Resilienzmanagement als verbindende Brücke zwischen Business Continuity Management und Risikomanagemenrt: Integratives Modell, Messregeln und die Rolle von Standards und Governance

Zusammenfassung und Forschungsanlass

Die zunehmende Häufung und Vernetzung von Krisen („permacrisis“) hat Resilienz in vielen Unternehmen von einer Compliance‑Randdisziplin zu einem strategischen Top‑Management‑Thema gemacht (PwC, 2023). Gleichzeitig zeigen internationale Datenquellen konsistent eine erhebliche Lücke zwischen der im Topmanagement artikulierten Relevanz vUnternehmensresilienz wird in der Managementforschung zunehmend als zentraler Erklärungs- und Gestaltungsrahmen genutzt, um heterogene Reaktionen von Unternehmen auf Schocks, Störungen und andauernde Turbulenz zu verstehen. Zugleich verweisen systematische Übersichtsarbeiten darauf, dass das Konstrukt trotz hoher Attraktivität für Forschung und Praxis weiterhin unter definitorischer Unschärfe, taxonomischer Fragmentierung und inkonsistenter Operationalisierung leidet, was die Ableitung verlässlicher Gestaltungsregeln für Führungskräfte erschwert (Hillmann & Guenther, 2021; Linnenluecke, 2017; Conz & Magnani, 2020).

Eine strategisch wertvolle, managementrelevante Zusatzlücke entsteht dadurch, dass Unternehmen in der Praxis Resilienz häufig über Governance-Mechanismen, Standards, Rahmenwerke und Prüf-/Zertifizierungslogiken „bearbeiten“ (z. B. ERM, Business-Continuity-Standards, Cybersecurity-Frameworks), während die Forschung die Wirksamkeit solcher Hebel als kausale Treiber resilienter Leistungsentwicklungen in sozialen und wirtschaftlichen Krisen bislang nur punktuell erklärt oder empirisch belastbar identifiziert. Parallel weist die Literatur zu Business Continuity Management (BCM) darauf hin, dass Studien zu Wirkpfaden von BCM-Praktiken auf geplante und adaptive Resilienz sowie Performance weiterhin selten sind und insbesondere die Post-Krisen-Perspektive unterbelichtet bleibt (Ali et al., 2023).

Der hier ausgearbeitete Beitrag positioniert sich als Brücke zwischen Resilienztheorie/-messung und der Governance-Realität von Unternehmen. Er beansprucht einen doppelten Beitrag: Erstens ein einheitliches, zeit-explizites konzeptionelles Modell, das Unternehmensresilienz als zeitabhängige Leistungsfähigkeit entlang zweier Primärpfade fasst (absorptive Robustheit und adaptive Erneuerung) und diese in Phasenlogiken sowie Fähigkeitskonfigurationen übersetzt (Conz & Magnani, 2020; Duchek, 2020). Zweitens ein Mess- und Operationalisierungskonzept, das Mindestvariablen und Designregeln definiert, um Resilienz als Leistungsergebnis konsistent zu schätzen und mit Fähigkeits- sowie Governance-Indikatoren (einschließlich Standard-/Framework-Konformität) in Ausrichtung zu bringen (Sevilla et al., 2023).

Begriffliche Problemstellung und Abgrenzungen

Resilienz wird hier strikt als organisations-/unternehmensbezogenes (nicht makroökonomisches) Phänomen definiert, dessen empirische Signatur eine zeitliche Leistungsentwicklung ist: Ein widriges Ereignis (Adversity) erzeugt eine Belastung/Leistungsabweichung und zwingt zu Reaktionen, deren Qualität sich in Verlusttiefe, Stabilität, Wiederherstellungsdynamik und ggf. Erneuerung/Überperformance relativ zu einem Kontrafaktum ausdrückt (Conz & Magnani, 2020; Kahn et al., 2017). Entscheidend ist, dass Widrigkeit nicht nur als singuläres „Event“, sondern auch als Prozess bzw. als „sustained adversity“ auftreten kann, wobei Belastung lokal (in Teilen der Organisation) entstehen und über Kopplungen auf das Gesamtsystem wirken kann (Kahn et al., 2017).

