15.10.2025 | Automatisierte Zukunftsanalysen: KI revolutioniert die Szenarienentwicklung
Die Hochschule für Polizei Baden-Württemberg (HfPolBW) erforscht im Rahmen eines Forschungsprojektes mit dem IZT – Institut für Zukunftsstudien und Technologiebewertung Projektname: Cyberkriminalität 2040: technologische und soziokulturelle Entwicklungspfade, Zukunftsszenarien und Strategien für eine resiliente Gesellschaft (CytZuReDen)“ in einem Teil „Automatisierung bei der Szenariengenerierung für Zukunftsanalysen“ innovative Wege, um Zukunftsszenarien mithilfe generativer Künstlicher Intelligenz effizienter, nachvollziehbarer und bias-minimiert zu gestalten. Ziel ist es, komplexe gesellschaftliche und technologische Entwicklungen – etwa im Bereich der Cybersicherheit – dynamisch und multiperspektivisch zu analysieren.
Vision für die Zukunftsforschung
Das Projektteam der HfPolBW entwickelt eine adaptive KI-Architektur, die auf modernsten Verfahren wie Mixture-of-Experts (MoE) und Mixture-of-Transformers (MoT) basiert. Diese Technologien ermöglichen es, unterschiedliche Dimensionen eines Szenarios – etwa technologische Innovationen, gesellschaftliche Dynamiken oder sicherheitsrelevante Risiken – gleichzeitig zu modellieren. Ergänzend überwachen Sparse Transformers die generierten Ergebnisse auf Verzerrungen (Bias) und sichern damit sowohl die Vielfalt als auch die Validität der Szenarien.
Transparente und erklärbare KI
Ein zentrales Ziel ist es, die Nachvollziehbarkeit der KI-generierten Szenarien zu stärken. Dafür werden sogenannte Chain of Thought– und Chain of Reasoning-Ansätze integriert, die es erlauben, die internen Argumentationsketten der KI offenzulegen. Dadurch werden Entscheidungsprozesse transparent und wissenschaftlich überprüfbar – ein wichtiger Schritt, um Vertrauen in KI-basierte Zukunftsanalysen zu schaffen.
Forschungsschwerpunkte und technologische Umsetzung
Die Umsetzung erfolgt in mehreren Phasen:
- Datenaufbereitung: Nutzung multidimensionaler und multimodaler Datensätze (Text, Bild, Video).
- Szenariengenerierung: Einsatz von MoE- und MoT-Modellen zur differenzierten Abbildung verschiedener Zukunftsperspektiven.
- Bias-Analyse: Verwendung von Sparse Transformers zur Identifikation und Reduktion von Verzerrungen.
- Erklärbarkeit: Integration von Erklärungsmodellen zur Begründung und Plausibilisierung der Szenarien.
Ein exemplarischer Anwendungsfall liegt im Bereich Cybersicherheit: Hier werden KI-basierte Zukunftsszenarien zu Angriffen auf kritische Infrastrukturen entwickelt. Diese kombinieren faktenbasierte Analysen technologischer Schwachstellen mit der Darstellung sozialer und ökonomischer Wechselwirkungen – und schaffen so ein tiefgreifendes Verständnis möglicher Zukunftsentwicklungen.
Ein Beitrag zur strategischen Vorausschau und Sicherheitsforschung
Mit diesem Projekt leistet die HfPolBW einen innovativen Beitrag zur strategischen Vorausschau im öffentlichen Sektor. Durch die Verbindung aus generativer KI, modularen Modellarchitekturen und erklärbaren Verfahren entsteht ein leistungsfähiges Werkzeug für evidenzbasierte Zukunftsplanung – von der Cybersicherheitsforschung bis hin zur gesellschaftlichen Risikoanalyse.
