{"id":326113,"date":"2026-09-24T04:54:56","date_gmt":"2026-09-24T01:54:56","guid":{"rendered":"https:\/\/ceotudent.com\/intellektuelle-ehrlichkeit-wettbewerbsvorteil-oefter-recht-haben-durch-schnelleres-irren"},"modified":"2026-09-24T04:54:56","modified_gmt":"2026-09-24T01:54:56","slug":"intellektuelle-ehrlichkeit-wettbewerbsvorteil-oefter-recht-haben-durch-schnelleres-irren","status":"publish","type":"post","link":"https:\/\/ceotudent.com\/de\/intellektuelle-ehrlichkeit-wettbewerbsvorteil-oefter-recht-haben-durch-schnelleres-irren","title":{"rendered":"Intellektuelle Ehrlichkeit als Wettbewerbsvorteil: \u00d6fter recht haben, indem man sich schneller irrt"},"content":{"rendered":"<p><strong>Kurzfassung.<\/strong> Intellektuelle Ehrlichkeit klingt nach einer Charaktereigenschaft. In der Prognoseforschung verh\u00e4lt sie sich wie eine F\u00e4higkeit, die sich messen l\u00e4sst. Im Good Judgment Project, einem Forschungsteam, das an einem von US-Nachrichtendiensten finanzierten Prognoseturnier teilnahm, nahmen die treffsichersten Prognostiker \u201eh\u00e4ufige, kleine Anpassungen\u201c vor, w\u00e4hrend Prognostiker mit geringer Treffsicherheit \u201edazu neigten, ihr Ausgangsurteil zu best\u00e4tigen oder selten und stark zu korrigieren\u201c (Atanasov und Kollegen, 2020, auf Basis von mehr als 400.000 Vorhersagen zu fast 500 Fragen). Die Elitegruppe, die Superforecaster, gab im Schnitt 7,8 Prognosen pro Frage ab, regul\u00e4re Teams 1,6 und Einzelprognostiker 1,4. Wir haben die ver\u00f6ffentlichte Genauigkeitstabelle nachgerechnet: In der letzten Woche vor Schlie\u00dfung der Fragen lag der Brier-Score der Superforecaster mit 0,07 um 56 % unter dem trainierter Teams (0,16) und um 73 % unter dem untrainierter Einzelpersonen (0,26). Dazu geh\u00f6ren zwei ehrliche Einschr\u00e4nkungen. Anpassen zahlt sich nur aus, wenn die Evidenz aussagekr\u00e4ftig ist: In einer Studie schnitten die aufgeschlossensten Menschen bei \u00dcberraschungsergebnissen schlechter ab. Und eine Neuanalyse von 2024 argumentiert, dass die gefeierten Trainings- und Teameffekte schrumpfen oder verschwinden, sobald man den Zeitpunkt der Antworten und die Auswahl der Fragen kontrolliert. Die praktische Regel \u00fcbersteht beide Einschr\u00e4nkungen: Legen Sie sich auf eine Zahl fest, benennen Sie vorab, was sie \u00e4ndern w\u00fcrde, und bewegen Sie sie in kleinen Schritten, sobald Evidenz eintrifft.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Table of Contents<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Content\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/ceotudent.com\/de\/intellektuelle-ehrlichkeit-wettbewerbsvorteil-oefter-recht-haben-durch-schnelleres-irren\/#Warum-intellektuelle-Ehrlichkeit-eine-Leistungsvariable-ist-und-keine-Tugend\" >Warum intellektuelle Ehrlichkeit eine Leistungsvariable ist und keine Tugend<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/ceotudent.com\/de\/intellektuelle-ehrlichkeit-wettbewerbsvorteil-oefter-recht-haben-durch-schnelleres-irren\/#Wie-Treffsicherheit-gemessen-wird-der-Brier-Score-verstaendlich-erklaert\" >Wie Treffsicherheit gemessen wird: der Brier-Score verst\u00e4ndlich erkl\u00e4rt<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/ceotudent.com\/de\/intellektuelle-ehrlichkeit-wettbewerbsvorteil-oefter-recht-haben-durch-schnelleres-irren\/#Was-die-besten-Prognostiker-tatsaechlich-anders-machen\" >Was die besten Prognostiker tats\u00e4chlich anders machen<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/ceotudent.com\/de\/intellektuelle-ehrlichkeit-wettbewerbsvorteil-oefter-recht-haben-durch-schnelleres-irren\/#Kleine-Schritte-schlagen-grosse-Spruenge-die-Evidenz-zum-Anpassen\" >Kleine Schritte schlagen gro\u00dfe Spr\u00fcnge: die Evidenz zum Anpassen<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/ceotudent.com\/de\/intellektuelle-ehrlichkeit-wettbewerbsvorteil-oefter-recht-haben-durch-schnelleres-irren\/#Eine-Rechnung-was-Verankerung-Selbstueberschaetzung-und-schrittweises-Anpassen-kosten\" >Eine Rechnung: was Verankerung, Selbst\u00fcbersch\u00e4tzung und schrittweises Anpassen kosten<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/ceotudent.com\/de\/intellektuelle-ehrlichkeit-wettbewerbsvorteil-oefter-recht-haben-durch-schnelleres-irren\/#Die-ehrlichen-Grenzen-wenn-Aufgeschlossenheit-nach-hinten-losgeht-und-die-Neuanalyse\" >Die ehrlichen Grenzen: wenn Aufgeschlossenheit nach hinten losgeht, und die Neuanalyse<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/ceotudent.com\/de\/intellektuelle-ehrlichkeit-wettbewerbsvorteil-oefter-recht-haben-durch-schnelleres-irren\/#Intellektuelle-Demut-und-wie-Sie-Menschen-beurteilen-die-ihre-Meinung-aendern\" >Intellektuelle Demut und wie Sie Menschen beurteilen, die ihre Meinung \u00e4ndern<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/ceotudent.com\/de\/intellektuelle-ehrlichkeit-wettbewerbsvorteil-oefter-recht-haben-durch-schnelleres-irren\/#Das-Arbeitsprotokoll-fuer-intellektuelle-Ehrlichkeit\" >Das Arbeitsprotokoll f\u00fcr intellektuelle Ehrlichkeit<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/ceotudent.com\/de\/intellektuelle-ehrlichkeit-wettbewerbsvorteil-oefter-recht-haben-durch-schnelleres-irren\/#Der-CEO-und-der-Student\" >Der CEO und der Student<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/ceotudent.com\/de\/intellektuelle-ehrlichkeit-wettbewerbsvorteil-oefter-recht-haben-durch-schnelleres-irren\/#FAQ\" >FAQ<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/ceotudent.com\/de\/intellektuelle-ehrlichkeit-wettbewerbsvorteil-oefter-recht-haben-durch-schnelleres-irren\/#Quellen\" >Quellen<\/a><\/li><\/ul><\/nav><\/div>\n<h2 id=\"warum-intellektuelle-ehrlichkeit-eine-leistungsvariable-ist-und-keine-tugend\"><span class=\"ez-toc-section\" id=\"Warum-intellektuelle-Ehrlichkeit-eine-Leistungsvariable-ist-und-keine-Tugend\"><\/span>Warum intellektuelle Ehrlichkeit eine Leistungsvariable ist und keine Tugend<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Intellektuelle Ehrlichkeit wird meist als Frage der Ethik dargestellt: Man gesteht Fehler ein, weil es richtig ist. Diese Sichtweise macht sie optional, und viel besch\u00e4ftigte, ehrgeizige Menschen neigen dazu, das Eingestehen eines Irrtums als Kosten f\u00fcr ihre Glaubw\u00fcrdigkeit zu betrachten.<\/p>\n<p>Die Prognoseliteratur stellt die Frage anders. Wer seine \u00dcberzeugungen als Wahrscheinlichkeiten formuliert und sie mit dem tats\u00e4chlichen Ausgang abgleicht, stellt fest: Die Gewohnheiten, die wir intellektuelle Ehrlichkeit nennen (widersprechende Evidenz wahrnehmen, \u00f6ffentlich korrigieren, nicht an einer ersten Antwort festhalten), hinterlassen eine messbare Spur in der Treffsicherheit. Sie sind dann keine Tugend mehr, die man zur Schau stellt, sondern eine Gr\u00f6\u00dfe, die man verfolgen kann.<\/p>\n<p>Drei Forschungsstr\u00e4nge untermauern das, jeder mit einer Grenze, die man kennen sollte:<\/p>\n<ul>\n<li><strong>Anpassung von \u00dcberzeugungen bei realen Prognosen<\/strong> (Mellers und Kollegen, 2014 und 2015; Atanasov und Kollegen, 2020): wie oft und wie stark die besten Prognostiker korrigieren.<\/li>\n<li><strong>Aktiv aufgeschlossenes Denken<\/strong> (Haran, Ritov und Mellers, 2013): die Neigung, Informationen zu suchen, auch solche, die einen widerlegen k\u00f6nnten, und was das f\u00fcr die Treffsicherheit bedeutet.<\/li>\n<li><strong>Intellektuelle Demut<\/strong> (Leary und Kollegen, 2017): das Ausma\u00df, in dem Menschen anerkennen, dass ihre \u00dcberzeugungen falsch sein k\u00f6nnten, und wie das ihre Bewertung von Argumenten und anderen Menschen pr\u00e4gt.<\/li>\n<\/ul>\n<p>Das ist die CEOtudent-Perspektive in einem Satz. Der CEO verantwortet eine Entscheidung und legt sich auf eine Position fest. Der Student behandelt diese Position als Entwurf und \u00fcberarbeitet sie laufend. Treffsicherheit entsteht, wenn man beides zugleich tut.<\/p>\n<h2 id=\"wie-treffsicherheit-gemessen-wird-der-brier-score-verstndlich-erklrt\"><span class=\"ez-toc-section\" id=\"Wie-Treffsicherheit-gemessen-wird-der-Brier-Score-verstaendlich-erklaert\"><\/span>Wie Treffsicherheit gemessen wird: der Brier-Score verst\u00e4ndlich erkl\u00e4rt<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Die Prognoseforschung braucht eine Bewertungsregel, die Ehrlichkeit belohnt, und der Standard ist der Brier-Score, den Brier 1950 in der Zeitschrift Monthly Weather Review vorschlug und der im gesamten Good Judgment Project verwendet wurde. In der Variante des Projekts wird eine Prognose zu einer Ja-Nein-Frage als Summe der quadrierten Abst\u00e4nde zwischen den angegebenen Wahrscheinlichkeiten und dem tats\u00e4chlichen Ausgang bewertet. Ein perfekter Wert ist 0, der schlechtestm\u00f6gliche 2.<\/p>\n<p>Mellers und Kollegen liefern das Rechenbeispiel. Angenommen, Sie sagen 90 %, dass ein Ereignis eintritt. Tritt es ein, betr\u00e4gt Ihr Score (0,9 &#8211; 1)\u00b2 + (0,1 &#8211; 0)\u00b2 = 0,02. Tritt es nicht ein, betr\u00e4gt er (0,9 &#8211; 0)\u00b2 + (0,1 &#8211; 1)\u00b2 = 1,62. Selbstsicher danebenzuliegen kostet 81-mal so viel, wie selbstsicher richtigzuliegen einbringt. Die Scores werden \u00fcber jeden Tag gemittelt, an dem eine Frage offen ist, sodass eine wochenlang nicht aktualisierte Prognose den Fehler immer weiter erh\u00f6ht.<\/p>\n<p>F\u00fcr intellektuelle Ehrlichkeit z\u00e4hlen zwei Eigenschaften. Erstens ist die Regel \u201eproper\u201c (strikt korrekt): Die beste langfristige Strategie besteht darin, anzugeben, was man tats\u00e4chlich glaubt, statt die eigene Zuversicht zu \u00fcbertreiben. Zweitens macht die Mittelung \u00fcber die Tage das Anpassen sichtbar. Wer am Ende richtigliegt, sich aber w\u00e4hrend des gr\u00f6\u00dften Teils der Laufzeit nicht bewegt hat, zahlt trotzdem f\u00fcr jeden veralteten Tag.<\/p>\n<h2 id=\"was-die-besten-prognostiker-tatschlich-anders-machen\"><span class=\"ez-toc-section\" id=\"Was-die-besten-Prognostiker-tatsaechlich-anders-machen\"><\/span>Was die besten Prognostiker tats\u00e4chlich anders machen<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Das Good Judgment Project f\u00fchrte innerhalb des Turniers randomisierte Experimente durch. Im zweiten Jahr wurden die besten 2 % des ersten Jahres in Eliteteams aus Superforecastern zusammengefasst. Die ver\u00f6ffentlichte Tabelle der Treffsicherheit nach Zeitabschnitten ist der n\u00fctzlichste Ausgangspunkt, weil sie die Genauigkeit zu Beginn, in der Mitte und am Ende jeder Frage zeigt.<\/p>\n<p><strong>Tabelle 1. Durchschnittliche Brier-Scores nach Zeitabschnitt, Jahr 2 (verifizierte Daten aus Mellers und Kollegen, 2014, Tabelle 1; niedriger ist besser; Fragen mindestens einen Monat offen)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Bedingung<\/th>\n<th>Erste Woche<\/th>\n<th>Mittlere 2 Wochen<\/th>\n<th>Letzte Woche<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Einzelprognostiker, ohne Training<\/td>\n<td>0,46<\/td>\n<td>0,39<\/td>\n<td>0,26<\/td>\n<\/tr>\n<tr>\n<td>Einzelprognostiker, Wahrscheinlichkeitstraining<\/td>\n<td>0,42<\/td>\n<td>0,36<\/td>\n<td>0,24<\/td>\n<\/tr>\n<tr>\n<td>Teamprognostiker, ohne Training<\/td>\n<td>0,38<\/td>\n<td>0,32<\/td>\n<td>0,16<\/td>\n<\/tr>\n<tr>\n<td>Teamprognostiker, Wahrscheinlichkeitstraining<\/td>\n<td>0,40<\/td>\n<td>0,28<\/td>\n<td>0,16<\/td>\n<\/tr>\n<tr>\n<td>Superforecaster<\/td>\n<td>0,25<\/td>\n<td>0,19<\/td>\n<td>0,07<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Dieselbe Studie berichtet, wie stark sich jede Gruppe engagierte. \u00dcber das zweite Jahr hinweg gaben die Teilnehmenden im Schnitt 1,8 Vorhersagen pro Frage ab. Unabh\u00e4ngige Prognostiker kamen auf 1,4, regul\u00e4re Teams auf 1,6 und Superforecaster auf 7,8. Die Autoren bezeichnen das Engagement der Superforecaster als \u201eau\u00dfergew\u00f6hnlich\u201c. Superforecaster beantworteten zudem mehr Fragen: im Schnitt 95, gegen\u00fcber 61 bei regul\u00e4ren Teams.<\/p>\n<p>Die Studie liefert auch ein konkretes Beispiel daf\u00fcr, was unterlassenes Anpassen kostet. Die Kalibrierung war bei Prognosen von 100 % am schlechtesten, und die Autoren benennen die Ursache klar: \u201eDas Problem war mangelndes Anpassen.\u201c Prognosen von 100 %, die in den ersten 20 % der Laufzeit einer Frage abgegeben wurden, trafen nur in etwa 70 % der F\u00e4lle zu. Dieselben Prognosen, abgegeben in den letzten 20 % der Tage, lagen in etwa 90 % der F\u00e4lle richtig. Fr\u00fch ge\u00e4u\u00dferte Gewissheit verhielt sich wie eine zu lange festgehaltene Vermutung.<\/p>\n<p>Die Folgestudie zu Superforecastern (Mellers und Kollegen, 2015) ergab, dass sie ihre hohe Treffsicherheit zwei Jahre in Folge hielten und damit \u201eden Erwartungen einer Regression zur Mitte trotzten\u201c. Die Autoren st\u00fctzen vier sich gegenseitig verst\u00e4rkende Erkl\u00e4rungen: kognitive F\u00e4higkeiten und Denkstile, aufgabenspezifische Fertigkeiten, Motivation und Engagement sowie f\u00f6rderliche Umgebungen. Ihr Fazit lautet, Superforecaster w\u00fcrden \u201eteils entdeckt und teils geschaffen\u201c. Die zweite H\u00e4lfte dieses Satzes ist der Grund, warum das f\u00fcr alle relevant ist, die noch keine Superforecaster sind.<\/p>\n<h2 id=\"kleine-schritte-schlagen-groe-sprunge-die-evidenz-zum-anpassen\"><span class=\"ez-toc-section\" id=\"Kleine-Schritte-schlagen-grosse-Spruenge-die-Evidenz-zum-Anpassen\"><\/span>Kleine Schritte schlagen gro\u00dfe Spr\u00fcnge: die Evidenz zum Anpassen<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Die direkteste Evidenz zum Anpassen stammt von Atanasov, Witkowski, Ungar, Mellers und Tetlock (2020). Sie nutzten vier Jahre Turnierdaten und unterschieden drei Aspekte des Anpassens: H\u00e4ufigkeit (wie oft ein Prognostiker korrigiert), Ausma\u00df (die durchschnittliche Gr\u00f6\u00dfe jeder Korrektur) und Best\u00e4tigungsneigung (die Tendenz, dieselbe Prognose erneut abzugeben).<\/p>\n<p>Ihre Ergebnisse, in der Zusammenfassung der Autoren:<\/p>\n<ul>\n<li>Die treffsichersten Prognostiker nahmen h\u00e4ufige, kleine Anpassungen vor.<\/li>\n<li>Prognostiker mit geringer Treffsicherheit neigten dazu, ihr Ausgangsurteil zu best\u00e4tigen oder selten und stark zu korrigieren.<\/li>\n<li>H\u00e4ufig Anpassende erzielten h\u00f6here Werte bei kristalliner Intelligenz und Aufgeschlossenheit, griffen auf mehr Informationen zu und verbesserten sich mit der Zeit.<\/li>\n<li>Wer in kleinen Schritten anpasste, hatte h\u00f6here Werte bei fluider Intelligenz und bezog seinen Vorteil aus den ersten Prognosen.<\/li>\n<li>Das Ausma\u00df der Anpassungen vermittelte den kausalen Effekt des Trainings auf die Treffsicherheit.<\/li>\n<li>H\u00e4ufige, kleine Korrekturen lieferten \u201ezuverl\u00e4ssige und valide Signale f\u00fcr K\u00f6nnen\u201c.<\/li>\n<\/ul>\n<p>Zwei Punkte verdienen Betonung. Erstens sind H\u00e4ufigkeit und Ausma\u00df unterschiedliche Gewohnheiten mit unterschiedlichen Ursachen. H\u00e4ufiges Anpassen spiegelt Engagement und Informationssuche wider. Anpassen in kleinen Schritten spiegelt wider, dass man von einer vern\u00fcnftigen Sch\u00e4tzung ausgeht, sodass keine gro\u00dfe Korrektur n\u00f6tig wird. Zweitens beschreiben die Autoren beides als Signale, mit denen Organisationen Menschen erkennen k\u00f6nnen, die gut mit Unsicherheit umgehen. Anders gesagt: Die Art, wie jemand seine Meinung \u00e4ndert, ist selbst ein Beleg f\u00fcr sein Urteilsverm\u00f6gen.<\/p>\n<h2 id=\"eine-rechnung-was-verankerung-selbstuberschtzung-und-schrittweises-anpassen-kosten\"><span class=\"ez-toc-section\" id=\"Eine-Rechnung-was-Verankerung-Selbstueberschaetzung-und-schrittweises-Anpassen-kosten\"><\/span>Eine Rechnung: was Verankerung, Selbst\u00fcbersch\u00e4tzung und schrittweises Anpassen kosten<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Um den Mechanismus greifbar zu machen, haben wir eine transparente Veranschaulichung erstellt. Sie verwendet denselben Brier-Score mit zwei Ausg\u00e4ngen wie das Good Judgment Project, gemittelt \u00fcber die Tage, an denen eine Frage offen ist. Die Frage l\u00e4uft 10 Tage. Die in dieser Zeit eintreffende Evidenz deutet zunehmend auf \u201eJa\u201c. Vier Prognostiker reagieren unterschiedlich. Alle Zahlen in Tabelle 2 sind illustrativ: Sie zeigen, wie die Bewertungsregel jedes Verhalten behandelt, nicht, wie ein realer Prognostiker abgeschnitten hat.<\/p>\n<p><strong>Tabelle 2. Vier Anpassungsstile bei einer illustrativen 10-Tage-Frage (CEOtudent-Berechnung; illustrative Zahlen; Brier-Score mit zwei Ausg\u00e4ngen, \u00fcber die Tage gemittelt, 0 am besten, 2 am schlechtesten)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Stil<\/th>\n<th>Prognoseverlauf<\/th>\n<th>Anpassungen<\/th>\n<th>Mittlere Anpassungsgr\u00f6\u00dfe<\/th>\n<th>Score, wenn \u201eJa\u201c eintritt<\/th>\n<th>Score bei \u00dcberraschung (\u201eNein\u201c)<\/th>\n<th>Erwarteter Score*<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Verankert<\/td>\n<td>30 % an allen 10 Tagen<\/td>\n<td>0<\/td>\n<td>0 Punkte<\/td>\n<td>0,980<\/td>\n<td>0,180<\/td>\n<td>0,820<\/td>\n<\/tr>\n<tr>\n<td>Selbst\u00fcbersch\u00e4tzt<\/td>\n<td>95 % ab Tag 1, nie korrigiert<\/td>\n<td>0<\/td>\n<td>0 Punkte<\/td>\n<td>0,005<\/td>\n<td>1,805<\/td>\n<td>0,545<\/td>\n<\/tr>\n<tr>\n<td>Sp\u00e4ter gro\u00dfer Sprung<\/td>\n<td>30 % f\u00fcr 7 Tage, dann 90 %<\/td>\n<td>1<\/td>\n<td>60 Punkte<\/td>\n<td>0,692<\/td>\n<td>0,612<\/td>\n<td>0,676<\/td>\n<\/tr>\n<tr>\n<td>Schrittweise<\/td>\n<td>30, 35, 42, 50, 57, 63, 70, 78, 85, 90 %<\/td>\n<td>9<\/td>\n<td>6,7 Punkte<\/td>\n<td>0,398<\/td>\n<td>0,798<\/td>\n<td>0,478<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>*Der erwartete Score unterstellt, dass sich der Evidenztrend in 80 % der F\u00e4lle als richtig erweist. F\u00fcr den selbst\u00fcbersch\u00e4tzten Prognostiker, dessen Sicht feststeht, bevor die Evidenz eintrifft, nehmen wir an, dass der erste Eindruck in 70 % der F\u00e4lle stimmt, was an den Befund von Mellers und Kollegen ankn\u00fcpft, wonach fr\u00fche 100-%-Prognosen in etwa 70 % der F\u00e4lle zutrafen. Beide Prozents\u00e4tze sind illustrative Annahmen.<\/p>\n<p>Was die Rechnung zeigt:<\/p>\n<ol>\n<li><strong>Verankerung ist die teuerste Gewohnheit, wenn sich etwas ver\u00e4ndert.<\/strong> Der verankerte Prognostiker wird an jedem Tag bestraft, an dem sich die Welt von seiner Ausgangssicht entfernt.<\/li>\n<li><strong>Selbst\u00fcbersch\u00e4tzung gewinnt gro\u00df oder verliert katastrophal.<\/strong> Ein Score von 0,005, wenn man richtigliegt, 1,805, wenn man falschliegt. Das ist die Asymmetrie des Brier-Scores in Aktion.<\/li>\n<li><strong>Ein sp\u00e4ter gro\u00dfer Sprung ist besser als gar keiner, bezahlt aber f\u00fcr jeden veralteten Tag davor.<\/strong> Das ist das Muster \u201eseltener, gro\u00dfer Korrekturen\u201c, das Atanasov und Kollegen mit geringerem K\u00f6nnen verbinden.<\/li>\n<li><strong>Schrittweises Anpassen hat den besten erwarteten Score, ist aber nicht umsonst.<\/strong> F\u00fchrt die Evidenz in die Irre, schneidet der schrittweise Anpassende schlechter ab als der verankerte (0,798 gegen\u00fcber 0,180). Anpassen ist eine Wette darauf, dass die Evidenz aussagekr\u00e4ftig ist.<\/li>\n<\/ol>\n<p>Dieser vierte Punkt ist keine Eigenheit unseres Beispiels. Er deckt sich mit der sorgf\u00e4ltigsten Studie zu Aufgeschlossenheit und Treffsicherheit, die wir als N\u00e4chstes betrachten.<\/p>\n<h2 id=\"die-ehrlichen-grenzen-wenn-aufgeschlossenheit-nach-hinten-losgeht-und-die-neuanalyse\"><span class=\"ez-toc-section\" id=\"Die-ehrlichen-Grenzen-wenn-Aufgeschlossenheit-nach-hinten-losgeht-und-die-Neuanalyse\"><\/span>Die ehrlichen Grenzen: wenn Aufgeschlossenheit nach hinten losgeht, und die Neuanalyse<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Haran, Ritov und Mellers (2013) pr\u00fcften in drei Studien vier Denkstile als Pr\u00e4diktoren f\u00fcr Treffsicherheit: aktiv aufgeschlossenes Denken, Kognitionsbed\u00fcrfnis, Beharrlichkeit (Grit) und die Neigung zum Maximieren. Nur aktiv aufgeschlossenes Denken sagte die Leistung vorher. Der Mechanismus waren Informationen: Aufgeschlossenere Menschen sammelten vor ihrer Sch\u00e4tzung mehr Informationen, und diese zus\u00e4tzlichen Informationen erzeugten den Genauigkeitsgewinn. Wurde die Menge der verf\u00fcgbaren Informationen konstant gehalten (Studie 2), hatte Aufgeschlossenheit keinen Einfluss auf die Leistung.<\/p>\n<p>Die dritte Studie, in der Teilnehmende Ergebnisse im American Football vorhersagen sollten, liefert die Einschr\u00e4nkung. Wenn die Ergebnisse zu den Informationen vor dem Spiel passten, waren aufgeschlossene Denker treffsicherer. Bei \u00dcberraschungsergebnissen ging h\u00f6here Aufgeschlossenheit mit schlechterer Leistung einher, weil diese Prognostiker den Informationen enger gefolgt waren. Wie die Autoren schreiben, waren sehr aufgeschlossene Menschen bei irref\u00fchrenden Informationen \u201eanf\u00e4lliger f\u00fcr ung\u00fcltige Informationen\u201c. Ihr Fazit ist bedingt: Solange Informationen zumindest einigerma\u00dfen pr\u00e4diktiv sind, sollte aufgeschlossenes Denken helfen.<\/p>\n<p>Die Studie des Good Judgment Project hat ein eigenes Beispiel. Bei einer Frage zu einer t\u00f6dlichen Konfrontation im S\u00fcd- oder Ostchinesischen Meer starteten die besten Prognostiker nahe 20 %, der Basisrate, und senkten ihre Sch\u00e4tzungen mit der Zeit. Dann wurde ein s\u00fcdkoreanischer K\u00fcstenwachbeamter von einem chinesischen Fischer get\u00f6tet. Trainierte Teams erzielten bei dieser Frage einen Score von 1,44, schlechter als untrainierte unabh\u00e4ngige Prognostiker mit 1,31.<\/p>\n<p>Die gr\u00f6\u00dfere Einschr\u00e4nkung ist methodischer Natur. In einer in Psychological Science ver\u00f6ffentlichten Neuanalyse modellierten Hauenstein, Thomas, Illingworth und Dougherty (2024) dieselben Turnierdaten mit der Item-Response-Theorie und kontrollierten die Schwierigkeit der Fragen, den Zeitpunkt der Prognosen und die Auswahl der Fragen, die die Prognostiker beantworteten. In ihren Worten haben die am besten passenden Modelle die Effekte der Team- und Trainingsmanipulationen auf die latente Prognosef\u00e4higkeit \u201eerheblich beseitigt, verringert und in einigen F\u00e4llen sogar umgekehrt\u201c. Sie berichten au\u00dferdem, dass diese St\u00f6rvariablen Superforecaster von anderen unterscheiden k\u00f6nnen, was es schwerer macht zu sagen, worauf die Leistung der Superforecaster beruht.<\/p>\n<p>Was das f\u00fcr unsere Argumentation bedeutet: Die Neuanalyse stellt infrage, ob ein 45-min\u00fctiges Trainingsmodul oder die Mitgliedschaft in einem Team bessere Prognosen verursacht. Sie widerlegt nicht den deskriptiven Befund, dass die treffsichersten Prognostiker h\u00e4ufig und in kleinen Schritten anpassen. Der Antwortzeitpunkt, eine der Variablen, die die Neuanalyse kontrolliert, ist selbst zum Teil ein Anpassungsverhalten. Mellers und Kollegen hatten 2014 berichtet, dass Training und Teamarbeit auch nach Kontrolle von Zeitpunkt und Anzahl der Prognosen signifikant blieben. Die beiden Teams sind sich methodisch uneinig, und wer sorgf\u00e4ltig liest, sollte die kausalen Aussagen \u00fcber Training mit Vorsicht behandeln.<\/p>\n<h2 id=\"intellektuelle-demut-und-wie-sie-menschen-beurteilen-die-ihre-meinung-ndern\"><span class=\"ez-toc-section\" id=\"Intellektuelle-Demut-und-wie-Sie-Menschen-beurteilen-die-ihre-Meinung-aendern\"><\/span>Intellektuelle Demut und wie Sie Menschen beurteilen, die ihre Meinung \u00e4ndern<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Intellektuelle Ehrlichkeit hat auch eine soziale Seite. Leary und Kollegen (2017) entwickelten eine Skala f\u00fcr intellektuelle Demut und definierten das Merkmal als das Ausma\u00df, in dem Menschen anerkennen, dass ihre \u00dcberzeugungen falsch sein k\u00f6nnten. In der ersten von vier Studien hing intellektuelle Demut mit Offenheit, Neugier, Ambiguit\u00e4tstoleranz und geringem Dogmatismus zusammen. Menschen mit hoher intellektueller Demut neigten weniger dazu, Politiker, die ihre Haltung \u00e4nderten, als \u201eWendeh\u00e4lse\u201c zu sehen, und sie achteten st\u00e4rker auf die \u00dcberzeugungskraft von Argumenten als Menschen mit geringer Auspr\u00e4gung dieses Merkmals.<\/p>\n<p>F\u00fcr F\u00fchrungskr\u00e4fte ist das relevant. Wenn die Kultur, die Sie pr\u00e4gen, jede Korrektur als Wankelmut behandelt, erziehen Sie Ihr Team zu den Stilen \u201everankert\u201c und \u201esp\u00e4ter gro\u00dfer Sprung\u201c aus Tabelle 2. Wenn Korrekturen als Reaktion auf Evidenz als normal gelten, machen Sie kleine, h\u00e4ufige Anpassungen sozial erschwinglich. Die Prognoseevidenz sagt, dass genau dort die Treffsicherheit liegt. Wie Sie erkennen, ob Ihre eigene erste Antwort aus den falschen Gr\u00fcnden h\u00e4ngen bleibt, lesen Sie in unserem Beitrag \u00fcber <a href=\"https:\/\/ceotudent.com\/de\/erstschluss-verzerrung-warum-ihr-gehirn-die-erste-ki-antwort-akzeptiert\/\">die Erstschluss-Verzerrung und warum Menschen die erste Antwort einer KI akzeptieren<\/a>.<\/p>\n<h2 id=\"das-arbeitsprotokoll-fur-intellektuelle-ehrlichkeit\"><span class=\"ez-toc-section\" id=\"Das-Arbeitsprotokoll-fuer-intellektuelle-Ehrlichkeit\"><\/span>Das Arbeitsprotokoll f\u00fcr intellektuelle Ehrlichkeit<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Evidenz und Framework m\u00fcssen getrennt bleiben. Die obigen Befunde sind Evidenz. Das folgende Protokoll ist unsere redaktionelle Synthese: ein Weg, diese Befunde in w\u00f6chentliche Gewohnheiten zu \u00fcbersetzen. Jeder Schritt ist dem Befund zugeordnet, der ihn begr\u00fcndet, und der Grenze dieses Befunds.<\/p>\n<p><strong>Tabelle 3. Das Arbeitsprotokoll f\u00fcr intellektuelle Ehrlichkeit (redaktionelles CEOtudent-Framework, verifizierten Befunden zugeordnet)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Schritt<\/th>\n<th>Was Sie tun<\/th>\n<th>Befund, der ihn begr\u00fcndet<\/th>\n<th>Zu beachtende Grenze<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>1. Auf eine Zahl festlegen<\/td>\n<td>Wichtige \u00dcberzeugungen als Wahrscheinlichkeiten formulieren (\u201e65 %, dass dieser Launch das Ziel erreicht\u201c), nicht als Adjektive<\/td>\n<td>Der Brier-Score belohnt ehrliche Wahrscheinlichkeiten und macht Treffsicherheit nachverfolgbar (Mellers und Kollegen, 2014)<\/td>\n<td>Eine Zahl ohne sp\u00e4tere \u00dcberpr\u00fcfung ist Theater; Schritt 5 ist Pflicht<\/td>\n<\/tr>\n<tr>\n<td>2. Vorab festlegen, was Ihre Meinung \u00e4ndern w\u00fcrde<\/td>\n<td>Vor der Entscheidung die zwei oder drei Beobachtungen notieren, die Ihre Zahl um 10 Punkte oder mehr verschieben w\u00fcrden<\/td>\n<td>Fr\u00fche Gewissheit traf nur in etwa 70 % der F\u00e4lle zu; \u201edas Problem war mangelndes Anpassen\u201c (Mellers und Kollegen, 2014)<\/td>\n<td>W\u00e4hlen Sie Signale, die wirklich pr\u00e4diktiv sind, nicht nur sichtbar<\/td>\n<\/tr>\n<tr>\n<td>3. Von einer Basisrate ausgehen<\/td>\n<td>Die erste Sch\u00e4tzung daran verankern, wie oft \u00c4hnliches eintritt, und dann anpassen<\/td>\n<td>Wer in kleinen Schritten anpasste, bezog seinen Vorteil aus besseren ersten Prognosen (Atanasov und Kollegen, 2020)<\/td>\n<td>Basisraten k\u00f6nnen irref\u00fchren, wenn Ihr Fall ungew\u00f6hnlich ist<\/td>\n<\/tr>\n<tr>\n<td>4. Oft und in kleinen Schritten anpassen<\/td>\n<td>Aktuelle \u00dcberzeugungen planm\u00e4\u00dfig \u00fcberpr\u00fcfen; in Schritten bewegen, die der Evidenz entsprechen, typischerweise um wenige Punkte<\/td>\n<td>Die treffsichersten Prognostiker passten h\u00e4ufig und in kleinen Schritten an; schw\u00e4chere best\u00e4tigten oder sprangen (Atanasov und Kollegen, 2020)<\/td>\n<td>Anpassen ist eine Wette darauf, dass Evidenz aussagekr\u00e4ftig ist (Haran und Kollegen, 2013)<\/td>\n<\/tr>\n<tr>\n<td>5. Ein Fehlerprotokoll f\u00fchren und bewerten<\/td>\n<td>Prognosen und Ausg\u00e4nge festhalten; jedes Quartal einen einfachen Brier-Score berechnen<\/td>\n<td>H\u00e4ufige, kleine Korrekturen waren \u201ezuverl\u00e4ssige und valide Signale f\u00fcr K\u00f6nnen\u201c (Atanasov und Kollegen, 2020)<\/td>\n<td>Wenige Entscheidungen pro Jahr bedeuten verrauschte Scores; beurteilen Sie Trends, nicht Einzelergebnisse<\/td>\n<\/tr>\n<tr>\n<td>6. Informationen suchen, die Sie widerlegen k\u00f6nnten<\/td>\n<td>Vor einer gro\u00dfen Entscheidung bewusst Zeit in die st\u00e4rkste Gegenevidenz investieren<\/td>\n<td>Aufgeschlossene Denker sammelten mehr Informationen, was ihre Treffsicherheit erkl\u00e4rte (Haran und Kollegen, 2013)<\/td>\n<td>Zus\u00e4tzliche Informationen helfen nur, wenn sie valide sind<\/td>\n<\/tr>\n<tr>\n<td>7. Korrekturen sozial sicher machen<\/td>\n<td>Evidenzbasierte Meinungs\u00e4nderungen im Team loben; sie nie als Wankelmut bestrafen<\/td>\n<td>Hohe intellektuelle Demut geht mit weniger \u201eWendehals\u201c-Urteilen und mehr Aufmerksamkeit f\u00fcr Argumentst\u00e4rke einher (Leary und Kollegen, 2017)<\/td>\n<td>Korrelative Evidenz; Kultureffekte sind unsere Schlussfolgerung<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Mehrere Werkzeuge auf CEOtudent unterst\u00fctzen einzelne Schritte. F\u00fcr Schritt 1 lesen Sie, <a href=\"https:\/\/ceotudent.com\/de\/in-wetten-denken-leitfaden-probabilistische-entscheidungen\/\">wie man in Wetten denkt<\/a>. F\u00fcr Schritt 2 zeigt der <a href=\"https:\/\/ceotudent.com\/de\/abbruchkriterien-im-voraus-entscheiden-wann-projekt-job-strategie-beenden\/\">Leitfaden zu Abbruchkriterien<\/a>, wie man Bedingungen im Voraus festlegt. F\u00fcr Schritt 5 liefert das <a href=\"https:\/\/ceotudent.com\/de\/entscheidungsjournal-vorlage-und-protokoll-fuer-besseres-urteilsvermoegen\/\">Protokoll f\u00fcr das Entscheidungsjournal<\/a> eine Vorlage, um Prognosen festzuhalten und zu \u00fcberpr\u00fcfen. F\u00fcr Schritt 6 macht ein <a href=\"https:\/\/ceotudent.com\/de\/pre-mortem-protokoll-schlechte-plaene-toeten-bevor-sie-scheitern\/\">Pre-Mortem<\/a> die Gegenevidenz zu einem festen Bestandteil der Planung.<\/p>\n<h2 id=\"der-ceo-und-der-student\"><span class=\"ez-toc-section\" id=\"Der-CEO-und-der-Student\"><\/span>Der CEO und der Student<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Das Karriereargument f\u00fcr intellektuelle Ehrlichkeit ist einfach, sobald Treffsicherheit messbar ist. Menschen, die gut mit Unsicherheit umgehen, sind wertvoll, und Atanasov und Kollegen legen nahe, dass das Muster der Anpassungen einer Person ein verl\u00e4ssliches Signal f\u00fcr diese F\u00e4higkeit ist. Eine Organisation, die Prognosen verfolgt, sieht, wer in kleinen, rechtzeitigen Schritten korrigiert und wer eine erste Antwort verteidigt, bis die Realit\u00e4t einen Sprung erzwingt.<\/p>\n<p>Die CEO-Seite der Perspektive ist Verantwortung. Sie legen sich auf eine Zahl fest, setzen Ihren Namen darunter und entscheiden. Intellektuelle Ehrlichkeit hei\u00dft nicht, Festlegungen zu vermeiden. Der verankerte Prognostiker in Tabelle 2 hat sich festgelegt, der selbst\u00fcbersch\u00e4tzte ebenso. Der Unterschied liegt darin, was nach der Festlegung geschieht.<\/p>\n<p>Die Studenten-Seite ist \u00dcberarbeitung. Sie behandeln jede Position als aktuellen Entwurf, wissen vorab, was sie \u00e4ndern w\u00fcrde, und \u00e4ndern sie im richtigen Ma\u00df, wenn diese Evidenz eintrifft. Die Daten deuten darauf hin, dass dies kein Zielkonflikt zwischen Zuversicht und Demut ist. Die treffsichersten Prognostiker im Good Judgment Project taten beides: Sie legten sich auf Zahlen fest und bewegten sie weiter.<\/p>\n<p>Sich schneller zu irren hei\u00dft nicht, sich \u00f6fter zu irren. Es hei\u00dft, es fr\u00fcher zu merken, solange die Korrektur klein und g\u00fcnstig ist.<\/p>\n<h2 id=\"faq\"><span class=\"ez-toc-section\" id=\"FAQ\"><\/span>FAQ<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Was bedeutet intellektuelle Ehrlichkeit bei Entscheidungen?<\/strong><br \/>\nPraktisch gesehen ist es die Gewohnheit, \u00dcberzeugungen so pr\u00e4zise zu formulieren, dass sie widerlegt werden k\u00f6nnen, nach Evidenz zu suchen, die sie widerlegen k\u00f6nnte, und sie im Verh\u00e4ltnis zu dieser Evidenz zu korrigieren. Die Prognoseforschung macht das messbar, indem sie Wahrscheinlichkeitsurteile mit tats\u00e4chlichen Ausg\u00e4ngen abgleicht.<\/p>\n<p><strong>Treffen Menschen, die oft ihre Meinung \u00e4ndern, bessere Vorhersagen?<\/strong><br \/>\nIn den Daten des Good Judgment Project ja, wenn die \u00c4nderungen h\u00e4ufig und klein sind. Atanasov und Kollegen (2020) stellten fest, dass die treffsichersten Prognostiker h\u00e4ufige, kleine Anpassungen vornahmen, w\u00e4hrend Prognostiker mit geringer Treffsicherheit ihr erstes Urteil best\u00e4tigten oder selten und stark korrigierten. Superforecaster gaben im Schnitt 7,8 Prognosen pro Frage ab, regul\u00e4re Teams 1,6.<\/p>\n<p><strong>Ist Aufgeschlossenheit immer besser?<\/strong><br \/>\nNein. Haran, Ritov und Mellers (2013) stellten fest, dass aktiv aufgeschlossene Denker treffsicherer waren, weil sie mehr Informationen sammelten, bei \u00dcberraschungsergebnissen aber, bei denen die Informationen in die falsche Richtung wiesen, ging h\u00f6here Aufgeschlossenheit mit schlechterer Leistung einher. Anpassen hilft, wenn die Evidenz zumindest einigerma\u00dfen pr\u00e4diktiv ist.<\/p>\n<p><strong>L\u00e4sst sich Prognosef\u00e4higkeit trainieren?<\/strong><br \/>\nDie urspr\u00fcnglichen Ergebnisse des Good Judgment Project besagten, dass ein etwa 45-min\u00fctiges Modul zum Wahrscheinlichkeitstraining die Treffsicherheit verbesserte, mit Effekten \u00fcber Prognosesaisons von jeweils etwa 8 bis 10 Monaten hinweg. Eine Neuanalyse von Hauenstein und Kollegen aus dem Jahr 2024 argumentiert, dass diese Trainings- und Teameffekte schrumpfen, verschwinden oder sich umkehren, sobald Zeitpunkt, Fragenauswahl und Schwierigkeit der Fragen kontrolliert werden. Die kausale Frage ist umstritten. Der Zusammenhang zwischen Anpassungsstil und Treffsicherheit ist besser belegt.<\/p>\n<p><strong>Wie kann ich meine eigene Treffsicherheit messen?<\/strong><br \/>\nNotieren Sie Prognosen als Wahrscheinlichkeiten mit Datum und Aufl\u00f6sungsregel und bewerten Sie sie anschlie\u00dfend. F\u00fcr eine Ja-Nein-Frage in der hier verwendeten Variante mit zwei Ausg\u00e4ngen ist der Score der quadrierte Abstand bei \u201eJa\u201c plus der quadrierte Abstand bei \u201eNein\u201c. Wer 90 % f\u00fcr etwas angibt, das eintritt, erzielt 0,02, und wer 90 % f\u00fcr etwas angibt, das nicht eintritt, erzielt 1,62. Mitteln Sie die Scores \u00fcber ein Quartal und verfolgen Sie den Trend.<\/p>\n<h2 id=\"quellen\"><span class=\"ez-toc-section\" id=\"Quellen\"><\/span>Quellen<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ul>\n<li>Mellers, B., Ungar, L., Baron, J., Ramos, J., Gurcay, B., Fincher, K., Scott, S. E., Moore, D., Atanasov, P., Swift, S. A., Murray, T., Stone, E. und Tetlock, P. E. (2014). Psychological Strategies for Winning a Geopolitical Forecasting Tournament. Psychological Science, 25(5). Tabelle 1 (Brier-Scores nach Zeitabschnitt), Engagement-Kennzahlen (Vorhersagen pro Frage), Diskussion der Kalibrierung, Rechenbeispiel zum Brier-Score, Beispiel zum S\u00fcd- und Ostchinesischen Meer.<\/li>\n<li>Mellers, B., Stone, E., Murray, T., Minster, A., Rohrbaugh, N., Bishop, M., Chen, E., Baker, J., Hou, Y., Horowitz, M., Ungar, L. und Tetlock, P. (2015). Identifying and Cultivating Superforecasters as a Method of Improving Probabilistic Predictions. Perspectives on Psychological Science, 10(3), 267-281. Abstract: Best\u00e4ndigkeit der Treffsicherheit von Superforecastern und vier Erkl\u00e4rungen.<\/li>\n<li>Atanasov, P., Witkowski, J., Ungar, L., Mellers, B. und Tetlock, P. (2020). Small steps to accuracy: Incremental belief updaters are better forecasters. Organizational Behavior and Human Decision Processes, 160, 19-35. Befunde aus dem Abstract zu H\u00e4ufigkeit, Ausma\u00df und Best\u00e4tigung von Anpassungen; Konferenzfassung auf der 21st ACM Conference on Economics and Computation (EC&lsquo;20) f\u00fcr die Beschreibung des Datensatzes und der Anpassungsma\u00dfe.<\/li>\n<li>Haran, U., Ritov, I. und Mellers, B. A. (2013). The role of actively open-minded thinking in information acquisition, accuracy, and calibration. Judgment and Decision Making, 8(3), 188-201. Studien 1 bis 3, Mediation durch Informationsbeschaffung, \u00dcberraschungsergebnisse, allgemeine Diskussion.<\/li>\n<li>Hauenstein, C., Thomas, R., Illingworth, D. und Dougherty, M. (2024 online ver\u00f6ffentlicht; Printausgabe 2025). Rethinking the Role of Teams and Training in Geopolitical Forecasting: The Effect of Uncontrolled Method Variance on Statistical Conclusions. Psychological Science, 36(1), 3-18. Akzeptiertes Autorenmanuskript: Abstract und Diskussion.<\/li>\n<li>Leary, M. R., Diebels, K. J., Davisson, E. K., Jongman-Sereno, K. P., Isherwood, J. C., Raimi, K. T., Deffler, S. A. und Hoyle, R. H. (2017). Cognitive and Interpersonal Features of Intellectual Humility. Personality and Social Psychology Bulletin, 43(6), 793-813. Abstract: vier Studien mit der Intellectual Humility Scale.<\/li>\n<\/ul>\n<p><em>Tabelle 1 gibt ver\u00f6ffentlichte Daten von Mellers und Kollegen (2014) wieder. Die prozentualen Vergleiche im Text (zum Beispiel \u201e56 % niedriger\u201c) sind CEOtudent-Berechnungen auf Basis dieser Tabelle. Tabelle 2 ist eine CEOtudent-Berechnung mit illustrativen Zahlen. Tabelle 3 ist ein redaktionelles CEOtudent-Framework.<\/em><\/p>\n<hr>\n<p><em>Dieser Inhalt wurde nach eingehender Recherche mit Unterst\u00fctzung von KI zusammengestellt und vom CEOtudent-Redaktionsteam geschrieben und f\u00fcr die Ver\u00f6ffentlichung aufbereitet.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Die treffsichersten Prognostiker eines vierj\u00e4hrigen geopolitischen Turniers mit \u00fcber 400.000 Vorhersagen passten ihre Einsch\u00e4tzungen h\u00e4ufig und in kleinen Schritten an, w\u00e4hrend schw\u00e4chere Prognostiker ihr erstes Urteil best\u00e4tigten oder selten und sprunghaft korrigierten. Im selben Forschungsprogramm gaben Elite-Superforecaster im Schnitt 7,8 Prognosen pro Frage ab, regul\u00e4re Teams 1,6, und ihr Brier-Score von 0,07 in der letzten Woche lag 56 % unter dem trainierter Teams. Wir machen daraus ein Arbeitsprotokoll, um Entscheidungen zu verantworten und trotzdem bereit zu bleiben, falschzuliegen, und wir verweisen auf die Neuanalyse von 2024, die die Trainings- und Teameffekte infrage stellt.<\/p>\n","protected":false},"author":1,"featured_media":326111,"comment_status":"open","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4599,18],"tags":[],"class_list":["post-326113","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-gelisim","category-strateji"],"_links":{"self":[{"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/posts\/326113","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/comments?post=326113"}],"version-history":[{"count":0,"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/posts\/326113\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/media\/326111"}],"wp:attachment":[{"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/media?parent=326113"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/categories?post=326113"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/tags?post=326113"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}