Die ausführlichen Fälle zum Hauptartikel [Futuring in 5 Schritten]. Zuerst drei Geschichten, die zeigen, warum Zukunftsdenken wirkt – und wann nicht. Danach zwei durchgerechnete Beispiele: Marktbedarfe im KI-Zeitalter und Investment-Strategien unter Unsicherheit.
Drei Geschichten: Warum Zukunftsdenken wirkt – und wann nicht
Shell 1973: Vorbereitete Köpfe
Anfang der Siebziger arbeitete bei Shell eine kleine Planungsgruppe um den Franzosen Pierre Wack an etwas Ungewöhnlichem: Statt eine Prognose abzugeben, entwarf sie mehrere mögliche Zukünfte. In einer davon verknappen die Förderländer das Öl, und der Preis steigt sprunghaft. Im September 1972 stellte Wack die Szenarien vor – wer dabei war, erinnert sich an einen mitreißenden dreistündigen Vortrag.
Im Oktober 1973 kam mit dem Jom-Kippur-Krieg und dem Ölembargo genau diese Lage. Shell reagierte schneller als die Konkurrenz. Die Entscheider, so beschreibt es Shell selbst, waren gedanklich auf das Schlimmste vorbereitet, weil sie es sich schon ausgemalt hatten.
Die Lehre: Szenarien sollen die Zukunft nicht treffen. Sie bereiten Köpfe vor, damit eine neue Lage erkannt wird, sobald sie eintritt.
Quelle: Shell (2013): 40 Years of Shell Scenarios (PDF).
Mont Fleur, Südafrika 1992: Eine gemeinsame Sprache
1991 und 1992, zwischen Nelson Mandelas Freilassung und den ersten freien Wahlen, trafen sich 22 Menschen aus allen Lagern in der Tagungsstätte Mont Fleur bei Kapstadt: vom ANC über Gewerkschaften bis zu Wirtschaft und Wissenschaft. Moderiert hat Adam Kahane aus dem Szenario-Team von Shell. Über ein halbes Jahr entstanden vier Szenarien:
- Strauß: Die weiße Minderheitsregierung steckt den Kopf in den Sand und verweigert eine Verhandlungslösung.
- Lahme Ente: Der Übergang zieht sich hin, eine schwache Regierung kann nicht entschlossen handeln.
- Ikarus: Eine neue Regierung gibt viel Geld für populäre Programme aus und stürzt die Wirtschaft in die Krise.
- Flug der Flamingos: Alle steigen langsam, aber gemeinsam auf.
Die Zusammenfassung erschien als Beilage einer landesweiten Zeitung und wurde mit mehr als fünfzig Gruppen diskutiert, von Parteien und Unternehmen bis zu Gewerkschaften und Hochschulen. Das Ikarus-Szenario machte über Lagergrenzen hinweg sichtbar, wohin zu hohe Staatsausgaben führen können. Die spätere Haushaltsdisziplin der Regierung der Nationalen Einheit überraschte viele Beobachter. Trevor Manuel, damals für den ANC dabei und später Finanzminister, sagte im Jahr 2000, von Mont Fleur führe zwar keine gerade Linie zur Wirtschaftspolitik, aber vieles gehe darauf zurück.
Die Lehre: Die Szenarien waren weniger ein Maßnahmenplan als eine gemeinsame Sprache über Lagergrenzen hinweg.
Quellen: Reos Partners (Adam Kahanes Organisation): Mont Fleur Scenarios; Shell (2013): 40 Years of Shell Scenarios.
Kodak 1975–2012: Wissen ohne Wirkung
1975 baute der Kodak-Ingenieur Steve Sasson die erste Digitalkamera; später erhielt er dafür die National Medal of Technology and Innovation. 1981 ließ die Kodak-Führung ihren Marktforschungschef Vince Barabba untersuchen, was Digitalfotografie für das Filmgeschäft bedeutet. Das Ergebnis: Digital kann Film ersetzen – aber Kodak hat rund zehn Jahre Zeit, sich darauf vorzubereiten.
Die Analyse traf zu. Doch Kodak setzte die Digitaltechnik vor allem ein, um das Geschäft mit Film, Chemie und Papier zu stützen, statt sich neu aufzustellen. Im Januar 2012 meldete das Unternehmen Insolvenz an.
Die Lehre: Zukunftswissen allein entscheidet nichts. Der Engpass liegt selten in der Analyse, sondern darin, ob eine Organisation bereit ist, danach zu handeln.
Quellen: National Science & Technology Medals Foundation; Chunka Mui: How Kodak Failed, Forbes 2012, nach dem eigenen Bericht von Vince Barabba; Pressemitteilung von Eastman Kodak vom 19.01.2012.
