30.01.2019

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind

Gastbeitrag: Mario Herger, Silicon-Valley-Experte und Autor des Buches "Das Silicon Valley Mindset", hat sich für uns mit der Thematik auseinandergesetzt, wie wir Technik-Trends schon frühzeitig erkennen können. Seine Antwort ist die "Foresight-Mindset-Methode".
/artikel/foresight-mindset
Foresight Mindset
(c) fotolia/tierney

Als 2007 das iPhone herauskam, waren die Reaktionen zwiegespalten. Für die einen war es eine der wichtigsten technischen Innovationen seit langem und viele waren bereit, sich tagelang vor den Apple-Stores anzustellen. Andere wiederum zuckten mit den Achseln und fragten: “Was ist neu daran? War doch schon alles da?”

brutkasten Magazin #7: Die Welt in 5 Jahren

Jein! Diese Aussage stimmt und stimmt dann doch wieder nicht. Touchscreen, Handynetzwerk, Kamera, GPS-Chip, App-Store, WLAN, MP3-Player und Webbrowser auf einem kleinen, mobilen Gerät gab’s schon vorher. Das neue war aber die Kombination und die Benutzererfahrung mit diesem Gerät.

Bei Innovation sprechen wir vom “benachbarten Möglichen”. Alles, was wir schaffen, basiert auf existierenden Bausteinen. Den Motor und die Kutsche gab es schon länger, aber erst die Kombination gab uns das Auto und wirkte disruptiv auf die Kutschenmacher und Pferdezüchter.

Ideen liegen in der Luft

Teilweise existieren Technologien und Geschäftsmodelle schon sehr lange, bis jemand auf die Idee kommt, sie zu kombinieren. Diese Ideen liegen sozusagen “in der Luft”. 1922 stellten zwei Forscher der Columbia University eine Liste an 140 Erfindungen und Entdeckungen zusammen, bei denen die Erfinder, unabhängig voneinander, ohne voneinander zu wissen, in unterschiedlichen Ländern oder sogar auf unterschiedlichen Kontinenten, dieselbe Erfindung oder Entdeckung innerhalb einer kurzen Periode gemacht hatten.

Was das Telefon, die elektrische Batterie und der Propeller gemeinsam haben

Am selben Tag im Jahr 1876, an dem Alexander Graham Bell ein Patent für das Telefon einreichte, reichte ein anderer dasselbe Patent ein paar Stunden später ein – im selben Patentbüro. 1745 und 1746 erfanden sowohl Ewald Georg von Kleist und Pieter van Musschenbroek die elektrische Batterie. Josef Ressel, John Ericsson, Francis Pettit Smith, David Bushnell und Robert Fulton erfanden unabhängig voneinander – innerhalb einer kurzen Zeitspanne – den Propeller.

Beim iPhone war es genauso. Auch andere Unternehmen wie General Magic, Apple selbst oder Nokia hatten früher schon probiert, so ein Ding zu bauen, doch der richtige Zeitpunkt ist ebenso wichtig, wie die richtige Technologie, das richtige Geschäftsmodell, das richtige Marketing und Branding, der richtig Prozess und einige Dinge mehr, die vom richtigen Team kombiniert werden müssen. Und das ist die große Leistung von erfolgreichen Teams. Den anderen, den gescheiterten Teams verdanken wir, dass sie den Pfad geschlagen haben, indem sie zeigten, was geht und was nicht, und Menschen auf diese Idee vorbereitet haben.

Foresight Mindset: Trends sind erkennbar

Die gute Nachricht für diejenigen, die verstehen wollen, was die Zukunft bringt, ist, dass sie aus den oben genannten Gründen für das geschulte Auge eines Foresight-Mindset-Praktikers vorhersehbar ist. Das Foresight Mindset ist die Kunst und Wissenschaft, Trends zu erkennen bevor sie Trends sind. Und wie man das macht, kann man lernen.

Ein erster Schritt ist, dass man mit mehr Aufmerksamkeit und Interesse gezielt Entwicklungen aus anderen Fachbereichen verfolgt. Das führt zu einer sogenannten T-Verteilung an Expertise, wo man sehr tiefes Wissen zu seinem eigenen Fachbereich hat (der vertikale Strich im Buchstaben T) und weniger tiefes, dafür aber breites Wissen in vielen anderen Disziplinen (repräsentiert durch den horizontalen Querstrich im T). Sich dieses Wissen aneignen erfordert Regelmäßigkeit. Man muss sich das als Gewohnheit aneignen, jeden Tag sich mindestens eine Stunde für fachfremde Studien freizuhalten.7

Man muss die richtigen Fragen stellen

Wissen alleine aber hilft nicht. Die Kunst, eine “schöne Frage” zu stellen ist ein zweiter Schritt. Eine schöne Frage wird dabei als eine definiert, von der man, sobald gehört, die Antwort wissen will. Man kann sie auch nicht gleich beantworten, ja sie mag vielleicht gar keine Antwort haben. Aber sie eröffnet neue Fragen, sie schafft vielleicht sogar neue Disziplinen. Die Frage “Was ist der nächste Trend?”, “Wie bringt uns das Geld?” “Was ist unser Tesla-Killer?” oder „Warum haben wir das bisher nicht gemacht” sind transaktionsgesteuerte Fragen, oft auf der Suche nach einem Schuldigen. Sie sind nicht schön, sie führen nicht zu Erfindungen und Innovation.

