Willkommen & Einführung

Rainer Michaeli begrüßt die Teilnehmerinnen und Teilnehmer zum Webinar „Die Zukunft verstehen – Kristallkugeln unnötig". Der Titel deutet bereits den Kern der Veranstaltung an: Strategic Foresight – also die systematische Beschäftigung mit der Zukunft – ist ein Thema, das in vielen Unternehmen trotz seiner Bedeutung zu selten und zu wenig konsequent verfolgt wird.

Der Begriff „Strategic Foresight" klingt für manche nach einer hochkomplexen, technologiegetriebenen Disziplin. Tatsächlich existieren jedoch vergleichsweise einfache und praxiserprobte Methoden, die sich mit überschaubarem Aufwand im Unternehmen einführen und anwenden lassen – vorausgesetzt, man versteht deren Logik, ihren Dateninput und ihre Ergebnisinterpretation.

Rainer Michaeli ist Direktor des Institute for Competitive Intelligence (ICI). Das Institut ist auf die Ausbildung und Zertifizierung von Fachkräften im Bereich Competitive and Market Intelligence spezialisiert und bietet Trainings, Workshops und Zertifizierungsprogramme an. Fragen der Teilnehmenden können im Chat-Format eingebracht werden; sie werden im Verlauf oder am Ende des Webinars aufgegriffen.

Agenda & Überblick

Das Webinar gliedert sich in vier Abschnitte:

• Future Sensemaking – Begriffsklärung und konzeptionelle Einführung
• 10 Methoden zur Zukunftsermittlung – kompakter Überblick des Methodenportfolios
• ICIs CCIA-Programm – Vorstellung des Certificate in Competitive Intelligence Analysis
• Q&A – Fragen und Diskussion

Der Schwerpunkt liegt auf dem zweiten Punkt. Ziel ist nicht, alle Methoden erschöpfend darzustellen, sondern neugierig zu machen und ein Gefühl dafür zu vermitteln, welche Verfahren für welche Aufgabenstellungen geeignet sind.

Future Sensemaking

Mit einem bewusst humorvollen Einstieg verdeutlicht Michaeli, wie Unternehmen mitunter mit der Zukunft umgehen: Kristallkugeln, Zeitmaschinen und Astrologie stehen symbolisch für die Sehnsucht nach einfachen Antworten auf komplexe Fragen. In der Realität sind diese Zugänge naturgemäß wenig hilfreich.

Die eigentlich entscheidende Frage lautet: Wie geht ein Unternehmen strukturiert und methodisch mit seiner Zukunft um? Welche Informationen lassen sich aus Zukunftsanalysen ableiten – und wie können diese in bessere strategische Entscheidungen überführt werden?

Future Sensemaking in der Praxis

Eine empirische Stichprobenumfrage (n=25 Unternehmensvertreter aus analytischen Funktionsbereichen) verdeutlicht den Status quo. Die Befragten wurden gebeten anzugeben, welche Future Tools ihnen bekannt sind.

Das Ergebnis: Trendanalyse ist mit rund 60 % der Nennungen das bekannteste Verfahren – ein Rahmenwerk, das auf strukturierten Umfeldkategorien wie PEST, STEEP oder PESTEL basiert. Szenarioplanung ist ebenfalls vielen dem Namen nach bekannt (ca. 40 %), wird in der Praxis jedoch deutlich seltener durchgeführt – die Methode gilt als komplex, ist aber wirkungsvoller als die reine Trendanalyse.

Weniger bekannt oder kaum verbreitet sind: Delphi-Methode, Schwache Signale (Weak Signals), Cross-Impact-Analyse, Futures Wheel und Horizon Scanning. Diese Verfahren werden in diesem Webinar vorgestellt.

Das Fazit: Wer diese Methoden aktiv beherrscht und in einem Unternehmen verankern kann, verschafft sich eine klare Positionierung als Foresight-Analyst oder Foresight-Manager.

