Schrittweise aktualisieren, während Evidenz eintrifft, statt auf Gewissheit zu warten

Formuliere deine aktuelle beste Wahrscheinlichkeitsschätzung, identifiziere, was sie verschieben würde, und aktualisiere, wenn diese Evidenz eintrifft.

Why it works

Mehrdeutigkeitsaversion erzeugt oft binäres Denken: "Ich weiß nicht genug" versus "Ich weiß genug." Bayes'sche Aktualisierung rahmt das als kontinuierlichen Prozess um: Jedes Stück Evidenz verschiebt deine Wahrscheinlichkeitsschätzung, und du brauchst keine Gewissheit, um zu handeln — nur ausreichende Zuversicht im Verhältnis zu den Einsätzen. Den Aktualisierungsprozess explizit zu machen — deine Priorwahrscheinlichkeit, die Evidenz und deine Posteriorwahrscheinlichkeit zu benennen — reduziert das emotionale Gewicht der Mehrdeutigkeit und ersetzt es durch eine handhabbare Frage: Wie viel Evidenz brauche ich für diese konkrete Entscheidung?

How to do it

1. Formuliere deine aktuelle beste Wahrscheinlichkeitsschätzung für das Schlüsselergebnis (deinen Prior), auch wenn sie grob ist.
2. Identifiziere, welche Evidenz diese Schätzung verschieben würde und um wie viel.
3. Überarbeite deine Schätzung explizit, wenn Evidenz eintrifft, und protokolliere die Überarbeitung.
4. Setze im Voraus eine Zuversichtsschwelle für Handeln: "Ich handle, wenn ich X% erreiche."

Evidenz

Superforecasting-Forschung (Tetlock & Gardner, 2015) zeigt, dass explizite Wahrscheinlichkeitsschätzung und systematische Aktualisierung Bauchgefühlurteile bei mehrdeutigen Ergebnissen übertrifft. Studien des Good Judgment Project dokumentierten signifikante Verbesserungen der Prognosegenauigkeit durch probabilistisches Denktraining. (observational)

Bayes'sche Aktualisierung erfordert gutes Signal; in stark neuartigen Situationen kann frühe Evidenz unrepräsentativ sein, und zu aggressive Aktualisierung darauf kann zu vorzeitigem Abschluss führen.

Quellen

• Tetlock, P.E., & Gardner, D. (2015). Superforecasting: The Art and Science of Prediction. Crown.
• Mellers, B., Ungar, L., Baron, J., Ramos, J., Gurcay, B., Fincher, K., Scott, S. E., Moore, D., Atanasov, P., Swift, S. A., Murray, T., Stone, E., & Tetlock, P. E. (2014). Psychological strategies for winning a geopolitical forecasting tournament. Psychological Science, 25(5), 1106-1115.
• Lichtenstein, S., & Fischhoff, B. (1980). Training for calibration. Organizational Behavior and Human Performance, 26(2), 149-171.

Häufiger Fehler

Einen Prior zu formulieren, ihn aber nie tatsächlich zu aktualisieren — die Praxis erfordert, die Schätzung zu überarbeiten, wenn echte Evidenz eintrifft, nicht nur eine Zahl zu setzen und nachfolgende Informationen zu ignorieren.