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:
25.09.2026

Dreifacher Wiener Schulabbrecher forscht in Harvard an virtuellen KI-Fischen

Drei Mal brach Raphael Suchomel die Schule ab, bevor sich sein Weg plötzlich in eine ganz andere Richtung entwickelte. Heute sitzt der 27-jährige Wiener in Harvard und lässt virtuelle Fische lernen – auf der Suche nach Antworten darauf, was Künstliche Intelligenz von der Natur erfassen kann.
/artikel/dreifacher-wiener-schulabbrecher-forscht-in-harvard-an-virtuellen-ki-fischen
25.09.2026

Dreifacher Wiener Schulabbrecher forscht in Harvard an virtuellen KI-Fischen

Drei Mal brach Raphael Suchomel die Schule ab, bevor sich sein Weg plötzlich in eine ganz andere Richtung entwickelte. Heute sitzt der 27-jährige Wiener in Harvard und lässt virtuelle Fische lernen – auf der Suche nach Antworten darauf, was Künstliche Intelligenz von der Natur erfassen kann.
/artikel/dreifacher-wiener-schulabbrecher-forscht-in-harvard-an-virtuellen-ki-fischen
© zVg - Raphael Suchomel in Harvard.

Manche Wege sind direkt und vorgezeichnet – Schule, Bildung, Ausbildung und ein Job in dem Bereich, den man beherrscht. Andere sind von Umwegen gezeichnet, Mühsal und Zeiten, in denen man nicht weiß, wie es genau weitergehen soll. Raphael Suchomels Vita ist eine von den nicht-linearen.

„Plötzlich Mitternacht“

Er hat mit 18 die Schule zum ersten Mal abgebrochen und sich eine Vollzeitstelle gesucht. Der gebürtige Wiener schrieb sich fortan in eine Abendschule ein, brach jene aber – ein mal mit 19 und einmal mit 21 Jahren – wiederholt ab. Doch der Gedanke des endgültigen Aufgebens war keiner und im jungen Mann schlicht nicht vorhanden. So war es dann mit 22 soweit: der vierte Versuch, die Matura nachzuholen, gelang.

„Ich war in einer Abendschule im 21. Bezirk“, erinnert sich der 27-Jährige. „Von neun bis 17 Uhr Vollzeitjob, dann Unterricht bis halb zehn und anschließend noch Training. Und plötzlich war es Mitternacht.“

Zwei Jahre lang bestimmte dieser straffe Rhythmus seinen Alltag. Trotz der Doppelbelastung hielt der heutige Wahl-Hagenberger durch – und schloss die Abendschule schließlich mit ausgezeichnetem Erfolg ab.

Studium in Hagenberg

Es folgte ein Umzug von Wien nach Oberösterreich und der Start des ersten Jahrgangs des damals neu geschaffenen Bachelorstudiums „Artificial Intelligence Solutions“ an der University of Applied Sciences Upper Austria in Hagenberg.

Suchomel gehörte zudem zu den Mitgründern der Young AI Leaders Linz, einer lokalen Community innerhalb der AI-for-Good-Initiative der International Telecommunication Union der Vereinten Nationen. Die Gruppe bringt junge Menschen aus Forschung und Technologie zusammen und organisiert unter anderem Hackathons und Diskussionsveranstaltungen rund um Künstliche Intelligenz.

© Harvard/zVg – Eine 3D-Simulation eines schwach elektrischen Fisches.

Nach rund 100 verschickten Mails – die meisten davon blieben unbeantwortet – gelang es Suchomel schließlich, einen Forschungsaufenthalt als Praktikant an der Harvard Medical School zu ergattern. Dort befindet er sich auch heute und forscht an der Schnittstelle von Künstlicher Intelligenz und Neurowissenschaften.

