Fortschritte in der angewandten Verhaltenswissenschaft: das GAP‑Framework

Warum unsere Entscheidungen wichtiger sind, als wir denken

Vom Abschluss einer Altersvorsorge bis zum Klick auf „Akzeptieren“ im Web: Unsere täglichen Entscheidungen werden still und leise durch subtile Gestaltungsentscheidungen und mächtige neue Technologien geformt. Dieser Artikel stellt das GAP‑Framework vor, einen Fahrplan für Regierungen, Unternehmen und Nonprofits, die Erkenntnisse über menschliches Verhalten verantwortungsvoll und wirkungsvoll nutzen wollen. Er zeigt, wie klassische Ideen über Gewohnheiten und Verzerrungen mit künstlicher Intelligenz und realen Beschränkungen kombiniert werden können, um über einfache „Nudges“ hinauszugehen und intelligentere, gerechtere und transparentere Wege zu finden, Verhalten zu beeinflussen.

Verhalten mit neuen Augen betrachten

Der erste Teil des GAP‑Frameworks, General Tools, konzentriert sich auf das, was die Verhaltenswissenschaft bereits über Denken und Handeln weiß. Die Autoren bündeln viele bekannte Befunde in eine einfache Linse namens SHELL: Wir werden geleitet durch sozialen Einfluss, Gewohnheiten, Emotionen, begrenzte mentale Kapazität und eingeschränkte Selbstkontrolle. Diese Linse hilft Organisationen, über die üblichen Annahmen hinauszukommen, dass Menschen nur mehr Informationen oder größere Anreize bräuchten. Stattdessen regt sie dazu an, zu fragen: Kopieren Menschen andere? Handeln sie im Autopilot? Sind sie von komplexen Optionen überfordert? Müde oder gestresst? Das Betrachten von Problemen durch SHELL soll ein diagnostischer Schritt sein, bevor irgendjemand eine Lösung entwirft.

Versteckte Hindernisse in Systemen aufspüren

Sobald die Haupttreiber des Verhaltens vermutet werden, hebt das Framework verhaltensbezogene Audits hervor, um zu entdecken, was in einer Organisation wirklich schiefläuft. Sludge‑Audits suchen nach sinnlosen Hürden – Formularen, Schritten und Verzögerungen, die Zeit und Energie verschwenden. Bias‑Audits untersuchen unfairen Mustern bei Entscheidungen wie Einstellung oder Kreditvergabe, während Noise‑Audits nach zufälligen Inkonsistenzen zwischen Personen suchen, die Fälle ähnlich beurteilen sollten. Gemeinsam zeigen diese Audits, wann Systeme verwirrend, unfair oder unzuverlässig sind. Erst nach dieser diagnostischen Arbeit kommt die vertraute Idee der „Choice Architecture“ ins Spiel: kleine Änderungen in der Darstellung von Optionen, wie Voreinstellungen, Erinnerungen oder vereinfachte Layouts, die gute Entscheidungen erleichtern, ohne die Freiheit einzuschränken.

Intelligente Maschinen ins Bild bringen

Die zweite Säule von GAP, Algorithms, erklärt, wie neue Datentools – besonders künstliche Intelligenz – die Verhaltenswissenschaft verstärken können, wenn sie richtig eingesetzt werden. KI kann neue Formen der Datenerhebung eröffnen, etwa durch das Scannen von Millionen Nachrichten nach Stimmung und Meinung oder durch großangelegte Studien, die Dutzende von Interventionen gleichzeitig vergleichen. Sie kann Muster in riesigen Datensätzen erkennen, die Menschen entgehen würden, etwa wie lange es wirklich dauert, bis sich eine Gewohnheit bildet, oder welche Faktoren am stärksten Impf‑Zögerlichkeit vorhersagen. Außerdem können KI‑Systeme maßgeschneiderte Aufforderungen oder Empfehlungen zum richtigen Zeitpunkt und in großem Maßstab liefern. Zugleich warnen die Autoren, dass dieselben Werkzeuge missbraucht werden können, um Menschen zu manipulieren oder die Privatsphäre zu verletzen, sodass ethische Schutzmaßnahmen und Aufsicht unerlässlich sind.

Verhaltenswissenschaft in realen Organisationen zum Laufen bringen

Die dritte Säule, Practical Considerations, erkennt an, dass selbst die besten Ideen ohne die richtigen Personen, Regeln und Methoden scheitern. Mit dem Merkspruch TEAM erörtern die Autoren, wie man Teams für Verhaltens‑Insights aufbaut, ob man sie zentralisiert oder über Abteilungen verteilt, und wie man Kompetenzen aus Psychologie, Ökonomie, Data Science, Recht und weiteren Disziplinen kombiniert. Sie betonen die Notwendigkeit klarer Rollen, ethischer Richtlinien und die Einhaltung von Datenschutzgesetzen wie den europäischen Regeln. Auch Kosten spielen eine Rolle: Manche Nudges sind günstig und sehr kosteneffektiv, während fortgeschrittene KI‑Systeme erhebliche Investitionen und sorgfältige Kosten‑Nutzen‑Analysen erfordern. Schließlich unterstreicht das Framework die Bedeutung rigoroser Tests – durch Experimente, Feldversuche und andere Forschungsmethoden –, damit Organisationen nicht nur lernen, „was wirkt“, sondern auch für wen, in welchen Kontexten und zu welchem Preis.

Alte und neue Bausteine zusammenfügen

Anstatt populäre Modelle wie COM‑B, MINDSPACE oder EAST zu ersetzen, ist das GAP‑Framework so konzipiert, dass es über ihnen liegt und Verbindungen herstellt. SHELL und Audits schärfen die Diagnose, bestehende Verhaltensänderungsmodelle helfen bei der Gestaltung von Interventionen, Algorithmen erweitern, was gesehen und skaliert werden kann, und TEAM verankert alles in realen Strukturen, Ethik und Budgets. Die Autoren sind offen bezüglich der Grenzen ihres Vorschlags: GAP katalogisiert nicht jede mögliche Technik, und es besteht das Risiko, dass jedes Framework Debatten verengt oder tiefere Systemveränderungen übersieht, die nötig sein könnten. Sie fordern mehr Vergleichsstudien zu verschiedenen Strategien und Updates des Frameworks, wenn sich Technologie und Regulierung weiterentwickeln.

Was das für den Alltag bedeutet

Kurz gesagt ist das GAP‑Framework ein Leitfaden, um Erkenntnisse über menschliches Verhalten klüger und überlegter einzusetzen. Es fordert Praktiker auf, Probleme sorgfältig zu diagnostizieren, bevor sie zu Lösungen eilen, menschliches Urteilsvermögen mit der Mustererkennung von Algorithmen zu kombinieren und Teams sowie Regeln aufzubauen, die Einfluss transparent und fair halten. Da öffentliche Institutionen und Unternehmen zunehmend unsere Entscheidungen – offline wie online – gestalten, bietet GAP einen Weg, diese Instrumente so zu nutzen, dass Gesundheit, Finanzen und soziale Ergebnisse verbessert werden, ohne die Autonomie und Vielfalt der Menschen zu untergraben.

Zitation: Costa, S., Mills, S., Duyck, W. et al. Advancing applied behavioral science: the GAP framework. Humanit Soc Sci Commun 13, 261 (2026). https://doi.org/10.1057/s41599-026-06542-3

Schlüsselwörter: angewandte Verhaltenswissenschaft, Nudging und Choice Architecture, Künstliche Intelligenz in der Politik, Verhaltens‑Audits, organisationale Entscheidungsfindung