Schnelles Denken, langsames Denken (German Edition)

fokussieren – vielmehr betrachten sie den Unsicherheitsbereich um das wahrscheinlichste Ergebnis. Eine rationale Person investiert eine große Summe in ein Unternehmen, das mit hoher Wahrscheinlichkeit scheitert, wenn die materiellen Anreize im Erfolgsfall hinreichend groß sind, ohne sich über die Erfolgschancen Illusionen zu machen. Doch wir sind nicht alle rational, und einige von uns brauchen vielleicht die Sicherheit verzerrter Schätzwerte, um nicht in eine Lähmung zu verfallen. Wenn Sie sich jedoch selbst etwas vormachen wollen, indem Sie extreme Vorhersagen akzeptieren, sollten Sie sich immer Ihrer Nachgiebigkeit gegen sich selbst bewusst sein.
    Der vielleicht größte Nutzen der von mir vorgeschlagenen Korrekturverfahren besteht darin, dass sie Sie dazu zwingen, darüber nachzudenken, was Sie wissen. Ich werde ein Beispiel verwenden, das in der akademischen Welt allgemein bekannt ist, aber die Parallelen zu anderen lebensweltlichen Sphären sind unmittelbar ersichtlich. Ein Fachbereich will einen jungen Professor berufen und den Bewerber auswählen, der die höchste wissenschaftliche Produktivität verspricht. Der Berufungsausschuss hat die Auswahl auf zwei Kandidaten eingegrenzt:
    Kim hat vor Kurzem ihre Dissertation abgeschlossen. Ihre Empfehlungen sind spektakulär, sie hielt einen brillanten Vortrag und beeindruckte alle Anwesenden in ihren Vorstellungsgesprächen. Sie hat bislang allerdings nicht besonders viel publiziert.
     
    Jane hatte in den letzten drei Jahren eine Stelle als promovierte Nachwuchswissenschaftlerin inne. Sie war sehr produktiv, und sie hat exzellente Forschungsleistungen aufzuweisen, aber ihr Vortrag und ihre Vorstellungsgespräche waren nicht so bestechend wie die von Kim.
    Intuitiv würde man sich für Kim entscheiden, weil sie einen stärkeren Eindruck hinterließ und wegen der Regel, dass nur die jeweils verfügbare Information zählt (WYSIATI). Aber es ist auch so, dass wir viel weniger Informationen über Kim als über Jane besitzen. Wir sind wieder zurück beim Gesetz der kleinen Zahlen. Tatsächlich verfügen wir über eine viel kleinere Stichprobe an Informationen über Kim als über Jane, und extreme Ergebnisse werden mit viel
höherer Wahrscheinlichkeit in kleinen Stichproben beobachtet. Bei den Ergebnissen von kleinen Stichproben spielt der Zufall eine viel größere Rolle, und deshalb sollten wir bei unserer Vorhersage der zukünftigen Leistung Kims eine stärkere Regression zum Mittelwert vornehmen. Wenn wir die Tatsache berücksichtigen, dass Kim vermutlich stärker zum Mittelwert regrediert als Jane, werden wir vielleicht doch Jane auswählen, auch wenn sie uns weniger stark beeindruckt hat. Im Rahmen eines akademischen Berufungsverfahrens würde ich für Jane stimmen, aber ich müsste mühsam meinen intuitiven Eindruck überwinden, dass Kim vielversprechender ist. Es ist natürlicher und irgendwie auch angenehmer, seinen Intuitionen zu folgen, als gegen sie zu handeln.
    Sie können sich leicht ähnliche Probleme in anderen Zusammenhängen vorstellen, wie etwa ein Risikokapitalgeber, der sich entscheiden muss, in welche von zwei Neugründungen, die auf verschiedenen Märkten tätig sind, er investieren soll. Eines der neuen Unternehmen bietet ein Produkt an, für das sich recht genaue Nachfrageschätzungen erstellen lassen. Der andere Kandidat ist aufregender und intuitiv vielversprechender, aber seine Aussichten sind ungewisser. Ob die Erfolgsaussichten des zweiten Start-ups noch immer höher eingeschätzt werden, wenn die Unsicherheit berücksichtigt wird, ist eine Frage, die eine sorgfältige Erwägung verdient.

Die Regression im Zwei-Systeme-Modell
    Extreme Vorhersagen und die Bereitschaft, seltene Ereignisse aus schwachen Informationen vorherzusagen, sind beides Kennzeichen von System 1. Die assoziative Maschinerie setzt die Extremität der Vorhersagen automatisch mit der wahrgenommenen Extremität der Informationen gleich, auf denen diese basieren  – so funktioniert die Ersetzung. Und System 1 erzeugt spontan Urteile, deren Gültigkeit wir überschätzen, weil der Grad des subjektiven Überzeugtseins, wie wir sahen, von der Kohärenz der besten Geschichte abhängt, die wir aus den verfügbaren Informationen konstruieren können. Seien Sie gewarnt: Ihre Intuitionen liefern Vorhersagen, die zu extrem sind, und Sie werden dazu neigen, ihnen allzu großen Glauben zu schenken.
    Regression ist auch ein Problem für System 2. Schon die Idee der Regression zum