Battelle: Retail 2000 (1982)

Als anschauliches Einstiegsbeispiel für gelungene Szenarioentwicklung dient die Studie „Retail 2000" des Battelle Institute aus dem Jahr 1982. Das Battelle Institute – damals einer der einflussreichsten strategischen Dienstleister – untersuchte, wie der Handel in seiner Gesamtheit vom Hersteller bis zum Endverbraucher im Jahr 2000, also knapp 20 Jahre später, aussehen könnte.

Die Studie zeigt, wie systematisches Future Sensemaking funktioniert: Man identifiziert relevante Trends und Technologien, beobachtet erste Vorboten ihrer Entwicklung und leitet daraus kohärente Zukunftsbilder ab.

Technologische Ausgangspunkte (1982):

• In Frankreich existierte bereits das Minitel – ein handgehaltenes Gerät, mit dem Nutzer unter anderem Fahrpläne der Bahn abrufen konnten. Dieser frühe Anwendungsfall verdeutlichte, wohin die Entwicklung führen würde.
• Der Übergang vom Corporate Computing (zentrale Großrechner wie IBM, VAX, DEC) zum Personal Computing zeichnete sich bereits ab.

Kernaussage des Szenarios:

Auf Basis dieser Trends wurde ein Zukunftsbild entwickelt, das heute als präzise Vorwegnahme gilt: Internet-Shopping würde den stationären Einzelhandel verdrängen, neue Direktversender würden durch Wegfall von Lagerkosten günstigere Preise ermöglichen, und das Konsumentenverhalten würde sich grundlegend verändern – hin zu Heimshopping, Produktvergleichen und Rückgabemöglichkeiten.

Die Entwicklung von Unternehmen wie Amazon, Temu oder Shein sowie das flächendeckende Ladensterben im stationären Handel bestätigen diese Szenarien im Rückblick eindrücklich.

Methodische Lehre:

Ein gut entwickeltes Szenario beschränkt sich nie auf ein einziges Zukunftsbild. In der Praxis empfiehlt es sich, zwei bis vier plausible, klar unterschiedliche Endpunkte parallel zu entwickeln. Die eigene Unternehmensstrategie kann dann so ausgerichtet werden, dass sie robust gegenüber verschiedenen Szenarien ist – oder sogar darauf abzielt, das Eintreten eines bestimmten Szenarios aktiv mitzugestalten.

Die 10 Methoden im Überblick

Michaeli stellt das Methodenportfolio vor, das in drei funktionale Cluster gegliedert ist:

Cluster 1 – Bewusstsein für Veränderung

Verfahren, die helfen, ein Gespür für aufkommende Veränderungen zu entwickeln – bei Analysten, Führungskräften und Entscheidern:

• Analyse schwacher Signale (Weak Signals & Wild Cards)
• Horizon Scanning / Umfeld-Scanning
• Trendanalyse
• Zeitreihenanalyse / Forecasting

Cluster 2 – Dynamik der Veränderung

Verfahren, die Wechselwirkungen zwischen Faktoren, Treibern und Trends systematisch abbilden:

• Cross-Impact-Analyse
• Futures Wheel
• Delphi-Methode

Cluster 3 – Alternative Zukünfte & strategische Umsetzung

Verfahren zur Entwicklung plausibler Zukunftsbilder und zur Ableitung strategischer Konsequenzen:

• Szenarioplanung
• Causal Layered Analysis (CLA)
• 3-Horizonte-Ansatz
• Backcasting

Nicht alle Methoden müssen parallel eingesetzt werden. Die Auswahl richtet sich nach der konkreten Aufgabenstellung, den vorhandenen Daten, den Teamkompetenzen (numerisch vs. narrativ) und den Erwartungen der Auftraggeber.

Schwache Signale & Wild Cards

Schwache Signale sind frühe, verrauschte Indikatoren, die noch keine große Eindeutigkeit besitzen, aber auf bevorstehende Veränderungen hinweisen können. Sie stammen häufig nicht aus der eigenen Branche, sondern aus angrenzenden Industrien, aus der Lieferkette oder aus dem Umfeld der Endkunden.