Die Abgrenzung zu benachbarten Praxisdomänen ist für Managementimplikationen zentral: Risikomanagement fokussiert typischerweise auf die systematische Identifikation, Analyse, Bewertung und Behandlung von Risiken sowie das Einbetten in Entscheidungsprozesse (International Organization for Standardization, 2018). Business Continuity Management adressiert demgegenüber die organisatorische Fähigkeit, kritische Funktionen bei Störungen aufrechtzuerhalten bzw. zeitnah wiederherzustellen und damit Kontinuität als Gestaltungsziel zu operationalisieren (International Organization for Standardization, 2019). Resilienz integriert beide Logiken, geht aber analytisch darüber hinaus, weil sie nicht nur Stabilisierung/Recovery (defensiv), sondern auch Anpassung, Lernen und Transformation (offensiv) als legitime und kontextabhängige Leistungsantworten umfasst (Duchek, 2020).

Damit ist Resilienz weder identisch mit Zuverlässigkeit/Sicherheit (primär: „Vermeidung unerwünschter Variabilität“ und robuste, fehlerarme Routinen) noch mit „Agilität“ (primär: schnelle Reaktion unter Routineänderung) – obwohl sich empirische Bausteine überschneiden. Als kritische Randbedingung gilt zudem, dass unter Bedrohung systematische Verzerrungen auftreten können: Organisationen neigen zu eingeschränkter Informationsverarbeitung, Zentralisierung und Kontrollverengung („threat-rigidity“), was kurzfristig koordinationsfähig wirken kann, langfristig aber Adaptivität unterminiert (Staw et al., 1981). Diese Ambivalenz ist für Governance- und Standardlogiken besonders relevant, weil „mehr Kontrolle“ nicht automatisch „mehr Resilienz“ bedeutet (Staw et al., 1981; Leonard-Barton, 1992).

Integrativer Resilienzrahmen: Pfade, Phasen und Fähigkeitskonfigurationen

Das integrative Modell definiert Unternehmensresilienz als zeitabhängige Leistungsfähigkeit entlang zweier Primärpfade, die je nach Adversity-Typ und Zeitphase unterschiedliche Fähigkeitskonfigurationen aktivieren:

• Erstens absorptive Robustheit (absorptive resilience):
  die Fähigkeit, Funktionsfähigkeit trotz Störung zu stabilisieren, Verluste zu begrenzen und durch Puffer, Redundanz, Kontinuitätsmechanismen sowie schnelle Koordination „durch die Störung hindurch“ zu operieren (Conz & Magnani, 2020; Duchek, 2020).
• Zweitens adaptive Erneuerung (adaptive resilience):
  die Fähigkeit, nach (oder auch während) der Störung Ressourcen, Routinen und Geschäftslogiken zu re-konfigurieren, zu lernen und sich so auf einen neuen, besseren oder zumindest tragfähigen Leistungspfad zu bewegen (Conz & Magnani, 2020; Duchek, 2020).

Beide Pfade sind theoretisch nicht als „entweder–oder“, sondern als potenziell komplementär zu behandeln; die Mischung ist kontingent (Conz & Magnani, 2020).

Die Zeitlichkeit wird über drei Phasen operationalisiert:

• vor dem Schock (Antizipation/Preparedness),
• während des Schocks (Bewältigung/Coping) und
• nach dem Schock (Anpassung/Erneuerung).

Diese Prozesssicht ist in der Resilienzforschung weit verbreitet; Duchek beschreibt explizit Antizipation–Coping–Adaptation als aufeinander bezogene Resilienzstufen und konzeptualisiert Resilienz als Meta-Fähigkeit, die sich aus Bündeln organisatorischer Fähigkeiten/Routinen zusammensetzt (Duchek, 2020). Conz und Magnani begründen zusätzlich, dass die temporale Dimension zwingend in Theorie und Methodik zu berücksichtigen ist und unterscheiden absorptive und adaptive Pfade als dominierende Erklärungslinien für Resilienz (Conz & Magnani, 2020).

Das Modell übersetzt diese Logik in Fähigkeitskonfigurationen, die nicht als additive Checkliste, sondern als phasen- und pfadabhängige „Konfiguration“ zu verstehen sind. Vier Fähigkeitsfamilien sind im Unternehmenskontext besonders robust begründbar:

• Erstens Wahrnehmung/Bereitschaft:
  Umwelt- und Risiko-Sensing, Vorausschau, Priorisierung kritischer Verwundbarkeiten, Training/Übungen und klare Rollen-/Entscheidungsarchitektur (Duchek, 2020; van der Vegt et al., 2015).
• Zweitens Pufferung/Spielraum und Kontinuität:
  finanzielle und operative Slack-Ressourcen, zugriffsbereite Liquidität, Redundanz, Notfallpläne, IT-/Prozess-Resilienz (van der Vegt et al., 2015; International Organization for Standardization, 2019).
• Drittens Neukonfiguration/Lernen:
  dynamische Reallokation, Innovations- und Lernroutinen, Rekombination von Ressourcen, Re-Design von Prozessen und ggf. Geschäftsmodellen (Duchek, 2020).
• Viertens Beziehungs- und Steuerungsmechanismen:
  Koordination über Teile der Organisation und über Organisationsgrenzen hinweg; insbesondere wirken interdependente Netzwerkeffekte (Lieferketten) als Verstärker von Störungen, sodass Resilienz auch von Kopplungen, Transparenz und Netzwerkstruktur abhängt (Kahn et al., 2017; van der Vegt et al., 2015).

Operationalisierung und Messkonzept: Resilienz als Leistungsergebnis

Die Diagnose der Literatur ist konsistent: Resilienz wird in Studien häufig unterschiedlich operationalisiert (Skalen, Indikatorbündel, Fallstudiennarrative, einzelne Outcome-Proxies), was Vergleichbarkeit und kumulative Evidenz schwächt (Hillmann & Guenther, 2021; Linnenluecke, 2017). Resilienz „ex ante“ als fixe Eigenschaft zu messen ist besonders problematisch, weil Resilienz als dynamischer Prozess erst im Zusammenspiel von Event, Reaktion und Lern-/Anpassungspfad sichtbar wird; Sevilla et al. folgern explizit, dass die in der Literatur verwendeten Resilienzmetriken überwiegend ex post sind und eine ex-ante-Quantifizierung konzeptionell/empirisch nur begrenzt möglich ist (Sevilla et al., 2023).

Auf dieser Basis wird ein Messkonzept vorgeschlagen, das Resilienz primär als Leistungsergebnis über die Zeit schätzt und sekundär mit Fähigkeits- und Governance-Maßen verknüpft. Methodisch ist ein Mindestset an Designentscheidungen zu fixieren:

• Erstens Ereignisdefinition (Adversity):
  Startzeitpunkt, Intensität, betroffene Einheiten/Segmente, plausible Exogenität (oder zumindest instrumentierbare Variation) sowie Unterscheidung zwischen „akutem Schock“ und „persistenter Störung“. In der Praxis kann dies über Policy-Schocks, Naturereignisse, Cyber-Incidents oder Pandemie-/Lockdown-Interventionen operationalisiert werden; zentral ist, dass Messfenster und Kontrafaktum auf die Ereignislogik abgestimmt sind (Conz & Magnani, 2020; Tian & Cui, 2025).
• Zweitens Leistungsreihe (Outcome):
  Resilienz ist ohne longitudinale Leistungsinformation nur eingeschränkt interpretierbar. Als robuste Kandidaten gelten Umsatz/Sales, Wertschöpfung/Output, Cashflow, EBIT(DA), operative Kontinuitätskennzahlen, Ausfallzeiten, Market-based Measures (z. B. Crash-Risk) – jeweils abhängig vom Adversity-Typ. Dass unterschiedliche Outcome-Konstrukte unterschiedliche Resilienzfacetten abbilden, ist nicht Defekt, sondern muss explizit gemacht werden (Hillmann & Guenther, 2021; Bosio et al., 2020).
• Drittens Kontrafaktum (Baseline):
  Die zentrale Messfrage lautet nicht „Wie gut war die Leistung?“, sondern „Wie stark wich die Leistung relativ zu einem plausiblen Kontrafaktum ab?“. In der Praxis kommen Selbst bei eingeschränktem Datenzugang sollte mindestens die Kontrafaktum-Logik transparent dokumentiert werden, da sonst Resilienz mit Wachstum, Branchenzyklen oder strukturellen Vorteilen verwechselt wird (Abidi et al., 2022; Tian & Cui, 2025).
  • (a) trendbasierte Prognosen (z. B. Forecasting aus Pre-Perioden),
  • (b) Peer-basierte Benchmarks oder (
  • c) quasi-experimentelle Designs (Difference-in-Differences, Synthetic Control) in Betracht.
    
