte haben ein praktisches Problem als Auslöser, das wissenschaftliche For-
schung und Entwicklung und damit den Beitrag wissenschaftlicher Organisationen zur Lösung 
braucht. Die bestehende Innosuisse-Projektförderung bildet die geeignete Finanzierungsform sol-
cher Projekte, insofern als sie den Unternehmen auch eine Eigenleistung abverlangt, welche sicher-
stellen soll, dass nur relevante Projekte gefördert werden. WTT- und Netzwerkförderung und Clus-
terorganisationen unterstützen das Match-Making und die Vernetzung zwischen Wissenschaft und 
Wirtschaft. Der gesellschaftliche Nutzen entsteht aus der Problemlösung und den kosten- oder er-
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
146 
tragsseitigen Auswirkungen auf die geförderten Unternehmen. Daneben kann auch ein Bildungsnut-
zen entstehen, wenn etwa zusätzlich zu den geförderten Projekten Studierende Projekt- und Ab-
schlussarbeiten im Umfeld der Projekte schreiben. 
Gleichwohl geht es bei Innosuisse-Projekten nicht um eine Finanzierung der Schweizer F&E-Organi-
sationen, sondern die Förderung von Innovationen. Die Identifikation und Definition eines Problems, 
bei dem es zur Lösungsfindung die Unterstützung einer F&E-Organisation braucht, ist die primäre 
Aufgabe eines Unternehmens oder Umsetzungspartners in Innosuisse-Projekten. Von diesen muss 
deshalb die Initiative ausgehen und müssen die Projekteingaben initialisiert werden. 
In beiden Projekttypen haben die Beteiligten in verschiedenen Stadien zusätzlichzur Unterstützung 
durch Schweizer F&E-Organisationen auf weitere Unterstützung bei ausländischen Organisationen 
zurückgegriffen. Die zunehmende Spezialisierung im Forschungsbereich bringt es mit sich, dass das 
Schweizer F&I-System nicht mehr grundsätzlich alle gesuchten Kompetenzen und Infrastrukturen 
bereitstellen kann, die es in Innovationsprojekten braucht. In solchen Fällen sollte es möglich sein, 
dass Arbeiten von ausländischen Forschungspartnern durchgeführt werden und grenzüberschrei-
tende Kooperationen gefördert werden. Der Bundesrat hat im Innosuisse-Gesetz (Art. 4, Abs. 1) 
eine Kooperation mit ausländischen Förderorganisationen oder Förderstellen grundsätzlich bei 
grenzüberschreitenden Innovationsprojekten vorgesehen (siehe auch Abschnitt 7 der Beitragsver-
ordnung Innosuisse) und in den strategischen Zielen der Innosuisse die Erwartung formuliert, dass 
bis Ende 2018 eine Strategie dazu erarbeitet wird. Diese Strategie sollte im Sinne der Unternehmen 
die Herbeiziehung ausländischer Forschungspartner immer dann ermöglichen, wenn es dem Pro-
jekterfolg zuträglich ist. 
Chancenorientierte Projekte leiden unter den nicht nur aus der Schweiz bekannten und viel disku-
tierten Finanzierungsengpässen in frühen Projektphasen des Proof-of-Concept, der Erarbeitung von 
Prototypen oder des Up-Scaling vom Prototypen zum marktfähigen (Serien-)Produkt und der Ent-
wicklung eines Produktionssystems. In den letzten Jahren sind auf der Ebene der Forschungsorga-
nisationen entsprechende Finanzierungslösungen entstanden6 und auch Innosuisse und SNF haben 
neue Programme dazu aufgelegt (F&E-Projektförderung ohne Umsetzungspartner, BRIDGE). Diese 
Förderung schliesst eine wichtige Lücke und es besteht hoher Bedarf: die Förderquoten für BRIDGE 
Proof-of-Concept werden mit 18%, für BRIDGE Discovery sogar nur mit 7% angegeben 
(http://www.snf.ch/de/fokusForschung/newsroom/Seiten/news_190522_bridge_schlaegt 
_bruecken.aspx). Dies spricht dafür, die Programme künftig auszuweiten. 
