Design Thinking hat sich als eine der effektivsten Methoden zur strukturierten Ideenfindung und Problemlösung etabliert. Mit den Möglichkeiten der Künstlichen Intelligenz (KI) lassen sich diese Schritte jedoch gezielt weiterentwickeln: KI kann den Prozess nicht nur beschleunigen, sondern auch datengestützter und flexibler, und man könnte schon fast sagen valider gestalten. In diesem Beitrag erfährst du, wie KI in jede Phase deines erweiterten Design Thinking-Modells integriert werden kann und welche Vorteile sich daraus ergeben.

Phase 1: Research – Was sollten wir wissen?

• Rolle der KI: KI-gestützte Tools können große Datenmengen analysieren und Muster erkennen, die oft unbemerkt bleiben. Sie liefern nützliche Einblicke in aktuelle Marktentwicklungen, Nutzerverhalten und Branchentrends und geben klare Indikatoren, wo sich ein Checkup der Herausforderung lohnt.
• Vorteil: Durch KI-gestützte Recherche lässt sich die Challenge genauer definieren, und die richtigen Fragestellungen für die nächste Phase werden geschärft.

Phase 2: Synthesize – Was haben wir gelernt?

• Rolle der KI: KI kann die gesammelten Daten aus der Research-Phase auf Muster und Zusammenhänge analysieren. Sie hilft, Erkenntnisse zu strukturieren und Clustern zuzuordnen, was den Syntheseprozess beschleunigt und die Übersichtlichkeit verbessert.
• Vorteil: KI unterstützt dabei, die wesentlichen Informationen und Insights herauszuarbeiten, die als Grundlage für die Ideation-Phase dienen. So wird ein klarer, strukturierter Blick auf das Wesentliche geworfen.

Phase 3: Ideate – Welche Möglichkeiten sehen wir?

• Rolle der KI: In dieser kreativen Phase kann KI als „Ideenpartner“ fungieren, indem sie basierend auf den Erkenntnissen aus der Synthese neue Lösungsansätze vorschlägt. KI verknüpft Wissen aus verschiedenen Bereichen und zeigt unkonventionelle Perspektiven und Ansätze auf.
• Vorteil: Die KI kann als Inspirationsquelle dienen, besonders bei der Entwicklung innovativer Ideen, die über traditionelle Lösungen hinausgehen und den Horizont für neue Möglichkeiten erweitern.

Phase 4: Prototype – Wir haben eine Idee und fangen an zu bauen

• Rolle der KI: Mithilfe von KI-gestützten Prototyping-Tools lassen sich erste Modelle schnell und effizient erstellen. Digitale Prototypen können iterativ angepasst werden, und KI bietet Vorlagen und Bausteine, um interaktive und realitätsnahe Prototypen zu bauen.
• Vorteil: Zeit und Ressourcen werden eingespart, da KI den Prototyping-Prozess beschleunigt und anpassbar macht. Das Team kann die Idee sofort erlebbar machen und so schneller erste Rückmeldungen erhalten.

Phase 5: Test – Wir testen den ersten Prototypen und holen Kundenfeedback

• Rolle der KI: KI hilft in der Testphase dabei, das Kundenfeedback strukturiert zu analysieren und die wichtigsten Muster zu erkennen. Sie filtert Stimmungen, häufige Kritikpunkte und Anregungen, die für die nächste Iteration relevant sind.
• Vorteil: KI verkürzt die Feedbackschleifen, da sie automatisch Erkenntnisse aus den Rückmeldungen generiert und so die Grundlage für schnelle Verbesserungen legt.

Phase 6: Improve – Wir verbessern den Prototypen anhand der Feedbacks

• Rolle der KI: In dieser Phase unterstützt KI die iterative Anpassung des Prototyps, indem sie die Feedback-Analyse in konkrete Verbesserungsvorschläge übersetzt. KI-gestützte Tools bieten automatisch Szenarien für mögliche Anpassungen und zeigen Optimierungsansätze auf.
• Vorteil: Die KI ermöglicht eine kontinuierliche Verbesserung und stellt sicher, dass der Prototyp den Bedürfnissen und Erwartungen der Nutzer
  immer näher kommt. Das spart Ressourcen und stellt die Zielgenauigkeit des Produkts sicher.

Beyond Design Thinking – Phase 7: Nach dem Prototyping: Problem-Solution und Problem-Market Fit

• Problem-Solution Fit: Mithilfe von Tools wie dem Business Model Canvas oder Lean Canvas kann KI den Übergang zur Lösungsfindung erleichtern. KI analysiert Markt- und Wettbewerbsdaten und unterstützt bei der Entscheidungsfindung für die Produktentwicklung.
• Problem-Market Fit: In dieser finalen Phase kommen MVPs und Lean Startup-Methoden zum Einsatz, die durch KI-gestützte Simulationen optimiert werden können. KI hilft dabei, Hypothesen zu testen und die Marktakzeptanz zu validieren, um einen nachhaltigen Problem-Market Fit zu gewährleisten.

