Dies ist ein maschinell übersetzter Artikel. Die Originalfassung ist auf Englisch verfügbar.
Zuletzt aktualisiert: · 15 Min. Lesezeit
Kurz gesagt
Geben Sie rechenstarken Amerikanern eine Datentabelle zu einer Creme gegen Hautausschlag, und sie lesen sie gut. Stellen Sie dieselben Zahlen als Waffenverbot einer Stadt dar, und die Rechenstärksten lösen die Aufgabe nur dann glänzend, wenn die Antwort ihrer politischen Haltung schmeichelt. Analytisches Können schützt gut vor schlichten Fehlern und weit weniger gut vor motivierten. Es kann die Argumente liefern. Philip Tetlock verfolgte zwei Jahrzehnte lang 284 Experten, und die selbstsichersten Prognostiker lagen am häufigsten falsch. Intelligenz hilft, doch was schützt, ist eine Gewohnheit: eine Aufzeichnung der eigenen Vorhersagen, die man nicht nachträglich ändern kann, und Neugier, wenn sich die Belege gegen einen wenden.
Inhalt
Geben Sie einer Gruppe von Amerikanern mit hoher mathematischer Begabung eine Statistikaufgabe, die einen sauberen kausalen Schluss aus einer Datentabelle verlangt, und sie schneiden gut ab. Geben Sie ihnen nun dieselbe Aufgabe, mit denselben Zahlen, demselben Tabellenaufbau und derselben kausalen Herausforderung, aber in einem neuen Rahmen: Statt um die Erprobung eines Mittels gegen Hautausschlag geht es in der Tabelle um die Frage, ob das Waffenverbot einer Stadt die Kriminalität gesenkt hat. Jetzt driften ausgerechnet die Rechenstärksten am weitesten auseinander: Sie lösen die Aufgabe mühelos, wenn das Ergebnis ihrer Haltung zur Waffenkontrolle schmeichelt, und geraten ins Stolpern, wenn nicht.
Das Experiment stammt von Dan Kahan und läuft unter dem Namen „motivated numeracy“, motivierte Rechenkompetenz. Seine Lehre: Kognitive Fähigkeiten können motiviertem Denken ebenso bereitwillig dienen, wie sie es korrigieren; mehr analytisches Vermögen kann einen schlicht geschickter darin machen, sich zu irren. Spätere Studien stoßen immer wieder auf die parteiische Schieflage, auch wenn sich die zusätzliche Verstärkung bei den Rechenstärksten weniger zuverlässig zeigt. In einer großen präregistrierten Wiederholung bedeutete bessere Rechenkompetenz zwar in jeder Variante der Aufgabe weiterhin mehr richtige Antworten, doch die Kluft zwischen den politischen Lagern wuchs nicht mit der Rechenkompetenz. So oder so hob Zahlengeschick die parteiische Schieflage nicht auf. Analytische Fähigkeiten schützen gut vor schlichten Fehlern und weit weniger gut vor motivierten, bei denen dieselbe Fähigkeit die Argumente für den Irrtum liefern kann.
Wahrscheinlich sind Sie mit einer stillen Annahme zu diesem Artikel gekommen, die ebenfalls zu den Befunden gehört: Was immer er zutage fördert, beschreibt das Versagen anderer, und motivierte Rechenkompetenz betrifft Leute, die weniger sorgfältig denken als Sie.
Die Maschine treibt sich selbst an
Bildung meint hier mehr als das Anhäufen von Zeugnissen, also Schuljahre, Abschlüsse und institutionelle Stempel. Bildung entwickelt und belohnt bestimmte kognitive Werkzeuge, und genau dafür ist sie angelegt: analytisches Vermögen, Mustererkennung, das Bauen von Erzählungen und Sicherheit im eigenen Fachgebiet. Die Schule trainiert und belohnt diese Werkzeuge, und die folgenden Befunde handeln von ihnen im Einsatz, nicht von Jahren im Klassenzimmer.
Die Unterscheidung ist wichtig, denn die naheliegende Verteidigung, „Ich denke von den Belegen aus, nicht von meiner Identität“, ist genau das, was man dank dieser Werkzeuge glauben kann, während man das Gegenteil tut.
Kahans Studie ergab, dass höhere Rechenkompetenz bei der Hautcreme-Aufgabe richtige Antworten vorhersagte. Wechselte man zur Waffenkontrolle, hörten die Rechenstarken keineswegs auf, besser zu schlussfolgern; sie lenkten ihr Können um. Liberale mit hoher Rechenkompetenz lagen häufiger richtig, wenn die Daten zeigten, dass das Verbot die Kriminalität gesenkt hatte; Konservative mit hoher Rechenkompetenz lagen häufiger richtig, wenn sie zeigten, dass das Verbot die Kriminalität erhöht hatte. Das analytische Vermögen jeder Gruppe schlug die Richtung ein, die ihre politische Haltung verlangte.
