Basisraten und die Außensicht: das am meisten unterschätzte Mittel gegen schlechte Prognosen

Kurzfassung. Wenn wir vorhersagen, wie lange ein Projekt dauern wird, ob ein Vorhaben überlebt oder wie eine Entscheidung ausgeht, bauen wir ganz selbstverständlich eine Geschichte aus den Details unseres eigenen Falls. Daniel Kahneman und Amos Tversky nannten das die Innensicht. Das Gegenmittel ist die Außensicht: Bevor Sie Ihren Fall betrachten, fragen Sie, wie Fälle dieser Art üblicherweise ausgehen, und beginnen Sie bei dieser Basisrate. Die Lücke, die sie schließt, ist groß. Studierende, die für ihre Abschlussarbeit 33,9 Tage veranschlagten, brauchten im Schnitt 55,5 Tage, und nur 29,7 % wurden bis zu ihrer eigenen besten Schätzung fertig. Über 1.603 Großprojekte hinweg lagen die tatsächlichen Kosten im Mittel beim 1,39-Fachen der Schätzung. Nur etwa die Hälfte der neuen Betriebsstätten in den USA ist fünf Jahre nach der Eröffnung noch in Betrieb. Die gute Nachricht: Die Korrektur ist günstig und trainierbar. In geopolitischen Prognoseturnieren verbesserte ein Trainingsmodul von weniger als einer Stunde, das Vergleichsklassen und Basisraten in den Vordergrund stellte, die Treffsicherheit um 6 bis 12 Prozent, und Basisraten waren das Prinzip, das am stärksten mit besseren Prognosen zusammenhing. Dieser Leitfaden bietet Ihnen eine Sammlung verifizierter Basisraten, die fünfstufige Korrektur als Arbeitsblatt und durchgerechnete Beispiele.

Innensicht und Außensicht

Kahneman und Lovallo definierten die beiden Sichtweisen 1993 in einem Aufsatz in Management Science. Eine Prognose aus der Innensicht „stützt sich auf das Wissen über die Besonderheiten des Falls, die Details des bestehenden Plans und einige Vorstellungen über wahrscheinliche Hindernisse und wie sie sich überwinden lassen“. Die Außensicht dagegen „ist im Kern statistisch und vergleichend und versucht nicht, die künftige Geschichte in irgendeinem Detailgrad vorherzusehen“.

Kahnemans eigenes Lieblingsbeispiel stammt aus dem Jahr 1976, als er einem Team angehörte, das für israelische Oberschulen einen Lehrplan zu Urteilsbildung und Entscheidungsfindung schrieb. Nach etwa einem Jahr Arbeit schätzten die Teammitglieder jeweils, wie lange das Projekt bis zum Abschluss noch dauern würde: Die Schätzungen reichten von 18 bis 30 Monaten. Dann wurde ein Mitglied, ein Experte für Lehrplanentwicklung, gefragt, wie es vergleichbaren Teams ergangen sei. Seine Antwort laut dem Aufsatz von 1993: Etwa 40 % von ihnen gaben irgendwann auf, und von den übrigen fiel ihm keines ein, das in weniger als sieben Jahren fertig wurde oder mehr als zehn brauchte. Außerdem schätzte er das eigene Team als leicht unterdurchschnittlich ein. In der späteren Nacherzählung von Lovallo und Kahneman in der Harvard Business Review (2003), wie Flyvbjerg sie zitiert, wurde der Lehrplan acht Jahre später fertiggestellt und kaum genutzt.

Niemandem im Team fehlte es an Intelligenz oder Information. Die Information, die die Prognose verändert hätte, war im Raum verfügbar. Sie wurde schlicht nicht herangezogen, weil man einen Fall ganz natürlich von innen heraus betrachtet.

Warum Basisraten ignoriert werden

In einem technischen Bericht von 1977, der zum Fundament dieses Forschungsfeldes wurde, unterschieden Kahneman und Tversky zwei Arten von Information. Singuläre Information ist Evidenz über den vorliegenden Fall. Verteilungsinformation, also Basisratendaten, ist Wissen darüber, wie sich Ergebnisse über ähnliche Fälle verteilen. Ihr Urteil: „Die verbreitete Tendenz, Verteilungsinformation zu gering zu gewichten oder zu ignorieren, ist vielleicht der Hauptfehler intuitiver Vorhersage.“ Im selben Bericht prägten sie den Begriff „Planungsfehlschluss“ (planning fallacy) für die daraus folgende Gewohnheit, zu unterschätzen, wie lange Dinge dauern und wie viel sie kosten.

