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:
10.11.2026

KI-Agenten gezielt steuern: Warum klare Grenzen im Kundenservice entscheidend sind

KI-Agenten können im Kundenservice viel leisten, solange sie wissen, wo ihre Grenzen liegen. Ein Gastbeitrag über die gezielte Steuerung von KI im Kundenkontakt.
/artikel/ki-agenten-gezielt-steuern-warum-klare-grenzen-im-kundenservice-entscheidend-sind
10.11.2026

KI-Agenten gezielt steuern: Warum klare Grenzen im Kundenservice entscheidend sind

KI-Agenten können im Kundenservice viel leisten, solange sie wissen, wo ihre Grenzen liegen. Ein Gastbeitrag über die gezielte Steuerung von KI im Kundenkontakt.
/artikel/ki-agenten-gezielt-steuern-warum-klare-grenzen-im-kundenservice-entscheidend-sind

Ein Kunde fragt nach dem Lieferstatus seiner Bestellung. Ein anderer benötigt eine Produktempfehlung. Ein dritter möchte wissen, welche Bedingungen für eine Reklamation gelten. Obwohl alle drei Anfragen im Kundenservice eingehen, stellen sie unterschiedliche Anforderungen an den Einsatz künstlicher Intelligenz. Denn während eine Produktberatung individuell formuliert werden kann, müssen Auskünfte zu Vertragsbedingungen auf verbindlichen Informationen beruhen.

Für mittelständische Unternehmen stellt sich deshalb eine zentrale Frage: Wie lässt sich genau festlegen, welche Informationen KI-Agenten nutzen und welche Aufgaben sie eigenständig übernehmen dürfen?

Unternehmen müssen bestimmen, worauf die KI zugreifen darf

Moderne Sprachmodelle können Informationen verarbeiten, Zusammenhänge erkennen und Antworten formulieren. Im Kundenservice reicht diese Fähigkeit allein jedoch nicht aus. Entscheidend ist, dass die KI ausschließlich auf Informationen und Funktionen zugreift, die für das jeweilige Anliegen freigegeben sind.

Bei Fragen zu Lieferbedingungen sollte sie beispielsweise nur die aktuellen Unternehmensrichtlinien berücksichtigen. Bei einer allgemeinen Produktberatung kann es dagegen sinnvoll sein, verschiedene Wissensquellen miteinander zu verknüpfen. Für eine Bestellstatusabfrage wiederum benötigt der Agent Zugriff auf aktuelle Daten aus einem angebundenen System.

Was in der Praxis häufig unterschätzt wird: KI muss im Unternehmen nicht als frei agierendes System eingesetzt werden. Durch gezielte Konfiguration lassen sich Informationsquellen, Antwortvorgaben und Handlungsmöglichkeiten so eingrenzen, dass KI-Agenten innerhalb klar definierter Regeln arbeiten. Damit können Unternehmen KI auch dort einsetzen, wo Verlässlichkeit und Kontrolle besonders wichtig sind.

Dabei lässt sich nicht nur festlegen, welche internen Dokumente, Datenbanken oder externen Quellen verwendet werden dürfen. Auch der Zugriff auf eine Websuche oder die Ausführung bestimmter Aktionen kann eingeschränkt werden.

Restriktiv, generativ oder agentisch: Der Anwendungsfall entscheidet

Je nach Aufgabe können unterschiedliche KI-Ansätze zum Einsatz kommen. Diese schließen sich nicht gegenseitig aus, sondern lassen sich innerhalb einer Kundenservice-Lösung miteinander kombinieren.

Restriktive KI: Antworten innerhalb klarer Vorgaben

Bei verbindlichen Auskünften sind enge Grenzen notwendig. Ein restriktiv konfigurierter KI-Agent greift ausschließlich auf freigegebene Informationen zurück und darf definierte Antwortvorgaben nicht verlassen.

Fehlen die erforderlichen Informationen, sollte das System keine Aussagen ergänzen oder Vermutungen anstellen. Stattdessen kann es die Anfrage an einen Mitarbeitenden weiterleiten.

Dieser Ansatz eignet sich beispielsweise für Garantiebedingungen, Vertragsinformationen oder sensible Serviceprozesse.