Entscheidend ist die Umkehr der Richtung: Rechenkompetenz half am meisten in der politisch bequemen Richtung. Nichts in den Daten zeigt, dass sich die Probanden willentlich selbst täuschten, und niemand muss schummeln, um dieses Ergebnis zu erzeugen. Ein geschickter Analytiker, der eine Tabelle entwerten will, hat immer berechtigte Fragen zur Hand: ob die Stichprobe repräsentativ war, ob Störvariablen kontrolliert wurden, ob der kausale Mechanismus plausibel war. Motiviert werden die Fragen erst, wenn Daten, die bestätigen, was der Analytiker ohnehin glaubt, nicht derselben Prüfung unterzogen werden.
Dasselbe Muster fand Kahan beim Klima, als er prüfte, ob mehr naturwissenschaftliche Bildung und Rechenkompetenz Menschen zum wissenschaftlichen Konsens über Klimarisiken hinführen. Das taten sie nicht. Bei Menschen mit hierarchischer und individualistischer kultureller Orientierung sagte höhere naturwissenschaftliche Bildung ein stärkeres Herunterspielen des Klimarisikos voraus. Bei Menschen mit egalitärer und kommunitaristischer Orientierung sagte sie größere Besorgnis voraus. Die Kluft zwischen beiden Gruppen wuchs mit der Bildung.
Die Kenntnisreichsten beider Gruppen wussten mehr; Unwissen kann die Spaltung also nicht erklären. Verschieden war die Richtung, in die sie ihr Wissen anwandten, und diese Richtung folgte der politischen Identität.
Der Wissenschaftsjournalist Chris Mooney gab dem Phänomen einen Namen: den „Smart-Idiots“-Effekt, bei dem politisch versierte Menschen sich als voreingenommener und schwerer zu überzeugen erweisen als Uninformierte. Mooney argumentierte, der Effekt sei rechts am stärksten – eine Lesart, die Kahan selbst zurückwies; seine eigenen Daten zum Klima und zur Tabelle über Waffenkontrolle zeigen das Muster auf beiden Seiten. Das Etikett ist bewusst unbequem, und die Beobachtung darunter hält stand: Motiviertes Denken lässt nicht nach, wenn die kognitiven Fähigkeiten wachsen.
Bildung bringt eine besondere Zwangslage hervor. Sie entwickelt diese kognitiven Werkzeuge nicht nur; sie bindet Identität an sie. Wer jahrelang analytische Expertise aufgebaut hat und von Institutionen, Kollegen und beruflichem Erfolg dafür belohnt wurde, sie in bestimmte Richtungen einzusetzen, hat mehr zu verlieren, wenn sich herausstellt, dass die Richtung falsch war. Die Werkzeuge lassen sich immer schwerer gegen die Positionen wenden, die mit ihnen errichtet wurden. Dafür braucht es keinen Charakterfehler, nur kognitive Entwicklung und Identitätsbildung, die in derselben Institution zur selben Zeit geschehen und dieselben Schlussfolgerungen belohnen. Die Zwangslage verschärft sich mit jedem Erfolg, denn jeder Gewinn an Zitationen, Ansehen oder institutionellem Prestige erhöht den Preis einer Entdeckung, die das Denkgebäude bedroht.
Die Fähigkeiten, die Bildung hervorbringt, etwa analytisches Schlussfolgern, die Gewohnheit, aus Belegen stimmige Darstellungen zu bauen, und die Zuversicht, die aus Fachwissen erwächst, kommen ohne Gebrauchsanweisung dafür, wann man sich selbst nicht mehr trauen sollte. Sie sind sehr gut darin, das Gefühl zu erzeugen, richtig gedacht zu haben, und dieses Gefühl sagt wenig über Richtigkeit aus.
Der Fluch des Experten
Vielleicht räumen Sie ein, dass politische Überzeugungen Stammessache sind, und halten zugleich daran fest, dass sie in einem anderen Fach liegen als Ihr berufliches Urteil – dass Sie auf Ihrem eigentlichen Gebiet richtig denken. Philip Tetlock hat dieses Fach zwei Jahrzehnte lang geprüft.
Von 1984 bis etwa 2003 rekrutierte er 284 Experten, darunter Politikwissenschaftler, Ökonomen, außenpolitische Analysten sowie aktive und ehemalige Regierungsbeamte, und ließ sie mehr als 80.000 Vorhersagen über politische und wirtschaftliche Ereignisse treffen: wer Wahlen gewinnen würde, ob Volkswirtschaften wachsen oder schrumpfen, ob Konflikte eskalieren oder beigelegt würden. Dann wartete er ab und vergab Punkte.
Das Ergebnis war peinlich: Die Experten schnitten kaum besser ab als der Zufall und nicht besser als ein informierter Laie, der Zeitung liest. Die Treffsicherheit hing davon ab, wie das Wissen eines Experten geordnet war, nicht davon, wie tief es reichte. Experten, die ihr Weltbild um einen einzigen Erklärungsrahmen herum ordneten, waren die schlechtesten Prognostiker überhaupt; Tetlock nannte sie mit einem Begriff aus Isaiah Berlins Essay von 1953 Igel. Füchse, die sich auf mehrere Erklärungsrahmen stützten und umdachten, sobald neue Belege kamen, schnitten besser ab.
Selbstgewissheit und Treffsicherheit verhielten sich umgekehrt zueinander: Die überzeugtesten, sichersten Experten waren die am wenigsten treffsicheren. Ihre Strenge war echt, und sie floss in die Verteidigung eines Rahmens, dessen Scheitern sie sich nicht leisten konnten.
Den schlechtesten Prognostikern fehlte es nicht an Wissen. Sie kannten ihr Fach gut genug, um dieses Wissen zu einem stimmigen System zu ordnen, und das System war zur Linse geworden, durch die sie alles wahrnahmen. Ein Theoretiker der internationalen Beziehungen aus der realistischen Schule sagte Konflikte nach der Logik staatlicher Macht voraus. Ein angebotsorientierter Ökonom sagte Abschwünge nach der Logik von Anreizstrukturen voraus. Jeder dieser Rahmen war aus jahrelang gesammelten Belegen gebaut, was ihn besonders sicher wirken ließ und besonders blind machte für das, was er nicht erfasste. Je umfassender der Rahmen, desto leichter ließ sich jedes neue Ereignis widerspruchslos in ihn einfügen und desto unwahrscheinlicher wurde es, dass er je Risse bekam.
Ein Auslesemechanismus verschärft das noch. Tetlock stellte fest, dass genau die Eigenschaften, die Redakteure und Fernsehproduzenten am meisten schätzen, etwa entschiedene Aussagen, die Bereitschaft, sich festzulegen, und selbstbewusste Zuspitzung, negativ mit der Treffsicherheit korrelieren. Die Experten, die als Kommentatoren am gefragtesten sind, liegen statistisch am ehesten falsch. Igel liefern gutes Fernsehen; Füchse lavieren auf eine Weise, die Produzenten nervös macht. Die institutionelle Belohnungsstruktur für öffentliche Expertise hebt deshalb die Schlechtesten nach oben – und belohnt alle anderen dafür, mehr wie sie zu klingen.
2011 starteten Tetlock und Barbara Mellers das Good Judgment Project im Rahmen des IARPA-Programms Aggregative Contingent Estimation, eines Prognoseturniers, das die Forschungsbehörde der US-Nachrichtendienste ausrichtete. Seine Freiwilligen, die sich selbst gemeldet hatten und keine Fachexperten waren, traten gegen andere Forschungsteams an. Als ihre gebündelten Prognosen mit denen professioneller Geheimdienstanalysten verglichen wurden, die Zugang zu Verschlusssachen hatten, waren die Freiwilligen nach eigenen Berechnungen des Projekts rund 30 Prozent treffsicherer, und die Besten unter ihnen, später Superforecaster genannt, schnitten noch besser ab.
Was Superforecaster taten
Die Gewohnheiten hinter diesen Ergebnissen sind nicht glamourös. Superforecaster hielten ihre Prognosen schriftlich fest, bevor die Ereignisse eintraten, sodass sie ihre Erinnerung daran, recht gehabt zu haben, nicht nachträglich zurechtbiegen konnten. Sie maßen ihre Treffsicherheit an einer Bilanz, die sie nicht ändern konnten. Lagen sie falsch, passten sie ihre Einschätzung an, statt die Widerlegung als Anomalie oder Ausnahmefall wegzuerklären. Sie drückten Wahrscheinlichkeiten als kalibrierte Schätzungen aus, als konkrete Prozentwerte, die sich direkt mit dem Ausgang vergleichen lassen, statt als Richtungsbekenntnisse, die gegen jede Rechenschaft abgeschirmt sind. Große Fragen zerlegten sie in kleinere Bestandteile, deren einzelne Variablen sich getrennt beurteilen ließen.
Intelligenz hilft, aber nichts davon läuft allein mit Intelligenz. All das verlangt die anhaltende Bereitschaft, in einer selbst geführten Bilanz nachweislich falschzuliegen, und diese Bereitschaft ist schwer aufrechtzuerhalten, wenn die eigene berufliche und soziale Identität darauf beruht, derjenige zu sein, der diese Dinge versteht.
Wo die Mitte irrte
Die übliche Verteidigung institutioneller Expertise geht so: Ja, einzelne Experten irren, aber genau dafür gibt es Peer-Review, Replikation und kumulative Wissenschaft. Das System korrigiert sich selbst. Individuelle Selbstüberschätzung mittelt sich heraus, Ausreißer werden angefochten, schlechte Befunde überstehen keine unabhängige Prüfung.
Mit genug Zeit stimmt das zum Teil. Bevor man es akzeptiert, sollte man aber fragen, wie lange die Selbstkorrektur dauerte, wer in der Zwischenzeit den Preis zahlte und warum die fachinternen Verfahren das Problem nicht als Erste bemerkten.
2015 berichtete das Reproducibility Project, koordiniert von Brian Nosek von der University of Virginia, was geschah, als Hunderte Forscher versuchten, 100 Studien aus drei führenden psychologischen Fachzeitschriften zu replizieren. Nur 36 Prozent ließen sich bei der ursprünglichen Signifikanzschwelle bestätigen, und die Sozialpsychologie schnitt mit etwa 25 Prozent am schlechtesten ab. Über alle Replikationen hinweg fielen die Effekte nur rund halb so groß aus wie ursprünglich.
Das Replikationsprojekt vermaß das Problem, statt es zu diagnostizieren, doch Methodiker hatten die Hauptverdächtigen bereits benannt, und keiner von ihnen setzte Betrug oder ein paar Übeltäter voraus. Alle waren das systematische Produkt der ganz normalen Betriebslogik: kleine Stichproben, die als ausreichend galten, weil die Ergebnisse überzeugend aussahen; p-Wert-Schwellen, die durch wiederholtes Testen und selektives Berichten ausgehebelt wurden; eine Publikationskultur, die Nullergebnisse ablehnte, sodass sie nie in die Literatur gelangten.
Die Gutachter im Peer-Review waren schlecht aufgestellt, um irgendetwas davon zu bemerken: Sie waren in denselben Methoden ausgebildet, hatten oft dieselben Vorannahmen und unterlagen derselben Anreizstruktur. Sie waren Teil des Systems, das sie kontrollieren sollten, und so half dieselbe Raffinesse, die das Fach aufgebaut hatte, seine Fehler von innen unsichtbar zu halten.
Die Wirtschaftsprognostik stand unter anderem Druck, brachte aber über einen anderen Mechanismus einen vergleichbaren blinden Fleck hervor. Im Juli 2007 sagte das Update des World Economic Outlook des IWF für 2007 und 2008 ein globales Wachstum von 5,2 Prozent voraus und beschrieb die Risikobilanz als „leicht nach unten geneigt“. Vierzehn Monate später brach Lehman Brothers zusammen. Das Unabhängige Evaluierungsbüro des IWF kam später zu dem Schluss, der Fonds habe nur unzureichend auf die Krise und ihre Schwere hingewiesen.
Heterodoxe Ökonomen und Analysten hatten seit Jahren vor systemischer Fragilität gewarnt, und der Fonds sah durchaus die Immobilienbooms und die neuen Finanzinstrumente; er spielte die Risiken herunter, die sie mit sich brachten. Seine Evaluatoren machten Gruppendenken, intellektuelle Vereinnahmung und eine allgemeine Denkweise verantwortlich, nach der eine schwere Krise in großen fortgeschrittenen Volkswirtschaften unwahrscheinlich sei, dazu eine Kultur, die abweichende Meinungen entmutigte, und eine schwache Analyse des Finanzsektors. Die Konsensansicht beschrieb ein stabiles System, und Warnungen, die von einem instabilen ausgingen, drangen kaum durch.
An der Oberfläche sehen diese beiden Fehlschläge verschieden aus: falsche Anreize in der Psychologie, eine vereinnahmte Denkweise in der Makroökonomie. Darunter ereigneten sich beide in der Mitte ihrer Fächer, unter den Menschen, die sich ihrer Denkrahmen am sichersten waren und für das, was diese Rahmen hervorbrachten, am blindesten.
Das Ei, das Sie gar nicht umbrachte
Ancel Keys war ein Physiologe an der University of Minnesota, der in den 1950er- und 1960er-Jahren Argumente für die These sammelte, dass eine an gesättigten Fettsäuren reiche Ernährung den Cholesterinspiegel im Blut erhöhe und Herzkrankheiten verursache. Seine Sieben-Länder-Studie, 1958 begonnen, um Männer mittleren Alters in sechzehn Kohorten in sieben Ländern zu begleiten, wurde zu einem Grundpfeiler. Die Diät-Herz-Idee erfasste bald auch das Cholesterin in der Nahrung selbst: 1968 empfahl die American Heart Association, täglich weniger als 300 Milligramm Nahrungscholesterin zu sich zu nehmen und nicht mehr als drei ganze Eier pro Woche zu essen.
Kritiker widersprachen früh. 1957 wiesen der Statistiker Jacob Yerushalmy und der Arzt Herman Hilleboe, Gesundheitskommissar des Bundesstaats New York, darauf hin, dass Keys' berühmtes Diagramm von 1953 nur sechs Länder zeigte, obwohl vergleichbare Daten für viele weitere vorlagen, und dass die Korrelation zwischen Fett und Herzkrankheit schwächer wurde, sobald man die übrigen hinzunahm. Forscher, die die Diät-Herz-Hypothese infrage stellten, wurden an den Rand gedrängt, und zwar durch das normale Funktionieren eines Konsenses, der sich um eine Geschichte herum verfestigt hatte, die von genug Daten gestützt wurde, um unangreifbar zu wirken; eine Verschwörung oder Korruption brauchte es dafür nicht. Was unbequeme Belege fernhielt, war die gefestigte Gewissheit eines Fachs, das glaubte, die Frage entschieden zu haben.
2015 empfahl das Dietary Guidelines Advisory Committee, die langjährige Obergrenze von 300 Milligramm für Nahrungscholesterin zu streichen, mit der Begründung: „Die verfügbare Evidenz zeigt keinen nennenswerten Zusammenhang zwischen dem Verzehr von Nahrungscholesterin und dem Serumcholesterin.“ Die endgültigen Dietary Guidelines 2015–2020 strichen die Zahl, rieten aber weiterhin, im Rahmen einer gesunden Ernährungsweise so wenig Nahrungscholesterin wie möglich zu essen, und führten Eier unter den Lebensmitteln auf, die zu einer solchen Ernährung gehören können. Nach fast fünfzig Jahren war das Ei weitgehend rehabilitiert. Die gesättigten Fettsäuren, der Kern von Keys' eigener Hypothese, waren es nicht: Dieselben Leitlinien hielten an der Obergrenze von unter 10 Prozent der täglichen Kalorien fest.
Die Plausibilitätsfalle
Die bisherigen Fehlschläge sind diese: politisch motiviertes Schlussfolgern, das Fehler verstärkt statt korrigiert; Expertengewissheit, die sich umgekehrt zur Treffsicherheit verhält; Prüfsysteme, die unzuverlässige Befunde hereinließen und dort hielten; und ein vorherrschendes ökonomisches Modell, das die Instabilität, in die es eingebettet war, nicht abbilden konnte. Sie teilen einen gemeinsamen Mechanismus, und der hängt weder von Dummheit noch von Korruption ab. Bildung entwickelt Mustererkennung und das Bauen von Erzählungen, und diese Fähigkeiten sind gut darin, genau die Art falscher Überzeugung hervorzubringen, die am ehesten überlebt.
Offenkundig falsche Überzeugungen, etwa der Junge-Erde-Kreationismus, die flache Erde oder die Behauptung, Impfungen verursachten Autismus, kursieren durchaus unter Gebildeten; Bildung bietet also keinen grundsätzlichen Schutz vor ihnen. Gebildete Milieus erzeugen und erhalten sie dennoch weniger effizient, weil solche Überzeugungen vor dem Hintergrund angesammelten Wissens schnell an oberflächlichen Plausibilitätsprüfungen scheitern und ihr Fortbestand anhaltende motivierte Anstrengung verlangt, die gebildete Institutionen gewöhnlich nicht belohnen. Am wirksamsten verbreiten sich in gebildeten Milieus jene Überzeugungen, die strukturell plausibel genug sind, um dieselben Prüfungen zu bestehen, an denen die offensichtlichen Irrtümer scheitern. Bildung siebt die erste Kategorie weit besser aus als die zweite, und die zweite ist genau die, die ihre eigenen Werkzeuge am natürlichsten hervorbringen.
Mustererkennung springt von dünnen Belegen zu selbstsicheren Schlüssen. Oft liegt sie richtig, aber sie kommt ohne Genauigkeitsanzeige. Das Gefühl, ein Muster erkannt zu haben, verrät nicht zuverlässig, ob da ein Muster ist. Das Bauen von Erzählungen verknüpft Belege zu in sich kohärenten Darstellungen, und Kohärenz lässt Darstellungen wahr wirken. Eine Geschichte, die zusammenhält, mehrere Dinge in einem einzigen Rahmen erklärt und Mehrdeutigkeit auflöst, fühlt sich an wie Verstehen. Vielleicht ist sie Verstehen, aber das Gefühl kann einem nicht sagen, ob sie es ist.
Bei gebildeten Denkern wiegt das Kohärenzproblem schwerer. Aus komplexen Belegen eine kohärente Darstellung zu bauen, verlangt genau die Fähigkeiten, die Bildung entwickelt. Je versierter der Denker, desto mehr Elemente kann er in einen einzigen Erklärungsrahmen einweben und desto befriedigender wird die Darstellung, für ihn selbst und für die versierten Leser, mit denen er sich austauscht. Eine elegante Theorie überzeugt mehr als eine klobige, unabhängig davon, welche zutreffender ist. Eleganz ist ein Kriterium für gutes Schreiben und sorgfältiges Denken, aber keine Eigenschaft, an der sich die Wahrheit einer Theorie ablesen ließe. Bildung bringt Menschen bei, elegante Erklärungen zu liefern, ohne ihnen beizubringen, der Eleganz zu misstrauen.
Die bekanntesten sozialpsychologischen Befunde, die sich später nicht replizieren ließen, waren weder willkürlich noch unplausibel. Sie waren genau das, was ein versierter Beobachter menschlichen Verhaltens zu finden erwarten würde, und deshalb wurden sie veröffentlicht, zitiert, gelehrt und in Trainingsprogramme übernommen, bevor irgendjemand sie ernsthaft überprüfte.
