Neue Forschungsergebnisse aus der kognitiven Wissenschaft zeigen, wie Künstliche Intelligenz Entscheidungsprozesse modellieren kann: Ein von Forschern des Helmholtz Munich entwickeltes System namens Centaur wurde auf mehr als 10 Millionen individuellen Entscheidungen trainiert und erzielt nach eigenen Angaben eine Prognosegenauigkeit von rund 64 %. Die Arbeit verbindet Verhaltensmodellierung, Maschinelles Lernen und neuronale Daten und wirft zugleich Fragen für Unternehmen und Regulierer zur Entscheidungsfindung durch KI auf.
Centaur: ein KI-Modell zur Verhaltensmodellierung und kognitiven Forschung
Das Modell Centaur basiert auf einer Feinabstimmung von Meta’s Llama 3.1 70B mittels QLoRA, wobei nur rund 0,15 % der Parameter verändert wurden. Trainiert wurde es auf dem eigens zusammengestellten Datensatz Psych‑101, der mehr als 160 psychologische Experimente mit über 60.000 Teilnehmern umfasst.
Die Forscher zeigen, dass Centaur menschliche Entscheidungen nicht nur in bekannten Versuchsanordnungen vorhersagt, sondern auch in veränderten Kontexten generalisiert. Dieser Befund stützt die Idee, dass Algorithmen zugrundeliegende Muster menschlicher Kognition erfassen können, die über einfache Regelanpassung hinausgehen.
Trainingsdaten, Technik und neuronale Übereinstimmung
Psych‑101 enthält Trial‑by‑Trial‑Transkripte von Gedächtnisaufgaben, Glücksspielen und Problemlösungen, wodurch die Datenanalyse reichhaltigen Kontext erhält. Interessant ist die beobachtete Korrelation zwischen internen Repräsentationen des Modells und menschlicher Hirnaktivität aus fMRI‑Messungen.
Diese Übereinstimmung legt nahe, dass ein auf Verhaltensdaten trainiertes Modell Aspekte von Neurale Netze‑Repräsentationen entwickelt, die mit biologischer Aktivität resonieren. Für die Forschung bedeutet das ein neues Instrument, um Theorien der Entscheidungsfindung experimentell zu prüfen.
Was das für Unternehmen bedeutet: Governance, Kosten und Praxisbeispiele
Die Ergebnisse kommen zu einem Zeitpunkt, in dem Entscheidungsfindung durch KI in Unternehmen zunehmend reguliert wird. Der EU AI Act verlangt dokumentierte Governance‑Prozesse; bereits rund 77 % der Organisationen arbeiten an formellen Programmen. Marktstudien prognostizieren ein jährliches Wachstum von 36,7 % für AI‑Governance‑Tools mit einem Volumen von 29,6 Milliarden Dollar bis 2033.
Praxisnahe Fallstudien zeigen die Diskrepanz zwischen Forschung und Unternehmensrealität. Ein Berliner E‑Commerce‑Unternehmen (ca. 500 Mitarbeitende) benötigte acht Monate für die Entscheidungsphase, investierte 150.000 Euro und erreichte nach Pilotierung eine Reduktion der Lieferzeiten um 18 %. Die Holding RSBG SE führte in neun Monaten eine zentrale Plattform ein und sparte anschließend über 400 Stunden monatlich.
Solche Beispiele verdeutlichen, dass technische Erkenntnisse wie jene von Centaur für die Praxis relevant sind, aber erst durch strukturierte Governance, Datenaufbereitung und Change‑Management wirksam werden. Weitere Einordnungen zur Struktur digitaler Märkte finden Unternehmen in Analysen zur Struktur digitaler Märkte.
Risiken, Grenzen und kommende Trends in der KI‑Entscheidungsfindung
Trotz der Stärken bleiben Grenzen: Laborexperimente spiegeln nicht immer komplexe Alltagsentscheidungen, und Trainingsdaten können demographisch eingeschränkt sein. Ethikfragen zu Privatsphäre und Manipulationspotenzial sind zentral, wenn KI menschliches Verhalten präziser vorhersagen kann.
Operativ stehen Unternehmen vor typischen Fehlerquellen: unklare Ziele, unterschätzte Datenaufbereitungskosten (bis zu 60–80 % des Budgets), kultureller Widerstand und fehlende KPIs. Viele Misserfolge resultieren weniger aus Technik als aus Prozessen.
Gleichzeitig zeichnen sich Trends ab: Von generativer KI hin zu autonomen KI‑Agenten, die Entscheidungen ausführen, schreitet die Automatisierung voran. Gartner erwartet, dass bis 2028 rund 33 % der Unternehmensanwendungen Agenten integrieren. Die Demokratisierung durch No‑Code‑Plattformen und die Integration in Tools wie Microsoft 365 ändern zudem die Verantwortlichkeiten. Vertiefende Überlegungen zur Rolle von KI‑Agenten finden sich in Beiträgen zu KI‑Agenten für Geschäftsprozesse.
Die Entwicklung zeigt: KI‑Modelle wie Centaur eröffnen neue Einsichten in menschliche Entscheidungsmechanismen und liefern zugleich Handlungsdruck für Unternehmen. Die Herausforderung besteht nun darin, wissenschaftliche Erkenntnisse technisch, organisatorisch und regulatorisch verantwortbar in reale Entscheidungsprozesse zu überführen.
