Bounded Rationality – warum Menschen trotz guter Daten systematisch falsch entscheiden
Kurze Definition (Prüfgegenstand)
Dieser Artikel betrachtet die verbreitete Annahme, dass Menschen in Organisationen Entscheidungen rational und vollständig informiert treffen.
Die Analyse zeigt:
⇒ selbst wenn alle relevanten Daten vorhanden sind, treffen Menschen häufig Entscheidungen, die nicht optimal sind nicht aus mangelnder Disziplin, sondern wegen grundlegender kognitiver Grenzen.
1. Die verbreitete Gleichsetzung
In vielen Organisationen wird implizit angenommen:
mehr Daten ⇒ bessere Entscheidungen
mehr Analyse ⇒ höhere Qualität
bessere Modelle ⇒ weniger Fehler
Typische Aussagen sind:
„Wir müssen nur die richtigen Informationen sammeln“
„Das Dashboard zeigt klar, was zu tun ist“
„Die Entscheidung ist datenbasiert“
⇒ Dahinter steckt die Annahme:
Wenn genug Informationen vorhanden sind, entscheidet der Mensch rational
2. Warum diese Logik zunächst plausibel wirkt
Diese Vorstellung ist intuitiv überzeugend, weil:
Daten Unsicherheit reduzieren
Analysen Struktur schaffen
Zahlen Orientierung geben
Entscheidungen dadurch nachvollziehbar erscheinen
⇒ In einfachen Situationen funktioniert das auch:
klare Ursache-Wirkung
begrenzte Optionen
stabile Rahmenbedingungen
⇒ Daher entsteht der Eindruck:
„Wenn wir nur genug wissen, entscheiden wir richtig“
3. Wo die Logik systemisch bricht
Der Bruch entsteht, sobald Entscheidungen:
komplex werden
unsicher sind
viele Variablen enthalten
⇒ Genau das ist in Organisationen der Normalfall.
3.1 Begrenzte Aufnahmefähigkeit von Informationen
Menschen können nur eine begrenzte Menge an Informationen gleichzeitig verarbeiten.
⇒ In komplexen Situationen bedeutet das:
relevante Informationen werden ausgeblendet
Zusammenhänge werden vereinfacht
Details gehen verloren
⇒ Konsequenz:
Die Entscheidung basiert nie auf „allen Daten“ – sondern auf einem reduzierten Ausschnitt
3.2 Vereinfachung statt Optimierung
In der Theorie:
Entscheidungen sollten optimal sein
In der Praxis:
Menschen suchen nach Lösungen, die „gut genug“ sind
⇒ Dieses Verhalten nennt man:
Satisficing statt Optimizing
⇒ Beispiel:
Investitionsentscheidung wird getroffen, sobald ein Szenario akzeptabel erscheint
nicht erst, wenn das beste gefunden wurde
3.3 Komplexität überfordert das Modell im Kopf
Organisationen sind:
dynamisch
vernetzt
nicht-linear
⇒ Menschen können diese Systeme nur eingeschränkt abbilden:
Wechselwirkungen werden unterschätzt
Verzögerungen werden ignoriert
Nebenwirkungen werden nicht erkannt
⇒ Ergebnis:
Entscheidungen wirken logisch – führen aber zu unerwarteten Effekten
3.4 Unsicherheit wird systematisch reduziert
Wenn Informationen unklar sind:
wird Unsicherheit vereinfacht
wird sie ausgeblendet oder „gefühlt“ ersetzt
⇒ Typische Reaktion:
„Wir brauchen eine klare Zahl“
„Wir planen mit einem Szenario“
⇒ Problem:
Die Realität bleibt unsicher – die Entscheidung nicht
3.5 Erfahrung ersetzt Analyse
In komplexen Situationen greifen Menschen auf Muster zurück:
Erfahrung
Intuition
bekannte Vergleichsfälle
⇒ Das ist effizient, aber gefährlich:
neue Situationen werden falsch eingeordnet
seltene Risiken werden unterschätzt
bekannte Muster werden überbetont
4. Typische Folgen von Bounded Rationality
Wenn Entscheidungen unter kognitiven Grenzen getroffen werden, zeigt sich:
wichtige Informationen werden ignoriert
komplexe Zusammenhänge werden vereinfacht
Risiken werden unterschätzt
Entscheidungen werden inkonsistent
⇒ Typisches Muster:
Entscheidungen sind nachvollziehbar – aber nicht systemisch korrekt
5. Warum Bounded Rationality unvermeidbar ist
Bounded Rationality ist kein Fehler.
⇒ Sie ist eine Grundbedingung menschlicher Entscheidung.
Der Grund:
begrenzte Zeit
begrenzte Aufmerksamkeit
begrenzte Rechenfähigkeit
⇒ Selbst mit besten Daten gilt:
Menschen können Komplexität nicht vollständig verarbeiten
6. Verbindung zu den anderen Artikeln
Bounded Rationality ergänzt die bisherigen Elemente eures Decision Layers:
Ebene | Zusammenhang |
Decision Failure | falsche Entscheidungen trotz Daten |
Agency Theory | Menschen wollen nicht immer systemoptimal handeln |
Incentive Design | Systeme erzeugen Verhalten |
KPI Distortion | Kennzahlen verzerren Verhalten |
Bounded Rationality | Menschen können Komplexität nicht vollständig verarbeiten |
⇒ Ergebnis:
Fehlentscheidungen entstehen nicht nur durch falsche Anreize, sondern auch durch begrenzte Entscheidungsfähigkeit
7. Die notwendige Trennung der Logiken
Für eine realistische Entscheidungslogik muss unterschieden werden:
Daten beantworten:
„Was wissen wir?“
Entscheidungen beantworten:
„Was können wir tatsächlich verarbeiten und beurteilen?“
⇒ Entscheidend:
mehr Daten ≠ bessere Entscheidung
bessere Entscheidung = besserer Umgang mit Begrenzung
8. Die zentrale Erkenntnis
Menschen sind keine perfekten Entscheider.
⇒ sie sind begrenzt rational
Das bedeutet:
Entscheidungen sind immer vereinfacht
Informationen sind immer unvollständig verarbeitet
Ergebnisse sind immer Annäherungen
⇒ oder konkreter:
Organisationen scheitern nicht nur an falschen Anreizen, sondern auch daran, dass ihre Entscheider die Realität nicht vollständig erfassen können
9. Einordnung im Decision System Layer
Bounded Rationality erklärt eine zentrale zweite Ursache für Decision Failure:
Agency Theory erklärt: ⇒ warum Menschen anders handeln möchten
Bounded Rationality erklärt: ⇒ warum sie selbst bei gutem Willen nicht optimal handeln können
⇒ Kombination:
Menschen handeln nicht nur verzerrt – sie denken auch vereinfacht
Ausblick
Wenn Menschen lokal vereinfachen und optimieren, stellt sich die nächste Frage:
Was passiert, wenn ganze Organisationen auf Teilziele optimieren?
NextLevel Statement (Bounded Rationality)
„Organisationen scheitern selten daran, dass sie zu wenig wissen – sondern daran, dass sie zu viel Komplexität mit zu wenig Verarbeitungskapazität bewältigen müssen. Wer bessere Entscheidungen will, braucht nicht nur bessere Daten, sondern Systeme, die menschliche Begrenztheit ausgleichen.“
FAQ – Bounded Rationality
1. Was bedeutet Bounded Rationality einfach erklärt?
Bounded Rationality beschreibt, dass Menschen Entscheidungen nicht perfekt rational treffen können, weil ihre:
Zeit
Informationen
kognitiven Fähigkeiten
begrenzt sind.
⇒ Entscheidungen sind deshalb immer vereinfachte Annäherungen, keine echten Optima.
2. Warum führen mehr Daten nicht automatisch zu besseren Entscheidungen?
Weil Menschen Daten nicht unbegrenzt verarbeiten können.
⇒ Ab einem bestimmten Punkt entsteht:
Überforderung
Vereinfachung
selektive Wahrnehmung
Mehr Daten erhöhen nicht automatisch die Qualität – sie erhöhen oft die Komplexität
3. Was ist der Unterschied zwischen Rationalität und Bounded Rationality?
Rationale Entscheidung (Theorie):alle Optionen werden vollständig analysiert → bestmögliche Lösung wird gewählt
Bounded Rationality (Realität):Informationen werden reduziert → eine „ausreichend gute“ Lösung wird gewählt
⇒ Realität ist immer eine Vereinfachung der Theorie
4. Was bedeutet „Satisficing“ in diesem Kontext?
Satisficing bedeutet:
nicht die beste Lösung zu suchen
sondern eine Lösung, die „gut genug“ ist
⇒ typisch in Unternehmen:
Entscheidung wird getroffen, sobald ein akzeptables Ergebnis vorliegt
nicht, wenn alle Alternativen geprüft sind
5. Welche Rolle spielt Bounded Rationality im Alltag von Unternehmen?
Sie beeinflusst praktisch jede Entscheidung:
Budgetplanung
Investitionen
Risikoabschätzung
Strategie
⇒ Ergebnis:
Entscheidungen basieren selten auf vollständigem Verständnis – sondern auf praktikabler Vereinfachung
6. Warum ist Bounded Rationality besonders in komplexen Organisationen relevant?
Weil dort:
viele Abhängigkeiten bestehen
Informationen verteilt sind
Zeitdruck herrscht
⇒ Menschen müssen ständig:
priorisieren
filtern
vereinfachen
7. Wie hängt Bounded Rationality mit Fehlern im Risikomanagement zusammen?
Risiken werden oft unterschätzt, weil:
komplexe Szenarien nicht vollständig durchdacht werden
seltene Ereignisse schwer vorstellbar sind
Modelle vereinfacht werden müssen
⇒ Beispiel:
VaR wird verstanden
aber nicht vollständig interpretiert
→ Entscheidung bleibt unvollständig
8. Was ist der Unterschied zu KPI Distortion?
KPI Distortion: Verhalten wird durch Kennzahlen verzerrt
Bounded Rationality: Denken wird durch kognitive Grenzen eingeschränkt
⇒ Kombination:
Menschen wollen oft schon nicht optimal handeln –und können es gleichzeitig auch nicht
9. Kann man Bounded Rationality vermeiden?
Nein.
Aber man kann sie:
sichtbar machen
strukturell berücksichtigen
durch Systeme teilweise ausgleichen
⇒ Ansatz:
klare Entscheidungslogik
bessere Informationsstruktur
Einsatz von Modellen / KI
10. Warum ist Bounded Rationality für KI-Systeme besonders wichtig?
Weil KI genau dort ansetzt, wo Menschen limitiert sind:
Verarbeitung großer Datenmengen
Erkennung komplexer Muster
konsistente Bewertung
⇒ Wenn KI gut gebaut ist:
kann sie menschliche Begrenzung ausgleichen– aber nicht automatisch ersetzen