Power Posing war die Behauptung, dass zwei Minuten in einer raumgreifenden Körperhaltung den Testosteronspiegel erhöhen, den Cortisolspiegel senken und die Risikobereitschaft steigern. Der Mechanismus, wonach die Körperhaltung über Rückkopplung den Hormonhaushalt prägt, war bestechend. Dann wiederholte ein anderes Team das Experiment mit 200 Teilnehmern, fast fünfmal so vielen wie die ursprünglichen 42, und mit einer Versuchsleitung, die nicht wusste, wer welcher Bedingung zugeteilt war. Power Posing ließ die Leute sich weiterhin mächtiger fühlen, aber auf Testosteron, Cortisol und Risikobereitschaft hatte es keinerlei Wirkung.
Die Theorie der Ego-Depletion besagte, dass Selbstkontrolle bei einer Aufgabe eine Ressource erschöpft und dadurch die Leistung bei nachfolgenden Aufgaben beeinträchtigt – Willenskraft als Treibstofftank. Als 23 Labore einen präregistrierten Test einer gängigen Ego-Depletion-Aufgabe mit mehr als 2000 Teilnehmern durchführten, lag der Effekt praktisch bei null.
Soziales Priming lieferte den berühmten Befund, dass Versuchspersonen, die Wörter aus dem Umfeld von Altersstereotypen gelesen hatten, danach langsamer einen Flur entlanggingen. Eine doppelblinde Replikation mit automatischer Zeitmessung fand keinen Effekt. Ein zusätzliches Experiment ergab, dass die Verlangsamung nur auftrat, wenn die Versuchsleiter sie erwarteten, was darauf hindeutet, dass das ursprüngliche Ergebnis ein Artefakt der Erwartungen der Versuchsleiter war und nicht auf unbewusstes Priming zurückging.
Diese Fehlschläge rutschten an klugen Lesern, strengem Peer-Review, renommierten Fachzeitschriften und den Experten vorbei, die am besten in der Lage waren, Probleme zu erkennen. Aufgedeckt wurden sie schließlich durch größere Stichproben, verblindete Versuchsleiter, automatisierte Messung und, im Fall der Ego-Depletion, einen Plan, der registriert war, bevor die ersten Daten eingingen: Verfahren, die jener motivierten Auswahl Hürden in den Weg stellen, die Raffinesse so mühelos gelingen lässt.
Was Tugend kostet
Die naheliegende Antwort lautet, demütiger zu sein und Überzeugungen lockerer zu halten. Diese Ermahnungen sind so richtig, wie „weniger essen, mehr bewegen“ beim Körpergewicht richtig ist – zutreffend im Abstrakten, nutzlos ohne eine konkrete Vorstellung davon, wie das in der Praxis aussieht und warum es so schwer ist, es durchzuhalten.
Das Good Judgment Project liefert eine solche Vorstellung. Superforecaster sind keine Fachexperten. Sie sind klüger als der Durchschnitt: In den projekteigenen Tests übertrafen sie andere Prognostiker bei Maßen fluider und kristalliner Intelligenz, und die Forscher nannten überdurchschnittliche fluide Intelligenz beinahe ein bestimmendes Merkmal der Gruppe. Doch zum Verstand kam etwas ebenso Wichtiges: Übung. Superforecaster bearbeiteten mehr Fragen, aktualisierten ihre Prognosen häufiger und führten die oben beschriebene Bilanz weiter, Frage um Frage, jahrelang. Intelligenz macht diese Arbeit leichter, aber sie nimmt sie einem nicht ab.
Kahans Arbeit über wissenschaftliche Neugier unterscheidet noch feiner: Der polarisierende Effekt naturwissenschaftlicher Bildung, bei dem Wissen die politische Spaltung verstärkt, galt nicht für wissenschaftliche Neugier, die Neigung zu Entdeckung und Neuem. Wissenschaftlich neugierigere Menschen antworteten auf politisch aufgeladene wissenschaftliche Fragen weniger polarisiert, unabhängig von ihrer bestehenden politischen Identität. Neugier ist, anders als angesammeltes Wissen, auf das Unbekannte ausgerichtet und hat deshalb weniger in das investiert, was man bereits glaubt.
Was schützt, scheint also ein bestimmtes Verhältnis zur Ungewissheit zu sein, und dieses Verhältnis muss aktiv gepflegt werden, entgegen der Logik von Institutionen und Identitäten, die selbstsichere Festlegung belohnen und Lavieren bestrafen. Der Befund zur wissenschaftlichen Neugier legt nahe, warum: Für Neugierige ist ein Ergebnis, das eine frühere Überzeugung umwirft, auf einer gewissen Ebene interessant. Für jemanden, dessen Identität in dieser Überzeugung steckt, ist es bedrohlich. Auch Neugier garantiert keine Treffsicherheit, aber sie hält den Kanal offen, durch den eine Widerlegung ankommen kann, und Expertise neigt dazu, ihn zu schließen.
Tetlocks Igel waren intelligent. Sie hatten ihre intellektuelle Identität um ihre Erklärungsrahmen herum gebaut, und der Rahmen war Teil ihres Selbst geworden, sodass ihre Intelligenz in die Verteidigung von etwas floss, das nicht scheitern durfte; je mehr sie davon hatten, desto ausgefeilter und lückenloser war die Verteidigung.