Die klassische Laborvorführung ist das Taxiproblem, das Maya Bar-Hillel 1980 analysierte. In einer Stadt sind 85 % der Taxis blau und 15 % grün. Ein Zeuge sagt, das Taxi bei einer Unfallflucht sei grün gewesen, und der Zeuge liegt in 80 % der Fälle richtig. Wie wahrscheinlich ist es, dass das Taxi grün war? Die richtige Antwort, die die Basisrate mit der Zuverlässigkeit des Zeugen verbindet, lautet etwa 41 %. Die Medianantwort in Bar-Hillels Studie lag bei 80 %; 36 % der Teilnehmenden nannten einfach die Zuverlässigkeit des Zeugen, und nur etwa 10 % kamen in die Nähe von 41 %. Die anschauliche, konkrete Evidenz (ein Zeuge) verdrängte die nüchterne, allgemeine Evidenz (wie viele Taxis jeder Farbe es gibt).

Bar-Hillels Erklärung gilt weit über Taxis hinaus: Menschen ordnen Informationen danach, wie relevant sie sich anfühlen, und lassen die Information dominieren, die sich am relevantesten anfühlt. Details über das eigene Projekt fühlen sich immer relevanter an als Statistiken über die Projekte anderer. Genau deshalb werden die Statistiken ignoriert, und genau deshalb sind sie so wertvoll.

Eine Sammlung verifizierter Basisraten

Der erste praktische Schritt besteht darin, zu wissen, dass es für viele Ihrer Entscheidungen Basisraten gibt. Die folgende Tabelle sammelt Basisraten aus veröffentlichten, überprüfbaren Quellen.

Tabelle 1. Verifizierte Basisraten für häufige Vorhersagen

Vorhersage	Basisrate	Quelle und Geltungsbereich
Werde ich mein Projekt bis zu meiner besten Schätzung abschließen?	29,7 % wurden bis zu ihrer eigenen besten Schätzung fertig; im Schnitt 55,5 Tage tatsächlich gegenüber 33,9 vorhergesagten	Buehler, Griffin und Ross (1994), Studierende mit Honors-Abschlussarbeit, Studie 1 (33 Studierende)
Werde ich wenigstens bis zu meiner Worst-Case-Schätzung fertig?	48,7 % wurden bis zu ihrem eigenen Termin für den Fall „alles läuft so schlecht wie möglich“ fertig	Buehler, Griffin und Ross (1994)
Bleibt ein Großprojekt im Budget?	Die tatsächlichen Kosten lagen im Mittel beim 1,39-Fachen der Schätzung (1.603 Projekte); Straßen 1,24, Schiene 1,40, Gebäude 1,36, Staudämme 1,96	Flyvbjerg (2021), Project Management Journal, Kosten gemessen ab der endgültigen Investitionsentscheidung, real
Liefert ein Großprojekt den versprochenen Nutzen?	Der tatsächliche Nutzen lag im Mittel beim 0,94-Fachen der Prognose (786 Projekte); Schiene 0,66	Flyvbjerg (2021)
Überlebt eine neue Betriebsstätte ein Jahr?	77,9 % (Betriebsstätten, eröffnet im Jahr bis März 2024)	US Bureau of Labor Statistics, Business Employment Dynamics
Überlebt sie fünf Jahre?	51,4 % (Betriebsstätten, eröffnet im Jahr bis März 2020)	BLS, Business Employment Dynamics
Überlebt sie zehn Jahre?	34,7 % (Betriebsstätten, eröffnet im Jahr bis März 2015)	BLS, Business Employment Dynamics
Wird ein Medikament, das in klinische Studien geht, zugelassen?	13,8 % insgesamt; 3,4 % in der Onkologie; 33,4 % bei Impfstoffen	Wong, Siah und Lo (2019), Biostatistics, Studien von 2000 bis 2015
Um wie viel sollte das Budget für ein öffentliches Gebäude in Großbritannien wegen Optimismus-Verzerrung angepasst werden?	Bis zu 24 % (Standardgebäude) und 51 % (Nicht-Standardgebäude) auf die Investitionsausgaben	HM Treasury, Supplementary Green Book Guidance on Optimism Bias, auf Basis von Mott MacDonald (2002)

Einige Vorbehalte machen diese Zahlen nützlicher, nicht weniger nützlich:

• Der Geltungsbereich zählt. Die BLS-Zahlen erfassen Betriebsstätten, also einzelne Geschäftsstandorte, nicht Start-ups; eine neue Filiale einer bestehenden Kette zählt als Eröffnung. Sie sind eine vernünftige Außensicht für die Frage „Ist dieser neue Standort noch geöffnet?“, nicht für die Frage „Wird dieses wagniskapitalfinanzierte Start-up erfolgreich?“
• Kleine Stichproben sind klein. Die Studie zu den Abschlussarbeiten umfasste 33 Studierende. Ihr Ergebnis wurde dem Sinn nach vielfach repliziert, doch die exakten 29,7 % sind der Wert einer einzigen Studie.
• Nutzen Sie Gesamtwerte, wenn Details umstritten sind. Wong, Siah und Lo veröffentlichten eine Korrektur zu einigen ihrer Tabellen nach Studienphasen, weshalb hier nur die Gesamtwerte und die Werte nach Therapiegebiet verwendet werden.

Die fünfstufige Korrektur

Der Bericht von Kahneman und Tversky aus dem Jahr 1977 beschrieb ein Korrekturverfahren in fünf Schritten. Bent Flyvbjerg übertrug es später als Referenzklassen-Prognose (reference class forecasting) auf Großprojekte, und 2004 übernahmen das britische Department for Transport und HM Treasury es für die Bewertung großer Verkehrsprojekte. Hier ist das Verfahren, angepasst an individuelle Entscheidungen.

1. Wählen Sie eine Referenzklasse. Zu welcher Gruppe vergangener Fälle gehört Ihr Fall? Flyvbjergs Regel: breit genug, um statistisch aussagekräftig zu sein, eng genug, um wirklich vergleichbar zu sein.
2. Ermitteln Sie die Verteilung dieser Klasse. Wie sieht das durchschnittliche Ergebnis aus, und wie stark streuen die Ergebnisse?
3. Geben Sie Ihre intuitive Schätzung ab. Jetzt, und erst jetzt, nutzen Sie alles, was Sie über Ihren konkreten Fall wissen.
4. Beurteilen Sie die Vorhersagbarkeit. Wie gut sagen Schätzungen wie Ihre die Ergebnisse tatsächlich voraus? Kahneman und Tversky drücken das als Korrelation zwischen 0 (Ihre Fallinformation sagt nichts voraus) und 1 (sie sagt perfekt voraus) aus.
5. Korrigieren Sie in Richtung der Basisrate. Bewegen Sie sich von der Basisrate nur in dem Maß auf Ihre intuitive Schätzung zu, wie es dieser Vorhersagbarkeit entspricht.

Als Formel lautet Schritt 5:

Korrigierte Schätzung = Basisrate + Vorhersagbarkeit x (intuitive Schätzung – Basisrate)

Das Beispiel von Kahneman und Tversky selbst: Die Intuition eines Lektors sagt, ein Buch werde sich 12.000 Mal verkaufen; Bücher seiner Kategorie verkaufen im Schnitt 4.000 Exemplare; das Urteil des Lektors hat eine Vorhersagbarkeit von etwa 0,6. Die korrigierte Prognose lautet 4.000 + 0,6 x (12.000 – 4.000) = 8.800 Exemplare.

Die Formel hat zwei nützliche Extreme. Wenn Ihre Fallinformation nichts voraussagt (Vorhersagbarkeit 0), nehmen Sie die Basisrate. Wenn sie perfekt voraussagt (Vorhersagbarkeit 1), nehmen Sie Ihre Intuition. Das echte Leben liegt fast immer dazwischen, und die meisten Menschen verhalten sich, als lägen sie bei 1.

Das Außensicht-Arbeitsblatt mit durchgerechneten Beispielen

Das folgende Arbeitsblatt wendet die fünf Schritte auf vier häufige Entscheidungen an. Die Basisraten stammen aus Tabelle 1; die intuitiven Schätzungen und Vorhersagbarkeitswerte sind veranschaulichende Annahmen, die Sie durch Ihre eigenen ersetzen würden.

