Strategisch planen, wenn niemand weiss, was kommt: das IDEA Framework

Ein konkretes Werkzeug aus Tag 7 des CAS Chief AI Officer – «Kompetenz-Management, Talente und KI»

Es gibt eine Frage, die in fast jedem Strategiemeeting zu KI irgendwann fällt: «Und was, wenn das in einem Jahr schon wieder überholt ist?»

Die ehrliche Antwort: Wahrscheinlich ist es das. Genau deshalb funktionieren klassische Drei- bis Fünfjahrespläne bei KI nicht. Wer heute festlegt, welche Kompetenzen das Unternehmen 2029 braucht, plant mit Annahmen, die schon beim nächsten Modell-Release wackeln.

Die Zukunftsforscherin Amy Webb (NYU Stern)² hat für dieses Dilemma einen bemerkenswert pragmatischen Vorschlag gemacht: das IDEA Framework, publiziert 2023 in der Harvard Business Review.¹ Die Grundidee: Statt die Zukunft vorherzusagen, baut man sich einen wiederholbaren Denkprozess, der Unsicherheit systematisch in Entscheidungen übersetzt.

Im CAS Chief AI Officer arbeiten wir an Tag 7 mit genau diesem Framework – jede*r Teilnehmende wendet es live auf das eigene Unternehmen an. In diesem Artikel zeige ich Ihnen, wie das geht. Sie können es heute noch ausprobieren, ganz ohne Kurs.

Die vier Schritte in 60 Sekunden

IDEA steht für vier Fragen, die aufeinander aufbauen:

Das Entscheidende: Die Schleife endet nicht bei der Technologie, sondern bei den Menschen. Am Schluss steht keine Tool-Liste, sondern eine Antwort auf die Frage, welche Fähigkeiten Ihr Team aufbauen muss. Das macht IDEA zu einem Kompetenz-Werkzeug, nicht nur zu einem Trend-Radar.

Ein Durchlauf am konkreten Beispiel

Nehmen wir ein Signal, das gerade jede Branche betrifft – vom Treuhandbüro über das Spital bis zum Industriebetrieb: KI-Agenten, die mehrstufige Aufgaben selbständig erledigen. Also nicht mehr «Chatbot beantwortet eine Frage», sondern «System bearbeitet einen ganzen Vorgang»: Anfrage lesen, Informationen aus drei Systemen zusammentragen, Entwurf erstellen, zur Freigabe vorlegen.

So sieht ein IDEA-Durchlauf dazu aus:

1. Identify – Das Signal erfassen

Die erste Frage ist banal und wird trotzdem fast überall vernachlässigt: Woher wissen wir überhaupt, dass es diese Entwicklung gibt? Die meisten Organisationen erfahren von KI-Entwicklungen durch Zufall – ein Artikel, ein Gespräch, ein Kind, das etwas vorführt. Webb plädiert für einen bewussten Prozess: definierte Quellen, definierte Verantwortung, definierter Rhythmus.

Praktisch heisst das: Eine Person (oder ein kleines Team) beobachtet gezielt – etwa Release Notes der grossen Anbieter, ein bis zwei Fachnewsletter, Erfahrungsberichte aus der eigenen Branche. Nicht mehr. Der Fehler ist selten zu wenig Information, sondern zu viel ungefilterte.

Und dann die entscheidende Verknüpfung: Was hat das mit uns zu tun? Bei unserem Beispiel: «Agenten können mehrstufige Vorgänge bearbeiten – und ein grosser Teil unserer Arbeit besteht aus genau solchen Vorgängen.»

2. Determine – Relevanz und Potenzial bestimmen

Jetzt wird aus dem Signal eine geschäftliche Aussage. Zwei Fragen leiten diesen Schritt: Welche konkreten Potenziale ergeben sich für unser Geschäft? Und: Kann das auf unsere Strategie und Positionierung einzahlen – oder sie gefährden?

Für unser Beispiel könnte das so aussehen: «In der Auftragsabwicklung stecken pro Fall rund 40 Minuten Routine-Recherche und -Dokumentation. Wenn Agenten davon die Hälfte übernehmen, gewinnt das Team Kapazität für Beratung – unser eigentliches Differenzierungsmerkmal.» Und die Kehrseite: «Wenn unsere Mitbewerber das zuerst schaffen, können sie schneller und günstiger anbieten.»

Wichtig ist hier Ehrlichkeit über die eigene Ausgangslage: Wo stehen wir wirklich – bei Daten, Prozessen, Erfahrung? Ein Potenzial, das auf einer geschönten Selbsteinschätzung beruht, ist keines. Dieser Schritt lässt sich übrigens deutlich schärfer durchführen, wenn man versteht, was Machine Learning und Sprachmodelle strukturell gut können und was nicht – dann erkennt man Potenziale nicht nur anekdotisch, sondern methodisch. (Genau darum widmen wir dieser systematischen Potenzialanalyse im CAS einen eigenen Kurstag.)

