Was ist eine Informationskaskade? Eine Informationskaskade tritt auf, wenn Menschen, die Entscheidungen in Folge treffen, rational ihre eigenen privaten Informationen ignorieren und die Entscheidungen nachahmen, die sie bei anderen beobachten – was ein Herdenverhalten erzeugt, das individuell rational, aber kollektiv fragil und oft falsch ist.
Informationskaskaden wurden 1992 von Sushil Bikhchandani, David Hirshleifer und Ivo Welch im Journal of Political Economy formalisiert, mit einem eng verwandten Modell des Herdenverhaltens, das im selben Jahr von Abhijit Banerjee veröffentlicht wurde. Der Mechanismus: Jede Person hat ein rauschendes privates Signal über die richtige Wahl und kann die Entscheidungen – aber nicht die Gründe – derjenigen beobachten, die zuvor gegangen sind. Sobald das Gewicht der beobachteten Entscheidungen das Gewicht des eigenen Signals übersteigt, ist der rationale Schritt, nachzuahmen, und ab diesem Punkt tragen die Handlungen keine neuen Informationen mehr. Die Kaskade ist selbstverstärkend, aber fragil: Sie beruht auf den privaten Signalen nur ihrer ersten wenigen Akteure, weshalb kleine Schocks sie zerbrechen können. Kaskaden erklären Restaurantwarteschlangen, Finanzblasen, Wellen der Technologieadoption und virale Fehlinformationen – Vosoughi, Roy und Aral zeigten in Science (2018), dass falsche Nachrichten online erheblich weiter und schneller verbreitet werden als die Wahrheit. Kaskaden unterscheiden sich vom Gruppendenken: Kaskaden sind rationale Schlussfolgerungen aus beobachtetem Verhalten, während Gruppendenken sozialen Druck auf Einstimmigkeit ausübt; beide zerstören die Unabhängigkeit, die die Weisheit der Menge erfordert. Innerhalb des Entscheidungszyklus (Teilnehmen, Rahmen, Generieren, Untersuchen, Aggregieren, Überlegen, Zuweisen, Wählen, Implementieren, Überwachen) korrumpieren Kaskaden die Aggregations- und Überlegungsphasen: Wenn Menschen die Positionen anderer beobachten, bevor sie ihre eigenen beitragen, spiegelt das Aggregat die ersten Akteure wider, anstatt das verstreute Wissen der Gruppe. Das Heilmittel ist strukturell – unabhängige Urteile sammeln, bevor jemandes Position offenbart wird. Argumentree implementiert dies, indem es Beitrag von Beobachtung trennt: Teilnehmer reichen Argumente asynchron und optional anonym ein, Argumente werden nach ihren Verdiensten bewertet, und die gesamte Argumentationskette wird in einem Prüfprotokoll festgehalten.
Was sind Informationskaskaden?
Eine Informationskaskade tritt auf, wenn rationale Menschen ihre eigenen Informationen ignorieren und die sichtbaren Entscheidungen anderer kopieren – und sie erklärt Blasen, Herden, Restaurantwarteschlangen und virale Fehlinformationen. Der beunruhigende Teil: Jeder in der Kaskade verhält sich rational.
Zuletzt aktualisiert: 2026-07-18
TL;DR
Wenn Menschen in Folge entscheiden und frühere Entscheidungen sehen können, aber nicht die Gründe dafür, wird es schnell rational, die eigenen Informationen zu ignorieren und nachzuahmen – nach dem die eigene Handlung keine neuen Informationen zum Pool hinzufügt. Das ist eine Informationskaskade (Bikhchandani, Hirshleifer & Welch, 1992). Kaskaden sind individuell rational, kollektiv fragil und oft falsch – sie treiben Blasen, Moden und Wellen von Fehlinformationen an. Im Gegensatz zu Gruppendenken ist kein sozialer Druck erforderlich: Die Mathematik allein erzeugt die Herde. Die Lösung ist strukturell: Erfassen Sie das unabhängige Urteil aller bevor jemand die Richtung der Gruppe sieht – genau so funktioniert die strukturierte Einreichung von Argumenten bei Argumentree.
Eine kurze Geschichte der Forschung zum Herdenverhalten
Menschen beschreiben seit Jahrhunderten den Wahnsinn der Massen – aber erst 1992 zeigten Ökonomen, dass der Wahnsinn überhaupt keinen Wahnsinn braucht: rationale Individuen sind genug.
