Der Dunning-Kruger-Effekt ist wahrscheinlich nicht real (und warum das wichtig ist)

Der Dunning-Kruger-Effekt ist wahrscheinlich nicht real (und warum das wichtig ist)

Du kennst das Diagramm. Die Kurve schießt nach oben zum „Mount Stupid“, stürzt ab ins „Tal der Verzweiflung“ und klettert dann den „Hang der Erleuchtung“ hoch. Es erklärt deinen Chef, deinen Onkel bei Facebook und den Typen, der versucht hat, den Bürodrucker zu reparieren, indem er draufgehauen hat. Der Dunning-Kruger-Effekt ist eines der meistzitierten psychologischen Konzepte des Internetzeitalters geworden.

Hier ist der unbequeme Teil: Der Dunning-Kruger-Effekt ist wahrscheinlich nicht real.

Zumindest nicht so, wie wir ihn uns vorstellen. Eine wachsende Zahl von Replikationsstudien, statistischen Neu-Analysen und einfach gesundem Menschenverstand deutet darauf hin, dass das berühmte Ergebnis „unfähig und sich dessen nicht bewusst“ größtenteils eine mathematische Illusion ist, eingebaut in die Methodik der ursprünglichen Studie. Ich weiß, ich weiß — es fühlt sich wahr an. Genau deshalb hat es sich so hartnäckig gehalten. Aber als jemand, der über Technik, Produktivität und die chaotische Art, wie Menschen Entscheidungen treffen, schreibt, denke ich: Wir sollten diesen Meme in Rente schicken und durch etwas Nützlicheres ersetzen.

Lass mich aufschlüsseln, was Dunning und Kruger tatsächlich herausgefunden haben, warum es unter genauerer Betrachtung auseinanderfällt, und was du stattdessen tun solltest, anstatt deinem Freund schadenfroh „Dunning-Kruger“ zu texten, wenn er mal wieder danebenliegt.

Die ursprüngliche Studie in einem Absatz

1999 führten die Psychologen Justin Kruger und David Dunning vier Studien durch, in denen Teilnehmer Tests zu Humor, Grammatik und Logik absolvieren mussten. Danach sollten sie einschätzen, wie gut sie im Vergleich zu allen anderen abgeschnitten hatten.

Die Ergebnisse zeigten, was zur Legende wurde: Menschen im untersten Viertel glaubten, sie wären überdurchschnittlich — manchmal sogar deutlich. Gleichzeitig unterschätzten sich die Leute im obersten Viertel leicht. Die Forscher nannten das den „doppelten Fluch“ der Inkompetenz: Wenn du keine Fähigkeit hast, fehlt dir auch die Fähigkeit zu erkennen, dass du keine Fähigkeit hast. Also: der Dunning-Kruger-Effekt.

Er traf etwas Echtes über die menschliche Natur — dachten wir zumindest. Das Problem ist: Das Ergebnis könnte gar keine psychologische Eigenheit sein. Es könnte ein statistisches Artefakt sein.

Die Mathematik, die den Effekt killt

Selbsteinschätzungen sind verrauscht. Wenn du deine eigene Fähigkeit bewertest, fließt da einiges rein: deine Stimmung, dein Gedächtnis, wie schlau du dich generell einschätzt, wie andere dich gelobt haben, ob du gerade einen zweiten Kaffee getrunken hast. Leistungsmessungen sind ebenfalls verrauscht. Vielleicht hattest du Glück, vielleicht hast du eine Frage falsch gelesen, vielleicht warst du schlecht geschlafen.

Jetzt stell dir vor, du machst einen Test, sammelst die Leistungswerte und teilst die Leute dann nur anhand dieser unperfekten Werte in „unterstes Viertel“ und „oberstes Viertel“ auf. Dann vergleichst du diese Gruppen mit ihren eigenen Selbsteinschätzungen.

