Skip to main content

Basisratenfehler

Kurz

Grundwahrscheinlichkeiten werden ignoriert zugunsten auffälliger Details.

Der wirkt aber nicht wie ein Typ, der das machen würde!

Definition​

Der Basisratenfehler ist die Tendenz, bei Wahrscheinlichkeitseinschätzungen die Grundwahrscheinlichkeit (Basisrate) zu ignorieren und sich stattdessen ausschließlich auf spezifische, auffällige Informationen zu konzentrieren.

Menschen überschätzen die Bedeutung individueller Details und unterschätzen statistische Grundlagen, was zu systematisch falschen Urteilen führt.

EN: Base Rate Fallacy

Verwandschaft​

Der Basisratenfehler hängt eng mit mehreren anderen Verzerrungen zusammen:

  • Repräsentativitätsheuristik: Spezifische Details werden als typischer angesehen als sie statistisch sind.
  • Verfügbarkeitsheuristik: Auffällige Einzelfälle sind mental leichter abrufbar als abstrakte Statistiken.
  • Ankereffekt: Erste spezifische Informationen überschatten die Grundwahrscheinlichkeiten.
  • Stereotyping: Äußere Merkmale werden überbewertet, statistische Realitäten unterbewertet.
  • Überlebenden-Verzerrung: Nur die sichtbaren Fälle werden wahrgenommen, die unsichtbare Grundgesamtheit ignoriert.
  • Konjunktionsfehlschluss: Spezifische Kombinationen scheinen wahrscheinlicher als ihre Einzelkomponenten.

Beispiele​

Der schüchterne Bibliothekar​

Eine Person wird als schüchtern, ordentlich und detailversessen beschrieben. Was ist wahrscheinlicher: Dass sie Bibliothekar oder Landwirt ist?

Viele tippen auf Bibliothekar - ignorieren aber, dass es viel mehr Landwirte als Bibliothekare gibt. Die Basisrate macht Landwirt statistisch wahrscheinlicher, auch wenn die Beschreibung zum Stereotyp "Bibliothekar" passt.

Linda die Bankkauffrau​

Linda ist 31 Jahre alt, ledig, offen und sehr intelligent. Sie hat Philosophie studiert. Als Studentin beschäftigte sie sich intensiv mit Diskriminierung und sozialer Gerechtigkeit und nahm an Anti-Atomkraft-Demonstrationen teil.

Was ist wahrscheinlicher?

  • (A) Linda arbeitet als Bankkauffrau
  • (B) Linda arbeitet als Bankkauffrau und ist in der Frauenrechtsbewegung aktiv

Die meisten Menschen wählen (B), obwohl das logisch unmöglich ist: B kann niemals wahrscheinlicher sein als A, da B eine Teilmenge von A ist. Die detaillierte Beschreibung lässt uns die Basisrate ignorieren: Es gibt viel mehr Bankkaufrauen als feministische Bankkaufrauen.

Das Linda-Problem von Kahneman und Tversky ist wirklich DAS klassische Beispiel für den Basisratenfehler.

Medizinische Diagnostik​

Ein seltener Test ist zu 99% genau bei einer bestimmten Krankheit, die nur 0,1% der Bevölkerung betrifft (einer aus tausend). Bei positivem Test denken viele, die Wahrscheinlichkeit der Krankheit sei 99%.

Tatsächlich ist sie nur etwa 9%. Von 1000 Menschen hat nur 1 Mensch die Krankheit (richtig positiv), aber 10 gesunde Menschen bekommen fälschlich positive Testergebnisse.

Der Terrorist am Flughafen​

Ein Sicherheitsalarm schlägt bei 99% aller Terroristen an, hat aber eine Falsch-Positiv-Rate von 1%. Wenn es unter einer Million Passagiere nur 10 Terroristen gibt:

  • Echte Treffer: 10 Terroristen × 99% = 9,9 ≈ 10
  • Falsche Alarme: 999.990 × 1% = 9.999
  • Bei Alarm: Nur 0,1% Wahrscheinlichkeit eines echten Terroristen!

Der erfolgreiche Unternehmer​

Jemand trägt Anzug, fährt teures Auto und wirkt selbstbewusst. Ist er wahrscheinlicher erfolgreicher Unternehmer oder Angestellter?

Die Basisrate sagt: Es gibt viel mehr gut gekleidete Angestellte als erfolgreiche Unternehmer. Trotz der passenden Beschreibung ist "Angestellter" statistisch wahrscheinlicher.

Auswirkungen​

  • Systematisch falsche Risikoeinschätzungen in der Medizin
  • Diskriminierung aufgrund oberflächlicher Merkmale
  • Schlechte Investitionsentscheidungen durch Überbewertung von Einzelfällen
  • Ineffiziente Sicherheitsmaßnahmen mit zu vielen Fehlalarmen
  • Vorurteile verstärken sich durch Ignorieren statistischer Realitäten

Gegenstrategien​

  • Immer nach Basisraten fragen: Wie häufig ist das Phänomen grundsätzlich?
  • Absolute statt relative Zahlen verwenden: 1 von 10.000 statt 0,01%
  • Natürliche Häufigkeiten: In Gruppen denken (100 Menschen statt Prozente)
  • Multiplikation der Wahrscheinlichkeiten: P(Krankheit|Test) ≠ P(Test|Krankheit)
  • Skeptisch bei "perfekten" Beschreibungen: Je spezifischer, desto seltener

Quellen​