Apps
EN — EnglishLogin

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

McNamara-Fehlschluss (McNamara Fallacy)

Auch bekannt als: Quantitative Fallacy Metric Fixation What gets measured gets managed (misattributed)
Statistical Error ID: mcnamara_fallacy

Definition

Der McNamara-Fehlschluss tritt auf, wenn sich die Entscheidungsfindung ausschließlich auf quantitative Metriken stützt und qualitative Faktoren ignoriert, die schwerer zu messen, aber ebenso wichtig oder wichtiger sind. Benannt nach Robert McNamara, der „Body Counts“ als primäres Maß für den Erfolg im Vietnamkrieg nutzte, verläuft dieser Fehlschluss in Stufen: Erstens misst man das Leicht-Messbare, zweitens ignoriert man das Nicht-Messbare, und drittens nimmt man an, dass das Nicht-Messbare unwichtig sei.

Beispiele

Ein Krankenhaus bewertet Ärzte rein nach der Anzahl der Patienten pro Stunde. Dr. A sieht 8 Patienten pro Stunde durch Schnelldiagnosen. Dr. B sieht nur 4, nimmt sich aber Zeit für gründliche Diagnosen und Patientenaufklärung. Das Management befördert Dr. A und ignoriert, dass Dr. B bessere Behandlungsergebnisse und weniger Wiederaufnahmen erzielt.

Eine Schule bewertet ihren Erfolg ausschließlich anhand der Ergebnisse standardisierter Tests. Lehrer konzentrieren sich daher nur auf prüfungsrelevante Inhalte und vernachlässigen kritisches Denken, soziale Kompetenzen und Kreativität – Fähigkeiten, die sich nicht in Testergebnissen messen lassen, aber für das spätere Leben entscheidend sind.

Ein Bürgermeister misst den Erfolg seiner Stadtpolitik ausschließlich am BIP-Wachstum und den Steuereinnahmen. Steigende Obdachlosenzahlen, sinkende Lebensqualität in Randvierteln und zunehmende soziale Spannungen bleiben in seinen Berichten unsichtbar, weil sie sich nicht einfach in einer Kennzahl ausdrücken lassen.

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

    Basiert eine Entscheidung primär auf quantitativen Metriken?

    Typ: binary
  2. 2

    Werden wichtige qualitative, subjektive oder schwer messbare Faktoren ignoriert?

    Typ: binary
  3. 3

    Erfasst die Metrik tatsächlich das, was für die Entscheidung wirklich zählt?

    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