Du hast einen Plan und fragst deine KI ob er gut ist. Sie findet zehn Gründe warum es großartig wird. Du fühlst dich bestätigt, legst los und Wochen später fliegt dir genau das um die Ohren, was rückblickend offensichtlich war.
Das liegt nicht an dir, sondern daran wie Sprachmodelle gebaut sind. Sie wollen dich zufriedenstellen. Wenn du fragst ob dein Plan gut ist, sagen sie dir meistens: ja. Das ist keine Lüge, das ist die Art wie sie trainiert wurden. Zustimmung fühlt sich für dich gut an. Für eine Entscheidung ist sie wertlos.
Es gibt eine einfache Methode die das umgeht. Die Premortem-Methode kommt aus der Entscheidungsforschung, entwickelt von Gary Klein. Daniel Kahneman hat sie später als besonders hilfreiches Werkzeug für bessere Entscheidungen hervorgehoben.
Der Trick: die Zeit vorspulen
Normalerweise fragst du nach einem Fehlschlag: was ist schiefgelaufen? Beim Premortem drehst du die Reihenfolge um. Du stellst dir vor, die Zeit ist bereits vergangen, und der Plan ist gescheitert. Dann fragst du: erzähl mir wie er gestorben ist.
Der Unterschied ist klein, die Wirkung ist groß. Sobald du das Scheitern als bereits geschehen annimmst, hört die KI auf deinen Plan schönzureden. Sie beschreibt stattdessen jeden Weg auf dem er auseinanderfallen könnte. Mit der Geschichte des Scheiterns, mit versteckten Annahmen die nicht gestimmt haben, und mit Frühwarnzeichen die du hättest sehen können.
Das funktioniert weil du die KI aus der Bestätigungsrolle rausholst. Du fragst nicht mehr „wird das klappen“, du fragst „warum hat das nicht geklappt“. Die Antwort darauf kann sie nicht einfach mit Zustimmung erledigen.
Ein Beispiel aus der Praxis
Nimm eine Entscheidung die du gerade vor dir hast. Sagen wir, du überlegst ein neues Produkt zu launchen. Der normale Weg wäre: KI fragen, ob die Idee gut ist. Die Antwort wird vermutlich positiv ausfallen, mit ein paar netten Verbesserungsvorschlägen.
Der Premortem-Weg sieht anders aus. Du sagst der KI: es ist ein Jahr später, das Produkt ist gescheitert, niemand hat gekauft. Erzähl mir wie es dazu gekommen ist.
Jetzt bekommst du etwas anderes. Vielleicht kommt raus, dass die Zielgruppe zwar Interesse am Thema hatte, aber nie ein konkretes Problem, für das sie zahlen wollten. Dass der Preis nicht zur wahrgenommenen Dringlichkeit gepasst hat, oder der Vertriebsweg der Denkweise der Zielgruppe widersprochen hat.
Das sind keine Verbesserungsvorschläge, sondern Fehlerursachen, formuliert als bereits eingetretene Tatsache. Genau das macht den Unterschied. Eine KI, die sagt: „Das könnte ein Risiko sein“, eröffnet nur eine Möglichkeit. Eine KI, die sagt: „So ist es gescheitert“, liefert eine Geschichte mit Ursache und Wirkung. Und Geschichten bleiben hängen, während Risikolisten oft nur abgehakt und vergessen werden.
Warum das mehr ist als ein Prompt-Trick
Ich arbeite seit Monaten mit KI-Agenten an einem eigenen System. Vier Agenten laufen bei mir wöchentlich automatisch durch, jeder mit einer klaren Aufgabe. Was ich in dieser Zeit gelernt habe: die größten Fehler sind nie an der Technik gescheitert. Sie sind daran gescheitert, dass ich eine Idee für gut befunden habe, ohne sie ernsthaft infrage zu stellen.
Ich hatte Wochen, in denen ich eine Produktidee nach der anderen durchdacht habe. Report, höheres Preissegment, Fragebogen, Dienstleistung. Jede einzelne habe ich in Gedanken für gut befunden, bevor ich sie überhaupt getestet habe. Das Problem war nicht, dass mir Ideen fehlten. Das Problem war, dass ich nie konsequent gefragt habe: warum würde genau das nicht funktionieren?
