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:
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

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