Das zu wissen hilft weniger, als Sie hoffen würden, denn der Mechanismus setzt keine Unaufmerksamkeit voraus. Er läuft mit derselben Art sorgfältigen, engagierten Denkens auf Grundlage von Belegen, das Sie die letzten fünfzehn Minuten betrieben haben. Das ist kein Grund, das gerade Gelesene abzutun; die gescheiterten Replikationen, Tetlocks Prognosebilanz und die Zahlen des IWF von 2007 sind real. Es ist ein Grund, das Gefühl, überzeugt worden zu sein, so zu behandeln, wie ein Superforecaster eine Ahnung behandeln würde: als Wahrscheinlichkeit, die an dem zu prüfen ist, was als Nächstes geschieht.
Weitere Artikel zum Thema
- Die Psychologie des Geldes: Warum kluge Menschen vorhersehbare Finanzfehler machen
- Warum wir unserem eigenen Gedächtnis nicht trauen können
- Die Biologie der Risikobereitschaft: Warum Teenager, Händler und Soldaten dieselben Fehler machen
Weiterführende Literatur
Als Amazon-Partner verdient Eikleaf an qualifizierten Verkäufen. Die folgenden Buchlinks sind Affiliate-Links: Wenn Sie darüber kaufen, erhalten wir möglicherweise eine kleine Provision, ohne zusätzliche Kosten für Sie.
The Intelligence Trap: Why Smart People Make Dumb MistakesDas Buch erklärt, wie Intelligenz, Bildung und Fachwissen interessengeleitetes Denken verstärken und Fehler bei Einzelnen und in Institutionen verdecken können.
The Scout Mindset: Why Some People See Things Clearly and Others Don’tDas Buch entwickelt praktische Gewohnheiten, um Überzeugungen von der eigenen Identität zu trennen, die eigene Gewissheit zu prüfen und Belege willkommen zu heißen, die eine bevorzugte Schlussfolgerung infrage stellen.
How Minds Change: The New Science of Belief, Opinion and PersuasionDas Buch zeigt anhand von Recherchen unter ehemaligen Verschwörungsgläubigen, religiösen Extremisten und politischen Aktivisten, wie Identität Überzeugungen aufrechterhält und wie sich diese verändern.
Think Again – Die Kraft des flexiblen DenkensDas Buch untersucht, wie geistige Selbstsicherheit in Starrheit umschlägt und wie Einzelne, Schulklassen und Organisationen die Revision von Überzeugungen zur Routine machen können.Empfohlene Videos
5:14Warum ignorieren wir Fakten? Der Backfire-Effekt | Harald LeschHarald Lesch erklärt den Backfire-Effekt: warum Fakten manche Überzeugungen eher festigen als korrigieren.
11:38Why you think you’re right — even if you’re wrong | Julia GalefGalefs Gegenüberstellung „Soldat gegen Kundschafter“ zum motivierten Denken: warum kluge Menschen verteidigen, was sie ohnehin glauben.
13:05Are Smart People Ruining Democracy? | Dan Kahan | TEDxViennaDan Kahan selbst erklärt seine Befunde zur motivierten Zahlenkompetenz, das zentrale Experiment des Artikels.Artikel zitieren
Ingrid Dahl. “Warum gebildete Menschen Dinge glauben, die nicht stimmen.” Eikleaf, 8. Mai 2026, aktualisiert 2. November 2026. https://www.eikleaf.com/de/why-educated-people-believe-things-that-are-not-true/
Hinweis zu generativer KI
Einige Inhalte dieser Seite wurden mithilfe einer generativen KI erstellt und/oder bearbeitet.
Bildnachweise
Hartono Creative Studio – Pexels
Wichtige Quellen und Literaturhinweise
Dan Kahan, Ellen Peters, Erica Cantrell Dawson & Paul Slovic, „Motivated numeracy and enlightened self-government,“ Behavioural Public Policy, Vol. 1, Issue 1, pp. 54–86, 2017. https://doi.org/10.1017/bpp.2016.2
Dan Kahan, Ellen Peters, Maggie Wittlin, Paul Slovic, Lisa Larrimore Ouellette, Donald Braman & Gregory Mandel, „The polarizing impact of science literacy and numeracy on perceived climate change risks,“ Nature Climate Change, Vol. 2, pp. 732–735, 2012. https://doi.org/10.1038/nclimate1547
Philip Tetlock, Expert Political Judgment: How Good Is It? How Can We Know? Princeton University Press, 2005.
Philip Tetlock & Dan Gardner, Superforecasting: The Art and Science of Prediction, Crown Publishers, 2015.
