Bias: Bedeutung + 25 kognitive Verzerrungen im Überblick

Bias – das Wichtigste auf einen Blick

Bedeutung	Ein Bias ist eine systematische Verzerrung beim Wahrnehmen, Erinnern, Beurteilen oder Entscheiden.
Deutsch	Je nach Kontext bedeutet Bias Voreingenommenheit, Verzerrung, Befangenheit oder Neigung.
Ursachen	Erfahrungen, Erwartungen, Emotionen und mentale Abkürzungen können unser Urteil beeinflussen.
Beispiele	Bekannte Formen sind Confirmation Bias, Anchoring Bias, Hindsight Bias oder Unconscious Bias.
KI-Bias	Auch KI-Systeme können vorhandene Verzerrungen übernehmen, verstärken oder neue erzeugen.

Was ist ein Bias? Einfach erklärt

Ein Bias ist eine systematische Verzerrung unserer Wahrnehmung oder unseres Urteils. Das Gehirn verarbeitet Informationen nicht vollkommen neutral: Erfahrungen, Erwartungen oder vorhandene Überzeugungen beeinflussen, was wir beachten und wie wir es bewerten.

Ein einfaches Beispiel: Sie sind von einer Idee überzeugt und suchen deshalb nach Argumenten, die dafür sprechen. Widersprechende Informationen beachten Sie weniger oder ignorieren diese ganz. Damit unterliegen Sie dem sogenannten Confirmation Bias bzw. Bestätigungsfehler.

Wie entstehen kognitive Bias?

Unser Gehirn verarbeitet jeden Tag enorme Mengen an Informationen und trifft ständig Entscheidungen. Für eine vollständige Analyse fehlen dabei oft Zeit, Wissen und Aufmerksamkeit. Deshalb nutzen wir Erfahrungen, Faustregeln und sogenannte Heuristiken – mentale Abkürzungen, die schnelle Einschätzungen ermöglichen. Das ist zunächst sinnvoll und keineswegs automatisch ein Fehler. Unter bestimmten Bedingungen können daraus jedoch systematische Fehleinschätzungen entstehen.

Auch selektive Wahrnehmung, Emotionen, Erwartungen und soziale Einflüsse bestimmen mit, welche Informationen wir beachten und wie wir diese interpretieren. Das erklärt zugleich, warum niemand vollkommen frei von Bias ist. Selbst Expertise schützt nicht automatisch davor: Gerade weil viele Verzerrungen unbewusst ablaufen, bemerken wir ihren Einfluss häufig nicht.

Welche Bias gibt es? 25 Beispiele von A-Z

Es gibt keine abschließende Liste aller Bias. Manche beeinflussen vorrangig Wahrnehmung und Erinnerung, andere soziale Urteile, Entscheidungen oder wissenschaftliche Untersuchungen. Die folgende Übersicht zeigt 25 besonders bekannte oder für Alltag und Beruf relevante Formen:

Bias	Bedeutung
Anchoring Bias	Eine erste Information dient als Anker und beeinflusst spätere Einschätzungen.
Attribution Bias	Wir erklären Verhalten verzerrt durch persönliche Eigenschaften oder äußere Umstände.
Authority Bias	Aussagen von Autoritäten erhalten übermäßig großes Gewicht.
Availability Bias	Was uns schnell einfällt, erscheint häufiger oder wahrscheinlicher.
Blind Spot Bias	Wir erkennen kognitive Verzerrungen bei anderen leichter als bei uns selbst.
Confirmation Bias	Wir bevorzugen Informationen, die bestehende Überzeugungen bestätigen.
Conformity Bias	Wir passen unser Urteil übermäßig an die Meinung einer Gruppe an.
Distance Bias	Räumlich oder zeitlich nahe Ereignisse und Personen erhalten mehr Gewicht.
Framing Bias	Die Darstellung derselben Information beeinflusst unsere Bewertung und Entscheidung.
Halo-Effekt	Ein besonders positives Merkmal überstrahlt die Beurteilung weiterer Eigenschaften.
Hindsight Bias	Im Rückblick erscheinen Ereignisse vorhersehbarer, als sie tatsächlich waren.
Horn-Effekt	Ein besonders negatives Merkmal überstrahlt die Beurteilung weiterer Eigenschaften.
Ingroup Bias	Mitglieder der eigenen Gruppe werden tendenziell positiver bewertet oder bevorzugt.
Interviewer Bias	Erwartungen des Interviewers beeinflussen Gespräch, Antworten oder Bewertung.
Negativity Bias	Negative Erfahrungen und Informationen bekommen mehr Aufmerksamkeit und Gewicht.
Optimism Bias	Wir überschätzen positive Entwicklungen und unterschätzen persönliche Risiken.
Outcome Bias	Wir beurteilen eine Entscheidung nach ihrem Ergebnis statt nach ihrer damaligen Qualität.
Overconfidence Bias	Wir überschätzen unser Wissen, unsere Fähigkeiten oder die Sicherheit eigener Urteile.
Proximity Bias	Räumlich präsente oder näher stehende Personen werden stärker wahrgenommen und möglicherweise bevorzugt.
Recency Bias	Neue beziehungsweise zuletzt erhaltene Informationen beeinflussen unser Urteil besonders stark.
Self-Serving Bias	Erfolge schreiben wir eher uns selbst zu, Misserfolge dagegen äußeren Umständen.
Selection Bias	Eine verzerrte Auswahl führt zu nicht repräsentativen Stichproben oder Beobachtungen.
Status-quo-Bias	Wir bevorzugen den bestehenden Zustand gegenüber Veränderungen oder Alternativen.
Survivorship Bias	Wir betrachten sichtbare Erfolge und übersehen die gescheiterten Fälle.
Unconscious Bias	Unbewusste Einstellungen und Assoziationen beeinflussen Wahrnehmung und Entscheidungen.
Zero-Risk Bias	Wir bevorzugen die vollständige Beseitigung eines kleinen Risikos gegenüber einer größeren Gesamtreduktion.

Wichtig: Die Begriffe bezeichnen nicht immer dieselbe Ebene. „Unconscious Bias“ ist beispielsweise ein Oberbegriff für unbewusste Verzerrungen, während der Anchoring Bias einen konkreten Mechanismus beschreibt.

Was bedeutet Bias bei Künstlicher Intelligenz?

KI-Bias bezeichnet systematische Verzerrungen in den Ergebnissen oder Entscheidungen eines KI-Systems. Sie können durch Daten, deren Auswahl und Aufbereitung, statistische Verfahren, Entwicklungsentscheidungen oder den späteren Einsatz entstehen. KI kann vorhandene Verzerrungen zudem skalieren: Wird ein problematisches Muster automatisiert auf zahlreiche Fälle angewendet, betrifft die Fehlentscheidung nicht mehr nur eine einzelne Situation.

Beispiel Recruiting: Wird eine KI mit historischen Bewerbungs- und Einstellungsdaten trainiert, können darin vorhandene Ungleichgewichte übernommen werden. Ein algorithmisches System entscheidet schließlich nicht automatisch fair, nur weil eine Entscheidung automatisiert erfolgt.

Das National Institute of Standards and Technology (NIST) unterscheidet bei KI zwischen systemischen, statistisch-rechnerischen und menschlich-kognitiven Verzerrungen. Bias ist damit nicht nur ein Problem fehlerhafter Trainingsdaten. Auch organisatorische Prozesse, gesellschaftliche Strukturen und menschliche Entscheidungen während Entwicklung und Nutzung können eine Rolle spielen. Mehr zu den unterschiedlichen Ursachen erklärt das National Institute of Standards and Technology zu Bias in KI-Systemen.

Wie kann ich einen Bias erkennen und vermeiden?

Völlig frei von kognitiven Verzerrungen werden wir leider nie. Sie können aber deren Einfluss reduzieren – vor allem bei wichtigen Entscheidungen. Diese fünf Strategien helfen:

1. Ersten Eindruck prüfen

   Fragen Sie sich, welche Beobachtung Ihr Urteil tatsächlich stützt und welche Annahmen Sie bereits hinzugefügt haben.

2. Gegenbelege suchen

   Versuchen Sie bewusst, Ihre eigene Einschätzung zu widerlegen. Welche Fakten sprechen gegen Ihre bisherige Überzeugung?

3. Fakten von Interpretationen trennen

   „Der Kollege hat nicht geantwortet“ ist eine Beobachtung. „Er ignoriert mich absichtlich“ ist bereits Ihre Deutung.

4. Kriterien vorher festlegen

   Definieren Sie Maßstäbe möglichst vor einer Entscheidung. Das hilft beispielsweise bei Bewerbungen, Einstellungen, Beförderungen oder größeren Anschaffungen.

5. Andere Perspektiven einholen

   Fragen Sie gezielt Menschen, die anders denken oder andere Erfahrungen besitzen. Das macht blinde Flecken sichtbar und fördert kritisches Denken.

Bias zu kennen, bedeutet nicht, automatisch objektiv zu urteilen. Der entscheidende Vorteil liegt woanders: Sie erkennen mögliche Verzerrungen früher und können Ihre Einschätzung überprüfen, bevor daraus eine Entscheidung wird.

---

Was andere dazu gelesen haben

• Denkmuster: Negative Denkgewohnheiten erkennen und verändern
• Wahrnehmungsfehler: Wie unsere Wahrnehmung uns täuscht
• Vorurteile: Wie sie entstehen und was dagegen hilft
• Selbstreflexion: Eigene Gedanken und Verhalten hinterfragen
• Metakognition: Das eigene Denken beobachten und steuern