Dark Horses: Wenn Außenseiter das Establishment überholen
Dark Horses sind unterschätzte Akteure, die überraschend einen Markt übernehmen. Sie wachsen oft aus ignoriertem Wissen: Die Signale waren da, aber die Etablierten haben nicht hingesehen. Wie sie sich von Wild Cards und Schwarzen Schwänen unterscheiden, steht im Artikel Zukunftsforschung.
- Netflix: Im Jahr 2000 boten die Gründer ihr Unternehmen der Videothekenkette Blockbuster für 50 Millionen Dollar zum Kauf an. Blockbuster lehnte ab und meldete 2010 Insolvenz an.
- NVIDIA: baute Grafikchips für Computerspiele. 2006 öffnete die CUDA-Architektur diese Chips für Wissenschaft und Forschung – die Grundlage, auf der ab 2012 der Durchbruch des Deep Learning rechnete.
- Airbnb: begann 2007 damit, dass zwei Gastgeber drei Gäste in ihrer Wohnung in San Francisco aufnahmen. Heute zählt die Plattform nach eigenen Angaben mehr als neun Millionen aktive Angebote, ohne eigene Hotels zu besitzen.
Die Lehre: Foresight fragt nicht nur „Was kommt?“, sondern auch „Wen unterschätzen wir gerade?“
Quellen: Marc Randolph: That Will Never Work (2019), Erinnerungen des Netflix-Mitgründers; NVIDIA: Corporate Timeline; Airbnb: About us.
Auch Regierungen denken in Szenarien
- Finnland: Seit 1993 hat das Parlament einen eigenen Zukunftsausschuss mit 17 Abgeordneten; sein Gegenüber in der Regierung ist der Premierminister. Einmal pro Wahlperiode antwortet das Parlament auf den Zukunftsbericht der Regierung.
- Singapur: 1995 richtete die Regierung ein Szenario-Büro im Amt des Premierministers ein, 2009 folgte das Centre for Strategic Futures.
- Großbritannien: Im Foresight-Projekt „Future Flooding“ untersuchten 2004 rund 60 Fachleute, wie sich Hochwasser- und Küstenrisiken über die nächsten 100 Jahre entwickeln. Ergebnis: Bleibt die Hochwasserpolitik, wie sie ist, steigt das Risiko in jedem Szenario stark.
Quellen: Parlament von Finnland: Committee for the Future; Centre for Strategic Futures, Singapur; Foresight Future Flooding, Executive Summary (PDF).
Die Methode heute: zwei durchgerechnete Beispiele
Shell, Mont Fleur und Kodak zeigen, was auf dem Spiel steht. Wie die fünf Schritte aus dem Hauptartikel konkret aussehen, zeigen die beiden folgenden Fälle: einmal für einen Weiterbildungsanbieter, einmal für eine Geldanlage.
Beispiel A: Marktbedarfe im KI-Zeitalter
Frage (Schritt 1): Ein Weiterbildungs- und Beratungsanbieter fragt: Welche Bedarfe unserer Kunden entstehen oder verschwinden durch KI bis 2031, und worauf sollten wir uns heute vorbereiten?
Schlüsselfaktoren (Schritt 2): Aus dem STEEP-Raster ragen zwei mit hohem Einfluss und hoher Unsicherheit heraus:
- Leistungssprung der KI: bleibt es bei Assistenz, oder übernimmt KI ganze Wissensarbeits-Routinen?
- Vertrauen und Regulierung: entsteht breites Vertrauen und klare Regeln, oder Skepsis und restriktive Auflagen?
Szenario-Matrix (Schritt 3):
| Geringes Vertrauen / restriktiv | Hohes Vertrauen / offen | |
|---|---|---|
| KI als Assistenz | Vorsichtige Adaption: KI hilft im Kleinen, Bedarf an Change-Begleitung und Kompetenzaufbau | Produktivitäts-Plateau: KI überall integriert, Bedarf an Prozessdesign und Skill-Upgrades |
| KI übernimmt Routinen | Umkämpfter Umbruch: Angst und Widerstand, Bedarf an Ethik, Governance, Neuqualifizierung | Radikale Neuverteilung: ganze Rollen verschwinden, Bedarf an Neuerfindung von Geschäftsmodellen |
Drei ausgewählte Szenarien: Radikale Neuverteilung (Fokus hier, weil sie den größten Kompetenzwandel verlangt), Produktivitäts-Plateau (wahrscheinlich), Umkämpfter Umbruch (riskant).
