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:
29.07.2026

Wenn die KI das Experiment plant: Zu Besuch im Labor, das sich selbst steuert

Auf dem Campus Hönggerberg der ETH Zürich arbeiten Roboter und Künstliche Intelligenz zusammen: Eine Software des schweizerisch-amerikanischen Startups Atinary entwirft die Experimente, Roboter in den Laboren von SwissCAT+ an der ETH Zürich führen sie aus, rund um die Uhr. brutkasten war vor Ort und hat mit Atinary-Mitgründer und CTO Loïc Roch sowie Christoph Schnidrig, Head of Technology bei Amazon Web Services Schweiz, über den beschleunigten Forschungsbetrieb gesprochen. Und darüber, warum die größte Hürde nicht die Technologie ist.
/artikel/wenn-die-ki-das-experiment-plant-zu-besuch-im-labor-das-sich-selbst-steuert
29.07.2026

Wenn die KI das Experiment plant: Zu Besuch im Labor, das sich selbst steuert

Auf dem Campus Hönggerberg der ETH Zürich arbeiten Roboter und Künstliche Intelligenz zusammen: Eine Software des schweizerisch-amerikanischen Startups Atinary entwirft die Experimente, Roboter in den Laboren von SwissCAT+ an der ETH Zürich führen sie aus, rund um die Uhr. brutkasten war vor Ort und hat mit Atinary-Mitgründer und CTO Loïc Roch sowie Christoph Schnidrig, Head of Technology bei Amazon Web Services Schweiz, über den beschleunigten Forschungsbetrieb gesprochen. Und darüber, warum die größte Hürde nicht die Technologie ist.
/artikel/wenn-die-ki-das-experiment-plant-zu-besuch-im-labor-das-sich-selbst-steuert
Loïc Roch, Mitgründer und CTO von Atinary, in den SwissCAT+-Laboren am Campus Hönggerberg | (c) Martin Pacher

Wer auf den Hönggerberg im Norden Zürichs fährt, lässt die Stadt hinter sich. Der zweite Campus der ETH, entstanden ab 1961, liegt in ländlicher Umgebung, hier sind unter anderem die Departemente für Chemie, Physik und Materialwissenschaft zu Hause. Und hier, in den SwissCAT+-Laboren der Hochschule, lässt sich derzeit besichtigen, wie Forschung aussehen könnte, wenn nicht mehr der Mensch jeden einzelnen Handgriff macht.

In diesen Laboren übernehmen Roboter die Arbeit, die sonst Forschende beschäftigt: Sie hantieren mit Flüssigkeiten und Pulvern, bereiten Proben vor, testen sie und messen laufend die Ergebnisse. Das Bemerkenswerte daran ist aber nicht die Automatisierung selbst, sondern wer die Versuche plant: eine Künstliche Intelligenz. Die Software stammt vom Startup Atinary, das an der ETH keinen eigenen Standort hat, sondern mit der Technologieplattform SwissCAT+ zusammenarbeitet. Sie schlägt vor, welches Experiment als nächstes sinnvoll ist, lernt aus jedem Ergebnis und berechnet daraus den nächsten Schritt. Dieser Kreislauf läuft rund um die Uhr, ohne dass ein Mensch eingreifen muss.

„Ein Labor ist eine große Küche“

Wie soll man sich das vorstellen? Loïc Roch, Mitgründer und CTO von Atinary, greift im Gespräch mit brutkasten zu einem Alltagsbild: „Am Ende ist ein Labor eine große Küche. Wir liefern die Rezepte. Wir nutzen KI, um Rezepte zu erzeugen, die dann im Labor getestet werden.“ Das Ziel: möglichst schnell zum besten Rezept kommen. Denn jeder einzelne Versuch kostet Zeit, Material und Geld. Wer statt tausender Versuche nur ein paar Dutzend braucht, spart enorm.

Genau darauf ist die Software ausgelegt. Statt sich blind durch unzählige mögliche Kombinationen zu probieren, lernt das System mit jedem Experiment dazu und empfiehlt gezielt die vielversprechendsten nächsten Schritte. „Self-Driving Labs“ nennt Atinary das Prinzip, selbstfahrende Labore. Den Begriff hat sich das 2019 gegründete Unternehmen sogar markenrechtlich schützen lassen.

Loïc Roch, Co-founder und CTO von Atinary | (c) Martin Pacher / brutkasten

Den Bedarf für solche Werkzeuge begründet Roch mit einem unbequemen Befund: Forschung wird immer teurer und langsamer, es braucht immer mehr Zeit und Geld, bis Neues gefunden ist. Dazu kommt eine handfeste Vertrauenskrise: Roch verweist auf eine vielzitierte Befragung von rund 1.500 Forschenden, wonach ein Großteil daran scheitert, Experimente zu wiederholen, in der Chemie sind die Quoten besonders hoch. Das ist nicht nur für die Wissenschaft ein Problem: Ohne verlässliche Daten lässt sich auch keine verlässliche KI trainieren.