Herausforderung:

Das zentrale Problem liegt in der Diagnose: Schwache Signale sind per Definition schwach – sie überlappen, konkurrieren und lassen sich schwer von irrelevanten Informationen abgrenzen. Es besteht immer das Risiko, Ressourcen in die Analyse von Signalen zu investieren, die sich im Nachhinein als irrelevant erweisen. Umgekehrt können wichtige Frühwarnsignale übersehen werden. Die Fähigkeit, relevante Signale zu identifizieren, liegt im Schnittfeld von Erfahrung und analytischem Urteilsvermögen – weder reine Wissenschaft noch reine Intuition.

Praktisches Vorgehen:

Man analysiert Abnormalitäten, Unregelmäßigkeiten und Brüche – also Entwicklungen, die sich nicht mit bekannten Erklärungsmustern fassen lassen. Ein Beispiel: Wenn der Aktienkurs eines Unternehmens ohne offensichtlichen Grund deutlich steigt, kann das ein schwaches Signal für eine neue Produktentwicklung, ein veränderndes Kaufverhalten oder eine disruptive Technologie sein.

Hilfreich sind Analogieschlüsse: Wie haben vergleichbare Industrien auf ähnliche Signale reagiert? Welche Muster wiederholen sich branchenübergreifend?

Wild Cards:

Wild Cards sind Platzhalter für unbekannte, aber potenziell hochdisruptive Ereignisse, die sich kaum aus schwachen Signalen ableiten lassen – beispielsweise ein regionaler bewaffneter Konflikt. Auch wenn solche Ereignisse schwer vorherzusagen sind, können ihre möglichen Auswirkungen systematisch durchgespielt werden.

Horizon Scanning

Horizon Scanning beschreibt einen 360-Grad-Scan des gesamten Unternehmensumfelds mit dem Ziel, frühzeitig Chancen und Risiken zu erkennen.

Vorgehen:

Das Umfeld wird multidimensional analysiert – über den eigenen Industriefokus hinaus. Der Blick richtet sich auf Nachbarindustrien, auf Zulieferer und Abnehmer sowie auf gesellschaftliche, technologische und regulatorische Entwicklungen, die das eigene Geschäftsmodell mittelfristig beeinflussen könnten.

Spannungsfeld:

Je breiter der Scan angelegt wird, desto größer ist das Risiko, Ressourcen in Signale zu investieren, die keine Relevanz entfalten (Fehlalarm). Je enger der Fokus, desto mehr nähert sich das Verfahren einem klassischen Monitoring an – mit dem Risiko, wesentliche Entwicklungen außerhalb des bekannten Radars zu übersehen.

Anwendungsbeispiel:

Im Rahmen eines Technologie-Scoutings können Patentdatenbanken ausgewertet werden – nicht nur für die eigene Branche, sondern gezielt auch für Zuliefererindustrien, um zu antizipieren, welche Technologien in absehbarer Zeit auf das eigene Geschäftsfeld einwirken könnten.

Trendanalyse

Die Trendanalyse ist das bekannteste und am weitesten verbreitete Verfahren im Bereich Strategic Foresight. Sie basiert auf einer strukturierten Betrachtung des externen Unternehmensumfelds entlang definierter Kategorien. Gängige Rahmenwerke sind PEST, STEEP, PESTEL sowie zahlreiche weitere Varianten.

Kategorien (exemplarisch nach PESTEL):

• P – Politics / Politik & Gesetzgebung
• E – Economics / Wirtschaft
• S – Sociocultural / Soziokulturell
• T – Technology / Technologie
• E – Ecology / Ökologie & Umwelt
• L – Legal / Rechtlich

Prozess:

In einem Workshop-Setting diskutiert ein Expertenteam Trends aus diesen Kategorien, bewertet deren Wahrscheinlichkeit und potenzielle Auswirkungen und entwickelt daraus eine Chancen-Risiken-Übersicht mit konkreten strategischen und operativen Maßnahmen.