Im Mittelpunkt seiner Arbeit stehen biologisch fundierte künstliche Agenten. Vereinfacht gesagt, bauen die Forschenden in Harvard virtuelle Tiere im Computer. Diese Tiere bekommen künstliche neuronale Netze und bestimmte Sinneswahrnehmungen und Bewegungsmöglichkeiten, die sich an echten Tieren orientieren. Anschließend lernen sie mit einer Methode namens „Reinforcement Learning“. Dabei wird ihnen nicht jede Handlung vorgegeben. Sie probieren unterschiedliche Verhaltensweisen aus und lernen über Belohnungen und Nachteile selbst, welche Strategien erfolgreich sind.

„Schauen wie sich Agent verhält“

„Wir kennen aus der Biologie die körperlichen Einschränkungen von Fischen“, erklärt Suchomel. „Wir wissen, wie sich Augen im Winkel bewegen, wie schnell sie sind und welche anderen biologischen Einschränkungen es gibt. Und wir statten einen ‚Reinforcement-Learning‘-Agenten mit diesem Wissen aus: Wir simulieren den Körper eines Fisches, sodass er über diesen Körper mit der Umwelt und mit anderen Fischen kommuniziert. Das schicken wir durch eine ‚Reinforcement-Learning‘-Umgebung, simulieren Trajektorien und schauen, wie sich der Agent verhält.“

Die Simulation funktioniert wie ein virtuelles Labor. Forscher können einzelne Sinneskanäle ausschalten, Kommunikationssignale verändern oder die Umwelt der Agenten manipulieren und beobachten, wie sich ihr Verhalten verändert. Damit sollen Hypothesen darüber entwickelt werden, warum bestimmte Verhaltensweisen entstehen und welche Mechanismen dahinterstecken. Solche Hypothesen sollen anschließend gezielter in Experimenten mit echten Tieren überprüft werden können.

Der Vorteil hierbei sei, dass man nicht jedes Verhalten explizit programmieren müsse, sondern durch die Kombination aus Körper, biologischen Einschränkungen, Umwelt und „Reinforcement Learning“ Verhalten entstehen lassen könne, das möglicherweise dem Verhalten echter Fische ähnelt. So soll — und das ist das Ziel — Forschung günstiger und schneller werden, sagt Suchomel. Man könne zudem Variablen besser isolieren und kontrollieren und neuronale Netze viel genauer analysieren. Das wäre bei echten Fischen teilweise sogar viel schwieriger, vor allem wenn man ihr Zusammenspiel mit anderen Fischen untersuchen möchte.

Künstliche und natürliche Intelligenz

Die Harvard Medical School und andere Institute verfolgen seit Längerem das Ziel, KI zu nutzen, um natürliche Intelligenz besser zu verstehen – und umgekehrt auch natürliche Intelligenz für die Entwicklung von KI zu nutzen.

„Dafür gibt es im KI-Bereich viele verschiedene Methoden und Ansätze, die sich an Beobachtungen aus der Natur orientieren. Gleichzeitig gibt es immer mehr Forschung an der Schnittstelle von KI und Biologie, bei der KI-Forscher und Biologen zusammenarbeiten“, sagt Suchomel. „Wenn man beispielsweise genau weiß, wie die Umgebung aussieht, und gleichzeitig die Kommunikation eines Fisches beobachtet, könnte man künftig elektrische Signale interpretieren. So lässt sich etwa erkennen, dass ein bestimmtes Signal ausgesendet wird, weil sich der Fisch bedroht fühlt. Dadurch könnte man nicht nur einzelne Fische, sondern auch die Gruppendynamik analysieren – und besser verstehen, wie sich die Tiere untereinander und in ihrer Umwelt verhalten.“

Suchomels Praktikum in Harvard reicht noch bis Februar, danach führt ihn den Weg nach Belgien an die KU Leuven – eine, wie er sagt „der besten Unis in Europa wenn es um KI geht“. Anschließend möchte er in einen „starken Master“ reinkommen und weiter an KI forschen. Wo das sein wird, sei erstmal zweitrangig: „Hauptsache starke Labs.“

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