Nicht nur die Projektinitialisierung stellt Herausforderungen an die Beteiligten, auch die Umsetzung 
kann an Hemmnisse stossen, die letzten Endes mitentscheiden, ob ein Problem tatsächlich gelöst 
wird oder ob aus einer guten Idee ein marktfähiges Produkt wird. Die Erkennung und Lösung der 
 
6 Z.B. EPFL Innogrants (https://www.epfl.ch/innovation/entrepreneurship/start-your-venture/innogrants/), ETH Pioneer 
Fellowships (https://www.ethz.ch/en/industry-and-society/entrepreneurship/pioneer-fellowships.html) oder UZH Entre-
preneur-Fellowships BioTech und MedTech (https://www.researchers.uzh.ch/en/funding/postdoc/bioentrepreneur-
fellowships.html). 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
147 
Probleme liegt aber in den Projekten und bei den Projektbeteiligten und es schwierig, aus der Per-
spektive der Innovationsförderung hier gangbare Unterstützungsmassnahmen zu formulieren, die 
über die Coaching- und Trainingsangebote etwa der Innosuisse im Rahmen der Start-up Förderung 
hinausgehen. 
 
Tabelle 24: Fokus der Innovationsförderung 
Projekttyp Problemorientierung Chancenorientierung 
Überblick zur heute 
bestehenden För-
derung 
F&E-Projektförderung der Innosuisse 
WTT-/Clusterförderung der Innosuisse 
SNF- und EU-Forschungsförderung 
BRIDGE Proof-of-Concept/Discovery Förderungen 
Proof-of-Concept Förderung der F&E-Organisationen 
F&E-Projektförderung ohne Umsetzungspartner, Start-
up Förderung, WTT-/Clusterförderung der Innosuisse 
diverse Wettbewerbe 
Massnahmen bei 
der Projektinitiali-
sierung 
Initialisierung nur durch Unternehmen möglich 
Definition der förderfähigen praktischen Probleme: alle 
Probleme, die für die Lösung wissenschaftliche Metho-
den brauchen 
Matching von Unternehmen und wissenschaftlichen 
Problemlösern (im In- und Ausland) 
Initialisierung nur durch Forschungsorganisationen und 
Start-up Unternehmen möglich 
Mehr Gelegenheiten durch mehr Grundlagen- und Brü-
ckenfinanzierung 
Matching von Unternehmen und wissenschaftlichen 
Problemlösern (im In- und Ausland) 
Mobilisierung zusätzlicher privater Finanzierung (für 
Technologieentwicklung, Up-Scaling, Markteinführung) 
(Massnahmen bei 
der Umsetzung) 
(Schaffung von Akzeptanz für die externe Problemlö-
sung im Unternehmen, Integration) 
(Unterstützung bei der Definition von Geschäftsmodell 
und Value Proposition) 
 
Befragung der Wissenschaftsorganisationen 
Die Beteiligung der Institute am Wissensaustausch ist beachtlich hoch: mehr als drei Viertel aller In-
stitute haben zwischen 2015 und 2017 mit Unternehmen in der Schweiz zusammengearbeitet und 
über 60% mit Unternehmen im Ausland. Diese Zusammenarbeit erfolgt primär aus wissens- und an-
wendungsbezogenen Motiven und soll aus Sicht der Institute die Forschung stärken und helfen, 
praktische Probleme in Wirtschaft und Gesellschaft zu lösen. Weiterhin dient sie der zusätzlichen 
Finanzierung der Forschung (Drittmittel). Die grosse Internationalität ist zentral, weil sie den Zugang 
zu Kompetenzen und Ressourcen gestattet, die die Schweiz selbst nicht hat. 
Je nach Organisation (ETH-Sektor, Universität, FH, ausseruniversitär), Fachgebiet und Grösse un-
terscheiden sich die Intensität der Beteiligung im Wissensaustausch, die Partner und die eingesetz-
ten Mechanismen und Formen. 
