Evaluability Bias: Wie wir unsere Ziele verwerfen

Lucius Caviola und Adriano Mannino, 11. Februar 2013

Ein CEO würde sich lächerlich machen, wenn er seinen Aktionären/innen mitteilte: „Es ist einfach nicht möglich, genau zu wissen, welche Entscheidungen den Wert unserer Firma maximieren werden. Weshalb versuchen wir stattdessen nicht einfach zuzusehen, dass wir unsere Meetings maximal pünktlich beenden?“

Trotzdem taucht dieses Argument in vielen Debatten auf. Es hat die folgende Struktur:

  1. Vorschlag V erfordert es, die Größe G zu messen bzw. abzuschätzen.
  2. Es ist schwierig, G zu messen bzw. abzuschätzen.
  3. Also sollten wir V nicht tun.

Dieses Argument ist dann sinnvoll, wenn G nicht Bestandteil des Zieles ist. Nehmen wir z. B. an, jemand schlägt vor (V), eine kurze Strecke mithilfe von Triangulation zu vermessen. Triangulation ist eine Messtechnik, bei der die Abstandsmessung durch Winkelmessungen und trigonometrische Berechnungen erfolgt. Die Kritik, dass sich die Winkelvermessung (G) als schwieriger herausstellen könnte als die direkte Vermessung der Strecke, kann hier durchaus angebracht sein. In Situationen hingegen, in denen die Optimierung von G das eigentliche Ziel darstellt, ist das obige Argument verfehlt. Dem falschen Argument liegt der Evaluability Bias zugrunde. Wir tendieren dazu, uns auf Merkmale zu konzentrieren, die einfach einzuschätzen bzw. zu evaluieren sind – selbst wenn es sich dabei nicht um diejenigen Merkmale handelt, die wir eigentlich bzw. nach reiflicher Überlegung für wertvoll und erstrebenswert halten.

Ein Paradebeispiel dafür ist die Kritik der Kosten-Nutzen-Abwägung bezüglich des Spendens. Oft wird argumentiert, dass es unmöglich sei, genau herauszufinden, ob und wie sehr eine Spende das Wohlergehen von Menschen (oder Tieren) erhöhe. Die Kritiker/innen schließen daraus, dass eine andere, einfacher einzuschätzende Strategie verfolgt werden sollte, zum Beispiel das intuitive Befolgen spezifischer Verhaltensregeln. Doch wenn unser eigentliches Ziel tatsächlich darin besteht, das Wohlergehen von Menschen (oder Tieren) zu erhöhen, dann darf uns die Schwierigkeit der entsprechenden empirischen Forschung nicht dazu verleiten, dieses Ziel aufzugeben. Wir tun besser daran, die Genauigkeit unserer Methode zu untersuchen und zu optimieren, anstatt das eigentliche Ziel zu verwerfen und ein neues, arbiträres Ziel zu setzen. Denn wenn wir gar nicht mehr anstreben, was wir eigentlich anstreben wollen und für wertvoll halten, verlieren wir so oder so. Wenn wir aber – bei schwerer Evaluierbarkeit – weiterhin verfolgen, was wir eigentlich für wertvoll und wichtig halten, sind wir wenigstens noch im Rennen und können gewinnen (wenn vielleicht auch mit geringer Wahrscheinlichkeit).

Mit anderen Worten: Wir sollten uns nicht verhalten wie Betrunkene, die ihren Autoschlüssel unter der Straßenlaterne suchen, weil sie dort etwas sehen – anstatt dort, wo sie ihn verloren haben. Wir sollten ein schwieriges Spiel nicht dadurch zu gewinnen versuchen, dass wir plötzlich ein leichteres Spiel spielen, was uns im eigentlich relevanten Spiel aus dem Spiel nimmt und die Niederlage garantiert.

Das obige Argument versagt immer dann, wenn die Optimierung von G integraler Bestandteil des Zieles ist. Wie schlecht unsere Schätzung auch sein mag, sie wird nicht dadurch besser, dass wir unser Ziel aufgeben. Wer sicher ist, eine Strategie gefunden zu haben, die besser ist als die beste bisherige Schätzung von G, hat in Wirklichkeit eine bessere Strategie gefunden, G zu messen – es sei denn, er hat das Ziel plötzlich verändert. Diese plötzliche Veränderung deutet natürlich auf den Evaluability Bias hin und müsste in jedem Fall auch unabhängig begründet werden, d. h. es wäre aufzuzeigen, weshalb das ursprünglich angestrebte Ziel doch nicht das eigentlich wertvolle, wichtige und erstrebenswerte war.

Betrachten wir schließlich noch eine modifizierte Prämisse (2):

(2)‘ Es ist gänzlich unmöglich, G zu messen bzw. abzuschätzen.

Nun gibt es zwei Fälle: Wenn G nicht das Ziel ist, das wir erreichen wollen, sondern bloß als Mittel zum Zweck infrage käme, dann halten wir nun Ausschau nach besseren Mitteln, denselben Zweck zu erreichen. Wenn G hingegen das eigentliche Ziel ist, das wir erreichen wollen, dann folgt aus (2)‘, dass es tatsächlich egal ist, was wir tun. Wir können dann eine Münze werfen, denn im Falle vollständiger Unsicherheit sind alle Optionen gleich gut bzw. schlecht zielführend. Ohne ein weiteres Argument wäre es aber irrational bzw. Ausdruck des Evaluability Bias, das unevaluierbare Ziel plötzlich zugunsten eines leichter evaluierbaren aufzugeben. Dieser Bias ergibt sich seinerseits wohl aus einem Wishful Thinking Bias: Wir wünschen uns natürlich, dass unsere eigentlichen Ziele leicht evaluier- und erreichbar sind. Aber a priori garantiert nichts, dass dies der Fall ist.

Quellen

  1. Baron, J. (1994). Nonconsequentialist decisions. Behavioral and Brain Sciences 17 (1), 1-10. https://www.sas.upenn.edu/~baron/papers.htm/bbs.baron.html
  2. Baron, J., Szymanska, E. (2010). Heuristics and biases in charity. In D. Oppenheimer, C. Olivola (Eds). The science of giving: Experimental approaches to the study of charity, 215-236. New York: Taylor and Francis. https://www.sas.upenn.edu/~baron/papers/charity.pdf
  3. Caviola, L., Faulmüller, N., Everett, J.A.C., Savulescu, J., & Kahane, G. (2014). The evaluability bias in charitable giving: Saving administration costs or saving lives? Journal of Judgment and Decision Making. http://journal.sjdm.org/14/14402a/jdm14402a.pdf
  4. Grace, K. (2011). Estimation is the best we have. http://80000hours.org/blog/4-estimation-is-the-best-we-have
  5. Karnofsky, Holden (2007). Which of these boasts is not like the others? http://blog.givewell.org/2007/01/16/which-of-these-boasts-is-not-like-the-others/
  6. Sotala, K. (2012). Heuristics and biases in charity. http://lesswrong.com/lw/aid/heuristics_and_biases_in_charity/
  7. Stiftung für Effektiven Altruismus (2016). Wonach wir eine Hilfsorganisation nicht auswählen sollten. https://effektiveraltruismus.de/blog/wonach-wir-eine-hilfsorganisation-nicht-auswaehlen-sollten/
  8. Yakubchik, B. (2011). It is effectiveness, not overhead that matters. http://80000hours.org/blog/9-it-is-effectiveness-not-overhead-that-matters

Informieren & aktiv werden

Philosophie

Was sind gute Argumente dafür, anderen zu helfen –
und dabei zu versuchen, das Meiste zu bewirken?

Mehr

Werde aktiv

Es gibt viele Möglichkeiten, aktiv zu werden und etwas zu bewirken. Finde den Weg, der am besten zu dir passt.

Mehr

Newsletter

Wir schicken dir ein monatliches EA-Update, mit dem du immer auf dem Laufenden bleibst.

Veranstaltungen

Weitere Veranstaltungen

Medien

Zeit Logo
Süddeutsche Logo
FAZ Logo
Spiegel Logo
SRF Logo
ZDF Logo