    Selbst bei eingeschränktem Datenzugang sollte mindestens die Kontrafaktum-Logik transparent dokumentiert werden, da sonst Resilienz mit Wachstum, Branchenzyklen oder strukturellen Vorteilen verwechselt wird (Abidi et al., 2022; Tian & Cui, 2025).
• Viertens Zeitfenster und Sensitivität:
  Resilienzmetriken sind stark fensterabhängig (kurze Fenster betonen Robustheit/Absorption; längere Fenster erlauben Erneuerung/Transformation sichtbar zu machen). Daher sind regelbasierte Fenster (z. B. „12 Monate nach Onset“) und variable Fenster (z. B. „bis Rückkehr zum Kontrafaktum“) als Sensitivitätsanalyse zu kombinieren, um Verzerrungen durch willkürliche Cutoffs zu minimieren (Sevilla et al., 2023).
• Fünftens Ausrichtung auf Fähigkeits- und Governance-Maße:
  Fähigkeiten lassen sich mit Survey-Instrumenten erfassen (z. B. Planungs- und adaptive Kapazität), Taxonomien (z. B. digitale Reife) oder Konformität/Maturity gegen Standards und Frameworks. Ein Beispiel für die Übersetzung eines multidimensionalen Resilienzbegriffs in messbare Faktoren bietet eine Survey-basierte Operationalisierung, die Resilienz als Kombination aus Planung und adaptiver Kapazität erfasst und damit die Dualität aus „Design-/Planungslogik“ und „Adaptionslogik“ empirisch anschlussfähig macht (Lee et al., 2013). Governance-Frameworks liefern wiederum strukturierte Funktionskarten und Reifegrade, die als „Capabilities in Governance-Form“ verstanden und mit Outcome-Trajektorien gematcht werden können (National Institute of Standards and Technology, 2024).

Empirische Regelmäßigkeiten und Illustrationen mit hoher externer Validität

Globale evidenzstarke Studien illustrieren, dass das vorgeschlagene Pfad-Phasen-Modell beobachtete Heterogenität erklären kann, ohne eine Einheits-„Best Practice“ zu behaupten.