Die Premortem-Methode zwingt dich zu dieser Frage, bevor du Zeit und Geld investierst. Es ist kein Ersatz fürs Testen am echten Markt. Aber es ist ein Filter, der offensichtliche Fehler schon vorher sichtbar macht, ohne dass du dafür bezahlen musst.
Wie du es konkret einsetzt
Der Kern ist ein einziger Satz, den du an jede KI richten kannst mit der du gerade arbeitest: „Stell dir vor, es ist ein Jahr später, und dieser Plan ist gescheitert. Erzähl mir, wie er gestorben ist.“
Für bessere Ergebnisse kannst du zwei Dinge ergänzen. Erstens, bitte um einen Gegencheck am Ende: was haben wir bei dieser Analyse übersehen? Das fängt blinde Flecken ab, die selbst das Premortem nicht automatisch aufdeckt. Zweitens, bitte um klare Kill-Kriterien, also konkrete Signale bei denen du die Idee sofort beerdigen solltest, statt weiter Zeit reinzustecken.
Das Ergebnis ist kein Rundum-Schutz. Auch die beste Analyse kann falsch liegen. Aber sie zeigt dir Schwachstellen, die eine einfache Ja-Frage nie zeigen würde, weil eine Ja-Frage der KI erlaubt, dir nach dem Mund zu reden.
Wo die Grenze liegt
Die Premortem-Methode ersetzt keinen echten Markttest. Eine KI kann dir plausible Szenarien liefern, aber sie kennt deine tatsächlichen Kunden nicht, sie kennt keine Marktdaten, die nicht in ihrem Training oder in deinem Kontext stehen. Was sie liefert, ist Logik: welche Annahmen in deinem Plan zusammenbrechen könnten, wenn man sie zu Ende denkt.
Das reicht oft trotzdem aus, um die gröbsten Fehler früh zu erkennen. Die Fehler, bei denen du hinterher sagst: das war eigentlich vorher klar. Genau diese Fehler sind es, die am meisten Zeit und Geld kosten, weil sie erst nach Wochen sichtbar werden, nicht nach Minuten.
Fazit
Frag deine KI nicht, ob dein Plan gut ist. Frag sie, wie er gescheitert ist. Der Unterschied zwischen diesen beiden Fragen ist der Unterschied zwischen einer Antwort die dich beruhigt, und einer Antwort die dir tatsächlich hilft.
Ich nutze die Premortem-Methode inzwischen bei jeder größeren Entscheidung, bevor ich Zeit oder Geld investiere. Nicht weil sie perfekte Antworten liefert. Sondern weil sie mich zwingt, die Frage zu stellen, die ich sonst überspringen würde.
FAQ – Häufige Fragen zur Premortem-Methode
Was ist die Premortem-Methode? Ein Gedankenexperiment aus dem Risikomanagement, bei dem du dir vorstellst, ein Plan sei bereits gescheitert, und dann rückwärts fragst, warum. So entstehen ehrliche Antworten statt bloßer Bestätigung.
Warum stimmt eine KI meinem Plan einfach zu? Sprachmodelle sind darauf trainiert dich zufriedenzustellen. Eine direkte Frage wie „ist das gut“ bekommt fast immer eine positive Antwort mit kleinen Verbesserungsvorschlägen, keine echte Fehleranalyse.
Ersetzt die Methode eine richtige Projektplanung oder einen Markttest? Nein. Die Methode zeigt logische Schwachstellen in einem Plan, sie kennt aber nicht deinen tatsächlichen Markt. Sie ist ein Filter vor dem Test, kein Ersatz dafür.
Für welche Entscheidungen eignet sich die Methode? Für alles bei dem eine Fehlentscheidung teuer wäre: Produktlaunches, größere Investitionen, strategische Richtungswechsel. Für kleine, leicht korrigierbare Entscheidungen lohnt sich der Aufwand meist nicht.
Wie oft sollte ich diese Methode einsetzen? Bei jeder Entscheidung bei der du merkst, dass du dir selbst schon zustimmst bevor du überhaupt gefragt hast. Das ist oft das deutlichste Signal, dass ein Gegencheck nötig ist.