Backcasting (Schritt 4) für „Radikale Neuverteilung“: Damit der Anbieter 2031 in einer Welt besteht, in der KI ganze Wissensarbeits-Rollen übernommen hat, muss er 2029 ein etabliertes Portfolio an Formaten für Urteilsvermögen, Kreativität und Verantwortungsübernahme haben, also genau die Fähigkeiten, die KI nicht ersetzt. Dafür muss er 2027 eigene Referenzprojekte und Trainer für diese Formate aufgebaut haben, und heute damit beginnen, das eigene Portfolio von reiner Wissensvermittlung auf Urteils- und Kreativitätsförderung umzustellen.
Abgeleitete Strategie (Schritt 5):
- No-Regret: menschliche Kernkompetenzen ausbauen, Kreativität, Urteilsvermögen, Verantwortungsübernahme, Beziehungsgestaltung, und daneben eine solide KI-Grundkompetenz im Team. Beides zahlt in jedem Szenario.
- Wette: ein spezialisiertes Angebot „Neuerfindung von Rollen und Geschäftsmodellen“ für das Neuverteilungs-Szenario, das gezielt auf das trainiert, was KI nicht kann.
- Absicherung: Formate zu Ethik, Governance und Umgang mit Widerstand, falls der Wandel weniger radikal verläuft und eher Richtung Umbruch-Szenario kippt.
Marktbedarf-Erkenntnis: Der größte neue Bedarf liegt nicht in der KI-Bedienung, sondern in dem, was übrig bleibt, wenn KI die Routine übernimmt: Kreativität, Urteilsvermögen, Verantwortung. Genau diese menschlichen Kompetenzen werden zum eigentlichen Produkt, KI-Kompetenz ist allerdings eine notwendige Ergänzung dazu.
Beispiel B: Investment-Strategien unter Unsicherheit
Hinweis: Ich bin kein Finanzberater, und das Folgende ist keine Anlageberatung. Es zeigt ausschließlich, wie die Foresight-Methode auf eine Investmentfrage angewendet wird. Entscheidungen über Geld triffst du selbst oder mit fachkundiger Beratung.
Frage (Schritt 1): Wie richte ich ein langfristiges Portfolio so aus, dass es über 10 Jahre in verschiedenen Makro-Zukünften robust bleibt?
Schlüsselfaktoren (Schritt 2): Zwei Faktoren dominieren Einfluss und Unsicherheit:
- Produktivitäts- und Wachstumsdynamik: starker KI-getriebener Boom oder längere Stagnation?
- Inflation und Zinsen: dauerhaft niedrig und stabil, oder hoch und volatil?
Szenario-Matrix (Schritt 3):
| Niedrige Inflation | Hohe / volatile Inflation | |
|---|---|---|
| Starkes Wachstum | Goldilocks: Produktivitätsboom, Aktien und Wachstumswerte begünstigt | Inflationärer Boom: reale Werte, Rohstoffe, Sachwerte begünstigt |
| Schwaches Wachstum | Deflationäre Stagnation: lange Anleihen, Qualität, Cash begünstigt | Stagflation: der harte Fall, Diversifikation und Realwerte gefragt |
Vier statt drei Szenarien sind hier sinnvoll, weil jedes eine andere Anlageklasse begünstigt.
Backcasting (Schritt 4): Statt eine Zielzukunft zu wählen, dreht man die Frage um: Welches Portfolio überlebt jedes dieser vier Felder ohne Totalschaden? Man rechnet von „in keinem Szenario ruiniert“ rückwärts auf die heutige Allokation.
Abgeleitete Strategie (Schritt 5), rein illustrativ:
- No-Regret: breite Diversifikation über Anlageklassen und Regionen, denn sie hilft in allen vier Welten.
- Wetten: bewusste, begrenzte Übergewichtung dort, wo man ein Szenario für wahrscheinlicher hält.
- Absicherung: ein Anteil realer Werte gegen das Stagflations-Szenario, Liquidität gegen den deflationären Fall.
Foresight-Erkenntnis für Geld: Der Wert der Methode liegt nicht in der Prognose, welches Szenario eintritt, sondern in einem Portfolio, das keine Prognose braucht, um zu überleben. Das ist Robustheit statt Wette.
Selbst ausprobieren
Im Foresight Studio auf zukunftsgut.org kannst du die fünf Schritte an deiner eigenen Frage durchspielen, kostenlos im Browser. Dort liegen auch vier weitere durchgerechnete Fälle als Whitepaper: Verwaltung und KI, Industrie und Energie, Beratungsmärkte 2036 sowie Personalentwicklung und KI.
Wer das für die eigene Organisation gründlich machen will: Die Zukunftsstudie verbindet Workshop, Auswertung und Whitepaper in zwei bis drei Wochen.
Zurück zum [Hauptartikel: Futuring in 5 Schritten].