Unternehmen scheitern selten daran, dass gar nicht analysiert wird. Sie scheitern daran, dass auf der falschen Ebene analysiert wird.
Zahlen, Daten und Fakten gelten als Gegenmittel gegen Irrtum. Je professioneller sie aufbereitet sind, desto stärker wirkt ihre Autorität. Genau darin liegt ein Problem. Zahlen beantworten nicht von selbst, ob sie auf den richtigen Annahmen beruhen. Sie beantworten nicht, ob die Datenbasis tragfähig ist. Sie beantworten nicht, ob relevante Gegenhypothesen geprüft wurden. Und sie beantworten schon gar nicht, ob der Denkrahmen, in dem sie Bedeutung bekommen, selbst belastbar ist.
Viele teure Fehlentwicklungen entstehen deshalb nicht trotz Analyse, sondern nach ihr. Nicht weil niemand gedacht hätte, sondern weil vor dem Rechnen zu wenig geprüft wurde.
Wer erst bei der Kennzahl zu denken beginnt, denkt zu spät.
Was Fehlentscheidungen trotz Kennzahlen tatsächlich auslöst
Fehlentscheidungen trotz Kennzahlen entstehen, wenn Unternehmen Zahlen, Modelle oder Prozesse als Beweis von Belastbarkeit behandeln, obwohl deren Voraussetzungen nicht ausreichend geprüft wurden.
Genau dort beginnt die eigentliche Prüfung. Nicht als akademische Übung. Nicht als Denken über Denken um des Denkens willen. Sondern als Prüfung der Voraussetzungen, bevor aus plausiblen Annahmen teure Fehlentscheidungen werden.
In einem Satz: Metadenkweise prüft nicht die Kennzahl, sondern die Voraussetzungen, unter denen eine Kennzahl überhaupt als relevant gilt.
Die entscheidende Frage lautet also nicht nur: Sind die Zahlen korrekt?
Sondern auch: Warum genau diese Zahlen? Auf welcher Grundlage? Gegen welche Alternativen geprüft? Und innerhalb welches Denkrahmens sie überhaupt entscheidungsrelevant werden?
Der Denkfehler beginnt vor der Analyse
In Unternehmen wird gerechnet, bewertet, modelliert und plausibilisiert. Das Problem liegt selten darin, dass überhaupt keine Zahlen vorhanden wären. Das Problem liegt davor.
Sind es die richtigen Zahlen?
Wurden die relevanten Fakten gegengeprüft?
Gelten Annahmen intern bereits als gesetzt?
Welche Risiken wurden zwar benannt, faktisch aber schon als beherrschbar behandelt?
Welche Widersprüche verschwinden, weil sie nicht ins bestehende Narrativ passen?
Nicht die Kennzahl selbst ist meist der Denkfehler, sondern der ungeprüfte Rahmen, in dem sie Bedeutung erhält.
Genau deshalb wirken viele Fehlentscheidungen im Moment ihrer Entstehung vernünftig. Sie beruhen nicht auf offenem Chaos, sondern auf professionell wirkender Plausibilität.
Kennzahlen schaffen dabei nicht nur Orientierung. Sie reduzieren auch kommunikative Unsicherheit. Genau deshalb werden sie in Organisationen leicht mit tatsächlicher Belastbarkeit verwechselt.
Drei Fälle, ein Muster
Die folgenden drei Fälle zeigen dasselbe Muster in unterschiedlicher Form:
Boeing steht für die Verwechslung von Prozessarchitektur mit Verlässlichkeit.
Credit Suisse steht für die Verwechslung von Risikomodellen mit tatsächlicher Risikobeherrschung.
Bayer steht für die Verwechslung strategischer Plausibilität mit realer Beherrschbarkeit.
Boeing, Credit Suisse und Bayer zeigen dasselbe Grundproblem: Formale Ordnung wurde mit tatsächlicher Tragfähigkeit verwechselt.
Boeing: Wenn Prozesse mit Tragfähigkeit verwechselt werden
Das Beispiel Boeing deshalb so stark, weil der Fall nicht nach einem simplen Rechenfehler aussieht. Prozesse, Qualitätslogik und industrielle Routine waren vorhanden. Gerade das macht ihn so relevant.
Der sichtbare Fehler lag am Bauteil. Der teure Fehler lag tiefer.
Entscheidend ist nicht die formale Existenz eines Arbeitsschritts, sondern die reale Tragfähigkeit des Systems dahinter: ob Dokumentation verlässlich funktioniert, Aufsicht tatsächlich Reibung erzeugt und Führung Prozessarchitektur nicht vorschnell mit Verlässlichkeit verwechselt.
Genau hier wird die vorgelagerte Denkarbeit relevant. Nicht bei der Frage, ob ein Bauteil korrekt montiert wurde. Sondern bei der härteren Frage, warum man überhaupt davon ausgehen durfte, dass das System seine eigene Korrektheit ausreichend sichert.
Der grösste Fehler sass nicht im Detail allein, sondern in der stillschweigenden Annahme, dass die Struktur dahinter bereits tragfähig sei.
Credit Suisse: Wenn Risikomodelle ihre Grenzen verdecken
Auch bei Credit Suisse fehlte es nicht einfach an Daten. Es fehlte nicht an Reporting. Es fehlte nicht an betriebswirtschaftlicher Sprache. Und trotzdem entstand massiver Schaden.