“Wie würde die Welt aussehen, wenn ich auf einem Lichtstrahl reite?”

Eine Frage, wie Albert Einstein sie stellte “Wie würde die Welt aussehen, wenn ich auf einem Lichtstrahl reite?” hingegen ist eine schöne Frage. Hundert Jahre, nachdem sie gestellt wurde, beschäftigt sie nach wie vor Generationen von Wissenschaftlern und schafft neue Disziplinen. Zwar mögen vielen Leute schauen, aber sie sehen nicht. Der dritte Schritt ist somit, dass man aktiv nach Innovation suchen muss. Weniger nach Lösungen, sondern vor allem nach Problemen, die es wert sind, angepackt zu werden.

Warum erkennen wir Trends oft nicht?

Trends sind deshalb so verwirrend, weil wir nicht genau erkennen, was ein echter Trend ist und was nur eine Modeerscheinung oder Hype, der rasch wieder vergeht. Wir können Trends in einige Kategorien einteilen und folgendes Beispiel macht das anschaulich.

Als Elvis Presley starb, gab es knapp über hundert Elvis-Imitatoren. Menschen, die sich kleideten wie Elvis, die ihr Haar schnitten und fönten wie Elvis, und die Elvis Lieder mit seiner charakteristischen Stimme sangen. Nach Elvis Tod am 16. August 1977 explodierte die Zahl der Elvis-Imitatoren über Nacht. Eine Betrachtung der Zahlen an Elvis-imitatoren zwischen 1977 und 1982 ließ keinen anderen Schluss zu, als dass im Jahr 2000 ein Drittel aller Amerikaner ihr Geld als Elvis-Imitatoren verdienen würden. Das ist natürlich nicht geschehen und jeder oder jede Befragte mit ein bisschen Hausverstand hätte uns sagen können, dass es dazu nicht kommen wird.

Weiche und harte Trends

Obwohl es ein Trend war, hatte er ganz charakteristische Eigenschaften, die auf ein Verebben hindeuten würden. Wir unterscheiden hier zwischen zwei großen Kategorien von Trends: weiche und harte Trends. Weiche Trends sind, wie die Elvis-Imitatoren zeigen, basiert auf Annahmen, die nur so scheinen als ob sie greifbar oder vorhersehbar sind, die sich so aber nicht materialisieren (müssen). Ein harter Trend hingegen ist eine Projektion in die Zukunft, die auf messbaren, greifbaren und vorhersagbaren Fakten, Ereignissen oder Dingen basiert. Ein weicher Trend kann passieren, er ist ein zukünftiges Vielleicht. Ein harter Trend hingegen wird passieren, er ist ein zukünftiges Faktum. Man kann sich darauf verlassen, dass er eintreten wird.

Diese Unterscheidung in weiche und harte Trends soll uns helfen besser zu verstehen, was die Zukunft für uns sicher in der Hand hat und was sie vielleicht bringen wird. Unser Misstrauen gegenüber Vorhersagen und Trends ist oft darin begründet, dass wir die Unterscheidung zwischen weichen und harten Trends nicht treffen können. Wir hatten weder klare Kriterien, noch Werkzeuge um die Spreu vom Weizen trennen zu können. Doch das ändert sich jetzt, und damit erhalten wir mehr Gewissheit in unsere Trendbetrachtungen und Vorhersagen.

“Die Zukunft ist bereits da, sie ist nur noch nicht gleichverteilt.”

Die Zukunft ist bereits da

So wie das iPhone vorhersehbar war, kann man Dank der Foresight-Mindset-Methodologie die Trends der kommenden 5 bis 15 Jahre schon heute erkennen. Sie werden mit hoher Wahrscheinlichkeit nicht exakt so eintreten, wie man sich ausmalen mag, aber Szenarien für mehrere mögliche, plausible und wahrscheinliche Zukünfte heute zu entwickeln erlaubt eine bessere Vorbereitung, ein klareres Verstehen der Zukunft und hilft bessere Entscheidungen zu treffen. Und das alles ohne sich von selbst ernannten “Trendgurus” die Zukunft vorhersagen zu lassen.

Um es mit dem Science-Fiction-Autor William Gibson zu halten: “Die Zukunft ist bereits da, sie ist nur noch nicht gleichverteilt.”

=> zur Page “Foresight Mindset”

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

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind

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 …

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind

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 …

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind

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 …

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind

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 …

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Foresight Mindset – Wie man Trends erkennt bevor sie Trends sind