Die Simulation ist billig geworden. Die Frage nicht.

Ob ein Ventil hält, folgt einer Gleichung. Ob jemand ein Produkt will, nicht.

Mit diesem Satz habe ich meinen Vortrag auf der Fachtagung KI & Data Science der Fachhochschule Südwestfalen in Iserlohn begonnen. Die Frage dahinter: Wie finden wir heraus, was Menschen brauchen, wenn eine Maschine uns Zielgruppen simuliert? Und wie lernen wir, ihre Antworten zu beurteilen?

Erleben kommt vor der Meinung

Im Saal habe ich ein kleines Experiment gemacht. Zwei Formen, eine zackig, eine rund. Welche heißt Kiki, welche Bouba? Als ich fragte, wer die runde Form Kiki nennt, blieb jede Hand unten. Das Experiment ist alt, und es funktioniert über Sprachen und Kulturen hinweg. Bevor wir denken, wissen wir schon Bescheid. Was danach kommt, ist Nachbegründung.

Das ist der Stoff, mit dem Design arbeitet. An der Ladesäule ist es das schlecht lesbare Display, die Unsicherheit, ob der Ladevorgang wirklich läuft. Eine gut formulierte Meinung erfasst das nicht.

Den Markt fragen, den es noch nicht gibt

Marktforschung ist aufwendig, teuer und langsam. Und sie hat eine eingebaute Lücke: Gefragt werden meist die, die schon Kunden sind. Die Abgewanderten fehlen, die Nicht-Kunden, die frühen Anwender. Gerade sie wüssten etwas über die nächste Lösung.

Synthetische Befragung verschiebt das. Plattformen wie Experial, mit der ich in Mandaten arbeite, simulieren Zielgruppenprofile auf Basis von KI-Modellen. Ich kann 150 Studierende anlegen und sie fragen, was sie von ihrer Mensa erwarten, bevor der Speiseplan steht. Spannend wird das vor allem dort, wo wir nach vorn entwickeln: neue Marktfelder, Motivlagen, die sich erst bilden. Design kann den Menschen, für den es gestaltet, von der ersten Frage an mit an den Tisch holen.

Ein Twin war nie im Regen

Das Ergebnis ist ein Richtungssignal, kein Marktbeweis. Zweihundert simulierte Profile sind keine zweihundert befragten Menschen. Der Twin kennt die Beschreibung, nicht die Erfahrung. Er hat nie mit kalten Fingern einen Stecker in eine Ladesäule geschoben. Er setzt nichts aufs Spiel. Wir schon. Wenn wir entscheiden, setzen wir unsere Haut ein.

Ein Entweder-oder folgt daraus nicht. Die Simulation kann mich auf genau diese kalten Finger aufmerksam machen. Dann baue ich einen Prototyp und schaue, wo Menschen zögern. Die Simulation liefert die Hypothese, die Begegnung die Rückmeldung.

Die Frage ist das Werkzeug

In einem synthetischen Lauf zu einem Türgriff lag die Zustimmung je nach Frageform bei fünf bis sechs Prozent oder bei sechzig. „Wollen Sie das Ding?“ Wenige. „Wollen Sie, was es tut?“ Viele. Niemand will einen Türgriff. Man will eine Tür aufmachen.

Die Zahlen belegen keine Nachfrage. Sie zeigen, wie empfindlich das Ergebnis auf die Form der Frage reagiert. Die erste Antwort ist schnell da. Ihre Einordnung ist die eigentliche Arbeit. Vor jede Simulation gehört deshalb eine Frage: Welche Entscheidung soll diese Erkenntnis verändern?

Was machen wir mit den anderen 80 Prozent?

Varianten werden billig. Urteil wird knapp.

Früher ging der größte Teil meiner Zeit in Vorarbeit, grob achtzig Prozent. Für Synthese und sorgfältige Gestaltung blieben zwanzig. KI kann das Verhältnis umdrehen. Das ist ein Denkmodell, keine Messung. Entscheidend ist, wohin die gewonnene Zeit geht: in mehr Varianten oder in gründlichere Prüfung, in mehr Aufträge oder in eigenes Können. Wenn jede gesparte Stunde sofort die nächste Aufgabe bekommt, bleibt die Umkehrung ein Wunsch. Das entscheidet die Organisation.

Wer geht zuerst?

Delegate first: erst abgeben, die Organisation lernt das Werkzeug kennen. Human first: erst selbst versuchen, der Mensch entwickelt seinen Maßstab. Wo Urteil entstehen soll, bin ich für Human first. Wie beaufsichtigt jemand gut, der die Arbeit nie selbst gemacht hat?

McKinsey beschreibt eine Immobilienfirma, deren KI-Agent bessere Marktanalysen lieferte als jeder Berufseinsteiger. Trotzdem schickte sie ihre Junioren los, Viertel ablaufen, eine eigene Einschätzung bilden. Erst dann verglichen sie mit der Maschine. Der Abstand wurde zum Lerngegenstand. Wer Design studiert hat, kennt das als Werkstatt mit Korrektur. Mein Prüfstein für jeden KI-Einsatz: Können die Beteiligten danach mehr als vorher? Wenn wir die KI aus einem Prozess nehmen und nichts mehr da ist, haben wir versagt.

Die Werkstatt bleibt

Auch die Organisation braucht diese Werkstatt. Neil Redding nennt es Clock Drift: Die Ausführung läuft der Entscheidung davon. Ein Team erzeugt in einer Stunde zwanzig Konzepte und wartet zwei Wochen, bis jemand die Auswahlkriterien klärt. Dorthin gehört die gewonnene Zeit, in Entscheidungswege, Rollen und Führung. So wird die 80/20-Frage zur Führungsfrage.

Und ein Stück Selbstkritik. Ich komme aus einer Werkstatttradition. Human first kann auch Werkstattromantik sein. Ehrlicher ist diese Regel: Mensch zuerst, wo Urteil entsteht. Maschine zuerst, wo Ausstoß zählt. Bleibt die Frage, wer entscheidet, was was ist.

Was bleibt

Die Simulation ist billig geworden. Die Frage nicht. Urteilskraft ist kein Vorrat. Sie braucht Gelegenheiten, in denen sie wachsen kann.

Deshalb die Frage, mit der ich in Iserlohn geschlossen habe: Wem gehört in Ihrer Organisation der erste Versuch?

Vortrag auf der Fachtagung KI & Data Science der Fachhochschule Südwestfalen, Iserlohn, 25.09.2026. Folien auf Nachfrage.

Bezüge: Bryan Hancock mit Charlotte Seiler, „Building expertise in the age of AI: Who trains the next generation?“, McKinsey, Juli 2026. Neil Redding, Keynote „Clock Drift – Leading When Execution Outruns Decision“, BIG BANG KI Festival, Berlin, 16.09.2026.