Modellierung der Informationsnachfrage im Rahmen probabilistischer Entscheidungsfindung

Warum uns die Informationen interessieren, die wir auswählen

In der heutigen digitalen Welt entscheiden wir ständig, worauf wir klicken, welche Nachrichten wir lesen und welche Ergebnisse oder Diagnosen wir lieber nicht sehen wollen. Diese Entscheidungen, Informationen zu suchen oder zu vermeiden, können unsere Finanzen, unsere Gesundheitsentscheidungen und unser emotionales Wohlbefinden prägen. Diese Studie stellt eine auf den ersten Blick einfache Frage: Wenn Menschen entscheiden, ob sie mehr erfahren wollen, werden sie dann hauptsächlich von unterschiedlichen Motiven geleitet oder von der Art, wie ihr Geist subjektiv Gewinn- und Verlustwahrscheinlichkeiten verzerrt?

Entscheidungen in einem Fischteich

Die Forschenden entwarfen Online-Experimente, in denen Freiwillige vielen kleinen Lotterien gegenüberstanden. In jedem Durchgang sahen die Teilnehmenden einen cartoonhaften „Teich“, der aus zehn Elementen bestand: Kombinationen aus Goldfischen, Rotfischen und Seetang, zusammen mit einem Tortendiagramm, das die exakten Wahrscheinlichkeiten anzeigte. Aus einem Goldfisch zu ziehen bedeutete, zusätzliches Geld zu gewinnen, ein Rotfisch bedeutete Geldverlust und Seetang bedeutete keine Veränderung. Manchmal bewerteten die Teilnehmenden einfach, wie neugierig sie waren, das Ergebnis früher zu erfahren, obwohl diese Information ihnen nicht helfen konnte, mehr zu verdienen. In anderen Varianten der Aufgabe gaben sie an, wie viel Geld sie zahlen würden, um das Ergebnis vorab zu sehen, weil frühzeitige Information ihre Chancen verbessern konnte, eine richtige geldbringende Vermutung zu treffen.

Neugier, Geld und die Form der Unsicherheit

Das Team verglich zwei breite Erklärungsansätze für Informationssuche. Der eine, genannt Mixed‑Motive‑Ansatz, geht davon aus, dass Menschen verschiedene Triebe aufsummieren: den Wunsch, Unsicherheit zu reduzieren, den Wunsch, die Auszahlung zu steigern, und den Wunsch, sich gut zu fühlen oder Angst zu vermeiden. In dieser Sichtweise kombinieren sich diese Elemente linear, und das Verhalten jeder Person lässt sich dadurch erklären, wie stark sie jedes Motiv gewichtet. Der konkurrierende Ansatz, ein Rahmenwerk probabilistischer Entscheidungsfindung, nimmt an, dass Menschen Chancen und Ergebnisse nicht objektiv sehen. Stattdessen verzerren sie systematisch Wahrscheinlichkeiten (beispielsweise indem sie seltene Ereignisse als wahrscheinlicher einschätzen, als sie wirklich sind) und gewichten Gewinne und Verluste ungleich. Diese Verzerrungen treiben dann ihre Neugier und ihre Zahlungsbereitschaft für Informationen an.

Subjektive Wahrscheinlichkeiten schlagen gemischte Motive

In drei Experimenten mit insgesamt 250 Teilnehmenden erklärten probabilistische Modelle das Verhalten durchweg besser als die Mixed‑Motive‑Modelle. Wenn Teilnehmende ihre Neugier auf zukünftige Gewinne oder Verluste bewerteten, erreichte ihr Interesse seinen Höhepunkt bei 50‑50‑Lotterien, zeigte aber auch eine auffällige Umkehr: Bei unwahrscheinlichen Ereignissen waren sie eher an möglichen Verlusten als an Gewinnen interessiert, während sich das Muster bei wahrscheinlichen Ereignissen umkehrte. Ein einfaches additives „gute vs. schlechte Nachrichten“-Element konnte dieses kreuzende Muster nicht reproduzieren, wohl aber Modelle, die zuließen, dass Wahrscheinlichkeiten für Gewinne und Verluste auf unterschiedliche, S‑förmige Weise verzerrt werden. Ähnlich weichten bei Angaben, wie viel sie für nützliche Informationen zahlen würden, die Gebote von derjenigen Summe ab, die die Auszahlungen maximiert hätte — und zwar in einer Weise, die eher mit verzerrten inneren Wahrscheinlichkeitsansichten übereinstimmte als mit einer einfachen Mischung von Motiven.

Riskante Entscheidungen, Persönlichkeit und geteilte mentale Abkürzungen

In einem größeren Experiment bearbeiteten dieselben Personen außerdem eine Risikoentscheidungsaufgabe, die Lotterien verwendete, die strukturell identisch mit der Informationsaufgabe waren. Diesmal berichteten sie den kleinsten garantierten Betrag, den sie akzeptieren würden, anstatt die Lotterie zu spielen. Auch hier spiegelten ihre Entscheidungen klassische Muster wider: Sie bewerteten Gewinne und Verluste mit niedriger Wahrscheinlichkeit über, während sie solche mit hoher Wahrscheinlichkeit unterbewerteten. Entscheidend waren die Parameter, die die verzerrte Wahrnehmung von Wahrscheinlichkeit und Wert für jede Person am besten beschrieben: Diese zeigten hohe Korrelationen zwischen der Informations‑ und der Risikoaufgabe, was auf eine gemeinsame zugrunde liegende Art der Unsicherheitswahrnehmung hindeutet. Persönlichkeitsmaße lieferten einen weiteren Zusammenhang: Personen mit hoher „Need for Cognition“ (die gerne intensiv nachdenken) verhielten sich tendenziell stärker im Einklang mit objektiven Wahrscheinlichkeiten, während Personen mit hoher „Stress Tolerance“ größere Abweichungen von normativen Antworten zeigten — möglicherweise ein Hinweis darauf, dass sie bei Unsicherheit eher auf grobe Heuristiken als auf präzise Berechnungen vertrauen.

Was das für alltägliche Entscheidungen bedeutet

Für Nicht‑Fachleute ist die Hauptaussage, dass viele rätselhafte Muster darin, welche Informationen Menschen wollen — und wann sie sie wollen — weniger aus geheimnisvollen zusätzlichen Motiven entstehen als vielmehr aus den mentalen Linsen, durch die wir Chancen für gute und schlechte Ergebnisse sehen. Unser Gehirn behandelt etwa eine 10‑%‑ und eine 90‑%‑Wahrscheinlichkeit nicht als einfache Spiegelbilder, und es gewichtet mögliche Gewinne und Verluste auf subtil unterschiedliche Weise. Diese eingebauten Verzerrungen können erklären, warum wir manchmal nach Nachrichten über unwahrscheinliche Bedrohungen suchen oder zu wenig für Informationen bezahlen, die uns wirklich helfen könnten. Das Verständnis dieser mentalen Abkürzungen kann dabei helfen, Werkzeuge zur Risiko­kommunikation zu verbessern, bessere Entscheidungshilfen in Bereichen wie Gesundheitswesen und Finanzen zu entwerfen und Interventionen besser auf kognitive Stile und Stressreaktionen von Menschen abzustimmen.

Zitation: Jiwa, M.W., Gottlieb, J. Modeling information demand in the framework of probabilistic reasoning. Commun Psychol 4, 31 (2026). https://doi.org/10.1038/s44271-026-00398-8

Schlüsselwörter: Informationssuche, Wahrnehmung von Wahrscheinlichkeiten, Risiko und Unsicherheit, Neugier, Entscheidungsfindung