Die Grundlage meiner Arbeit
Ich arbeite nicht mit Meinung, sondern mit dem, was die Forschung über unser Denken weiß. Diese Seite zeigt, worauf sich meine Arbeit stützt, also die Mechanismen hinter Urteil und Entscheidung und die Studien, die sie untersuchen. Wer es genau wissen will, klappt die Quellen auf.
Hier erfährst du mehr über mich persönlich
Stärken statt lenken
Warum ich Urteilskraft aufbaue, statt Verhalten zu lenken
Die Verhaltenswissenschaft kennt zwei Wege Einfluss auf das Entscheidungsverhalten von Menschen zu nehmen.
Der bekanntere ist das Nudging. Es gestaltet die Umgebung so, dass Menschen wie von selbst beim erwünschten Verhalten landen, zum Beispiel über Voreinstellungen, Reihenfolgen und sanfte Schubser. Das wirkt, solange die Umgebung mitspielt. Die Person selbst bleibt, wie sie ist, und verschwindet der Impuls, verschwindet in der Regel auch die Wirkung.
Der Gedanke dahinter ist wohlmeinend, jedoch arbeiten diese Werkzeuge längst überall dort, wo niemand dein Wohl im Sinn hat. Der Feed ist so gebaut, dass du möglichst lange bleibst. Neben dem Angebot läuft ein Countdown, das Abo ist schon angekreuzt und selbst der Supermarkt ist bis ins Regal durchdacht. Wer heute entscheidet, tut das fast nie in neutralem Gelände.
Der zweite Weg heißt Boosting (Hertwig & Grüne-Yanoff, 2017). Er setzt nicht an der Umgebung an, sondern an der Person. Statt dein Verhalten zu lenken, stärkt er deine Fähigkeit, selbst gut zu urteilen. Das geschieht zum Beispiel durch Risikodarstellungen, die man wirklich versteht, durch einfache Entscheidungsregeln oder durch Prüffragen, die so lange geübt werden, bis sie von selbst kommen. Was so entsteht, soll bleiben, auch wenn die Stütze wegfällt. Es trägt dort, wo niemand die Umgebung für dich gestaltet hat, und dort, wo sie gegen dich arbeitet.
Meine Arbeit gehört zum zweiten Weg, aus Überzeugung. Ich richte keine Umgebungen ein, die dich unbemerkt in die richtige Richtung schieben. Ich schule das Urteil, mit dem du selbst entscheidest, auch als Schutz in den Umgebungen, die andere für dich gebaut haben. Beide Wege haben ihren Ort. Wo Zeit und Gelegenheit zum Üben fehlen, ist eine gut gebaute Umgebung das ehrlichere Mittel. Aber die Entscheidungen, die selten, teuer und schwer umkehrbar sind, nimmt dir keine Umgebung ab. Für sie brauchst du ein Urteil, das geschult wurde, bevor es gebraucht wird. Die fünf Felder auf dieser Seite beschreiben, womit ich dabei arbeite.
-
Hertwig, R., & Grüne-Yanoff, T. (2017). Nudging and boosting: Steering or empowering good decisions. Perspectives on Psychological Science, 12(6), 973–986. https://doi.org/10.1177/1745691617702496
Kritisches Denken
Wie Urteile entstehen, wo sie kippen und wie Reflexion sie schützt
Kritisches Denken ist mehr als rationale Analyse und Wissensanhäufung. Es heißt, das eigene Denken zu beobachten, während man mitten darin steckt, eigene Annahmen zu prüfen und die Verzerrungen zu kennen, die jedes Urteil prägen.
Typische Situationen
Ein Argument klingt plausibel, hält aber logisch nicht, etwa durch falsche Kausalität oder Überverallgemeinerung.
Eine Annahme bestätigt sich scheinbar, weil nur nach dem gesucht wird, was sie stützt.
Unter Zeitdruck wird zu früh vereinfacht oder zu lange gezögert und das Urteil driftet.
Starke Evidenz wird über- oder untergewichtet, weil Intuition, Status oder Verfügbarkeit (was gerade präsent ist) die Bewertung kippen.
Was sich verändert
Annahmen, Alternativen und Gegenargumente werden geprüft, bevor sie sich festsetzen.
Verzerrungen werden früh erkannt und abgefedert, statt unbemerkt zu wirken.
Urteile bleiben unter Druck stabil, weil kurze Reflexionsschritte spontane Abkürzungen ersetzen.
Klarere Prioritäten werden gesetzt, weil Unsicherheit explizit gemacht und Argumente nach Relevanz und Evidenz gewichtet werden statt nach Lautstärke.
Werkzeuge & Standards
Intuitives und prüfendes Denken bewusst trennen
Metakognitive Fragen, also das Denken über das eigene Denken
Bias-Checks an den Stellen, an denen eine Verzerrung wahrscheinlich ist
Pre-Mortem: das Scheitern vorwegnehmen, um blinde Flecken zu finden
Konfidenzkalibrierung: die eigene Sicherheit ehrlich einschätzen
-
Zwei Denkmodi prägen jedes Urteil, ein schnelles, intuitives und ein langsames, prüfendes. Im Alltag arbeitet das schnelle System meist allein, und das ist gut so. Teuer wird es, wo eine Lage neu oder folgenreich ist und die Intuition trotzdem zuerst spricht.
Kritisches Denken heißt, diesen Moment zu bemerken und externe sowie interne Einflüsse auf den eigenen Bewertungsprozess bewusst mit den verfügbaren Informationen abzuwägen. Dazu gehört, die eigenen Verzerrungen zu kennen, denn sie sind keine Charakterfrage, sondern vorhersehbare Muster, die aus der Arbeitsweise des Denkens selbst entstehen. Wer weiß, wo das eigene Urteil typischerweise kippt, kann früh gegensteuern.
Der zweite Hebel ist die Metakognition, das Denken über das eigene Denken. Auch Erfahrung schützt nicht von selbst, denn ohne Rückmeldung verfestigt sie nur die eigenen Muster. Forschung zeigt, dass schon kurze, gezielte Reflexion die Qualität von Urteilen messbar erhöht. Die eigentliche Wende ist damit nicht allein mehr Wissen, sondern die Fähigkeit, das eigene Denken im Moment zu beobachten.
-
Albrecht, L. B. (2025). Kritisches Denken in der Chemielehrer*innenbildung: Eine konzeptionell-empirische Studie zur Integration und Operationalisierung. Logos Verlag Berlin. https://doi.org/10.30819/5970
Berthet, V. (2022). The Impact of Cognitive Biases on Professionals’ Decision-Making: A Review of Four Occupational Areas. Frontiers in Psychology, 12, 802439. https://doi.org/10.3389/fpsyg.2021.802439
Cottrell, S. (2017). Critical thinking skills: Effective analysis, argument and reflection (Third edition). Palgrave Macmillan education.
Halpern, D. F. (2014). Thought and knowledge: An introduction to critical thinking (Fifth Edition). Psychology Press.
Hanley, G. L. (1995). Teaching Critical Thinking: Focusing on Metacognitive Skills and Problem Solving. Teaching of Psychology, 22(1), 68–72. https://doi.org/10.1207/s15328023top2201_21
Kahneman, D., Slovic, P., & Tversky, A. (1982). Judgement under uncertainty: Heuristics and biases / edited by Daniel Kahneman, Paul Slovic, Amas Tversky. Cambridge University Press.
Kakinohana, R. K., & Pilati, R. (2023). Differences in decisions affected by cognitive biases: Examining human values, need for cognition, and numeracy. Psicologia: Reflexão e Crítica, 36(1), 26. https://doi.org/10.1186/s41155-023-00265-z
Klein, G. (2007). Performing a Project Pre mortem. Harvard Business Review, 85(9), 18–19.
Larrick, R. P., & Feiler, D. C. (2015). Expertise in Decision Making. In G. Keren & G. Wu (Hrsg.), The Wiley Blackwell Handbook of Judgment and Decision Making (1. Aufl., S. 696–721). Wiley. https://doi.org/10.1002/9781118468333.ch24
Lilienfeld, S. O., Ammirati, R., & Landfield, K. (2009). Giving Debiasing Away: Can Psychological Research on Correcting Cognitive Errors Promote Human Welfare? Perspectives on Psychological Science, 4(4), 390–398. https://doi.org/10.1111/j.1745-6924.2009.01144.x
Midtgård, K., & Selart, M. (2025). Cognitive Biases in Strategic Decision-Making. Administrative Sciences, 15(6), 227. https://doi.org/10.3390/admsci15060227
Milkman, K. L., Chugh, D., & Bazerman, M. H. (2009). How Can Decision Making Be Improved? Perspectives on Psychological Science, 4(4), 379–383. https://doi.org/10.1111/j.1745-6924.2009.01142.x
Morewedge, C. K., Yoon, H., Scopelliti, I., Symborski, C. W., Korris, J. H., & Kassam, K. S. (2015). Debiasing Decisions: Improved Decision Making With a Single Training Intervention. Policy Insights from the Behavioral and Brain Sciences, 2(1), 129–140. https://doi.org/10.1177/2372732215600886
Paul, R., & Elder, L. (2014). Critical thinking: Tools for taking charge of your learning and your life (Third edition, Pearson new international edition). Pearson Education Limited.
Stanovich, K. E. (2011). Rationality and the reflective mind. Oxford University Press. https://doi.org/10.1093/acprof:oso/9780195341140.001.0001
Theodorakopoulos, L., Theodoropoulou, A., & Halkiopoulos, C. (2025). Cognitive Bias Mitigation in Executive Decision-Making: A Data-Driven Approach Integrating Big Data Analytics, AI, and Explainable Systems. Electronics, 14(19), 3930. https://doi.org/10.3390/electronics14193930
Young, R. (2023, August 28). The Power Of Critical Thinking: Enhancing Decision-Making And Problem-Solving. Forbes. https://www.forbes.com/councils/forbescoachescouncil/2023/07/28/enhancing-decision-making-and-problem-solving/
Entscheiden und Urteilen
Wie ein Urteil hält, wenn Druck und Unsicherheit steigen
Entscheiden heißt nicht einfach, sich festzulegen. Es heißt, Optionen, Evidenz, Risiken und Prioritäten so zu ordnen, dass ein Abschluss möglich wird und in der Umsetzung trägt. Die häufigsten Gründe, dass Entscheidungen schwerfallen, sind weiche Kriterien, wechselnde Maßstäbe oder fehlende Realisierbarkeit und seltener ein Mangel an fachlicher Kompetenz.
Typische Situationen
Eine Entscheidung zieht sich, obwohl die Faktenlage klar ist, weil die Unsicherheit nicht ausgehalten wird.
Ein eingeschlagener Weg wird weiterverfolgt, weil schon viel investiert wurde, nicht weil er noch trägt.
Ein möglicher Verlust wiegt schwerer als ein gleich großer Gewinn und die Entscheidung wird zu vorsichtig.
Was sich verändert
Robustere Entscheidungen werden getroffen, weil Bias und Noise (systematische Verzerrung und zufällige Streuung) in Entscheidungen früh sichtbar werden.
Unsicherheit wird benannt und eingeordnet, statt in Scheinpräzision verwandelt.
Ein Abschluss wird möglich, weil klar ist, was als ausreichend gilt, statt endlos abzuwägen.
Werkzeuge & Standards
Kriterien klären, bevor die Optionen emotional aufgeladen sind
Pre-Mortem für die wichtigsten Entscheidungen
Konfidenzkalibrierung: wie sicher wir wirklich sind
Den Blick auf das ausrichten, was zählt, statt auf das, was gerade präsent ist
-
Gute Entscheidungen entstehen nicht durch mehr Diskussion und Auseinandersetzung, sondern durch strukturiertes und besseres Urteilen. Unter Druck greifen vorhersehbare Muster. Wir halten an einem Weg fest, weil wir schon investiert haben. Wir verankern uns an der ersten Zahl, die im Raum stand, wir verwechseln das, was uns gerade einfällt, mit dem, was wichtig ist. Solche Muster lassen sich nicht abschalten, aber wer sie kennt, kann an den teuren Stellen gegensteuern.
Hilfreich ist, Kriterien zu klären, bevor die Optionen emotional aufgeladen sind, und Unsicherheit offen zu benennen, statt sie zu glätten. Empirische Arbeiten zeigen, dass die Art, wie eine Entscheidung zustande kommt, ihre Qualität und ihren Erfolg messbar beeinflusst, unabhängig vom Inhalt, und schon eine einzelne, gut gebaute Intervention systematische Denkfehler messbar und dauerhaft reduzieren kann.
Urteilskraft ist also nicht allein eine Frage der Erfahrung, sondern vor allem der Aufmerksamkeit für den eigenen Entscheidungsprozess.
-
Berthet, V. (2022). The Impact of Cognitive Biases on Professionals’ Decision-Making: A Review of Four Occupational Areas. Frontiers in Psychology, 12, 802439. https://doi.org/10.3389/fpsyg.2021.802439
Curşeu, P. L., & Schruijer, S. G. L. (2012). Decision Styles and Rationality: An Analysis of the Predictive Validity of the General Decision-Making Style Inventory. Educational and Psychological Measurement, 72(6), 1053–1062. https://doi.org/10.1177/0013164412448066
Dean, J. W., & Sharfman, M. P. (1996). Does Decision Process Matter? A Study of Strategic Decision-Making Effectiveness. Academy of Management Journal, 39(2), 368–396.
Jones, P. E., & Roelofsma, P. H. M. P. (2000). The potential for social contextual and group biases in team decision-making: Biases, conditions and psychological mechanisms. Ergonomics, 43(8), 1129–1152. https://doi.org/10.1080/00140130050084914
Kahneman, D., Sibony, O., & Sunstein, C. R. (2021). Noise: A flaw in human judgment. Little, Brown Spark.
Kahneman, D., Slovic, P., & Tversky, A. (1982). Judgement under uncertainty: Heuristics and biases / edited by Daniel Kahneman, Paul Slovic, Amas Tversky. Cambridge University Press.
Klein, G. (2007). Performing a Project Pre mortem. Harvard Business Review, 85(9), 18–19.
Larrick, R. P., & Feiler, D. C. (2015). Expertise in Decision Making. In G. Keren & G. Wu (Hrsg.), The Wiley Blackwell Handbook of Judgment and Decision Making (1. Aufl., S. 696–721). Wiley. https://doi.org/10.1002/9781118468333.ch24
Midtgård, K., & Selart, M. (2025). Cognitive Biases in Strategic Decision-Making. Administrative Sciences, 15(6), 227. https://doi.org/10.3390/admsci15060227
Milkman, K. L., Chugh, D., & Bazerman, M. H. (2009). How Can Decision Making Be Improved? Perspectives on Psychological Science, 4(4), 379–383. https://doi.org/10.1111/j.1745-6924.2009.01142.x
Morewedge, C. K., Yoon, H., Scopelliti, I., Symborski, C. W., Korris, J. H., & Kassam, K. S. (2015). Debiasing Decisions: Improved Decision Making With a Single Training Intervention. Policy Insights from the Behavioral and Brain Sciences, 2(1), 129–140. https://doi.org/10.1177/2372732215600886
Siebert, J. U., Kunz, R. E., & Rolf, P. (2021). Effects of decision training on individuals’ decision-making proactivity. European Journal of Operational Research, 294(1), 264–282. https://doi.org/10.1016/j.ejor.2021.01.010
Stanovich, K. E. (2011). Rationality and the reflective mind. Oxford University Press. https://doi.org/10.1093/acprof:oso/9780195341140.001.0001
Young, R. (2023, August 28). The Power Of Critical Thinking: Enhancing Decision-Making And Problem-Solving. Forbes. https://www.forbes.com/councils/forbescoachescouncil/2023/07/28/enhancing-decision-making-and-problem-solving/
Kommunizieren
Warum klares Sprechen klares Denken sichtbar macht
Sprache ist nicht nur Übermittlung, sondern Probe. Wer einen Gedanken nicht klar formulieren kann, hat ihn meist noch nicht klar gedacht. Vieles, was wie ein Kommunikationsproblem aussieht, ist in Wahrheit ein ungelöstes Denkproblem, das sich erst im Formulieren zeigt.
Eine große Problemquelle ist dadurch häufig, dass eine Annahme nie ausgesprochen und damit nie überprüfbar wurde.
Typische Situationen
Ein Gedanke fühlt sich klar an, zerfällt aber, sobald man ihn in einem Satz sagen soll.
Eine Aussage wird unterschiedlich verstanden, weil die zugrunde liegende Annahme nie ausgesprochen wurde.
Unklare Gedanken werden unnötig kompliziert ausgedrückt, weil die Gedanken selbst noch ungeordnet sind.
Was sich verändert
Das Formulieren wird zum Prüfstein, der Lücken im eigenen Denken früh sichtbar macht.
Gedanken kommen an, weil sie auf das Wesentliche gebracht sind, nicht weil sie laut sind.
Annahmen werden ausgesprochen und damit überhaupt erst überprüfbar.
Werkzeuge & Standards
Den Gedanken in einen einzigen Satz fassen
Eine Sache so erklären, dass ein Laie sie versteht
Schreiben als Denkwerkzeug nutzen, nicht als nachgelagerten Schritt
Annahmen explizit aussprechen, bevor man weiterbaut
-
In dem Moment, in dem eine Annahme in Worte gefasst wird, treten ihre Lücken hervor und genau deshalb ist der Versuch, etwas verständlich zu sagen oder zu schreiben, eines der schärfsten Werkzeuge gegen die eigene Selbsttäuschung.
Das gilt nach innen wie nach außen. Nach innen zwingt Formulierung zur Präzision. Nach außen entscheidet sie darüber, ob ein Gedanke ankommt oder unbemerkt im Ungefähren bleibt. Vieles, was wie ein Kommunikationsproblem aussieht, ist in Wahrheit ein ungelöstes Denkproblem, das sich erst im Sprechen zeigt. Wer klar denken will, sollte deshalb das Formulieren nicht als nachgelagerten Schritt behandeln, sondern als Teil des Denkens selbst.
-
Bangert-Drowns, R. L., Hurley, M. M., & Wilkinson, B. (2004). The Effects of School-Based Writing-to-Learn Interventions on Academic Achievement: A Meta-Analysis. Review of Educational Research, 74(1), 29–58. https://doi.org/10.3102/00346543074001029
Chi, M. (1994). Eliciting self-explanations improves understanding,. Cognitive Science, 18(3), 439–477. https://doi.org/10.1016/0364-0213(94)90016-7
Chi, M. T. H., Bassok, M., Lewis, M. W., Reimann, P., & Glaser, R. (1989). Self‐Explanations: How Students Study and Use Examples in Learning to Solve Problems. Cognitive Science, 13(2), 145–182. https://doi.org/10.1207/s15516709cog1302_1
Klein, P. D. (1999). Reopening Inquiry into Cognitive Processes in Writing-To-Learn. Educational Psychology Review, 11(3), 203–270. https://doi.org/10.1023/A:1021913217147
Mercier, H., & Sperber, D. (2011). Why do humans reason? Arguments for an argumentative theory. Behavioral and Brain Sciences, 34(2), 57–74. https://doi.org/10.1017/S0140525X10000968
Rozenblit, L., & Keil, F. (2002). The misunderstood limits of folk science: An illusion of explanatory depth. Cognitive Science, 26(5), 521–562. https://doi.org/10.1207/s15516709cog2605_1
Tourish, D., & Robson, P. (2006). Sensemaking and the Distortion of Critical Upward Communication in Organizations. Journal of Management Studies, 43(4), 711–730. https://doi.org/10.1111/j.1467-6486.2006.00608.x
Künstliche Intelligenz (KI) nutzen
Wo die Maschine entlastet und wo sie das Denken verschiebt
KI beschleunigt Arbeit, ersetzt aber kein Urteil. Modelle klingen plausibel, erzeugen falsche Sicherheit und mit steigender Komplexität sinkt ihre Verlässlichkeit genau dort, wo Entscheidungen teuer werden. Daher ist es entscheidend, dem menschlichen Urteil bewusst seinen Platz zu lassen.
Typische Situationen
Ein überzeugend formulierter Vorschlag wird übernommen, weil er nach Ergebnis aussieht, und die Prüfung entfällt.
Erfundene Inhalte oder falsche Quellen bleiben unbemerkt, weil der Ton stimmt.
Prüfkompetenz wird ausgelagert und der eigene Blick verkümmert, ohne dass es auffällt.
Was sich verändert
KI-Ergebnisse werden geprüft, bevor sie in ein Urteil einfließen.
Das eigene Urteil bleibt der Startpunkt, nicht der Endpunkt.
Die Maschine entlastet dort, wo sie stark ist, und der Mensch bleibt, wo es zählt.
Werkzeuge & Standards
Gegenprobe und Quellencheck vor der Übernahme
Mehrere Ansätze vergleichen, statt dem ersten zu folgen
Den eigenen Standpunkt zuerst bilden, dann die Maschine befragen
Bewusst entscheiden, wofür KI genutzt wird und wofür nicht
-
KI verschiebt nicht nur, wie schnell wir arbeiten, sondern wann unser Denken überhaupt einsetzt.
Ein überzeugend formulierter Vorschlag wirkt wie ein Ergebnis und die Prüfung, die sonst am Anfang stünde, entfällt.
Zwei Effekte verstärken das. Erstens neigen Menschen dazu, maschinellen Ausgaben stärker zu vertrauen als der eigenen Einschätzung, auch wenn die Maschine irrt, ein Muster, das aus der Automatisierung lange bekannt ist. Zweitens übernehmen Modelle menschliche Denkfehler nicht nur, sie können sie verstärken. Hinzu kommt, dass die Verlässlichkeit der Modelle mit steigender Komplexität sinkt, also genau dort nachlässt, wo ein Urteil am meisten zählt. Daher ist es nicht damit getan einfach den Umfang von KI-Nutzung zu erhöhen, sondern das menschliche Urteil bewusst in den Arbeitsablauf zu integrieren.
Wer Prüfkompetenz dauerhaft auslagert, wird kurzfristig schneller, verliert aber langfristig genau die Fähigkeit, die er bräuchte, um die Maschine zu kontrollieren.
-
Bucher, U., Holzweißig, K., & Schwarzer, M. (2024). Künstliche Intelligenz und wissenschaftliches Arbeiten: ChatGPT & Co.: der Turbo für ein erfolgreiches Studium. Verlag Franz Vahlen.
Buçinca, Z., Malaya, M. B., & Gajos, K. Z. (2021). To Trust or to Think: Cognitive Forcing Functions Can Reduce Overreliance on AI in AI-assisted Decision-making. Proceedings of the ACM on Human-Computer Interaction, 5(CSCW1), 1–21. https://doi.org/10.1145/3449287
Carucci, R. (2024, Februar 6). In The Age Of AI, Critical Thinking Is More Needed Than Ever. Forbes. https://www.forbes.com/sites/roncarucci/2024/02/06/in-the-age-of-ai-critical-thinking-is-more-needed-than-ever/
Chen, Y., Kirshner, S. N., Ovchinnikov, A., Andiappan, M., & Jenkin, T. (2025). A Manager and an AI Walk into a Bar: Does ChatGPT Make Biased Decisions Like We Do? Manufacturing & Service Operations Management, 27(2), 354–368. https://doi.org/10.1287/msom.2023.0279
Cheung, V., Maier, M., & Lieder, F. (2025). Large language models show amplified cognitive biases in moral decision-making. Proceedings of the National Academy of Sciences, 122(25), e2412015122. https://doi.org/10.1073/pnas.2412015122
Goddard, K., Roudsari, A., & Wyatt, J. C. (2012). Automation bias: A systematic review of frequency, effect mediators, and mitigators. Journal of the American Medical Informatics Association, 19(1), 121–127. https://doi.org/10.1136/amiajnl-2011-000089
Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task (No. arXiv:2506.08872). arXiv. https://doi.org/10.48550/arXiv.2506.08872
Lee, H.-P. (Hank), Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems, 1–22. https://doi.org/10.1145/3706598.3713778
Milkman, K. L., Chugh, D., & Bazerman, M. H. (2009). How Can Decision Making Be Improved? Perspectives on Psychological Science, 4(4), 379–383. https://doi.org/10.1111/j.1745-6924.2009.01142.x
Mosier, K. L., Skitka, L. J., Heers, S., & Burdick, M. (1998). Automation Bias: Decision Making and Performance in High-Tech Cockpits. The International Journal of Aviation Psychology, 8(1), 47–63. https://doi.org/10.1207/s15327108ijap0801_3
Risko, E. F., & Gilbert, S. J. (2016). Cognitive Offloading. Trends in Cognitive Sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002
Shojaee, P., Mirzadeh, I., Alizadeh, K., Horton, M., Bengio, S., & Farajtabar, M. (2025). The Illusion of Thinking: Understanding the Strengths and Limitations of Reasoning Models via the Lens of Problem Complexity (No. arXiv:2506.06941). arXiv. https://doi.org/10.48550/arXiv.2506.06941
Informationen bewerten
Wie sich Evidenz, Quellen und Unsicherheit prüfen lassen
Da Informationen mittlerweile fast immer und überall verfügbar sind, wird der Umgang mit und die Bewertung von Inhalten immer relevanter. Was ist belastbar, was plausibel, aber falsch, was schlicht unklar? Wer Kriterien für Evidenz und Unsicherheit beherrscht, erkennt irreführende Behauptungen früher und kommuniziert präziser.
Typische Situationen
Eine Behauptung überzeugt, aber die Quelle ist schwach, selektiv oder nicht nachvollziehbar.
Zahlen werden ohne Bezugsgröße genannt, ohne Vergleich, ohne Unsicherheit.
Meinung steht gegen Meinung, weil ein gemeinsamer Maßstab für gute Evidenz fehlt.
Was sich verändert
Evidenz wird nach festen Kriterien geprüft und gewichtet, nicht nach Lautstärke.
Typische Fehlschlüsse und Manipulationsmuster werden früh erkannt.
Unsicherheit wird benannt, was Vertrauen stärkt, statt es zu untergraben.
Werkzeuge & Standards
Quellen-Check, also Autorität, Datenbasis, Methodik, Interessenkonflikte
Evidenz nach stark, mittel, schwach einordnen
Behauptung, Beleg und Sicherheit getrennt benennen
Argumente checken, Kausalität und Korrelation trennen, Basisraten beachten
-
Bei dauerhaft verfügbarer Information entscheidet nicht, wie viel jemand findet, sondern wie gut das Gefundene beurteilt wird.
Der Kern ist epistemisches Wissen, also ein Verständnis davon, wie Wissen überhaupt entsteht, wie sicher es ist und woran man Qualität erkennt. Wer das beherrscht, unterscheidet belastbare Evidenz von plausibel klingender Rhetorik, erkennt typische Fehlschlüsse früher und benennt Unsicherheit, statt sie zu glätten. Das klingt akademisch, ist aber sehr praktisch. Zahlen ohne Bezugsgröße, Studien ohne Methodenkontext oder Aussagen ohne Quellen wirken oft überzeugend und führen genau deshalb in die Irre. Forschung zeigt, dass wer Kriterien für Evidenz und Unsicherheit kennt, irreführende Behauptungen zuverlässiger erkennt und präziser kommuniziert.
Wer Unsicherheit offen benennt, statt Sicherheit vorzutäuschen, wirkt am Ende nicht schwächer, sondern glaubwürdiger.Klarheit beginnt damit, die Grenzen des eigenen Wissens zu kennen.
-
Brainard, J., Hunter, P. R., & Hall, I. R. (2020). An agent-based model about the effects of fake news on a norovirus outbreak. Revue d’Épidémiologie et de Santé Publique, 68(2), 99–107. https://doi.org/10.1016/j.respe.2019.12.001
Cook, J., Ellerton, P., & Kinkead, D. (2018). Deconstructing climate misinformation to identify reasoning errors. Environmental Research Letters, 13(2), 024018. https://doi.org/10.1088/1748-9326/aaa49f
Eisenberg, M. B. (2008). Information Literacy: Essential Skills for the Information Age. DESIDOC Journal of Library & Information Technology, 28(2), 39–47. https://doi.org/10.14429/djlit.28.2.166
Feierabend, S., Rathgeb, T., Kheredmand, H., & Glöckler, S. (2022). JIM-Studie 2022: Jugend, Information, Medien. Basisuntersuchungen zum Medienumgang 12- bis 19-Jähriger. Medienpädagogischer Forschungsverbund Südwest (MPFS). https://www.mpfs.de/fileadmin/files/Studien/JIM/2022/JIM_2022_Web_final.pdf;
Fuchs, C. (2022). Verschwörungstheorien in der Pandemie: Wie über COVID-19 im Internet kommuniziert wird (1. Aufl.). utb GmbH. https://doi.org/10.36198/9783838557960
Hasebrink, U., Hölig, S., & Wunderlich, L. (2021). #UseTheNews: Studie zur Nachrichtenkompetenz Jugendlicher und junger Erwachsener in der digitalen Medienwelt. Arbeitspapiere des Hans-Bredow-Instituts. https://doi.org/10.21241/SSOAR.72822
Lewandowsky, S., Ecker, U. K. H., Seifert, C. M., Schwarz, N., & Cook, J. (2012). Misinformation and Its Correction: Continued Influence and Successful Debiasing. Psychological science in the public interest : a journal of the American Psychological Society, 13(3), 106–131. https://doi.org/10.1177/1529100612451018
Meßmer, A.-K., Sängerlaub, A., & Schulz, L. (2021). „Quelle: Internet“? Digitale Nachrichten- und Informationskompetenzen der deutschen Bevölkerung im Test (Stiftung Neue Verantwortung e. V, Hrsg.). Hochschule der Medien. https://doi.org/66090
Organisation for Economic Co-operation and Development. (2019). OECD Future of Education and Skills 2030—Conceptual learning framework—TRANSFORMATIVE COMPETENCIES FOR 2030. OECD. https://www.oecd.org/content/dam/oecd/en/about/projects/edu/education-2040/concept-notes/Transformative_Competencies_for_2030_concept_note.pdf
Sharon, A. J., & Baram‐Tsabari, A. (2020). Can science literacy help individuals identify misinformation in everyday life? Science Education, 104(5), 873–894. https://doi.org/10.1002/sce.21581
Sinatra, G. M., Kienhues, D., & Hofer, B. K. (2014). Addressing Challenges to Public Understanding of Science: Epistemic Cognition, Motivated Reasoning, and Conceptual Change. Educational Psychologist, 49(2), 123–138. https://doi.org/10.1080/00461520.2014.916216
Schreibe mir, wenn du anfangen willst, mit mir zu arbeiten,
oder abonniere meine wöchentlichen Essays, um mehr über die Themen zu erfahren.
