Sind große Daten und komplizierte Algorithmen immer besser? Verstehen Maschinen die Welt dann besser? Schon vor ChatGPT hat Gerd Gigerenzer diese Idee kritisiert.

Gerd Gigerenzer ist ein bekannter Psychologe. Er forscht dazu, wie Menschen Entscheidungen machen und Risiken verstehen. Er war von 1997 bis 2017 viele Jahre Direktor am Max-Planck-Institut für Bildungsforschung in Berlin. Dort hat er das Zentrum für adaptives Verhalten und Kognition geleitet.

Im Jahr 2024 hat er ein Buch geschrieben. Es heißt auf Deutsch etwa Klüger als der Algorithmus. Er warnt: Wir sollen nicht automatisch denken, dass Algorithmen immer besser entscheiden als Menschen. Technik hilft uns nicht nur bei Entscheidungen. Sie verändert auch unser Verhalten. Sie kann unsere Selbstbestimmung schwächer machen.

Grenzen von Algorithmen

Gigerenzer sagt: Komplizierte Algorithmen funktionieren am besten in einer klaren Welt. Die Welt muss stabil sein. Und es muss sehr viele Daten geben. Die menschliche Intelligenz ist anders. Sie ist für Unsicherheit gemacht. Sie funktioniert auch mit sehr wenig Information.

Er vergleicht Schach mit Liebe. Beim Schach ändern sich die Regeln nicht. Man kann das Brett genau beschreiben. Jeder Zug folgt klaren Regeln. Bei der Liebe ist das anders. Menschen können ihre Meinung ändern. Sie tun manchmal etwas anderes, als sie gesagt haben. Sie beenden plötzlich eine Beziehung, die stabil schien. Daten über eine Person zeigen nur einen Moment. Sie zeigen nicht alle Veränderungen in Gedanken und Verhalten. Deshalb haben Dating-Daten Grenzen. Sie können nicht genau vorhersagen, wer zu wem passt und wie sich eine Beziehung entwickelt.

Ein anderes Beispiel ist Google Flu Trends. Das Projekt war einmal ein Symbol für Big Data. Im Jahr 2008 startet Google ein System für die Vorhersage von Grippe. Es nutzt die Suche im Internet. Es analysiert 50 Millionen Suchanfragen. Es testet, welche Anfragen eine Grippe gut vorhersagen. Dann wählt es 45 Suchwörter mit einer starken Korrelation. Die Korrelation bezieht sich auf Arztbesuche mit Grippe-Symptomen.

Am Anfang sind die Ergebnisse sehr gut. Aber im Jahr 2009 kommt die H1N1-Pandemie. Die erste Welle kommt nicht in der normalen Grippe-Saison. Das System sieht sie nicht oder unterschätzt sie. In den Jahren danach wird das System verbessert. Aber es macht weiter Fehler. In der Zeit von 2011 bis 2013 schätzt es die Grippe in 100 von 108 Wochen höher als die Realität.

Der Fehler hat zwei Gründe. Erstens: Das Virus verändert sich. Zweitens: Das Suchverhalten der Menschen verändert sich. Eine Person sucht Infos über Grippe, vielleicht weil sie krank ist. Aber vielleicht ist sie nur neugierig nach den Nachrichten. Das gleiche Verhalten kann verschiedene Gründe haben.

Gigerenzers Team entwickelt eine einfachere Methode. Sie nimmt die Zahl der Arztbesuche mit Grippe-Symptomen in der letzten Woche. Diese Zahl ist die Vorhersage für die nächste Woche. Eine Studie aus dem Jahr 2022 zeigt: Diese einfache Methode ist genauer als Google Flu Trends. Sie ist auch genauer als die neuen Versionen.

Das ist der Weniger-ist-mehr-Effekt: Manchmal sind weniger Informationen besser für die Vorhersage. Ein kompliziertes Modell sieht auch Zufall in alten Daten als Regel. Aber wenn sich die Welt ändert, sind alte Regeln nicht mehr nützlich. Dann ist eine einfache Regel mit neuen Daten besser. Sie zeigt die neue Veränderung schneller.

Auch neue Studien mit moderner KI zeigen: Größer ist nicht immer besser. Im Januar 2026 gibt es eine Studie in der Zeitschrift Artificial Intelligence Review. Sanjay Chakraborty und Kollegen vergleichen große KI-Modelle mit kleinen Modellen. Die großen Modelle sind mit vielen Datensätzen trainiert. Die kleinen Modelle arbeiten nur mit Daten in zeitlicher Reihenfolge. Bei Wechselkursen ist das kleine Modell iTransformer genauer als einige große Modelle. Bei Verkehr ist das anders. Dort gibt es sehr, sehr viele Daten. Dort ist das große Modell Timer_XL besser. Das Ergebnis: Mehr Daten und größere Modelle bedeuten nicht automatisch bessere Vorhersagen. Es hängt von den Daten und der Aufgabe ab.

Algorithmen verändern unser Verhalten

Wenn die unsichere Welt für Algorithmen schwierig ist, gibt es eine andere Lösung: Man verändert die Welt. Dann wird die Welt leichter vorhersagbar. Gigerenzer nennt das Prinzip Anpassung an die KI.

Er analysiert Dating-Apps als Beispiel. Er spricht über die Werbung von Parship. Parship sagt: Alle 11 Minuten findet ein Single die Liebe. Diese Rechnung basiert auf Mitgliedern, die den Service stoppen. Sie geben als Grund an: Ich habe die Liebe gefunden. Aber für Gigerenzer ist etwas anderes wichtiger: Dating-Apps verändern das Verhalten der Nutzer. Man wischt auf dem Bildschirm und sieht immer neue Profile. Dann denkt man: Vielleicht gibt es noch eine bessere Option.

In der Entscheidungs-Psychologie gibt es zwei Wege. Weg eins: Ich suche eine passende Person. Ich definiere vorher wichtige Kriterien. Ich stoppe die Suche, wenn eine Person die Kriterien erfüllt. Weg zwei: Ich suche die beste Person. Ich vergleiche weiter, um eine Person zu finden, die besser ist als alle anderen. Aber wenn es zu viele Optionen gibt, wird die Suche sehr lang. Man weiß nicht, wer noch kommt. Und ein besseres Ergebnis ist nicht garantiert.

So können Dating-Apps mehr Treffen ermöglichen. Aber sie können auch viel Zeit kosten. Die Nutzer suchen und vergleichen lange, statt eine Beziehung mit der gewählten Person aufzubauen. Es gibt auch eine Frage zum Geschäft: Die Firma verdient Geld, wenn Nutzer die App weiter nutzen. Das Ziel, Nutzer zu halten, passt vielleicht nicht zum Wunsch der Nutzer. Sie wollen einen Partner finden und die App verlassen. Das ist ein möglicher Konflikt zwischen Nutzern und Geschäftsmodell.

Algorithmen verändern menschliches Verhalten auch in anderen Bereichen, zum Beispiel bei Verkehr, Arbeit und Dating. Systeme für Bewerbungen müssen Erfahrung in sortierbare Daten verwandeln. Systeme für Kredite müssen das Verhalten von Kunden in Zahlen verwandeln. Wenn diese Systeme überall sind, verändern Menschen sich selbst. Sie zeigen sich so, wie der Algorithmus es erkennen kann.