Generative KI: Individuelle Antworten auf kontrollierter Wissensbasis

Andere Anliegen erfordern eine flexiblere Kommunikation. Möchte ein Kunde mehrere Produkte vergleichen oder technische Zusammenhänge verstehen, kann generative KI Informationen aus hinterlegten Wissensquellen zusammenführen und verständlich aufbereiten.

Dabei muss die KI nicht auf ihr allgemeines Trainingswissen zurückgreifen. Sie kann so konfiguriert werden, dass ihre Antworten ausschließlich auf ausgewählten Unternehmensinformationen basieren. Die Formulierung bleibt flexibel, während die zugelassenen Informationsquellen klar definiert sind.

Agentische KI: Aufgaben innerhalb festgelegter Berechtigungen ausführen

Agentische KI geht über die reine Beantwortung von Fragen hinaus. Sie kann verfügbare Werkzeuge auswählen, Schnittstellen nutzen und mehrstufige Aufgaben bearbeiten.

Beispielsweise kann ein KI-Agent eine Bestellnummer entgegennehmen, den zugehörigen Status über eine Schnittstelle abfragen und die Information anschließend verständlich ausgeben.

Welche Aktionen er ausführen darf, legt das Unternehmen fest. Ein Agent kann somit berechtigt sein, Bestelldaten abzurufen, ohne gleichzeitig Änderungen oder Stornierungen vornehmen zu dürfen.

Die Steuerung erfolgt auf Ebene einzelner Anliegen

Für mittelständische Unternehmen ist es häufig sinnvoll, nicht sämtliche Kundenanfragen nach denselben Regeln bearbeiten zu lassen.

So lässt sich beispielsweise festlegen, dass ein Agent bei Fragen zu Unternehmensrichtlinien ausschließlich interne Dokumente verwendet. Bei allgemeinen Fachfragen kann eine ergänzende Websuche erlaubt sein. Geht es hingegen um kundenspezifische Informationen, erfolgt der Zugriff über eine autorisierte Schnittstelle.

Auch die Grenzen der Automatisierung können individuell definiert werden. Während ein Agent den Bearbeitungsstand einer Reklamation selbstständig mitteilen darf, kann eine Erstattungsentscheidung weiterhin einem Mitarbeitenden vorbehalten bleiben.

Entsprechende Möglichkeiten zur Verknüpfung von Wissensquellen, KI-Funktionen und bestehenden Systemen bieten Plattformen wie DialogBits für den KI-gestützten Kundenservice.

Praxisbeispiel: KI-Agent beim HERDT-Verlag

Wie sich die Bearbeitung unterschiedlicher Kundenanliegen mit kontrollierten Systemzugriffen verbinden lässt, zeigt der HERDT-Verlag für Bildungsmedien.

Dort unterstützt der KI-Agent „Berti“ Kunden im Online-Shop. Über angebundene Werkzeuge kann er unter anderem Bestellinformationen abrufen und verschiedene Anliegen innerhalb eines Gesprächs bearbeiten.

Die verfügbaren Funktionen und ihre Einsatzmöglichkeiten werden dabei konfiguriert. Anhand der jeweiligen Kundenanfrage wählt der Agent ein geeignetes Werkzeug aus, ohne uneingeschränkten Zugriff auf sämtliche Systeme zu erhalten.

In den ersten zwei Wochen nach der Umstellung beantwortete Berti bereits 76 Kundenanfragen eigenständig. Die Success Story des HERDT-Verlags zeigt, wie dieser Ansatz in der Praxis umgesetzt wurde.

Fazit: Kontrolle ist die Grundlage sinnvoller Automatisierung

Der Einsatz von KI-Agenten im Kundenservice bedeutet nicht, künstlicher Intelligenz möglichst viele Freiheiten einzuräumen. Vielmehr müssen Unternehmen bestimmen können, welche Informationen genutzt, welche Antworten formuliert und welche Aktionen ausgeführt werden dürfen.

Gerade für mittelständische Betriebe liegt darin ein wesentlicher Vorteil: Unterschiedliche Serviceprozesse lassen sich automatisieren, ohne für jede Anfrage denselben Handlungsspielraum zuzulassen. Entscheidend ist nicht, wie viel ein KI-Agent grundsätzlich kann, sondern was er im jeweiligen Kontext tatsächlich darf.

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