Cross-Impact-Analyse: So erstellen Sie eine Cross-Impact-Matrix

Cross-Impact-Analyse in der Praxis: Analysten an einem lampenbeleuchteten Tisch setzen Messingmarken auf ein Papierraster und verbinden entfernte Felder mit goldenen Fäden.
Cross-Impact-Analyse: jeden Trend gegen jeden anderen prüfen. KI-generierte Illustration; Kartengestaltung: Competitive Futures.

Englische Fassung (English version)

Die Cross-Impact-Analyse prüft jeden Trend einer Studie gegen jeden anderen, Paar für Paar, um herauszufinden, welche Kombinationen zählen. Die meisten Strategieteams können die fünf oder zehn Kräfte benennen, die ihren Markt verändern. Kaum eines hat sich gefragt, was geschieht, wenn zwei dieser Kräfte gleichzeitig wirken. Die Cross-Impact-Matrix zwingt dazu, diese Frage für jedes Paar zu stellen, und aus ihr stammen meist die überraschendsten Erkenntnisse eines Foresight-Projekts.

Auf einen Blick

  • Was sie ist: ein Raster, in dem dieselben Trends, Ereignisse oder Prognosen in den Zeilen und in den Spalten stehen. Jede Zelle hält fest, ob das Zeilenelement das Spaltenelement wahrscheinlicher macht, unwahrscheinlicher macht oder unberührt lässt.
  • Wer sie erfunden hat: Theodore J. Gordon und Olaf Helmer, 1966, bei der Entwicklung eines Zukunftsspiels namens Future für die Kaiser Aluminum & Chemical Corporation. Gordon und Howard Hayward veröffentlichten 1968 die erste computergestützte Fassung in der Fachzeitschrift Futures.
  • Wofür sie gut ist: um Wechselwirkungen zwischen Trends zu finden, die niemand beobachten sollte, und um zu prüfen, ob ein Satz von Szenarien in sich stimmig ist.
  • Wie lange sie dauert: Ein Raster von 6 mal 6 hat 30 Paare und passt in einen Nachmittag. Ein Raster von 20 mal 20 hat 380 Paare und braucht ein Team und mehrere Sitzungen.
  • Wo sie hingehört: nach dem Sammeln der Trends und der Bewertung der Prognosen, vor dem Bau der Szenarien. Sie ist das Gegenstück für viele Trends zum Zukunftsrad (auf Englisch), das einer einzigen Veränderung nach außen folgt.

Was die Cross-Impact-Analyse leistet

Titelbild von Future, Inc. von Eric Garland (AMACOM, 2007), dem Buch, das die Cross-Impact-Analyse lehrt
Future, Inc. (AMACOM, 2007)

Jedes Foresight-Projekt erzeugt eine Liste: alternde Bevölkerung, billigere Sensoren, neue Regulierung, Fachkräftemangel, ein Wandel der Verbraucherwerte. Die Liste ist der einfache Teil. Das Schwierige ist, wie ich in Future, Inc. (AMACOM, 2007) geschrieben habe, dass die Folgen erst sichtbar werden, wenn alle Informationen zusammengeführt und „superverknüpft“ sind. Trends werden einzeln verfolgt, in getrennten Abteilungen und getrennten Berichten. Die Bedrohungen und Chancen liegen in den Zwischenräumen.

Die Cross-Impact-Analyse füllt diese Zwischenräume gezielt. Im Buch habe ich sie als Tabelle beschrieben, die einen „zwingt, jeden Trend, jede Prognose und jede Wildcard gegen alle anderen zu prüfen, die im Laufe der Analyse auftauchen“. Mein Beispiel war die Zukunft der Getreideproduktion mit drei Trends: steigende Rechenleistung, die Globalisierung der Getreideerzeugung und eine alternde Bevölkerung. Das Raster erzwingt drei Fragen. Was passiert, wenn Rechenleistung auf die weltweite Getreideproduktion trifft? Wenn sie auf eine alternde Bevölkerung trifft? Wenn die weltweite Produktion auf die alternde Bevölkerung trifft?