100 Jahre Forschung in sechs Wochen

Was das System kann, zeigt das Vorzeigeprojekt direkt vor Ort. Gemeinsam mit dem SwissCAT+-Team suchte Atinary nach dem besten Katalysator, also jenem Hilfsstoff, mit dem sich das Treibhausgas CO₂ in Methanol umwandeln lässt, einen Ausgangsstoff für nachhaltige Treibstoffe. Laut Atinary kamen dafür mehr als 20 Millionen mögliche Kombinationen infrage. Das Ergebnis wurde in einem Fachjournal publiziert: In sechs Wochen wurden 144 Katalysator-Kandidaten hergestellt und getestet, mit minimalem menschlichem Zutun. Die Zahl, mit der Atinary seither wirbt, ist eindrucksvoll: eine 1000-fache Beschleunigung, umgerechnet 100 Jahre Katalyse-Forschung in nur sechs Wochen. SwissCAT+-Chef Paco Laveille, der die Umsetzung an der ETH verantwortet, bestätigt beim Besuch die Größenordnung: von Jahren an Forschung hinunter zu Wochen.

(c) Martin Pacher / brutkasten

Beim konkreten Nutzen für Firmenkunden hält sich Roch hingegen zurück, aus einem strukturellen Grund: „Wir sind ein Dienstleister. Wir sehen den generierten Mehrwert nicht, und die Kunden wollen ihn nicht teilen.“ Das habe auch mit Sicherheitsanforderungen zu tun, ergänzt das Unternehmen: Angaben zum erzielten Return on Investment erhalte Atinary dann, wenn Kunden sie von sich aus teilen — teils münde das in gemeinsame Publikationen.

Die einzige konkrete Zahl, die er im Gespräch nennt, stammt aus einer gemeinsamen Publikation mit dem Aromen- und Duftstoffkonzern dsm-firmenich: Dort konnte der Einsatz eines teuren Edelmetalls so stark reduziert werden, dass dessen Kostenanteil um rund 95 Prozent sank. Es sei nicht die einzige gemeinsame Veröffentlichung mit Kunden, betont das Unternehmen — weitere gebe es etwa mit dem Pharmakonzern Takeda.

(c) Martin Pacher / brutkasten

Auch ein aktueller gemeinsamer Blogbeitrag von AWS und Atinary liefert Anhaltspunkte. Ein Manager von Takeda wird dort mit der Aussage zitiert, eine Optimierung habe mit dem selbstfahrenden Ansatz rund eine Woche gedauert, verglichen mit ein bis zwei Monaten auf dem herkömmlichen Weg. Am MIT wiederum löste ein Forschungsteam mit der Software eine knifflige Aufgabe aus der Solarzellenforschung in nur 25 Versuchen, innerhalb einer strikten Frist von vier Wochen. Und über das eigene Labor, das Atinary heuer in Boston eröffnet hat, heißt es: Es erzeuge in einer Woche mehr Versuchsdaten, als ein Doktorand in fünf Jahren produziert.

Bezahlter Pilot, Lizenz pro Arbeitsplatz

Wirtschaftlich steht Atinary noch am Anfang. Das Unternehmen befindet sich in der Seed-Phase, öffentlich auffindbar sind laut Roch rund zehn Millionen an bisheriger Finanzierung, eingesammelt über Venture Capital, Family Offices und Förderungen. Als Nächstes peilt er eine Series A an. Das Wachstumskapital dafür werde voraussichtlich aus den USA kommen: „Der Ansatz ist in Europa und den USA sehr unterschiedlich.“

Paco Laveille, Managing Director, SwissCAT+ East, ETH Zurich | (c) Martin Pacher / brutkasten

Verdient wird über Software-Lizenzen, abgerechnet pro Arbeitsplatz. Am Anfang steht ein dreimonatiger, bewusst kostenpflichtiger Testlauf. „Wenn der Pilot nicht bezahlt ist, stecken die Kunden nicht die Ressourcen hinein, um ihn richtig zu testen“, sagt Roch. Dass er mit diesem Modell Geld liegen lässt, räumt er offen ein: Eine Beteiligung am geschaffenen Wert wäre lukrativer, scheitert aber daran, dass die Kunden diesen Wert eben nicht offenlegen.

Die Kundschaft kommt bisher vor allem aus der Pharmabranche, die laut Roch am ehesten bereit ist, Neues zu riskieren; der Rest der Industrie folge dann. Einsatzfelder gibt es aber quer durch: Lebensmittel, Duftstoffe, Materialforschung, grüne Energie, und gemeinsam mit Stanford sogar Zelltherapien gegen Krebs. Umsatz machen vor allem Konzerne. Mit Universitäten arbeitet Atinary eng zusammen, weil sich dort Ergebnisse veröffentlichen lassen, sie werden so zu Botschaftern der Technologie. Auch KMU zählen zu den Kunden, das jüngste sei erst vor wenigen Tagen dazugekommen. Die Arbeitsteilung im Unternehmen: Das Entwicklerteam sitzt bei Roch in Lausanne, das eigene Labor steht in Boston, dort, wo die großen Pharma-Forschungszentren angesiedelt sind.

