Seismograph statt Black Box: wie agentische KI neue Maßstäbe für die Strategiearbeit setzen wird

Volatilität, Unsicherheit, Komplexität, Ambiguität – egal, welchen Buchstaben der VUCA‑Gleichung man herausgreift, das Ergebnis bleibt gleich: Seit Jahresbeginn werden strategische Langfristpläne für Automobilhersteller sowie Zulieferer schneller ausgehebelt, als klassische Planungszyklen reagieren können. Denn hohe Strafzölle binnen weniger Tage, drohende Verbote chinesischer Connectivity‑Bauteile durch ICTS‑Regeln oder aber geopolitische Brandherde zeigen: Die Reaktionszeit schrumpft dramatisch. Gleichzeitig steigt jedoch die Unsicherheit und sie verstärkt sich auf jeder Stufe der Lieferkette.

Für Zulieferer steht daher fest: Noch nie war der Preis für verpasste Marktsignale und lange Reaktionszeiten höher. Die Gretchenfrage ist daher: Wie können Zulieferer-Strategieabteilungen ihr Marktumfeld effektiv scannen und zügig die richtigen Schlüsse aus einer Vielzahl paralleler Entwicklungen ziehen?

Unsere Projekte und Beobachtungen geben dabei Einblicke in eine vielversprechende Antwort: Zulieferer beginnen den „traditionellen Weg“ zu verlassen und schrittweise auf die Intelligenz großer Sprachmodelle (LLMs) zu setzen – in der Hoffnung, Veränderungen früher erkennen und dann entschlossen handeln zu können, um das Geschäft abzusichern. Diese LLMs beherrschen dabei – sofern richtig eingesetzt – deutlich mehr als die wohlbekannte Texterstellung, ‑zusammenfassung oder Bildgenerierung.

In der Praxis werden LLMs als „Thought Partner“ und autonome Analysten Strategieleitern zur Seite gestellt. Dies kann beispielsweise Fragestellungen zur Anfälligkeit des eigenen Absatzmarktes, zu Investitionsbedarfen oder auch Verhandlungsstrategien mit Zulieferern oder Kunden umfassen. Für den erfolgreichen Einsatz der Modelle bei derartigen Fragen kommt es zum einen auf die Modellqualität an – frei verfügbare Modelle verfehlen nicht nur die benötigte Präzision, sie bergen dazu auch noch Risiken beim Einsatz im Geschäftsumfeld; zum anderen muss ein Modell durch den richtigen Befehl (Prompt) angesteuert werden.

Mit den richtigen Daten, Fragestellungen und Nutzern ausgestattet, arbeitet agentische KI mit schnellen Rückkopplungsschleifen, bis das gesetzte Ziel erreicht ist – sie sucht eigenständig nach Antworten, bewertet Quellen, schließt Wissenslücken und erledigt Folgeaufgaben. So werden Szenarioanalysen, die manuell Tage dauern könnten, mitunter so weit beschleunigt, dass eine Entscheidungsempfehlung verfügbar wird, bevor der sprichwörtliche Kaffee aufgebrüht ist.