30.01.2019

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind

Gastbeitrag: Mario Herger, Silicon-Valley-Experte und Autor des Buches "Das Silicon Valley Mindset", hat sich für uns mit der Thematik auseinandergesetzt, wie wir Technik-Trends schon frühzeitig erkennen können. Seine Antwort ist die "Foresight-Mindset-Methode".
/artikel/foresight-mindset
Foresight Mindset
(c) fotolia/tierney

Als 2007 das iPhone herauskam, waren die Reaktionen zwiegespalten. Für die einen war es eine der wichtigsten technischen Innovationen seit langem und viele waren bereit, sich tagelang vor den Apple-Stores anzustellen. Andere wiederum zuckten mit den Achseln und fragten: „Was ist neu daran? War doch schon alles da?“

brutkasten Magazin #7: Die Welt in 5 Jahren

Jein! Diese Aussage stimmt und stimmt dann doch wieder nicht. Touchscreen, Handynetzwerk, Kamera, GPS-Chip, App-Store, WLAN, MP3-Player und Webbrowser auf einem kleinen, mobilen Gerät gab’s schon vorher. Das neue war aber die Kombination und die Benutzererfahrung mit diesem Gerät.

Bei Innovation sprechen wir vom „benachbarten Möglichen“. Alles, was wir schaffen, basiert auf existierenden Bausteinen. Den Motor und die Kutsche gab es schon länger, aber erst die Kombination gab uns das Auto und wirkte disruptiv auf die Kutschenmacher und Pferdezüchter.

Ideen liegen in der Luft

Teilweise existieren Technologien und Geschäftsmodelle schon sehr lange, bis jemand auf die Idee kommt, sie zu kombinieren. Diese Ideen liegen sozusagen „in der Luft“. 1922 stellten zwei Forscher der Columbia University eine Liste an 140 Erfindungen und Entdeckungen zusammen, bei denen die Erfinder, unabhängig voneinander, ohne voneinander zu wissen, in unterschiedlichen Ländern oder sogar auf unterschiedlichen Kontinenten, dieselbe Erfindung oder Entdeckung innerhalb einer kurzen Periode gemacht hatten.

Was das Telefon, die elektrische Batterie und der Propeller gemeinsam haben

Am selben Tag im Jahr 1876, an dem Alexander Graham Bell ein Patent für das Telefon einreichte, reichte ein anderer dasselbe Patent ein paar Stunden später ein – im selben Patentbüro. 1745 und 1746 erfanden sowohl Ewald Georg von Kleist und Pieter van Musschenbroek die elektrische Batterie. Josef Ressel, John Ericsson, Francis Pettit Smith, David Bushnell und Robert Fulton erfanden unabhängig voneinander – innerhalb einer kurzen Zeitspanne – den Propeller.

Beim iPhone war es genauso. Auch andere Unternehmen wie General Magic, Apple selbst oder Nokia hatten früher schon probiert, so ein Ding zu bauen, doch der richtige Zeitpunkt ist ebenso wichtig, wie die richtige Technologie, das richtige Geschäftsmodell, das richtige Marketing und Branding, der richtig Prozess und einige Dinge mehr, die vom richtigen Team kombiniert werden müssen. Und das ist die große Leistung von erfolgreichen Teams. Den anderen, den gescheiterten Teams verdanken wir, dass sie den Pfad geschlagen haben, indem sie zeigten, was geht und was nicht, und Menschen auf diese Idee vorbereitet haben.

Foresight Mindset: Trends sind erkennbar

Die gute Nachricht für diejenigen, die verstehen wollen, was die Zukunft bringt, ist, dass sie aus den oben genannten Gründen für das geschulte Auge eines Foresight-Mindset-Praktikers vorhersehbar ist. Das Foresight Mindset ist die Kunst und Wissenschaft, Trends zu erkennen bevor sie Trends sind. Und wie man das macht, kann man lernen.

