Muster über Zeit

Die Methode: erst einzeln, dann zusammen

Das ist das Kernprinzip von Muster über Zeit und eigentlich der gesamten Phase 3: Auseinandernehmen und Synthetisieren.

Nicht alle Transkripte auf einmal an AI verfüttern. Nicht jede Sitzung als isolierte Insel behandeln. Sondern:

1. Erst jede Sitzung einzeln analysieren: mit der gleichen Methodik, den gleichen Fragen, den gleichen Linsen
2. Dann synthetisieren: die Analysen vergleichen, nach Mustern suchen

Warum nicht alles auf einmal? Weil du die Nuance einzelner Gespräche verlierst, keine Kontrolle über die Methodik hast und Daten bekommst, die nicht vergleichbar sind. Das Kontextfenster der AI füllt sich, und die Ergebnisse werden schlechter.

Warum nicht einzeln? Weil du die Verbindungen zwischen Sitzungen verpasst, keine Verschiebungen sehen kannst und jede Analyse eine Insel bleibt.

Der Ansatz ist einfach, aber wirkungsvoll: Konsequent die gleiche Analyse auf jede Sitzung anwenden, dann die Analysen nebeneinanderlegen. Du bewahrst den Reichtum jedes Gesprächs und machst Muster sichtbar, die du sonst verpassen würdest.

Die Kontrolle liegt in der Methodik: Wenn die Synthese nicht überzeugt, kannst du sie auf Basis der gleichen einzelnen Analysen wiederholen. Wenn du weißt, dass die einzelnen Analysen solide sind und das Problem in der Synthese liegt, passt du nur den Synthese-Prompt an. Der Input bleibt gleich.

Was die Analyse ergibt

Als ich diese Methodik auf sieben Treffen angewandt hatte, war meine erste Frage: Bringt das überhaupt etwas? Kann AI diese menschlichen Verschiebungen tatsächlich erfassen?

Zu dem Zeitpunkt hatte der Doesburg-Prozess bereits zehn Treffen gehabt. Ich analysierte die ersten sieben und stellte AI eine einfache Frage: Was erwartest du von Treffen acht? Ich wusste bereits, was in Treffen acht passiert war. Das war das Ehrliche an diesem Experiment: Es war im Nachhinein überprüfbar. Keine Spekulation, sondern eine Hypothese, die ich checken konnte.

Das Setup: Ich gab jedes der sieben Transkripte einer separaten AI. Sieben parallele Analysen, jede in ihrem eigenen Kontextfenster, mit dem gleichen Prompt und den gleichen sechs Signalen. Maximales Detail pro Sitzung. Eine Synthese-AI kombinierte dann alle sieben Analysen.

Das Szenario, das eintraf

Die Synthese-AI schrieb ein Szenario für Treffen acht. Keine Vorhersage im Sinne von "das wird passieren", sondern eine Beschreibung der wahrscheinlichsten Dynamik. Das Szenario hieß "die Ernte", und was mich überraschte, war der Inhalt: Es beschrieb eine Gruppe, die mit einer Mischung aus Stolz und Realismus zusammenkommen würde. Stolz, weil sie es geschafft hatten, eine öffentliche Veranstaltung zu organisieren. Realismus, weil nicht alles perfekt gelaufen war.

Ich wusste, was in Treffen acht passiert war. Und dieses Szenario stimmte weitgehend. Nicht wörtlich, aber die Dynamik war richtig. Die Spannung, die das Szenario beschrieb (Erwartung versus Realität), war genau das, was im Raum hing.

Das war die Antwort auf meine Frage. Ja, AI kann diese menschlichen Verschiebungen erfassen. Nicht perfekt, nicht alles, aber genug, um damit zu arbeiten. Und das Szenario war nicht das Einzige, was die Synthese hervorbrachte.