Barbara Mellers, Eric Stone, Terry Murray, Angela Minster, Nick Rohrbaugh, Michael Bishop, Eva Chen, Joshua Baker, Yuan Hou, Michael Horowitz, Lyle Ungar & Philip Tetlock, „Identifying and Cultivating Superforecasters as a Method of Improving Probabilistic Predictions,“ Perspectives on Psychological Science, Vol. 10, No. 3, pp. 267–281, 2015. https://doi.org/10.1177/1745691615577794
Open Science Collaboration, „Estimating the reproducibility of psychological science,“ Science, Vol. 349, Issue 6251, 2015. https://doi.org/10.1126/science.aac4716
International Monetary Fund, „IMF Survey: Global Growth Seen at 5.2 pct in 2007“ (on the World Economic Outlook Update), 25 July 2007. https://www.imf.org/en/News/Articles/2015/09/28/04/53/sonew0725a
IMF Independent Evaluation Office, „IMF Performance in the Run-Up to the Financial and Economic Crisis: IMF Surveillance in 2004–07,“ 2011 (summary in IEO Newsletter, Spring 2011). https://ieo.imf.org/-/media/ieo/files/publications/newsletters/english-versions/spring2011-english.pdf
Dana R. Carney, Amy J.C. Cuddy & Andy J. Yap, „Power Posing: Brief Nonverbal Displays Affect Neuroendocrine Levels and Risk Tolerance,“ Psychological Science, Vol. 21, No. 10, pp. 1363–1368, 2010.
Eva Ranehill, Anna Dreber, Magnus Johannesson, Susanne Leiberg, Sunhae Sul & Roberto A. Weber, „Assessing the Robustness of Power Posing: No Effect on Hormones and Risk Tolerance in a Large Sample of Men and Women,“ Psychological Science, Vol. 26, No. 5, pp. 653–656, 2015.
Roy F. Baumeister, Ellen Bratslavsky, Mark Muraven & Dianne M. Tice, „Ego Depletion: Is the Active Self a Limited Resource?“, Journal of Personality and Social Psychology, Vol. 74, No. 5, pp. 1252–1265, 1998.
Martin S. Hagger, Nikos L.D. Chatzisarantis et al., „A Multilab Preregistered Replication of the Ego-Depletion Effect,“ Perspectives on Psychological Science, Vol. 11, pp. 546–573, 2016. https://doi.org/10.1177/1745691616652873
John A. Bargh, Mark Chen & Lara Burrows, „Automaticity of Social Behavior: Direct Effects of Trait Construct and Stereotype Activation on Action,“ Journal of Personality and Social Psychology, Vol. 71, No. 2, pp. 230–244, 1996.
Stéphane Doyen, Olivier Klein, Cora-Lise Pichon & Axel Cleeremans, „Behavioral Priming: It’s All in the Mind, but Whose Mind?“, PLOS ONE, 2012. https://doi.org/10.1371/journal.pone.0029081
Chris Mooney, The Republican Brain: The Science of Why They Deny Science — and Reality, Wiley, 2012.
Dan M. Kahan, Asheley Landrum, Katie Carpenter, Laura Helft & Kathleen Hall Jamieson, „Science Curiosity and Political Information Processing,“ Political Psychology, Vol. 38, Supplement 1, pp. 179–199, 2017. https://doi.org/10.1111/pops.12396
Ancel Keys et al., Seven Countries: A Multivariate Analysis of Death and Coronary Heart Disease, Harvard University Press, 1980.
Isaiah Berlin, The Hedgehog and the Fox: An Essay on Tolstoy’s View of History, Weidenfeld and Nicolson, 1953.
Emil Persson, David Andersson, Lina Koppel, Daniel Västfjäll & Gustav Tinghög, „A preregistered replication of motivated numeracy,“ Cognition, Vol. 214, 2021. https://doi.org/10.1016/j.cognition.2021.104768
Dan Kahan, „What do I think of Mooney’s Republican Brain?“, Cultural Cognition Project blog, 2012. https://www.culturalcognition.net/blog/2012/7/27/what-do-i-think-of-mooneys-republican-brain.html
Joseph P. Simmons, Leif D. Nelson & Uri Simonsohn, „False-Positive Psychology,“ Psychological Science, Vol. 22, No. 11, pp. 1359–1366, 2011. https://doi.org/10.1177/0956797611417632
Jacob Yerushalmy & Herman E. Hilleboe, „Fat in the diet and mortality from heart disease; a methodologic note,“ New York State Journal of Medicine, Vol. 57, pp. 2343–2354, 1957.
Donald J. McNamara, „The Fifty Year Rehabilitation of the Egg,“ Nutrients, Vol. 7, pp. 8716–8722, 2015. https://pmc.ncbi.nlm.nih.gov/articles/PMC4632449/
Today’s Dietitian, „The 2015–2020 Dietary Guidelines,“ 2016. https://www.todaysdietitian.com/the-2015-2020-dietary-guidelines/
U.S. Department of Health and Human Services & U.S. Department of Agriculture, 2015–2020 Dietary Guidelines for Americans, 8th Edition, December 2015. https://odphp.health.gov/sites/default/files/2019-09/2015-2020_Dietary_Guidelines.pdf












