Use Case: Externe Diagnose mit KI

Die Diagnose ist das Fundament jedes Strategieprozesses. Wer hier unscharf arbeitet, bekommt später keine robuste Strategie — unabhängig davon, wie viel Zeit er in den Workshop investiert. Die externe Diagnose ist dabei der anspruchsvollste Teil: Sie verlangt systematische Recherche, breite Informationserfassung und eine Verdichtung auf das strategisch Wesentliche.

Genau hier ist KI am stärksten.

Was die externe Diagnose leistet

Die externe Diagnose nach StrategieKompakt umfasst drei Analysefelder: externe Trends, Wettbewerberanalyse und Marktanalyse. Jedes dieser Felder liefert einen spezifischen Input für die SWOT — und jedes stellt andere Anforderungen an die Vorbereitung.

Externe Trends erfassen Entwicklungen im Umfeld des Unternehmens: wirtschaftliche Rahmenbedingungen, technologische Veränderungen, regulatorische Anforderungen, Verschiebungen in wichtigen Absatzmärkten. Ziel ist nicht die vollständige Beschreibung der Welt, sondern die Identifikation jener Entwicklungen, die für das Unternehmen im strategischen Planungszeitraum wirklich relevant sind.

Die Wettbewerberanalyse zeigt, welche Unternehmen heute im Markt sind — und welche neuen Anbieter künftig relevant werden können. Im Zentrum steht nicht Vollständigkeit, sondern strategische Relevanz: Welche Wettbewerber kämpfen wirklich um dieselben Kunden?

Die Marktanalyse beschreibt Marktgrösse, Marktsegmente und Marktpotenziale. Sie liefert den quantitativen Rahmen, in dem strategische Entscheidungen getroffen werden.

Wo KI stark ist — und warum

KI ist in der externen Diagnose besonders leistungsfähig, weil externe Informationen öffentlich zugänglich sind. Geschäftsberichte, Medienartikel, Branchenpublikationen, Unternehmenswebsites — all das kann KI systematisch erfassen, strukturieren und verdichten.

Was früher Tage in Anspruch nahm, ist heute in Stunden erledigt: Ein strukturierter Prompt liefert eine erste Trendanalyse mit externen Entwicklungen, priorisiert nach strategischer Relevanz. Ein weiterer Prompt strukturiert Wettbewerbersteckbriefe — mit Positionierung, Kundensegmenten, Kernkompetenzen und Kostenposition.

Das Fallbeispiel AlpinTech aus dem Buch StrategieKompakt mit KI zeigt das konkret. AlpinTech ist ein Industriezulieferer im Maschinenbau. Für die Trendanalyse wurden externe Entwicklungen in sechs Kategorien erfasst: Markt und Kunden, Technologie, Wettbewerb, Regulierung, Kosten, Gesellschaft. Die Analyse entstand als strukturierter Dialog mit KI — erste Entwürfe wurden überprüft, ergänzt und priorisiert. Das Ergebnis: ein belastbares Bild der wichtigsten externen Entwicklungen, das direkt als Input für die SWOT dient.

Vom Prompt zum Agenten

Was im Fallbeispiel AlpinTech als strukturierter Dialog mit KI begann, haben wir weiterentwickelt: Aus den bewährten Prompts für die externe Diagnose sind Agenten entstanden — Skills, die den Prozess Schritt für Schritt führen, analog zur Marktabklärung.

Der Agent übernimmt die Trendanalyse, die Wettbewerbsrecherche und die Strukturierung der Ergebnisse — mit definierten Inputs, strukturierten Outputs und Freigabeschritten. Der Berater begleitet, prüft und gibt frei. Kein Durchmarschieren ohne menschliche Kontrolle — das ist die Grundbedingung dafür, dass die Ergebnisse belastbar sind.

Das Ergebnis ist nicht eine generische Branchenanalyse, sondern eine auf das Unternehmen zugeschnittene externe Diagnose — als direkte Vorbereitung für den Strategieworkshop.

Was der Prozess verlangt

Breite und Systematik sind die Stärken von KI. Die strategische Gewichtung bleibt beim Berater und beim Führungsteam. KI kann nicht beurteilen, welcher Trend für dieses Unternehmen in diesem Markt wirklich entscheidend ist. Sie kann aber sicherstellen, dass kein wesentlicher Trend übersehen wird — und dass die Ergebnisse in einem konsistenten Format vorliegen, das die Diskussion im Workshop ermöglicht.

Das ist der entscheidende Unterschied zu einer unsystematischen Sammlung von Einzelbeobachtungen: Nicht mehr Vollständigkeit als Ziel, sondern Systematik als Voraussetzung für eine belastbare Priorisierung.

Ein strukturierter Prompt ist dabei kein Luxus — er ist die Grundbedingung für brauchbare Ergebnisse. Wer KI mit einer vagen Frage füttert, bekommt eine vage Antwort. Wer KI mit einem klar definierten Auftrag führt — Unternehmensprofil, Zielmärkte, strategischer Planungshorizont, gewünschte Trendkategorien — bekommt eine Analyse, die direkt weiterverwendet werden kann.

Was am Ende vorliegt

• Eine vollständige externe Diagnose mit KI-Unterstützung liefert:
• Strukturierte Trendanalyse mit externen Chancen und Gefahren
• Wettbewerbersteckbriefe mit konsistentem Aufbau pro Wettbewerber
• Vergleichende Positionierung der relevanten Marktteilnehmer
• Erste Hypothesen für die SWOT

Diese Unterlagen sind keine Endprodukte. Sie sind Arbeitsgrundlagen — für den Berater, der sie prüft und schärft, und für das Führungsteam, das sie im Workshop diskutiert und bewertet. Der Berater beginnt nicht bei Null. Er beginnt mit einer strukturierten Grundlage, die er mit internem Wissen anreichert und mit strategischem Urteil bewertet.

Was KI nicht leistet

KI erfasst, was öffentlich zugänglich ist. Was nicht dokumentiert ist — das implizite Marktwissen des Vertriebs, die Einschätzung eines langjährigen Kunden, die Beobachtung eines erfahrenen Beraters — bleibt unsichtbar. Die Kunst der externen Diagnose liegt nicht im Sammeln, sondern im Einordnen. Diese Verantwortung lässt sich nicht delegieren.

KI liefert die Breite. Das Führungsteam liefert die Tiefe.

Weiterkommen

Den vollständigen Methodenrahmen — Instrumente, Prompts und den Einsatz von KI entlang des gesamten Strategieprozesses — beschreibt das Buch StrategieKompakt mit KI.

Wer die Prompts oder den Agenten für die externe Diagnose einsetzen möchte, ist eingeladen, uns direkt zu kontaktieren. Wir erklären den Aufbau, teilen die Source Prompts und zeigen, wie der Prozess in der Praxis funktioniert.

Use Case: Marktabklärung mit KI

Nicht eine Marktstudie — eine massgeschneiderte Abklärung

Der Unterschied ist wesentlich. Eine Marktstudie beschreibt einen Markt allgemein. Eine Marktabklärung beantwortet die spezifischen Fragen eines Unternehmens: Welche Segmente sind für uns relevant? Wer sind die tatsächlichen Wettbewerber — nicht die grossen Namen, sondern die, die wirklich um dieselben Kunden kämpfen? Wo liegen unsere Differenzierungsmöglichkeiten?

Die Abklärung ist auf den Mandanten zugeschnitten — auf sein Geschäftsmodell, seinen Zielmarkt, seine strategische Ausgangslage. Das Canvas gibt den Rahmen. Der Berater gibt die Richtung.