Tabelle 2. Außensicht-Arbeitsblatt: vier durchgerechnete Beispiele (redaktionelles CEOtudent-Framework)

Entscheidung	Referenzklasse und Basisrate	Intuitive Schätzung	Vorhersagbarkeit (veranschaulichend)	Korrigierte Schätzung
Buchverkäufe (Beispiel von Kahneman und Tversky)	Durchschnitt der Kategorie: 4.000 Exemplare	12.000 Exemplare	0,6	8.800 Exemplare
Ist mein neues Geschäft in fünf Jahren noch geöffnet?	Neue Betriebsstätten in den USA: 51,4 % überleben fünf Jahre	90 %	0,3	63,0 %
Welches Budget sollte ich für ein Bauprojekt ansetzen, das ich auf 200.000 US-Dollar schätze?	Große Bauprojekte: tatsächliche Kosten beim 1,36-Fachen der Schätzung, also Außensicht-Budget 272.000 US-Dollar	200.000 US-Dollar	0,5	236.000 US-Dollar
Wie lange dauert mein Projekt, wenn ich von 30 Tagen ausgehe?	Studierende brauchten für die Abschlussarbeit 55,5 Tage statt der vorhergesagten 33,9, ein Verhältnis von 1,64, also Außensicht-Dauer etwa 49 Tage	30 Tage	0,3	Etwa 43 Tage

Tabelle 2 ist das redaktionelle CEOtudent-Framework. Die Basisraten sind die in Tabelle 1 veröffentlichten Werte; die intuitiven Schätzungen und Vorhersagbarkeitswerte sind veranschaulichend, und jede korrigierte Schätzung wendet die obige Formel an. Die Rechnungen wurden per Skript geprüft. In den Zeilen zu Budget und Dauer wird die Basisrate vor der Korrektur als Außensicht-Wert für diesen Fall ausgedrückt (Ihre Schätzung mal das Verhältnis der Referenzklasse).

Den Vorhersagbarkeitswert zu wählen ist der schwierigste Teil, deshalb hier eine praktische Orientierung:

• Etwa 0 bis 0,2: Sie haben in dieser Art von Entscheidung keine Erfolgsbilanz, oder das Ergebnis hängt überwiegend von Faktoren ab, die Sie nicht beeinflussen (ein neuer Markt, eine erste Gründung).
• Etwa 0,3 bis 0,5: Sie haben einschlägige Erfahrung, und Ihr Fall unterscheidet sich real und messbar vom Durchschnitt.
• Etwa 0,6 und darüber: Sie haben eine dokumentierte Bilanz ähnlicher Schätzungen im Vergleich mit den tatsächlichen Ergebnissen. Kahneman und Tversky schlagen vor, die Vorhersagbarkeit aus genau solchen Aufzeichnungen abzuleiten, und das ist ein Grund, warum sich ein Entscheidungsjournal auszahlt.

Wenn Sie eine Zahl nicht begründen können, wählen Sie eine niedrigere. Der ganze Kern des Planungsfehlschlusses ist, dass Menschen überschätzen, wie viel ihnen ihre Fallinformation verrät.

Wann die Außensicht schwer anzuwenden ist

Die Methode hat echte Grenzen, und wer sie kennt, bleibt ehrlich.

• „Aber mein Fall ist einzigartig.“ Kahneman und Lovallo beobachteten, dass Entscheider „eine starke Tendenz haben, Probleme als einzigartig zu betrachten“. Kaum etwas ist das. Selbst ein wirklich neues Produkt gehört zu den Klassen „neue Produkte“, „Projekte dieses Teams“ und „Projekte dieser Größe“. Nutzen Sie mehr als eine Referenzklasse und prüfen Sie, ob sie übereinstimmen.
• Die Klasse ist zu breit oder zu eng. Ist sie zu breit, sagt sie nichts über Ihren Fall; ist sie zu eng, enthält sie drei Beispiele. In einem durchgerechneten Beispiel aus dem Aufsatz von Chang und Kollegen über das Training im Good Judgment Project lag die Basisrate dafür, dass ein Land Massenvernichtungswaffen besitzt, bei etwa 13 % über alle Länder und bei etwa 17 %, wenn man sie auf den Nahen Osten eingrenzte. Wenn benachbarte Klassen ähnliche Zahlen liefern, können Sie der Schätzung stärker vertrauen.
• Die Welt verändert sich. Basisraten beschreiben die Vergangenheit. Wenn eine echte strukturelle Veränderung eingetreten ist (eine neue Technologie, eine neue Regel), passen Sie an, aber benennen Sie die Veränderung ausdrücklich und fragen Sie sich, ob Sie dieses Argument von jemand anderem akzeptiert hätten.
• Durchschnitte verbergen die Ränder. Die Außensicht sagt Ihnen auch etwas über die Streuung. Flyvbjergs Variante erweitert die Unsicherheitsspanne in Richtung der Spanne der Klasse, nicht nur den Mittelpunkt. Ein Budget, das im Durchschnitt stimmt, aber keine Reserve für den ungünstigen Rand hat, ist trotzdem ein schlechtes Budget.

Warum sie im KI-Zeitalter wichtiger ist

Generative KI-Werkzeuge machen die Innensicht billiger als je zuvor. Bitten Sie um einen Plan, und Sie erhalten in Sekunden ein detailliertes, selbstsicheres Szenario für Ihren Fall. Das ist nützlich, aber es ist genau die Art von Information, vor der Kahneman und Tversky warnten, weil sie das Urteil tendenziell dominiert. Die Außensicht ist das Gegengewicht, und sie lässt sich leicht in die Arbeit mit diesen Werkzeugen einbauen: Fragen Sie zuerst nach der Referenzklasse und danach, wie solche Fälle üblicherweise ausgehen, und erst dann nach dem Plan. Prüfen Sie anschließend jede Basisrate, die das Werkzeug liefert, an einer Primärquelle, denn eine erfundene Statistik ist schlimmer als gar keine.

Für das größere Set an Denkwerkzeugen, zu dem dieses gehört, sehen Sie sich unseren kuratierten Überblick über die Denkmodelle, die im KI-Zeitalter zählen an. Die Außensicht passt ganz natürlich zum Denken in Wetten, das Prognosen in Wahrscheinlichkeiten übersetzt, und zum Pre-Mortem, das einen Plan von innen einem Stresstest unterzieht, nachdem die Außensicht realistische Erwartungen gesetzt hat. Eine Fallstudie dazu, wie sich selbstsichere Prognosen über die Zeit bewähren, bietet unsere Bilanz eines Jahrzehnts von Experten-Vorhersagen zur KI. Und wenn die Basisrate für Ihr Projekt düster aussieht, legen Sie im Voraus fest, was Sie zum Aufhören bewegen würde: Abbruchkriterien sind die Außensicht, angewandt auf das Aufgeben.

Der CEO und der Student in Ihren Prognosen

Die CEO-Hälfte der CEOtudent-Perspektive dreht sich um Kapitalallokation. Ein CEO, der jedes Projekt mit seinem Budget aus der Innensicht finanzierte, ginge das Geld aus; gute Kapitalallokatoren fragen, was vergleichbare Investitionen eingebracht haben, bevor sie diese hier genehmigen. Behandeln Sie Ihre eigene Zeit, Ihre Ersparnisse und Ihre Karriereschritte genauso. Die Studenten-Hälfte dreht sich um Kalibrierung. Das Ziel ist nicht, sich selbst für immer zu misstrauen, sondern zu lernen, wie viel Ihr Wissen über den eigenen Fall tatsächlich wert ist. Halten Sie Ihre Schätzungen fest, vergleichen Sie sie mit den Ergebnissen und lassen Sie Ihren persönlichen Vorhersagbarkeitswert erst steigen, wenn Ihre Bilanz es rechtfertigt.

Häufig gestellte Fragen

Was ist die Außensicht?
Eine Art zu prognostizieren, die davon ausgeht, wie ähnliche Fälle ausgegangen sind, statt von den Details des eigenen Falls. Der Begriff stammt von Kahneman und Lovallo (1993), die ihn der Innensicht gegenüberstellten, die ein Szenario aus den Besonderheiten des Plans aufbaut.

Was ist eine Basisrate?
Die Häufigkeit eines Ergebnisses in einer relevanten Gruppe vergangener Fälle: zum Beispiel der Anteil neuer Betriebsstätten, die nach fünf Jahren noch in Betrieb sind (laut BLS 51,4 % bei US-Betriebsstätten, die im Jahr bis März 2020 eröffnet wurden). Die Vernachlässigung der Basisrate ist die Tendenz, diese Information zugunsten von Falldetails zu ignorieren.

Was ist Referenzklassen-Prognose?
Bent Flyvbjergs Übertragung der Methode von Kahneman und Tversky auf Projekte: Man bestimmt eine Klasse ähnlicher vergangener Projekte, ermittelt die Verteilung ihrer Ergebnisse und verortet das eigene Projekt innerhalb dieser Verteilung. Das britische Department for Transport und HM Treasury übernahmen sie 2004 für große Verkehrsprojekte.

Wie verbinde ich eine Basisrate mit meinem eigenen Urteil?
Beginnen Sie bei der Basisrate und bewegen Sie sich in dem Maß auf Ihre intuitive Schätzung zu, in dem sich Ihr Urteil als vorhersagekräftig erwiesen hat: korrigierte Schätzung = Basisrate + Vorhersagbarkeit x (intuitive Schätzung – Basisrate). Bei einer Basisrate von 4.000, einer Intuition von 12.000 und einer Vorhersagbarkeit von 0,6 lautet das Ergebnis 8.800.

Verbessert ein Training in Basisraten Vorhersagen tatsächlich?
Ja, nach der besten verfügbaren Evidenz. In den Prognoseturnieren des Good Judgment Project verbesserte ein Modul zum probabilistischen Denken von weniger als einer Stunde, das Vergleichsklassen und Basisraten vermittelte, die Treffsicherheit (Brier-Werte) je nach Jahr um 6 bis 12 Prozent (die Zusammenfassung des Aufsatzes nennt 6 bis 11 Prozent), und die Nutzung von Vergleichsklassen und Basisraten war das Prinzip, das am stärksten mit den Verbesserungen zusammenhing.

Quellen

1. Kahneman, D., und Tversky, A. (1977). Intuitive Prediction: Biases and Corrective Procedures. Technical Report PTR-1042-77-6, Decision Research. Veröffentlicht in TIMS Studies in Management Science, 12 (1979), 313-327.
2. Kahneman, D., und Lovallo, D. (1993). Timid Choices and Bold Forecasts: A Cognitive Perspective on Risk Taking. Management Science, 39(1), 17-31.
3. Buehler, R., Griffin, D., und Ross, M. (1994). Exploring the “Planning Fallacy”: Why People Underestimate Their Task Completion Times. Journal of Personality and Social Psychology, 67(3), 366-381.
4. Bar-Hillel, M. (1980). The Base-Rate Fallacy in Probability Judgments. Acta Psychologica, 44, 211-233.
5. Flyvbjerg, B. (2006). From Nobel Prize to Project Management: Getting Risks Right. Project Management Journal, 37(3), 5-15.
6. Flyvbjerg, B. (2021). Top Ten Behavioral Biases in Project Management: An Overview. Project Management Journal, 52(6), 531-546.
7. Chang, W., Chen, E., Mellers, B., und Tetlock, P. (2016). Developing Expert Political Judgment: The Impact of Training and Practice on Judgmental Accuracy in Geopolitical Forecasting Tournaments. Judgment and Decision Making, 11(5), 509-526.
8. U.S. Bureau of Labor Statistics. Business Employment Dynamics: Survival of Private Sector Establishments by Opening Year (Daten bis März 2025).
9. Wong, C. H., Siah, K. W., und Lo, A. W. (2019). Estimation of Clinical Trial Success Rates and Related Parameters. Biostatistics, 20(2), 273-286; und Corrigendum, Biostatistics, 20(2), 366.
10. HM Treasury. Supplementary Green Book Guidance: Optimism Bias.

Tabelle 1 gibt die Werte so wieder, wie sie von den aufgeführten Quellen veröffentlicht wurden. Tabelle 2 ist das redaktionelle CEOtudent-Framework: Die Basisraten sind veröffentlichte Werte, die intuitiven Schätzungen und Vorhersagbarkeitswerte sind veranschaulichend.

---

Dieser Inhalt wurde nach eingehender Recherche mit Unterstützung von KI zusammengestellt und vom CEOtudent-Redaktionsteam geschrieben und für die Veröffentlichung aufbereitet.

This post is also available in: