Frag deine KI nie, ob dein Plan gut ist. Frag, wie er stirbt.
Du hast einen Plan. Du wirfst ihn deiner KI hin und fragst: „Ist das gut?” Und sie findet zehn Gründe, warum das großartig wird. Du fühlst dich bestätigt, legst los. Wochen später fliegt dir genau das um die Ohren, was im Rückblick offensichtlich war.
Das Problem sitzt tiefer als ein schlechter Prompt. Sprachmodelle neigen dazu, dir zuzustimmen. Sie sind darauf trainiert, hilfreich und zugewandt zu antworten, und das kippt schnell in Gefälligkeit. Fragst du nach Bestätigung, bekommst du Bestätigung. Nicht die Wahrheit.
Es gibt einen einzigen Satz, der das umdreht. Er kommt nicht aus der KI-Welt, sondern aus der Entscheidungsforschung, und er ist über fünfzehn Jahre alt.
Warum die KI zu allem Ja sagt
Stell dieselbe Idee zwei unterschiedlichen Fragen gegenüber, und du siehst das Muster sofort. Die eine Frage lädt zur Zustimmung ein, die andere zwingt zur Analyse.
Wichtig: Das ist keine Macke eines bestimmten Modells, sondern eine allgemeine Tendenz. Sie lässt sich nicht durch die Wahl eines anderen Anbieters wegschalten, aber durch die Wahl einer besseren Frage.
Die Methode heißt Premortem
Kurz zur Herkunft, damit klar ist, dass das keine Spielerei ist. Die Technik stammt vom Psychologen Gary Klein, veröffentlicht 2007 in der Harvard Business Review. Das Prinzip: Statt nach einem Scheitern zu fragen „Was ist schiefgelaufen?” (ein Postmortem), drehst du die Zeit vor. Du tust so, als sei das Projekt bereits gescheitert, und erzählst die Geschichte seines Untergangs.
Daniel Kahneman, Nobelpreisträger und Autor von „Schnelles Denken, langsames Denken”, hat die Methode ausdrücklich empfohlen. Sie bricht das Gruppendenken auf, das sich einstellt, sobald eine Entscheidung schon gefallen scheint, und sie bringt Leute dazu, Zweifel auszusprechen, die sie sonst für sich behalten.
Warum das funktioniert, ist sauber untersucht. Fragst du „Was könnte schiefgehen?”, bleiben die Antworten vage und vorsichtig. Sagst du „Es ist schiefgegangen, erzähl wie”, schaltet das Gehirn in den Erzählmodus und liefert konkrete, kreative, unbequemere Gründe. Forscher nennen das prospektive Hindsight. Für die Arbeit mit KI ist dieser Dreh der entscheidende Hebel: Die vorweggenommene Niederlage nimmt dem Modell den Anlass zur Schönfärberei.
So gehst du vor
Schritt 1: Gib der KI genug Kontext
Ein Premortem ist nur so gut wie der Kontext, auf dem es läuft. Vage Eingabe erzeugt vage Ausfallszenarien, die niemandem helfen. Bevor du den Prompt abschickst, brauchst du drei Dinge klar:
- Was ist es? Ein Satz, der das Vorhaben beschreibt (Produkt, Launch, Einstellung, Preisänderung, Strategie).
- Für wen? Zielgruppe, Kunde, Team, Stakeholder. Ausfälle hängen stark davon ab, wer beteiligt ist.
- Was wäre Erfolg? Scheitern definierst du, indem du Erfolg umkehrst. Ohne Erfolgsbild kein Fehlerbild.
Schritt 2: Der Premortem-Prompt
Kopier den folgenden Block, füll die eckigen Klammern aus, schick ihn ab. Er läuft in jedem Chatbot.
Du bist ein erfahrener, skeptischer Berater. Wir machen ein Premortem.
MEIN VORHABEN:
[In 3 bis 5 Sätzen: Was ist der Plan? Für wen? Was wäre Erfolg?]
AUFGABE:
Versetz dich ein Jahr in die Zukunft. Das Vorhaben ist klar gescheitert.
Erzähl mir als Rückblick, wie es dazu kam.
Gib mir 5 bis 7 eigenständige Ausfall-Szenarien. Für jedes:
1. Ausfallgeschichte: Wie genau ist es gestorben? (2 bis 3 Sätze)
2. Versteckte Annahme: Welche unausgesprochene Annahme war falsch?
3. Frühwarnzeichen: Woran hätte ich es Wochen vorher gemerkt?
DANACH eine Synthese:
- Welcher Ausfall ist am wahrscheinlichsten?