Die Daten unter der Geschichte

Die Synthese lieferte auch etwas, das du auf einen Blick lesen kannst. Von den sechs Signalen, die ich pro Treffen verfolgte, lassen sich drei als Zahlen ausdrücken:

                 T1  T2  T3  T4  T5  T6  T7
Eigenverantwortung 2   4   4   6   6   7   7   ▂▄▄▆▆▇▇
Energie           6   7   7   7   7   6   7   ▆▇▇▇▇▆▇
Entscheidungen    5   4   1   5   6   6   7   ▅▄▁▅▆▆▇

Drei Linien, drei Geschichten. Eigenverantwortung steigt in zwei Sprüngen und konsolidiert sich: Die Gruppe übernimmt schrittweise die Initiative. Energie bleibt bemerkenswert stabil, mit einem Einbruch, der (vermutlich) nicht inhaltlich bedingt war, sondern daran lag, dass das Treffen online stattfand. Und Entscheidungen erzählt vielleicht die überraschendste Geschichte: ein Tal im dritten Treffen (der Check-in nahm die gesamte Sitzung ein), gefolgt von einer stetigen Beschleunigung, als die Gruppe lernte zu beraten und vor allem zu entscheiden.

Jede Linie sagt für sich etwas. Aber zusammen sagen sie mehr. Die stabile Energie stützt das Wachstum der Eigenverantwortung: Die Gruppe bleibt dran, auch wenn es schwierig wird. Und die Beschleunigung bei Entscheidungen korreliert mit dem Moment, als eine konkrete Deadline kam.

Die anderen drei Signale (Spannung, Gruppenidentität, Verhaltensmuster) sind qualitativ und schwerer in einem Diagramm zu erfassen, aber mindestens genauso wertvoll. Wie sich Spannung von "Wut auf das System" zu "Geduld versus Tatendrang" verschiebt. Wie sich Gruppenidentität von "kleiner Club" zu "vielfältige Doesburg-Bewohner, die etwas aufbauen" verändert. Solche Verschiebungen siehst du nur, wenn du systematisch zurückschaust.

Und das sind sechs Signale, die ich gewählt habe. Es ist wahrscheinlich noch viel mehr möglich. Andere Fragen, andere Linsen, andere Signale, je nachdem, was du über deine Gruppe wissen willst. Die Methode ist die gleiche: konsequent die gleiche Analyse pro Sitzung anwenden, dann die Analysen nebeneinanderlegen.

Die Facilitationskarte

Das Szenario zeigt, dass die Synthese funktioniert. Die Kurven zeigen, wie sich die Gruppe verschiebt. Aber die gleiche Synthese brachte auch etwas hervor, das du nach vorne gerichtet nutzen kannst: vier Aufmerksamkeitspunkte, über die du vor deinem nächsten Treffen nachdenken kannst. Was mich überraschte, war, wie spezifisch sie waren. Kein generischer Rat, sondern Punkte, die direkt aus dem kamen, was in dieser Gruppe passiert war.

Schützen: Was sollte ich beim nächsten Treffen schützen? Denke an Reflexionszeit, bevor der Lösungsreflex einsetzt. Verletzliche Stimmen, die sich nicht von selbst melden. Den Lernprozess selbst.

Konfrontieren: Was sollte ich benennen, auch wenn es unbequem ist? Abwesenheit, die zum Muster wird. Finanzielle Realitäten, die niemand auszusprechen wagt. Abhängigkeit von einer Person, während die Gruppe selbst navigieren sollte.

Loslassen: Wovon sollte ich mich lösen? Perfektion. Vollständige Anwesenheit. Den ursprünglichen Plan, wenn der Prozess in eine andere Richtung geht.

Beobachten: Worauf achte ich als Signal für echte Veränderung? Wer übernimmt die Führung nach einem öffentlichen Moment? Wenn du den nächsten Schritt initiieren musst, stagniert die Eigenverantwortungs-Linie. Wenn ein Gruppenmitglied spontan sagt "Ich schlage vor, wir machen das so", ist die Verschiebung echt.

Diese vier Punkte sind nicht generisch. Sie kommen direkt aus den Daten von sieben Treffen. Das ist der Unterschied zu einer Standard-Checkliste: Jede Frage ist verwurzelt in dem, was tatsächlich gesagt und was tatsächlich passiert ist.

