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:
22.06.2026

KI im Unternehmen: Von fehlenden Hausaufgaben zu “Frontier Firms” und “Avengers”

Nachlese. Im Staffelfinale von „No Hype KI“ zieht eine hochkarätig besetzte Gesprächsrunde Bilanz über den Status quo der Künstlichen Intelligenz in Österreich. Dabei zeigt sich: Während die technologische Euphorie weicht, rücken nun essenzielle Datenstrukturierungs-Prozesse, mutige Schritte in den Echtbetrieb und ein tiefgreifender kultureller Wandel in den Fokus der Unternehmen.
/artikel/ki-im-unternehmen-von-fehlenden-hausaufgaben-zu-frontier-firms-und-avengers
22.06.2026

KI im Unternehmen: Von fehlenden Hausaufgaben zu “Frontier Firms” und “Avengers”

Nachlese. Im Staffelfinale von „No Hype KI“ zieht eine hochkarätig besetzte Gesprächsrunde Bilanz über den Status quo der Künstlichen Intelligenz in Österreich. Dabei zeigt sich: Während die technologische Euphorie weicht, rücken nun essenzielle Datenstrukturierungs-Prozesse, mutige Schritte in den Echtbetrieb und ein tiefgreifender kultureller Wandel in den Fokus der Unternehmen.
/artikel/ki-im-unternehmen-von-fehlenden-hausaufgaben-zu-frontier-firms-und-avengers
vl. Patrick Ratheiser (EY), Rainer Kalkbrener (ACP), Sulejman Ganibegovic (KEBA Digital) und Hermann Erlach (Microsoft) | (c) brutkasten
vl. Patrick Ratheiser (EY), Rainer Kalkbrener (ACP), Sulejman Ganibegovic (KEBA Digital) und Hermann Erlach (Microsoft) | (c) brutkasten

„No Hype KI“ wird unterstützt von ACPEYITSVKEBA GroupLenovoMicrosoftONTEC AI und der Universität Graz.


„Die Vorstellung, dass man dank KI seine Hausaufgaben nicht machen muss, ist grundfalsch. Ganz im Gegenteil: Gerade hier ist es essenziell, bei der Datenqualität und der gesamten IT-Architektur eine saubere Basis zu schaffen“, konstatiert Rainer Kalkbrener, CEO von ACP, im Staffelfinale der brutkasten-Serie “No Hype KI”.

Mit diesem Befund ist er in der Expertenrunde nicht alleine. Der Fokus verschiebt sich von theoretischen Machbarkeiten hin zu den harten Bedingungen für echten Business Value, so der Tenor.

Österreichs Status quo und der Weg aus der Sandbox

Hermann Erlach, General Manager Austria bei Microsoft, weist auf ein aktuelles Studienergebnis hin: Österreich befindet sich bei der KI-Nutzung weltweit in den Top 20. Während Konsument:innen die Technologie im privaten Alltag bereits intensiv nutzen würden, zeige sich im Unternehmensbereich – insbesondere im Mittelstand – jedoch noch Aufholbedarf bei der Adaption. Für Patrick Ratheiser, Director & Head of AI bei EY, ist dabei klar: Der wahre geschäftliche Mehrwert liege oft nicht in hochgradig gehypten Vorzeigeprojekten. “Es sind oft die unscheinbaren Machine-Learning-Lösungen und Prozessautomatisierungen, die den Unternehmen wirklich helfen”, sagt er.

Dennoch stecken derzeit viele Initiativen noch in isolierten Experimentierphasen fest. Sulejman Ganibegovic, CEO KEBA Digital, fordert daher mehr Risikobereitschaft, um Projekte aus der geschützten Laborumgebung in den produktiven Betrieb zu überführen. Sein Appell an die Entscheidungsträger:innen: „Lieber ist man einmal mutig und wagt den Schritt aus der geschützten Laborumgebung, anstatt sich zweimal feige davor zu drücken, endlich etwas Produktives umzusetzen“. Man müsse akzeptieren, dass auch eine KI-Lösung, die nicht zu 100 Prozent fehlerfrei funktioniert, bereits einen enormen Mehrwert liefern kann.

