03.07.2019

Warum es so schwierig ist, exakte Prognosen zu machen

Die Krux mit der exakten Prognose: Tristan Horx vom Zukunftsinstitut spricht im Interview über die Arbeit eines Trend- und Zukunftsforschers und darüber, was die Kapitalsünden beim Blick in die Zukunft sind.
/artikel/prognosen-tristan-horx-fehler

Sie entstammen einer Zukunftsforscherfamilie und widmen sich in ihrem Feld den Themen Digitalisierung, Lifestyle, Globalisierung und Generationenwandel. Wie funktioniert die Arbeit eines Zukunftsforschers? An welchen Punkten muss sich orientieren, wer Trends und Visionen der Zukunft voraussagen will?

Tristan Horx: Es gibt verschiedene Modelle. Eine Strategie, die wir aus den Medien kennen, ist es, sehr reißerische, utopistische oder apokalyptische Bilder zu zeichnen, die immer große Aufmerksamkeit erregen. Diese sind stark von Hollywood-Filmen geprägt oder mit Absicht zugespitzt, weil man weiß, dass man damit Leute für eine Vision begeistern kann. Das ist die eine Variante, die man als nicht wissenschaftlich bezeichnen kann. Eine Vision, die differenziert und komplex ist, lässt sich eben nicht so gut verkaufen.

Und andere Methoden?

Wir arbeiten mit verschiedenen Techniken. Ich spezialisiere mich hauptsächlich auf systemtheoretische Logiken. Dabei handelt es sich um Modelle, die immer zyklisch verlaufen. Es herrscht eine Trend- und Gegentrend-Dynamik, bei der man sehen kann, wie sich das System ausbalanciert.

+++Zurück in die Gegenwart: Zukunftsvisionen von 2020 im Check+++

Wie wendet man diese Technik an?

Unser Feld der Trend- und Zukunftsforschung konstituiert sich durch Gegenwartserfassung. Man muss dazu sagen, dass es heutzutage sehr vielen Leuten schwerfällt, ein realistisches Abbild der Welt zu schaffen. Die Grundaufgabe eines Zukunftsforschers ist es, zuerst die Gegenwart so zu verstehen, wie sie in der Realität ist. Wenn man ein „echtes“ Bild der Gegenwart hat, das nicht durch Ideologien oder dergleichen durchtränkt ist, dann kann man relativ einfach verschiedene Zukunftsszenarien ausarbeiten.

Also das Heute erkennen, um das Morgen zu verstehen?

Wenn man sich lange genug mit der Materie auseinandersetzt, kann man auch aus den Prozessen der Vergangenheit lernen. Hierbei ist es möglich, die Szenarien mit Wahrscheinlichkeitsprozenten zu belegen. Skizziert man ein Zukunftsereignis mit etwa 60 zu 40 Prozent eintretender Wahrscheinlichkeit und tritt dieses dann nicht ein, bedeutet das nicht, dass die These falsch war – 40 Prozent sind noch immer sehr viel –, sondern dass es nur etwas in die andere Richtung gegangen ist. Diese Art zu Arbeiten ist das Gegenprogramm zu den reißerischen Visionen, die behaupten, dass diese oder jene Zukunft genauso eintreten wird, wie sie sie zeichnen. Der größte Fehler, den ein Trend- und Zukunftsforscher machen kann, ist ein Ereignis mit einem Jahr zu belegen.

Das heißt, die berühmte Glaskugel gibt es in der Trend- und Zukunftsforschung nicht?

Man kann die Prozesse verstehen und ungefähr erkennen, wo es hingehen wird, und eine Richtung deuten. Aber etwas mit genauen Jahreszahlen und Ereignissen zu belegen, das ist dann wirklich Wahrsagerei.

+++Ab nächstem Jahr fliegen in Österreich autonome Lufttaxis+++

Können Sie dennoch aus aktuellen Prozessen und Entwicklungen der Vergangen heit die nächsten großen Visionen, zum Beispiel für 2050, erkennen?