Manche Paare ergeben nichts. Rentner und Weizen in der Mongolei wirken wie eine Sackgasse, bis man fragt, ob Rentner Hightech-Farmen betreiben könnten. Genau darum geht es. Die Zukunft ist meist seltsamer, als wir erwarten; es lohnt sich also, mit ungewöhnlichen Kombinationen zu beginnen, und die Matrix ist das einzige Werkzeug, das ich kenne, das garantiert, dass man sie alle ansieht.

Woher die Methode stammt

Die Cross-Impact-Analyse entstand im selben Umfeld der RAND Corporation wie die Delphi-Methode. Delphi sammelt Expertenurteile darüber, ob einzelne Ereignisse eintreten werden. Ihre Schwäche ist, dass sie jedes Ereignis so behandelt, als stünde es allein. Gordons Frage war, ob man Prognosen stattdessen darauf stützen könnte, wie künftige Ereignisse zusammenwirken.

Die erste Antwort war ein Brettspiel. 1966 gab Kaiser Aluminum zum 20-jährigen Firmenjubiläum ein Zukunftsspiel in Auftrag, und Gordon, Helmer und Hans Goldschmidt entwarfen Future. Technische und gesellschaftliche Entwicklungen wurden darin über Wahrscheinlichkeiten und einen besonderen Würfel entschieden, und jede eingetretene Entwicklung veränderte die Chancen der anderen. 1968 programmierten Gordon und Hayward den Ansatz an der UCLA und veröffentlichten „Initial Experiments with the Cross Impact Matrix Method of Forecasting“ in Futures. Ihr Kerngedanke: Das Eintreten eines Ereignisses verändert die Wahrscheinlichkeit anderer, und diese Veränderungen lassen sich aufschreiben, Zelle für Zelle.

Seitdem hat sich die Methode verzweigt:

  • Probabilistische Cross-Impact-Analyse. Die ursprüngliche Linie. Experten schätzen für jedes Ereignis eine Ausgangswahrscheinlichkeit und wie stark es die anderen erhöhen oder senken würde; dann spielt ein Computer die Matrix viele Male durch. Gordon verfasste später die maßgebliche Beschreibung der Methode für die Futures Research Methodology des Millennium Project.
  • Strukturanalyse. Eine französische Schule, die mit Michel Godet verbunden ist, nutzt ein Raster aus Einflüssen statt Wahrscheinlichkeiten, um zu ordnen, welche Variablen ein System antreiben und welche nur reagieren.
  • Cross-Impact-Bilanzen. Wolfgang Weimer-Jehle von der Universität Stuttgart stellte 2006 in Technological Forecasting and Social Change eine qualitative Variante vor. Sie nutzt das Raster, um zu prüfen, welche Kombinationen von Ausprägungen in sich konsistent sind, und ist damit ein Werkzeug zur Prüfung von Szenarien.
  • Die nachrichtendienstliche Variante. Structured Analytic Techniques for Intelligence Analysis von Heuer und Pherson, ein verbreitetes Lehrbuch für Nachrichtendienstanalysten, führt die Cross-Impact-Matrix als Kerntechnik, um zu verstehen, wie die Variablen eines Problems aufeinander wirken.

Die Konsistenzprüfung verdient einen genaueren Blick. 2012 wandten Vanessa Schweizer und Elmar Kriegler Cross-Impact-Bilanzen auf dieselben Informationen an, die den Autoren der Emissionsszenarien des IPCC um das Jahr 2000 vorgelegen hatten. Sie stellten fest, dass ein kohlebetriebenes Wachstum damals eine klar erkennbare mögliche Zukunft war, die in den veröffentlichten Szenarien unterrepräsentiert war, und dass einige der veröffentlichten Szenarien in sich nicht konsistent waren. Ein sorgfältig ausgefülltes Raster kann erkennen, was einem talentierten Autorenteam entgangen ist.