Der Wissensaustausch bildet für Institute mit einem Fokus auf aF&E und Beratung, etwas mehr als 
ein Fünftel aller Institute, eine Kernaufgabe. Diese Institute, primär ingenieurwissenschaftliche Insti-
tute und FH-Institute, arbeiten auf vielen Wegen und unter Nutzung der ganzen Bandbreite formaler 
und informeller Instrumente mit Unternehmen zusammen. Sie setzen am häufigsten auch Anreize in 
der Form von Belohnungen für besondere Leistungen im Wissensaustausch und gestalten ihre Re-
geln positiv für die Arbeit in, für und mit privaten Unternehmen aus. Als weniger positiv werden von 
diesen Instituten die Regeln für die Gründung von Spin-offs und allgemein Kommerzialisierung von 
Forschungsergebnissen wahrgenommen. Hier scheinen noch weitere Abklärungen notwendig, worin 
genau Optimierungsbedarf und -potenziale bestehen. 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
148 
Die Hälfte aller Institute lassen sich gemäss ihrer Mission als Grundlageninstitute mit Anwendungs-
orientierung bezeichnen und gehören etwa zu gleichen Teilen Universitäten und dem ETH-Sektor an 
(und zu 10% ausseruniversitären Organisationen). Für sie stehen Grundlagenforschung an erster 
und die Ausbildung von Doktoranden an zweiter Stelle; angewandte F&E und Lehre auf Bachelor- 
und Masterebene folgen in der Bedeutungsskala. Abgesehen von der angewandten F&E kommerzi-
alisieren diese Institute ihr Wissen ebenso häufig wie die erste Gruppe über Lizenzen oder Spin-offs 
und verfügen auch über interne Regelungen und eine Organisationskultur, die dies unterstützen. 
Trotz der expliziten Anwendungsorientierung arbeiten sie aber vergleichsweise wenig in Forschung 
und Lehre mit Unternehmen zusammen, was v.a. aus fehlenden Erfahrungen und Vorbehalten ge-
genüber der Praxis in Unternehmen und den Anforderungen an Geheimhaltung oder Publikationen 
resultiert. Wenn es gelingt solche Vorbehalte abzubauen und die Vereinbarkeit von Open Science 
und der Arbeit mit Unternehmen zu garantieren, dann wäre dies für den Wissensaustausch ohne 
Zweifel förderlich. 
Die beiden verbleibenden Typen, Grundlageninstitute mit Ausbildungsmission und Anwendungsori-
entierte Institute mit praktischem Dienstleistungsauftrag, machen zusammen 30% der Institute aus 
und sind in 7 von 10 Fällen Universitätsinstitute. Ihr Fokus liegt neben der Forschung entweder auf 
der Lehre oder auf praktischen Dienstleistungen für die Gesellschaft. Sie gehören zu einer Naturwis-
senschaft, der Medizin oder den Agrarwissenschaften und geben mit Abstand die geringste Motiva-
tion zur Arbeit mitprivaten Unternehmen an. Sie weisen am häufigsten auf ein geringes Interesse 
privater Unternehmen an ihrer Arbeit, fehlende Kapazitäten, mögliche Konflikte zwischen Wissen-
saustausch und anderen Aufgaben und interne regulatorische Barrieren hin. Interne Anreize zur Be-
teiligung im Wissensaustausch bestünden zwar zum Teil, aber sie zeigen aus diesen Gründen nur 
eine geringe Wirkung. Ansatzpunkte zur Steigerung des Wissensaustauschs bestehen in erster Linie 
über die Intensivierung lehrbasierter Mechanismen (Grundlageninstitute) und zusätzliche Ressour-
cen für den Wissensaustausch (Anwendungsorientierte Institute mit Dienstleistungsauftrag). 
Das Innovationsökosystem der Schweiz verfügt über eine Vielzahl verschiedener intermediärer Or-
ganisationen (IO), die im Auftrag von Bund, Kantonen, Gemeinden, Hochschulen, Wirtschaftsorgani-
sationen, Stiftungen oder anderen gesellschaftlichen Gruppen den Wissensaustausch befördern. 
Die grösste Bedeutung ordnen die befragten Institute der (finanziellen) öffentlichen Innovationsförde-
rung zu, gefolgt von den Wissens- und Technologietransferstellen. Jede der weiteren Organisations-
typen, Innovations- oder Wissenschaftsparks, Inkubatoren und Gründerzentren, Fonds oder Zu-
schüsse für Entwicklung und Kommerzialisierung, kooperative Forschungszentren, Clusterorganisa-
tionen und internetbasierte Tools, alleine wird von 80–90% der Institute als wenig bedeutend be-
zeichnet und weist damit eine geringe Breitenwirkung auf. Die Vielfalt und Fragmentierung der IO ist 
für dieses Bild mit verantwortlich. Die Analyse zeigt, dass diejenigen Institute bei den Kommerziali-
sierungsindikatoren besser abschneiden, die – neben der öffentlichen Innovationsförderung und den 
WTT-Stellen – auch Fonds oder Zuschüssen für Entwicklung und Kommerzialisierung und Innovati-
ons- oder Wissenschaftsparks grosse Bedeutung geben. Bedeutende IO unterscheiden sich von 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
149 
den weniger bedeutenden IO dadurch, dass sie eine etwas stärkere interne Verankerung in der Or-
ganisation haben, stärker fachspezifisch und weniger fachübergreifend arbeiten, Kenntnis zu Märk-
ten und Kunden mitbringen und aus Sicht der Wissenschaft interessante Veranstaltungen durchfüh-
ren. An diesen Ergebnissen und Charakteristiken kann die Arbeit der intermediären Organisationen 
anknüpfen: 
Sie könnten ihre Sichtbarkeit und Wahrnehmung und damit auch ihre Effektivität steigern, wenn sie 
die häufigen kleinen und unkoordinierten Veranstaltungen durch eine geringere Anzahl grösserer, 
gemeinschaftlich getragener und hochwertig besetzter Veranstaltungen ergänzen oder sogar erset-
zen würden. 
Solche Veranstaltungen sollten fachspezifisch sein, wie auch die anderen Unterstützungs- und Ver-
netzungsaktivitäten, und die fachliche Fokussierung und der fachspezifische Kompetenzaufbau soll-
ten hohe Priorität in jeder IO erhalten. 
Nicht zuletzt fehlen den Instituten in vielen Fällen die Kenntnisse über und der Zugang zu Kunden 
und Märkten. Dieses komplementäre Wissen ist aber für erfolgreichen Wissensaustausch essenziell 
und ebenfalls ein möglicher Beitrag einer IO. 
Nicht nur spezifische fachliche und wirtschaftliche Kenntnisse sind für den Support des Wissensaus-
tauschs wichtig, sondern auch vielfältige rechtliche Kenntnisse und Erfahrungen. Dass IO und Coa-
ches über diese breite Wissensbasis verfügen bzw. qualifizierte von unqualifizierten Coaches und 
Consultants besser unterschieden werden können, kann ein wichtiger Beitrag der Innovationspolitik 
sein. Weiterbildungsangebote und Zertifizierungen könnten dies leisten. 
Die Motivation zum Wissensaustausch ist in den FH-Instituten, die weitgehend identisch sind mit 
dem Cluster der Institute mit Fokus auf aF&E und Beratung, zweifelsohne am grössten. Die wich-
tigsten Barrieren, die diese Institute im Wissensaustausch bewältigen müssen, sind fehlende Finan-
zierung, hohe Belastung durch Lehre oder andere Aufgaben und wenige Ressourcen auf der Seite 
der Unternehmen. Auch bei den ETH-Instituten ist die Motivation zum Wissensaustausch hoch, aber 
klar der Grundlagenarbeit und exzellenten Forschung nachgeordnet. Potenzielle Konflikte zwischen 
diesen Aufgaben und mögliche Beeinträchtigungen der Forschungstätigkeit sind deshalb ernst zu 
nehmende Vorbehalte gegen den Wissensaustausch, die auch gegenüber den Unternehmenspart-
nern kommuniziert werden sollten, um Verständnis zu wecken. Etwa die Hälfte der Universitätsinsti-
tute ist sehr ähnlich zu diesen ETH-Instituten. Die andere Hälfte hat einen Fokus auf Forschung und 
Lehre oder auf Forschung und praktischen Dienstleistungen für die Gesellschaft. Diese Institute brin-
gen im Vergleich die geringste Motivation für den Wissensaustausch mit und schaffen es nur selten 
interne Hemmnisse (Belastung durch andere Aufgaben, aufwendige Verfahren im WTT, fehlende 
Ressourcen und Finanzierung) und externe Barrieren (geringes Interesse der Unternehmen an ihrer 
Arbeit) zu überwinden. Die ausseruniversitären Institute setzen sich aus sehr unterschiedlichen Or-
ganisationen zusammen: etwa dem CERN, das exzellente Forschung in der Grundlagenphysik be-
treiben und die Grenzen von Wissenschaft und Technik verschieben möchte; oder dem CSEM, wel-
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
150 
ches Grundlagenforschung in neue Prozesse umwandeln, innovative Produkte entwickeln und In-
dustrie und Gesellschaft bei der Vorbereitung auf die Zukunft unterstützen möchte. Entscheidungs-
lage und Unterstützungsbedarf bezüglich Wissensaustausch hängen stark von diesem Selbstver-
ständnis ab. 
 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
151 
6 Literaturverzeichnis 
Abreu, M., & Grinevich, V. (2013). The nature of academic entrepreneurship in the UK: Widening the 
focus on entrepreneurial activities. Research Policy, 42(2), 408–422. 
Abreu, M., Grinevich, V., Hughes, A., & Kitson, M. (2009). Knowledge Exchange between 
Academics and the Business, Public and Third Sectors. Cambridge: Centre for Business 
Research, University of Cambridge. Retrieved from 
http://www.cbr.cam.ac.uk/pdf/AcademicSurveyReport.pdf 
Adams, J. D., Chiang, E. P., & Starkey, K. (2001). Industry-University Cooperative Research 
Centers. The Journal of Technology Transfer, 26(1), 73–86. 
Agrawal, A. (2001). University-to-industry knowledge transfer: literature review and unanswered 
questions. International Journal of Management Reviews, 3(4), 285–302. 
Albahari, A., Pérez-Canto, S., Barge-Gil, A., & Modrego, A. (2017). Technology Parks versus 
Science Parks: Does the university make the difference? Technological Forecasting and Social 
Change, 116, 13–28. 
Alexander, A. T., & Martin, D. P. (2013). Intermediaries for open innovation: A competence-based 
comparison of knowledge transfer offices practices. Technological Forecasting and Social 
Change, 80(1), 38–49. 
Algieri, B., Aquino, A., & Succurro, M. (2013). Technology transfer offices and academic spin-off 
creation: the case of Italy. The Journal of Technology Transfer, 38(4), 382–400. 
Ambos, T. C., Makela, K., Birkinshaw, J., & D’Este, P. (2008). When Does University Research Get 
Commercialized? Creating Ambidexterity in Research Institutions. Journal of Management 
Studies, 45(8), 1424–1447. 
Ankrah, S., Burgess, T. F., Grimshaw, P., & Shaw, N. E. (2013). Asking both university and industry 
actors about their engagement in knowledge transfer: What single-group studies of motives 
omit. Technovation, 33(2), 50–65. 
Argyres, N. S., & Liebeskind, J. P. (1998). Privatizing the intellectual commons: Universities and the 
commercialization of biotechnology. Journal of Economic Behavior & Organization, 35(4), 427–
454. 
Arvanitis, S., Donzé, L., & Sydow, N. (2010). Impact of Swiss technology policy on firm innovation 
performance: an evaluation based on a matchingapproach. Science and Public Policy, 37(1), 
63–78. 
Arvanitis, S., & Hollenstein, H. (2012). Innovationsaktivitäten der Schweizer Wirtschaft. 
Determinanten, Auswirkungen, Förderpolitik. Zürich & Chur: Rüegger. 
Arvanitis, S., Kubli, U., & Woerter, M. (2008). University-industry knowledge and technology transfer 
in Switzerland: What university scientists think about co-operation with private enterprises. 
Research Policy, 37(10), 1865–1883. 
Arvanitis, S., Ley, M. C., & Wörter, M. (2012). Knowledge and Technology Transfer between 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
152 
Universities and Private Enterprises in Switzerland 2011 – An Analysis Beased on Firm and 
Institute Data. KOF Studies. Zürich. Retrieved from 
http://kofportal.kof.ethz.ch/publications/download/2683/No_37_2012_12_Titel_Knowledge and 
Technology Transfer.pdf 
Arvanitis, S., Sydow, N., & Woerter, M. (2008). Is there any Impact of University–Industry Knowledge 
Transfer on Innovation and Productivity? An Empirical Analysis Based on Swiss Firm Data. 
Review of Industrial Organization, 32(2), 77–94. 
Arvanitis, S., Sydow, N., & Wörter, M. (2008). Do specific forms of university-industry knowledge 
transfer have different impacts on the performance of private enterprises? An empirical analysis 
based on Swiss firm data. The Journal of Technology Transfer, 33(5), 504–533. 
Arvanitis, S., & Woerter, M. (2009). Firms’ transfer strategies with universities and the relationship 
with firms’ innovation performance. Industrial and Corporate Change, 18(6), 1067–1106. 
Attewell, P. (1992). Technology diffusion and organizational learning: The case of business 
computing. Organization Science, 3(1), 1–19. 
Baldini, N. (2010). Do royalties really foster university patenting activity? An answer from Italy. 
Technovation, 30(2), 109–116. 
Baldini, N., Grimaldi, R., & Sobrero, M. (2007). To patent or not to patent? A survey of Italian 
inventors on motivations, incentives, and obstacles to university patenting. Scientometrics, 
70(2), 333–354. 
Barjak, F., & Es-Sadki, N. (2016). Influences of the regional and national economic environment on 
the technology transfer performance of academic institutions in Europe. In D. B. Audretsch, E. 
E. Lehmann, M. Meoli, & S. Vismara (Eds.), University Evolution, Entrepreneurial Activity and 
Regional Competitiveness (pp. 207–234). Cham: Springer. 
Barjak, F., Es-Sadki, N., & Arundel, A. (2015). The effectiveness of policies for formal knowledge 
transfer from European universities and public research institutes to firms. Research 
Evaluation, 24(1), 4–18. 
Beck, M., Junge, M., & Kaiser, U. (2018). Public Funding and Corporate Innovation. In ETH Zürich: 
Research Collection. https://doi.org/https://doi.org/10.3929/ethz-b-000227682 
Becker, B. (2015). Public R&D Policies and Private R&D Investment: A Survey of the Empirical 
Evidence. Journal of Economic Surveys, 29(5), 917–942. 
Bekkers, R., & Bodas Freitas, I. M. (2008). Analysing knowledge transfer channels between 
universities and industry: To what degree do sectors also matter? Research Policy, 37(10), 
1837–1853. 
Bercovitz, J., & Feldman, M. (2008). Academic Entrepreneurs: Organizational Change at the 
Individual Level. Organization Science, 19(1), 69–89. 
Bercovitz, J., & Feldman, M. (2011). The mechanisms of collaboration in inventive teams: 
Composition, social networks, and geography. Research Policy, 40(1), 81–93. 
Boardman, P. C. (2009). Government centrality to university–industry interactions: University 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
153 
research centers and the industry involvement of academic researchers. Research Policy, 
38(10), 1505–1516. 
Boardman, P. C., & Corley, E. A. (2008). University research centers and the composition of 
research collaborations. Research Policy, 37(5), 900–913. 
Boardman, P. C., & Gray, D. O. (2010). The new science and engineering management: cooperative 
research centers as government policies, industry strategies, and organizations. The Journal of 
Technology Transfer, 35(5), 445–459. 
Bodas Freitas, I. M., Geuna, A., & Rossi, F. (2013). Finding the right partners: Institutional and 
personal modes of governance of university–industry interactions. Research Policy, 42(1), 50–
62. 
Bradley, S. R., Hayter, C. S., & Link, A. N. (2013). Proof of Concept Centers in the United States: an 
exploratory look. The Journal of Technology Transfer, 38(4), 349–381. 
Broekel, T., Fornahl, D., & Morrison, A. (2015). Another cluster premium: Innovation subsidies and 
R&D collaboration networks. Research Policy, 44(8), 1431–1444. 
Bundesrat der Schweizerischen Eidgenossenschaft. (2018). Gesamtschau der Innovationspolitik. 
Bericht des Bundesrates in Erfüllung des Postulates 13.3073, Derder, 13. März 2013. 
Retrieved from https://www.parlament.ch/centers/eparl/curia/2013/20133073/Bericht BR D.pdf 
Caldera, A., & Debande, O. (2010). Performance of Spanish universities in technology transfer: An 
empirical analysis. Research Policy, 39(9), 1160–1173. 
Casper, S. (2013). The spill-over theory reversed: The impact of regional economies on the 
commercialization of university science. Research Policy, 42(8), 1313–1324. 
Clarysse, B., Tartari, V., & Salter, A. (2011). The impact of entrepreneurial capacity, experience and 
organizational support on academic entrepreneurship. Research Policy, 40(8, SI), 1084–1093 
Cohen, W. M., Nelson, R. R., & Walsh, J. P. (2002). Links and Impacts: the Influence of Public 
Research on Industrial R&D. Management Science, 48(1), 1–23. 
Conti, A., & Gaule, P. (2011). Is the US outperforming Europe in university technology licensing? A 
new perspective on the European Paradox. Research Policy, 40(1), 123–135. 
Cunningham, J. A., & O’Reilly, P. (2018, in print). Macro, meso and micro perspectives of technology 
transfer. The Journal of Technology Transfer. 
D’Este, P., & Patel, P. (2007). University-industry linkages in the UK: What are the factors underlying 
the variety of interactions with industry? Research Policy, 36(9), 1295–1313. 
D’Este, P., & Perkmann, M. (2011). Why do academics engage with industry? The entrepreneurial 
university and individual motivations. The Journal of Technology Transfer, 36(3), 316–339. 
de Wit-de Vries, E., Dolfsma, W. A., van der Windt, H. J., & Gerkema, M. P. (2018). Knowledge 
transfer in university–industry research partnerships: a review. The Journal of Technology 
Transfer. 
Debackere, K., & Veugelers, R. (2005). The role of academic technology transfer organizations in 
improving industry science links. Research Policy, 34(3), 321–342. 
Wissens- und Technologietransfer der Wissenschaftsorganisationen in der Schweiz 
154 
Denison, D. R. (1996). What is the difference between organizational culture and climate? A native’s 
point of view on a decade of paradigm wars. Academy of Management Review, 21(3), 619–
654. 
Di Gregorio, D., & Shane, S. (2003). Why do some universities generate more start-ups than others? 
Research Policy, 32(2), 209–227. 
Fini, R., Fu, K., Mathisen, M. T., Rasmussen, E., & Wright, M. (2017). Institutional determinants of 
university spin-off quantity and quality: a longitudinal, multilevel, cross-country study. Small 
Business Economics, 48(2, SI), 361–391 
Fini, R., Grimaldi, R., Santoni, S., & Sobrero, M. (2011). Complements or substitutes? The role of 
universities and local context in supporting the creation of academic spin-offs. Research Policy, 
40(8), 1113–1127. 
Fini, R., & Lacetera, N. (2010). Different yokes for different folks: Individual preferences, institutional 
logics, and the commercialization of academic research. In G. D. Libecap, M. Thursby, & S. 
Hoskinson (Eds.), Spanning Boundaries and Disciplines: University Technology 
Commercialization in the Idea Age (Vol. 21, pp. 1–25). Bingley, UK: Emerald