Statistisch gesehen enthält die untere Gruppe mehr Menschen, deren tatsächliches Testergebnis durch Pech oder Rauschen nach unten gezogen wurde. Ihre Selbsteinschätzung, die auf einem breiteren Gefühl für die eigene Fähigkeit basiert, fällt nicht so tief wie ihr Testergebnis. Also sieht es so aus, als hätten sie sich überschätzt. Die obere Gruppe ist das Gegenteil: Da sind Leute drin, deren Ergebnisse durch Glück nach oben getrieben wurden, also wirkt ihre Selbsteinschätzung im Vergleich niedriger. Das erzeugt exakt die U-förmige Kurve, die Dunning und Kruger gefunden haben.

Psychologen nennen das „Regression zur Mitte“. Das passiert mit allem: Wenn du die schlechtesten Fußballmannschaften einer Saison auswählst, schneiden sie in der nächsten Saison tendenziell besser ab — egal ob der Trainer gewechselt hat oder nicht. Der Dunning-Kruger-Effekt könnte nichts anderes sein als dieses Muster, verkleidet in einem Laborkittel und auf eine TEDx-Bühne gestellt.

Als Forscher die ursprünglichen Daten mit angemesseneren statistischen Methoden neu analysierten — Selbsteinschätzung und Leistung innerhalb von Gruppen korrelieren ließen, statt nur Durchschnittswerte zu vergleichen — verschwand das dramatische Muster weitgehend. Ein Paper aus dem Jahr 2020 in *Advances in Methods and Practices in Psychological Science* zeigte genau das. Spätere Studien mit größeren Stichproben und besseren Designs fanden deutlich schwächere Belege für den Effekt. Manche konnten ihn gar nicht replizieren.

Aber glauben die Leute nicht trotzdem, sie wären besser, als sie sind?

Okay, ja. Übermut ist real. Massenhaft Forschung zeigt, dass Menschen schlecht darin sind, ihre zukünftige Leistung vorherzusagen, dass die meisten von uns denken, sie seien überdurchschnittlich gute Autofahrer, und dass wir alle glauben, wir wären lustiger als der Durchschnitt im Raum. Dieser Effekt — manchmal „Better-than-average-Bias“ genannt — ist gut belegt.

Aber das ist nicht der Dunning-Kruger-Effekt. Der Dunning-Kruger-Effekt besagt spezifisch, dass die *am wenigsten kompetenten Menschen* am übermütigsten sind. Der Better-than-average-Bias besagt, dass *jeder* ein bisschen zu übermütig ist, und zwar bei allem. Das sind zwei sehr verschiedene Behauptungen.

Und selbst die Idee vom „Unfähigen, der nichts merkt“ ist schwächer, als sie klingt. Ja, ein Hobbykoch mag denken, seine verbrannten Spaghetti wären Gourmet. Aber ein Hobbykoch hat keinen sensorischen Bezugsrahmen dafür, wie „al dente“ eigentlich schmeckt. Das ist kein „kognitiver Bias“. Das ist schlicht fehlendes Wissen. Sobald jemand Feedback gibt — „deine Pasta könnte man als Wurfgeschoss verwenden“ —, passen die meisten das sofort an. Echter Dunning-Kruger würde vorhersagen, dass sie trotzdem hartnäckig ahnungslos bleiben, selbst wenn man es ihnen zeigt. Aber die meisten Leute sind das nicht.

Anders gesagt: Der Dunning-Kruger-Effekt könnte *schlecht kalibriert sein* mit *unfähig zur Kalibrierung* verwechselt haben. Das sind zwei grundverschiedene Probleme.

Warum lieben wir diesen Effekt so sehr?

