Trendanalysen und Technologievorhersagen liefern wichtige Informationen für das Ideenmanagement. Basierend auf diesen Informationen können Innovationsideen bewertet werden. Denn, ob die betrachtete Idee auf einen aktuellen Trend trifft oder nicht, kann entscheiden über Go bzw. NoGo. Zu Identifikation eines Trends werden in Unternehmen Technology Scouts eingesetzt. Diese Scouts sind zentrale Akteure im Innovationsmanagement, denn ihre Analysen dienen Managern als Entscheidungsgrundlage für zukünftige Produkte und Dienstleistungen. Durch eine Ideenmanagementsoftware sind Unternehmen in der Lage, die Zuverlässigkeit der Vorhersagen ihrer Scouts zu beobachten und über die Zeit mit den Entwicklungen im Markt vergleichen.
In einem Interview mit Gregor Honsel (Technology Review, August 2016, S. 46-47) erläutert Philip Tetlock Prognosefehler und liefert einen forschungsbasierten Ansatz zur Verbesserung.
Fehler und Verzerrungen in der Prognose:
- Mangelnde Selbstkritik der Forecaster
- Ideologie Bias
- Organisations-Fit
- Inkonsequente Dokumentation der Trefferquote
Auswege zur Verbesserung der Prognosegüte:
- Prognose-Wettbewerb schaffen
- Einsatz von Teams statt einzelne Scouts
- Geduld und kontinuierliche Überwachung der Trefferquote
Unternehmen betreiben einen großen Aufwand, um Zukunftstrends frühzeitig zu erkennen. Dazu sammeln und analysieren mehrere Mitarbeiter Daten aus diversen Informationsquellen und besuchen Messen sowie Konferenzen um möglichst früh Trends zu identifizieren – am besten weit vor der Konkurrenz.
Magelhafter Return on Foresight
Der “Return on Foresight” ist dabei oftmals dürftig. Ursachen sind zum einen, dass
- die Technology Scouts zu selbstsicher sind,
- sie dazu neigen „Hinweisen mehr Gewicht zu geben, wenn sie zur eigenen Ideologie passen”, (3) die Scouts dem Druck unterliegen,
- ihre Prognose an die Vorgaben der eigenen Organisation anzupassen (Orga-Fit).
Zum anderen fehlt es den Unternehmen an einer konsequenten Dokumentation und Verfolgung der Forecaster-Trefferquoten. Die Unternehmen kümmern sich zu wenig um die Überprüfung der Vorhersagen.
Durch das “Good Judgement Project” haben Tetlock und Kollegen die Vorhersagen von Otto-Normal-Bürgern untersucht. Durch einen Wettbewerb zwischen den Individuen und durch kontinuierlicher Verfolgung deren Trefferquoten, waren die Forscher in der Lage Superforcaster zu identifizieren. Dabei sind diese Superforcaster nicht weitaus intelligenter als ihre Kontrahenten, sondern hatten (lediglich) die Eigenschaft, dass sie ihre Vorhersagen permanent verbessern wollten. Ferner waren Teams hinsichtlich der Prognose ca. 23% besser als Individuen.
Wie den “Return on Foresight” erhöhen?
Tetlock berichtet, dass die Dokumentation und konsequente Analyse der Trefferquote notwendig ist, um die Prognosegüte zu erhöhen. Denn nur über die Verfolgung der Historie können die besten Forecaster identifiziert werden. Ferner bedarf es eines nachhaltigen Systems, das diese Überprüfung ermöglicht. Zum Beispiel durch die Schaffung eines Wettbewerbs zwischen Mitarbeitern oder, besser noch, zwischen Teams.
Auch könnten Unternehmen das Scouting an externe Plattformen – die einen Wettbewerb zwischen Forecastern ermöglichen – outsourcen und über Jahre laufen lassen, um schließlich die Trefferquoten über die Zeit vergleichen zu können. Dadurch können Unternehmen Superforecaster erkennen und gezielt fördern.
Durch softwaregestütztes Ideenmanagement können nicht nur Ideen mit Trends abgeglichen werden, sondern auch die Scouts identifiziert werden, die über die Zeit am besten vorhersagen können.
