Den Prototyp benennen, mit dem man vergleicht, bevor man entscheidet
Den als Referenz genutzten Prototyp explizit machen – verborgene Vorlagen verzerren Entscheidungen ohne Prüfung.
Why it works
Viel repräsentativitätsbasiertes Denken ist unsichtbar: Der Verstand gleicht still einen Kandidaten, ein Produkt oder einen Plan mit einem gespeicherten Prototyp ab und gibt eine Bewertung aus, ohne die verwendete Vorlage offenzulegen. Den Prototyp explizit zu benennen („Ich vergleiche diese Geschäftsidee mit dem prototypischen Tech-Startup“) macht den Vergleich für Prüfung sichtbar – man kann dann fragen, ob der Prototyp angemessen ist, ob die Übereinstimmung real ist und wie hoch die Basisrate für Erfolg in dieser Kategorie ist.
How to do it
- Vor einer bewertenden Entscheidung fragen: „Mit welchem Prototyp vergleiche ich das gerade?“
- Ihn explizit benennen, laut oder schriftlich.
- Fragen: „Ist das die richtige Referenzkategorie für diese Entscheidung?“
- Fragen: „Wie hoch ist die Basisrate des Ergebnisses, das ich für diese Kategorie vorhersage?“
Evidenz
Kategorienbasierte Bewertung ist ein grundlegendes Konzept der Kategorisierungsforschung (Rosch, 1975) und direkt mit der Anwendung der Repräsentativitätsheuristik in der Urteilsforschung verknüpft. Implizite Vergleiche explizit zu machen ist eine allgemeine metakognitive Debiasing-Strategie, gestützt durch die breitere Literatur zur Entscheidungsqualität. (mechanistic)
Den Prototyp zu benennen ist ein notwendiger, aber nicht hinreichender Schritt; die eigentliche Arbeit ist dann, die Basisrate für diese Kategorie korrekt zu schätzen, was eine eigene Fertigkeit ist.
Häufiger Fehler
Den Prototyp benennen, ihn aber als Bestätigung des Vergleichs behandeln, statt ihn zu hinterfragen – der Punkt ist zu prüfen, ob die Ähnlichkeit die Schlussfolgerung rechtfertigt.
Übe das mit IX Coach
More practices for Die Repräsentativitätsheuristik — nach Ähnlichkeit urteilen
- Basisraten nachschlagen, bevor man ein Ähnlichkeitsurteil fällt
Bevor man entscheidet, „das sieht aus wie X“, fragen, wie häufig X in der relevanten Population tatsächlich ist.
- Erkennen, welche Merkmale tatsächlich diagnostisch sind
Merkmale, die Kategorien tatsächlich unterscheiden, von solchen trennen, die nur das Bild vervollständigen.
- Erkennen, dass Zufallssequenzen keinen Ausgleich „schulden“
Zufallsprozesse haben kein Gedächtnis – eine Serie von Kopf macht Zahl nicht wahrscheinlicher.
- Kleine Stichproben mit expliziter Skepsis behandeln
Eine kurze Sequenz kann repräsentativ aussehen, ohne statistisch verlässlich zu sein – das Vertrauen an die Stichprobengröße anpassen.
- Personenurteile auf Prototyp-Substitution prüfen
Prüfen, ob ein Urteil über eine Person auf ihrem tatsächlichen Verhalten beruht oder auf Ähnlichkeit zu einem Typ.
- Erwarten, dass extreme Ergebnisse zum Durchschnitt zurückkehren
Ungewöhnlich gute oder schlechte Leistung sagt eine durchschnittlichere Leistung beim nächsten Mal voraus – das vor Lob oder Tadel berücksichtigen.