Das Canvas als Prozessrahmen

Das Canvas zeigt die Bausteine einer vollständigen Marktabklärung. Von der Mandantenerfassung über Markt, Zulieferer und Wettbewerber bis zur Kundennutzenanalyse und den strategischen Fragen. Jeder Baustein hat einen definierten Input, einen strukturierten Output und einen Freigabeschritt durch den Berater.

Ohne Freigabe kein nächster Schritt. Das ist keine Bürokratie — es ist die Grundbedingung dafür, dass KI-Ergebnisse verantwortlich eingesetzt werden können.

Zwei Werkzeuge, zwei Stärken

Wir nutzen zwei KI-Werkzeuge, jedes für die Phase, in der es überlegen ist.

Die Setup-Phase läuft in Claude. Mandantendaten, Auftragsklärung, Marktabgrenzung, Zielmarkt-Definition — strukturierte Beratungsarbeit, in der Präzision, Methodendisziplin und Konsistenz im Vordergrund stehen. Claude führt durch jeden Schritt, fordert Freigaben ein, dokumentiert sauber.

Für die Recherche wechseln wir zu OpenAI Deep Research. Der Grund ist pragmatisch: Für umfangreiche Web-Recherchen mit systematischer Quellenverfolgung ist Deep Research derzeit überlegen. Marktgrösse, Marktteilnehmer, Zulieferer, Kundensegmente — strukturiert, mit Quellenangaben, in einem definierten Format.

Die Ergebnisse kommen zurück nach Claude. Dort folgt die Synthese: Verdichtung der Recherche, Kundennutzenanalyse, Wettbewerbspositionierung, SWOT, strategische Fragen, strategische Optionen. Jede dieser Ebenen baut auf der vorigen auf, jede wird einzeln freigegeben.

Die Übergabe zwischen den beiden Werkzeugen ist bewusst manuell. Der Berater liest, prüft, ergänzt — und übergibt erst dann. Das ist kein Reibungsverlust, das ist Qualitätssicherung.

Ein Exkurs zu Präsentationstools

Wir haben Gamma für die Erstellung der Management-Präsentation getestet. Das Ergebnis: visuell ansprechend, narrativ mitreissend, mit sanften Farbverläufen und fliessenden Übergängen. Kurz: es sieht aus wie Märchenerzählen. Wenn KI dann noch halluziniert, passt das gut zusammen.

Für einen Strategiebericht ist Gamma overload. Unsere Mandanten brauchen keine Dramaturgie — sie brauchen Klarheit. Claude erstellt die Präsentation direkt: nüchtern, analytisch, ohne dramaturgische Ambitionen. Einfach eine Präsentation, die ihren Job macht.

Was am Ende vorliegt

Eine vollständige Marktabklärung mit diesem Prozess liefert:

• – Marktbericht mit Quellenangaben und Disclaimer
• – Wettbewerberliste mit Positionierung
• – Kundennutzenanalyse mit Value Map und Attribute Charts — direkt aus Excel
• – Kunden-Longlist mit A/B/C-Scoring
• – Management-Präsentation

Die Kundennutzenanalyse aus Schritt 7 wird über ein definiertes Mapping in die Excel-Vorlage übertragen. Von dort werden Value Map und Attribute Charts generiert und ohne Medienbruch in Bericht und Präsentation übernommen. Das Ergebnis ist eine vollständige, visuell aufbereitete Wettbewerbspositionierung — auf Basis strukturierter KI-Ergebnisse, nicht auf Basis von Schätzungen.

Das sind keine Rohskizzen. Es sind erste Entwürfe, die im Strategieprozess weiterverwendet werden können — als Grundlage für die SWOT, für die Formulierung strategischer Fragen und für die Diskussion im Führungsteam. Der Berater prüft, schärft und ergänzt — aber er beginnt nicht bei Null.

Was KI gut kann — und was nicht

Die Recherche ist breiter, schneller und systematischer als bisher möglich. Was früher mehrere Wochen dauerte, läuft heute in zwei klaren Stufen: Ein erster Entwurf mit interner Querprüfung in einem Tag. Nach Klienten-Feedback und einer Überarbeitungsrunde — typisch ein bis zwei weitere Tage — liegt die belastbare Abklärung vor. Maximal fünf Tage, nicht mehrere Wochen.

Was wir dabei gelernt haben: Ein KI-Agent braucht enge Begleitung. Man kann ihn nicht einfach durchlaufen lassen und am Ende den Bericht abholen. Jeder Schritt will geprüft sein — nicht weil KI schlecht arbeitet, sondern weil die strategische Einschätzung beim Berater bleibt. Das ist kein Mehraufwand. Es ist der Kern des Prozesses.

KI kann auch eine strategische Vorsortierung vornehmen: welche Wettbewerber wirklich relevant sind, welche Kundensegmente strategisch in Frage kommen. Aber welche Fragen am Ende tatsächlich entscheidend sind — diese Verantwortung liegt bei der Führung. Genau deshalb ist der Freigabeschritt im Prozess keine Option, sondern Pflicht.

KI liefert die Grundlage. Der Mensch verantwortet das Ergebnis.

Fazit

Wer KI unstrukturiert einsetzt, bekommt unstrukturierte Ergebnisse. Wer den Prozess klar definiert — mit Canvas, Freigaben und bewusster Werkzeugwahl pro Phase — bekommt verwertbare, belastbare Grundlagen.

Die entscheidende Erkenntnis ist nicht, dass KI Recherche kann. Die Erkenntnis ist, dass die Methode den Hebel macht: Welches Werkzeug wofür, welcher Schritt mit welchem Output, welche Freigabe an welcher Stelle. Methode kommt vor Tool. Wer das umdreht, bekommt schöne Ergebnisse — aber nicht zwingend richtige.

Die Marktabklärung zeigt, was möglich ist, wenn beides zusammenkommt. Nicht als Experiment, als Prozess, der funktioniert.

Buch StrategieKompakt

Aktualisiert am 29.4.2026 — Tool-Stack präzisiert.

Use Cases KI in der Strategieentwicklung

Das Handbuch von digitalswitzerland zeigt, wie Unternehmen KI strukturiert einführen: mit einer klaren Ambition, einem systematischen Prozess zur Identifikation und Priorisierung von Use Cases und einer schrittweisen Einführung. Das Modell ist durchdacht und auf jeden Unternehmensbereich anwendbar — auf die Buchhaltung, das Marketing, den Vertrieb.

Wir wenden es auf die Strategiearbeit an. Die folgenden Beiträge zeigen konkrete Use Cases für KI in der Strategieentwicklung — Phase für Phase, vom ersten Analyseschritt bis zur Vorbereitung der Umsetzung.

Eine Teil-Ambition für die Strategiearbeit

Das Handbuch empfiehlt, die KI-Einführung mit einer übergeordneten KI-Ambition zu beginnen — dem Gesamtanspruch des Unternehmens an den Einsatz von KI. Diese Ambition ist bewusst breit gehalten, weil sie alle Unternehmensbereiche umfasst.

Für die Strategiearbeit lässt sich daraus eine Teil-Ambition ableiten, die schärfer und konkreter ist:

KI soll den Prozess der Strategieentwicklung in jeder Phase als Denkpartner unterstützen — von der Diagnose bis zur Vorbereitung der Umsetzung. Ziel ist nicht die Automatisierung von Strategie, sondern eine höhere Qualität der strategischen Vorbereitung, eine grössere Klarheit in der Analyse und eine strukturiertere Grundlage für Führungsentscheidungen.