Fazit: Die Symbiose von KI und Design Thinking als Wegbereiter der Innovation

• KI als Partner im Ideenfindungsprozess: KI bereichert den Design Thinking-Prozess durch gezielte Analysen und datenbasierte Kreativität. Die Verbindung von KI und Design Thinking hebt das Innovationspotenzial auf eine neue Ebene und ergänzt die menschliche Intuition mit datenbasierten Insights.
• Systematische Lösungsfindung: Methoden wie das Solvable-Prinzip und das „Frame – Explore – Decide“-System sind in diesem Vorgehen tief verankert. Sie bieten eine systematische Struktur, die es ermöglicht, die richtigen Fragen zu stellen und kreative Lösungen zu finden – eine Herangehensweise, die meinem Verständnis von vernetztem und lösungsorientiertem Denken entspricht. Dieser Weg führt zu einer Innovationskultur, die weit über die Methodik hinausgeht und gezielt Raum für eigenständiges Denken lässt.
• Schlussgedanke: Design Thinking ist in diesem Sinne kein starres Modell, sondern eine Haltung – ein flexibles Vehikel, um Lösungen zu entdecken. Tatsächlich ist es ein Instrument, das am stärksten denjenigen zugutekommt, die noch keine Routine im vernetzten Denken und in der Mustererkennung haben. Wer die Fähigkeit besitzt, Muster zu erkennen und die „Dots“ kreativ miteinander zu verknüpfen, benötigt keine starre Methodik, sondern eine offene Denkweise und die richtige Haltung. Wir stehen als Menschen mit unserer kreativen Kraft und unserer menschlichen Intelligenz im Zentrum dieses Prozesses. Die künstliche Intelligenz, die wir geschaffen haben, wird damit zu einem Tool, das unsere Arbeit ergänzt und durch die Automatisierung von Teilschritten unsere Möglichkeiten erweitert. In einem der kommenden Artikel werde ich auf diese nächste Evolutionsstufe der Innovation und Kreation näher eingehen.

Die Innovationslandschaft hat sich in den letzten Jahren dramatisch verändert. Technologische Fortschritte, globale Vernetzung und steigende Kundenansprüche haben den Innovationsprozess deutlich komplexer gemacht. Unternehmen stehen unter einem enormen Druck, schnell, flexibel und adaptiv zu reagieren, ohne dabei Risiken oder Qualitätseinbußen einzugehen. Doch was sind die Ursachen dieser steigenden Komplexität, und wie können moderne Methoden und Technologien helfen, die Herausforderungen der heutigen Innovationslandschaft zu bewältigen?

Innovationslandschaft im Wandel

Technologische Beschleunigung: Die Geschwindigkeit der technologischen Entwicklung ist rasant angestiegen. Technologien wie künstliche Intelligenz (KI), Blockchain, das erweiterte Internet der Dinge (IoT), neue Technologie-Architekturen und die – allerdings noch nicht skaliert im Einsatz befindlichen – Quantum-Chips verändern das Mooresche Gesetz, führen praktisch zu einer Verkürzung von technologiebasierten Entwicklungsstufen. Sie eröffnen in kürzer werdenden Zyklen neue Möglichkeiten, aber auch Herausforderungen in der Innovationslandschaft und bei der disruptiven Produkt- und Lösungsentwicklung. Unternehmen müssen nun nicht nur mithalten, sondern idealerweise Vorreiter sein, um wettbewerbsfähig zu bleiben.

Steigende Kundenanforderungen: Die Ansprüche der Kunden und Märkte haben sich drastisch verändert. Zunehmend werden maßgeschneiderte, benutzerfreundliche und nachhaltige Lösungen erwartet. Dies zwingt Unternehmen dazu, ihre Produkte und Dienstleistungen kontinuierlich anzupassen, zu verbessern und neu zu denken.

Globaler Wettbewerb: Dank der digitalen Vernetzung sind Markteintrittsbarrieren gesunken. Startups und internationale Player können schneller als je zuvor in neue Märkte eintreten. Dies erhöht den Druck auf etablierte Unternehmen, Innovationen voranzutreiben, um nicht überholt zu werden.

Die klassischen Innovationsmethoden und ihre Grenzen

Design Thinking und Lean Startup: Diese bewährten Methoden haben Innovationen zugänglicher gemacht und sind nach wie vor wertvolle Ansätze bei der Entwicklung neuer bzw. disruptiver Lösungen. Sie helfen Unternehmen, empathischer zu denken und agiler auf Marktbedürfnisse zu reagieren und nutzerzentrierte Produktentwicklungen in kürzester Zeit anzubieten.

Wo klassische Methoden an Grenzen stoßen: Trotz ihrer Stärken sind Methoden wie Design Thinking und Lean Startup ressourcenintensiv und nicht immer die passende Methode, die heutigen Innovationsherausforderungen vollständig zu bewältigen. Angesichts der steigenden Komplexität sind iterative Prozesse allein oft zu langsam oder kostspielig.

Der Wendepunkt: Künstliche Intelligenz als neuer Innovationsmotor

KI und Big Data als Innovationsbeschleuniger: KI ermöglicht es, große Datenmengen zu analysieren und durch Mustererkennung Zusammenhänge zu erkennen, die für Menschen nur mit größtem Aufwand zu erkennen, zum Teil sogar nicht sichtbar sind. Dadurch können Unternehmen frühzeitig Trends erkennen, Entwicklungen antizipieren und ihre Innovationsstrategie entsprechend anpassen.

Proaktives Innovationsmanagement durch KI: KI kann Unternehmen helfen, nicht nur reaktiv auf Veränderungen zu reagieren, sondern proaktiv Innovationen anzustoßen und zu gestalten. Beispielsweise können KI-Modelle Kundentrends vorhersagen, basierend auf historischen Daten, und dabei helfen, zukünftige Bedürfnisse präzise zu prognostizieren.

Kollaborative KI-basierte Tools: Tools wie ChatGPT, Gemini, Claude, CoPilot, Perplexity und weitere generative KI-Modelle können als „virtuelle Innovationspartner“ dienen. Sie bieten eine neue Art der Zusammenarbeit, bei der KI aktiv in den kreativen Prozess eingebunden wird und als „Ideenpartner“ dient. Wichtiger denn je ist das Stellen der richtigen Frage bzw. Fragekataloges, das richtige und kontextrelevante „Prompt Engineering“.

Empfehlungen: Der Schlüssel liegt im richtigen „Prompting“

Prompt Engineering als Kommunikationsform: Ein entscheidender Faktor, um das Potenzial von KI voll auszuschöpfen, ist das „Prompting“ oder „Prompt Engineering“. Auch wenn dieser Begriff oft mystifiziert wird, steckt dahinter im Grunde ein einfacher Ansatz: Es geht weniger um Befehle und Kommandos, sondern um die Art und Weise der Gespräche. Durch gezielte, dialogorientierte Ansprache entfaltet KI ihre besten Ergebnisse und ermöglicht tiefere Erkenntnisse. Für weiterführende Informationen und praktische Tipps lohnt sich der Blick in den Artikel „Gespräche statt Befehle“ auf Humanithesia.org (Link zum Artikel).

Systematische Lösungsfindung: Die Annäherung an innovative Lösungsszenarien gelingt besonders gut durch Techniken wie dem „System Frame, Explore, Decide“-Ansatz von Chevalier. Dieser Lösungsweg unterstützt dabei, Herausforderungen systematisch zu analysieren und strukturiert zu bearbeiten. Mit dieser Technik kann man auf zielgerichtete Weise entlang einer präzisen und passgenau formulierten Herausforderung Lösungsszenarien erarbeiten und durch die passende Wahl bzw. Entscheidung das Innovationspotenzial gezielt fördern.

Ein Ausblick auf die Rolle von KI im Innovationsprozess

Von der Idee zur Umsetzung in Rekordzeit: Mit KI kann der Innovationsprozess radikal beschleunigt werden. KI kann bei der Ideenfindung, Produktentwicklung und Marktvalidierung unterstützen, was die Time-to-Market signifikant verkürzt. Auch hier kommt es auf das Prompting an. Empfehlenswert ist, sich möglichst perspektivenreich und mit kreativen Gedankenansätzen an die Interaktion mit der KI zu machen. Frei nach dem Motto Experiment, Fail, Learn, Repeat.

Neue Horizonte der Innovationsmöglichkeiten: KI ermöglicht es Unternehmen, Produkte und Dienstleistungen zu entwickeln, die noch vor wenigen Jahren undenkbar gewesen wären. Hier kann der gezielte Einsatz von KI-Tools dienen, bei dem zum Beispiel Dialoge mit customer Twins, bzw. weitestgehend realistisch wirkende Persona der Kundengruppen, hilfreich sein können. Diese neuen technologischen Möglichkeiten erweitern den Raum für Kreativität und Differenzierung, helfen bei der Erkennung von möglichen Bedürfnissen und schaffen so Wettbewerbsvorteile.

Herausforderungen und Verantwortung: Der Einsatz von KI birgt auch Herausforderungen, insbesondere im Hinblick auf ethische Fragestellungen und Datensicherheit. Unternehmen müssen sicherstellen, dass sie KI verantwortungsbewusst und im Einklang mit ethischen Standards nutzen. Zudem sind Rahmenwerke wie der EU-AI-Act zu berücksichtigen.

Fazit

Die heutige Innovationslandschaft ist ohne Zweifel anspruchsvoll, aber auch voller Potenzial und neuer Möglichkeiten. Unternehmen, die bereit sind, ihre traditionellen Innovationsmethoden zu erweitern und KI als strategischen Partner zu integrieren, können die Herausforderungen der modernen Welt nicht nur meistern, sondern sie als Chancen nutzen. Die zunehmende Komplexität im Innovationsprozess ist keine Hürde, sondern ein Katalysator für die nächste Ära der Innovation.
Wie KI als Tool, Begleiter, strategischer Partner oder digital customer twin klassische Innovationsmethoden wie Design Thinking oder Jobs-to-be-done transformiert, werden wir in einem unserer kommenden Beiträge genauer beleuchten.