Kurzfassung. Die meisten Ratschläge zum Zukunftsdenken werden über Plausibilität verkauft statt über gemessene Treffsicherheit, und beides hängt kaum zusammen. Arbeitet man nur mit veröffentlichten Ergebnissen, die sich öffnen und nachrechnen lassen, treten vier Befunde hervor. Erstens: Die Intervention mit der größten gemessenen Wirkung auf die individuelle Prognosegenauigkeit ist gar keine Technik, sondern die Auswahl nach Leistungsbilanz. Sie ist in der stärksten veröffentlichten Bedingung eine Fehlerreduktion von 73,1 Prozent wert und in einer separaten Studie von 2024 eine von 20 bis 23 Prozent. Zweitens wechselt die beste Technik mit dem Zeitpunkt: In der ersten Woche einer Prognosefrage schlug das Wahrscheinlichkeitstraining die Gruppendiskussion; bis zur letzten Woche war die Diskussion der 4,5-mal stärkere Hebel. Drittens erbrachte das Szenariotraining, jene Familie, zu der die meiste unternehmerische Foresight-Arbeit gehört, bei Einzelnen in der mittleren Phase einer Frage genau 0,0 Prozent Verbesserung und machte Teamprognosen in der letzten Woche um 9,1 Prozent schlechter. Viertens, und am unangenehmsten: Eine 2025 in derselben Zeitschrift veröffentlichte Neuanalyse fand, dass die Trainings- und Teameffekte deutlich schrumpften, verschwanden oder in einem Fall das Vorzeichen wechselten, sobald unkontrollierte Methodenvarianz modelliert wurde. Übrig bleibt eine kurze Liste, und es ist nicht die Liste, die die Foresight-Branche verkauft.
Warum diese Frage überhaupt beantwortbar ist
Zukunftsarbeit hat ein Messproblem, das sie selten einräumt. Die meisten Techniken werden danach bewertet, ob die Teilnehmenden den Workshop wertvoll fanden, nicht danach, ob die entstandenen Prognosen näher an dem lagen, was eintrat. Das sind verschiedene Fragen, und sie können gegensätzliche Antworten haben.
Es gibt eine große Ausnahme. Zwischen 2011 und 2015 führte die Intelligence Advanced Research Projects Activity das Turnier Aggregative Contingent Estimation durch, bei dem konkurrierende Forschungsgruppen Tausende gewöhnliche Freiwillige rekrutierten, sie zufällig Bedingungen zuwiesen und jede Prognose anhand realer geopolitischer Ergebnisse mit einer korrekten Bewertungsregel bepunkteten. Genau dieses Design macht ein Ranking möglich: Die Techniken wurden nicht nach Zufriedenheit verglichen, sondern nach Fehler.
Die Ergebnisse veröffentlichten Mellers und Kollegen 2014 in Psychological Science; Hauenstein und Kollegen analysierten sie 2025 in derselben Zeitschrift neu. Alles Folgende beruht auf diesen beiden Arbeiten plus drei weiteren Evidenzbeständen. Wenn Sie Ihre eigenen Entscheidungen protokollieren, passt das direkt zum Entscheidungstagebuch und zum Denken in Wetten.
Die Rohdaten
Brier-Scores messen die Treffsicherheit probabilistischer Prognosen. Niedriger ist besser. Wer 90 Prozent sagt und recht behält, erhält auf der in der Arbeit verwendeten Skala 0,02; wer 90 Prozent sagt und falsch liegt, erhält 1,62.
Verifizierte Daten. Durchschnittlicher Brier-Score nach Bedingung und Lebensphase einer Frage (Mellers et al., Psychological Science, 2014, Tabelle 1). Nur Fragen, die mindestens einen Monat offen waren.
