Deterministisch von Grund auf: Warum Strategiearbeit mehr braucht als ein Sprachmodell

Bitten Sie ein Sprachmodell für allgemeine Zwecke, Ihr Betriebsmodell zu entwerfen, und es wird etwas hervorbringen. Es wird flüssig sein, strukturell plausibel und mit vollkommener Selbstsicherheit vorgetragen. Es wird morgen auch ein anderes sein, keiner Quelle zuzuordnen und in einem Raum, in dem die Entscheidung zählt, nicht zu verteidigen.

Für den ersten Entwurf eines Blogartikels ist dieser Tausch in Ordnung. Für eine Entscheidung, die dreitausend Menschen neu aufstellt, ist es kein Tausch, auf den sich eine verantwortungsbewusste Führungskraft einlassen sollte.

Das ist kein Argument gegen KI in der Strategiearbeit. Es ist ein Argument darüber, wo die Intelligenz sitzen sollte.

Zwei verschiedene Maschinen

Es gibt eine grundlegende Unterscheidung in der Architektur, die in der allgemeinen Begeisterung untergeht.

Ein probabilistisches System erzeugt das nächste wahrscheinlichste Token auf Grundlage von allem, was davor stand. Seine Stärke ist die Abdeckung: Es bringt zu jeder Eingabe etwas hervor. Seine Schwäche ist, dass das Ergebnis eine Stichprobe aus einer Verteilung ist. Lassen Sie es zweimal laufen, und Sie erhalten zwei Antworten. Fragen Sie nach dem Warum, und es erzeugt eine plausibel klingende Erklärung – die selbst wieder eine Stichprobe ist und keine Aufzeichnung dessen, was tatsächlich geschehen ist.

Ein deterministisches System wendet festgelegte Operationen auf festgelegte Eingangsgrößen an und bringt jedes Mal dasselbe Ergebnis hervor. Seine Stärke ist, dass dieses Ergebnis reproduzierbar und seine Herleitung einsehbar ist. Seine Schwäche ist, dass es nur abdeckt, was festgelegt wurde.

Die interessante technische Frage ist nicht, welches von beiden das bessere ist. Sie lautet: Welche Teile der Strategiearbeit gehören zu welcher Maschine?

Was wohin gehört

In unserer Architektur ist die Antwort eindeutig, und sie ist der Grund, warum sich das System anders verhält als eine Chat-Oberfläche.

Der Kern ist deterministisch. Welche Methoden für diese Art von Vorhaben gelten, wie sich diese Methoden in Phasen und Arbeitsstränge zerlegen, welche Eingangsgrößen jede Methode verlangt, worin ihre Ergebnisse einfließen, wie Entitäten im Modell zueinander stehen – all das ist festgelegt und nicht erzeugt. Es stammt aus dem Methodenkorpus: über 200 UNITE-Modelle, jedes eine ausführbare Spezifikation mit festgelegten Eingangsgrößen und Ergebnissen, in fünfzehn Jahren Arbeit mit Unternehmen entstanden und in der Praxis geprüft.

Die Sprachmodelle übernehmen das, worin sie wirklich gut sind: unstrukturierte Eingaben lesen, Text in die Struktur schreiben, die der deterministische Kern vorgegeben hat, zusammenfassen, umformulieren. Sie füllen Felder. Sie entscheiden nicht, welche Felder es gibt.

Am schwersten wiegt die Unterscheidung, wenn etwas schiefgeht. Wird eine Empfehlung in Frage gestellt, kann ein deterministischer Kern die Frage beantworten. Nicht mit einer erzeugten Begründung – mit der tatsächlichen Herleitung: diese Methode, angewendet auf diese Eingangsgrößen, mit Verweis auf diese Quelle im Korpus.

Die Maschine leistet die Schwerarbeit; das Urteil führen die Menschen.

Warum „einfach besser prompten“ die Lücke nicht schließt

Der übliche Einwand lautet, bessere Prompts, das Anreichern mit abgerufenen Quellen und größere Kontextfenster würden die Unterscheidung irgendwann gegenstandslos machen. Wir halten das nicht für richtig, und zwar aus drei Gründen, die struktureller Natur sind und nicht vorübergehender.