Weil er eine soziale Waffe ist. Warum sagen „Ich finde dein Argument schwach, und hier ist der Beweis“, wenn du auch sagen kannst „Das ist literal ein Dunning-Kruger-Effekt“? Damit gewinnst du Diskussionen, ohne Arbeit reinzustecken. Es schmeichelt dir außerdem. Wenn du glaubst, inkompetente Menschen wären blind für ihre eigene Inkompetenz, dann gehörst du offensichtlich nicht dazu. Du stehst auf der hohen Seite der Kurve, Mütze respektvoll gezogen.

Der Dunning-Kruger-Effekt erklärt die Welt auch auf eine aufgeräumte, bedrohungsfreie Art. Er gibt dem nervigen Kollegen und dem übermütigen Startup-Gründer Namen. Aber wenn du die statistischen Probleme erstmal gesehen hast, kannst du sie nicht mehr ungesehen machen.

Lass mich dir drei Szenarien aus dem echten Leben geben, um zu zeigen, warum das wichtig ist.

Szenario 1: Der Gruppenchat-Diskutierer

Dein Freund aus dem Studium postet eine selbstbewusst falsche Meinung zu Impfstoffen, Wirtschaft oder Kommunalpolitik. Jemand antwortet „Dunning-Kruger“. Fühlt sich treffend an. Aber frag dich: Ist dein Freund im untersten Viertel von „allen Menschen, die jemals eine Meinung zu Impfstoffen hatten“? Wahrscheinlich nicht. Sein Selbstvertrauen kommt von einer Mischung aus Medienkonsum, Vertrauen in Influencer und sozialer Identität. Das ist kein „unfähig und unbewusst“ — das ist motiviertes Denken. Und es als Dunning-Kruger zu bezeichnen, beendet das Gespräch tatsächlich. Du hörst auf zu versuchen zu verstehen, *warum* er glaubt, was er glaubt, und behandelst ihn stattdessen wie ein Laborpräparat.

Szenario 2: Der Vibe-Coding-Gründer

Das sehe ich ständig in meinem Feed. Jemand baut übers Wochenende mit einem LLM eine App. Er ist überzeugt, dass sie produktionsreif ist. Er deployed sie. Dann findet ein Sicherheitsforscher, dass die Datenbank offen im Netz liegt. Ist das Dunning-Kruger? Vielleicht nicht. Es ist wahrscheinlicher, dass der Gründer schlicht keine Feedback-Schleife hat. Er hat noch nie einen Penetrationstest gesehen. Er wusste nicht, was er nicht wusste. Die Lösung ist nicht, ihn zu verspotten und ein Psychologie-Paper von 1999 zu zitieren. Die Lösung ist, ihm einen Security-Scanner, eine OWASP-Checkliste oder einen Senior Engineer zu schicken, der sagt: „Lass uns das zusammen anschauen.“

Wenn du dir angewöhnen willst, deine eigenen blinden Flecken zu checken, hol dir früh und oft externe Bestätigung. Code Reviews, A/B-Tests, User-Interviews, selbst einfach jemand anderen den Knopf drücken lassen. Das Problem mit dem Dunning-Kruger-Framing ist, dass es dir suggeriert: „Diese Person wird es nie lernen.“ Und dann überspringst du den Teil, in dem du ihr tatsächlich dabei hilfst, es zu lernen.

Szenario 3: Deine eigenen Fähigkeiten

Erinnerst du dich an die Prüfung, bei der du dachtest, du hättest eine Eins, und dann gab es eine Drei? Der Dunning-Kruger-Effekt würde sagen, du warst zu dumm, um zu wissen, dass du dumm bist. Aber wahrscheinlicher ist: Du hast im Kopf eine Version der Frage beantwortet, nicht die auf dem Papier. Du hattest ein ähnliches Konzept geübt und hast nicht gemerkt, dass dir ein entscheidendes Stück fehlte. Das ist kein Charakterfehler. Das ist ein Versagen des Prüfungsdesigns. Als die Lösungen herauskamen, hast du es wahrscheinlich sofort verstanden. Wärst du wirklich in Dunning-Kruger gefangen, würdest du dich weigern, die Lösung anzuerkennen.

Wie du deine Selbsteinschätzung tatsächlich verbesserst

Wenn der Dunning-Kruger-Effekt also nicht real ist, was solltest du stattdessen tun? Jede Menge.

Behandle Selbstvertrauen als testbare Behauptung

Wenn du dich dabei erwischst, wie du denkst „Ich bin gut darin“, übersetze das in eine konkrete Aussage wie „Ich kann diese Aufgabe in unter drei Stunden erledigen, ohne große Fehler.“ Dann teste es. Tracke deine tatsächlichen Ergebnisse. So wird vage Selbsteinschätzung zu messbaren Daten.

Führe ein Vorhersage-Tagebuch

Ein Vorhersage-Tagebuch ist einer der schnellsten Wege, dein Selbstvertrauen zu kalibrieren. Schreib auf, was deiner Meinung nach passieren wird, wie sicher du dir bist — und gleiche dann mit dem tatsächlichen Ergebnis ab. Mit der Zeit siehst du deine eigene Überschätzungs-Kurve und kannst sie anpassen.

Wenn du tiefer gehen willst, probier Good Judgment Open ([https://www.goodjudgment.io)," rel="nofollow" target="_blank">https://www.goodjudgment.io](https://www.goodjudgment.io)), wo du echte geopolitische Ereignisse mit deinen eigenen Konfidenz-Levels vorhersagen kannst. Und es gibt Guesstimate ([https://www.getguesstimate.com))" rel="nofollow" target="_blank">https://www.getguesstimate.com](https://www.getguesstimate.com)), wenn du einfache Unsicherheitsmodelle für komplexere Entscheidungen bauen willst. (Und ja, mir ist die Ironie bewusst: Einer der besten Wege zu sehen, dass Dunning-Kruger schwach ist, ist, die eigene Vorhersagegenauigkeit objektiv zu messen.)

Bau dir Feedback-Schleifen in deine Arbeit ein

Der Hauptgrund, warum Übermut überlebt, ist fehlendes zeitnahes Feedback. In der Technik haben wir Continuous Integration, Code Reviews und Incident-Post-Mortems. Nutze sie. Bei kreativer Arbeit hol dir Bewertungen von Leuten, die dich wirklich kritisieren. Im Leben frag die Menschen, die von deinen Entscheidungen betroffen sind. Feedback ist das Gegenmittel zu Dunning-Kruger — und noch ein Grund, warum dieser Effekt wahrscheinlich kein fixes psychologisches Gesetz ist. Er ist meist ein Symptom von fehlenden Informationen.

Mach eine Premortem

Statt zu fragen: „Was muss ich tun, damit das funktioniert?“, frag: „Wenn das in sechs Monaten scheitert, was wäre die Ursache?“ Schreib jeden Grund auf, der dir einfällt. Dafür musst du nicht wissen, was du nicht weißt; es zwingt dich nur, die Fehlermodi zu imaginieren. Das ist eine Übung, die im Produktdesign häufig im Team genutzt wird — und sie funktioniert viel besser, als jemandem zu sagen: „Du bist gerade im Tal der Verzweiflung.“

Hör auf, „Dunning-Kruger“ als Beleidigung zu verwenden

Das ist der praktischste Ratschlag, den ich habe. Der Begriff löst nichts. Wenn du denkst, jemand ist übermütig, frag: „Wie sicher bist du dir, von 0 bis 100 Prozent?“ Und dann: „Welche Belege würden deine Meinung ändern?“ Wenn die Person keine Antwort hat, hast du ein echtes Gespräch. Wenn sie eine hat, kannst du vielleicht etwas lernen.

Heißt das, der Dunning-Kruger-Effekt passiert nie?

Lass mich vorsichtig sein: Das *ursprüngliche spezifische Muster* — dass das unterste Viertel dramatisch übermütiger ist als alle anderen, über alle Bereiche hinweg, in einer konsistenten U-Form — ist wahrscheinlich nicht real. Aber die breitere Idee, dass wir alle blinde Flecken in unserem eigenen Denken haben? Die ist absolut real. Sie ist nur nicht auf inkompetente Menschen beschränkt. Tatsächlich sind Experten oft ebenfalls übermütig — manchmal sogar mehr als Anfänger, weil sie gerade genug wissen, um zu glauben, sie könnten Dinge vorhersagen, die sie nicht vorhersagen können.

Deshalb hat der Dunning-Kruger-Effekt so lange überlebt. Er ist eine bequeme Geschichte. Sie sagt: Selbstvertrauen und Kompetenz sind bei Leuten, die wir nicht mögen, umgekehrt proportional. Aber die Realität ist langweiliger: Jeder ist unvollkommen kalibriert, und der beste Weg, das zu verbessern, ist Feedback, Testen und Demut.

Selbst der Begriff „unfähig und unbewusst“ sollte umgedreht werden. Die Menschen, die am wahrscheinlichsten unter Übermut leiden, sind die, deren Annahmen noch nie herausgefordert wurden. Im Zeitalter der generativen KI, in dem jeder Software bauen kann, aber nicht jeder sie absichern kann, ist das relevanter denn je. Wenn dir das nächste Mal ein KI-Modell selbstbewusst erzählt, es wüsste etwas — oder ein Kollege selbstbewusst eine halbgare Funktion shipped —, greif nicht zu einem Psychologie-Label. Greif zu einem Test, einer Checkliste und einem Gespräch.

Der Dunning-Kruger-Effekt ist wahrscheinlich nicht real. Aber der Schaden, den ungeprüftes Selbstvertrauen anrichtet, ist sehr real. Lass uns weniger Zeit damit verbringen, Leute zu diagnostizieren — und mehr Zeit damit, Systeme zu bauen, die uns ehrlich halten.

FAQ

Ist der Dunning-Kruger-Effekt komplett fake?

Nicht „komplett fake“ — es gibt Belege dafür, dass Menschen ihre eigenen Fähigkeiten unvollkommen einschätzen. Aber die berühmte U-förmige Kurve, bei der die schlechtesten Leistungsträger am übermütigsten sind, hat sich nicht gut gehalten. Viele Forscher gehen inzwischen davon aus, dass das ursprüngliche Ergebnis ein statistisches Artefakt war, verursacht durch Regression zur Mitte und verrauschte Messungen.

Warum wirkt der Dunning-Kruger-Effekt so wahr?

Weil die Welt voller selbstbewusst falsch liegender Menschen ist — und sobald du den Begriff einmal gehört hast, siehst du ihn überall. Das ist eine Form von Bestätigungsfehler. Der Effekt liefert dir außerdem ein schmeichelhaftes Gedankenmodell: Du bist nicht im untersten Viertel, also musst du einer der „Weisen“ sein, der sich selbst unterschätzt.

Sollte ich den Begriff „Dunning-Kruger-Effekt“ nicht mehr benutzen?

Du kannst ihn benutzen, aber nicht als Diagnose. Sag nicht „Das ist ein klassischer Dunning-Kruger-Fall“, sondern eher: „Ich frage mich, welches Feedback oder welche Belege würden hier die Meinung ändern.“ Der erste Satz beendet das Gespräch; der zweite öffnet es.

Wie vermeide ich Übermut in meiner eigenen Arbeit?

Bau Feedback-Schleifen ein, tracke deine Vorhersagen und hol dir kritische Bewertungen, bevor du große Entscheidungen triffst. Das Ziel ist nicht, alles anzuzweifeln — sondern zu wissen, *wo genau* du unsicher bist. Selbstvertrauen ist gut. Unkalibriertes Selbstvertrauen ist der Punkt, an dem der Ärger anfängt.