| Bedingung | Erste Woche | Mittlere 2 Wochen | Letzte Woche |
|---|---|---|---|
| Jahr 1 | |||
| Einzeln, ohne Training | 0,44 | 0,40 | 0,31 |
| Einzeln, Szenariotraining | 0,41 | 0,40 | 0,29 |
| Einzeln, Wahrscheinlichkeitstraining | 0,40 | 0,36 | 0,29 |
| Crowd-Belief, ohne Training | 0,42 | 0,39 | 0,30 |
| Crowd-Belief, Wahrscheinlichkeitstraining | 0,36 | 0,34 | 0,23 |
| Team, ohne Training | 0,42 | 0,33 | 0,22 |
| Team, Szenariotraining | 0,36 | 0,33 | 0,24 |
| Team, Wahrscheinlichkeitstraining | 0,35 | 0,30 | 0,19 |
| Jahr 2 | |||
| Einzeln, ohne Training | 0,46 | 0,39 | 0,26 |
| Einzeln, Wahrscheinlichkeitstraining | 0,42 | 0,36 | 0,24 |
| Team, ohne Training | 0,38 | 0,32 | 0,16 |
| Team, Wahrscheinlichkeitstraining | 0,40 | 0,28 | 0,16 |
| Superforecaster | 0,25 | 0,19 | 0,07 |
Die Arbeit berichtet, dass sowohl Training als auch Teamarbeit über alle drei Phasen hinweg nützlich waren. Das stimmt und ist das Uninteressanteste an der Tabelle. Rechnet man jede Zelle in eine prozentuale Verbesserung gegenüber der untrainierten Einzelperson derselben Phase um, zeigt sich ein Muster, das die Arbeit nirgends beziffert.
Erster origineller Befund: Der beste Hebel wechselt mit dem Zeitpunkt
CEOtudent-Redaktionsrahmen: der Zeitpunktwechsel. Prozentuale Senkung des Brier-Scores gegenüber der untrainierten Einzelperson derselben Phase, berechnet aus den Zeilen von Jahr 1.
| Phase | Nur Wahrscheinlichkeitstraining | Nur Teamdiskussion | Beides zusammen | Diskussion geteilt durch Training |
|---|---|---|---|---|
| Erste Woche | 9,1 % besser | 4,5 % besser | 20,5 % besser | 0,50-fach |
| Mittlere 2 Wochen | 10,0 % besser | 17,5 % besser | 25,0 % besser | 1,75-fach |
| Letzte Woche | 6,5 % besser | 29,0 % besser | 38,7 % besser | 4,50-fach |
In der ersten Woche einer Frage war Training der doppelt so starke Hebel wie Diskussion. Bis zur letzten Woche hatte sich das Verhältnis relativ fast um das Neunfache gedreht: Diskussion war 4,5-mal so viel wert wie Training.
Der Mechanismus liegt nahe, sobald man die Zahlen sieht. Früh hat niemand Informationen, also ist der einzige verfügbare Vorteil Denkdisziplin: Referenzklassen, Basisraten, Mitteln der eigenen Schätzungen. Spät existieren Informationen in der Welt, und der Vorteil ist der Zugang dazu, den eine Gruppe liefert. Die Arbeit hält fest, dass die höhere Genauigkeit in Teams von Mitgliedern kam, die Informationen sammelten und teilten, und dass die Zahl der Kommentare einer Person mit ihrer Genauigkeit korrelierte, r = -0,19 in Jahr 1 und -0,22 in Jahr 2, wobei negativ besser bedeutet.
Die praktische Anweisung für Einzelne lautet daher nicht “nutze Technik X”, sondern: Ist eine Frage frisch, arbeiten Sie an Ihrem Denken; reift sie, arbeiten Sie an Ihren Eingaben. Die meisten machen es umgekehrt, denken zu Beginn am intensivsten nach und verstummen, je näher der Termin rückt.
Zweiter origineller Befund: Szenariotraining ist der schwächste gemessene Hebel
Szenariotraining lehrte in diesem Turnier, neue Zukünfte zu erzeugen, mehr Möglichkeiten aktiv zu erwägen, Entscheidungsbäume zu nutzen und Veränderung nicht zu überschätzen. Das ist eine erkennbare Beschreibung dessen, was die meiste unternehmerische Zukunftsarbeit tut. Es wurde zufällig zugewiesen und getrennt bepunktet, was dies zum saubersten veröffentlichten Direktvergleich zwischen szenariobasiertem und wahrscheinlichkeitsbasiertem Foresight-Training macht.
