Wie künstliche Intelligenz die Arbeit im Boardroom verändert: Evolution oder Revolution?
01.02.2022 – Ein Beitrag von Dr. Simon Miterreiter.
AI (artificial intelligence) oder auf Deutsch KI (künstliche Intelligenz) ist unbestritten eine der wichtigsten Technologien, welche die Geschäftswelt im 21. Jahrhundert entscheidend prägen wird. Im strategischen Management wird eine KI-gestützte Entscheidungsfindung eine der wichtigsten Anwendungsfelder von KI und ein unverzichtbares Tool für Top Manager:innen darstellen, um ihre jeweiligen Organisationen erfolgreich durch die nächsten Jahre zu führen und zu navigieren. Grund genug für uns, mal einen genaueren Blick darauf zu werfen, wie es eigentlich um die KI-gestützte Entscheidungsfindung in der “Vorstands- und Geschäftsführer:innenetage” von Organisationen im Jahre 2022 bestellt ist. Der Einblick in Ergebnisse neuester White Paper und wissenschaftlicher Studien gibt unseren Leser:innen einen Überblick über die verschiedenen Möglichkeiten von KI-gestützten Entscheidungssystemen für Top Manager:innen und die Konsequenzen für die individuelle Entscheidungsfindung von Top Manager:innen unter Zuhilfenahme von KI. Darüber hinaus liefern wir einen Ausblick darauf, wie sich die Arbeit von Top Manager:innen unter Einbeziehung von KI-basierten Entscheidungssystemen zukünftig verändern kann.
Spektrum der KI-unterstützten Entscheidungsfindung
Bevor wir auf die breit gefächerten Möglichkeiten der KI-unterstützten Entscheidung eingehen, wollen wir zunächst noch einmal eine Basis schaffen und uns gemeinsam ansehen, was sich hinter dem Begriff der KI eigentlich verbirgt.
Der Blick in die aktuelle wissenschaftliche Literatur zeigt, dass sich die akademische Community (wie auch in ziemlich vielen anderen Fällen) nicht ganz einig ist, was sich nun genau hinter KI verbirgt (und es dementsprechend eine Vielzahl von verschiedenen Definitionen gibt). Ein breit angelegter Versuch einer Definition sieht “KI als Gesamtheit derjenigen selbstlernenden Methoden und Techniken, die maschinelles Lernen beinhalten”. Eine etwas präzisere Definition, die uns sehr eingängig und treffend erscheint, haben Kaplan & Haenlein (2019) vorgelegt: “[AI is] a system’s capability to correctly interpret external data, to learn from such data, and to use those learnings to achieve specific goals and tasks through flexible adaption.” Diese Definition von KI zeigt sehr gut den konkreten Prozess auf, der im Anwendungsfall einer KI-gestützten Entscheidungsfindung, um auf die Eingangsthesen zurückzukehren, notwendig ist, auf: Ein System muss extern eingespeiste Daten korrekt interpretieren können (= im Datensatz Muster erkennen), von solchen Daten lernen und das Gelernte dann so anwenden (= Muster auf neue Situationen “übertragen”), dass spezifische Aufgaben und Ziele (= Entscheidungsunterstützung) durch flexible Adaption erreicht werden (können).
Wie sieht nun das Spektrum an KI-basierter Entscheidungsunterstützung eigentlich aus? Die weltweit operierende Wirtschaftskanzlei White & Case, legt in einem kürzlich veröffentlichten und vielfach zitierten Whitepaper acht wegweisende Möglichkeiten für KI zur Entscheidungsunterstützung im strategischen Management dar:
- Vorhersage des Ausgangs von zukünftigen Events auf der Basis von Big Data und Machine Learning
- Präzisere Beurteilung der Vor- und Nachteile einer Entscheidung, indem menschliche Biases eliminiert werden
- Quantifizierung von Unsicherheiten auf der Basis von statistischen Daten
- Vorschlagen von Handlungsempfehlungen und zusätzlichen Optionen, die von menschlichen Entscheidungsträgern bisher übersehen worden sind
- Antizipieren des Verhaltens von Kunden oder Wettbewerbern
- Monitoring von KPIs und Entwicklung von Financial Forecasts
- Testen von Business Proposals und deren Annahmen
- Testen von neuen Technologien
Diese acht Möglichkeiten zur Unterstützung lassen sich in drei Kategorien subsumieren.
- Antizipation und Vorhersage von Modellen und Tools, die sowohl auf unternehmensinternen (z. B. KPIs) als auch unternehmensexternen (z. B. Industrie oder Kund:innen) Parametern basieren (1, 5, 6)
- Unsicherheitsreduktion und Eliminierung menschlicher Biases auf der Basis von deskriptiv-statistischer Daten und Methoden (2, 3, 4)
- Testen von Annahmen und Technologien auf der Basis von inferenz-statistischer Daten und Methoden (7, 8)
Im besten Fall würde KI also dem Topmanagement Entscheidungsunterstützung in all den klassischen Feldern der Unternehmensführung wie z.B. Planung, Steuerung und Business Development liefern. Neben dem Aufzeigen des Spektrums der Möglichkeiten der KI-basierten Entscheidungsunterstützung für das Topmanagement ist aber vor allem die Frage interessant, wie nun Einzelpersonen konkret auf den Input von KI-basierter Entscheidungsunterstützung reagieren bzw. eben diesen Input in Form von Entscheidungen “verarbeiten”. Der Lehrstuhl für strategisches Management, insbesondere für strategische Entscheidungsfindung, an der ESCP Business School in Berlin um Prof. Dr. Philip Meissner befasst sich genau mit solchen Fragestellungen. Im Folgenden werden zwei brandaktuelle Studien und deren Ergebnisse, die im Rahmen der Dissertation von Dr. Christoph Keding, ehemaliger Doktorand am Lehrstuhl von Prof. Meissner, entstanden sind, näher betrachtet.
Studie 1: “Managerial overreliance on AI-augmented decision-making processes: How the use of AI-based advisory systems shapes choice behavior in R&D investment decisions”
Für diese Studie wurden 150 Top Manager:innen im Rahmen eines Experiments auf ihr Entscheidungsverhalten und der Wahrnehmung der Entscheidungsqualität bei KI-gestütztem Entscheidungs-Input hin untersucht. Zunächst wurde die Stichprobe zufällig in zwei Gruppen à 75 Personen geteilt.
Die Personen in Gruppe A erhielten daraufhin im Rahmen eines “Treatments A” KI-gestützten Input für eine R&D Investitionsentscheidung im Board. In Gruppe B erhielt jede Person im Rahmen des “Treatments B” Input für die R&D Investitionsentscheidung auf Basis der Ergebnisse eines Projektteams aus der R&D-Abteilung (also nicht KI-gestützten Input).
Im Ergebnis zeigt sich, dass die teilnehmenden Top Manager:innen der Gruppe A signifikant öfter als Gruppe B für die Investitionsentscheidung gestimmt haben und im gleichen Zug die Qualität der eigenen, getroffenen Entscheidung signifikant besser als die Teilnehmenden der Gruppe B wahrgenommen haben. Die Autoren der Studie schreiben, dass es folgenden möglichen Erklärungsansatz für die gefundenen Ergebnisse gibt. Das Vertrauen in KI-gestütztem Input bei analytischen und objektiven Entscheidungen (entspricht einer Investitionsentscheidung) ist höher als in den Input des Projektteams, da das in der Psychologie sogenannte initiale Vertrauen in Technologie von Anfang an hoch ist (etwas umgangssprachlich formuliert: Man geht eben davon aus, dass die Technologie richtig funktioniert). Im Gegensatz dazu muss im zwischenmenschlichen Bereich das initiale Vertrauen erst über die Zeit aufgebaut werden. Darüber hinaus beziehen sich die Herausgeber auf frühere Studienergebnisse, die herausgefunden haben, dass KI-basierter Input oftmals als “super-carriers of formal rationality” (Lindebaum et al., 2020) wahrgenommen wird. Dies bedeutet, dass Top Manager:innen manchmal dazu tendieren, KI-basierten Input vollkommen objektivierbar wahrzunehmen, obwohl dieser (natürlich) weiterhin mit (Rest-)Unsicherheit behaftet sein kann.
Studie 2: The Human Factor in AI-Based Decision-Making
Für diese Studie wurden im Rahmen eines Experiments 140 Top Manager:innen wiederum mit einer Investitionsentscheidung in eine neue Technologie konfrontiert. Ihnen wurde mitgeteilt, dass ein KI-gestütztes System die Investitionsentscheidung vorab geprüft hat und dementsprechend empfehlen würde, in die Technologie zu investieren. Daraufhin mussten die Top Manager:innen auf einer Skala angeben, wie wahrscheinlich sie in diese Technologie investieren würden und wenn sie dies tun würden, wie viel Geld sie bereit wären, dafür zu investieren. Abschließend wurden Sie mit der Frage konfrontiert, wie viel Input sie für ihre Entscheidung von einem KI-gestützten System bekommen wollen würden.
Die Ergebnisse zeigen drei verschiedene Archetypen von Top Manager:innen, die sich signifikant in Wahrscheinlichkeit, die Investition zu tätigen sowie Höhe der Investitionssumme und Grad an gewünschtem KI-Input unterscheiden.
Der Skeptiker investiert eher nicht in die Technologie und folgt KI-basiertem Enscheidungs-Input nur sehr begrenzt. Dieser Archetyp ist selbst sehr analytisch, (über-)schätzt gern seine eigenen Fähigkeiten und ist grundsätzlich eher misstrauisch gegenüber KI.
Der Interaktor steht, wie der Name vermuten lässt, für die Verbindung zwischen KI und seiner eigenen, analytischen Interpretation, bevor er eine Entscheidung trifft. Interaktoren sind offen für den Input von KI-basierten Entscheidungssystemen, aber vertrauen diesen nicht voll und ganz. Sofern KI-basierter Input verfügbar ist, sind Interaktoren bereit, diesen zu analysieren und auf Basis dieses Inputs ihre Entscheidung zu treffen.
Die letzte Gruppe sind die Delegatoren. Diese Gruppe von Top Manager:innen, “delegieren”, wie es ihr Namen schon vermuten lässt, die Autorität, eine Entscheidung zu treffen, zur KI. Für sie beschleunigt KI den Prozess der strategischen Entscheidungsfindung und sie vertrauen auf die Ergebnisse des Algorithmus. In manchen Fällen könnte es sogar dazu führen, dass sie persönliche Verantwortung vermeiden und diese auf die KI umwälzen (insbesondere wenn Entscheidungen oder Beschlüsse rückblickend zu einer wirtschaftlich nachteiligen Situation geführt haben).
Interpretation & Fazit
Welche Erkenntnisse lassen sich nun aus der Bestandsaufnahme und den Ergebnissen der präsentierten Studien ziehen?
Erstens, die technologischen Sprünge der letzten Jahre haben dafür gesorgt, dass es mittlerweile zahlreiche organisationale Anwendungsfälle für KI im Allgemeinen bzw. für KI-basierte Entscheidungsunterstützung im strategischen Management im Speziellen gibt. Dies eröffnet grundsätzlich die Möglichkeit, Top Manager:innen in ihrer täglichen Arbeit zu entlasten, indem datengestützter Support bei Entscheidungen zur Verfügung gestellt werden kann. Inwiefern dies auch in der Breite auf den Vorstands- und Geschäftsleitungsebenen hierzulande praktiziert (werden) wird, ist allerdings noch offen.
Zweitens, die Ergebnisse der präsentierten Studien liefern interessante Implikationen für die Praxis. Einerseits zeigen die Resultate der ersten Studie eine Art “overconfidence” der Entscheidungsträger:innen in KI. Andererseits lässt sich aus den Ergebnissen der zweiten Studie ablesen, dass es eben auch “darauf ankommt” welchem Archetyp die Person in puncto Offenheit für KI-Unterstützung bei der Entscheidungsfindung angehört. Organisationen sollten daher Maßnahmen treffen, um diesem “overconfidence” entgegenzuwirken, aber gleichzeitig auch dafür sorgen, dass “KI-Skeptiker:innen” diese Zweifel genommen werden. Nur so kann ein verantwortungsvoller Umgang mit KI gewährleistet werden. Ein Beispiel für eine solche Maßnahme wäre ein strukturiertes Onboarding für alle Nutzer:innen von KI-basierten Entscheidungstools (inkl. dem Aufzeigen aller potenziellen Chancen und Risiken). Upskilling in Form des Transfers von “fusion skills”, mit denen Top Manager:innen die Rolle eines Art Mediators einnehmen und sowohl KI-basierten Input als auch die eigene Interpretation und Sicht der Dinge abwägen können, ist hierfür ein weiteres Beispiel.
Für unsere Arbeit bei hy heißt das, dass wir unseren eingeschlagenen Weg als differenzierte und kritische Denker:innen fortführen. Bei der Präsentation vor Top Manager:innen unserer Kunden argumentieren wir daten- und (Teil-)KI-basiert, setzen dies aber immer in den Kontext und versuchen den “human factor”, also unsere Erfahrungen, unser Netzwerk und unser Wissen einzubringen, um unsere Kund:innen zu Gewinnern des 21. Jahrhunderts zu machen.
Übrigens sind wir ständig auf der Suche nach Verstärkung. Auf allen Karrierelevels suchen wir motivierte Persönlichkeiten, die uns dabei helfen, gemäß unserem Slogan “redefine consulting”, Unternehmensberatung neu zu definieren.
Last, but not least, wer sich dafür interessiert, wie Führungskräfte auch allgemein (ohne KI-Unterstützung) bessere Entscheidungen treffen, der darf gerne (noch) einmal in die Folge 111 des hy Podcast reinhören. Dort diskutieren Prof. Dr. Philip Meissner und unser CEO Christoph Keese diese und weitere Fragen rund um das Thema Entscheidungsfindung.