Ein erster Schritt ist, dass man mit mehr Aufmerksamkeit und Interesse gezielt Entwicklungen aus anderen Fachbereichen verfolgt. Das führt zu einer sogenannten T-Verteilung an Expertise, wo man sehr tiefes Wissen zu seinem eigenen Fachbereich hat (der vertikale Strich im Buchstaben T) und weniger tiefes, dafür aber breites Wissen in vielen anderen Disziplinen (repräsentiert durch den horizontalen Querstrich im T). Sich dieses Wissen aneignen erfordert Regelmäßigkeit. Man muss sich das als Gewohnheit aneignen, jeden Tag sich mindestens eine Stunde für fachfremde Studien freizuhalten.7

Man muss die richtigen Fragen stellen

Wissen alleine aber hilft nicht. Die Kunst, eine „schöne Frage“ zu stellen ist ein zweiter Schritt. Eine schöne Frage wird dabei als eine definiert, von der man, sobald gehört, die Antwort wissen will. Man kann sie auch nicht gleich beantworten, ja sie mag vielleicht gar keine Antwort haben. Aber sie eröffnet neue Fragen, sie schafft vielleicht sogar neue Disziplinen. Die Frage „Was ist der nächste Trend?“, „Wie bringt uns das Geld?“ „Was ist unser Tesla-Killer?“ oder „Warum haben wir das bisher nicht gemacht“ sind transaktionsgesteuerte Fragen, oft auf der Suche nach einem Schuldigen. Sie sind nicht schön, sie führen nicht zu Erfindungen und Innovation.

„Wie würde die Welt aussehen, wenn ich auf einem Lichtstrahl reite?“

Eine Frage, wie Albert Einstein sie stellte „Wie würde die Welt aussehen, wenn ich auf einem Lichtstrahl reite?“ hingegen ist eine schöne Frage. Hundert Jahre, nachdem sie gestellt wurde, beschäftigt sie nach wie vor Generationen von Wissenschaftlern und schafft neue Disziplinen. Zwar mögen vielen Leute schauen, aber sie sehen nicht. Der dritte Schritt ist somit, dass man aktiv nach Innovation suchen muss. Weniger nach Lösungen, sondern vor allem nach Problemen, die es wert sind, angepackt zu werden.

Warum erkennen wir Trends oft nicht?

Trends sind deshalb so verwirrend, weil wir nicht genau erkennen, was ein echter Trend ist und was nur eine Modeerscheinung oder Hype, der rasch wieder vergeht. Wir können Trends in einige Kategorien einteilen und folgendes Beispiel macht das anschaulich.

Als Elvis Presley starb, gab es knapp über hundert Elvis-Imitatoren. Menschen, die sich kleideten wie Elvis, die ihr Haar schnitten und fönten wie Elvis, und die Elvis Lieder mit seiner charakteristischen Stimme sangen. Nach Elvis Tod am 16. August 1977 explodierte die Zahl der Elvis-Imitatoren über Nacht. Eine Betrachtung der Zahlen an Elvis-imitatoren zwischen 1977 und 1982 ließ keinen anderen Schluss zu, als dass im Jahr 2000 ein Drittel aller Amerikaner ihr Geld als Elvis-Imitatoren verdienen würden. Das ist natürlich nicht geschehen und jeder oder jede Befragte mit ein bisschen Hausverstand hätte uns sagen können, dass es dazu nicht kommen wird.

Weiche und harte Trends

Obwohl es ein Trend war, hatte er ganz charakteristische Eigenschaften, die auf ein Verebben hindeuten würden. Wir unterscheiden hier zwischen zwei großen Kategorien von Trends: weiche und harte Trends. Weiche Trends sind, wie die Elvis-Imitatoren zeigen, basiert auf Annahmen, die nur so scheinen als ob sie greifbar oder vorhersehbar sind, die sich so aber nicht materialisieren (müssen). Ein harter Trend hingegen ist eine Projektion in die Zukunft, die auf messbaren, greifbaren und vorhersagbaren Fakten, Ereignissen oder Dingen basiert. Ein weicher Trend kann passieren, er ist ein zukünftiges Vielleicht. Ein harter Trend hingegen wird passieren, er ist ein zukünftiges Faktum. Man kann sich darauf verlassen, dass er eintreten wird.