Stärken und Grenzen:

Die Trendanalyse ist besonders wertvoll für Trends mit zunächst geringer Eintrittswahrscheinlichkeit, aber hohem Auswirkungspotenzial. Sie erfasst jedoch keine weit entfernten, verrauschten Signale – für diese ist ergänzend die Weak-Signals-Analyse geeignet.

Zeitreihenanalyse (Forecasting)

Die Zeitreihenanalyse (Forecasting) ist ein algorithmusbasiertes Prognoseverfahren, das historische Datenpunkte analysiert, anpasst und in die Zukunft extrapoliert.

Methoden:

Gängige Ansätze umfassen Box-Jenkins-Verfahren, exponentielle Glättungsverfahren sowie naive Algorithmen (z. B. lineare Trendfunktionen). Ergänzend können Top-down- und Bottom-up-Korrekturen, saisonale Effekte sowie bekannte Sonderereignisse in die Modelle eingebaut werden.

Stärken:

Bei guten historischen Datenreihen und validen Regressoren liefert das Forecasting zuverlässige, quantitativ fundierte Prognosen – ein klarer Vorteil gegenüber rein qualitativen Verfahren.

Grenzen:

Zwei wesentliche Einschränkungen begrenzen die Reichweite dieses Ansatzes:

• Je länger der Prognosehorizont, desto größer werden die Konfidenzintervalle – und damit die Unsicherheit der Vorhersage.
• Faktoren, die in der Vergangenheit nicht existierten (neue Technologien, disruptive Geschäftsmodelle, geopolitische Brüche), sind in historischen Daten nicht abgebildet und fließen daher nicht in das Modell ein.

Aus diesem Grund wird das Forecasting in der strategischen Zukunftsanalyse sinnvollerweise mit qualitativen Methoden kombiniert.

Cross-Impact-Analyse

Die Cross-Impact-Analyse ist ein systemanalytisches Verfahren, das untersucht, wie sich Trends, Ereignisse und Treiber im Zeitverlauf gegenseitig beeinflussen.

Grundprinzip:

In einer Matrix werden Einflussfaktoren einander gegenübergestellt und bewertet: Welchen Effekt hat Faktor A auf Faktor B? Positiv, negativ, neutral – und in welcher Stärke? Aus der Gesamtschau der Wechselwirkungen lassen sich systemisch bedeutsame Faktoren identifizieren und priorisieren.

Anwendungsbereiche:

• Identifikation von Schlüsselvariablen für die Szenarioentwicklung
• Modellierung der Systemdynamik eines Markt- oder Branchenumfelds
• Grundlage für softwaregestützte Szenarioberechnungen

Das Battelle Institute hat die Grundlagen der Cross-Impact-Analyse wesentlich geprägt und eigene Algorithmen sowie Softwarelösungen entwickelt. Das Verfahren eignet sich besonders für analytische Teams mit quantitativem Hintergrund.

Futures Wheel

Das Futures Wheel ist ein visuelles Brainstorming-Werkzeug zur Analyse der Folgen einer Veränderung oder eines Trends.

Aufbau:

In der Mitte steht das zentrale Ereignis oder der Trend. Von dort aus werden kaskadierende Auswirkungen erster, zweiter und dritter Ordnung entwickelt – positive wie negative, erwartete wie kontraintuitive. Das Ergebnis ist ein verzweigtes Wirkungsdiagramm, das die gesamte Konsequenzenkette einer Veränderung abbildet.

Stärken:

Das Futures Wheel zwingt die Analyseteams, nicht beim unmittelbaren Impact zu verbleiben, sondern auch indirekte, zeitversetzte und systemische Wirkungen zu durchdenken. Es fördert kreatives Querdenken und deckt Zusammenhänge auf, die in einer klassischen Diskussionsrunde häufig übersehen werden. Nach Fertigstellung empfiehlt es sich, die identifizierten Auswirkungen in eine Zeitachse zu überführen – eine hervorragende Visualisierung von Ursache und Wirkung.