Was AI noch finden kann

Über die Signale und die Facilitationskarte hinaus kann die Synthese noch etwas anderes ergeben: wiederkehrende Muster, die du als Facilitator erkennst, aber nie formalisieren würdest. Wissensmodule, die stark genug sind, um sie mit anderen Prozessen zu teilen. Die Frage war: Gibt es in diesen Gruppengesprächen Erkenntnisse, die breiter anwendbar sind?

Der Transcript Analyst (Schritt 1 der Methode) sucht pro Treffen nicht nur nach Signalen, sondern auch nach dem, was der Prompt "Kandidatenmodule" nennt: wiederverwendbare Muster. Erkenntnisse, Arbeitsweisen oder Strategien, die stark genug sind, um sie zu benennen, zu merken und in anderen Prozessen anzuwenden. Die Synthese-AI vergleicht diese Module über alle Treffen und markiert, welche wiederkehren.

Die Hilfefrage. Einer der Teilnehmenden sagte im vierten Treffen: "Sag nicht, wir brauchen Hilfe. Nein, sag: Willst du mir helfen? Das ist der Moment, wo die Leute denken, ach ja, erzähl mir mehr." Dieser Moment kam im sechsten Treffen zurück, als die Gruppe einen Einladungstext schrieb. AI erkannte es als das gleiche Muster: Die Art, wie du die Frage formulierst, bestimmt, ob sich Menschen eingeladen oder angesprochen fühlen.

Der Gruppe-8-Test. Einer der Teilnehmenden führte das Prinzip ein: Jede Kommunikation sollte auf dem Niveau der Gruppe 8 verständlich sein (das letzte Jahr der niederländischen Grundschule, etwa vergleichbar mit der sechsten Klasse). Die Gruppe wendete es auf ihre Einladung an, und es wurde ein wiederkehrender Prüfpunkt in späteren Treffen. Ein einfaches Prinzip, das AI über mehrere Sitzungen hinweg erkannte.

Das klingt vielleicht nach offenen Türen. Aber interessant ist, dass AI diese "Module" selbstständig herausgefiltert hat. Der Prompt bittet AI, pro Treffen nach übertragbaren Erkenntnissen zu suchen, und die Synthese zieht die Verbindungen. Was du zurückbekommst, sind Muster, die du informell schon gespürt hast, jetzt aber formalisiert und gestützt durch Zitate aus mehreren Treffen.

Was du damit machen kannst

Muster sichtbar zu machen ist Schritt eins. Die Frage danach ist immer vorwärtsgerichtet: Was machst du damit?

Als Vorbereitung

Die Facilitationskarte oben ist das konkreteste Beispiel. Aber die Vorbereitung geht breiter: Mit den Analysen aller vorherigen Treffen kannst du AI auch bitten, Szenarien zu skizzieren, Spannungen zu markieren, die wahrscheinlich wieder auftauchen, oder Stimmen zu identifizieren, die du schützen möchtest. Der Unterschied zu generischem Rat ist, dass alles verwurzelt ist in dem, was tatsächlich in deiner Gruppe gesagt wurde.

Als Spiegel

"Schaut, was sich verändert hat." Zeig der Gruppe die Analyse. Nicht als Bewertung, sondern als Rückblick. Im Doesburg-Prozess erkannten sich die Gruppenmitglieder in den Verschiebungen wieder: vom Abwarten zum Initiative-Ergreifen, von nach außen gerichtet ("die Gemeinde sollte") zu nach innen gerichtet ("wir werden"). Dieser Spiegel hilft einer Gruppe zu sehen, wie weit sie gekommen ist, auch wenn es sich nicht so anfühlt.

Als Evaluation

Auftraggeber fragen oft: Funktioniert dieser Prozess? Mit Muster über Zeit kannst du die Verschiebung zeigen, nicht in abstrakten Begriffen, sondern in den Worten der Teilnehmenden selbst. Diese Eigenverantwortungs-Kurve von 2 auf 7 über sieben Treffen ist überzeugender als jedes Evaluationsformular.

Als Geschichte

Wenn du größer denkst, wird mehr möglich. Wenn du Muster über Zeit sichtbar machst, erschaffst du die Geschichte der Gruppe. Nicht "was wir gemacht haben", sondern "wer wir geworden sind." Diese Geschichte ist wertvoll für die Gruppe selbst, für Auftraggeber und für zukünftige Projekte. Es ist der Unterschied zwischen einer Aktivitätenliste und einer Entwicklungserzählung.

Die Prompts

Die Prompts, die ich im Doesburg-Prozess verwendet habe, bilden ein Zwei-Schritte-System: erst ein Transcript Analyst, der jedes Transkript einzeln analysiert, dann ein Predictive Synthesizer, der die Analysen kombiniert. Du kannst sie mit jedem AI-Modell verwenden, das lange Texte verarbeiten kann.

Schritt 1: Transcript Analyst

Verwende diesen Prompt pro Treffen. Gib der AI das Transkript, die Treffennummer und optional die Analyse des vorherigen Treffens als Kontext.

Du bist ein Transcript Analyst. Du analysierst ein Transkript eines partizipativen Gruppenprozesses. Dein Ziel ist nicht zusammenzufassen, sondern Signale zu extrahieren, die später verwendet werden, um den Verlauf der Gruppe vorherzusagen.
Kernprinzip: Zusammenfassen beschreibt, was WAR. Signale extrahieren beschreibt, was sich BEWEGT. Du suchst nach Bewegung: was sich verschiebt, was sich beschleunigt, was stagniert, was kurz vor dem Kippen steht.
Anweisungen:
Lies das vollständige Transkript sorgfältig
Extrahiere die 6 Signale (siehe Signalmodell unten)
Extrahiere alle ARL-Punkte (Aktionen, Reflexionen, Lektionen) und Entscheidungen
Identifiziere Kandidatenmodule (wiederverwendbare Muster)
Notiere blinde Flecken und Risiken
Liefere den Output im untenstehenden Format
Regeln:
Jedes Signal MUSS durch ein wörtliches Zitat aus dem Transkript belegt werden
Hoher Recall: Wenn es zehn Aktionen gibt, nenne alle zehn. Nicht filtern.
Verwende die Sprache der Teilnehmenden, keinen akademischen Jargon
Der Facilitator ist auch Daten: Verfolge, wann er eingreift, sich zurücknimmt oder Stille zulässt
Das Signalmodell (6 Dimensionen):
S1 Ownership-Verlauf    Von facilitatorgeleitet zu gruppengesteuert?    Messung: Wer bringt Themen ein? Wer stellt Fragen vs. wer    antwortet? Wer sagt "wir werden..." vs. "ihr solltet..."?    Output: Wert 0-10 (0 = vollständig facilitatorgeleitet,    10 = vollständig gruppengesteuert) + Begründung.    Zitat: Der Moment, in dem Ownership am sichtbarsten ist.
S2 Spannungsentwicklung    Welche Spannungen sind vorhanden? Produktiv oder destruktiv?    Messung: Dominante Spannung. Explizit (benannt) oder implizit    (gefühlt, aber unausgesprochen)? Produktiv (führt zu Handlung)    oder destruktiv (führt zu Lähmung)?    Output: Spannung + Klassifikation    (produktiv/destruktiv/latent).    Zitat: Der Moment, in dem die Spannung am schärfsten ist.
S3 Energiepuls    Wie ist die kollektive Energie?    Messung: Momente des Lachens, der Stille, des    Durcheinanderredens, der Ablenkung, des tiefen Fokus. Das    Verhältnis von "präsent sein" vs. "abdriften."    Output: Wert 0-10 + Höhepunkt + Tiefpunkt.    Zitat: Das energetische Highlight.
S4 Entscheidungsdynamik    Werden Entscheidungen getroffen? Von wem? Explizit oder    implizit?    Messung: Zähle explizite Entscheidungen. Achte auf implizite    Entscheidungen (etwas wird angenommen ohne Abstimmung).    Verfolge, wer Entscheidungen initiiert.    Output: Anzahl + Typ (explizit/implizit/aufgeschoben)    + Initiator(en).    Zitat: Die wichtigste Entscheidung.
S5 Gruppenidentität    Wie definiert sich die Gruppe?    Messung: "Wir"-Sprache, Metaphern, In-/Outgroup-Dynamik,    Beziehung zu anderen Parteien.    Output: "Wir sind..." + "Wir sind nicht..."    Zitat: Die Aussage, die die Gruppenidentität am besten    erfasst.
S6 Musterstabilität    Welche wiederkehrenden Verhaltensmuster sind sichtbar?    Messung: Wer spricht wann, Rituale (Check-in),    Vermeidungsmuster, wiederkehrende Metaphern oder Witze.    Output: Liste der Muster + pro Muster:    aufkommend/stabil/abschwächend.    Zitat: Beleg für das stärkste Muster.
Ausgabeformat:
Treffen [N] Analyse — [Datum]
Kontext
Treffentyp: [Einführung / Vertiefungssitzung / Organisation / Entscheidungsfindung / etc.]
Anwesend: [Namen + Rollen]
Abwesend: [Namen — Abwesenheit ist auch eine Information]
Gruppenphase: [Forming / Storming / Norming / Performing — in einfacher Sprache]
Kernfrage: [Das zentrale Dilemma auf dem Tisch, oft implizit]
Signale
Pro Signal: Wert, Zitat, Analyse.
ARL-Extraktion (Vollständig)
AKT-[N]-01: [Wer] wird [was tun]. Status: [offen/abgeschlossen/abgelaufen]
REF-[N]-01: [Erkenntnis über den Prozess oder aktuellen Stand]
LER-[N]-01: [Verallgemeinerte Erkenntnis für die Zukunft]
ENT-[N]-01: [Entscheidung + wer initiiert hat + explizit/implizit]
Kandidatenmodule (wiederverwendbare Muster)
Pro Modul:
Typ: Erkenntnis / Arbeitsweise / Strategie
Kernlektion: [was übertragbar ist]
Bedingungen: [wann funktioniert das]
Anti-Muster: [wann funktioniert das nicht]
Beleg: [Zitat]
Blinde Flecken & Risiken
Pro Risiko: Name, Stufe (hoch/mittel/niedrig), Beschreibung.
Spiegel für die Teilnehmenden
[Max 150 Wörter, warm und beobachtend, in "wir"-Stimme. Enthält: Anerkennung, Fortschritt, Nugget, Cliffhanger-Frage]

Schritt 2: Predictive Synthesizer

Verwende diesen Prompt, nachdem alle einzelnen Analysen fertig sind. Gib der AI alle Analysen als Input.

Du bist ein Predictive Synthesizer. Du erhältst Analysen aus mehreren Treffen eines partizipativen Gruppenprozesses. Dein Ziel ist:
Den Verlauf der Gruppe über alle Treffen sichtbar machen
Veränderungslinien identifizieren (Verschiebungen, die sich über mehrere Treffen entfalten)
Eine detaillierte Vorhersage für das nächste Treffen erstellen
Kernprinzip: Muster über Zeit sind aufschlussreicher als Momentaufnahmen. Ein Ownership-Wert von 6 sagt wenig. Eine Kurve von 3 → 4 → 3 → 5 → 4 → 6 → 7 erzählt eine Geschichte. Du liest die Kurve, nicht den Punkt.
Anweisungen:
Lade alle Treffenanalysen
Erstelle das Verlaufs-Dashboard (Signale über Zeit)
Identifiziere Veränderungslinien (treffenübergreifende Verschiebungen)
Erstelle Retro-Vorhersagen (validiere das eigene Modell)
Generiere die Vorhersage für das nächste Treffen
Ausgabeformat:
Signal-Dashboard Alle sechs Signale pro Treffen in einer Tabelle. Pro Signal: beschreibe die Trendlinie über alle Treffen.
Veränderungslinien Pro Veränderungslinie: - Beschreibung der Verschiebung - Verlauf durch die Treffen, mit Zitaten - Projektion: Wohin geht das? - Konfidenzwert (0.0-1.0)
Retro-Vorhersagen (Modellvalidierung) Für jedes Treffen (2 bis N): Was hättest du basierend auf dem/den vorherigen Treffen vorhergesagt? Was ist tatsächlich passiert? Bewertung pro Vorhersage. Abschluss mit: Modellgenauigkeit und blinde Flecken des Modells.
Vorhersage Treffen [N+1] 4.1 Kontext & Bedingungen Was wissen wir über die Umstände? Zeitdruck? Jahreszeit? Externe Faktoren? Wer ist wahrscheinlich anwesend/abwesend?
   4.2 Szenarien        Szenario A: [Name] — Am wahrscheinlichsten        (Konfidenz: [X])        Mindestens 300 Wörter. Pro Szenario:        - Erwartete Themen, Dynamiken, Spannungen        - Erwartete Ownership-Verschiebung        - Erwartete Entscheidungen        - Der Moment, auf den du achten solltest        - Risiko: Was könnte dieses Szenario entgleisen lassen?
       Szenario B: Alternative (Konfidenz: [X])        Mindestens 200 Wörter.
       Szenario C: Black Swan (Konfidenz: [X])        Mindestens 150 Wörter. Was würde alle überraschen, aber        im Nachhinein Sinn ergeben?
   4.3 Signalprojektionen        Pro Signal: aktueller Wert, erwarteter Wert, Marge,        Begründung.
   4.4 Veränderungslinien-Projektion        Pro Veränderungslinie: Wo steht sie auf der Kurve, wohin        geht sie?
   4.5 Facilitationskarte        - Schützen: Was solltest du schützen oder pflegen?        - Konfrontieren: Womit solltest du die Gruppe          konfrontieren?        - Loslassen: Wovon solltest du dich bewusst lösen?        - Beobachten: Worauf solltest du als Signal achten?
Modul-Ernte (Treffenübergreifend) Welche Muster sind stark genug, um sie als wiederverwendbare Module zu formalisieren? Pro Modul: Name, Quellen, Reifegrad, Übertragbarkeit.
Meta-Reflexion Was sagt dieser Verlauf über den partizipativen Prozess selbst? Welche Erkenntnisse sind breiter anwendbar als nur dieses Projekt?

Probiere es selbst aus

Du kannst die Prompts oben auf deine eigenen Transkripte anwenden. Aber wenn du mit etwas Kleinerem anfangen willst, probiere das hier: ein Vergleich von zwei Sitzungen mit der gleichen Gruppe.

10-15 Minuten. Du brauchst zwei Berichte oder Transkripte von Treffen mit der gleichen Gruppe.

1. Wähle zwei Sitzungen aus dem gleichen Prozess. Es muss nicht perfekt sein: zwei Teambesprechungen, zwei Workshops, zwei Gruppengespräche. Hauptsache, sie sind von der gleichen Gruppe mit mindestens ein paar Wochen dazwischen.

2. Analysiere beide mit den gleichen fünf Fragen. Kopiere diesen Prompt und verwende ihn für beide Sitzungen:

Analysiere dieses Transkript eines Treffens.
Beantworte diese fünf Fragen:
Was sind die drei wichtigsten Themen?
Wie sprechen die Teilnehmenden über ihre Situation: nach außen gerichtet ("die sollten") oder nach innen gerichtet ("wir können")? Gib Zitate.
Welche Fragen werden gestellt? Kategorisiere: warum, was, wie, wer/wann.
Wo ergreifen Menschen Initiative? Wo legen sie Verantwortung nach außen?
Wo lag die Energie? Welche Themen wurden lebendig?
Gib eine kurze Zusammenfassung pro Frage mit den stärksten Zitaten.

3. Bitte AI, die zwei Analysen zu vergleichen. Gib beide Analysen als Input und frage:

Ich gebe dir zwei Analysen von Treffen der gleichen Gruppe, mit ein paar Wochen dazwischen. Vergleiche sie:
Was hat sich zwischen Sitzung 1 und Sitzung 2 verschoben?
Sind die Fragen konkreter oder abstrakter geworden?
Hat sich der Ton verändert? Von nach außen zu nach innen gerichtet?
Welche Themen sind verschwunden, welche sind neu?
Wenn du eine Verschiebung benennen müsstest: welche?

4. Was du wahrscheinlich siehst: Die Themen haben sich verschoben. Vielleicht sind die Fragen konkreter geworden. Vielleicht hat sich der Ton verändert. Vielleicht ist etwas verschwunden.

5. Die eigentliche Frage: Erkennst du die Verschiebung? Wenn du dabei warst: Passt es zu dem, was du gespürt hast? Wenn du nicht dabei warst: Was würdest du bei jemandem nachfragen wollen, der dabei war?

Das Ziel ist keine perfekte Analyse. Das Ziel ist die Erfahrung: Ach, das hat sich verändert, und das hatte ich übersehen.

Vertiefung: das Experiment

Das ist für diejenigen, die neugierig sind, wie die Methode entwickelt und getestet wurde. Du musst das nicht lesen, um Muster über Zeit anzuwenden.

Alles oben basiert auf Version eins des Experiments: sieben parallele Analysen, eine Synthese. Aber nach diesem ersten Ergebnis wollte ich wissen: Geht das auch pro Sitzung? Nicht alles rückblickend auf einmal analysieren, sondern nach Sitzung eins bereits eine Vorhersage für Sitzung zwei machen. Und dann bei Sitzung zwei die vorherige Vorhersage evaluieren, anpassen und wieder vorhersagen. Eine Spirale aus Feedback und Lernen, in der jede Runde auf den Beobachtungen der vorherigen aufbaut. Ich habe das mit vier Methoden getestet, die progressiv aufeinander aufbauten.

Eine Anmerkung: Die Prozentangaben unten werden von der AI selbst bewertet. Eine AI sagt vorher, eine andere bewertet, was tatsächlich passiert ist. Das sind keine harten Zahlen. Interessant ist, was jeder Schritt in der Spirale darüber verrät, wie AI mit dieser Art von Daten umgeht.

Was das zeigt: Die Vorhersagen von V3 kamen näher an das, was tatsächlich passierte, als die von V4, obwohl V4 mehr Informationen hatte. So funktioniert es: Bei jedem nächsten Schritt erhielt AI das Transkript des Treffens, das in der vorherigen Runde vorhergesagt wurde. So konnte sie evaluieren, welche Szenarien tatsächlich eingetroffen waren, und für die nächste Vorhersage anpassen. Das ist keine harte Wissenschaft (AI evaluiert sich selbst), aber das Muster ist interessant. Wenn du AI alles gibst, muss sie selbst herausfinden, was wichtig ist, und das macht AI vorsichtiger und beschreibender statt schärfer. Gib ihr eine kompakte Zusammenfassung und das Rauschen ist bereits herausgefiltert, sodass AI sich auf die Muster konzentrieren kann, die zählen. Das stützt das Prinzip "erst einzeln, dann zusammen."

Die Ehrlichkeit: Das ist ein Experiment, keine bewiesene Methode. Ich habe die Signale selbst definiert, die Werte sind indikativ, und das Modell überschätzt Fortschritt und unterschätzt Widerstand. Menschen sind keine Trendlinien. Der Wert liegt nicht in den Prozentangaben, sondern im Denken: eine Spirale aus Feedback und Lernen, die die Analyse jede Runde reicher macht. Und praktisch: ein Facilitator, der vor jedem Treffen ein Briefing bekommt, basierend auf allen vorherigen Sitzungen.

Spannungen

Zu viele Muster AI kann endlos Muster finden. Aber nicht alles ist bedeutsam.

Was mir auffällt: AI wird zunehmend intelligenter. Mit nuancierten Prompts bekommst du gute Auswahl. Ich beschränke mich auf drei bis fünf Muster und frage: Welche sind wirklich wichtig für diese Gruppe, für diesen Zweck?

Muster, die nicht da sind Die Versuchung ist, Entwicklung zu sehen, wo nur Variation ist. Nicht jede Veränderung ist eine Verschiebung.

Was ich mache: Ich checke mit der Gruppe. Erkennen sie die Verschiebung? Wenn nicht, ist es vielleicht kein echtes Muster.

Zu viel steuern Du willst Kontext liefern, aber du musst darauf achten, dass du nicht zu sehr in Richtung dessen steuerst, was du suchst.

Worauf ich achte: Wie viele Gruppen, welche Themen, aber nicht so viel, dass du das Ergebnis bestimmst. Leg das Idealergebnis nicht in deinen Prompt. Such nicht nach einem bestimmten Muster. Mach deine Analyse so, dass du zu halbwegs neutralen Clustern kommst, und bleib vielleicht offen für das, was auftauchen könnte. Denn du hast oft schon eigene Ideen darüber, was wichtig ist.

