Die unsichtbare dritte Option: Was integrierte Daten an Managemententscheidungen ändern können

Viele wichtige Managemententscheidungen fallen zwischen zwei naheliegenden Reaktionen. Dem Kunden entgegenkommen oder hart bleiben. Kapazität aufbauen oder abwarten. Investieren oder verschieben. Die eigentliche Frage wird selten gestellt: Gibt es eine dritte Option, die wir nicht sehen, weil die nötigen Informationen in getrennten Systemen liegen?

Ein Beispiel – ausdrücklich hypothetisch

Stellen Sie sich einen Industriebetrieb vor. Der größte Kunde eskaliert eine verspätete, nicht ganz spezifikationsgerechte Lieferung und denkt laut über eine Neuausschreibung nach. Im Führungskreis liegen zwei Vorschläge auf dem Tisch:

• Reaktion A: dem Kunden mit einem dauerhaften Rabatt und zusätzlicher Kapazität entgegenkommen.
• Reaktion B: die Forderung ablehnen und den bestehenden Prozess beibehalten.

Beide behandeln die Eskalation als lokales Kundenproblem. Beide sind nachvollziehbar.

Nun nehmen wir an, jemand verbindet Informationen, die bisher getrennt waren: die E-Mails des Kunden, Aussagen anderer Kunden, verlorene Angebote, Reklamationen, Lieferdaten, Durchlaufzeiten und Margen. Dabei zeigt sich: Dieselbe Anforderung taucht bei mehreren Kunden auf. Der Engpass liegt nicht in der Produktion, sondern davor – zwischen Anforderung, technischer Klärung und interner Freigabe. Und der Kunde will eigentlich Verlässlichkeit, nicht einen niedrigeren Preis.

Plötzlich gibt es eine Option C: eine standardisierte Variante mit verkürztem Freigabeweg, zuerst begrenzt getestet. Sie löst ein Segmentproblem statt eines Einzelfalls und ist reversibel.

Dieses Szenario ist ein durchgerechnetes, aber hypothetisches Denkmodell, kein Kundenfall und kein Durchschnittswert. Es zeigt eine Wertlogik, keinen versprochenen Effekt.

Vier Diagnosefragen, bevor Option C zählt

Eine „neue“ Option ist erst dann etwas wert, wenn sie mit Originaldaten bestätigt ist:

1. Beginnt das Problem wirklich vor der Produktion?
2. Ist die Anforderung mehr als ein Einzelfall?
3. Adressiert die geplante Maßnahme die eigentliche Kritik? Löst ein Rabatt das Problem oder senkt er nur dauerhaft die Marge?
4. Ist eine reversible Alternative belastbar umsetzbar?

Nur wenn alle vier mit Belegen beantwortet sind, darf man A und C wirtschaftlich vergleichen – mit offengelegten Annahmen und nachvollziehbarer Rechnung.

Was die Forschung dazu sagt

Der Mechanismus ist plausibel, aber kein Selbstläufer:

• Kundenbedürfnisse aus Texten lassen sich maschinell mindestens so gut identifizieren wie aus Interviews, wenn die Vorauswahl stimmt (Timoshenko & Hauser, Marketing Science 2019).
• In einem Feldexperiment mit 791 Fachleuten bei P&G verbesserte Einzelperson plus KI die Lösungsqualität gegenüber Einzelpersonen ohne KI. Bei der Auswahl der besten Idee schnitten die KI-Bedingungen aber nicht besser ab (Dell’Acqua et al., Organization Science 2026).
• Mehr Information ist nicht automatisch bessere Strategie: In einem Experiment mit 348 Entscheidungsträgern führte breitere Information zu breiteren, aber flacheren Denkmodellen, ohne signifikant bessere Voraussicht (Kanis, Mann & Stumpf-Wollersheim, Strategy Science 2026).
• Automatische Klassifikation bleibt fehleranfällig: Bei über 15.000 realen Beschwerden eines Medizintechnikunternehmens lag selbst das beste Modell bei rund einem Viertel falsch (Oesterreich et al., 2021).

Die Konsequenz: Analyst, Optionsgenerator, Widerspruchspartner

Integrierte KI kann den Entscheidungsraum erweitern. Sie kann aber ebenso eine scheinbar neue, tatsächlich unbrauchbare Option erzeugen oder einen überzeugenden Scheinkonsens – wenn Kategorien, Zuordnungen, Stichtage oder Kausalannahmen falsch sind.

Deshalb gehört die KI in die Rolle des Analysten, Optionsgenerators und Widerspruchspartners. Die Entscheidung trifft der Mensch. Quantitative Aussagen beruhen auf nachvollziehbarer Rechnung oder sind als Schätzung gekennzeichnet. Und bevor ein solches System in Live-Entscheidungen geht, prüft man es an historischen Fällen mit eingefrorenem Informationsstand gegen ein menschliches Team.

Genau so bauen wir unseren Entscheidungssprint auf: eine konkrete Managementfrage, Diagnose aus Originalquellen, bekannte Optionen plus die bisher unsichtbare, Vollkosten und Risiken – und am Ende eine menschliche Entscheidung mit begrenztem Test oder bewusstem Stopp.