Eine Frage, der wir uns als Institut sehr stark widmen und die zugleich eines der reißerischsten Denkspiele darstellt, ist, ob Roboter in Zukunft unsere Arbeit ersetzen werden. Dies ist ein wunderbares Beispiel dafür, in die Vergangenheit zu blicken. Stichwort: Industrialisierung. Es sind immer schon Jobs verschwunden. Arbeitsschwund ist einfach ein konstanter Prozess der menschlichen Entwicklung. Unserer Ansicht nach ist es so, dass die redundanten Tätigkeiten, die von Robotern übernommen werden, menschliches Potenzial frei machen für Dinge, die Roboter nicht können.

Zum Beispiel?

Die zwischenmenschliche Pflege oder alle Berufe, die Empathie erfordern. Das Interessante daran ist, dass arbeitsmarktthematisch Punkte wie bedingungsloses Einkommen hier mit hineinfließen. Wir müssen uns bis 2050 garantiert damit auseinandersetzen, was Arbeit für uns eigentlich bedeutet. Die Startup-Kultur hat den Begriff Arbeit auch schon überarbeitet. Dort heißt es nicht, ich komme um neun Uhr ins Büro und fahre um 17 Uhr heim. Das ist ein altes, industrielles Mindset.

+++Im HR-Channel des brutkasten gibt es News und Beispiele zur Zukunft der Arbeit+++

Das heißt, die zukünftige Arbeit ist ein großes Thema der Trend- und Zukunftsforschung. Welcher Trend wird uns noch beschäftigen?

Eines meiner Hauptforschungsfelder ist die Generationsfrage. Ich bin da sehr optimistisch, etwa was das Jahr 2050 betrifft. Erstens ist der durchschnittliche Bildungsstandard so hoch wie noch nie. Zweitens haben wir unglaubliches menschliches Potenzial freigeschaufelt, indem wir Frauen in die Arbeits- und Bildungswelt geholt haben. Das ist erst 100 Jahre her und im Vergleich der Geschichte eine extrem kurze Zeit. Wenn wir noch mehr Potenzial freigeben, sehe ich eine gute Zukunft. Und keinen digitalen Weltuntergang, 3. Weltkrieg oder eine Terminator-Welt.


Zur Person

Tristan Horx entstammt einer Familie von Trend- und Zukunftsforschern. Sein Vater Matthias Horx, ehemaliger Journalist und Buchautor, entwickelt seit einem Vierteljahrhundert einen „ganzheitlichen oder humanistischen Futurismus“. Dabei werden Evolutionstheorie, Systemwissenschaften, kognitive Psychologie und Komplexitätstheorie für ein breiteres Verständnis der menschlichen Zukunft kombiniert. Medial geriet er in die Schlagzeilen, als er 2005 voraussagte, dass Facebook in fünf Jahren scheitern würde. Auf seiner Homepage hat er zu diesem „Facebook-Failure“ Stellung genommen. Die Quintessenz dabei: Er lag mit seiner „blauäugigen Fehlprognose“, wie er sie bezeichnet, gar nicht so falsch, sondern nur zeitlich völlig daneben. Sein Sohn Tristan, der die Zukunftsfeder fortführt, gilt als Digital Native und ist Mitarbeiter des Zukunftsinstituts. Der junge Autor von „Generation Global“ doziert zudem an der SRH Hochschule Heidelberg und ist Kurator von „Treffpunkt Zukunft“, einem Podcast für kritischen Zukunftsoptimismus.

Redaktionstipps
Deine ungelesenen Artikel:
16.12.2024

“Die Zeit des Zuwartens ist vorbei”

Nachlese. Wo steht die österreichische Wirtschaft bei künstlicher Intelligenz zwei Jahre nach Erscheinen von ChatGPT? Dies diskutieren Doris Lippert von Microsoft und Thomas Steirer von Nagarro in der ersten Folge der neuen brutkasten-Serie "No Hype KI".
/artikel/no-hype-ki-folge-1-nachlese
16.12.2024

“Die Zeit des Zuwartens ist vorbei”

