Únase a getAbstract para acceder al resumen.

Noise

Únase a getAbstract para acceder al resumen.

Noise

Was unsere Entscheidungen verzerrt – und wie wir sie verbessern können

Siedler,

15 mins. de lectura
9 ideas fundamentales
Audio y Texto

¿De qué se trata?

Was wir über unsere Unwissenheit wissen sollten.

  • 0.5×
  • 0.75×
  • 1×
  • 1.25×
  • 1.5×
  • 1.75×
1×

Bewertung der Redaktion

9

Qualitäten

  • Innovativ
  • Wissenschaftsbasiert
  • Praktische Beispiele

Rezension

„Noise“ meint zufällige Ergebnisschwankungen bei Diagnosen, Vorhersagen, Beurteilungen und Entscheidungen. Solche Schwankungen sind oft erheblich. Sie schwächen die Glaubwürdigkeit von Regierungen, die Treffsicherheit medizinischer Diagnosen und kosten Unternehmen viele Millionen. Doch anders als den unter „Bias“ bekannten Urteilsverzerrungen wurde dem Noise bislang noch kaum Beachtung geschenkt, geschweige denn etwas dagegen unternommen. Das Buch leistet hier echte Pionierarbeit – und liefert, neben einer ausführlichen Darlegung des Problems, die passenden Abwehrstrategien gleich mit.

Zusammenfassung

Die Qualität von Entscheidungen leidet unter Bias und Noise: systematischen und zufälligen Urteilsfehlern.

Bias und Noise sind zwei grundsätzlich verschiedene Arten von Urteilsfehlern. Beim Bias irren wir uns, aber unsere Urteile verfehlen die Wahrheit in gleicher Art und Weise. Beim Noise hingegen irrt sich jeder anders. Zur Illustration stellen Sie sich vier Teams von je fünf Personen auf einem Schießstand vor. Jede Person gibt einen Schuss auf die Scheibe ab:

  • Team A trifft fünfmal ins Schwarze. Die Ergebnisse liegen dicht beieinander und mitten im Ziel – perfekt.
  • Team B trifft fünfmal unten links, auch hier liegen die Ergebnisse eng beieinander. Hier scheint ein Bias, also eine konsistente Zielabweichung vorzuliegen. Vielleicht ist das Zielfernrohr nicht korrekt montiert. Bei einem weiteren Schuss würde man einen erneuten Treffer unten links erwarten.
  • Team C verteilt seine Treffer über die gesamte Zielscheibe. Das Ergebnis ist noisy, sprich verrauscht. Bei einem weiteren Schuss könnte man keine Vorhersage abgeben – er könnte überall einschlagen.
  • Team D streut seine Treffer ebenfalls breit, tendenziell aber unten links. Hier ist das Ergebnis...

Über die Autoren

Daniel Kahneman lehrt Psychologie an der Princeton University. Er erhielt 2002 den Wirtschaftsnobelpreis. Olivier Sibony lehrt Strategie, Entscheiden und Problemlösen an der HEC Paris. Cass R. Sunstein lehrt Rechtswissenschaften an der Harvard University und hat mehrere Bestseller veröffentlicht.

Kommentar abgeben

  • Avatar
    Anmelden
  • Avatar
    P. B. getAbstract vor 3 Jahren
    Interessante und relevante Aussagen. Vor allem auch mit Hinblick auf die steigende Gefahr von Missinformationen in Social Media sind dies wertvolle Hinweise.