Apps
EN — EnglishLogin

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

Konjunktionsfehler (Conjunction Fallacy)

Auch bekannt als: Linda Problem Conjunction Error Verknüpfungsfehler
Statistical Error ID: conjunction_fallacy

Definition

Der Konjunktionsfehler tritt auf, wenn Menschen die Wahrscheinlichkeit, dass zwei Ereignisse zusammen auftreten (Konjunktion), höher einschätzen als die Wahrscheinlichkeit eines der Ereignisse allein. Dies verletzt das Axiom P(A und B) ≤ P(A). Der Fehler wird durch Repräsentativität getrieben: Ein detailliertes Szenario klingt stimmiger und plausibler, was unser Gehirn mit Wahrscheinlichkeit verwechselt.

Beispiele

Linda ist 31, engagiert und war in der Anti-Atom-Bewegung aktiv. Befragte halten es für wahrscheinlicher, dass „Linda Bankangestellte UND in der Frauenbewegung aktiv“ ist, als dass sie einfach nur „Bankangestellte“ ist. Mathematisch ist das unmöglich.

Thomas ist 45, trägt immer Anzug, liest täglich das Handelsblatt und spielt Golf. Befragte schätzen es als wahrscheinlicher ein, dass Thomas 'Manager einer großen Bank UND Mitglied im Rotary Club' ist, als dass er einfach nur 'Manager einer großen Bank' ist – obwohl die Konjunktion logisch nie wahrscheinlicher sein kann.

In einer Umfrage zur politischen Lage wird gefragt: 'Was ist wahrscheinlicher – dass es in Deutschland nächstes Jahr eine Rezession gibt, ODER dass es eine Rezession gibt UND gleichzeitig die Regierung ein Konjunkturpaket verabschiedet?' Die meisten Befragten wählen die zweite Option, weil sie narrativ schlüssiger klingt.

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

    Wird die Wahrscheinlichkeit eines spezifischen Szenarios höher eingeschätzt als die eines allgemeineren?

    Typ: binary
  2. 2

    Fügt das spezifische Szenario Bedingungen hinzu, welche die mathematische Wahrscheinlichkeit eigentlich senken müssten?

    Typ: binary
  3. 3

    Wird narrative Plausibilität mit Wahrscheinlichkeit verwechselt?

    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.

Hierarchischer Kontext