Diese Teil-Ambition ist aus drei Gründen sinnvoll. Erstens ist die Strategiearbeit ein klar abgegrenzter Prozess mit definierten Phasen — das macht sie besonders geeignet für eine strukturierte KI-Einführung. Zweitens ist der Nutzen direkt messbar: Werden Analysen schneller? Werden strategische Fragen präziser? Werden Optionen vergleichbarer? Drittens bleibt die Verantwortung klar beim Führungsteam — KI unterstützt die Vorbereitung, nicht die Entscheidung.

Was der Strategieprozess verlangt

Bevor Use Cases KI in der Strategieentwicklung identifiziert werden können, lohnt ein kurzer Blick auf den Prozess selbst. Strategieentwicklung folgt einer inneren Logik, die nicht beliebig verkürzt werden kann.

Sie beginnt mit der Diagnose: Wo steht das Unternehmen? Was sind Stärken und Schwächen, Chancen und Risiken? Aus dieser Diagnose entstehen strategische Fragen — jene Herausforderungen, die das Unternehmen in den nächsten Jahren bearbeiten muss. Erst danach werden strategische Optionen entwickelt: Welche Möglichkeiten hat das Unternehmen, sich weiterzuentwickeln? Aus den Optionen werden Stossrichtungen ausgewählt, verdichtet und in konkrete Massnahmen und Ziele übersetzt. Am Ende steht ein Umsetzungs- und Controllingprozess, der sicherstellt, dass die Strategie nicht im Workshop endet, sondern im Alltag wirksam wird.

Jede dieser Phasen stellt unterschiedliche Anforderungen — an das Führungsteam, an die Methode und an den Einsatz von KI.

Use Cases KI in der Strategieentwicklung entlang des Prozesses

Aus der Teil-Ambition und der Prozesslogik lassen sich konkrete Use Cases ableiten. Sie folgen nicht einer abstrakten Ideensammlung, sondern der Frage: Wo im Strategieprozess kann KI einen echten Beitrag leisten — und wie sieht dieser Beitrag konkret aus?

Use Case 1 — Diagnose

KI unterstützt bei der Vorbereitung der SWOT-Analyse: Trendrecherchen, Wettbewerbsprofile, Marktübersichten. Sie strukturiert Informationen, verdichtet Quellen und bereitet Diskussionen vor. Was sie nicht ersetzt: die Bewertung und Gewichtung durch das Führungsteam, das die eigene Ausgangslage kennt.

Use Case 2 — Strategische Fragen

Aus einer konsolidierten SWOT lassen sich strategische Fragen ableiten — jene Herausforderungen, die die Strategie tatsächlich beantworten soll. KI kann diesen Schritt unterstützen: Sie strukturiert die SWOT-Elemente, identifiziert Muster und formuliert Fragen, die präziser sind als das, was in einem Workshop spontan entsteht. Dieser Use Case ist einer der stärksten im ganzen Prozess — weil er einen Schritt betrifft, der in vielen KMU zu wenig Aufmerksamkeit erhält.

Use Case 3 — Strategische Optionen

Die Entwicklung strategischer Optionen ist der anspruchsvollste Use Case. KI kann Optionen generieren — aber nur dann in brauchbarer Qualität, wenn der Suchraum methodisch strukturiert ist. Ohne Rahmen entstehen generische Listen, die auf jedes Unternehmen einer Branche passen und deshalb auf keines wirklich. Mit dem richtigen Rahmen — konkreten Entwicklungsdimensionen und einer klaren Logik für die Einordnung — entstehen Optionen, die sich vergleichen, bewerten und zu Stossrichtungen verdichten lassen.

Use Case 4 — Stossrichtungen und Zielbild

Wenn strategische Optionen ausgewählt und zu Stossrichtungen verdichtet werden, kann KI als Konsistenzprüfer eingesetzt werden: Passen die Stossrichtungen zu den strategischen Fragen? Sind Widersprüche erkennbar? Decken sie die zentralen Herausforderungen ab? Dieser Use Case ist weniger kreativ als analytisch — und genau deshalb gut für KI geeignet.

Use Case 5 — Massnahmen und OKR

Bei der Übersetzung von Stossrichtungen in konkrete Massnahmen und Ziele kann KI die Struktur liefern: erste Roadmaps, Zielformulierungen, Priorisierungslogiken. Das OKR-Framework lässt sich gut mit KI-Unterstützung aufsetzen — vorausgesetzt, die strategische Richtung ist bereits klar definiert.

Use Case 6 — Strategisches Controlling

Vor Review-Sitzungen kann KI Projektberichte zusammenführen, Abweichungen strukturieren und Diskussionsfragen formulieren. Nicht als Ersatz für die Führungsdiskussion — sondern als Vorbereitung, die Qualität und Effizienz dieser Diskussion erhöht.

Was diese Serie leisten will

Jeder dieser Use Cases wird in den kommenden Wochen einzeln durchgearbeitet — mit konkreten Beispielen aus der Praxis, mit einer klaren Beschreibung dessen, was KI in diesem Schritt leistet, und mit einer ebenso klaren Beschreibung dessen, was sie nicht leistet.

Das Ziel ist ein ehrlicher und methodisch fundierter Überblick: Wo lohnt sich der Einsatz? Welchen Rahmen braucht er? Und wo bleibt die Arbeit — und die Verantwortung — beim Führungsteam?

Strategiearbeit wird durch KI nicht einfacher. Sie wird präziser. Und Präzision ist das, was gute Strategie von schlechter unterscheidet.

StrategieKompakt – das Buch dazu

StrategieKompakt mit KI – ein Buch, das zeigt wie es geht

Strategie entsteht im Denken von Menschen. Künstliche Intelligenz macht dieses Denken sichtbar. Mit diesem Satz beginnt das Buch StrategieKompakt mit KI, das heute erscheint.

Das Buch ist ein Praxisleitfaden für Unternehmer und Führungsteams, die Strategie als kontinuierliche Aufgabe verstehen – nicht als periodisches Projekt. Geschrieben für KMU, die mit realen Bedingungen arbeiten: unvollständige Informationen, knappe Zeit, echte Zielkonflikte.

Im Mittelpunkt steht die Methode StrategieKompakt. Sie folgt einer klaren Logik: von der Analyse der Ausgangslage über die SWOT und die Formulierung strategischer Fragen bis zur Entwicklung von Optionen und strategischen Stossrichtungen. Ein durchgehendes Fallbeispiel begleitet diesen Prozess – konkret, nachvollziehbar, unter realen Bedingungen.

KI kommt dabei nicht als Thema am Rande vor. Sie ist an den richtigen Stellen des Prozesses integriert – dort, wo sie stark ist. In der Analyse, in der Verdichtung, in der Formulierung. Mit konkreten Prompts, klaren Rollenverteilungen und ehrlichen Einschätzungen, wo KI an ihre Grenzen stösst.

Denn die entscheidende Frage ist nicht, ob KI strategische Optionen generieren kann. Die Frage ist, unter welchen Bedingungen diese Optionen robust, relevant und weiterverwendbar werden.

Methode und Plattform gehören zusammen. Das Buch beschreibt die Methode. Die Strategy.app bildet sie digital ab – als strukturierter Arbeitsraum, in dem Strategiedaten an einem Ort geführt werden, Entscheidungen dokumentiert werden und das Wissen des Unternehmens über seine eigene strategische Situation wächst. Nicht als Archiv. Als lebendige Grundlage für eine Strategiearbeit, die nicht nach dem Workshop endet.

Drei Dinge sind in diesem Buch anders als in den meisten.

• Erstens: Es zeigt den Prozess so, wie er in der Praxis wirklich abläuft – mit Unsicherheit, Zielkonflikten und der Notwendigkeit, unter unvollständigen Informationen zu entscheiden.
• Zweitens: Es trennt klar, was KI leisten kann und was nicht. KI liefert Antworten. Führung entscheidet. Das ist keine Einschränkung – es ist die Grundbedingung für verantwortungsvolle Strategiearbeit.
• Drittens: Es endet nicht mit dem Workshop. Strategie als Daueraufgabe bedeutet beobachten, anpassen, weiterdenken. Das Buch gibt dafür den Rahmen.

StrategieKompakt mit KI

Strategiedaten strukturieren – bevor KI überhaupt anfangen kann

Derzeit läuft auf LinkedIn eine Diskussion, die überfällig war. Wer KI sinnvoll einsetzen will, muss zuerst seine Daten in Ordnung bringen. Rohe, unstrukturierte, verstreute Daten führen zu schlechten KI-Ergebnissen – egal wie leistungsfähig das Modell ist.

Das stimmt. Aber die Diskussion dreht sich fast ausschliesslich um Kunden-, Produkt- oder Finanzdaten. Was dabei fehlt: Strategiedaten.

In den meisten KMU sieht die Realität so aus. Die letzte SWOT liegt irgendwo in einer PowerPoint vom letzten Workshop. Die strategischen Fragen wurden damals formuliert, aber nie systematisch weiterverfolgt. Die Optionen, die das Führungsteam entwickelt hat, existieren in drei verschiedenen Versionen. Und die Massnahmen, die beschlossen wurden, sind über Excel-Listen, E-Mails und persönliche Notizen verteilt.

Wenn ein neues Mitglied ins Führungsteam kommt, beginnt die Suche von vorne. Wenn ein Jahr später der nächste Strategieprozess ansteht, weiss niemand mehr genau, was damals entschieden wurde – und warum.

Das ist kein Versagen des Teams. Es ist ein strukturelles Problem: Strategiearbeit wird als Projekt behandelt, nicht als kontinuierlicher Prozess. Der Workshop erzeugt Energie, Dokumente werden erstellt, Massnahmen beschlossen. Und nach einigen Monaten verschwindet Strategie wieder im operativen Alltag.

KI kann unter diesen Bedingungen nichts leisten. Nicht weil sie zu schwach ist, sondern weil ihr der Kontext fehlt. Ein Sprachmodell, das nach strategischen Optionen für ein Unternehmen gefragt wird, ohne zu wissen, was dieses Unternehmen in den letzten Jahren entschieden hat, welche Annahmen seiner Strategie zugrunde liegen und welche Fragen noch offen sind, liefert zwangsläufig Allgemeinwissen. Gut formuliert, strukturiert – und strategisch wenig brauchbar.

Strategiedaten brauchen dieselbe Disziplin wie alle anderen Unternehmensdaten.

Was das konkret bedeutet: Marktanalysen, Wettbewerberprofile, SWOT-Elemente, strategische Fragen, Optionen, Stossrichtungen, Massnahmen und die Annahmen, auf denen all das beruht – alles an einem Ort, strukturiert, verknüpft und jederzeit abrufbar. Nicht als Archiv, sondern als lebendige Arbeitsgrundlage, die mit jeder strategischen Diskussion wächst.

Genau das ist die Idee hinter der Strategy.app. Sie bildet die Methode StrategieKompakt digital ab und schafft den strukturierten Rahmen, in dem Strategiearbeit zur Daueraufgabe wird – statt zum periodischen Projekt. Analysen werden systematisch erfasst, Entscheidungen dokumentiert, Stossrichtungen weiterentwickelt. Das Wissen, das im Laufe der Strategiearbeit entsteht, geht nicht verloren.

Und erst wenn dieser strukturierte Wissensbestand vorhanden ist, wird KI zu einem echten Denkpartner. Nicht als Ersatz für Analyse und Entscheidung – sondern als Instrument, das auf einer belastbaren Grundlage aufbaut, Zusammenhänge sichtbar macht und die Qualität strategischer Diskussionen erhöht.

Die Technik folgt der Methode. Nicht umgekehrt.

Buch StrategieKompakt

Wenn KI die Spannung auflöst, bevor das Denken beginnt

In den ersten beiden Beiträgen dieser Serie ging es um ein handwerkliches Problem: Warum KI bei strategischen Optionen ohne Rahmen enttäuscht – und was Kontext und Methode daran ändern. Wer Entwicklungsdimensionen und das Adjacency-Prinzip konsequent einsetzt, bekommt Ergebnisse, die sich einordnen, bewerten und weiterentwickeln lassen.

Aber es gibt eine zweite Ebene. Sie ist subtiler und tritt auch dann auf, wenn die Vorbereitung gut war.

Die Spannung, die verschwindet

Ein Führungsteam sitzt zusammen. Vor ihm liegt eine offene strategische Frage – unbequem, noch nicht durchgearbeitet, mit unterschiedlichen Meinungen im Raum. Jemand gibt die Frage in ein KI-System ein. Wenige Sekunden später liegt eine strukturierte, gut formulierte Antwort auf dem Tisch.

Die Spannung ist weg.

Und genau dort beginnt das eigentliche Problem.

Strategische Auseinandersetzung lebt von produktiver Spannung. Nicht von Konflikt um seiner selbst willen, sondern von der Reibung, die entsteht, wenn unterschiedliche Erfahrungen, Einschätzungen und Risikobereitschaften aufeinandertreffen. Diese Reibung ist keine Ineffizienz. Sie ist der Denkprozess selbst. Aus ihr entstehen Fragen, die präziser sind als die ursprüngliche Frage. Einschätzungen, die sich gegenseitig schärfen. Entscheidungen, die getragen werden, weil sie gemeinsam durchdacht wurden.

KI kann diese Spannung nicht erzeugen. Aber sie kann sie auflösen, bevor sie ihre Wirkung entfaltet hat.

Warum plausible Antworten gefährlich sein können

Das geschieht nicht durch schlechte Antworten. Es geschieht durch plausible Antworten zum falschen Zeitpunkt.

Ein Sprachmodell ist auf Mustererkennung in grossen Textmengen trainiert. Es liefert Antworten, die in der Sprache der jeweiligen Branche formuliert sind, Struktur und Kohärenz ausstrahlen und vertraut klingen – weil sie aus der Vergangenheit des Feldes destilliert sind. Die Antwort klingt richtig, weil sie bekannt klingt.

Strategische Fragen, die wirklich relevant sind, haben aber keine Vergangenheit, aus der sich die Antwort ableiten liesse. Sie sind spezifisch für dieses Unternehmen, diesen Markt, dieses Team, diesen Moment. KI kann dazu Hypothesen liefern, Strukturen vorschlagen, Varianten sichtbar machen. Aber sie kann die Frage nicht beantworten. Wer das vergisst, delegiert kein Werkzeug – sondern ein Urteil.

KI als Spiegel – und die Resonanz dahinter

Hier liegt der entscheidende Unterschied zwischen zwei Arten, wie KI in der Strategiearbeit wirken kann.

Als Spiegel macht KI sichtbar, was bereits im System vorhanden ist. Unklare Annahmen führen zu unscharfen Outputs. Widersprüchliche Zielsetzungen erzeugen widersprüchliche Vorschläge. Das ist wertvoll – ein Führungsteam erkennt schneller, wo die eigene Analyse noch nicht präzise genug ist.