Delphi-Methode

Die Delphi-Methode ist eine strukturierte, iterative Expertenbefragungstechnik, die darauf abzielt, divergierende Expertenurteile zu bündeln und schrittweise zu verdichten.

Prozess:

• Experten werden einzeln und anonym befragt – keine Gruppeninteraktion in der ersten Runde.
• Jeder Experte gibt einen numerischen Schätzwert ab und legt sein Prognosemodell offen.
• Die Ergebnisse aller Experten werden anonymisiert zusammengeführt und an alle Teilnehmenden zurückgespiegelt.
• Die Experten überprüfen ihre eigenen Einschätzungen im Licht der anderen Antworten und passen sie gegebenenfalls an.
• Dieser Prozess wird iterativ wiederholt, bis die Antworten konvergieren.

Wichtig: Konsens ist kein Ziel der Delphi-Methode. Das Verfahren endet, wenn keine wesentlichen Veränderungen mehr zwischen den Runden auftreten – d. h., wenn das kollektive Expertenwissen vollständig erschlossen ist.

Vorteile:

• Anonymisierung reduziert Gruppendenken und Statuseffekte (z. B. dominante Persönlichkeiten oder Nobelpreisträger-Effekte)
• Die Methode erschließt implizites Fachwissen, das in Modellen und Begründungen offengelegt wird
• Geeignet für technologische Prognosen, Marktentwicklungen und komplexe Wirkungsfragen

3-Horizonte-Ansatz

Der 3-Horizonte-Ansatz bietet einen strukturierten Rahmen, um Gegenwart und Zukunft gleichzeitig zu betrachten und kognitive Verzerrungen durch Gegenwartskleben zu überwinden.

Die drei Horizonte:

Horizont 1 – Business as usual:

Der nahe Zeithorizont (ca. 1 Jahr). Hier gelten bekannte Spielregeln; Entwicklungen verlaufen weitgehend linear und vorhersehbar. Dies ist die Komfortzone der meisten Organisationen.

Horizont 2 – Übergangsphase:

Bestehende Geschäftsmodelle und Wettbewerbsregeln beginnen sich zu erodieren. Neue Technologien und Wettbewerber treten auf. Kausalitäten verschieben sich. Dieser Horizont ist oft der anspruchsvollste, weil er weder dem Bekannten noch dem radikal Neuen gehört.

Horizont 3 – Alternative Zukunft:

Langfristiger Horizont mit großer Gestaltungsfreiheit. Kreative und bisher undenkbare Entwicklungen können hier ohne die Schwerkraft des Alltags durchdacht werden.

Wert des Verfahrens:

Der 3-Horizonte-Ansatz schafft einen strukturierten Übergang vom Bekannten zum Unbekannten. Er reduziert kognitive Verzerrungen und ermöglicht eine differenziertere, flexiblere Zukunftsplanung. Gleichzeitiges Monitoring aller drei Horizonte ermöglicht eine hervorragende Visualisierung komplexer Abhängigkeiten.

Causal Layered Analysis (CLA)

Die Causal Layered Analysis (CLA) ist eine tiefschürfende Analysemethode, die Veränderungen auf mehreren Bedeutungsebenen untersucht – von der öffentlichen Wahrnehmung bis zu den zugrunde liegenden Weltanschauungen.

Das Eisberg-Modell (drei Ebenen):

Ebene 1 – Oberfläche (Litany):

Schlagzeilen, öffentliche Diskurse, politische Statements. Viele Entscheider bleiben in dieser Ebene verhaftet – sie reagieren auf das, was sichtbar und kommuniziert wird, ohne die tieferen Ursachen zu verstehen.