CEOtudent-Redaktionsrahmen: Szenariotraining gegen Wahrscheinlichkeitstraining. Prozentuale Senkung des Brier-Scores gegenüber der untrainierten Bedingung desselben Prognosetyps, Jahr 1.
| Phase | Einzeln: Szenario | Einzeln: Wahrscheinlichkeit | Im Team: Szenario | Im Team: Wahrscheinlichkeit |
|---|---|---|---|---|
| Erste Woche | 6,8 % besser | 9,1 % besser | 14,3 % besser | 16,7 % besser |
| Mittlere 2 Wochen | 0,0 % (keine Änderung) | 10,0 % besser | 0,0 % (keine Änderung) | 9,1 % besser |
| Letzte Woche | 6,5 % besser | 6,5 % besser | 9,1 % schlechter | 13,6 % besser |
Szenariotraining unterlag dem Wahrscheinlichkeitstraining in fünf von sechs Vergleichen und lag im sechsten gleichauf. In der mittleren Phase brachte es überhaupt keine messbare Verbesserung, weder einzeln noch im Team. In der letzten Woche im Team war es aktiv schlechter, als dem Team gar kein Training zu geben, und verschob den Brier-Score von 0,22 auf 0,24.
Die Originalarbeit berichtet den Signifikanztest hinter dem Einzelvergleich: Wahrscheinlichkeitstraining war wirksamer als Szenariotraining, t(1053) = 2,23, p = 0,026, und Szenariotraining wiederum schlug kein Training, t(1056) = 3,25, p < 0,001. Szenariotraining ist also nicht wertlos. Es ist schlicht das schwächere der beiden, und sein Vorteil verschwindet genau dort, wo die meisten Fachleute es einsetzen würden, nämlich in einer Gruppe und nahe an einer Entscheidung.
Ein Vorbehalt, den die ehrliche Fassung dieses Arguments mitführen muss: Treffsicherheit ist nicht das Einzige, was Szenarioplanung zu liefern beansprucht. Praktiker argumentieren, sie verbessere Vorbereitetsein und das Gespräch in der Organisation statt Punktprognosen. Das mag stimmen, ist aber eine andere Behauptung und nicht die hier gemessene. Wer Szenarioarbeit übernimmt, sollte sie für das übernehmen, woran sie gemessen wurde, und das ist nicht Prognosegenauigkeit.
Dritter origineller Befund: Auswahl schlägt jede Technik
Sehen Sie noch einmal auf die Superforecaster-Zeile in Jahr 2, die besten 2 Prozent aus Jahr 1, in Eliteteams versetzt. Gegenüber der untrainierten Einzelperson derselben Phase lagen sie in der ersten Woche 45,7 Prozent, in der Mitte 51,3 Prozent und in der letzten Woche 73,1 Prozent besser. Keine Trainings- oder Teambedingung in der Tabelle kommt in die Nähe.
Das ist kein Einzelbefund. Atanasov und Kollegen verglichen in einer im International Journal of Forecasting veröffentlichten Arbeit kleine Elite-Crowds mit größeren Nicht-Elite-Crowds über zwei Crowdsourcing-Systeme und 136 Fragen.
Verifizierte Daten. Aggregierte Brier-Scores nach Crowd-Typ und Prognosesystem (Atanasov et al., International Journal of Forecasting, 2024).
| System | Nicht-Elite-Crowd | Elite-Crowd | Elitevorteil |
|---|---|---|---|
| Prognosemärkte | 0,215 | 0,173 | 20 % |
| Prognoseumfragen | 0,203 | 0,156 | 23 % |
Rechnet man diese Prozentsätze aus den zugrunde liegenden Mittelwerten nach, ergeben sich 19,5 und 23,2 Prozent, im Einklang mit den gerundeten Werten der Arbeit. In einem Modell mit gemischten Effekten beziffern die Autoren den Eliteeffekt mit b = -0,045, einer Genauigkeitsverbesserung von 21 Prozent, während die Wahl zwischen Markt und Umfrage nicht signifikant war, b = -0,015, p = 0,13.
Daraus folgen zwei Schlüsse, beide auf unterschiedliche Weise unwillkommen. Für eine Organisation ist die renditestärkste Foresight-Investition kein Methodenkauf, sondern die Handvoll Menschen mit einer Leistungsbilanz zu finden und sie zu fragen. Für Einzelne gibt es keinen Weg in diese Gruppe außer dem langsamen: prognostizieren, festhalten, bepunkten, wiederholen und herausfinden, ob man tatsächlich gut ist. Beachten Sie auch das Verhalten der Superforecaster im Turnier: Sie gaben im Schnitt 7,8 Prognosen je Frage ab, gegenüber 1,4 bis 1,6 bei allen anderen. Was die Auswahl sonst erfasst haben mag, sie erfasste Menschen, die aktualisieren.