Reproduzierbarkeit ist keine Frage der Qualität. Ein besseres Modell erzeugt bessere Stichproben. Es erzeugt nicht zweimal dieselbe. In einem regulierten Entscheidungszusammenhang ist „das Modell hat diesmal eine andere Antwort gegeben“ keine kleine Unannehmlichkeit; es ist ein Ausschlusskriterium.

Herkunftsnachweise lassen sich nicht nachrüsten. Sie können ein Modell bitten, Quellen zu nennen. Was Sie bekommen, ist eine erzeugte Quellenangabe, die dem entsprechen kann, wie die Antwort tatsächlich zustande kam – oder auch nicht. In einem erzeugenden Verfahren gibt es keinen Mechanismus, der Herleitung festhält, denn es gibt keine Herleitung – es gibt Stichproben.

Die Abdeckung ist nicht der Engpass. Die knappe Ressource in der Strategiearbeit von Unternehmen ist nicht Text. Sie ist geprüfte Methode, richtig angewendet auf eine konkrete Lage. Ein Modell, das jedes je geschriebene Strategiebuch gelesen hat, hat immer noch keine Möglichkeit zu wissen, welches der zehntausend Dinge, die es gelesen hat, auf Ihr regulatorisches Programm über vierzehn Gesellschaften zutrifft – und warum.

Was Ihnen das in der Praxis einbringt

Drei Eigenschaften, von denen keine aus einem erzeugenden System allein zu haben ist:

• Reproduzierbar. Dasselbe Vorhaben, dieselben Eingangsgrößen, dasselbe Ergebnis. Zwei Teams in zwei Regionen, die am selben Problem arbeiten, kommen zu vergleichbaren Ergebnissen, weil sie dieselbe Spezifikation ausführen.
• Nachvollziehbar. Jede Empfehlung trägt ihre Methode und ihre Quelle. Wenn der Prüfungsausschuss fragt, wie ein Schluss zustande kam, ist die Antwort eine Aufzeichnung und keine Rekonstruktion.
• Steuerbar. Menschliche Entscheidungen sind als Entscheidungen dokumentiert. Das System hält fest, wie die Entscheidung zustande kam, einschließlich der Frage, wer was freigegeben hat – und genau dafür ist ein System of Record da.

Die ehrlichen Grenzen

Ein deterministischer Kern deckt nur ab, was der Korpus festlegt. Das ist eine echte Einschränkung, und wir sagen sie klar: Der Korpus ist tief, wo Vorhaben entworfen werden – Strategie, Geschäftsmodelle, Betriebsmodelle, Erkundung, die Strukturierung des Vorhabens selbst –, und er ist keine dünne Schicht über allem, was ein Unternehmen tut.

Das System wird nicht Ihre Marketingkampagnen betreiben, nicht Ihre CRM-Pipeline und nicht Ihre Software-Auslieferungen. Es übergibt Ihren ausführenden Systemen einen nachvollziehbaren Plan; es führt ihn nicht aus. Und es entwirft das Betriebsmodell – die aus der Strategie abgeleitete Blaupause dafür, wie Sie arbeiten werden –, während die tatsächliche Verdrahtung Ihrer IT-Architektur das Handwerk Ihrer Architekten bleibt.

Diese Grenze nennen wir lieber vorab. Ein System, das für ernsthafte Vorhaben gebaut ist, sollte über seine Reichweite ehrlich sein, denn wer hier zu viel verspricht, hinterlässt keinen enttäuschten Nutzer. Er hinterlässt eine schlechte Entscheidung, getroffen in falscher Sicherheit.

Die Frage, die Sie Anbietern stellen sollten

Wenn Sie in diesem Feld etwas bewerten, ist die nützliche Frage nicht „setzt es KI ein“. Alles setzt heute KI ein. Die nützliche Frage lautet:

Wenn Ihr System eine Empfehlung ausspricht: Kann es mir die Methode zeigen, die sie hervorgebracht hat, und die Quelle, aus der diese Methode stammt – und wird es morgen dieselbe Empfehlung aussprechen?

Die Antwort auf diese Frage sagt Ihnen, welche Maschine Sie tatsächlich kaufen.