Diese Unterscheidung in weiche und harte Trends soll uns helfen besser zu verstehen, was die Zukunft für uns sicher in der Hand hat und was sie vielleicht bringen wird. Unser Misstrauen gegenüber Vorhersagen und Trends ist oft darin begründet, dass wir die Unterscheidung zwischen weichen und harten Trends nicht treffen können. Wir hatten weder klare Kriterien, noch Werkzeuge um die Spreu vom Weizen trennen zu können. Doch das ändert sich jetzt, und damit erhalten wir mehr Gewissheit in unsere Trendbetrachtungen und Vorhersagen.

„Die Zukunft ist bereits da, sie ist nur noch nicht gleichverteilt.“

Die Zukunft ist bereits da

So wie das iPhone vorhersehbar war, kann man Dank der Foresight-Mindset-Methodologie die Trends der kommenden 5 bis 15 Jahre schon heute erkennen. Sie werden mit hoher Wahrscheinlichkeit nicht exakt so eintreten, wie man sich ausmalen mag, aber Szenarien für mehrere mögliche, plausible und wahrscheinliche Zukünfte heute zu entwickeln erlaubt eine bessere Vorbereitung, ein klareres Verstehen der Zukunft und hilft bessere Entscheidungen zu treffen. Und das alles ohne sich von selbst ernannten „Trendgurus“ die Zukunft vorhersagen zu lassen.

Um es mit dem Science-Fiction-Autor William Gibson zu halten: „Die Zukunft ist bereits da, sie ist nur noch nicht gleichverteilt.“

=> zur Page „Foresight Mindset“

Redaktionstipps
Deine ungelesenen Artikel:
15.09.2026

Ablatic AI: Linzer LLM Talos spielt ohne VC-Kapital in einer Liga mit internationalen KI-Playern

Das nun gelaunchte Large Language Model (LLM) Talos des Linzer Startups Ablatic AI kann sich in mehreren Benchmarks mit den internationalen KI-Giganten messen. Co-Founder und CEO Florian Zimmermann erklärte uns, wie das ohne VC-Kapital möglich ist und wie man nun den Markt erobern will.
/artikel/ablatic-ai-linzer-llm-talos-spielt-ohne-vc-kapital-in-einer-liga-mit-internationalen-ki-playern
15.09.2026

Ablatic AI: Linzer LLM Talos spielt ohne VC-Kapital in einer Liga mit internationalen KI-Playern

Das nun gelaunchte Large Language Model (LLM) Talos des Linzer Startups Ablatic AI kann sich in mehreren Benchmarks mit den internationalen KI-Giganten messen. Co-Founder und CEO Florian Zimmermann erklärte uns, wie das ohne VC-Kapital möglich ist und wie man nun den Markt erobern will.
/artikel/ablatic-ai-linzer-llm-talos-spielt-ohne-vc-kapital-in-einer-liga-mit-internationalen-ki-playern
Die Ablatic-AI-Gründer vl. Florian Zimmermann (CEO) und Julian Mauerkirchner (CTO) | (c) Ablatic AI
Die Ablatic-AI-Gründer vl. Florian Zimmermann (CEO) und Julian Mauerkirchner (CTO) | (c) Ablatic AI

Wieder einmal ist es Linz. Die Stahlstadt mausert sich immer mehr zu Österreichs KI-Hauptstadt und auch eines der bislang sicher ambitioniertesten Startups in dem Bereich kommt von dort: Ablatic AI. Mit Talos wagt es sich über die Herausforderung schlechthin in der KI-Welt: ein eigenes Large Language Model (LLM) – brutkasten berichtete bereits.

Bei einer Benchmark vor Sol von OpenAI

Nun erfolgte der offizielle Launch und Ablatic gab erste Benchmark-Vergleiche aus (siehe Tabelle unten). An Claude Opus 5 kommt man demnach noch in keiner Kategorie ganz heran, in mehreren aber ziemlich nahe. DeepSeek V4 kann man dagegen gleich bei drei Werten schlagen, Qwen3.8 von Alibaba bei zwei und OpenAIs Flagship-Modell GPT-5.6 Sol immerhin bei einem, konkret der exakten Befolgung schriftlicher Anweisungen (IFBench). Unterm Strich spielt das Linzer LLM also in den vorgelegten Benchmarks in der internationalen Top-Liga mit.

„Es kann ja nicht sein, dass es in Europa nur Mistral gibt“

Aber warum überhaupt noch ein weiteres LLM? „Julian [Anm. Mauerkirchner] und ich kennen uns schon seit der Schule. Später haben wir als Unternehmer damit gestartet, Legacy-ERP-Systeme zu erneuern. Dabei sind wir auf ein Problem gestoßen: Wir konnten dafür aus Daten-Gründen keine US-KI-Systeme nutzen“, erzählt CEO Florian Zimmermann, der Ablatic AI gemeinsam mit Julian Mauerkirchner (CTO) gegründet hat, im Gespräch mit brutkasten. Man habe nur Mistral aus Frankreich oder Open-Source-Modelle verwenden können. „Mistral war für den Zweck aber nicht passend und unser Business Case bald tot“.

Mit dem Entschluss, eine neue Idee zu verfolgen, sei daher auch eine neue Motivation einher gegangen: „Es kann ja nicht sein, dass es in Europa nur Mistral gibt“, so Zimmermann. Man habe sich danach mit der Johannes Kepler Universität Linz (JKU) kurzgeschlossen und sei darüber auch zur AI Factory Austria AI:AT gekommen, wo man wiederum im Rahmen des EuroHPC-Programms europäische Hochleistungsrechenressourcen nutzt, um das Modell zu trainieren. „Ohne diese EU-Ressourcen würde es kostentechnisch überhaupt nicht gehen“, sagt Zimmermann.

Öffentliche Forschungsergebnisse statt eigenes Riesen-Research-Team

Doch auch mit diesen Ressourcen – wie lässt sich ein konkurrenzfähiges LLM mit einem kleinen Team und bislang gänzlich ohne VC-Kapital umsetzen? Schließlich beschäftigen die globalen KI-Player, mit denen sich Ablatic misst, riesige Teams. Mistral etwa ist mit seiner kürzlich kommuniziert Drei-Milliarden-Euro-Finanzierungsrunde im Vergleich zu Anthropic und OpenAI nach wie vor ein kleiner Fisch (brutkasten analysierte).

„Wir können kein 200-köpfiges Research-Team finanzieren und gleich von 0 auf 100 gehen, also greifen wir auf Bestehendes zurück“, erklärt der Gründer. Konkret verwende man einerseits Open-Source-Layer und code sie auf die eigenen Bedürfnisse um. Andererseits nutze man die neuesten Forschungsergebnisse von Universitäten wie dem MIT oder Stanford, die laufend über die Plattform arXiv veröffentlicht werden. „Wir orientieren uns an der Frontier-Forschung. Wir analysieren die Paper, legen die Erkenntnisse auf unsere Architektur um und testen es durch. Vieles davon funktioniert nicht, aber alles was funktioniert, bringt uns weiter“, so Zimmermann.

Mehr als 100 B2B-Testkunden – viele konvertieren gleich zum Launch

Die Beta-Version wurde nun bereits seit einiger Zeit mit mehr als 100 Unternehmen getestet – Ablatic konzentriert sich nämlich vorerst klar auf den B2B-Markt. Man habe für diese Tests schnell auch größere Unternehmen und Konzerne gewonnen. „Ich bin dafür wochenlang gesessen, habe Leute angeschrieben und einen Call nach dem anderen gemacht“, räumt Zimmermann ein. Dass man ein eigenes LLM und nicht nur eine Oberfläche baue, sei dabei zum entscheidenden Bonus geworden. „Und dass wir von der JKU kommen und im EuroHPC-Programm sind, hat unsere Glaubwürdigkeit enorm gesteigert“, sagt der Gründer.

Jetzt zum Launch würden viele der Testkunden bereits zu regulären Nutzern konvertieren, viele weitere noch die Testphase abschließen, mit dem Vorhaben, das dann auch zu tun, verrät Zimmermann. „Wir werden nicht 100 Prozent, aber einen Großteil konvertieren können“, ist er sicher. Punkten will Ablatic dabei nicht nur mit der europäischen Herkunft – Stichwort: Digitale Souveränität – sondern auch mit dem Pricing. „Wir haben eine relativ effiziente Architektur. Wir können kostengünstig hosten und das an die Kunden weitergeben“, so der CEO. Dass der offizielle Launch genau jetzt erfolgt, hat vor allem mit dem Gründungsprozess zu tun, der länger dauerte, als erhofft. „Ich gründe nie wieder im Sommer ein Unternehmen“, sagt der Gründer lachend.

Investment geplant: „Das Ziel ist definitiv, keine kleine Bude zu bleiben“

Und wie geht es weiter? „Wir wollen zuerst im DACH-Raum Fuß fassen und ohne große weitere Standorte skalieren. Dann wollen wir es auf Europa hochziehen“, erläutert Zimmermann. Auf Dauer werde dabei auch die Aufnahme von VC-Kapital relevant, vor allem wenn es darum gehe, die nächste Modell-Version herauszubringen. „Dann ist es wichtig, dass man schnell skaliert und iteriert. Wir sind stolz darauf, dass wir ein Modell ohne VC-Kapital trainiert haben. Wir haben gezeigt, dass auch so Großes möglich ist. Aber langfristig ist es völlig logisch, dass wir Kapital aufnehmen müssen“, sagt der Gründer.

Und es seien bereits mehrere Investoren aktiv auf das Team zugekommen, mit einigen befinde man sich schon in Gesprächen. „Das Ziel ist definitiv, keine kleine Bude zu bleiben, sondern eine größere Firma zu werden. Wir wollen jedenfalls nicht in Vergessenheit geraten“, so Zimmermann. Und der Zeitpunkt sei angesichts der Souveränitätsdebatte gut.


Benchmark-Vergleichstabelle

Anmerkungen zur Tabelle:

  • Fette Zahlen: Höchster Wert in der jeweiligen Zeile unter den Vergleichsmodellen.
  • „text-only“: Das Modell verarbeitet keine Bilder/visuellen Dokumente, weshalb OmniDocBench nicht anwendbar ist.
  • „–“: Kein veröffentlichter Wert vorhanden.

Kurzerklärungen der Benchmarks

  • Agents‘ Last Exam (UC Berkeley): Prüft langwierige, echte Arbeitsaufgaben an einem Computer (Terminal und Bildschirm zusammen), bewertet anhand des fertigen Gesamtergebnisses.
  • AutomationBench (Zapier): Testet 600 Business-Workflows über 47 simulierte Unternehmens-Softwaretools hinweg, die vollständig durchgehend ausgeführt werden müssen.
  • Toolathlon: Bewertet das Erledigen von Aufgaben in echter Büro-Software (z. B. E-Mail, Kalender, Tabellenkalkulationen und GitHub) über deren direkte Schnittstellen.
  • BrowseComp (OpenAI): Stellt schwierige Fragen, deren Antworten über das gesamte Internet verstreut liegen und durch selbstständiges Surfen recherchiert werden müssen.
  • DeepSWE v1.1 (Datacurve): Misst das eigenständige Beheben echter Softwareprobleme (Bugs) in bestehenden Quellcode-Sammlungen. Hinweis: Talos-1 wurde hierfür nicht optimiert und liegt 22 Punkte hinter der Spitze zurück.
  • OmniDocBench: Bewertet das fehlerfreie Lesen und Verstehen echter Dokumente inklusive visueller Layouts, Tabellen und mathematischer Formeln.
  • IFBench: Prüft die exakte Einhaltung von schriftlich vorgegebenen Anweisungen und Formatierungsregeln.
Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind