Was ist das?
Die Delphi-Methode ist ein systematisches, mehrstufiges Befragungsverfahren zur Aggregation von Expertenwissen bei komplexen Prognosen und unvollständiger Datenlage. Entwickelt in den 1950er-Jahren von Norman Dalkey und Olaf Helmer bei der RAND Corporation für militärische Vorhersagen, eliminiert das Verfahren Gruppendruck, Statushierarchien und rhetorische Verzerrungen, die herkömmliche Expertenrunden dominieren.
Der methodische Mechanismus
Der Prozess operiert über anonyme, iterative Runden mit kontrolliertem Feedback:
1. Runde 1 (Exploration): Unabhängige, anonyme Beantwortung offener oder quantitativer Fragen durch ein divers zusammengestelltes Expertenpanel.
2. Statistische Aggregation: Ein Moderator fasst die Ergebnisse zusammen, errechnet statistische Kennzahlen (Median, Quartile) und isoliert abweichende Extrempositionen.
3. Runde 2 (Begründung & Reflexion): Den Experten werden die aggregierten Ergebnisse und Argumente vorgelegt. Teilnehmer, deren Einschätzung stark vom Median abweicht, werden gebeten, ihre Position zu begründen oder ihr Urteil anzupassen.
4. Runde 3 (Konvergenz): Wiederholung der Feedbackschleife bis zur Ausbildung eines stabilen Konsenses oder der klaren Herausarbeitung unüberbrückbarer Dissens-Ursachen.
Der algorithmische Reactor-Vorteil
Herkömmliche Delphi-Studien leiden unter hohem Zeitaufwand und Ermüdung der Teilnehmer über mehrere Wochen hinweg. Der Brainstorm Reactor beschleunigt das Prinzip:
- Synthetische Panel-Simulation: Der Reactor simuliert divergierende Expertenperspektiven aus unterschiedlichen Disziplinen und lässt diese in iterativen Feedbackschleifen gegeneinander antreten.
- Neutralisierung rhetorischer Dominanz: Ideen werden rein nach ihrer logischen Konsistenz und empirischen Plausibilität gewichtet.
- Präzise Dissens-Explikation: Das System macht transparent, warum Experten zu unterschiedlichen Schlüssen gelangen (z. B. divergierende Vorannahmen über technologische Durchbrüche).
Grenzbereiche & Trade-offs
Die Methode eignet sich nicht für Probleme, die durch exakte mathematische Berechnungen oder historische Zeitreihenanalysen gelöst werden können. Zudem besteht das Risiko, dass der Zwang zur Konsensbildung innovative, radikale Minderheitenmeinungen zugunsten eines mittelmäßigen Kompromisses glättet.
Strategische Anwendungsfelder
Essentiell für die strategische Zukunftsforschung, Technologie-Roadmaps mit Zeithorizonten über zehn Jahre sowie Risikoanalysen in neuen regulatorischen Feldern (z. B. Quantencomputing, Gentechnik).