Ebene 2 – Strukturen & Systeme:

Systemische Faktoren, historisch gewachsene wirtschaftliche, soziale und kulturelle Strukturen, die die Realität stützen. Die Cross-Impact-Analyse kann helfen, diese Ebene zu modellieren und quantitativ zu durchdringen.

Ebene 3 – Mentale Modelle & Weltanschauungen:

Denkweisen, Werte, kulturelle und ideologische Überzeugungen, die die Wahrnehmung und Interpretation von Veränderungen prägen. Diese Ebene wird am seltensten analysiert – ist aber oft die entscheidende.

Anwendung:

CLA eignet sich hervorragend, um verborgene Annahmen aufzudecken, mit denen ein Unternehmen Veränderungen interpretiert. Es ermöglicht die Kartierung konkurrierender Zukunftsbilder aus unterschiedlichen Stakeholder-Perspektiven und schafft neue Narrative, die bestehende Realitäten produktiv herausfordern. Ergebnisse aus Trendanalyse und Delphi-Befragungen fließen direkt als Input ein.

Als Beispiel wird der Wandel von der Industriegesellschaft über die IT-Gesellschaft bis in die Unterhaltungs- und Plattformökonomie angeführt – ein Wandel, der auf allen drei Ebenen fundamentale Verschiebungen mit sich gebracht hat.

Backcasting

Backcasting kehrt die Logik der klassischen Szenarioplanung um: Statt von der Gegenwart in die Zukunft zu argumentieren, beginnt man mit definierten Zukunftsbildern und leitet rückwärts ab, welche Schritte notwendig sind, um diese zu erreichen.

Vorgehen:

Zunächst werden zwei bis drei klar beschriebene Zukunftsszenarien gesetzt. Diese werden nicht mehr diskutiert oder in Frage gestellt – sie gelten als gesetzt. Anschließend wird gefragt: Welche Trends müssen aufgekommen sein? Welche Entscheidungen müssen getroffen worden sein? Wie müssen sich Technologien, Märkte und gesellschaftliche Bedingungen entwickelt haben, damit diese Zukunft eintritt?

Stärken:

• Überwindet die Gegenwartsverzerrung: Durch den Perspektivwechsel – von der Zukunft aus denken – werden Killerargumente („Das ist doch unrealistisch") entkräftet.
• Fördert kreatives Denken in Gruppen: Teilnehmer, die in klassischen Diskussionen zurückhaltend sind, bringen sich in einem Backcasting-Setting häufig aktiver ein.
• Alle bisher vorgestellten Methoden (Trendanalyse, CLA, Cross-Impact, Delphi etc.) können als Werkzeuge genutzt werden, um den Weg von der Gegenwart zur gesetzten Zukunft zu beschreiben.

Michaeli vergleicht Backcasting mit einer Pre-Mortem-Analyse: Man stellt sich vor, die Zukunft ist bereits eingetreten, und analysiert rückblickend, was dafür gesorgt hat.

Literatur & Ausblick

Als weiterführende Ressource empfiehlt Michaeli den CIFS Toolkit for Applied Strategic Foresight des Copenhagen Institute for Futures Studies (2025). Das Toolkit ist kostenfrei downloadbar und bietet einen strukturierten Einstieg in das vollständige Methodenspektrum der strategischen Vorausschau.

Literaturempfehlung:

Copenhagen Institute for Futures Studies (2025). CIFS Toolkit for Applied Strategic Foresight.
Verfügbar unter: https://www.cifs.dk/read-listen/reports-knowledge/toolkit-for-applied-strategic-foresight

Abschließend hält Michaeli fest: Strategic Foresight ist nicht nur das Beschreiben möglicher Zukünfte – es geht auch darum, diese aktiv mitzugestalten. Je nach Marktstellung eines Unternehmens ergeben sich hier unterschiedliche Handlungsspielräume. Die Zukunftsbetrachtung hilft dabei, Grenzen des bestehenden Geschäftsmodells zu erkennen, bevor sie zur unüberwindbaren Hürde werden.

„The best way to predict the future is to invent it."