Crowdsourcing funktioniert – manchmal sogar zu gut. Mit den heutigen KI-Tools und digitalen Plattformen können Unternehmen innerhalb weniger Tage Tausende von Ideen sammeln. Der eigentliche Engpass liegt oft nicht in der Generierung von Ideen, sondern in deren Bewertung. Wenn Hunderte oder Tausende von Einreichungen den Ideentrichter fluten, haben selbst erfahrene Experten Mühe mit der Aufarbeitung. Ermüdung setzt ein, die Aufmerksamkeit lässt nach und Entscheidungen werden inkonsistent. Die entscheidende Frage ist dann nicht, wie man mehr Ideen bekommt, sondern wie sich die richtigen schnell und verlässlich identifizieren lassen. Unsere Forschung liefert darauf eine pragmatische Antwort: die Kombination eines einfachen KI-Screenings – der Idea Screening Efficiency (ISE) Curve – mit Management-Know-how. So können Organisationen die Ideenflut systematisch bewältigen, die Bewertungszeit deutlich reduzieren und gleichzeitig die Kontrolle darüber behalten, wie rigoros aussortiert wird. 

Der unvermeidliche Trade-off beim Ideen-Screening

Im Kern ist Ideenscreening ein Klassifikationsproblem mit asymmetrischen Risiken. Schwache Ideen auszusortieren, spart Zeit und Kosten; eine starke Idee abzulehnen bedeutet, möglicherweise den nächsten großen Wurf zu verpassen. Je mehr Ideen ausgeschlossen werden, desto höher ist das Risiko, auch gute und nützliche Ideen zu verwerfen. In klassischen Ideenwettbewerben akzeptieren Manager typischerweise, wenn rund 25 % aller Ideen aussortiert werden, ohne dabei mehr als 15 % der guten Ideen zu verlieren, oder alternativ 50 % aller Ideen auszusortieren, ohne mehr als 30 % der guten Ideen zu opfern. Diese Richtwerte können als Benchmarks für jede KI-basierte Screening-Lösung dienen.

Früheren Modelle zum Ideenscreening gelingt es kaum, Expertenentscheidungen in der Praxis realitätsnah abzubilden. Manager benötigen eine transparente Regel für das Ideenscreening, die skalierbar ist, vielversprechende Ideen erhält und sich steuern lässt. Die ISE Curve ist theoretisch fundiert und lässt sich mit den folgenden Schritten unkompliziert in der Praxis anwenden. Abbildung 2 zeigt dabei typische Fallstricke.

> Definieren Sie Ihre Verlustfunktion

Legen Sie vorab fest, wie viele gute Ideen Sie zugunsten von Geschwindigkeit und Kosteneinsparungen zu verlieren bereit sind. Je nach Anzahl und Verfügbarkeit von Experten setzen Unternehmen unterschiedliche Toleranzen. In stark standardisierten Kategorien mit klaren Anforderungen ist eine etwas höhere Fehlquote akzeptabel, um den Prozess zu beschleunigen. In neuen, noch unscharfen Kategorien sollten Sie hingegen konservativ vorgehen – hier wollen Sie das Risiko vermeiden, die Chance auf den nächsten großen Durchbruch zu versäumen.

> Nutzen Sie Wort-Atypikalität als pragmatisches Signal

Die Wort-Atypikalität vergleicht das Vokabular einer Ideenbeschreibung mit dem gesamten Wortschatz des Wettbewerbs. Ideen mit niedriger Wort-Atypikalität – also gut im Themenfeld verankerte Beiträge – werden von Experten höher bewertet. Vorschläge mit stark eigenwilliger Sprache und geringer Überschneidung sind häufiger schlecht ausgerichtet oder inhaltlich dünn. Diese Kennzahl ist einfach zu berechnen und gut erklärbar.

> Wählen Sie Ihren Risikopunkt auf der ISE Curve

Nutzen Sie die ISE Curve, um den initialen Schnitt zu bestimmen. Wenn Zeit knapp ist und die Kategorien ausgereift sind, bietet sich ein moderates Screening an. Bei neuen Themenfeldern oder hohem Reputationsrisiko sollten Sie vorsichtiger starten.

> Nachverfolgen, lernen und nachjustieren

Unabhängig vom gewählten Punkt: Dokumentieren Sie die Entscheidung und verfolgen Sie die Effekte entlang des Prozesses. Wie viel Begutachtungszeit wurde eingespart? Wie viele gute Ideen gingen verloren? Vermeiden Sie die „Set and forget“-Falle. Sprache entwickelt sich weiter, Teams verändern sich, und die Ziele von Wettbewerben unterscheiden sich. Entsprechend muss auch die Screening-Strategie laufend angepasst werden.

Mit einer reduzierten Liste können Experten ihre Zeit auf tiefergehende Bewertung und Diskussion einzelner Ideen konzentrieren und so die besten auswählen. Dieser Ansatz stellt sicher, dass verlorene gute Ideen innerhalb der definierten Toleranz bleiben. Die Zeit bis zur Shortlist verkürzt sich erheblich, und die Zufriedenheit der Experten steigt, da sie ihre Zeit auf die Ideen konzentrieren, die am relevantesten sind.

Intelligente Auswahl gewinnt

KI ersetzt nicht das menschliche Urteilsvermögen bei der Ideenfindung, sondern verfeinert es. Die ISE Curve bietet eine transparente, datengestützte Methode, um die Ideenflut zu bewältigen, ohne strategische Kontrolle abzugeben. Durch die Kombination einfacher KI-Tools mit Kontrolle durch das Management können Unternehmen schneller selektieren, klügere Entscheidungen treffen und menschliche Expertise genau dort einsetzen, wo sie den größten Unterschied macht: bei der Identifikation der Ideen, die das Geschäft wirklich voranbringen.

Bell, J. J., Pescher, C., Tellis, G. J., & Füller, J. (2024). Can AI help in ideation? A theory-based model for idea screening in crowdsourcing contests. Marketing Science, 43(1), 54–72. https://doi.org/10.1287/mksc.2023.1434