Der unangenehme Teil: Die Schlagzeilenevidenz ist umstritten
Im Januar 2025 veröffentlichten Hauenstein, Thomas, Illingworth und Dougherty in Psychological Science eine Neuanalyse genau dieser Daten. Ihr Argument ist methodisch: Die Prognostizierenden wählten selbst, welche Fragen sie beantworteten und wann, und diese Wahl ist nicht zufällig. Wer in einem Team ist, beantwortet womöglich andere Fragen und später als jemand, der allein prognostiziert, und allein dieser Unterschied kann einen scheinbaren Genauigkeitsvorteil erzeugen, der nichts mit der Diskussion zu tun hat.
Sie modellierten latente Prognosefähigkeit mit Item-Response-Theorie und nahmen diese externen Variablen auf. Die Effektstärken verschoben sich deutlich.
CEOtudent-Redaktionsrahmen: Was mit den Effekten geschieht, wenn Methodenvarianz kontrolliert wird. Effektstärken der latenten Prognosefähigkeit, Cohens d, aus Hauenstein et al. (Psychological Science, 2025, Tabelle 4). M2 ist das Basismodell, M7 das vollständige Methodenvarianzmodell.
| Datensatz | Faktor | Basis-d (M2) | Methodenvarianz-d (M7) | Änderung |
|---|---|---|---|---|
| Jahr 1 | Training | +0,050 | -0,144 | Vorzeichenumkehr |
| Jahr 1 | Teaming | +0,766 | -0,285 | Vorzeichenumkehr, Verschiebung um 1,051 |
| Jahr 2, ohne Superforecaster | Training | +0,174 | +0,038 | 78,2 % kleiner |
| Jahr 2, ohne Superforecaster | Teaming | +0,256 | +0,065 | 74,6 % kleiner |
| Jahr 2, mit Superforecastern | Training | +0,328 | +0,227 | 30,8 % kleiner |
| Jahr 2, mit Superforecastern | Teaming | +0,390 | +0,247 | 36,7 % kleiner |
Bei dem Teaming-Effekt in Jahr 1 lohnt es zu verweilen. Im Basismodell liegt er bei d = +0,766, ein großer Effekt und das empirische Rückgrat eines Jahrzehnts an Ratschlägen zum Prognostizieren in Gruppen. Im vollständigen Modell liegt er bei d = -0,285 und zeigt in die andere Richtung, eine Gesamtbewegung von 1,051 Standardabweichungen.
Für die Jahr-2-Daten ohne Superforecaster formulieren die Autoren ihren Schluss unmissverständlich: Auf die Frage, ob Teaming und Training die Prognosegenauigkeit beeinflussen, lautet die Antwort “nein”, sobald die Modelle Itemauswahl und Antwortzeitpunkt einbeziehen. Für Jahr 2 berichten sie, dass die bestpassenden Modelle nicht einmal Parameter enthalten, die eine Variation der Prognosefähigkeit nach Teaming und Training zulassen.
Zwei Dinge sind hier auseinanderzuhalten, denn Überinterpretation ist in beide Richtungen leicht. Die rohen Brier-Unterschiede in Tabelle 1 sind real; niemand bestreitet, dass trainierte Teamprognostizierende besser abschnitten. Umstritten ist die kausale Zuschreibung, ob Training und Teamarbeit die Verbesserung erzeugt oder sie nur begleitet haben. Bemerkenswerterweise löste die Neuanalyse den Superforecaster-Abstand nicht auf; sie erschwerte seine Deutung, indem sie zeigte, dass auch Merkmale strategischen Antwortens Superforecaster von allen anderen unterscheiden.
Für Einzelne, die entscheiden, wo sie Aufwand investieren, ist das kein Grund zur Lähmung. Es ist ein Grund, jene Methoden zu gewichten, die der stärksten Prüfung standhalten, und genau das tut die folgende Bewertung.
