KI und Kreativität: Haben riskante Ideen schlechtere Karten?

Dass Widerspruch in Gruppen sozial riskant ist, darum ging es schon im ersten Teil dieser Serie über Produktion und Koordination. Vanessa Meyer beschreibt das in ihrem Text How To Engineer Dissent ausführlich. Das Problem kennt jeder, der schon einmal in einem Meeting genickt hat, obwohl er anderer Meinung war.

Mit KI kommt meiner Meinung nach ein zweites Problem dazu, das weniger mit Psychologie zu tun hat als mit Mengen. Wer widerspricht, steht heute gegen eine Flut überzeugend formulierter Information. Ich habe den Verdacht, dass neue und riskante Ideen dadurch eher abgeblockt werden. Ob das stimmt, ist die Frage dieses Beitrags.

Ein Gedankenexperiment: die Idee aus dem Kundenservice

Noch einmal der erfundene Outdoor-Händler aus dieser Serie. Eine Mitarbeiterin aus dem Kundenservice hat in den letzten Monaten etwas bemerkt: Viele Kunden kaufen ein teures Zelt für ein einziges Festival oder eine einzige Tour, und danach steht es im Keller. Ihre Idee ist, Zelte zu vermieten statt nur zu verkaufen. Belegen kann sie das mit nichts außer ihren Gesprächen am Telefon.

Bevor sie die Idee im Meeting vorstellen kann, hat der Leiter des Sortiments schon davon gehört und Claude gefragt. Eine halbe Stunde später liegt eine 20-seitige Analyse vor: Der Mietmarkt für Outdoor-Ausrüstung ist klein, Reinigung und Reparatur sind teuer, Rücksendungen kosten Marge, und es gibt drei Startups, die mit genau diesem Modell gescheitert sind. Alles sauber gegliedert, mit Quellen und einer Kostenrechnung.

Wer gewinnt diese Runde? Ich glaube, die Antwort ist ziemlich klar, und sie hat wenig damit zu tun, ob die Idee gut ist.

Die Beweislast ist ungleich verteilt

Eine 20-seitige Analyse war früher ein Zeichen von Aufwand. Wer so etwas vorlegte, hatte sich tagelang mit dem Thema beschäftigt, und dieser Aufwand allein verlieh dem Inhalt Gewicht. Das Signal stimmt nicht mehr, wir lesen es aber immer noch so. Ein Dossier, das eine halbe Stunde gekostet hat, wirkt in einem Meeting genauso gründlich wie eines, an dem jemand eine Woche gesessen hat. Und niemand im Raum hat die Zeit, zwanzig Seiten zu prüfen, bevor die Diskussion beginnt.

Auf der anderen Seite steht ein Satz wie: „Ich habe am Telefon das Gefühl, dass viele Leute das Zelt nur einmal brauchen.“ Gegen eine Kostenrechnung wirkt das dünn, obwohl es vielleicht die wertvollere Information ist. Es ist eine Beobachtung aus erster Hand, die in keiner Datenbank steht.

Neue Ideen haben per Definition wenig Belege

Dazu kommt ein strukturelles Problem. Sprachmodelle fassen vor allem zusammen, was schon dokumentiert ist. Das liegt an ihren Trainingsdaten und an den Quellen, die sie bei einer Recherche finden. Für eine bestehende Strategie gibt es Fallstudien, Branchenzahlen und Erfahrungsberichte. Eine wirklich neue Idee hat nichts davon, sonst wäre sie nicht neu.

Eine KI-gestützte Analyse findet für das Bekannte deshalb automatisch mehr Belege als für das Neue. Für die Mietidee findet sie vor allem Berichte über gescheiterte Versuche. Gescheiterte Versuche sind gut dokumentiert, einen Erfolg, den es noch nicht gibt, kann dagegen niemand dokumentieren. Das ist keine böse Absicht des Modells, nur folgt die Recherche zwangsläufig dem, was es schon gibt.

Was die Forschung zur Vielfalt sagt

Für diesen Verdacht gibt es inzwischen Hinweise aus der Forschung. Anil Doshi und Oliver Hauser haben 2024 in Science Advances untersucht, wie KI-Ideen das Schreiben verändern. 293 Teilnehmende schrieben Kurzgeschichten mit acht Sätzen, ein Teil davon durfte sich Ideen von GPT-4 holen. Die Geschichten mit KI-Ideen wurden von unabhängigen Lesern als kreativer, besser geschrieben und unterhaltsamer bewertet, vor allem bei Autoren, die von sich aus weniger kreativ waren.

Der Haken steht schon im Titel der Studie: Die KI-gestützten Geschichten ähnelten sich untereinander stärker. Die Autoren beschreiben das als soziales Dilemma, weil jeder Einzelne mit KI besser dasteht, während die Ergebnisse insgesamt enger beieinanderliegen.

Kurzgeschichten sind natürlich keine Geschäftsentscheidungen, und die Übertragung auf Meetings ist meine eigene Schlussfolgerung. Das Muster passt aber zu dem, was man bei KI-Texten generell sieht: Sie sind sauber und gut lesbar, und genau deshalb klingen sie oft austauschbar. Für Strategiepapiere würde ich nichts anderes erwarten.

Das Gegenargument: Auch die Widersprechende hat Claude

An dieser Stelle muss ich meine eigene These einschränken. Die Mitarbeiterin aus dem Kundenservice hat genauso Zugriff auf KI wie der Sortimentsleiter. Sie könnte sich in einer halben Stunde ein Gegendossier bauen, mit Zahlen zur Kreislaufwirtschaft, Beispielen erfolgreicher Mietmodelle aus anderen Branchen und einer eigenen Kostenrechnung.

Riskante Ideen werden also nicht zwangsläufig blockiert. Wahrscheinlicher ist ein Wettrüsten mit Argumenten, bei dem am Ende gewinnt, wer mehr Zeit hat oder mehr Gewicht im Unternehmen. Es verliert dann weniger die riskante Idee als die schlecht verpackte. Das ist kaum beruhigender, weil gute Ideen oft gerade von Leuten kommen, die nah am Kunden sind und wenig Zeit für Präsentationen haben.

Warum gespielter Widerspruch nicht reicht

Meyer empfiehlt unter anderem, im Meeting gezielt jemanden als Advocatus Diaboli oder als Red Team einzusetzen und die Rolle reihum wechseln zu lassen. Die Idee dahinter ist nachvollziehbar: Wenn Widerspruch eine zugewiesene Aufgabe ist, greift man keinen Kollegen an, man erfüllt nur eine Rolle.

Charlan Nemeth sieht das deutlich skeptischer. Sie hat mit Kollegen 2001 im European Journal of Social Psychology (Band 31, S. 707–720) einen gespielten Advocatus Diaboli mit echtem Widerspruch einer Minderheit verglichen. Die echte Minderheit führte zu mehr und besseren Lösungen als alle drei getesteten Varianten des gespielten Widerspruchs. Schon eine frühere Studie der Gruppe hatte gezeigt, dass gespielter Widerspruch die Gruppe eher dazu bringt, ihre Ausgangsmeinung zu verteidigen.

Im zweiten Teil habe ich empfohlen, die KI gezielt nach Gegenargumenten zu fragen, und dabei bleibe ich, weil es gegen die eigene falsche Gewissheit hilft. Die Mitarbeiterin, die wirklich anderer Meinung ist und es am Telefon gehört hat, ersetzt es aber nicht. Eine KI, die auf Anweisung widerspricht, ist im Grunde ein Advocatus Diaboli auf Knopfdruck.

Was neuen Ideen eine faire Chance gibt

Ein paar Ideen, wie sich das Gefälle zwischen Bauchgefühl und Dossier ausgleichen lässt:

• Jeder Vorschlag kommt zuerst als These mit zwei Sätzen auf den Tisch, ohne Anhang. Das Team bewertet die These, bevor jemand eine Analyse zeigt.
• Statt „Ist die Idee gut?“ fragt man „Was müsste stimmen, damit die Idee funktioniert?“. Damit verschiebt sich die Diskussion von Belegen zu Annahmen, und Annahmen lassen sich prüfen.
• Ideen ohne Belege bekommen eine eigene Runde, bevor KI-Recherche ins Spiel kommt.
• Wer zuerst spricht, setzt den Anker für alle anderen. Deshalb kommt die Führungskraft zuletzt dran.
• Statt einer weiteren Analyse ein kleiner Test. Zwanzig Mietzelte für einen Sommer kosten wenig, lassen sich leicht zurücknehmen und liefern genau die Daten, die bisher fehlen.

Der letzte Punkt schließt den Kreis zum ersten Teil dieser Serie. Wenn Produktion billiger ist als Koordination, sollte man bei unsicheren Ideen öfter einen günstigen Versuch starten, statt länger darüber zu diskutieren, wer das bessere Dossier hat.

Ich weiß ehrlich nicht, ob riskante Ideen es mit KI insgesamt schwerer haben oder ob sich das Gefälle ausgleicht, sobald alle gleich gut mit den Tools umgehen. Wie erlebst du das: Gewinnt bei euch eher die bessere Idee oder die besser aufbereitete? Schreib mir auf LinkedIn: eric-hinzpeter-content-marketing