Zwei Bereichsleiter treffen dieselbe Entscheidung mit denselben Informationen. Beim einen geht sie auf, beim anderen nicht. Ein Jahr später sitzt der eine im Vorstand und der andere in einem Gespräch über seine Zukunft im Unternehmen.
Niemand in diesem Unternehmen würde sagen, dass er Menschen nach Glück beurteilt. Alle tun es.
Das Muster heißt Outcome Bias, auf Deutsch Ergebnisverzerrung: Wir bewerten die Qualität einer Entscheidung nach ihrem Ergebnis, nicht nach dem, was zum Entscheidungszeitpunkt bekannt war. Jonathan Baron und John Hershey haben den Effekt 1988 beschrieben, und er ist 35 Jahre später mit großer Stichprobe sauber repliziert worden. In Unternehmen entscheidet er über Boni, Beförderungen und darüber, wer nach dem nächsten Fehler noch entscheiden darf.
Wie der Outcome Bias in Leistungsbeurteilung und Personalauswahl wirkt, wo die Grenze zur berechtigten Ergebniskritik liegt und mit welchen Prüffragen du Entscheidungsqualität bewertest statt Zufall: an Beispielen, der Reihe nach.
Outcome Bias: Beispiele aus Beförderung, Bonus und Personalauswahl
Die folgenden Situationen sind konstruiert, aber jede Führungskraft wird mindestens eine davon wiedererkennen.
Eine Vertriebsleiterin landet einen Großauftrag, weil der Wettbewerber zwei Wochen vor Vertragsschluss einen Lieferengpass hatte. Sie wird befördert. Ihr Kollege, der seine Pipeline sauberer aufgebaut hat, aber noch keinen Abschluss vorweisen kann, wird übergangen. Niemand fragt, wie groß der Anteil des Lieferengpasses am Ergebnis war. Dass Verkaufserfolg ohnehin wenig über Führungseignung sagt, ist das Peter-Prinzip. Der Outcome Bias sorgt dafür, dass nicht einmal der Verkaufserfolg sauber gemessen wird.
Ein Projektleiter stoppt ein Projekt auf Basis einer gründlichen Risikoanalyse. Ein halbes Jahr später zeigt sich, dass ein Wettbewerber mit einem ähnlichen Vorhaben Erfolg hatte. Im Review gilt der Projektleiter jetzt als „zu vorsichtig“. Dass seine Analyse zum Zeitpunkt der Entscheidung richtig war, interessiert niemanden mehr, weil das Ergebnis lauter spricht als die Begründung.
Ein Bereichsleiter umgeht die Freigabegrenze und investiert auf eigene Faust. Es geht gut. Er bekommt Bonus und Lob. Die Organisation lernt daraus einen Satz, den niemand ausgesprochen hat: Regeln brechen zahlt sich aus, solange das Ergebnis stimmt.
Bei der Besetzung einer Schlüsselposition hat Kandidat A drei erfolgreiche Restrukturierungen im Lebenslauf, Kandidatin B eine gescheiterte. Im Interview wird nach Ergebnissen gefragt, nicht nach Entscheidungsgrundlagen. Dass bei A zweimal der Markt mitgeholfen hat und bei B der Vorgänger die Bücher frisiert hatte, steht in keinem Lebenslauf. Der Track Record ist die meistgenutzte Informationsquelle der Personalauswahl, und er ist zugleich die anfälligste, weil jedes Ergebnis Entscheidung und Zufall enthält. Was dabei zusätzlich schiefgeht, zeigt der Beitrag zu Beurteilungsfehlern im Vorstellungsgespräch.
Allen vier Fällen ist eines gemeinsam: Die Bewertung findet statt, nachdem das Ergebnis bekannt ist. Und von da an ist Objektivität schwierig.
Was die Forschung zum Outcome Bias belegt
Baron und Hershey legten ihren Versuchspersonen 1988 medizinische Entscheidungen vor, etwa eine Herzoperation mit acht Prozent Sterberisiko. Die Beurteiler hatten alle Informationen, die auch der Arzt hatte. Trotzdem bewerteten sie dieselbe Entscheidung deutlich schlechter, wenn der Patient starb. Die meisten sagten ausdrücklich, das Ergebnis dürfe keine Rolle spielen. Es spielte eine.
2023 hat das Labor von Gilad Feldman das Experiment mit 692 Teilnehmenden wiederholt. Der Effekt ist 35 Jahre später unverändert groß: Dieselbe Operationsentscheidung wird bei Erfolg um mehr als eine Standardabweichung besser bewertet als bei Misserfolg. Und auch die Teilnehmenden, die angaben, das Ergebnis solle nicht zählen, bewerteten nach Ergebnis. Wissen über den Bias schützt nicht vor dem Bias. Das gilt übrigens auch für intelligente Manager, die davor bei Personalentscheidungen nicht geschützt sind.
Baron und Hershey fanden noch etwas, das für Führungskräfte wichtiger ist als die Bewertung selbst: Das Ergebnis färbt das Kompetenzurteil. Wer Glück hatte, gilt als kompetenter und bekommt eher die nächste Entscheidung übertragen, selbst wenn er objektiv die schlechtere Wette gewählt hatte.
Wie viel Geld daran hängt, haben König-Kersting und Kollegen 2021 gemessen. In einem Experiment mit vollständig sichtbarer Anlagestrategie zahlten Auftraggeber ihrem Agenten nach glücklichem Ausgang im Schnitt 28,8 Punkte, nach Pech 10,5. Fast das Dreifache für dieselbe Entscheidung. Ohne Ergebnisinformation gab es keinen Unterschied. Und in einem dritten Experiment wurde der Agent, der die Vorgabe des Auftraggebers befolgte und Pech hatte, schlechter bewertet als der, der die Vorgabe ignorierte und Glück hatte.
Glück schlägt Gehorsam. Das ist die Bonuslogik vieler Unternehmen in einem Satz.
Selbst moralische Urteile kippen mit dem Ergebnis. Gino, Moore und Bazerman zeigten, dass dasselbe fragwürdige Verhalten, etwa ein Forscher, der Nebenwirkungsdaten zurückhält, bei schlechtem Ausgang mit 6,3 von 7 Punkten als unethisch bewertet wurde, bei gutem Ausgang mit 3,8. Vor Bekanntwerden des Ergebnisses gab es keinen Unterschied. Ein Befund aus derselben Arbeit ist für die Praxis entscheidend: Die Aufforderung, rational zu prüfen, beseitigte den Bias nur, wenn sie vor dem Bauchurteil kam. Danach war es zu spät.
Outcome Bias erkennen: die Grenze zur berechtigten Ergebniskritik
Es wäre zu einfach, Ergebnisse für irrelevant zu erklären. Sie sind es nicht. Wenn du die Entscheidungsgrundlage nicht kennst, ist das Ergebnis oft das einzige Signal, das du hast, und ein schlechtes Ergebnis erhöht dann berechtigt die Wahrscheinlichkeit, dass die Entscheidung schlecht war. Der Fehler liegt nicht darin, aus Ergebnissen zu lernen. Er liegt darin, dem Ergebnis mehr Gewicht zu geben als dem Prozess, den du bereits kennst.
Daraus folgt die erste Faustregel: Je sichtbarer der Prozess, desto weniger darf das Ergebnis zählen. Baron und Hershey wie auch König-Kersting fanden den Bias gerade dort, wo die Beurteiler die vollständige Entscheidungsgrundlage vor sich hatten.
Die zweite Faustregel betrifft die Wiederholung. Bei vielen unabhängigen Entscheidungen mittelt sich Zufall heraus. Ein Vertriebsjahr mit etwa 200 Abschlüssen sagt etwas über Können. Eine einzelne Fusion, eine einzelne Schlüsselbesetzung, ein einzelner Großauftrag sagen fast nichts. Einzelergebnis ist Anekdote, Serie ist Evidenz. Wer nur die Serie der Gewinner betrachtet, landet zusätzlich im Survivorship Bias, der denselben Fehler auf Ebene der Stichprobe wiederholt.
Die dritte Regel schützt vor dem Missbrauch des Arguments. Wer ein Risiko eingeht, das der Auftraggeber nicht wollte, darf auch bei gutem Ausgang kritisiert werden. Das ist Prozesskritik, kein Outcome Bias. Der Bereichsleiter, der die Freigabegrenze umgangen hat, hat einen Fehler gemacht, unabhängig davon, dass es gut ging.
Und der Outcome Bias hat einen Zwilling, mit dem er fast immer gemeinsam auftritt. Der Rückschaufehler sagt: „Das hätte man wissen müssen.“ Der Outcome Bias sagt: „Es hat nicht funktioniert, also war es falsch.“ Der eine verzerrt die Erinnerung an die Vorhersehbarkeit, der andere das Qualitätsurteil über die Entscheidung. Kahneman beschreibt in „Schnelles Denken, langsames Denken“, wie sich beide verstärken: Je schlechter der Ausgang, desto absehbarer erscheint er im Nachhinein, und desto schlechter erscheint die Entscheidung.
Das Ergebnis ist ein System, das Sorgfalt bestraft und Risiko belohnt. Nicht aus Absicht. Aus Bequemlichkeit, weil Ergebnisse dokumentiert werden und Entscheidungsgrundlagen nicht.
Sechs Prüffragen, mit denen du Entscheidungsqualität statt Glück bewertest
Da der Bias auch bei Menschen wirkt, die ihn kennen, hilft kein Vorsatz. Es hilft Struktur. Die folgenden sechs Fragen zwingen das Urteil vom Ergebnis zurück auf den Entscheidungszeitpunkt. Sie funktionieren im Jahresgespräch, im Projekt-Review und im Auswahlinterview.
- Informationsstand trennen: Was wusste die Person zum Zeitpunkt der Entscheidung, und was wissen wir erst heute? Wenn möglich, bewerte die Entscheidung, bevor du das Ergebnis erfährst. Die Reihenfolge entscheidet, das zeigt die Arbeit von Gino und Kollegen.
- Alternativen prüfen: Welche Optionen lagen auf dem Tisch, und wie wurde abgewogen? Gibt es eine schriftliche Spur, etwa eine Entscheidungsvorlage oder ein Entscheidungstagebuch?
- Substitutionstest: Hätte ein kompetenter Kollege mit demselben Wissen genauso entschieden? Wenn ja, war die Entscheidung gut, egal wie sie ausging.
- Zufall benennen: Was hat das Ergebnis mit der Entscheidung zu tun, und was mit Markt, Timing, anderen Personen oder schlicht Glück? Annie Duke nennt den Fehler, beides gleichzusetzen, Resulting.
- Die Delegationsfrage: Würde ich diese Person wieder entscheiden lassen, und warum? Wenn die Antwort nur das Ergebnis nennt, ist sie Outcome Bias in Reinform.
- Prozessverstöße auch bei Erfolg benennen: Was wurde riskiert, das der Auftraggeber nicht riskieren wollte? Ein Review, das nur nach Misserfolgen stattfindet, lernt nur die Hälfte.
Der letzte Punkt ist der am häufigsten vergessene. In den meisten Organisationen gibt es ein Post-Mortem nur, wenn etwas schiefging. Erfolgreiche Projekte mit gefährlichem Prozess werden nie untersucht, und das ist exakt der Mechanismus, durch den riskante Praktiken normal werden, bis sie einmal nicht gutgehen.
Für Personalentscheidungen heißt das: Wer Kandidaten nach Track Record auswählt, braucht ein Verfahren, das nach Entscheidungsgrundlagen fragt statt nach Ergebnissen. Genau dafür ist strukturierte Managementdiagnostik gebaut: Sie bewertet, wie jemand entscheidet, und nicht, wie oft er Glück hatte. Eine einzelne Frage macht im Interview schon den Unterschied: „Was hätten Sie bei anderem Ausgang anders gemacht?“ Wer darauf eine Antwort hat, hat eine Entscheidung getroffen. Wer keine hat, hatte ein Ergebnis.
Häufige Fragen zum Outcome Bias
Was ist der Outcome Bias auf Deutsch?
Ergebnisverzerrung oder Ergebnisfehler. Gemeint ist die Neigung, eine Entscheidung nach ihrem Ausgang zu bewerten statt nach der Qualität der Entscheidung zum Zeitpunkt, an dem sie getroffen wurde. Der englische Begriff ist auch im Deutschen üblich.
Was ist der Unterschied zwischen Outcome Bias und Hindsight Bias?
Der Hindsight Bias oder Rückschaufehler betrifft die Vorhersehbarkeit: Nach dem Ergebnis glauben wir, es sei absehbar gewesen. Der Outcome Bias betrifft das Qualitätsurteil: Wir halten die Entscheidung für schlecht, weil sie schlecht ausging, auch ohne zu behaupten, das sei vorhersehbar gewesen. Beide treten meist gemeinsam auf.
Was ist ein Beispiel für Outcome Bias im Berufsalltag?
Eine Führungskraft stoppt ein Projekt nach sauberer Risikoanalyse, später gelingt es einem Wettbewerber, und sie gilt als zu vorsichtig. Oder ein Kollege umgeht die Freigabegrenze, es geht gut, und er bekommt einen Bonus. In beiden Fällen bekommt der Zufall die Note.
Wie erkenne ich Outcome Bias in der Leistungsbeurteilung?
Wenn in der Beurteilung nur Ergebnisse vorkommen und keine Entscheidungsgrundlagen, wenn Erfolge mit „gutem Händchen“ erklärt werden und wenn Reviews nur nach Misserfolgen stattfinden. Die sechs Prüffragen oben sind der Test.
Was bedeutet Resulting?
Ein Begriff aus dem Pokerjargon, den Annie Duke bekannt gemacht hat: die Gewohnheit, die Qualität einer Entscheidung mit der Qualität ihres Ergebnisses gleichzusetzen. Gute Spieler trennen beides, weil sie wissen, dass sie mit der besten Hand verlieren und mit der schlechtesten gewinnen können.
Outcome Bias im Unternehmen: Ergebnis ist Entscheidung plus Zufall
Die Formel ist simpel und unbequem. Jedes Ergebnis besteht aus der Entscheidung und aus dem, was niemand kontrolliert. Wer nur das Ergebnis bewertet, bewertet beides zusammen und schreibt den Zufall der Person gut oder zur Last. Über viele Jahre entsteht so eine Führungsetage aus Menschen, die oft Glück hatten und es für Können halten, was der Beitrag zum Hubris-Syndrom als nächste Stufe beschreibt. Und ein mittleres Management, das gelernt hat, dass Sorgfalt nicht honoriert wird.
Der Ausweg ist keine Haltung, sondern ein Verfahren: Entscheidungen dokumentieren, bevor das Ergebnis da ist. Prozess und Ergebnis in der Beurteilung getrennt bewerten. Reviews auch nach Erfolgen. Und im Interview nach dem fragen, was jemand wusste, nicht nach dem, was dabei herauskam.
Zum Weiterlesen: Thinking in Bets von Annie Duke (Amazon Affiliate Link) ist das zugänglichste Buch zum Thema, auf Deutsch erschienen unter dem Titel „Thinking in Bets: Wie man immer die richtige Karte spielt“. Duke war Profi-Pokerspielerin und erklärt die Trennung von Entscheidung und Ergebnis an Beispielen, die auch ohne Pokerkenntnisse funktionieren. Wer die Forschung dahinter in der Tiefe will, ist mit „Noise“ von Kahneman, Sibony und Sunstein besser bedient.
Wenn du bei deiner nächsten Schlüsselbesetzung wissen willst, ob du eine Entscheidung bewertest oder ein Ergebnis, ist das eine Frage, die sich mit strukturierter Managementdiagnostik beantworten lässt. Das Ergebnis dieser Prüfung kann unbequem sein. Die Entscheidung, sie zu machen, ist trotzdem richtig.