Zwei Methoden von außerhalb des Turniers
Strukturierter Gruppenprozess (Delphi). Rowe und Wrights Überblick über die Evaluationsliteratur zählt Studien, statt Effekte zu bündeln. Sie berichten, dass Delphi-Gruppen die bloße statistische Aggregation derselben Personen mit 12 zu 2 bei 2 Unentschieden übertrafen und traditionelle unstrukturierte Sitzungen mit 5 zu 1. Eine kleine Ungereimtheit für alle, die das zitieren: Der Fließtext des Kapitels spricht bei den Vergleichen mit traditionellen Gruppen von “fünf Studien zu einer, mit zwei Unentschieden”, die eigene Zusammenfassung dagegen von “fünf zu eins mit einem Unentschieden”. Auszählen ist zudem eine schwächere Evidenzform als das Bündeln von Effektstärken; behandeln Sie das also als Richtungshinweis, nicht als gemessene Größe. Was es stützt, ist konkret: Struktur schlägt eine unstrukturierte Sitzung, und unabhängige Schätzungen mit anschließendem Feedback schlagen eine einzige Runde.
Referenzklassenprognose. Flyvbjergs Arbeit zu Infrastrukturprojekten belegt das Grundproblem mit ungewöhnlich harten Zahlen: durchschnittliche Ungenauigkeit der Kostenprognosen von 44,7 Prozent bei Schiene, 33,8 Prozent bei Brücken und Tunneln und 20,4 Prozent bei Straßen, während Nachfrageprognosen für den Schienenpersonenverkehr im Mittel um -51,4 Prozent danebenlagen und 84 Prozent der Schienenprojekte um mehr als 20 Prozent in die eine oder andere Richtung falsch lagen. Das Gegenmittel besteht darin, aus der Verteilung vergleichbarer abgeschlossener Projekte zu prognostizieren statt von innen aus dem aktuellen. Die Umsetzung des britischen Verkehrsministeriums übersetzte diese Verteilung in nötige Aufschläge: für Straßen 15 Prozent, wenn man ein 50-prozentiges Überschreitungsrisiko akzeptiert, und 45 Prozent, wenn nur 10 Prozent akzeptabel sind; für Schiene 40 beziehungsweise 68 Prozent. Die American Planning Association billigte die Methode 2005.
In ein Ranking für Einzelne gehört das, weil es hier die einzige Technik ist, die eine Person an einem Nachmittag ohne Gruppe, ohne Trainingsprogramm und ohne Leistungsbilanz ausführen kann, und weil sie den größten dokumentierten Fehler der gesamten Literatur angreift.
Die Bewertung
CEOtudent-Redaktionsrahmen: Foresight-Methoden, bewertet für den individuellen Gebrauch. Evidenzstärke und Robustheit sind Einschätzungen der in diesem Artikel zitierten Veröffentlichungen, keine neuen Messungen. Alleingang und Kosten sind praktische Einschätzungen.
| Methode | Bester gemessener Effekt | Übersteht Neuanalyse | Allein umsetzbar | Kosten | Urteil |
|---|---|---|---|---|---|
| Auswahl nach Leistungsbilanz | 73,1 % Fehlerreduktion (Turnier); 20 bis 23 % (Elite-Crowds) | Abstand bleibt; Deutung umstritten | Nur, indem man die Bilanz wird | Hoch, in Jahren gemessen | Trotzdem tun. Nichts kommt heran. |
| Referenzklassenprognose | Greift dokumentierte Grundfehler von 20 bis 51 % an | In der gesichteten Literatur nicht angefochten | Ja, vollständig | Niedrig, ein Nachmittag je Entscheidung | Hier anfangen. Beste Rendite pro Stunde. |
| Wahrscheinlichkeitstraining | 9,1 bis 10,0 % früh in einer Frage | Unter Methodenvarianzmodellierung stark reduziert oder umgekehrt | Ja | Niedrig, ein Modul dauerte etwa 45 Minuten | Wegen der Gewohnheiten wertvoll, nicht wegen der Schlagzeilenzahl. |
| Strukturierter Gruppenprozess | Delphi schlug statistische Aggregation 12 zu 2 bei 2 Unentschieden | Nur Auszählung, keine gebündelten Effektstärken | Nein, braucht drei oder mehr Personen | Mittel | Nutzen, wenn Sie die Leute haben. |
| Teamdiskussion | 29,0 % spät in einer Frage | Auf nahe null reduziert, Vorzeichen in Jahr 1 umgekehrt | Nein | Mittel | Für Informationszugang nutzen, nicht als Technik. |
| Prognosemärkte | Statistisch gleichauf mit Teamumfragen | Nicht gesondert angefochten | Nein, braucht eine Crowd | Hoch | Kein individueller Anwendungsfall. |
| Exposition gegenüber Crowd-Belief | 2,5 bis 4,5 % allein durch Sehen fremder Zahlen | Nicht gesondert modelliert | Ja, sofern eine öffentliche Prognose existiert | Sehr niedrig | Gratis, klein, mitnehmen. |
| Szenarioplanung und -training | 0,0 % in der mittleren Phase; 9,1 % schlechter im Team | Nicht der stärkste Anspruch, den sie erhebt | Ja | Mittel bis hoch | Nicht für Treffsicherheit. Nur für das übernehmen, woran sie gemessen wurde. |
Was konkret zu tun ist
Eine aus dieser Evidenz vertretbare persönliche Foresight-Praxis hat vier Teile, und keiner davon erfordert einen Workshop.