Transparenz in der Synthese Wenn AI bestimmt, dass drei Zitate relevant sind, um ein Muster zu stützen, ist Transparenz wertvoll.

Warum das wichtig ist: Du willst verstehen: Hält dieses Clustering stand? Hält dieses Muster stand? Deshalb arbeite ich lieber mit Zitaten. Jemand in der Gruppe kann sagen "Ich habe dieses Zitat gehört" und prüfen, ob es stimmt. Du kannst Zitate zurückgeben, die einen Kern enthalten: einen Satz, der einfängt, was viele Menschen fühlen.

Sicherheits-Checkliste

• Mehrere Sitzungen für die Analyse verfügbar?
• Jede Sitzung einzeln mit der gleichen Methodik analysiert?
• Kontext pro Sitzung im Prompt enthalten?
• Muster auf drei bis fünf beschränkt, die wirklich zählen?
• Muster mit der Gruppe gecheckt: Erkennen sie die Verschiebung?
• Unterschied gemacht zwischen Verschiebung und Variation?

Philosophische Vertiefung

Weisheit, die sich ansammelt

Jede Sitzung bringt Erkenntnisse. Aber die meisten verschwinden. Das nächste Gespräch beginnt, die Aufmerksamkeit verlagert sich, was vorher gesagt wurde, verblasst.

Muster über Zeit machen es möglich, dass sich Weisheit ansammelt. Nicht nur in den Köpfen der Menschen, sondern sichtbar, dokumentierbar, teilbar.

Das ist das Versprechen von Analyse über Zeit: nicht jede Sitzung als separate Insel, sondern alle Sitzungen zusammen als eine Geschichte, die sich entfaltet.

Das Ritual ändert sich, die Intention nicht

Bis vor kurzem habe ich Gruppenentwicklung so verfolgt, wie es die meisten Facilitatoren kennen: nach Gefühl, mit losen Notizen und mit dem, was ich aus früheren Sitzungen erinnerte. Das funktioniert, bis zu einem gewissen Punkt. Das Problem ist nicht, dass du nicht aufpasst, sondern dass manche Verschiebungen sich so langsam entfalten, dass du sie erst erkennst, wenn du zurückschaust.

Die Methodik auf dieser Seite verändert das Ritual. Statt Erinnern und Spüren analysierst du jede Sitzung systematisch und legst die Analysen nebeneinander. Die Intention ist genau die gleiche: verstehen, was sich in einer Gruppe bewegt, und diese Erkenntnis nutzen, um den Prozess zu verbessern. Aber das Ritual macht sichtbar, was vorher unsichtbar blieb.

Ich denke, der Wert liegt nicht in der Analyse selbst, sondern in dem Gespräch, das sie auslöst. Eine Facilitationskarte, die sagt "schütze die Reflexionszeit", ist nur dann wertvoll, wenn du sie mit deinem Co-Facilitator besprichst. AI liefert den Spiegel; was du damit machst, ist Menschenarbeit.

Muster auf verschiedenen Zeitskalen

Verschiebungen passieren nicht nur über Monate. Innerhalb eines einzelnen Tages mit mehreren Tischen siehst du das Gleiche. In der Design-Thinking-Welt heißt das der Double Diamond: erst divergieren, dann konvergieren. Das ist ein Muster auf einer kleinen Zeitskala. Aber wenn du die gleiche Gruppe über Monate begleitest, siehst du größere Diamanten: Der Prozess als Ganzes divergiert (Erkundung) und konvergiert (Handlung). Die Methode ist identisch, die Zeitskala unterschiedlich.

Die Geschichte der Gruppe

Wenn du Muster über Zeit sichtbar machst, erschaffst du die Geschichte der Gruppe. Nicht "was wir gemacht haben", sondern "wer wir geworden sind."

Diese Geschichte ist wertvoll. Für die Gruppe selbst: um zu sehen, wie weit sie gekommen ist. Für Auftraggeber: um zu verstehen, was passiert ist. Für zukünftige Projekte: um daraus zu lernen, was funktioniert hat.