Resonanz entsteht eine Stufe weiter. Nicht wenn KI eine Antwort zurückgibt, sondern wenn der KI-Output das Team dazu bringt, die eigene Frage neu zu stellen. Wenn eine generierte Option als unbefriedigend erkannt wird – und das Team beginnt zu verstehen, warum sie unbefriedigend ist. Wenn eine verdichtete Analyse einer Beobachtung aus der Praxis widerspricht und dieses Spannungsverhältnis zum Ausgangspunkt einer echten Diskussion wird.

Resonanz setzt voraus, dass KI-Output als Hypothese behandelt wird – nicht als Ergebnis.

Eine Frage des Prozessdesigns

Das ist nicht nur eine Frage der Haltung. Es ist eine Frage des Prozessdesigns.

In einem gut geführten Strategieprozess ist die Sequenz entscheidend. KI arbeitet in der Vorbereitung, in der Verdichtung, in der Dokumentation. Im Workshop selbst – wenn das Führungsteam strategische Fragen durcharbeitet, Optionen bewertet und Stossrichtungen entwickelt – ist die primäre Aufgabe nicht Informationsverarbeitung. Es ist Urteilsbildung. Und Urteilsbildung braucht die Reibung, die entsteht, wenn Menschen mit unterschiedlichen Erfahrungen gemeinsam denken.

Das bedeutet nicht, dass KI im Workshop keinen Platz hat. Sie kann Zwischenstände verdichten, Varianten durchspielen, Formulierungen schärfen. Aber sie sollte nicht das erste Wort haben, wenn eine offene Frage auf dem Tisch liegt. Wer KI zu früh einsetzt, riskiert, dass das Team eine Antwort bewertet, statt eine Frage zu durchdenken.

Was daraus folgt

Ein lernendes strategisches System entsteht nicht dadurch, dass KI besser wird. Es entsteht dadurch, dass das Unternehmen besser wird: in der Formulierung seiner Fragen, in der Qualität seiner Annahmen, in der Konsistenz zwischen strategischer Richtung und operativem Handeln.

Strategie beginnt mit der Fähigkeit eines Unternehmens, sich selbst zuzuhören. KI kann dieses Zuhören unterstützen – in der Vorbereitung, in der Strukturierung, in der Nachbereitung. Sie kann es nicht ersetzen. Und sie darf es nicht abkürzen.

Die drei Beiträge dieser Serie beschreiben zwei Ebenen, auf denen KI in der Strategiearbeit scheitert – und zwei Bedingungen, unter denen sie tatsächlich nützt. Die erste Ebene ist handwerklich: Kontext und Methode. Die zweite ist prozessual: der richtige Zeitpunkt und die Bereitschaft, KI-Output als Hypothese zu behandeln, nicht als Antwort.

Beides zusammen ist noch keine Garantie für gute Strategie. Aber es ist die Voraussetzung dafür, dass KI überhaupt einen Beitrag dazu leisten kann.

Mehr in unserem aktuellen Buch «Strategieentwicklung mit KI»

Was KI bei strategischen Optionen leisten kann, wenn der Rahmen stimmt

Wie Entwicklungsdimensionen und das Adjacency-Prinzip den KI-Output bei strategischen Optionen grundlegend verbessern

Im ersten Beitrag dieser Serie habe ich beschrieben, warum KI bei strategischen Optionen fast immer zuerst enttäuscht. Die Ursache ist strukturell: ohne Kontext und ohne methodische Einbettung produziert KI Antworten, die statistisch wahrscheinlich sind – nicht Antworten, die zu diesem Unternehmen passen.

Heute gehe ich einen Schritt weiter. Denn das Problem lässt sich lösen. Nicht durch ein besseres Modell, sondern durch einen besseren Rahmen.

Was «Rahmen» konkret bedeutet

In einem Projekt mit einem mittelständischen Hersteller von Fenstern und Türen – im Folgenden Doors & Windows, ein anonymisiertes Fallbeispiel aus der Praxis – haben wir denselben Prozess zweimal durchlaufen. Erst ohne methodische Einbettung, dann mit.

Der erste Durchlauf lieferte Optionen wie diese:

• Digitalisierung zur Effizienzsteigerung
• Stärkung der Kundenbindung durch nachhaltige Produkte
• Compliance-Management zur Normenerfüllung
• Kostensenkung durch Prozessdigitalisierung

Sauber formuliert, methodisch verknüpft mit SWOT-Quadranten und Ansoff-Typen – und dennoch strategisch kaum verwertbar. Die Optionen hätten auf jeden Hersteller in dieser Branche gepasst. Doors & Windows war darin nicht erkennbar.

Das war nicht ein Versagen der KI. Es war das erwartbare Ergebnis eines Prompts ohne ausreichenden Kontext und ohne methodische Leitplanken für die Entwicklung der Optionen selbst.

Zwei Instrumente, die den Unterschied machen

Was im zweiten Durchlauf anders war, lässt sich auf zwei konzeptionelle Eingriffe reduzieren.

Das erste Instrument: Entwicklungsdimensionen: Statt KI offen nach Optionen zu fragen, wird der Suchraum entlang konkreter Achsen strukturiert: Technologien, Absatzkanäle, Regionen, Wertschöpfungstiefe, Anwendungskontexte. Jede Dimension öffnet einen anderen Blickwinkel auf das Unternehmen. Das verhindert, dass KI einfach die naheliegendsten Branchenmuster wiederholt.

Das zweite Instrument: das Adjacency-Prinzip: Die Grundregel lautet: Je grösser die Distanz zum bestehenden Geschäft, desto höher das Risiko. Optionen werden deshalb bevorzugt in anliegenden Bereichen gesucht – nicht gleichzeitig in mehreren Dimensionen, weil sich Risiken sonst potenzieren. Das gibt der Optionsentwicklung eine strategische Logik, die über Brainstorming hinausgeht.

Beide Instrumente zusammen verändern nicht, was KI grundsätzlich kann. Sie verändern, worauf KI ihre Mustererkennung anwendet.

Was daraus wird – am Beispiel

Aus «Digitalisierung zur Effizienzsteigerung» wurde mit diesem Rahmen eine konkrete Option:

Doors & Windows entwickelt einen webbasierten Konfigurator, der Fachhandelspartnern die eigenständige Produkt- und Variantenkonfiguration ermöglicht – inklusive technischer Spezifikation und Bestellauslösung. Der Konfigurator reduziert den Aufwand im Innenvertrieb, verkürzt den Angebotsprozess und stärkt die Fachhandelsbindung durch einen Mehrwert im täglichen Geschäft. Entwicklungsdimension: Absatzkanal, adjacent zum bestehenden Geschäft. Geschätztes Potenzial: 15–20% Reduktion der Vertriebskosten, skalierbar.

Aus «Stärkung der Kundenbindung durch nachhaltige Produkte» wurde:

Doors & Windows entwickelt ein Sortiment, das die gängigen Nachhaltigkeitszertifizierungen für öffentliche Bauprojekte erfüllt und damit systematisch ein Kundensegment erschliesst, das bisher kaum bearbeitet wurde – öffentliche Bauherren und Generalunternehmer mit ESG-Verpflichtungen. In diesem Segment ist der internationale Preisdruck strukturell geringer. Entwicklungsdimension: Kundengruppe, adjacent zur bestehenden Produktkompetenz. Mittelfristiges Potenzial: 10–15% Umsatzanteil in einem margenstärkeren Segment.

