Über Wahrscheinlichkeiten und die (Un-)Fähigkeit, die Zukunft vorhersagen zu können

Chapter

Zusammenfassung

Um das eigene Unternehmen sinnvoll auf zukünftige Entwicklungen vorbereiten zu können, ist es notwendig, sich mit den Möglichkeiten und Grenzen von Prognosetechniken zu beschäftigen: Kann man die Zukunft vorhersehen? Und falls ja, wie geht das? Ist es überhaupt möglich? Tatsächlich unterliegen wir Menschen einer Vielzahl von Denkfehlern – sogenannten Bias -, die uns hinsichtlich der zu erwartenden Zukunft in der Regel in falscher Sicherheit wiegen. Viele solcher Bias lassen sich sogar in der tagtäglichen operativen und strategischen Tätigkeit von Unternehmen beobachten – und vermeiden, wenn man weiß, worauf man achten muss. In diesem Kapitel geht es aber nicht nur darum, welche klassischen Management-Denkfehler es zu vermeiden gilt, sondern auch darum, welche Rolle der Zufall in der Zukunftsplanung eigentlich spielt und ob es zukünftige Methoden wie zum Beispiel Big Data schaffen werden, die Zukunft früher zu erkennen. Die Erkenntnisse fassen den aktuellen Stand der wissenschaftlichen Auseinandersetzung mit dem Thema Zukunft unterhaltsam zusammen und fördern zum Teil verblüffende Ergebnisse zutage.

Literatur

  1. Berry M (1978) Regular and irregular motion. https://michaelberryphysics.files.wordpress.com/2013/07/berry076.pdf#page=1&zoom=auto,-277,841. Zugegriffen: 10. Aug. 2017
  2. Butler DA (2012) Unsinkable: The full story of the RMS Titanic. Kindle Edition. Da Capo Press, CambridgeGoogle Scholar
  3. Dale AI, Laplace P-S (1995) Pierre-Simon laplace philosophical essay on probabilities: Translated from the fifth French edition of 1825. Springer, BerlinGoogle Scholar
  4. Dobelli R (2011) Die Kunst des klaren Denkens – 52 Denkfehler, die Sie besser anderen überlassen. Hanser, MünchenGoogle Scholar
  5. Dunn M (2016) Here are 20 of the worst predictions ever made about the future of tech. http://www.news.com.au/technology/gadgets/here-are-20-of-the-worst-predictions-ever-made-about-the-future-of-tech/news-story/2300ac1ffb8a3ba18ce3219636700937. Zugegriffen: 14. Aug. 2017
  6. Erhardt B (2011) Falsche Prognosen von Google: Eurovision Song Contest 2011. http://www.zeit-und-wahrheit.de/falsche-prognosen-von-google-eurovision-song-contest-2011-4692/. Zugegriffen: 10. Aug. 2017
  7. Hilbig H (2013) Marketing ist eine Wissenschaft … Springer Gabler, WiesbadenGoogle Scholar
  8. Johnson B (2015) The great horse manure crisis of 1894. http://www.historic-uk.com/HistoryUK/HistoryofBritain/Great-Horse-Manure-Crisis-of-1894/. Zugegriffen: 14. Aug. 2017
  9. Kueppers A (2001) Blindfolded monkey beats humans with stock picks. https://www.wsj.com/articles/SB991681622136214659. Zugegriffen: 10. Aug. 2017
  10. Kulke U (2009) Als uns vor 30 Jahren eine neue Eiszeit drohte. https://www.welt.de/wissenschaft/umwelt/article5489379/Als-uns-vor-30-Jahren-eine-neue-Eiszeit-drohte.html. Zugegriffen: 14. Aug. 2017
  11. Lazer D, Kennedy R, King G, Vespignani A (2014) The parable of google flu: Traps in big data analysis. http://science.sciencemag.org/content/343/6176/1203. Zugegriffen: 10. Aug. 2017
  12. Lorenz E (1972) Predictability: Does the flap of a butterfly’s wings in Brazil set of a tornado in Texas? http://eaps4.mit.edu/research/Lorenz/Butterfly_1972.pdf. Zugegriffen: 10. Aug. 2017
  13. Matthews R (2001) Der Storch bringt die Babys zur Welt. http://www3.math.uni-paderborn.de/~agbiehler/sis/sisonline/struktur/jahrgang21-2001/heft2/Langfassungen/2001-2_Matth.pdf. Zugegriffen: 10. Aug. 2017
  14. Peters TJ, Waterman RH (1986) Auf der Suche nach Spitzenleistungen. Moderne Industrie, LandsbergGoogle Scholar
  15. Rosenzweig P (2014) The Halo effect: . . . and the eight other business delusions that deceive managers. Simon & Schuster, New YorkGoogle Scholar
  16. Santoso A (2008) The stupidest business decisions in history. http://www.neatorama.com/2008/04/15/the-stupidest-business-decisions-in-history/. Zugegriffen: 10. Aug. 2017
  17. Spiegel Online (2017) Turnier-Neuling gewinnt 8,1 Millionen Dollar. http://www.spiegel.de/panorama/world-series-of-poker-scott-blumstein-gewinnt-8-1-millionen-dollar-a-1159294.html. Zugegriffen: 10. Aug. 2017
  18. Stevens J (2012) Political scientists are lousy forecasters. http://www.nytimes.com/2012/06/24/opinion/sunday/political-scientists-are-lousy-forecasters.html. Zugegriffen: 10. Aug. 2017
  19. Taleb NN (2014) Der schwarze Schwan – Die Macht höchst unwahrscheinlicher Ereignisse. DTV, MünchenGoogle Scholar
  20. Tetlock PE, Gardner D (2016) Superforecasting – Die Kunst der richtigen Prognose. Fischer, Frankfurt a. M.Google Scholar
  21. Tetlock PE (2017) Expert political judgment: How good is it? How can we know? Princeton University Press, PrincetonGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH 2018

Authors and Affiliations

  1. 1.Mayflower ConceptsHamburgDeutschland

Personalised recommendations