Übe probabilistische Kalibrierung, indem du deine Vorhersagen verfolgst
Ordne deinen Vorhersagen explizite Wahrscheinlichkeitsschätzungen zu und verfolge, ob sie mit der richtigen Rate eintreffen.
Why it works
Kalibrierung – die Übereinstimmung zwischen angegebener Zuversicht und tatsächlicher Genauigkeit – ist eine erlernbare Fähigkeit. Menschen, die ihre Vorhersagen über die Zeit verfolgen und beobachten, wie oft zu 70 % zuversichtliche Behauptungen tatsächlich eintreffen, entwickeln Rückkopplungsschleifen, die systematische Über- oder Unterzuversicht korrigieren. Ohne diese Rückkopplung bleibt das durch anschauliche Information erzeugte Zuversichtsgefühl unkorrigiert.
How to do it
- Ordne jeder Vorhersage, die du triffst, eine Prozent-Wahrscheinlichkeit zu: „Ich denke, es gibt eine 70%ige Chance, dass X passiert.“
- Notiere die Vorhersage und das Ergebnis.
- Prüfe nach 20–30 Vorhersagen deine Kalibrierung: treffen deine 70%-Vorhersagen etwa 70 % der Zeit ein?
Evidenz
Kalibrierungsforschung (einschließlich der Arbeit zu Superforecastern von Tetlock) zeigt, dass das Verfolgen von Vorhersagen mit expliziten Wahrscheinlichkeiten die Genauigkeit über die Zeit durch rückkopplungsgetriebene Fehlerkorrektur signifikant verbessert. (observational)
Quellen
- Tetlock & Gardner (2015), Superforecasting — calibration training and improvement across thousands of predictions
Häufiger Fehler
Vage Wahrscheinlichkeiten zuzuordnen („ziemlich wahrscheinlich“) statt konkreter Zahlen, was sinnvolle Kalibrierungsprüfungen verhindert, weil die Vorhersage nicht falsifizierbar ist.
Übe das mit IX Coach
More practices for Vernachlässigung der Basisrate: Warum wir die Wahrscheinlichkeiten ignorieren
- Frage zuerst nach der Basisrate, bevor du den Einzelfall bewertest
Bevor du eine einzelne Situation beurteilst, kläre zuerst, wie oft diese Art von Sache im Allgemeinen vorkommt.
- Nutze Referenzklassen-Prognose für Projektschätzungen
Schätze, wie lange ähnliche Projekte historisch gedauert haben, bevor du dein spezifisches Projekt schätzt.
- Aktualisiere Überzeugungen graduell, nicht vollständig
Behandle neue Informationen als Beleg, der Wahrscheinlichkeiten verschiebt, nicht als Beweis, der alles verändert.
- Bestimme immer den Nenner, wenn du Risiko oder Erfolg bewertest
Wenn eine Zahl oder Geschichte auffällig ist, frage: „Von wie vielen Fällen insgesamt?“
- Rufe für wichtige Entscheidungen bewusst die Außensicht auf
Zwinge dich bei jeder folgenreichen Vorhersage, mit dem zu beginnen, wie die Dinge typischerweise verlaufen, nicht damit, wie sich deine Situation anfühlt.
- Erwarte Regression zur Mitte bei extremen Ergebnissen
Ungewöhnlich gute oder schlechte Leistung wird tendenziell von durchschnittlicherer Leistung gefolgt – nicht wegen dem, was du getan hast.
Verwandte Konzepte
- Schnelles Denken, langsames Denken, nutzbar gemacht
Two systems, the biases they create, and when to slow down
- Bayesianisches Denken: Wie man Überzeugungen rational aktualisiert
Holding beliefs as probabilities and updating them when evidence arrives
- Ankereffekt bei Verhandlung und Urteil
Why the first number wins — the mechanism, and how to set and resist anchors