Was ist kognitive Verzerrung?

Evidenz zu suchen und zu gewichten, die das unterstützt, was Sie bereits denken. Wo es schmerzt: die Anbieter-Shortlist, die zusammengestellt wurde, nachdem jemand privat entschieden hat, wo jeder Referenzanruf bestätigt, anstatt zu testen.
Evidenz: Wasons Regelentdeckungsaufgabe von 1960 ist der Ursprung, obwohl seine eigene Schlussfolgerung auf die Untergruppe angewendet wurde, die nach zwei oder mehr Fehlern bestehen blieb. Klayman und Ha (1987) haben es als eine positive Teststrategie umformuliert, die in den meisten Umgebungen normativ sinnvoll ist — Sie sind nicht irrational, wenn Sie dort suchen, wo Sie erwarten, Dinge zu finden. Die Meta-Analyse von Hart und Kollegen aus dem Jahr 2009 in Psychological Bulletin setzt den Konformitätsbias auf d = 0.36, und er kehrt sich um, wenn widersprechende Informationen tatsächlich nützlich sind.
In Argumentree: der Kontra-Zweig ist nicht optional. Eine Behauptung ohne einen dokumentierten Gegenfall ist sichtbar unvollständig, anstatt stillschweigend unangefochten zu sein, und eine Fragenkette verbindet die Herausforderung mit der genauen Behauptung, die sie bestreitet.

Die erste genannte Zahl legt den Bereich fest, innerhalb dessen alle argumentieren. Wo es beißt: Wer zuerst eine Budgetzahl, eine Bewertung oder ein Lieferdatum nennt, hat jede nachfolgende Schätzung beeinflusst.
Beweis: Die Demonstration von Tversky und Kahneman aus dem Jahr 1974 hatte mediane Schätzungen von 25 gegenüber 45 für die gleiche Menge nach Ankern von 10 und 65. Many Labs 1 replizierte das Ankern robust — aber unter Verwendung von bereitgestellten Ankern. Zufälliges Ankern durch zufällige Zahlen scheiterte in Many Labs 2 (d = 0.04, p = .09, N = 6.826). Also: bewusste Anker beeinflussen Menschen; willkürliche Zahlen in der Umgebung tun dies weitgehend nicht.
In Argumentree: Positionen werden unabhängig vor der Diskussion eingereicht, sodass es keine erste Zahl gibt, an der man sich orientieren kann. Der Anker benötigt ein Publikum, und asynchrone Eingaben entfernen es.

Die Einschätzung, wie wahrscheinlich etwas ist, basiert darauf, wie leicht ein Beispiel in den Sinn kommt. Wo es beißt: Der Ausfall im letzten Quartal dominiert das Risikoregister, während das langsame, größere Risiko, über das niemand eine Geschichte hat, ungenannt bleibt.
Beweis: geteilt, und es ist wichtig zu wissen, welche Hälfte. Die berühmte Demonstration der Buchstabenhäufigkeit wurde untergraben — Sedlmeier, Hertwig und Gigerenzer (1998) fanden, dass Urteile im Allgemeinen den tatsächlichen Proportionen folgten. Der Leichtheit-der-Wiederbeschaffung-Mechanismus bleibt bestehen: Die Meta-Analyse von Weingarten und Hutchinson aus dem Jahr 2018 über 263 Studien zeigt einen mittleren Effekt, obwohl Publikationsbias ihn um bis zu ein Drittel verringert.
In Argumentree: Argumente tragen ihre Beweise, sodass eine lebendige Anekdote und eine Basisrate nebeneinander stehen und separat bewertet werden — und die Zeitleiste zeigt, wann jedes in die Diskussion eingeführt wurde.

Moore und Healys 2008 veröffentlichte Arbeit in Psychological Review unterteilt dies in drei Bereiche: die Überschätzung Ihrer Punktzahl, die Überplatzierung im Vergleich zu anderen und Übergenauigkeit — zu sicher zu sein, dass Ihre Schätzung richtig ist. Wo es schmerzt: der Lieferbereich ist viel zu eng, sodass jeder nachfolgende Plan falsche Präzision erbt.
Beweise: Übergenauigkeit ist der robuste Faktor. Soll und Klayman fanden heraus, dass Konfidenzintervalle "manchmal nur 40% so groß sind, wie nötig, um gut kalibriert zu sein." Überschätzung und Überplatzierung kehren sich mit der Schwierigkeit der Aufgabe um — schwierige Aufgaben führen zu Überschätzung, aber Unterplatzierung — und der Hard-Easy-Effekt selbst ist teilweise ein Regressionsartefakt (Juslin et al. 2000).
In Argumentree: Bewertungen beziehen sich auf das Argument, nicht auf die Behauptung, sodass eine selbstbewusste Behauptung mit dünnen Beweisen wie dünne Beweise bewertet wird.