Der Unterschied ist nicht kosmetisch. Die erste Version benennt eine Richtung. Die zweite beschreibt eine Option, die sich bewerten, priorisieren und zu einer strategischen Stossrichtung verdichten lässt.

Was sich verändert – und was nicht

Seit wir den Arbeitsdialog mit KI auf diese Weise strukturieren, hat sich die Qualität der Ergebnisse in einem Punkt grundlegend verbessert: die Optionen sind einordnungsfähig. Sie haben eine nachvollziehbare strategische Logik, ein erkennbares Potenzial und eine klare Verbindung zur Ausgangslage des Unternehmens.

Was sich nicht verändert hat, verdient eine ehrliche Benennung. KI erfindet keine Zukunft. Sie verdichtet, strukturiert und variiert – innerhalb des Rahmens, den man ihr gibt. Die Optionen, die aus dem zweiten Durchlauf entstanden, waren besser vorbereitet. Ob sie die richtigen sind, ob das Potenzial realistisch ist, ob das Unternehmen die nötigen Fähigkeiten hat – das entscheidet kein Sprachmodell.

Damit ist das Problem aber noch nicht gelöst!

Der Rahmen verbessert zwar die Qualität der Optionen deutlich, aber er berührt eine tiefere Frage nicht – eine, die ich im nächsten Beitrag beschreibe.

Buch «Strategieentwicklung mit KI»

«Das ist Schrott.»

Warum KI bei strategischen Optionen fast immer zuerst enttäuscht

Ein Satz aus einem Strategieprojekt ist mir geblieben. Wir hatten erste strategische Optionen mit KI entwickelt – sauber formuliert, gut lesbar, auf den ersten Blick sogar plausibel. Die Reaktion des Kunden war kurz und eindeutig: «Das ist Schrott.»

Die Formulierung war hart. Inhaltlich war sie richtig.

Was KI ohne Vorbereitung liefert

Viele Führungsteams nähern sich KI mit einer nachvollziehbaren Erwartung: Frage eingeben, brauchbare Antwort erhalten, weiterarbeiten. Das funktioniert bei vielen Aufgaben gut. Bei strategischen Optionen funktioniert es fast nie – jedenfalls nicht beim ersten Versuch.

Der Grund ist strukturell. KI produziert Antworten, die statistisch wahrscheinlich sind. Bei der Frage «Welche strategischen Optionen hat unser Unternehmen?» entstehen deshalb Formulierungen, die in der Sprache der jeweiligen Branche klingen und auf den ersten Blick vertraut wirken:

• Internationalisierung
• Digitalisierung der Kernprozesse
• Premiumpositionierung
• Neue Kundensegmente erschliessen
• Kosteneffizienz steigern

Das ist nicht falsch. Es ist nur nicht dieses Unternehmen. Es könnte jedes Unternehmen einer bestimmten Branche sein. Und genau deshalb ist es strategisch wertlos.

Warum das so ist – und wer dafür verantwortlich ist

Der Fehler liegt nicht bei der Technologie. Er liegt in der Art, wie die Aufgabe gestellt wird.

Strategische Optionen beschreiben mögliche Entwicklungsrichtungen eines konkreten Unternehmens. Sie entstehen aus der Spannung zwischen dem, was ein Unternehmen ist, was es kann – und was wirklich möglich wäre. KI kennt diese Ausgangslage nicht, es sei denn, man teilt sie ihr mit.

Ohne Kontext reagiert KI auf das, was in vergleichbaren Texten steht. Sie destilliert die Vergangenheit eines Feldes – nicht die Zukunft dieses Unternehmens.

Hinzu kommt eine begriffliche Unschärfe, die in der Praxis häufig vorkommt. Strategische Optionen sind nicht dasselbe wie strategische Fragen. Strategische Fragen werden früher im Prozess entwickelt – aus der SWOT-Analyse, aus der Diagnose der Ausgangslage. Sie benennen die zentralen Herausforderungen, die ein Unternehmen bearbeiten muss.

Strategische Optionen werden davon zunächst unabhängig ausgearbeitet. Sie beschreiben alle möglichen Entwicklungsrichtungen – offen, breiter, losgelöst vom Bestehenden. Erst danach werden sie mit den strategischen Fragen abgeglichen: Welche Optionen sind Antworten auf unsere wichtigsten Herausforderungen?

Wer KI mit strategischen Optionen beauftragt, ohne diesen Unterschied zu kennen, bekommt bestenfalls Antworten auf Fragen, die noch gar nicht gestellt wurden.

Zwei Hebel, die den Unterschied machen

In der Praxis haben sich zwei Bedingungen als entscheidend erwiesen – nicht als nette Ergänzung, sondern als Voraussetzung für brauchbare Ergebnisse.

Kontext: KI braucht strukturierte Informationen über das Unternehmen: Geschäftsfelder, Märkte, Wettbewerber, Stärken und Schwächen, relevante Restriktionen. Nicht als langer Freitext, sondern aufbereitet und eingebettet. Ohne diese Grundlage bleibt jede Antwort plausibel – aber nicht anwendbar.

Methode: KI braucht einen methodischen Rahmen, der beschreibt, was eine strategische Option ist, nach welcher Logik Entwicklungsrichtungen systematisch entwickelt werden und wie Ergebnisse strukturiert sein sollen. Ein offener Prompt erzeugt offene Antworten. Eine methodisch eingebettete Frage erzeugt Ergebnisse, die sich einordnen, vergleichen und priorisieren lassen.

Beides zusammen – Kontext und Methode – bildet die Grundlage des Rahmens, mit dem wir in der Praxis arbeiten. Wie dieser Rahmen konkret aufgebaut ist und was er verändert, zeige ich im nächsten Beitrag – am Beispiel eines realen Projekts.

Was bleibt

Enttäuschung über KI in der Strategiearbeit ist in den meisten Fällen kein Urteil über die Technologie. Es ist ein Signal, dass der Arbeitsdialog nicht strukturiert genug geführt wurde.

KI wird nicht besser, indem man auf das nächste Modell wartet. Sie wird brauchbarer, wenn der Denkprozess, in den sie eingebettet ist, klarer wird. Das ist keine technische Frage – es ist eine Frage strategischer Disziplin.

Was das konkret bedeutet, zeige ich in den nächsten beiden Beiträgen dieser Serie.

Im zweiten Beitrag zeige ich, welche zwei Instrumente den Dialog mit KI bei der Erarbeitung von strategischen Optionen grundlegend verändern – und was das in der Praxis bedeutet. Am Beispiel eines mittelständischen Herstellers lässt sich der Unterschied direkt ablesen: dieselbe Ausgangslage, dieselbe KI, eine völlig andere Qualität der Ergebnisse.

Im dritten Beitrag geht es eine Ebene tiefer: Was passiert mit dem Denkprozess des Führungsteams, wenn KI eine plausible Antwort liefert, bevor die eigentliche strategische Auseinandersetzung stattgefunden hat?

Buch Strategieentwicklung mit KI:

Resonanz: Das fehlende Prinzip in der KI-gestützten Strategiearbeit

Viele Diskussionen über Künstliche Intelligenz in der Strategiearbeit beginnen mit Effizienz. Analysen lassen sich schneller vorbereiten, Märkte strukturierter beschreiben und Optionen systematischer vergleichen. Das ist richtig – aber es greift zu kurz. Die eigentliche Veränderung beginnt nicht dort, wo KI Zeit spart, sondern dort, wo sie die innere Qualität strategischer Arbeit sichtbar macht. Unklare Ziele führen zu unscharfen Analysen, widersprüchliche Annahmen zu widersprüchlichen Resultaten, fehlende Prioritäten zu einer Vielzahl plausibler Alternativen. KI wirkt damit zunächst wie ein Spiegel.
Spiegelung allein ist jedoch noch keine Entwicklung. Ein Führungsteam kann sehr klar sehen, wo seine strategische Arbeit unpräzise ist – und trotzdem nichts daraus machen. Erst wenn Wahrnehmung, Verdichtung und Entscheidung in eine wirksame Rückkopplung treten, entsteht etwas, das über Analyse hinausgeht.

An diesem Punkt kommt die Resonanz zum Tragen

Resonanz meint nicht Zustimmung, nicht Stimmungsabfrage und auch nicht bloss Feedback. Resonanz ist die Fähigkeit einer Organisation, relevante Erfahrungen aufzunehmen, zu verdichten, gemeinsam zu deuten und in erneuertes Handeln zu übersetzen. Das ist mehr als ein sprachlicher Unterschied. Es ist eine methodische Abgrenzung.

Die klassische Strategiearbeit ist häufig periodisch organisiert. Einmal im Jahr wird analysiert, im Workshop werden Optionen diskutiert, danach werden Beschlüsse formuliert. Dieses Vorgehen bleibt sinnvoll, aber es reicht in vielen Situationen nicht mehr aus. Denn die strategisch relevanten Hinweise entstehen nicht nur im Workshop und nicht nur in Marktstudien. Sie entstehen täglich: in Kundenkontakten, in Vertriebsbeobachtungen, in Reklamationen, in technischen Engpässen, in Projekten, die unerwartet stocken, oder in kleinen Verschiebungen der Nachfrage. Wenn solche Beobachtungen nicht verloren gehen, sondern systematisch aufgenommen werden, entsteht ein Strom strategischer Signale. KI kann helfen, diese Signale zu bündeln, Muster sichtbar zu machen und wiederkehrende Themen früh zu erkennen. Aber auch hier gilt: Verdichtung ist noch nicht Resonanz.

Resonanz in der KI-gestützten Strategiearbeit

Resonanz entsteht erst dann, wenn diese verdichteten Hinweise wieder in die Organisation zurückwirken. Mitarbeitende bringen Erfahrungen ein. KI strukturiert und verdichtet sie. Führung bewertet Relevanz, trifft Entscheidungen und schafft neue Orientierung. Daraus entsteht organisationales Wissen. Strategie wird dann weniger zum punktuellen Planungsakt und stärker zu einem fortlaufenden Lern- und Entwicklungsprozess

Gerade deshalb sollte man Resonanz nicht mit blosser Reaktionsgeschwindigkeit verwechseln. Ein Unternehmen wird nicht strategisch reifer, weil es auf mehr Signale schneller reagiert. Reife zeigt sich vielmehr darin, dass es relevante von irrelevanten Entwicklungen unterscheiden kann. Wer jedes Signal ernst nimmt, wird hektisch. Wer Signale sauber verdichtet, mit den eigenen Annahmen abgleicht und daraus konsequente Entscheidungen ableitet, gewinnt strategische Klarheit. Urteilskraft wird damit wichtiger, nicht weniger wichtig. KI erweitert den Möglichkeitsraum; Führung muss ihn auf eine tragfähige Richtung reduzieren

Darin liegt auch die Abgrenzung zu einem weit verbreiteten Missverständnis: KI macht Strategie nicht automatisch besser. Sie ersetzt keine strategische Führung und sie nimmt dem Management keine Entscheidungen ab. Ihre stärkste Wirkung liegt häufig gerade darin, dass sie alte Schwächen nicht mehr verdeckt. Unklare Begriffe, nicht entschiedene Zielkonflikte oder vermischte Ebenen von Analyse, Ziel und Massnahme treten schneller offen zutage. KI beschleunigt deshalb keine schlechte Strategie. Sie entlarvt sie

Wenn man Resonanz ernst nimmt, verändert sich auch die Rolle von Strategie-Workshops. Sie sind nicht mehr nur Orte, an denen einmalig diskutiert und entschieden wird. Sie werden zu Ausgangspunkten eines strategischen Gedächtnisses. Hypothesen, Annahmen und Entscheidungen können später wieder aufgenommen, mit neuen Erfahrungen konfrontiert und neu bewertet werden.

Strategie entfaltet ihre Wirkung nicht im Workshop, sondern in der Resonanz danach

Für die Praxis bedeutet das

Unternehmen sollten den Begriff Resonanz nicht weich oder kulturell verstehen, sondern strategisch präzise. Resonanz braucht mindestens vier Elemente:

• systematisch erfasste Beobachtungen aus der operativen Realität
• eine Form der Verdichtung, die Muster statt Einzelereignisse sichtbar macht
• bewusste Führungsentscheidungen auf Basis dieser Verdichtung
• die spätere Überprüfung, wie sich Annahmen und Entscheidungen in der Praxis bewähren

Erst diese Rückkopplung macht Strategie lernfähig. Ohne sie bleibt auch die beste Analyse ein statisches Dokument.

Das eröffnet grosse Chancen. Führungsteams können Entwicklungen früher erkennen, Annahmen expliziter machen und strategische Diskussionen konsistenter führen. Gleichzeitig entstehen aber auch neue Grenzen und Anforderungen. Je mehr Signale sichtbar werden, desto grösser wird die Gefahr der Übersteuerung. Nicht jedes Muster ist bedeutsam. Nicht jede Abweichung verlangt eine Kurskorrektur. Die eigentliche Führungsleistung liegt deshalb nicht im Sammeln immer neuer Hinweise, sondern in der disziplinierten Auswahl dessen, was strategisch zählt

Resonanz wird hier zum relevanten Begriff. Er beschreibt eine Form strategischer Arbeit, die weder in klassischer Planung aufgeht noch in technischer Automatisierung. Resonanz meint die wirksame Verbindung zwischen Erfahrung, Verdichtung, Urteil und Konsequenz. Sie macht sichtbar, dass Strategie nicht nur aus besseren Analysen entsteht, sondern aus der Fähigkeit, dem eigenen Unternehmen zuzuhören, Relevanz zu erkennen und daraus handlungsfähig zu werden

Die nächsten Jahre werden vermutlich nicht nur schnellere Strategiewerkzeuge hervorbringen, sondern neue Formen strategischen Lernens. Unternehmen, die diese Entwicklung nutzen wollen, sollten deshalb weniger über Tools sprechen und stärker über Denkdisziplin, Rückkopplung und strategische Reife. Denn am Ende bleibt eine einfache Einsicht:

Strategie gewinnt nicht durch mehr Information an Qualität, sondern durch bessere Unterscheidung. Diese Fähigkeit entsteht durch Resonanz.

Buch «Strategieentwicklung mit KI»

Der Begriff Resonanz wird hier in einem funktionalen, organisationalen Sinn verwendet und unterscheidet sich vom engeren soziologischen Verständnis bei Hartmut Rosa.

