Apps
EN — EnglishLogin

🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!

Kobra-Effekt

Auch bekannt als: Perverser Anreiz Kennzahlen-Rückschlag
Aspect ID: cobra_effect

Definition

Der Kobra-Effekt beschreibt Situationen, in denen ein Versuch, ein Problem durch Anreize für einen messbaren Proxy zu lösen, das zugrundeliegende Phänomen, das er beheben sollte, nicht nur nicht löst, sondern aktiv verschlechtert. Benannt nach der apokryphen britischen Kolonialpolitik in Indien, bei der Kopfgelder für tote Kobras die Schlangenzucht anreizten.

Beispiele

Ein Krankenhaus senkt die Wiederaufnahmequoten (eine Qualitätskennzahl), indem es Patienten weniger genesungsbereit entlässt. Die Kennzahl verbessert sich, aber Patienten verschlechtern sich zu Hause und gehen in Notaufnahmen — was nicht in der Wiederaufnahmestatistik gezählt wird.

Eine Stadtverwaltung führt eine Geldprämie für jeden abgegebenen gestohlenen Roller ein, um Diebstähle zu reduzieren. Kurz darauf beginnen Bürger, selbst Roller zu stehlen und sie gegen die Prämie abzugeben – die Diebstahlrate steigt drastisch an.

Ein Callcenter bewertet seine Mitarbeiter nach der durchschnittlichen Gesprächsdauer, um Effizienz zu steigern. Die Angestellten legen daraufhin Kunden einfach auf oder lösen Probleme oberflächlich, damit die Gesprächszeit sinkt – die Kundenzufriedenheit bricht ein, obwohl die Kennzahl glänzt.

Prüfschritte
Prüfschritte
Binäre Ja/Nein-Fragen, die eine KI beantworten muss, um ein Argumentationsmuster in einem Text zu erkennen.
Jeder der 452 Aspekte hat Prüfschritte — einfache Ja/Nein-Fragen, die systematisch erkennen sollen, ob ein Muster in einem Text vorkommt. Für Ad Hominem: "Greift das Argument eine Person statt ihre Behauptung an?" Für falsche Dichotomie: "Werden nur zwei Optionen präsentiert, obwohl mehr existieren?"

Binäre (Ja/Nein) Fragen, die ein LLM beantworten muss, um diesen Aspekt zu identifizieren:

  1. 1

    Optimiert die Intervention eine messbare Kennzahl statt des zugrundeliegenden Ziels?

    Typ: binary
  2. 2

    Könnte die Kennzahl unabhängig vom wahren Ergebnis gespielt oder optimiert werden?

    Typ: binary
  3. 3

    Schafft die Verbesserung der Kennzahl Anreize, die das zugrundeliegende Phänomen verschlechtern?

    Typ: binary
  4. 4

    Ist dies von Goodharts Gesetz zu unterscheiden (Kennzahl hört auf, ein gutes Maß zu sein) durch aktiven Rückschlag?

    Typ: binary
Vertiefung
Der aufklappbare Detailbereich auf jeder Aspekt-Seite mit Beispielen, Psychologie und Gegenstrategien.
Der Vertiefungsbereich bietet ausführliche Informationen zu jedem Aspekt: ein Praxisbeispiel, eine Erklärung warum es funktioniert, Tipps wie man entgegnet, alternative Bezeichnungen und Links zu verwandten Aspekten.