• Erstens wirkt Digitalisierung als Moderator von Resilienz unter Unsicherheits- und Nachfrage-/Angebotsschocks. Der International Monetary Fund berichtet firm-level Evidenz, dass ex ante digitalisierte Unternehmen während der Pandemie signifikant geringere Umsatzrückgänge verzeichneten; in der untersuchten Region liegt der Effekt in der Größenordnung von rund vier Prozentpunkten geringerer Umsatzrückgänge für digital befähigte Firmen, unter Einsatz von Differenz-in-Differenzen und umfangreichen Kontrollen/Robustheitschecks (Abidi et al., 2022). Weltbankbasierte Auswertungen mit breitem länderübergreifendem Survey-Fundament argumentieren ergänzend, dass digitale Technologien ein zentraler Pfad zur Abmilderung pandemieinduzierter Schocks sind und dokumentieren großskalige Stichprobenrahmen, die Resilienz über Sales/Revenue-Verläufe operationalisieren (Constantinescu et al., 2024). Eine aktuelle Arbeit nutzt zudem Paneldaten aus zwei Wellen der Enterprise Surveys und identifiziert mittels Entropy Balancing und Differenz-in-Differenzen geringere Revenue-Verluste bei Firmen mit pre-pandemic Digitaladoption (Bekele et al., 2026). Im Modell sind diese Befunde konsistent mit einer Kombination aus
  • (a) antizipatorischer Bereitschaft durch digitale Reife (Informationszugang, Remote-Fähigkeit) und
  • (b) adaptiver Erneuerung (schnelle Re-Konfiguration von Kanälen/Prozessen).
• Zweitens ist Liquidität ein zentraler Mechanismus kurzfristiger Resilienz (absorptive Robustheit), insbesondere wenn Umsätze temporär ausfallen und fixe Kosten weiterlaufen. Eine weltbankbasierte Analyse zur Überlebensfähigkeit von Unternehmen unter einem „No-Revenue“-Szenario zeigt, dass mediane Überlebenszeiten in Sektoren typischerweise im Bereich weniger Wochen bis Monate liegen und nicht systematisch mit Produktivität, Alter oder Größe korrespondieren; die Ergebnisse sprechen damit gegen eine simple „creative destruction“-Lesart und unterstreichen die zentrale Rolle von Liquiditätspuffern (Bosio et al., 2020). Parallel dokumentiert der Federal Reserve für börsennotierte US-Nichtfinanzunternehmen einen deutlichen Anstieg von Cash-to-Assets während der COVID-19-Periode und diskutiert Cash explizit als Puffer gegen Finanzierungsrestriktionen und steigende Borrowing Costs (Singer & Yang, 2025). Auf der operativen Seite stützt Forschung zur Operating Flexibility die These, dass die Fähigkeit, unproduktive Ressourcen und damit Kosten rasch herunterzufahren, als Resilienzstrategie wirkt und insbesondere in Rezessionen Risiken (z. B. Stock Price Crash Risk) dämpfen kann (Li et al., 2025). Diese Evidenz ist im Modell als Ausdruck von Pufferungs-/Spielraumfähigkeit während des Schocks zu interpretieren, während Working-Capital-Mechaniken (z. B. Cash Conversion Cycle und Inventarbindung) die kurzfristige Liquiditätslage und damit Robustheit mitbestimmen (Valiña-Sotelo & Iglesias, 2026).
• Drittens zeigt Cyber-Resilienz-Governance, warum Governance nicht „nachträgliche Bürokratie“, sondern eine Resilienzfähigkeit ist. Das National Institute of Standards and Technology Cybersecurity Framework 2.0 strukturiert Cybersecurity-Outcomes explizit entlang der Funktionslogik „Govern–Identify–Protect–Detect–Respond–Recover“ und positioniert „Govern“ als zentralen Mechanismus zur Priorisierung und Einbettung in Enterprise Risk Management; Governance-Aktivitäten werden als kritisch beschrieben, um Cybersecurity in die breitere ERM-Strategie zu integrieren, Rollen/Verantwortlichkeiten zu klären und die Umsetzung der übrigen Funktionen zu steuern (National Institute of Standards and Technology, 2024). Diese „Funktionskarte“ ist direkt auf die Resilienzphasen abbildbar: Govern/Identify sind primär prä-schocklich (Antizipation), Protect/Detect dominieren die Schockphase (Bewältigung/Containment), Respond/Recover strukturieren den Wiederanlauf (Recovery) und schaffen zugleich Daten/Feedback für post-shock Lernen.
• Viertens lässt sich die Logik von Lieferkettenresilienz als Zusammenspiel von Verwundbarkeiten und Fähigkeiten sowie als Störausbreitung in Netzwerken fassen. Ein etablierter Bezugsrahmen unterscheidet explizit Vulnerabilities und Capabilities als Achsen zur Beurteilung und Gestaltung von Supply-Chain-Resilience (Pettit et al., 2010). Gleichzeitig betont die Managementliteratur, dass Effizienzsteigerungen und eng gekoppelte Netzwerke die Konsequenzen von Disruptionen vergrößern können und dass fehlende Transparenz in tieferen Zulieferstufen die Erholungsfähigkeit real beeinträchtigt (van der Vegt et al., 2015). Neuere quasi-experimentelle Evidenz zeigt, dass digitale Transformation in Lieferkettennetzwerken resilienzsteigernd wirken kann: Die Auswertung eines Pilotpolicy-Schocks in China identifiziert einen signifikanten und persistenten positiven Effekt auf firm-level Supply-Chain-Resilience und weist Mechanismen über Informationsverarbeitung, Recovery-Fähigkeit und Inventarumschlag aus (Tian & Cui, 2025). Im integrativen Modell erklärt dies, warum Digitalisierung in Lieferketten zugleich Robustheit (schnellere Stabilisierung durch Transparenz und Koordination) und adaptive Erneuerung (proaktive Resilienzbildung) unterstützen kann.

Managementimplikationen und Forschungsagenda

Managementseitig folgt aus dem Modell eine zentrale Übersetzungsregel: Resilienz sollte als Portfolio phasenabhängiger Hebel und nicht als monolithische Best Practice gesteuert werden. Governance- und Standardlogiken sind dabei nicht Selbstzweck, sondern Mittel zur Stabilisierung von Antizipations-, Bewältigungs- und Erneuerungsfähigkeit.

