Diese Studie untersucht die Leistungsfähigkeit generativer künstlicher Intelligenz (GenAI) im Kontext des Value-Focused Thinking, insbesondere ihre Fähigkeit, hochwertige Zielsysteme für organisationale oder politische Entscheidungen zu entwickeln. Insgesamt zeigen unsere Ergebnisse, dass die von GenAI generierten Ziele einzeln betrachtet meist sinnvoll sind, die resultierenden Zielsysteme als Ganzes jedoch deutliche Schwächen aufweisen. Häufig enthalten sie irrelevante Aspekte, lassen wichtige Ziele aus und sind zudem redundant sowie nicht klar strukturierbar. Dies ist unter anderem darauf zurückzuführen, dass GenAI dazu neigt, Mittelziele einzubeziehen – selbst dann, wenn dies explizit vermieden werden soll.

Gleichzeitig zeigen wir, dass sich die Qualität der Zielsysteme durch den Einsatz von Best Practices im Prompting sowie durch Expertise in der Entscheidungsanalyse deutlich verbessern lässt. Die Ergebnisse unterstreichen die Bedeutung eines „Human-in-the-Loop“-Ansatzes: GenAI eignet sich gut zur Generierung erster Zielideen, jedoch ist die Einbindung von Expert:innen mit fundiertem Hintergrund in der Entscheidungsanalyse entscheidend, bevor die Ergebnisse zur Unterstützung realer Entscheidungen verwendet werden.

Zur praktischen Umsetzung präsentieren und demonstrieren wir einen vierstufigen Ansatz, der die jeweiligen Stärken von GenAI und Entscheidungsanalyst:innen kombiniert.

Simon, Jay; Siebert, Johannes U. ChatGPT vs. Experts: Can GenAI Develop High Quality Organizational and Policy Objectives? Decision Analysis (in press). https://doi.org/10.1287/deca.2025.0387