Thinking in Bets mit KI: Wie wir im Dojo bessere Entscheidungen trainieren

Vor einigen Tagen diskutierte ich mit einer KI eine Frage, die mich seit Jahren beschäftigt: Hat Buchhaltung als Geschäftsmodell noch eine Zukunft?

Ich kenne die Abläufe aus der Praxis, habe mich intensiv mit Automatisierung und den dazugehörigen Geschäftsmodellen beschäftigt und Literatur zu Entscheidungen unter Unsicherheit gelesen. Die Diskussion begann also nicht bei null. Genau das ist wichtig: Die KI ersetzte weder Erfahrung noch Vorwissen. Sie half mir, vorhandenes Wissen schneller in eine überprüfbare These zu übersetzen.

Aus einer zunächst groben Frage wurde innerhalb weniger Gesprächsschritte eine präzisere Wette über die Zukunft eines Marktes. Dabei fiel mir auf: Wir hatten gerade praktisch geübt, was Annie Duke in Thinking in Bets beschreibt.

Die erste Frage war zugespitzt: „Wird Buchhaltung sterben?“ Doch schon die Formulierung enthielt einen Denkfehler. Was genau soll verschwinden: die Tätigkeit des Buchens, der Beruf des Buchhalters oder das Geschäftsmodell einer Kanzlei?

Wir trennten diese Ebenen. Standardisierte Belegverarbeitung lässt sich zunehmend automatisieren. Daraus folgt aber nicht automatisch, dass alle Buchhaltungsdienstleister verschwinden. Kunden kaufen schließlich auch Kontrolle, Verantwortung, Verlässlichkeit und die Bearbeitung von Ausnahmen.

Unsere präzisierte Arbeitshypothese lautete deshalb: Die manuelle Verarbeitung standardisierter Geschäftsfälle verliert bis 2036 als eigenständiges Geschäftsmodell erheblich an wirtschaftlichem Wert.

Im Gespräch setzten wir dafür eine subjektive Wahrscheinlichkeit von 75 Prozent an. Das ist keine statistisch validierte Prognose, sondern ein erster, ausdrücklich vorläufiger Schätzwert. Seine Stärke liegt nicht in der scheinbaren Genauigkeit, sondern darin, dass wir ihn festhalten, begründen und später überprüfen können.

Annie Duke war professionelle Pokerspielerin und beschäftigt sich mit Entscheidungen unter Unsicherheit. Ihre zentrale Einsicht: Eine gute Entscheidung garantiert kein gutes Ergebnis – und ein gutes Ergebnis beweist noch keine gute Entscheidung. Zufall, unvollständige Informationen und veränderte Rahmenbedingungen wirken immer mit.

Die Frage lautet deshalb nicht nur „Habe ich recht?“, sondern: „Wie sicher bin ich, welche Informationen sprechen dagegen und was müsste passieren, damit ich meine Einschätzung ändere?“ Duke betont die produktive Haltung „I'm not sure“ – „Ich bin mir nicht sicher“. Das ist kein Zeichen mangelnder Kompetenz, sondern ein Ausgangspunkt für bessere Urteile.

Genau hier kann KI hilfreich sein: Sie kann eine Behauptung zerlegen, alternative Entwicklungen formulieren und gezielt Gegenargumente liefern. Aber sie kann ebenso überzeugend klingende, unbegründete Zahlen erzeugen. Die Verantwortung für die Wette bleibt beim Menschen.

Im Rückblick lässt sich unsere Diskussion als wiederholbarer Trainingsablauf beschreiben.

Für unsere konkrete Wette wäre der nächste Schritt, „erheblich“ messbar zu definieren – etwa anhand realer Preise, menschlicher Bearbeitungsstunden oder des Umsatzanteils reiner Standardbuchhaltung. Erst dann wird aus der interessanten Diskussion ein belastbares Lernexperiment.

Früher hätte ich für eine erste strukturierte Betrachtung Notizen zusammengeführt, Literatur erneut durchgesehen, Szenarien aufgeschrieben und Gesprächspartner gesucht. Heute kann ich die ersten Denkvarianten unmittelbar mit KI durchspielen. Das spart Zeit beim Strukturieren und Formulieren. Es spart nicht die Prüfung der Wirklichkeit.

Gerade hier liegt ein Risiko. Wenn ich der KI meine Überzeugung vorgebe und sie anschließend nur um Bestätigung bitte, bekomme ich möglicherweise eine elegante Begründung für meine eigene Voreingenommenheit. Forschung zur Mensch-KI-Interaktion zeigt, dass falsche KI-Ratschläge Entscheidungen beeinflussen können und zusätzliche Erklärungen allein dieses Problem nicht zuverlässig beseitigen.

Im Dojo sollte die KI deshalb nicht als Orakel auftreten, sondern abwechselnd als Analyst, Gegenanwalt und Prüfer. Sie soll fragen: „Was übersehen wir?“, „Welche Daten fehlen?“, „Was würde ein gut informierter Kritiker einwenden?“ und „Unter welchen Bedingungen wäre unsere Wette falsch?“

Auch eine 75-Prozent-Prognose sagt noch nicht, was ich unternehmerisch tun sollte. Dafür fehlen weitere Größen: möglicher Gewinn, potenzieller Verlust, Kapitaleinsatz, Alternativen und die Möglichkeit, später umzusteuern.

Unsere Diskussion führte deshalb zu einer strategischen Unterscheidung. Eine neue Kanzlei ausschließlich für manuelle Standardbuchhaltung aufzubauen, erscheint mir wenig attraktiv. Interessanter könnte es sein, automatisierte Buchhaltung als Datenbasis zu nutzen und darauf Unternehmenssteuerung, Liquiditätsplanung und Beratung aufzubauen.

Aber auch das ist zunächst eine zweite Wette. Sie müsste getrennt geprüft werden: Zahlen Kunden tatsächlich dafür? Welche Anbieter besetzen den Markt bereits? Was kostet ein zuverlässiges System? Und welchen Mehrwert kann ein Mensch oder ein KI-gestütztes Dojo dauerhaft liefern?

Für unser Unternehmer-Dojo ist das die eigentliche Erkenntnis. Wir wollen nicht bloß schneller Antworten produzieren. Wir wollen lernen, unter Unsicherheit bessere Entscheidungen zu treffen – und später nachvollziehen können, ob unsere Annahmen tragfähig waren.

Das verbindet die Lektüre mit der Praxis: Learn. Apply. Prove It. Ich lese und verstehe eine Methode. Ich wende sie an einer echten unternehmerischen Frage an. Und ich überprüfe über die Zeit, ob meine Prognosen kalibriert waren.

Unsere 75-Prozent-Wette zur Buchhaltung ist damit kein fertiges Ergebnis. Sie ist der erste Eintrag in einem möglichen Entscheidungsjournal. 2036 werden wir nicht nur fragen, ob die Prognose eingetroffen ist. Wir werden auch prüfen, ob wir damals mit den verfügbaren Informationen vernünftig gedacht haben.

Das wäre für mich eine wichtige Fähigkeit im KI-Zeitalter: nicht die Illusion von Gewissheit, sondern trainierte Urteilskraft.