Kritik an Gartners Prognosemodell Interim Manager: „Gartner Hype Cycle ist Nonsense“

Anbieter zum Thema

Gartner Inc

Gartner Deutschland GmbH

Fujitsu Technology Solutions GmbH

Board Deutschland GmbH

QUNIS GmbH

Der Gartner Hype Cycle gehört zum Standardinventar jeder KI-Marktanalyse. Der Interim Manager Eckhart Hilgenstock nennt das Modell „Nonsense“ und „wissenschaftlich längst widerlegt“. Seine Kritik trifft einen echten Schwachpunkt.

Das Hype-Cycle-Diagramm verortet Technologien auf einer Kurve, die vom „Innovationsauslöser“ über den „Gipfel überzogener Erwartungen“ und das „Tal der Enttäuschungen“ bis zum „Plateau der Produktivität“ führt. Für Hilgenstock, der Unternehmen zur digitalen Transformation berät, liegt das Modell bei vielen Technologien „völlig daneben“. Seine Warnung: Wer die im Modell angelegte Abkühlung abwarte, bevor er in Künstliche Intelligenz investiere, komme zu spät. „Unternehmen sind gut beraten, heute in KI zu investieren“, so Hilgenstock.

Hilgenstock hat seit 2023 mehrere KI-Einführungsprojekte geleitet und ein Buch zum KI-Einsatz in Unternehmen veröffentlicht. Seine Handlungsempfehlung, zügig praktische Erfahrung zu sammeln und iterativ vorzugehen, deckt sich mit dem Leistungsangebot eines KI-affinen Interim Managers.

Ein Beratungsframework, kein Naturgesetz

An der grundsätzlichen Kritik ist etwas dran. Der Hype Cycle ist kein empirisch validiertes Prognoseinstrument, sondern ein deskriptives Modell, das Gartner Ende der 1990er-Jahre einführte. Dass nicht jede Technologie die Phasen brav durchläuft, ist in der Innovationsforschung bekannt. Wie Gartner die Kurve aktuell befüllt, zeigt der Hype Cycle für KI 2025, in dem KI-Agenten und AI-Ready Data den Gipfel der Erwartungen besetzen.

Dass der Markt KI längst nicht mehr als Experiment behandelt, zeigt das Investitionsvolumen: Gartner hat seine IT-Ausgabenprognose für 2026 nach oben korrigiert, auf 6,31 Billionen US-Dollar, getrieben vor allem von KI-Infrastruktur.

Hilgenstock verweist auf die historische Entwicklung der KI selbst. Sie verlief nicht entlang einer einzelnen Kurve, sondern in mehreren Wellen. Auf Phasen großer Erwartungen folgten die „KI-Winter“ der 1970er- sowie der späten 1980er- und frühen 1990er-Jahre, ehe Expertensysteme, statistisches Machine Learning und schließlich Deep Learning und generative Modelle neue Aufschwünge brachten. Auch sein Hinweis auf parallele Reifegrade trägt: Während generative KI seit Ende 2022 boomt, sind tabellarisches Machine Learning sowie Empfehlungs- und Prognosesysteme längst produktiv im Einsatz. Ein eindimensionales Modell bildet diese Gleichzeitigkeit schlecht ab.

Was die Studie wirklich sagt

Als Beleg führt Hilgenstock die Studie „The hype cycle model: A review and future directions“ von Ozgur Dedehayir und Martin Steinert aus dem Jahr 2016 an. Sie stützt die Kritik, allerdings differenzierter, als das Wort „widerlegt“ nahelegt. Die Autoren glichen Gartners eigene Technologie-Datenbanken mit realen Verlaufsdaten ab und fanden Unstimmigkeiten gegenüber den Gartner-Berichten, die die zuverlässige Anwendbarkeit des Modells infrage stellen. Ihr Fazit ist aber kein Pauschalverdikt. Das Phänomen Hype sei real und ein sinnvoller Baustein für Modelle der Technologieadoption. Nur die konkrete Gartner-Kurve halte der empirischen Prüfung nicht stand und sei in etablierten Diffusionsmodellen besser aufgehoben. Ein deskriptives Modell wird hier also nicht widerlegt, sondern als empirisch unzuverlässig eingestuft.

Schwächer ist ein anderer Beleg. Smartphones und Cloud Computing hätten sich ausgebreitet, „ohne jemals eine Talsohle zu durchlaufen“, argumentiert Hilgenstock. Das hält der Technikgeschichte allerdings nicht ganz stand. Dem iPhone-Start 2007 ging eine Phase massiv enttäuschter Erwartungen voraus, als WAP-Handys und das mobile Internet um die Jahrtausendwende die Versprechen nicht einlösten und im Zuge des Dotcom-Crashs abgeschrieben wurden. Der mobile Durchbruch kam erst nach einer ausgeprägten Talsohle. Auch die Aufforderung, jetzt zu investieren, ehe es zu spät sei, arbeitet selbst mit einem Dringlichkeitsmotiv, das dem Erwartungsaufbau ähnelt, den der Hype Cycle beschreibt.

Doppelter Befund für die Praxis

Den Hype Cycle als verbindlichen Fahrplan zu lesen, von dem sich Investitionszeitpunkte ableiten lassen, ist riskant. So weit folgt die Kritik der Forschung. Die Sorge aber, Unternehmen könnten wegen des Modells in Wartestellung verharren, geht an der Marktlage vorbei. Gartner-Analyst John-David Lovelock verortet KI selbst bereits in der Phase der Ernüchterung, investiert wird trotzdem in Rekordhöhe. Wer abwartet, ist derzeit die Ausnahme. Entscheidender als der Zeitpunkt sind ohnehin die Bedingungen, die Hilgenstock selbst nennt: eine aufgeräumte Datenbasis und eine Strategie, die laufend an den technischen Fortschritt angepasst wird.

(ID:50883582)