Die kanonische Blasen-Geschichte: Die Preise für Tulpenzwiebeln steigen und fallen im niederländischen Winter 1636–37. Moderne Forschung (Anne Goldgar, Tulipmania, 2007) zeigt, dass die populäre Erzählung stark übertrieben ist – der tatsächliche Handel war begrenzt und nur wenige Insolvenzen folgten. Die Geschichte selbst ist eine Lektion darüber, wie Kaskadenerzählungen entstehen.
Die Aktien der South Sea Company steigen in den Monaten vor dem Zusammenbruch um das Achtfache – ein frühes, gut dokumentiertes Beispiel dafür, dass Nachahmung die Informationen in den Finanzmärkten überholt.
Charles Mackays außergewöhnliche populäre Täuschungen und der Wahnsinn der Massen popularisieren die Idee, dass Menschen kollektiv verrückt werden. Lebhaft – aber vorwissenschaftlich: Es beschreibt das Herdverhalten, ohne den Mechanismus zu erklären.
Irving Janis prägte den Begriff "Groupthink" nach der Untersuchung der Invasion in der Schweinebucht: Kohäsive Gruppen unterdrücken abweichende Meinungen unter sozialem Druck zur Einstimmigkeit. Ein anderer Unabhängigkeitskiller als Kaskaden – psychologisch statt informativ.
Bikhchandani, Hirshleifer und Welch (Journal of Political Economy) und unabhängig Banerjee (Quarterly Journal of Economics) beweisen, dass vollständig rationale Akteure, die in Folge entscheiden, private Informationen ignorieren und nachahmen – und dass die resultierenden Kaskaden fragil und häufig falsch sind.
Anderson und Holt (American Economic Review) reproduzieren Informationskaskaden experimentell: Teilnehmer folgen rational den Vorgängern gegen ihre eigenen Signale und bestätigen die Mechanik des Modells mit echten Menschen.
Der NASDAQ erreicht am 10. März 2000 einen Höchststand von 5.048,62 und verliert bis Ende 2002 etwa 78 %; korrelierte Überzeugungen über ständig steigende Immobilienpreise nähren die Krise von 2008. Kaskadendynamiken werden durch Hebel und Medien verstärkt.
Vosoughi, Roy und Aral (Science) analysieren ~126.000 Geschichtenskaskaden auf Twitter: Falsche Nachrichten verbreiten sich signifikant weiter, schneller und tiefer als die Wahrheit und werden etwa 70 % häufiger retweetet.
Forschung zu großen Sprachmodellen und kollektiver Intelligenz (Burton et al., Nature Human Behaviour 2024) warnt, dass KI-Intermediäre die Informationen, die Menschen erhalten, homogenisieren können – korrelierende Signale an der Quelle und das Auslösen kaskadenanfälliger Dynamiken erleichtern.
Wie eine Informationskaskade funktioniert
Das Bikhchandani–Hirshleifer–Welch-Modell ist einfach genug, um es im Kopf zu durchspielen. Stellen Sie sich vor, Menschen wählen zwischen zwei Restaurants, A und B, nacheinander. Jede Person hat ein privates, unvollkommenes Signal darüber, welches besser ist – und kann die Wahl jeder früheren Person sehen, aber nicht deren Gründe.
- 1
1. Private Signale
Die eigenen Informationen jeder Person sind häufiger richtig als falsch, aber laut. Wenn jeder unabhängig wählen würde, würde die Mehrheit mit ziemlicher Sicherheit das bessere Restaurant wählen – das ist das Condorcet-Jury-Theorem in Aktion.
- 2
2. Frühe Entscheidungen werden öffentlich
Die erste Person folgt ihrem Signal. Die zweite wägt ihr eigenes Signal gegen die sichtbare Wahl der ersten Person ab. Ab der dritten Person kann die beobachtete Geschichte bereits jedes einzelne private Signal überwiegen.
- 3
3. Rationale Nachahmung
Sobald beobachtete Entscheidungen dein eigenes Signal überwiegen, sagt die Bayessche Logik: Ignoriere dein Signal und kopiere. Das ist keine Dummheit oder Konformismus – angesichts dessen, was du sehen kannst, ist Nachahmung die korrekte Schlussfolgerung.