KI als unbestechlicher Spiegel der Datenqualität

Dass dieser Weg in die erfolgreiche Produktivität zwingend über saubere Datenstrukturen führt, ist breiter Konsens in der Runde. Kalkbrener warnt, dass die KI durch ihre weitreichenden Suchkapazitäten “schonungslos die Schwächen von bestehenden Systemen aufdeckt”. Denn ohne eine funktionierende Data-Governance, so der ACP-Chef “führt das am Anfang oft zu bösen Überraschungen, wenn plötzlich intern sensible Dokumente wie Gehaltslisten oder Passwort-Dateien dank KI für weite Teile der Belegschaft auffindbar werden.”

Auch Ratheiser betont, dass der bloße Import von unstrukturierten Firmendaten in ein KI-Sprachmodell keine Wunder bewirke: „Die Arbeit, die wir seit 20 Jahren bei der Datenqualität und beim Aufräumen versäumt haben, kann jetzt nicht einfach die KI für uns lösen“.

Regulierung: Innovationsbremse oder Türöffner?

Neben der internen Datenorganisation bestimmt auch der externe Rahmen maßgeblich, wie schnell KI im Unternehmensalltag ankommt. Ein differenziertes Bild zeichnen die Experten daher bei der Debatte um den europäischen AI Act. Für Ratheiser stellt das risikobasierte Regelwerk eine notwendige Basis dar, um den breiten Rollout von Use-Cases sicher skalierbar zu machen. “Ohne klare Policies und Governance sind autonome KI-Agenten im Unternehmen auf Dauer nicht steuerbar”, so der EY-Experte. Ähnlich pragmatisch sieht das Ganibegovic aus Sicht der Industrie. Er argumentiert, dass verbindliche Spielregeln gerade bei kritischen B2B-Infrastrukturen als Türöffner fungieren: „Wenn man KI in sensiblen Bereichen einsetzen möchte, braucht es einen Rahmen, der Vertrauen schafft. Klare Gesetze untermauern dieses Vertrauen und bringen Kunden dazu, sich für neue Anwendungen zu öffnen“.

Kalkbrener hingegen äußert sich deutlich kritischer. Er warnt, dass Regulatorien oft innovationsfeindlich seien und die Geschwindigkeit im Markt drosseln würden. “Man darf nicht den Fehler machen, aus Angst vor Regulierungen alle potenziellen Probleme schon im Vorfeld lösen zu wollen”, so der CEO. Europa verliere sonst in der globalen Wirtschaft an Wettbewerbsfähigkeit.

Der kulturelle Wandel: Menschen als „Manager von Agenten“

Letztlich entfalten aber weder saubere Daten noch die besten regulatorischen Rahmenbedingungen ihre Wirkung, wenn die Belegschaft nicht mitzieht – ein Befund, der sich übrigens wie ein roter Faden durch die gesamte “No Hype KI”-Staffel zog. Die massiven Auswirkungen auf die Unternehmenskultur bilden laut den Experten den entscheidenden Hebel für die Zukunft. Erlach prognostiziert den Aufstieg sogenannter „Frontier Firms“, die KI ganz selbstverständlich neben Kapital und menschlicher Arbeitskraft als elementaren Produktionsfaktor begreifen. Der organisatorische Durchbruch gelinge dann, „wenn jeder im Unternehmen beginnt, als Manager von Agenten zu agieren und den eigenen Job mithilfe von KI zu optimieren“. Mitarbeiter:innen, die diese Tools aktiv nutzen, würden vom Management als hochproduktiv wahrgenommen, während Verweigerer an Leistungsfähigkeit dramatisch zurückfielen.

Dass dieser Wandel die Teams bereits spürbar verändert, bestätigt Ganibegovic aus der Praxis: Wenn man ein AI-natives Team mit KI-Tools ausstatte, forme man quasi ein Team von „Avengers“ mit enormer Schlagkraft, das traditionelle Entwicklungszyklen im Softwarebereich massiv verkürzen könne. Um diesen Zustand jedoch flächendeckend zu erreichen, sei ein gezieltes Befähigen der Belegschaft notwendig, meint Ratheiser. Unternehmen müssten aktiv in den Aufbau von KI-Kompetenzen (Literacy) investieren, um Berührungsängste zu minimieren und den produktiven Umgang mit den neuen Werkzeugen strategisch im Arbeitsalltag zu verankern.

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