Ein psychologisches Prinzip, das in unzähligen Bestsellern, Schulungen und Online-Videos zitiert wird, könnte in Wahrheit eine statistische Illusion sein.
Vergangene Woche landete ein Artikel aus dem Jahr 2020 erneut auf der Startseite von Hacker News und entfachte mit 110 Punkten und 112 Kommentaren eine hitzige Debatte. Der Beitrag stammt vom Office for Science and Society der McGill University. Der Autor Jonathan Jarry wollte eigentlich nur eine vermeintliche Alltagsweisheit überprüfen und geriet dabei tief in den Kaninchenbau der Fachliteratur. Seine Erkenntnis ist ernüchternd: Der populäre Dunning-Kruger-Effekt – die Annahme, dass „je unwissender jemand ist, desto selbstbewusster tritt er auf“ – könnte lediglich ein mathematischer Trick der Datenverarbeitung sein.
Was der Effekt ursprünglich besagte
Im Jahr 1999 veröffentlichten Justin Kruger und David Dunning von der Cornell University ihre bahnbrechende Studie Unskilled and Unaware of It im Journal of Personality and Social Psychology. Studierende absolvierten Tests in Grammatik, Humor und logischem Denken, schätzten anschließend ihre eigene Perzentil-Platzierung ein und verglichen diese mit den tatsächlichen Ergebnissen. Das Resultat: Die Teilnehmer im untersten Quartil überschätzten ihre Fähigkeiten massiv (tatsächlicher Wert lag bei 15 %, die Selbsteinschätzung bei 60 %), während die Leistungsstärksten sich leicht unterschätzten (Selbsteinschätzung 70 %, tatsächlicher Wert 90 %). Im darauffolgenden Jahr erhielten die Autoren dafür den Ig-Nobelpreis.
Die Populärwissenschaft vereinfachte diese Entdeckung rasch zu einer prägnanten Kurve mit vier Phasen: „Gipfel der Dummheit“ (Mount Stupid), „Tal der Enttäuschung“, „Hang der Erleuchtung“ und „Plateau der Nachhaltigkeit“. Wer „nicht weiß, was er nicht weiß“, verortete man direkt auf der Spitze des Gipfels der Dummheit. Doch diese vier Phasen kamen in der Originalarbeit überhaupt nicht vor – sie sind das Produkt spätestens Internet-Kultur.
Noch häufiger wird Dunnings eigene Klarstellung übersehen. In einer Antwort an Jarry schrieb Dunning: „Bei diesem Effekt geht es um uns selbst, nicht um die anderen.“ Die ursprüngliche Aussage war: Jeder Mensch neigt in einem Bereich, in dem er unerfahren ist, zur Überschätzung der eigenen Kompetenz. Es war nie als Freifahrtschein gedacht, um sich über andere lustig zu machen.
Wie die berühmte Grafik entstand
Das Problem liegt in dem berühmten Diagramm der Originalstudie. Im Experiment lieferte jeder Student zwei Datenpunkte: die Selbsteinschätzung und das tatsächliche Testergebnis. Dunning und Kruger teilten die Teilnehmer nach ihren tatsächlichen Ergebnissen in vier Leistungsgruppen (Quartile) ein, berechneten die Mittelwerte und verbanden sie zu zwei Linien.
Abbildung: Die Kurve „Selbsteinschätzung vs. tatsächliches Ergebnis“ nach Leistungsquartilen aus der Originalstudie. Quelle: mcgill.ca
Auf den ersten Blick schien der Beweis unumstößlich: Leistungsschwache Menschen erkennen ihre eigenen Schwächen nicht.
Das Problem ist jedoch, dass dieses Diagramm ganz ohne menschliche Probanden gezeichnet werden kann. Der Statistiker Ed Nuhfer und sein Team veröffentlichten 2016 und 2017 zwei Arbeiten in der Fachzeitschrift Numeracy. Sie zeigten, dass rein computergenerierte Zufallsdaten ein nahezu identisches Diagramm erzeugen. Als der McGill-Autor den Psychologen Patrick McKnight um eine Replikation bat – McKnight war ursprünglich Verfechter des Effekts und lehrte ihn in seinen Vorlesungen –, führte dieser R-Simulationen durch und änderte seine Meinung. Bereits 2002 hatte das Team um Ackerman ähnliche Simulationen durchgeführt, die damals jedoch kaum Beachtung fanden.
Abbildung: Von McKnight mit reinen Zufallsdaten simulierte Kurve, die fast identisch mit den Originaldaten ist. Quelle: mcgill.ca
Warum Zufallsdaten wie ein psychologisches Gesetz aussehen
Der Schlüssel zu diesem Phänomen heißt Regression zur Mitte (regression to the mean).
Am besten lässt sich dies mit Prüfungsglück erklären: Wenn Ihr Leistungsdurchschnitt bei 80 Punkten liegt, Sie aber wegen eines schlechten Tages einmalig 60 Punkte erreichen, wird Ihr Ergebnis beim nächsten Versuch höchstwahrscheinlich wieder steigen. Werten Sie durch Glück 95 Punkte, fällt das Ergebnis beim nächsten Mal wahrscheinlich wieder ab. Je extremer ein Einzelergebnis ist, desto größer ist der Zufallsanteil – und desto stärker neigt der Folgewert dazu, sich dem persönlichen Mittelwert anzunähern. Das Phänomen des „Sophomore Slump“ im Sport oder das Sinken des Fiebers am zweiten Tag folgen demselben Prinzip.
In den Daten des Dunning-Kruger-Effekts verbirgt sich derselbe Mechanismus in umgekehrter Richtung: Selbsteinschätzung und tatsächliches Können stimmen nicht perfekt überein, da die Selbsteinschätzung erhebliches Rauschen enthält (Tagesform, Selbstvertrauen, Aufgabenvertrautheit). Tritt hohes Messrauschen auf, entsteht ein mathematisch unvermeidbarer geometrischer Effekt: Die schwächsten Teilnehmer können sich bei der Selbsteinschätzung fast nur nach oben verschätzen (da nach unten kaum Raum ist), während die Besten sich fast nur nach unten verschätzen können. Dafür ist keine psychologische Verzerrung nötig – solange „tatsächliche Leistung“ und „Selbsteinschätzung“ nicht zu 100 % korrelieren, erzeugt das Diagramm von selbst die Dunning-Kruger-Kurve.
Ein Kommentator auf Hacker News brachte es auf den Punkt: Die unterste Gruppe kann sich kaum noch unterschätzen, die oberste Gruppe kaum noch überschätzen. Solange beide Variablen nicht perfekt korrelieren, entsteht diese Kurve automatisch. Untersuchungswürdig ist eigentlich nur der nicht-lineare Anteil außerhalb dieser statistischen Kurve – und genau dieser Signalanteil ist in den vorliegenden Daten extrem schwach.
2020 veröffentlichten Gignac und Zajenkowski in der Zeitschrift Intelligence eine Analyse von IQ-Selbsteinschätzungen unter dem Titel The Dunning-Kruger Effect Is (Mostly) a Statistical Artefact. Unter Anwendung adäquater statistischer Kontrollen verschwand der Effekt größtenteils. Ihre Simulationen zeigten zudem: Je größer der Messfehler, desto stärker wirkt der scheinbare Dunning-Kruger-Effekt. In der Wissenschaft gibt es kaum Fälle, in denen „größere Messfehler zu einer stärkeren Schlussfolgerung führen“ – was an sich schon ein Alarmsignal ist.
Die Debatte ist nicht vorbei: Argumente auf beiden Seiten
Neben Nuhfer und Gignac gibt es auch Verfechter der ursprünglichen Theorie, die Gegenstudien vorlegten. Die Debatte dauert nun seit Jahren an:
| Skeptiker | Befürworter |
|---|---|
| Nuhfer et al. (2016/2017): Zufallsdaten reproduzieren die Kurve | Dunnings Team: Studien von 2002 und 2008 prüften die Regression zur Mitte direkt und argumentieren, dass der Effekt nach Rauschkorrektur bestehen bleibt |
| Ackerman et al. (2002): Simulationen zeigen ähnliche Artefakte | Jensen et al. (2021): Zwei Studien mit über 3.500 Probanden stützen die metakognitive Erklärung |
| Gignac & Zajenkowski (2020): Effekt ist (größtenteils) ein statistisches Artefakt | Dunkel et al. (2023): Re-Analyse mit alternativen Methoden zeigt einen statistisch signifikanten, wenn auch sehr kleinen Effekt |
| Hiller (2023): Kritisierte die Datenverarbeitungsmethoden von Gignac & Zajenkowski | Dunning (2025): Verteidigte den Effekt in einer Veröffentlichung der British Psychological Society |
Der aktuelle Konsens läuft auf einen weniger dramatischen Kompromiss hinaus: Der Dunning-Kruger-Effekt existiert möglicherweise, wurde aber stark übertrieben. Als allgemeines Gesetz, wonach „die meisten Menschen sich selbst nicht richtig einschätzen können“, hält er einer Überprüfung nicht stand. Als Phänomen, dass „eine kleine Minderheit ihre Fähigkeiten extrem überschätzt“, gibt es weiterhin Hinweise – in Nuhfers Daten trafen nur etwa 5–6 % der Personen wirklich auf das Muster „inkompetent und ahnungslos“ zu.
Was das für den Alltag bedeutet
Erstens: Nutzen Sie den Begriff „Dunning-Kruger“ nicht als schnelles Etikett für andere. Wenn jemand voller Überzeugung etwas Falsches behauptet, muss das kein Dunning-Kruger-Effekt sein. Es kann sich schlicht um die Überlegenheitsillusion (overconfidence bias) oder die Illusions-of-Superiority („Besser-als-der-Durchschnitt“-Effekt) handeln – schließlich halten sich über 80 % der Autofahrer für überdurchschnittlich gut. Diese psychologischen Verzerrungen sind gut belegt, und die Psychologie braucht keinen Dunning-Kruger-Effekt, um selbstbewusste Inkompetenz zu erklären.
Zweitens: Dunnings Erläuterung, dass „es bei diesem Effekt um uns selbst geht“, ist die wertvollste Erkenntnis der gesamten Debatte. In Gebieten, in denen man wenig Erfahrung hat, ist das eigene Gefühl am wenigsten verlässlich. Gerade deshalb sind objektive Rückmeldungen von außen – Testergebnisse, medizinische Befunde, Peer-Reviews oder Marktprüfungen – weitaus verlässlicher als das eigene Gefühl von „Ich habe das verstanden“.
Drittens: Bewahren Sie Skepsis gegenüber psychologischen Alltagsweisheiten, die sich „zu gut anfühlen“. Der Dunning-Kruger-Effekt war zwei Jahrzehnte lang extrem populär, weil die Geschichte dahinter so attraktiv ist: Sie erlaubt es jedem, herabzublicken und zu sagen: „Schau an, der weiß gar nicht, was er nicht weiß.“ Je angenehmer eine Schlussfolgerung ist, desto eher sollte man hinterfragen: Sagen das die Primärdaten wirklich?
Als populärer Mythos der „selbstbewussten Unwissenheit“ wurde der Dunning-Kruger-Effekt durch statistische Überprüfungen stark erschüttert. Als wissenschaftliche Debatte ist das Thema jedoch noch nicht abgeschlossen. Dass Psychologen und Statistiker seit Jahren darüber streiten, ist an sich eine wertvolle Lektion: Je eleganter eine These klingt, desto genauer muss man auf die ursprünglichen Daten blicken. Das ist der Grund, warum ein Artikel von 2020 heute noch 112 Kommentare auf Hacker News bewegt.
Referenzlinks:
- McGill OSS: The Dunning-Kruger effect may just be a data artefact
- HN Diskussion (item?id=49160437)
- Kruger & Dunning (1999): Unskilled and Unaware of It
- Gignac & Zajenkowski (2020): The Dunning-Kruger effect is (mostly) a statistical artefact
- Nuhfer et al. (2016/2017): Numeracy-Journal-Publikationen
- Dunkel et al. (2023): Reevaluating the Dunning-Kruger effect
- Dunning (2025): The Dunning-Kruger effect and its discontents (British Psychological Society)