- Bauen Sie die Referenzklasse, bevor Sie die Prognose bauen. Was immer Sie vorhersagen: Suchen Sie die zehn bis dreißig vergleichbarsten abgeschlossenen Fälle und sehen Sie nach, was mit ihnen tatsächlich passiert ist. Das greift den größten gemessenen Fehler der Literatur an und braucht niemandes Erlaubnis.
- Teilen Sie Ihren Aufwand nach Phase. Früh in einer offenen Frage gehört Ihre Zeit der Denkdisziplin: Basisraten, mehrere unabhängige Schätzungen, Mitteln. Später gehört sie dem Sammeln und Austauschen von Informationen. Das gemessene Hebelverhältnis zwischen beiden bewegt sich im Lauf einer Frage von 0,50 auf 4,50.
- Führen Sie Buch, schriftlich, mit Zahlen. Das ist der einzige Weg in die Gruppe mit dem größten gemessenen Vorteil. Eine Prognose ohne festgehaltene Wahrscheinlichkeit und ohne Auflösungsdatum lässt sich nicht bepunkten, und wer nicht bepunktet wird, kann sich nicht verbessern. Aktualisieren Sie oft; die Superforecaster aktualisierten rund fünfmal so häufig wie alle anderen.
- Stufen Sie Szenarioübungen auf das zurück, worin sie gut abschnitten. Wenn Sie sie nutzen, dann um die Menge der bedachten Möglichkeiten zu erweitern, nicht um eine Wahrscheinlichkeit zu schärfen. Beim Schärfen einer Wahrscheinlichkeit schnitten sie hier am schlechtesten ab.
Führen Sie die Praxis wie eine CEO: Wählen Sie die zwei Methoden mit der besten gemessenen Rendite und lehnen Sie den Rest ab, so modisch er auch sei. Lernen Sie wie ein Student: Halten Sie die Bewertung ehrlich, auch wenn sie sagt, dass Ihre Lieblingstechnik nichts gebracht hat, denn der ganze Wert dieser Literatur liegt darin, dass sie bereit war, genau dieses Ergebnis über sich selbst zu veröffentlichen. Zweimal.
Zur vorgelagerten Frage, was überhaupt zu prognostizieren ist, siehe wie man schwache Signale erkennt; dazu, wie ein Jahrzehnt selbstbewusster Expertenprognosen tatsächlich ausging, siehe die Prognose-Bilanz.
Häufig gestellte Fragen
Heißt die Neuanalyse von 2025, dass Training und Teams nutzlos sind?
Nein, und die Arbeit behauptet das nicht. Sie behauptet, dass die ursprünglichen kausalen Schlüsse nicht halten, sobald Fragenauswahl und Antwortzeitpunkt modelliert werden. Trainierte Teamprognostizierende erzielten weiterhin bessere Rohwerte. Fraglich ist, ob Training und Teamarbeit das verursacht haben. Praktisch spricht das dafür, Methoden zu gewichten, die nicht auf genau dieser Schlussfolgerung aufbauen, weshalb die Referenzklassenprognose hier über dem Wahrscheinlichkeitstraining steht.
Warum ist Szenarioplanung so beliebt, wenn sie am schlechtesten abschnitt?
Weil sie an einem anderen Ergebnis gemessen wird. Szenarioarbeit wird für Vorbereitetsein, Ausrichtung und die Qualität des internen Gesprächs gekauft, und das mag sie liefern. Dieser Artikel misst allein die Prognosegenauigkeit, und darin war sie der schwächste getestete Hebel.
Ist Superforecasting einfach Talent?
Die Turnierevidenz deutet eher auf Verhalten als auf angeborene Fähigkeit: Superforecaster gaben im Schnitt 7,8 Prognosen je Frage ab gegenüber 1,4 bis 1,6 in anderen Bedingungen, und die Identifikation selbst war eine Leistungsbilanz, kein Test. Die Neuanalyse von 2025 verkompliziert das, indem sie zeigt, dass auch Merkmale der Antwortstrategie die Gruppe abgrenzen. Die ehrliche Antwort lautet also: Das Bepunkten identifiziert etwas Reales, dessen Zusammensetzung nicht geklärt ist.
Wie viele vergleichbare Fälle brauche ich für eine Referenzklasse?
Die Literatur legt keine Zahl fest, und jede Zahl, die wir Ihnen nennen würden, wäre erfunden. Was die Umsetzung des britischen Verkehrsministeriums zeigt, ist die Form der Anforderung: genug abgeschlossene, wirklich vergleichbare Fälle, um eine Verteilung statt eines Punktes zu sehen, vor der Nutzung statistisch als risikoähnlich bestätigt.
Kann ich einen Delphi-Prozess mit zwei Kolleginnen durchführen?
Der Kernmechanismus, unabhängige Schätzungen einzusammeln, bevor jemand jemanden hört, dann Feedback, dann Revision, funktioniert auch im Kleinen und kostet fast nichts. Die Evidenzbasis vergleicht Panels statt Paare; behandeln Sie eine Version zu dritt daher als sinnvolle Anwendung des Prinzips, nicht als etwas Gemessenes.
Quellen
- Mellers, Ungar, Baron, Ramos, Gurcay, Fincher, Scott, Moore, Atanasov, Swift, Murray, Stone und Tetlock, Psychological Strategies for Winning a Geopolitical Forecasting Tournament, Psychological Science, 2014, Band 25, Heft 5, Seiten 1106 bis 1115. Tabelle 1 mit Brier-Scores nach Bedingung und Phase; die Signifikanztests zu Wahrscheinlichkeits- gegen Szenariotraining; Korrelationen der Kommentarzahl; Prognosen je Frage.
- Hauenstein, Thomas, Illingworth und Dougherty, Rethinking the Role of Teams and Training in Geopolitical Forecasting: The Effect of Uncontrolled Method Variance on Statistical Conclusions, Psychological Science, 2025, Band 36, Heft 1, Seiten 3 bis 18. Neuanalyse mit Item-Response-Theorie; Tabelle 4 mit Effektstärken der latenten Fähigkeit für Basis- und vollständiges Methodenvarianzmodell; die Schlussfolgerung für die Jahr-2-Daten ohne Superforecaster.
- Atanasov, Witkowski, Mellers und Tetlock, Crowd Prediction Systems: Markets, Polls, and Elite Forecasters, International Journal of Forecasting, 2024. Aggregierte Brier-Scores nach Crowd-Typ und System über 136 Fragen; der Elitekoeffizient im Modell mit gemischten Effekten und der nicht signifikante Vergleich von Markt und Umfrage.
- Rowe und Wright, Expert Opinions in Forecasting: The Role of the Delphi Technique, in Principles of Forecasting, Kluwer Academic Publishers, 2001. Auszählungen von Delphi gegen statistische und traditionelle Gruppen sowie die Prinzipien zur Durchführung eines Delphi-Panels.
- Flyvbjerg, From Nobel Prize to Project Management: Getting Risks Right, Project Management Journal, 2006. Durchschnittliche Ungenauigkeit von Kosten- und Nachfrageprognosen nach Projekttyp; die Aufschläge des britischen Verkehrsministeriums für Optimismusverzerrung auf den Niveaus 50 und 80 Prozent; die Billigung der Referenzklassenprognose durch die American Planning Association 2005.
Dieser Inhalt wurde nach eingehender Recherche mit Unterstützung von KI zusammengestellt und vom CEOtudent-Redaktionsteam geschrieben und für die Veröffentlichung aufbereitet.
This post is also available in:
