Ein Sprachmodell um die Beantwortung einer strategischen Frage zu bitten, kostet heute Sekunden. Die Antwort klingt immer fundiert, sagt aber meist relativ wenig. Typische Antworten sind: auf KI setzen, näher an den Kunden rücken, Prozesse datengetrieben steuern. Eine Untersuchung für die Harvard Business Review hat dieser Sorte Rat einen Namen gegeben, Trendslop, angelehnt an AI-Slop (minderwertige KI-Inhalte). Gemeint sind Empfehlungen, die an der Oberfläche überzeugend klingen, aber beliebig sind, weil sie lediglich dem Trend folgen, statt zur konkreten Lage zu passen. Die Harvard Business Review Studie ging der Frage nach, ob das nur am Prompting liegt oder am Modell selbst. Die Antwort ist: es liegt am Modell. Das hat Folgen für die Frage, was Wettbewerbsvorteil überhaupt bedeutet, wenn alle dasselbe Werkzeug für die Bestimmung desselben nutzen.
Der Kern von Strategie
Strategie besteht nicht darin, populären Ideen zu folgen, sondern unbequeme Abwägungen zu treffen. Die klassische Strategielehre weiß das: Ein Unternehmen kann Kostenführer sein oder Differenzierer. Beides gleichzeitig geht selten gut. Michael Porter nannte einen solchen unglücklichen Zwischenzustand stuck in the middle. Eine Strategie ist eine Festlegung unter unvollständiger Information, und sie definiert sich vor allem über das, was was man nicht tut.
Der Durchschnitt aller Empfehlungen
Sprachmodelle erzeugen Text, indem sie das wahrscheinlichste nächste Wort vorhersagen. Trainiert auf großen Textmengen aus Nachrichtenquellen, Foren und Büchern, geben sie die wahrscheinlichste und damit durchschnittliche Antwort (gegeben den Kontext) wieder. Für Strategiefragen hat dieser Durchschnitt eine gewisse Schlagseite (Bias), denn typischerweise werden Begriffe wie Differenzierung, Augmentierung oder Dezentralisierung eher mit Fortschritt in Verbindung gebracht und sind damit positiver konnotiert als Begriffe wie Kostenführerschaft, Automatisierung oder Zentralisierung. Das Modell bevorzugt dementsprechend solche Begriffe und stellt sie dabei über die Beschreibung der Situation aus dem Kontext.
Wie stark dieser Bias ausfällt, zeigt die genannte Untersuchung. Sieben gängige Modelle, darunter ChatGPT, Claude und Gemini, mussten sich bei sieben klassischen Strategie-Dilemmata entscheiden, je zu 50 Durchläufen. Ohne Bias müssten die Antworten um die Mitte streuen. Stattdessen bevorzugten die Modelle fast geschlossen eine Seite: Differenzierung vor Kosten, Augmentierung vor Automatisierung, langfristig vor kurzfristig.
Der naheliegende Einwand, das läge am Prompting, ließ sich nicht erhärten. Bei Differenzierung und Augmentierung senkte keine Anpassung beim Prompting diese Schlagseite um mehr als wenige Prozent. Auch zusätzliche Angaben zur Situation halfen kaum und verschoben den Bias im Schnitt nur um etwa 11%. Ein anderer Test zeigte, woran das liegt: Jedes Dilemma stellt dem Modell zwei Optionen gegenüber, etwa Differenzierung gegen Kostenführerschaft. Vertauschte man einfach nur die Reihenfolge, in der die beiden im Prompt erscheinen, fiel die Antwort anders aus. Das Modell wägt also nicht ab, es reagiert vor allem darauf, welche Option zuerst genannt wird.
Deutlicher wird das Muster, wenn man die Wahl gar nicht erst über den Prompt einfordert. Dann empfiehlt das Modell einfach beides, Differenzierung und Kostenführerschaft, radikale und inkrementelle Innovation. Das klingt zunächst ausgewogen, ist aber eine Nicht-Entscheidung und führt genau in Zustand, vor dem die Strategielehre warnt.
Der Durchschnitt aller Modelle
Ein solcher Bias bei einem einzelnen Modell wäre ein begrenztes Problem. Umso schwerer wiegt, dass die untersuchten Modelle in ihren Antworten konvergieren. Eine Untersuchung an über 26.000 offenen Aufgaben fand heraus, dass verschiedene Modelle weitgehend dieselben Antworten geben. Ob man ChatGPT, Claude oder Gemini fragt, man landet oft beim selben Vorschlag.
Das verbindet sich mit einem zweiten Befund. In einem Experiment schrieben Teilnehmer mit KI-Unterstützung individuell kreativere Texte, doch die Texte ähnelten einander stärker als die Texte ohne KI-Einsatz. Kurz: die Leistung des Einzelnen steigt, aber die kollektive Vielfalt sinkt. Auf den wirtschaftlichen Wettbewerb übertragen heißt das: Fragen alle dasselbe Werkzeug nach Strategie, bekommen alle ähnliche Antworten, und die Differenzierung, der Kern jeder Strategie, ist dahin.
Das macht KI strategisch nicht wertlos. Als Ausgangspunkt oder Analyseinstrument mit engen Grenzen kann sie Optionen aufzeigen, Gegenargumente liefern und Annahmen testen. Damit lassen sich strategische Fragen breiter beleuchten, aber eben keine Festlegung treffen.
KI als Teil einer Strategie
Bis zu dieser Stelle ging es darum, dass KI alleine nicht für eine brauchbare Strategie taugt. Eine KI-Strategie aber, also der Plan, wie ein Unternehmen KI einführen und nutzen sollte, unterliegt denselben Regeln wie jede andere Strategie, und auch hier ist das Weglassen die Kunst. Die meisten Unternehmen verteilen ihre KI-Projekte breit über viele Anwendungsfälle, in der Hoffnung, dass einige davon sich hoffentlich irgendwie auf den ROI auswirken. Diese eher seichte Vorgehensweise bringt aber selten einen echten Vorsprung. (Warum so viele dieser Initiativen schon an der Organisation scheitern, ist ein eigenes Thema; hier geht es um die strategische Wahl.)
Eine Analyse in der Harvard Business Review beschreibt den Gegenentwurf hierzu als deep and narrow: wenige Bereiche tief umbauen anstatt viele Themen nur oberflächlich. Laut einer BCG-Befragung gehen nur etwa 4% der Unternehmen diesen fokussierten Weg, sie erzielen über die Zeit aber den doppelten Ertrag. Eine solche spezifische Strategie ist außerdem automatisch enger an die eigenen Stärken gebunden und damit auch schwerer zu kopieren.
Laut der McKinsey-Erhebung zum Stand der KI nutzen 88% der Unternehmen KI in mindestens einem Bereich. Spürbaren Ergebnisbeitrag meldet kaum jemand: Nur etwa 6% gelten als high performers, die mehr als 5% ihres operativen Gewinns auf KI zurückführen. Die Verbreitung ist nahezu universell, der messbare Vorteil bleibt selten. Ein Werkzeug, das alle haben, schafft keinen Wettbewerbsvorteil, es ist Grundausstattung. Das heißt nicht, dass es nutzlos ist, aber eine Strategie ist es noch nicht.
Strategie bleibt menschlich
Für die Praxis spricht das alles nicht gegen Sprachmodelle, weder als Teil einer Strategie noch als Teil der Strategiearbeit. Es kommt aber darauf an, sie richtig einzusetzen. Die Stärke von KI liegt im Ausbreiten: Optionen erzeugen, Gegenargumente liefern, blinde Flecken benennen, einen Entwurf auf die Probe stellen. Die Studienautoren des HBR-Artikels raten, das Modell genau dafür zu nutzen, zum Erweitern der Möglichkeiten und nicht zum Treffen der Wahl. Mit Kenntnis der bekannten Schlagseite lässt sich gezielt dagegen prompten, etwa indem man die stärkste Begründung für eine Kostenführerstrategie verlangt, die das Modell von sich aus meidet.
Die Wahl selbst aber, also das Streichen einer Option zugunsten einer anderen und damit das Eingehen einer nicht umkehrbaren Wette, bleibt menschlich. Sie verlangt jemanden mit der Erfahrung, das Modellergebnis einzuordnen, und der Befugnis, die Festlegung zu verantworten. Das Modell liefert mehr Optionen in kürzerer Zeit, und es liefert sie überzeugend formuliert. Die Entscheidung, welche davon man trifft und welche man fallen lässt, nimmt es einem aber nicht ab.