• Auf Vorstands- und Top-Management-Ebene ist erstens Governance- und Risikointegration als „Meta-Hebel“ zu gestalten. Normative Rahmenwerke betonen die systematische Einbettung von Risiken in Entscheidungsprozesse (International Organization for Standardization, 2018) und verbinden Business Continuity explizit mit Resilienz und systematischer Krisenantwort (International Organization for Standardization, 2019). Der ERM-Rahmen von Committee of Sponsoring Organizations of the Treadway Commission zielt darauf, Risiko mit Strategie und Performance zu integrieren und damit Governance-Strukturen als Steuerungsarchitektur zu stärken (Committee of Sponsoring Organizations of the Treadway Commission, 2017). Für Cyber-Risiken konkretisiert NIST CSF 2.0 diese Logik über die „Govern“-Funktion als Kern zur Priorisierung und ERM-Einbettung (National Institute of Standards and Technology, 2024).
• Zweitens verlangt die Evidenzlage zu Digitalisierung eine explizite, krisenbezogene Investitionslogik: Digitale Reife ist nicht nur Effizienztreiber, sondern wirkt als Resilienzmoderator, insbesondere über die Fähigkeit, Informationsflüsse zu verarbeiten, remote zu arbeiten und Kanäle/Prozesse rasch zu rekonfigurieren (Abidi et al., 2022; Constantinescu et al., 2024; Tian & Cui, 2025). Managementseitig folgt eine klare Priorisierung:
  • (a) digitale Basiskompetenzen als Preparedness-Investition,
  • (b) datengetriebene Frühwarn-/Sensing-Mechanismen und
  • (c) skalierbare Plattformen/Architekturen, die im Schock nicht kollabieren, sondern Anpassung ermöglichen.
• Drittens sind Liquiditätspuffer und Finanzierungsflexibilität als kurzfristige Robustheitskapazität zu behandeln – allerdings explizit kontingent zu Kostenstruktur und Nachfragerisiko. Weltbankbasierte Szenarien zeigen, wie schnell Liquidität bei Umsatzausfall aufgebraucht sein kann (Bosio et al., 2020), während Fed-Evidenz Cash-Aufbau als Pufferlogik unter Unsicherheit diskutiert (Singer & Yang, 2025). Operativ bedeutet dies: Working-Capital-Politik (z. B. Inventarbindung) und Downscale-Flexibilität in Kostenstrukturen sind integrale Resilienzmechanismen, nicht rein finanztechnische Optimierungen (Li et al., 2025; Valiña-Sotelo & Iglesias, 2026).
• Viertens folgt für Lieferantennetzwerke eine Designlogik, die Verwundbarkeiten (z. B. Konzentration, Intransparenz, Tiefe der Lieferkette) und Fähigkeiten (z. B. Redundanz, Flexibilität, Transparenz) gemeinsam optimiert und Effizienz-Resilienz-Trade-offs explizit macht (Pettit et al., 2010; van der Vegt et al., 2015). Digitale Transparenz kann hierbei nicht nur Monitoring verbessern, sondern – kausal identifizierbar – Resilienz im Netzwerk stärken (Tian & Cui, 2025).
• Fünftens sind Übungen/Tests und organisatorische Lernkreisläufe nicht als Compliance-Aktivitäten, sondern als Mechanismen zur Aktualisierung von Fähigkeiten zu institutionalisieren. BCM-Forschung hebt Management-Support, Preparedness und Embeddedness als zentrale Attribute hervor und argumentiert, dass die Integration geplanter und adaptiver Resilienz in BCM-Frameworks Forschungs- und Praxisnutzen erhöht (Ali et al., 2023).

Die Forschungsagenda fokussiert auf kausale Identifikation und Randbedingungen der Governance-Wirkung. Zentrale Fragen sind: Unter welchen Bedingungen erhöht Standard-/Framework-Konformität tatsächlich absorptive Robustheit (Verlusttiefe, Kontinuität) – und wann fördert sie adaptive Erneuerung (Rekonfiguration, Innovation)? Welche Mechanismen wirken über Informationsverarbeitung, Rollen-/Entscheidungsarchitekturen, Ressourcen-Slack und Netzwerkkoordination? Natur- und Policy-Experimente (z. B. Digitalisierungs-Pilotprogramme) zeigen, dass kausale Designs grundsätzlich möglich sind (Tian & Cui, 2025). Gleichzeitig müssen „dunkle Seiten“ systematisch geprüft werden: Unter Threat kann Kontrollverengung Resilienzprozesse rigide machen (Staw et al., 1981), Investitionen in bestehende Fähigkeiten können als „core rigidities“ Innovation blockieren (Leonard-Barton, 1992), und Eskalation von Commitment kann dazu führen, dass Resilienzstrategien fehlgeschlagene Pfade stabilisieren statt Kurswechsel zu ermöglichen (Staw, 1981).