Nachlese. Wo steht die österreichische Wirtschaft bei künstlicher Intelligenz zwei Jahre nach Erscheinen von ChatGPT? Dies diskutieren Doris Lippert von Microsoft und Thomas Steirer von Nagarro in der ersten Folge der neuen brutkasten-Serie "No Hype KI".
/artikel/no-hype-ki-folge-1-nachlese
Doris Lippert (Microsoft | Director Global Partner Solutions und Mitglied der Geschäftsleitung) und Thomas Steirer (Nagarro | Chief Technology Officer)
Doris Lippert (Microsoft | Director Global Partner Solutions und Mitglied der Geschäftsleitung) und Thomas Steirer (Nagarro | Chief Technology Officer) | Foto: brutkasten

“No Hype KI” wird unterstützt von CANCOM Austria, IBM, ITSV, Microsoft, Nagarro, Red Hat und Universität Graz


Mit der neuen multimedialen Serie “No Hype KI” wollen wir eine Bestandsaufnahme zu künstlicher Intelligenz in der österreichischen Wirtschaft liefern. In der ersten Folge diskutieren Doris Lippert, Director Global Partner Solutions und Mitglied der Geschäftsleitung bei Microsoft Österreich, und Thomas Steirer, Chief Technology Officer bei Nagarro, über den Status Quo zwei Jahre nach Erscheinen von ChatGPT.

Du willst bei "No Hype KI" am Laufenden bleiben?

Trag dich hier ein und du bekommst jede Folge direkt in die Inbox!

„Das war ein richtiger Hype. Nach wenigen Tagen hatte ChatGPT über eine Million Nutzer”, erinnert sich Lippert an den Start des OpenAI-Chatbots Ende 2022. Seither habe sich aber viel geändert: “Heute ist das gar kein Hype mehr, sondern Realität“, sagt Lippert. Die Technologie habe sich längst in den Alltag integriert, kaum jemand spreche noch davon, dass er sein Smartphone über eine „KI-Anwendung“ entsperre oder sein Auto mithilfe von KI einparke: “Wenn es im Alltag angekommen ist, sagt keiner mehr KI-Lösung dazu”.

Auch Thomas Steirer erinnert sich an den Moment, als ChatGPT erschien: „Für mich war das ein richtiger Flashback. Ich habe vor vielen Jahren KI studiert und dann lange darauf gewartet, dass wirklich alltagstaugliche Lösungen kommen. Mit ChatGPT war dann klar: Jetzt sind wir wirklich da.“ Er sieht in dieser Entwicklung einen entscheidenden Schritt, der KI aus der reinen Forschungsecke in den aktiven, spürbaren Endnutzer-Bereich gebracht habe.

Von erster Begeisterung zu realistischen Erwartungen

Anfangs herrschte in Unternehmen noch ein gewisser Aktionismus: „Den Satz ‘Wir müssen irgendwas mit KI machen’ habe ich sehr, sehr oft gehört“, meint Steirer. Inzwischen habe sich die Erwartungshaltung realistischer entwickelt. Unternehmen gingen nun strategischer vor, untersuchten konkrete Use Cases und setzten auf institutionalisierte Strukturen – etwa durch sogenannte “Centers of Excellence” – um KI langfristig zu integrieren. „Wir sehen, dass jetzt fast jedes Unternehmen in Österreich KI-Initiativen hat“, sagt Lippert. „Diese Anlaufkurve hat eine Zeit lang gedauert, aber jetzt sehen wir viele reale Use-Cases und wir brauchen uns als Land nicht verstecken.“

Spar, Strabag, Uniqa: Use-Cases aus der österreichischen Wirtschaft

Lippert nennt etwa den Lebensmittelhändler Spar, der mithilfe von KI sein Obst- und Gemüsesortiment auf Basis von Kaufverhalten, Wetterdaten und Rabatten punktgenau steuert. Weniger Verschwendung, bessere Lieferkette: “Lieferkettenoptimierung ist ein Purpose-Driven-Use-Case, der international sehr viel Aufmerksamkeit bekommt und der sich übrigens über alle Branchen repliziert”, erläutert die Microsoft-Expertin.

Auch die Baubranche hat Anwendungsfälle vorzuweisen: Bei Strabag wird mittels KI die Risikobewertung von Baustellen verbessert, indem historische Daten zum Bauträger, zu Lieferanten und zum Bauteam analysiert werden.