Die eigenen Fertigstellungszeiten zu unterschätzen, während man die anderer realistisch beurteilt. Wo es schmerzt: jedes Migrations-, Integrations- und Startdatum, das Sie jemals festgelegt haben.
Beweis: stark im Feld. Flyvbjerg und Kollegen (2002) untersuchten 258 Verkehrsprojekte im Wert von etwa 90 Milliarden US-Dollar und fanden heraus, dass die Kosten in etwa neun von zehn Fällen unterschätzt wurden — Schienen +45%, feste Verbindungen +34%, Straßen +20%. Buehler, Griffin und Ross (1994) ist der Ursprung im Labor, und bemerkenswerterweise wurde die Verzerrung elimininiert, als die Teilnehmer gezwungen wurden, die Schätzung mit vergangenen Erfahrungen zu verknüpfen. Ein zu beachtender Vorbehalt: Die Überprüfung von Halkjelsvik und Jørgensen aus dem Jahr 2012 fand heraus, dass die Unterschätzung in der Ingenieur- und Managementliteratur dominant war, aber nicht in der Psychologieliteratur.
In Argumentree: wird die Schätzung zu einer Behauptung mit angehängtem Beweis — einschließlich der Referenzklasse — anstatt zu einer Zahl, die in einem Planungstreffen behauptet wird.

Die Bevorzugung der aktuellen Regelung und die Behandlung von "nichts tun" als neutral anstatt als eine Wahl mit Konsequenzen. Wo es schmerzt: der amtierende Anbieter wurde erneuert, da ein Wechsel eine Rechtfertigung erfordert und das Verweilen nicht.
Beweise: unter den stärksten hier. Samuelson und Zeckhauser (1988) führten 486 Probanden und fanden heraus, dass nur 28% der TIAA-CREF-Teilnehmer jemals ihre Zuteilung geändert hatten. Die Meta-Analyse von Jachimowicz und Kollegen aus dem Jahr 2019 über Default-Effekte in 58 Datensätzen (n = 73.675) berichtet von d = 0,68 [0,53, 0,83], und Madrian und Shea fanden heraus, dass die Teilnahme an 401(k) allein durch eine Änderung des Defaults von 37% auf 86% anstieg.
In Argumentree: "behalte, was wir haben" wird als Option mit eigenen Vor- und Nachteilen eingegeben, sodass es auf Beweise konkurriert, anstatt durch Abwesenheit von der Agenda zu gewinnen.

Die gleichen Fakten, die als Gewinn oder Verlust beschrieben werden, führen zu unterschiedlichen Entscheidungen. Wo es schmerzt: "90% Erfolgsquote" und "10% Misserfolgsquote" sind die gleiche Zahl und wirken nicht gleich.
Beweis: robust in Richtung, ungefähr die Hälfte der ursprünglichen Größe. Many Labs 1 replizierte Tversky und Kahnemans asiatische Krankheitsfrage: original d = 1.13 → Replikation d = 0.62 (N = 6.271). Many Labs 2 replizierte einen anderen Artikel aus demselben Papier von 1981 — original OR 4.96 → OR 2.06 (N = 7.228). Diese beiden werden ständig verwechselt; es sind unterschiedliche Studien. Kühbergers Metaanalyse von 136 Arbeiten bezeichnet Framing als zuverlässig und von kleiner bis moderater Größe.
In Argumentree: Entscheidungskriterien werden festgelegt, bevor die Optionen gerahmt werden, und eine Behauptung kann einmal formuliert und in beiden Rahmen angefochten werden, anstatt nur bei der Präsentation zu bestehen.

Sobald Sie das Ergebnis kennen, glauben Sie, dass Sie es die ganze Zeit über gewusst haben. Wo es schmerzt: die Nachbesprechung, die zu einer Suche danach wird, wer es hätte sehen sollen, was alle lehrt, beim nächsten Mal ruhiger zu sein.
Beweise: robust, Magnitude umstritten. Fischhoff (1975) zeigte, dass das Wissen um das Ergebnis die geschätzte Wahrscheinlichkeit erhöht und dass die Menschen sich weitgehend nicht des Wandels bewusst sind. Meta-Analysen sind sich über die Größe uneinig: Christensen-Szalanski und Willham (122 Studien) berichten von r = .17; Guilbault und Kollegen (95 Studien) berichten von einem Median von etwa .39 — und fanden, dass Entbiasierungsmanipulationen weitgehend ineffektiv waren.
In Argumentree: der Entscheidungsprotokoll ist zeitgestempelt, sodass eine Überprüfung die Entscheidung anhand der Beweise, die zu diesem Zeitpunkt existierten, anstatt anhand des später eingetroffenen Ergebnisses beurteilen kann.

Verhalten durch Charakter zu erklären und die Situation auszublenden. Wo es schmerzt: das Projekt scheiterte, weil die Führung schwach war — und nicht, weil der Prozess ihnen eine Frist setzte, die durch Verankerung bestimmt wurde, und einen Plan, der durch Konsens genehmigt wurde.
Beweise: solide im Paradigma. Jones und Harris (1967) fanden heraus, dass Einstellungsattributionen auch dann bestehen blieben, wenn die Essay-Position zugewiesen und nicht gewählt wurde. Many Labs 2 replizierte erfolgreich eine Studie zum Korrespondenz-Bias — ursprüngliches d = 1,75, Replikation d = 1,82, eines der stabileren Ergebnisse in der Reihe. Kulturell übergreifend wird es abgeschwächt, anstatt zu verschwinden.
In Argumentree: Argumente werden bewertet, Menschen nicht. Das ist das gesamte Designprinzip, und es ist die direkte strukturelle Antwort auf diesen Bias.

Zählen unrecoverable vergangene Ausgaben in einer gegenwärtigen Entscheidung. Wo es schmerzt: das Projekt wird verteidigt wegen dessen, was es bereits verbraucht hat.
Beweise: real, aber moderat, und die Maßnahmen sind umstritten. Arkes und Blumer (1985) fanden heraus, dass 85% sich entschieden, ein bereits als minderwertig bekanntes Flugzeug fertigzustellen. Die Metaanalyse von Sleesman und Kollegen setzt die versunkenen Kosten auf ρ = .243 — vergleichbar mit, aber nicht größer als, persönlicher Verantwortung. Eine Analyse aus dem Jahr 2025 ergab, dass klassische Vignetten zu versunkenen Kosten eine schlechte interne Konsistenz aufweisen (ω = 0.14–0.57), daher sollten Ergebnisse aus Einzelvignetten mit Vorsicht behandelt werden. Beachten Sie auch, dass in Arkes und Blumers eigener Theaterstudie der Effekt in der ersten Hälfte der Saison vorhanden war und im Wesentlichen verschwunden war in der zweiten.
In Argumentree: Austrittskriterien können festgehalten werden, wenn das Projekt genehmigt wird, sodass die Überprüfung ein Dokument liest, anstatt das Urteil eines Kollegen neu zu verhandeln — siehe Eskalation des Engagements.

Nach dem, wie gut ein Fall einem Stereotyp entspricht, während ignoriert wird, wie häufig die Sache tatsächlich ist. Wo es beißt: "dieser Deal fühlt sich an wie die, die wir gewinnen" — ohne die Gewinnquote.
Beweis: robust als Demonstration und stark formatabhängig, was der umsetzbare Teil ist. Casscells und Kollegen (1978) fanden heraus, dass nur 18% des medizinischen Personals die richtige Antwort gaben, während 45% um den Faktor fast fünfzig daneben lagen; Manrai und Kollegen wiederholten dies 36 Jahre später mit fast identischen Ergebnissen (23% richtig, 44% gaben dieselbe falsche Antwort). Aber Gigerenzer und Hoffrage zeigten, dass die richtigen Antworten von etwa 16% auf 46–50% anstiegen, wenn dasselbe Problem in natürlichen Frequenzen anstelle von Wahrscheinlichkeiten formuliert wurde.
In Argumentree: Beweise sind an die Behauptung angehängt, die sie unterstützen, sodass eine Basisrate als Argument vorhanden ist, anstatt von demjenigen, der sie kennt, erinnert — oder nicht.

Die Behauptung, dass die am wenigsten Kompetenten die meiste Zuversicht haben. Wo es schmerzt: die lauteste Gewissheit im Raum gehört der Person, die die geringste Grundlage dafür hat.
Beweise — und hier ist Vorsicht geboten. Das beschreibende Muster wiederholt sich: schwache Leistungsträger überschätzen sich selbst. Die Erklärung tut dies weitgehend nicht. Nuhfer und Kollegen reproduzierten die klassische Graphenform aus Zufallszahlen; Gignac und Zajenkowski (2020, N = 929) fanden die Beziehung im Wesentlichen linear und den Effekt viel kleiner als berichtet; McIntosh und Kollegen fanden heraus, dass, als die Aufgabenschwierigkeit angeglichen wurde, das Muster beseitigt wurde — das Leistungsniveau, nicht der metakognitive Defizit, war der Treiber. Um fair zu sein, stellen Pennycook und Jansen und Kollegen fest, dass schwache Leistungsträger weniger in der Lage sind, ihre eigenen Antworten zu bewerten.
Ehrliche Zusammenfassung: Menschen überschätzen sich selbst, aber der Großteil des berühmten Graphen ist Regression zur Mitte plus besser als der Durchschnitt. Zitiere es nicht als Gesetz.
In Argumentree: Zuversicht ist kein Bewertungsinput. Eine Bewertung hängt an den Beweisen eines Arguments, daher hat Gewissheit kein Gewicht, das sie nicht verdient hat.