3. Extrapolate – Zwei Zeithorizonte denken

Webbs eleganter Kniff: Sie zwingt uns, zwei Zukünfte gleichzeitig zu denken – zwei Jahre und fünf-plus Jahre. Das verhindert die beiden häufigsten Planungsfehler: alles auf das Übermorgen zu verschieben («schauen wir dann») oder alles ins Heute zu pressen («sofort alles automatisieren»).

Für unser Beispiel:

In 2 Jahren: Agenten übernehmen die Vorbereitung von Standardvorgängen. Mitarbeitende prüfen, korrigieren, geben frei. Der Mensch bleibt Entscheidungsinstanz – die Maschine liefert zu.

In 5+ Jahren: Ganze Vorgangsklassen laufen durchgängig automatisiert; Mitarbeitende designen und überwachen diese Abläufe, behandeln Ausnahmen und übernehmen die Fälle, in denen Urteilsvermögen und Beziehung zählen.

Der Unterschied zwischen den beiden Bildern ist nicht graduell, sondern qualitativ – und genau das ist die Erkenntnis: Die Rolle der Mitarbeitenden verschiebt sich vom Ausführen zum Prüfen, und später vom Prüfen zum Gestalten.

4. Anticipate – Von der Zukunft zu den Kompetenzen

Jetzt schliesst sich der Kreis – und hier passiert der Moment, den Teilnehmende an Tag 7 regelmässig als Aha-Erlebnis beschreiben: Aus den beiden Zukunftsbildern lassen sich die Kompetenzlücken fast mechanisch ableiten.

Kurzfristig (aus dem 2-Jahres-Bild): Mitarbeitende müssen KI-Ergebnisse kritisch prüfen können. Das klingt trivial, ist es aber nicht – es braucht ein Gespür dafür, wo solche Systeme typischerweise scheitern, und die Disziplin, nicht in blindes Vertrauen zu kippen. Dazu: sauberes Instruieren der Systeme und ein Grundverständnis für Datenschutz im eigenen Kontext.

Langfristig (aus dem 5-Jahres-Bild): Prozessdenken wird zur Kernkompetenz – wer Abläufe für Agenten gestalten soll, muss Abläufe erst einmal explizit beschreiben können. Dazu kommen Ausnahmen-Management und die vertieften Beratungs- und Beziehungskompetenzen für die Fälle, die der Mensch behält.

Das Ergebnis eines einzigen Durchlaufs: ein priorisierter, begründeter Kompetenzplan – abgeleitet aus einem realen Technologiesignal statt aus einem generischen Schulungskatalog.

Drei Dinge, die den Unterschied machen

Erstens: IDEA ist ein Rhythmus, kein Projekt. Das Framework entfaltet seinen Wert erst in der Wiederholung – etwa quartalsweise, 90 Minuten, kleines Kernteam. Ein einzelner Durchlauf produziert eine Momentaufnahme; der wiederholte Durchlauf produziert strategische Lernfähigkeit. Das ist Webbs eigentliche Antwort auf die Unplanbarkeit: nicht besser raten, sondern schneller lernen.

Zweitens: Die Erkenntnis ist der einfache Teil. Ein sauberer IDEA-Durchlauf dauert einen Nachmittag. Die Umsetzung dauert Monate – und sie scheitert praktisch nie an der Analyse, sondern an Menschen: Mitarbeitende, die im 5-Jahres-Bild ihre heutige Rolle nicht mehr wiederfinden. Führungskräfte, die das Zwischenjahr der Doppelbelastung tragen müssen. Stakeholder, die andere Prioritäten haben. Wer Kompetenzaufbau ernst meint, braucht deshalb neben dem Framework auch das Handwerkszeug für Führung und Kommunikation in dieser Transformation – im CAS behandeln wir das in zwei eigenen Kurstagen, weil es erfahrungsgemäss über Erfolg oder Scheitern der schönsten Analyse entscheidet.

Drittens: IDEA ist ein Baustein, nicht die Strategie. Das Framework beantwortet die Kompetenzfrage brillant – aber eine tragfähige KI-Strategie umfasst mehr: Datenbasis, Governance, Use-Case-Priorisierung, Umsetzungsorganisation, Messbarkeit. IDEA liefert dafür einen hervorragenden Einstieg, weil es Technologie, Geschäft und Menschen in einem Gedankengang verbindet. Aber es ersetzt die anderen Bausteine nicht.

Probieren Sie es aus

Nehmen Sie sich diese Woche 45 Minuten. Wählen Sie ein KI-Signal, das Ihnen zuletzt begegnet ist. Gehen Sie die vier Fragen durch – gerne handschriftlich, gerne unperfekt. Sie werden merken: Schon der erste Durchlauf verändert, wie Sie über KI-Nachrichten denken. Aus «interessant» wird «relevant für uns, weil …» – und aus diffuser Unruhe wird eine konkrete To-do-Liste für den Kompetenzaufbau.

Genau diese Übersetzungsleistung – von der Schlagzeile zur Handlung – ist am Ende das, was strategische KI-Kompetenz ausmacht. Und sie ist lernbar.