Wie man eine Cross-Impact-Analyse durchführt, Schritt für Schritt

  1. Wählen Sie Ihre Elemente. Beginnen Sie mit den Trends, Prognosen und Wildcards, die Ihre Recherche ergeben hat. Halten Sie die Liste so kurz, dass Sie fertig werden: sechs bis zwölf Elemente für einen ersten Durchgang. Formulieren Sie jedes präzise. „KI“ ist zu vage; „bis 2030 wird die meiste Routine-Bilddiagnostik zuerst von Software ausgewertet“ ist etwas, mit dem man arbeiten kann.
  2. Bauen Sie das Raster. Schreiben Sie die Elemente links untereinander und in derselben Reihenfolge oben nebeneinander. Schattieren Sie die Diagonale; ein Element wirkt nicht auf sich selbst.
  3. Füllen Sie jede Zelle, Zeile für Zeile. Stellen Sie für jede Zelle eine einzige Frage: Wenn das Zeilenelement eintritt, wird das Spaltenelement wahrscheinlicher, unwahrscheinlicher oder keines von beiden? Markieren Sie es mit einem Pfeil nach oben, einem Pfeil nach unten oder einem Punkt. Für mehr Auflösung nehmen Sie eine Skala von −3 bis +3. Lesen Sie das Raster nur in eine Richtung: Die Wirkung von A auf B ist eine andere Frage als die Wirkung von B auf A.
  4. Schreiben Sie zu jeder starken Zelle einen Satz. Der Pfeil ist ein Platzhalter, der Satz ist die Erkenntnis. „Der Mangel an Ärzten und Pflegekräften bringt Kliniken dazu, KI-gestützte Befundungswerkzeuge schneller einzuführen, als sie es sonst täten“ ist eine Aussage, über die ein Planungsausschuss streiten kann.
  5. Lesen Sie Zeilen und Spalten. Eine Zeile voller Pfeile ist ein Treiber: Sie bewegt viele andere Dinge. Eine Spalte voller Pfeile ist empfindlich: Viele Dinge bewegen sie. Zwei Elemente, die sich gegenseitig verstärken, bilden eine Schleife, und in Schleifen beschleunigt sich der Wandel über jede lineare Prognose hinaus.
  6. Prüfen Sie das Ergebnis mit STEEP. In Future, Inc. empfehle ich, das Gefundene nach Gesellschaft, Technologie, Wirtschaft, Ökologie und Politik zu filtern. Die meisten Raster sind voll von Technologie und Wirtschaft. Wenn die gesellschaftlichen und politischen Zellen leer sind, kommt von dort die nächste Überraschung.
  7. Übersetzen Sie die Ergebnisse in Entscheidungen und Frühwarnzeichen. Markieren Sie die Wechselwirkungen, die eine Entscheidung verändern würden, die Sie gerade treffen. Sie werden zum Gerüst Ihrer Szenarien und zu den Indikatoren, die Sie beobachten.

Ein Praxisbeispiel: ein Klinikverbund mit Blick auf 2035

Hier ist ein kleines Raster, wie es ein regionaler Klinikverbund zeichnen könnte. Die vier Elemente sind Trends, die seine Planer ohnehin verfolgen: eine alternde Patientenschaft, ein Mangel an Ärzten und Pflegekräften, KI-gestützte Diagnosewerkzeuge und die Fernüberwachung von Patienten zu Hause. Die Pfeile sind beispielhafte Analystenurteile, keine Daten.

Liest man die Zeilen, fallen drei Dinge auf. Die alternde Patientenschaft erhöht die Last auf dem Personal und auf der häuslichen Versorgung. Der eigentliche Treiber ist aber der Personalmangel: Er ist das einzige Element, das den Verbund zugleich zu KI-Werkzeugen und zur Fernüberwachung drängt, weil beide eine knappe Pflegekraft oder einen knappen Arzt auf mehr Patienten verteilen. KI-Werkzeuge und Fernüberwachung verstärken sich gegenseitig: Die Überwachung erzeugt einen Datenstrom, den nur Software in großem Umfang auswerten kann, und die Software macht die Überwachung erst lohnend. Und beide mildern den Mangel, der sie angetrieben hat.

Keine dieser Erkenntnisse steht auf einer Trendliste. Einzeln betrachtet sieht ein Planer vier getrennte Projekte in vier getrennten Budgets. Das Raster zeigt ein einziges System: eine vom Personalmangel getriebene Schleife, die die Versorgung aus dem Gebäude hinaus in die Wohnung verlagert. Die strategische Frage lautet nicht mehr „Sollen wir ein KI-Werkzeug kaufen?“, sondern „Sind wir bereit, ein Krankenhaus zu führen, in dem ein wachsender Teil der Patienten nicht in einem Bett liegt?“

Häufige Fehler

  • Das Raster zu groß machen. Zwanzig Elemente bedeuten 380 Zellen. Teams ermüden, setzen überall Punkte, und das Raster sagt nicht mehr die Wahrheit. Teilen Sie eine große Studie in Gruppen und kreuzen Sie sie stufenweise.
  • Es allein ausfüllen. Im Buch habe ich Folgenabschätzung einen „Mannschaftssport“ genannt. Ein Raster, das ein einzelner Analyst ausfüllt, hält die Annahmen eines einzelnen Analysten fest. Fünf bis zehn Menschen mit unterschiedlichem Hintergrund werden über die Zellen streiten, und dieser Streit ist mehr wert als die Pfeile.
  • Korrelation mit Ursache verwechseln. Eine Zelle sagt, dass ein Element ein anderes wahrscheinlicher oder unwahrscheinlicher macht. Sie beweist nicht den Mechanismus. Schreiben Sie zu jeder starken Zelle den Satz, damit sich die Begründung prüfen lässt.
  • Gemeinplätze schreiben. „Der Wettbewerb wird sich verschärfen“ ist keine Wechselwirkung. „Alles wird effizienter“ auch nicht. Fragen Sie, warum und wie stark.
  • Beim Raster stehen bleiben. Die Matrix ist ein Mittel. Wenn sie weder ein Szenario noch eine Entscheidung noch eine Beobachtungsliste verändert, war der Nachmittag verschenkt.

Was die Cross-Impact-Analyse über den Aufbau einer Intelligence-Funktion lehrt

Die meisten Organisationen sammeln Informationen in Silos. Das Regulierungsteam beobachtet die Aufsichtsbehörden, das Technologieteam die Lieferanten und der Vertrieb die Kunden. Jedes Team liefert einen soliden Bericht, und niemand wird dafür bezahlt, diese Berichte gegeneinander zu lesen. Die Cross-Impact-Analyse ist genau diese Aufgabe, als Verfahren aufgeschrieben.

Eine Intelligence-Funktion, die sie nutzt, gewinnt dreierlei. Sie findet die Wechselwirkungen zwischen den Erkenntnissen verschiedener Abteilungen vor einem Wettbewerber. Sie erhält ein Protokoll ihrer eigenen Annahmen, Zelle für Zelle, das sie überprüfen kann, wenn die Ereignisse einige davon widerlegen. Und sie bekommt eine kurze Liste von Treibervariablen zum Beobachten, und genau das wollen Führungskräfte von Foresight-Arbeit: nicht vierzig Trends, sondern die vier, die den Rest bewegen.

Häufig gestellte Fragen

Was ist eine Cross-Impact-Analyse?

Eine Methode der Zukunftsforschung, die Trends, Ereignisse oder Prognosen in einem Raster anordnet und Paar für Paar bewertet, ob jedes Element die anderen wahrscheinlicher macht, unwahrscheinlicher macht oder unverändert lässt. Das Ergebnis zeigt, welche Elemente das System antreiben und welche Kombinationen strategische Aufmerksamkeit verdienen.

Wer hat die Cross-Impact-Analyse erfunden?

Theodore J. Gordon und Olaf Helmer, beide früher bei der RAND Corporation, entwickelten sie Mitte der 1960er-Jahre bei der Gestaltung des Zukunftsspiels Future für Kaiser Aluminum. Gordon und Howard Hayward veröffentlichten 1968 die erste computergestützte Fassung in Futures.

Was ist eine Cross-Impact-Matrix?

Das Raster im Zentrum der Methode. Dieselben Elemente stehen in den Zeilen und in den Spalten, und jede Zelle hält die Wirkung des Zeilenelements auf das Spaltenelement fest, als Pfeil, Vorzeichen, Punktwert oder bedingte Wahrscheinlichkeit.

Worin unterscheidet sich die Cross-Impact-Analyse vom Zukunftsrad?

Das Zukunftsrad geht von einer einzigen Veränderung aus und verfolgt ihre Folgen Ring für Ring nach außen. Die Cross-Impact-Analyse geht von vielen Veränderungen aus und untersucht, wie sie aufeinander wirken. Viele Projekte nutzen beides: das Rad für den wichtigsten einzelnen Treiber, die Matrix für das Gesamtbild.

Wie viele Elemente sollte eine Cross-Impact-Matrix haben?

Sechs bis zwölf für einen ersten Durchgang. Die Zahl der Zellen wächst mit dem Quadrat der Liste: Ein Raster mit 12 Elementen verlangt bereits 132 Urteile. Größere Studien lassen sich in Gruppen aufteilen.

Braucht man für eine Cross-Impact-Analyse Software?

Nein. Für ein qualitatives Raster genügen ein Whiteboard oder ein großer Papierbogen. Software lohnt sich bei probabilistischen Varianten, die Tausende Durchläufe simulieren, oder bei Konsistenzverfahren mit vielen Variablen wie den Cross-Impact-Bilanzen.

Mit Competitive Futures arbeiten

Competitive Futures führt Foresight-Projekte und Workshops für Führungskräfte durch, in denen Teams Cross-Impact-Raster für ihre eigenen Märkte mit ihren eigenen Trends erstellen. Wenn Ihre Organisation viele Trends verfolgt und wissen will, welche Kombinationen zählen, nehmen Sie Kontakt mit dem Unternehmen auf (auf Englisch).

Weiterlesen

Quellen

  • Garland, Eric. Future, Inc.: How Businesses Can Anticipate and Profit from What’s Next. New York: AMACOM, 2007. Chapter 5, “Strategic Implications.”
  • Gordon, T. J., and H. Hayward. “Initial Experiments with the Cross Impact Matrix Method of Forecasting.” Futures 1, no. 2 (1968): 100–116. https://doi.org/10.1016/S0016-3287(68)80003-5
  • Gordon, Theodore J. “Cross-Impact Analysis.” In Futures Research Methodology, Version 3.0, edited by Jerome C. Glenn and Theodore J. Gordon. Washington, DC: The Millennium Project, 2009. https://www.millennium-project.org/futures-research-methodology-version-3-0/
  • Dayé, Christian. Experts, Social Scientists, and Techniques of Prognosis in Cold War America. Cham: Palgrave Macmillan, 2020. https://doi.org/10.1007/978-3-030-32781-1
  • Weimer-Jehle, Wolfgang. “Cross-Impact Balances: A System-Theoretical Approach to Cross-Impact Analysis.” Technological Forecasting and Social Change 73, no. 4 (2006): 334–361.
  • Schweizer, Vanessa J., and Elmar Kriegler. “Improving Environmental Change Research with Systematic Techniques for Qualitative Scenarios.” Environmental Research Letters 7 (2012): 044011.
  • Heuer, Richards J., Jr., and Randolph H. Pherson. Structured Analytic Techniques for Intelligence Analysis. 3rd ed. Thousand Oaks, CA: CQ Press, 2020.

Diese Seite gehört zum Leitfaden zur strategischen Vorausschau (auf Englisch) von Competitive Futures.