Warum liefern ChatGPT, Gemini, Claude und Le Chat bei derselben Frage ähnliche Zukunftsszenarien?

Weil sie aus weiten Teilen desselben öffentlichen Internets trainiert und in ihrem Feintuning auf ähnlich gefällige, konsensfähige Antworten ausgerichtet werden. Das Phänomen ist in der Forschung als Algorithmic Monoculture beschrieben (Raghavan, 2024) .

Ist eine bessere oder teurere KI die Lösung für dieses Problem?

Nicht grundsätzlich. Das zugrunde liegende Muster betrifft praktisch alle großen Sprachmodelle (LLMs) , weil es an der gemeinsamen Datenbasis und am Trainingsverfahren hängt, nicht an der Größe eines einzelnen Modells.

Wurde im finnischen Test die Methode Backcasting verwendet?

Nein. Bewertet wurde mit der Scenario Quality Assessment Method, einem Kriterienraster für Szenarioqualität. Backcasting ist ein eigenständiges Zukunftsforschungsverfahren, das von einem Zielbild aus rückwärts denkt, und kam in diesem Test nicht zum Einsatz.

Was ist der Unterschied zwischen Forecasting, Backcasting und dem, was KI oft liefert?

Forecasting schreibt die Gegenwart fort, Backcasting denkt von einem Zielbild rückwärts. Unstrukturierte KI-Abfragen erzeugen dagegen häufig eine geglättete Wunschprojektion, die in der Praxis mitunter als Hopecasting bezeichnet wird.

Wozu ist generative KI in der Zukunftsplanung dann noch gut?

Vor allem als schnelles Recherche- und Aggregationswerkzeug für bereits vorhandenes Material. Für belastbare, überraschende Zukunftsbilder braucht es weiterhin eine strukturierte Methodik und menschliche Einordnung, wie auch Gartner für numerische Prognosen explizit empfiehlt. Die Forschung von Coppoletta, Bechthold und Filice zeigt darüber hinaus, dass KI in einem methodisch geführten Foresight-Prozess auch die Szenarioentwicklung beschleunigen kann. Sie ist damit mehr als ein reines Recherchewerkzeug, aber kein Ersatz für die Foresight-Methodik oder menschliche Bewertung.

Wie können Unternehmen der Konvergenz der KI-Antworten aktiv entgegenwirken?

Indem sie mehrere, unterschiedlich trainierte Modelle parallel nutzen, KI-Ausgaben als prüfbedürftige Hypothese statt als Endergebnis behandeln und die Fragestellung gezielt auch auf Akteure außerhalb der eigenen Branche richten.

Sollte der Einsatz von KI bei veröffentlichten Szenarien kenntlich gemacht werden?

Ja. Sinnvoll ist eine transparente Angabe, welche Aufgaben KI übernommen hat und welche Schritte durch menschliche Experten erfolgten. Die explorative Studie von Malekifar zeigt, dass eine Kennzeichnung als KI-unterstützt die Wahrnehmung von Glaubwürdigkeit, Expertise und Wünschbarkeit beeinflussen kann. Das Ergebnis sollte wegen des kleinen, kontextgebundenen Versuchs jedoch nicht verallgemeinert werden.

Zukunftsforschung mit KI

Warum alle KIs dieselbe Zukunft sehen

31.10.2024

16 Min. Lesezeit

Autor:

Ulrich Parthier

Vier KI-Tools, ein Auftrag, nahezu identische Zukunftsszenarien: Ein Test aus der finnischen Zukunftsforschung zeigt, warum ChatGPT, Gemini, Claude und Co. bei Prognosen oft zum selben Ergebnis kommen, welches Verfahren wirklich dahintersteckt und was das für die Zukunftsplanung im Unternehmen bedeutet.