SWOT-Analyse verdichten mit KI

… ohne dem Team das Denken abzunehmen

In vielen Strategie-Workshops entsteht bei der SWOT zuerst genau das, was entstehen soll: Vielfalt. Das Führungsteam sammelt Beobachtungen, benennt Stärken und Schwächen, diskutiert Chancen und Gefahren. Auf den Pinnwänden hängen am Ende nicht selten 30 bis 50 Karten pro Quadrant. Insgesamt kommen so weit über hundert Einzelbeobachtungen zusammen. Diese Breite ist wertvoll, weil sie Erfahrung, Marktkenntnis und unterschiedliche Sichtweisen sichtbar macht. Gleichzeitig entsteht genau an diesem Punkt ein praktisches Problem: Die SWOT ist reichhaltig, aber noch nicht arbeitsfähig

Für die weitere Strategiearbeit reicht es nicht, viele Karten an der Wand zu haben. Wir verdichten diese zu einer aussagekräftigen SWOT Nicht bis zur Beliebigkeit, sondern bis zu jener Form, in der sie Orientierung gibt. Entscheidend ist nicht die Auflistung einzelner Punkte, sondern deren Verdichtung und Gewichtung. Lange, ungewichtete Listen gehören zu den typischen Schwächen der SWOT-Arbeit. Sie wiederholen Analyseergebnisse, statt sie auf eine strategisch relevante Ebene zu bringen

Genau hier setze ich KI in Workshops praktisch ein.

Der konkrete Ablauf im Workshop

Das Vorgehen ist einfach und gerade deshalb nützlich. Zuerst erarbeitet das Team die SWOT klassisch im Workshop: Diskussion, Kartenarbeit, Sammlung an der Wand. Erst nachdem dieser Denkprozess stattgefunden hat, kommt KI ins Spiel. Das ist wichtig. Denn die SWOT ist kein rein technisches Sortierproblem, sondern ein strukturierter Denkraum für das Führungsteam. Die gemeinsame Diskussion bleibt der eigentliche Kern der Arbeit

In einer Pause lassen wir die Karten fotografieren und danach von der KI einlesen und in eine erste saubere Form bringen. KI kann dabei einzelne Karten, die oft nur aus Stichworten bestehen, präzisieren, sprachlich klären und auf eine einheitliche Ausdrucksebene heben. In einem dokumentierten Praxisbeispiel dauerte dieser Schritt für Digitalisierung, Präzisierung und Konsolidierung rund 20 Minuten

Anschliessend übernimmt KI den nächsten Schritt: die Konsolidierung innerhalb der vier SWOT-Felder. Ähnliche Aussagen werden gebündelt, redundante Punkte reduziert, überlappende Inhalte zusammengeführt. Ziel ist nicht eine schönere Liste, sondern eine arbeitsfähige Übersicht. Aus 30 oder 40 Einzelkarten im Feld «Stärken» sollen nicht mehr 30 oder 40 Punkte bleiben, sondern vielleicht fünf bis sieben Kernaussagen. Dasselbe gilt für Schwächen, Chancen und Gefahren

Was dabei tatsächlich gewonnen wird

Der Zeitgewinn ist der sichtbarste Effekt, aber nicht der wichtigste. Natürlich spart KI Zeit. Sie übernimmt genau jene Arbeit, die sorgfältig gemacht werden muss, aber nicht zwingend im Plenum stattfinden sollte: ähnliche Karten vergleichen, Formulierungen harmonisieren, Mehrfachnennungen erkennen, unterschiedliche Abstraktionsebenen bereinigen. Dieser Nutzen ist konkret messbar. Doch der strategisch interessantere Effekt ist ein anderer: Die Diskussion im Team beginnt nach der Konsolidierung auf einer deutlich höheren Ebene

Sobald die verdichtete SWOT vorliegt, diskutiert das Team nicht mehr darüber, ob eine bestimmte Beobachtung überhaupt schon auf einer Karte steht. Es diskutiert darüber, ob die konsolidierte Aussage wirklich trifft.

• … ist dieser Punkt tatsächlich eine Stärke oder eher eine Selbstbeschreibung?
• … hat KI eine Schwäche präzise genug formuliert?
• … oder ist eine Chance wirklich extern oder eigentlich eine interne Chance?

Genau diese Klärung ist wertvoll. KI hilft, Übersicht zu schaffen. Die Gewichtung entsteht im Dialog

Aus meiner Sicht ist das der eigentliche Fortschritt. Der Workshop wird nicht beschleunigt, indem man Diskussionen ersetzt. Er wird verbessert, weil sich die Diskussion verschiebt: weg vom Sammeln und Sortieren, hin zur Verifikation, zur Schärfung und zur strategischen Gewichtung. Führungsteams gewinnen schneller ein gemeinsames Verständnis der Ausgangslage, und Diskussionen konzentrieren sich stärker auf Bewertung und Priorisierung statt auf das Sammeln einzelner Fakten

Was KI darf und was nicht

Gerade bei einem so praktischen Anwendungsfall ist die Rollenklärung wichtig. KI konsolidiert. Das Team entscheidet.

Diese Trennung ist nicht nur methodisch sauber, sondern in der Praxis entscheidend. Die endgültige Auswahl der SWOT-Elemente erfolgt immer im Workshop. KI liefert Vorschläge zur Strukturierung, nicht zur strategischen Gewichtung

Das heisst konkret: Wenn die KI aus vielen Karten fünf verdichtete Stärken formuliert, dann ist das nicht das Endergebnis. Es ist eine Arbeitsgrundlage. Das Führungsteam muss prüfen, ob die Aussage inhaltlich stimmt, ob sie die richtige Flughöhe hat und ob sie wirklich für die Zukunft des Unternehmens relevant ist. Eine Formulierung kann übernommen werden, sie kann geschärft werden oder sie wird bewusst verworfen.

Gerade darin liegt die Stärke der Zusammenarbeit. KI reduziert Komplexität, ohne Verantwortung zu übernehmen. Sie schafft Klarheit, aber sie trifft keine Entscheidung. Strategie bleibt Führungsarbeit

Warum die verdichtete SWOT so wichtig ist

Eine konsolidierte SWOT ist nicht einfach ein schöneres Workshop-Protokoll. Sie ist das Konzentrat der Analyse. Sie schafft Orientierung, Fokus und eine gemeinsame strategische Sprache. Vor allem bildet sie die belastbare Grundlage für den nächsten Schritt: die Formulierung der strategischen Fragen

Genau deshalb lohnt sich diese Verdichtung. Wenn die SWOT in einer vorstandsgerechten, managementtauglichen Form vorliegt, lässt sich mit ihr wirklich weiterarbeiten. Dann können aus Beobachtungen Fragen werden. Und erst dann wird sichtbar, worauf die Strategie später eigentlich antworten muss.

Die Erfahrung aus der Praxis ist klar: KI erleichtert die konsequente Reduktion umfangreicher SWOT-Listen deutlich. Die Wirkung der SWOT steigt, wenn die Zahl der Elemente je Quadrant klar begrenzt wird. Und eine konsolidierte SWOT verbessert die Qualität der anschliessenden Diskussion spürbar

Folgerung

Wer KI in der Strategiearbeit sinnvoll einsetzen will, muss nicht mit grossen Konzepten beginnen. Es reicht oft, an einer sehr konkreten Stelle anzusetzen, an der der Nutzen unmittelbar sichtbar wird.

Die Konsolidierung der SWOT im Workshop ist ein solcher Punkt.

Das Team denkt, sammelt, streitet und gewichtet. KI hilft danach, das Vorhandene zu präzisieren, zu bündeln und auf eine arbeitsfähige Form zu verdichten. Das spart Zeit, aber vor allem hebt es die Qualität der Diskussion. Nicht weil die Maschine strategisch denkt, sondern weil sie dem Führungsteam hilft, schneller zu dem Material zu kommen, über das es wirklich entscheiden muss.

Im nächsten Schritt wird genau aus dieser verdichteten SWOT das abgeleitet, was im Strategieprozess oft zu wenig sorgfältig behandelt wird: die strategischen Fragen. Und dort zeigt sich dann, ob die Konsolidierung wirklich gelungen ist.