- 4
4. Informationen hören auf, sich anzusammeln
Hier ist das kollektive Versagen: Sobald du nachahmst, offenbart deine Handlung nichts über dein privates Signal. Die Schlange vor Restaurant A bedeutet nicht mehr, dass A besser ist – sie bedeutet, dass die ersten beiden Personen das dachten. Die Menge wirkt einstimmig, während sie fast keine Informationen bündelt.
- 5
5. Fragilität
Da eine Kaskade nur auf den Signalen ihrer ersten wenigen Akteure beruht, ist sie von Natur aus fragil. Ein kleines Stück glaubwürdiger öffentlicher Informationen – oder ein sichtbarer Abtrünniger mit starken Informationen – kann sie zerbrechen und eine Kaskade in die entgegengesetzte Richtung auslösen.
Die tiefe Lektion: individuell rationales Verhalten führte zu einem kollektiv irrationalen Ergebnis. Niemand hat sich geirrt, doch die Entscheidung der Gruppe beruht auf zwei oder drei rauschenden Signalen anstelle von Hunderten. Sequentielles, sichtbares Entscheiden verwandelt eine weise Menge stillschweigend in eine Herde – weshalb die Reihenfolge, in der Menschen in Besprechungen sprechen, viel wichtiger ist, als Teams annehmen.
Kaskaden vs. Gruppendenken vs. Herdenverhalten
Diese Begriffe werden synonym verwendet, benennen jedoch unterschiedliche Versagensmechanismen – und die Unterschiede sind wichtig für die Wahl der richtigen Gegenmaßnahme:
Informationskaskade
Ein Versagen der rationalen Schlussfolgerung. Menschen ahmen nach, weil beobachtete Handlungen tatsächlich Informationen tragen und legitim ein privates Signal überwiegen können. Kein sozialer Druck erforderlich. Gegenmaßnahme: Unabhängigkeit wiederherstellen – Urteile sammeln, bevor jemandes Wahl offenbart wird.
Groupthink
Ein sozialpsychologisches Versagen (Janis, 1972). Kohäsion und der Drang nach Einstimmigkeit bringen Mitglieder dazu, Zweifel selbst zu zensieren; abweichende Meinungen fühlen sich illoyal an. Gegenmaßnahme: Abweichungen legitimieren – Anwälte des Teufels, anonyme Beiträge, Führungskräfte, die zuletzt sprechen.
Herding (weiterer Sinn)
Jede Verhaltenskonvergenz, rational oder nicht – einschließlich anreizgetriebener Nachahmung (Kauf, weil steigende Preise mehr Käufer anziehen) und reputationsgetriebener Nachahmung (kein Manager wird für die Konsenswahl entlassen). Blasen mischen typischerweise alle drei Mechanismen.
Alle drei zerstören dasselbe Gut: die Unabhängigkeitsbedingung, von der die Weisheit der Menge abhängt. Eine Gruppe kann durch Kaskade scheitern, ohne dass es Gruppendenken gibt, und durch Gruppendenken, ohne dass es eine Kaskade gibt – robuste Entscheidungsprozesse schützen vor beidem.
Kaskaden in der Wildnis
Sobald Sie das Muster kennen, sehen Sie es überall:
Die Restaurant-Schlange
Zwei Restaurants, eines leer und eines mit einer Schlange – die Schlange wächst. Jeder neue Ankömmling liest die Schlange rational als Beweis, obwohl die Schlange möglicherweise auf den Entscheidungen von zwei frühen Essern mit mittelmäßigen Informationen beruht. Banerjees Modell von 1992 verwendet genau diese Logik.
Finanzblasen
Der Anstieg des NASDAQ auf 5.048,62 (10. März 2000) und der Zusammenbruch um etwa 78 % sowie der korrelierte Glaube vor 2008, dass die Immobilienpreise nur steigen, zeigen beide, dass Nachahmung die Informationen überholt – verstärkt durch Hebel, Medienberichterstattung und die reputationssichere Konsensentscheidung.
Viral misinformation
Soziale Plattformen sind Kaskadenmaschinen: Sichtbare Shares sind Handlungen ohne Gründe. Vosoughi, Roy und Aral (Science, 2018) fanden heraus, dass falsche Nachrichten weiter, schneller und tiefer verbreitet werden als die Wahrheit über ~126.000 Twitter-Kaskaden – Falschheit wurde etwa 70 % häufiger retweetet.
Meetings und Einstellungszyklen
Wenn Meinungen nacheinander laut geäußert werden, wägen spätere Sprecher rational den aufkommenden Konsens gegen ihre private Sicht ab – dieselbe Mathematik wie die Restaurant-Schlange, die sich um einen Konferenztisch entfaltet. Die erste selbstbewusste Stimme entscheidet oft über das Ergebnis.
Tulpenmanie – und ihre Nacherzählung
Die niederländische Tulpenepisode von 1636–37 ist real, aber Goldgar (2007) zeigt, dass die Katastrophenerzählung größtenteils Folklore ist, die in der Nacherzählung gewachsen ist. Kaskadengeschichten selbst kaskadieren: Jede Nacherzählung kopiert frühere Nacherzählungen anstelle der Quellen.
Medizin- und Technologiestandards
Bikhchandani, Hirshleifer und Welch verwendeten medizinische Praktiken als motivierendes Beispiel: Behandlungen können durch Nachahmung von frühen Anwendern zum Standard werden, bevor rigorose Tests abgewogen werden, und einige werden später durch Beweise zurückgenommen. Technologiestandards zeigen dieselben sequentiellen Adoptionsdynamiken – frühe Entscheidungen ziehen Ergänzungen und Nachfolger an, sodass der Standard, der gewinnt, nicht immer der ist, den eine unabhängige Bewertung wählen würde.
Wie man eine Kaskade bricht
Da Kaskaden strukturell sind, sind die Lösungen strukturell. Das Ziel ist immer dasselbe: Bringen Sie private Informationen in den Pool, bevor die Beobachtung ihn kontaminiert. Struktur funktioniert neben, nicht anstelle der individuellen Ebene: Kognitive Verzerrungen wie Verankerung und Verfügbarkeit verstärken Kaskaden, und ob die wiederhergestellte Unabhängigkeit tatsächlich genutzt wird, hängt von den Gruppendynamiken ab – der Qualität der Überlegung und der psychologischen Sicherheit – jede ein tiefes Forschungsfeld für sich.
Unabhängige Eingaben zuerst
Sammle das Urteil jedes Teilnehmers schriftlich, bevor jemand die Position eines anderen sieht – das Prinzip hinter der Delphi-Methode (RAND, 1950er Jahre) und Schätztechniken wie Planning Poker mit gleichzeitiger Offenlegung.
Anonymität, wo die Einsätze sozial sind
Wenn Positionen von Namen und Rang losgelöst sind, verliert das reputationsbasierte Herding seinen Einfluss und die Menschen berichten über ihre tatsächlichen Signale. Anonyme Beiträge sind ein Merkmal, kein Fehler, ehrlicher Aggregation.
Gleichzeitige Offenlegung
Offenbare alle Urteile auf einmal, anstatt sie nacheinander zu offenbaren. Gleichzeitigkeit entfernt die beobachtete Geschichte, die Nachahmung ursprünglich rational macht.
Gründe, nicht nur Handlungen
Kaskaden ernähren sich von Handlungen ohne Gründe. Wenn Beiträge ihre Argumentation tragen müssen – ein Argument, nicht nur eine Stimme – können spätere Teilnehmer die Beweise selbst bewerten, anstatt aus dem Verhalten zu schließen.
Entscheidungsprotokolle
Eine dokumentierte Spur, wer was und warum argumentiert hat, ermöglicht es einer Gruppe zu überprüfen, ob ihr Konsens auf gebündelten Beweisen oder auf drei frühen Meinungen beruht, die alle anderen kopiert haben – und macht die Kaskade nachträglich sichtbar.
Wie Argumentree Kaskaden durch Design verhindert
Der Kernworkflow von Argumentree – strukturierte Argumenteinreichung vor der Gruppenverengung – ist eine Kaskaden-Gegenmaßnahme, die in das Tool integriert ist:
Beitrag von Beobachtung getrennt
Teilnehmer fügen ihre Argumente asynchron und unabhängig zum gemeinsamen Pro-/Contra-Baum hinzu, sodass private Informationen in den Pool gelangen, bevor die Richtung der Gruppe sichtbar genug ist, um nachzuahmen.
Anonyme Beitragsoptionen
Wo Rang oder Reputation die Eingabe verzerren würden, können Argumente anonym beigetragen werden – die Verbindung zwischen sozialer Position und Einfluss, die das reputationsbasierte Herding antreibt, wird dadurch getrennt.
Argumente tragen Gründe
Jeder Beitrag ist eine Behauptung mit Begründung, nicht nur eine bloße Position. Mehrdimensionale Bewertung (Hilfsbereitschaft, Klarheit, Genauigkeit, Vollständigkeit) bewertet die Beweise nach ihren Verdiensten, sodass spätere Teilnehmer auf Gründe reagieren, anstatt aus einer Schlange zu schließen.
Ein prüfbarer Aggregat
Konsenswerte aggregieren Bewertungen explizit, und die vollständige Prüfspur bewahrt, wer was und wann beigetragen hat – sodass die Gruppe überprüfen kann, ob ihre Schlussfolgerung auf gebündeltem Wissen beruht, nicht auf den ersten beiden Stimmen.
Häufig gestellte Fragen
Was ist eine Informationskaskade?
Eine Informationskaskade tritt auf, wenn Menschen, die Entscheidungen in Folge treffen, rational ihre eigenen privaten Informationen ignorieren und die Entscheidungen nachahmen, die sie bei anderen beobachten. Sobald beobachtete Entscheidungen das Signal einer Person überwiegen, ist das Kopieren die korrekte Bayessche Schlussfolgerung – aber ab diesem Punkt tragen Handlungen keine neuen Informationen mehr, sodass die scheinbare Einstimmigkeit der Herde nur auf den Signalen ihrer ersten Mitglieder beruht. Das Modell wurde 1992 von Bikhchandani, Hirshleifer und Welch formalisiert.
Warum sind Informationskaskaden auf individueller Ebene rational, aber für die Gruppe irrational?
Jeder Einzelne wägt die ihm zur Verfügung stehenden Beweise korrekt ab, zu denen auch die sichtbaren Entscheidungen anderer Menschen gehören. Aber in dem Moment, in dem Einzelne mit der Nachahmung beginnen, hören ihre Handlungen auf, ihre privaten Signale zu offenbaren – sodass die Gruppe aufhört, Informationen zu sammeln. Jeder denkt korrekt, doch das kollektive Ergebnis beruht auf zwei oder drei lauten frühen Signalen anstelle des Wissens der gesamten Gruppe.
Was ist der Unterschied zwischen einer Informationskaskade und Groupthink?
Eine Informationskaskade ist ein Phänomen der rationalen Schlussfolgerung: kein sozialer Druck erforderlich, nur sequentielle Entscheidungen und sichtbare Handlungen. Groupthink, identifiziert von Irving Janis im Jahr 1972, ist ein sozialpsychologisches Phänomen: Kohäsion und der Drang nach Einstimmigkeit drängen Mitglieder dazu, abweichende Meinungen selbst zu zensieren. Beide zerstören die Unabhängigkeit, die die Weisheit der Menge erfordert, benötigen jedoch unterschiedliche Gegenmaßnahmen – Kaskaden werden durch unabhängige Eingaben und gleichzeitige Offenlegung gebrochen, Groupthink durch die Legitimierung von Abweichungen.
Was sind reale Beispiele für Informationskaskaden?
Restaurant-Schlangen (die Schlange selbst wird zum Beweis), Finanzblasen wie der Dotcom-Anstieg zum NASDAQ-Höchststand von 5.048 im März 2000, Wellen der Technologieadoption, Diskussionen im Einstellungsgremium, bei denen die erste selbstbewusste Meinung den Rest verankert, und virale Fehlinformationen – Vosoughi, Roy und Aral (Science, 2018) zeigten, dass falsche Nachrichten weiter und schneller verbreitet werden als die Wahrheit über etwa 126.000 Twitter-Kaskaden.
Sind Informationskaskaden immer schlecht?
Nein. Soziales Lernen ist oft effizient – Nachahmung ist eine sinnvolle Abkürzung, wenn andere tatsächlich mehr wissen, und Kaskaden zu richtigen Entscheidungen passieren ebenfalls. Die Probleme sind, dass Kaskaden unzuverlässig sind (sie können sich auf die falsche Option von einigen lauten frühen Signalen festlegen), informationsarm (sie hören auf zu aggregieren) und fragil (sie können bei kleinen Schocks umkehren). Bei entscheidenden Entscheidungen rechtfertigt die erwartete Kosten eines falschen Kaskade in der Regel die Bezahlung für unabhängige Urteile.
Wie verhindert man Informationskaskaden in Gruppenentscheidungen?
Stelle strukturell die Unabhängigkeit wieder her: Sammle schriftliche Urteile von allen, bevor eine Position offenbart wird, verwende Anonymität, wo der Rang die Eingabe verzerren würde, offenbare Positionen gleichzeitig anstatt nacheinander, erfordere, dass Beiträge Gründe tragen müssen, anstatt nur Stimmen abzugeben, und führe ein Entscheidungsprotokoll, damit die Gruppe überprüfen kann, auf was ihr Konsens tatsächlich beruht. Werkzeuge wie Argumentree integrieren diese Schritte in den Workflow durch unabhängige asynchrone Argumenteinreichung und leistungsbasierte Bewertung.
Wie hängen Informationskaskaden mit sozialen Medien zusammen?
Soziale Plattformen industrialisieren den Kaskadenmechanismus: Shares, Likes und Trending-Signale sind sichtbare Handlungen ohne Gründe, die sequenziell Millionen präsentiert werden. Empfehlungsalgorithmen fügen korrelierte Exposition hinzu – jeder sieht die gleichen Trending-Elemente – was private Signale weiter korreliert. Forschung zu LLMs und kollektiver Intelligenz (Burton et al., 2024) warnt, dass KI-Intermediäre dies verstärken könnten, indem sie die Informationen homogenisieren, die verschiedene Menschen erhalten.
Referenzen & Weiterführende Literatur
Bikhchandani, S., Hirshleifer, D., & Welch, I. (1992). Eine Theorie von Moden, Trends, Bräuchen und kulturellem Wandel als Informationskaskaden. Journal of Political Economy, 100(5), 992–1026.
Das grundlegende Kaskadenmodell: rationale Nachahmung, fragile Herden.
Banerjee, A. V. (1992). Ein einfaches Modell des Herdenverhaltens. Quarterly Journal of Economics, 107(3), 797–817.
Das unabhängige Begleitmodell, basierend auf der Intuition der Restaurantwahl.
Anderson, L. R., & Holt, C. A. (1997). Informationskaskaden im Labor. American Economic Review, 87(5), 847–862.
Experimentelle Bestätigung, dass echte Menschen kaskadieren, wie das Modell vorhersagt.
Janis, I. L. (1972). Opfer des Groupthink. Houghton Mifflin.
Der sozialpsychologische Versagensmodus, der sich von Informationskaskaden unterscheidet.
Harvey, J. B. (1974). Das Abilene-Paradox: Das Management von Zustimmung. Organizational Dynamics.
Missmanagement von Zustimmung – Gruppen, die sich auf das einigen, was niemand will.
Mackay, C. (1841). Außergewöhnliche populäre Täuschungen und der Wahnsinn der Massen.
Der vorwissenschaftliche Klassiker über Massenmanien – lebhafte Beschreibung, kein Mechanismus.
Goldgar, A. (2007). Tulipmania: Geld, Ehre und Wissen im niederländischen Goldenen Zeitalter. University of Chicago Press.
Archivkorrektur: Die Erzählung der Tulpenkatastrophe ist größtenteils Folklore.
Vosoughi, S., Roy, D., & Aral, S. (2018). Die Verbreitung von wahrer und falscher Nachrichten online. Science, 359(6380), 1146–1151.
~126.000 Twitter-Kaskaden: Falsche Nachrichten reisen weiter, schneller, tiefer.
View source →Surowiecki, J. (2004). Die Weisheit der Massen. Doubleday.
Warum Unabhängigkeit eine der vier Bedingungen ist, die Massen benötigen, um weise zu sein.
Burton, J. W., et al. (2024). Wie große Sprachmodelle die kollektive Intelligenz umgestalten können. Nature Human Behaviour, 8, 1643–1655.
KI-Intermediäre und das Risiko homogenisierter, kaskadenanfälliger Informationsökosysteme.
View source →Verwandte Konzepte
Holen Sie sich unabhängige Urteile, bevor die Herde sich bildet
Argumentree trennt Beitrag von Beobachtung: Die Argumente aller Teilnehmer gelangen unabhängig in den Baum, werden nach ihren Verdiensten bewertet und bleiben im Protokoll. Entscheiden Sie aus gebündeltem Wissen – nicht von der ersten Stimme in der Warteschlange.
Kostenlose Testversion starten