„Fast jeden zweiten Tag ein neues Startup“

Beim Thema Konkurrenz wird Roch deutlich: Der Bereich „AI for Science“ ziehe derzeit massiv Gründungen an, fast jeden zweiten Tag komme ein neues Startup dazu. Gefährlich sei daran vor allem eines: Mit den heutigen KI-Werkzeugen lasse sich sehr schnell ein beeindruckender Prototyp bauen, der Kunden begeistert. „Unter der Haube ist das aber kein produktionsreifer Code, der bei einem Großunternehmen laufen kann.“ Atinary sieht er im Vorteil, weil man seit 2019 das gesamte Paket aufgebaut habe: die Anbindung an die Laborgeräte, das eigene KI-Training, die Anwendungen und die wissenschaftliche Glaubwürdigkeit durch den eigenen Beirat. Dazu kommt laut Unternehmen ein Netzwerk an Technologiepartnern, darunter AWS, ABB Robotics, Agilent, Bruker, Chemspeed und Mettler-Toledo. Im wissenschaftlichen Beirat sitzt unter anderem der MIT-Chemiker Stephen Buchwald — im Bostoner Labor optimiert Atinary nach eigenen Angaben ausgerechnet die nach ihm benannte Buchwald-Hartwig-Reaktion.

(c) Martin Pacher / brutkasten

Zugleich beobachtet er seit heuer einen Umschwung im Markt: Kunden dächten zunehmend in einer Wettlauf-Logik. Wer die Technologie nicht als Erster einsetze, riskiere, dass es die Konkurrenz tut. Und wenn diese in Wochen schafft, wofür man selbst Jahre braucht, sei der Rückstand kaum aufzuholen.

Die größte Hürde ist der Mensch

Und was bremst die Verbreitung? Nicht die Technik, sagt Roch, sondern der Mensch. „Der Wissenschaftler im Labor ist oft seit 15, 20 Jahren dort. Wenn man ihm sagt: Wir können deine Forschung um den Faktor zehn oder hundert beschleunigen, sagt er: Nein. Ich kenne mein Fach besser als irgendein Algorithmus.“ Es sei dabei weniger mangelndes Vertrauen, die Technologie werde schlicht als Bedrohung für den eigenen Job empfunden. Christoph Schnidrig von AWS ergänzt: Dieses Muster kenne man von jeder Technologiewelle, von der Einführung der Cloud bis zur KI in der Softwareentwicklung. Rochs Haltung dazu: Jobs würden sich verändern, aber nicht verschwinden. „Am Ende ist es ein Werkzeug. Der Mensch bleibt am Steuer.“

(c) Martin Pacher / brutkasten

Zum Vertrauen gehört auch die Datenfrage, schließlich legen die Kunden ihr wertvollstes Gut, ihre Forschungsdaten, in die Plattform. Die läuft vollständig auf der Cloud von AWS. Roch verweist auf Prüfungen, Audits und Sicherheitstests; personenbezogene Daten würden praktisch keine gespeichert, schon gar keine Patientendaten, dafür sei man in der Forschung viel zu früh angesetzt. Auch deshalb sieht er im EU AI Act derzeit kein Hindernis: In Kundengesprächen sei die Regulierung bislang schlicht kein Thema gewesen.

Auszeichnung vom Weltwirtschaftsforum

Während brutkasten mit Roch in Zürich spricht, befindet sich sein Mitgründer, CEO Hermann Tribukait, gerade im chinesischen Dalian, um dort den Technology-Pioneer-Award des Weltwirtschaftsforums entgegenzunehmen. Zu den früheren Preisträgern der Auszeichnung zählen Roch zufolge Namen wie Google, Dropbox und Airbnb. Preisgeld gibt es keines, der Wert liege im Zugang zum Netzwerk des Forums und zu Entscheidungsträgern großer Unternehmen. Kunden in China hat Atinary übrigens keine, und das dürfte vorerst so bleiben: Als in den USA registriertes Unternehmen sei das Geschäft mit chinesischen Firmen „wegen der Geopolitik sehr heikel“.

Gefragt nach dem Blick fünf Jahre voraus, skizziert Roch eine Vision, die er ausgerechnet am Vorbild seines Cloud-Partners entwirft: Labore, die wie Rechenleistung aus der Cloud abrufbar sind, weltweit vernetzt, mit einer übergeordneten KI, die Erkenntnisse zwischen Forschungszentren auf verschiedenen Kontinenten austauscht.

Den Antrieb dahinter beschreibt er ganz persönlich: Er und seine Mitgründer seien Naturliebhaber, und die Energiewende brauche schnellere Forschung. „Der Planet kann nicht noch ein Jahrzehnt warten, bis wir Lösungen finden.“ Sein Befund nach sieben Jahren: „R&D ist heute noch zu langsam.“


Disclaimer: Die Reise- und Übernachtungskosten wurden von Amazon Web Services übernommen.

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