Im Versicherungsbereich hat die UNIQA mithilfe eines KI-basierten „Tarif-Bots“ den Zeitaufwand für Tarifauskünfte um 50 Prozent reduziert, was die Mitarbeiter:innen von repetitiven Tätigkeiten entlastet und ihnen mehr Spielraum für sinnstiftende Tätigkeiten lässt.

Nicht immer geht es aber um Effizienzsteigerung. Ein KI-Projekt einer anderen Art wurde kürzlich bei der jüngsten Microsoft-Konferenz Ignite präsentiert: Der Hera Space Companion (brutkasten berichtete). Gemeinsam mit der ESA, Terra Mater und dem österreichischen Startup Impact.ai wurde ein digitaler Space Companion entwickelt, mit dem sich Nutzer in Echtzeit über Weltraummissionen austauschen können. „Das macht Wissenschaft zum ersten Mal wirklich greifbar“, sagt Lippert. „Meine Kinder haben am Wochenende die Planeten im Gespräch mit dem Space Companion gelernt.“

Herausforderungen: Infrastruktur, Daten und Sicherheit

Auch wenn die genannten Use Cases Erfolgsbeispiele zeigen, sind Unternehmen, die KI einsetzen wollen, klarerweise auch mit Herausforderungen konfrontiert. Diese unterscheiden sich je nachdem, wie weit die „KI-Maturität“ der Unternehmen fortgeschritten sei, erläutert Lippert. Für jene, die schon Use-.Cases erprobt haben, gehe es nun um den großflächigen Rollout. Dabei offenbaren sich klassische Herausforderungen: „Integration in Legacy-Systeme, Datenstrategie, Datenarchitektur, Sicherheit – all das darf man nicht unterschätzen“, sagt Lippert.

“Eine große Herausforderung für Unternehmen ist auch die Frage: Wer sind wir überhaupt?”, ergänzt Steirer. Unternehmen müssten sich fragen, ob sie eine KI-Firma seien, ein Software-Entwicklungsunternehmen oder ein reines Fachunternehmen. Daran anschließend ergeben sich dann Folgefragen: „Muss ich selbst KI-Modelle trainieren oder kann ich auf bestehende Plattformen aufsetzen? Was ist meine langfristige Strategie?“ Er sieht in dieser Phase den Übergang von kleinen Experimenten über breite Implementierung bis hin zur Institutionalisierung von KI im Unternehmen.

Langfristiges Potenzial heben

Langfristig stehen die Zeichen stehen auf Wachstum, sind sich Lippert und Steirer einig. „Wir überschätzen oft den kurzfristigen Impact und unterschätzen den langfristigen“, sagt die Microsoft-Expertin. Sie verweist auf eine im Juni präsentierte Studie, wonach KI-gestützte Ökosysteme das Bruttoinlandsprodukt Österreichs deutlich steigern könnten – und zwar um etwa 18 Prozent (brutkasten berichtete). „Das wäre wie ein zehntes Bundesland, nach Wien wäre es dann das wirtschaftsstärkste“, so Lippert. „Wir müssen uns klar machen, dass KI eine Allzwecktechnologie wie Elektrizität oder das Internet ist.“

Auch Steirer ist überzeugt, dass sich für heimische Unternehmen massive Chancen eröffnen: “Ich glaube auch, dass wir einfach massiv unterschätzen, was das für einen langfristigen Impact haben wird”. Der Appell des Nagarro-Experten: „Es geht jetzt wirklich darum, nicht mehr zuzuwarten, sondern sich mit KI auseinanderzusetzen, umzusetzen und Wert zu stiften.“


Folge nachsehen: No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?


Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.

Die Partner von No Hype KI
Die Partner von No Hype KI
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

Warum es so schwierig ist, exakte Prognosen zu machen

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Warum es so schwierig ist, exakte Prognosen zu machen

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Warum es so schwierig ist, exakte Prognosen zu machen

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 …

Warum es so schwierig ist, exakte Prognosen zu machen

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 …

Warum es so schwierig ist, exakte Prognosen zu machen

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 …

Warum es so schwierig ist, exakte Prognosen zu machen

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 …

Warum es so schwierig ist, exakte Prognosen zu machen

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Warum es so schwierig ist, exakte Prognosen zu machen

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Warum es so schwierig ist, exakte Prognosen zu machen