Auch hier ist der entscheidende Punkt nicht bloss:
„Das Risikomodell war falsch.“
Härter ist die Frage:
Warum galten bestimmte Exponierungen, Abhängigkeiten und Eskalationen überhaupt als noch vertretbar?
Warum wurden Warnsignale nicht mit derselben Schärfe behandelt wie Renditeerwartungen?
Warum konnte ein formal vorhandenes Kontrollsystem intern offenbar lange als ausreichend gelten?
Das ist kein Detailfehler. Das ist ein Fehler auf der Ebene der Voraussetzungen.
Eine saubere Gegenprüfung hätte hier nicht einfach mehr Kennzahlen verlangt. Sie hätte gefragt, ob die Organisation ihre eigenen Risikoinstrumente womöglich mit Realität verwechselt. Ob also das Vorhandensein von Kontrolle bereits als Beweis ihrer Wirksamkeit behandelt wurde.
Wo das Modell selbst nicht mehr als Modell erkannt wird, beginnt systemische Blindheit.
Bayer: Wenn strategische Plausibilität als Beherrschbarkeit gilt
Bayer ist als Beispiel deshalb stark, weil hier eine grosse strategische Logik betriebswirtschaftlich lange plausibel erscheinen konnte, die Folgelasten aber massiv blieben.
Die flache Lesart wäre:
„Die Rechtsrisiken wurden unterschätzt.“
Präziser ist:
Es wurde offenbar ein Denkrahmen verwendet, in dem diese Risiken lange noch als beherrschbar, begrenzbar oder strategisch absorbierbar erschienen. Genau das ist die relevante Ebene. Nicht nur, welche Zahl in einer Bewertung stand, sondern warum genau diese Zahl, diese Gewichtung und diese Risikologik überhaupt als tragfähig galten.
Denn strategische Fehlentscheidungen entstehen selten dort, wo gar nicht gerechnet wird. Sie entstehen dort, wo auf Basis sauberer Rechnungen Annahmen fortgeschrieben werden, deren reale Belastbarkeit nie mit derselben Härte geprüft wurde wie die finanzielle Modellierung.
Nicht jede plausible Kalkulation ist bereits eine tragfähige Wirklichkeitsprüfung.
Was diese Fehlentscheidungen gemeinsam haben
Boeing, Credit Suisse und Bayer sind unterschiedliche Branchen, unterschiedliche Systeme und unterschiedliche Schäden. Der zugrunde liegende Fehler ist dennoch ähnlich.
Der teure Fehler sitzt meist nicht im Instrument selbst, sondern in der ungeprüften Annahme, dass die Ordnung dahinter bereits trägt.
Ein Prozess wird mit Verlässlichkeit verwechselt. Ein Modell wird mit Realität verwechselt. Eine plausible Bewertung wird mit tragfähiger Einordnung verwechselt.
Genau deshalb reicht betriebswirtschaftliche Logik allein nicht aus. Sie bewegt sich meist innerhalb eines gegebenen Rahmens. Die entscheidende Zusatzfrage lautet aber: Trägt dieser Rahmen selbst?
Warum das auch für KI gerade relevant wird
Wer Boeing, Credit Suisse oder Bayer nur als branchenspezifische Einzelfälle liest, verfehlt den Punkt.
Dieselbe Logik zeigt sich heute erneut dort, wo Unternehmen mit hoher Geschwindigkeit KI integrieren. Die Versuchung ist gross, Nutzen, Effizienz und Skalierung früh zu sehen, während Qualitätsgrenzen, Haftungsfragen, Kompetenzverlust und falsche Plausibilität erst später geprüft werden.
Der strukturelle Fehler bleibt derselbe:
Nicht die sichtbare Funktion wird überschätzt.
Sondern die Tragfähigkeit des Rahmens, in dem sie eingesetzt wird.
KI wird für Unternehmen nicht dort gefährlich, wo sie sichtbar schlecht funktioniert, sondern dort, wo sie gut genug wirkt, um ungeprüft integriert zu werden.
Gerade deshalb ist KI nicht nur eine Technologiefrage. Sie ist eine Frage der Entscheidungslogik. Nicht nur: Was kann das System? Sondern: Unter welchen ungeprüften Annahmen wird es bereits integriert, legitimiert und skaliert?
Genau darum wird es im nächsten Beitrag gehen.
Was Unternehmen daraus lernen sollten
Unternehmen sollten Kennzahlen nicht nur auf rechnerische Korrektheit prüfen, sondern auf Voraussetzungen, Auswahl, Gegenhypothesen und Wirkannahmen.
Die zentrale Frage lautet nicht nur, was Zahlen zeigen, sondern warum genau diese Zahlen als entscheidungsrelevant gelten.
Wer diese Ebene auslässt, erhöht das Risiko professionell begründeter Fehlentscheidungen. Wer sie prüft, erkennt früher, wo interne Plausibilität in strukturelle Blindheit kippt.
nexoPreneur prüft nicht die Qualität von Absichten. Geprüft wird die Belastbarkeit der Voraussetzungen, auf denen Entscheidungen, Bewertungen und strategische Narrative beruhen.
Bevor die nächste Kennzahl zur teuren Illusion wird, lohnt sich die externe Prüfung der Voraussetzungen.