- Welcher ist am gefährlichsten (höchster Schaden)?
- Was ist die größte blinde Annahme über alle Szenarien hinweg?
- Ein überarbeiteter Plan, der die drei größten Lücken schließt.
Schmeichle mir nicht. Wenn der Plan an einer Stelle naiv ist, sag es direkt.
Schritt 3: Lies den Report richtig
Was zurückkommt, ist kein Fließtext, sondern eine Struktur. Pro Ausfall drei Bausteine, am Ende die Synthese, die dir sagt, worauf du zuerst schauen musst.
Nicht jedes Szenario ist gleich wertvoll. Manches ist an den Haaren herbeigezogen, das gehört dazu. Deine Aufgabe ist es, aus der Liste die zwei, drei Ausfälle zu ziehen, die dich wirklich treffen würden.
Schritt 4: Mach ihn schärfer
Zwei Nachfragen heben das Ergebnis über das, was die meisten aus einem Premortem herausholen. Zuerst der Gegencheck. Modelle haben blinde Flecken wie Menschen, also drehst du die Klinge gegen die Analyse selbst:
Und jetzt umgekehrt: Was hast du in dieser Analyse selbst übersehen?
Welche Ausfallart hast du nicht genannt, weil sie unbequem oder
unwahrscheinlich wirkt? Nenn die zwei, die dir jetzt noch einfallen.
Dann die Kill-Kriterien. Ein Frühwarnzeichen nützt nur, wenn du vorher festlegst, ab wann es zählt. Sonst redest du es dir im Ernstfall schön.
Mach aus den drei wichtigsten Frühwarnzeichen harte Kill-Kriterien:
je eine messbare Bedingung mit Schwelle und Frist, bei der wir das
Vorhaben stoppen oder umbauen.
Als Skill für Claude Code (optional)
Wenn du mit Claude Code oder einem Agenten arbeitest, musst du den Prompt nicht jedes Mal kopieren. Leg ihn als wiederverwendbaren Skill ab, der dir auf Zuruf einen fertigen Report als Datei baut. Eine minimale Fassung sieht so aus:
---
name: premortem
description: Stresstestet einen Plan, indem es sein Scheitern
annimmt und rückwärts die Gründe herleitet. Nutzen, wenn eine
Entscheidung ansteht und noch umsteuerbar ist.
---
# Premortem
1. Kontext klären: Was ist der Plan, für wen, was wäre Erfolg?
2. 5 bis 7 Ausfall-Szenarien, je mit Ausfallgeschichte,
versteckter Annahme und Frühwarnzeichen.
3. Synthese: wahrscheinlichster Tod, gefährlichster Tod,
größte blinde Annahme, überarbeiteter Plan.
4. Gegencheck: Was wurde übersehen?
5. Kill-Kriterien: pro Top-Warnzeichen eine messbare Abbruch-Bedingung.
6. Schreib das Ergebnis als premortem-report.md.
Wo die Grenzen liegen
Drei Dinge, die du wissen solltest. Erstens ersetzt das Premortem kein Urteil. Es erzeugt Szenarien, keine Wahrheiten, du sortierst am Ende selbst. Zweitens hilft es nur, solange du noch umsteuern kannst. Für eine bereits getroffene, unumkehrbare Entscheidung ist es zu spät.
Drittens, und hier wird es praktisch: Der Report ist nur so gut wie der Kontext. Musst du deiner KI jedes Mal von Hand Zielgruppe, Zahlen und Historie neu erklären, bleibt die Analyse an der Oberfläche. Richtig stark wird die Methode, wenn das Modell dauerhaft weiß, woran du arbeitest, also Kundenprofile, frühere Entscheidungen und echte Zahlen kennt. Dann gründet es die Ausfälle in deiner Realität statt in Allgemeinplätzen. Genau dafür ist ein gebündelter, datenschutzkonformer KI-Arbeitsplatz gedacht, in dem der Kontext an einem Ort liegt.
KI im Unternehmen, ohne Bastelei
Wer das nicht für jedes Tool einzeln einrichten will, sondern KI-Werkzeuge gebündelt und datenschutzkonform an einem Ort braucht, schaut sich ConRat AI an. Lernen, anwenden, automatisieren, alles in einer Plattform.
ConRat-AI 30 Tage kostenlos testen