Entscheidungen und Leistungen von Menschen wirken oft zufällig und es ist möglich, dass Entscheidungen und Leistungen, die durch maschinelles Lernen entstehen, weniger anfällig für äußere Einflüsse sind.
Das gilt auch für Entscheidungswege innerhalb von Organisationen und Unternehmen.

Spürst Du dem nach und sinnierst über maschinelles Lernen, seinen Leistungen und der Qualität der Entscheidungsfindung, ist es für Dich hilfreich das „Rauschen“ zu verstehen.

Gemeinsam mit Cass R. Sunstein und Olivier Sibony beschreibt der Nobelpreisträger Daniel Kahnemann das Rauschen (englisch Noise) im Buch „Was unsere Entscheidungen verzerrt – und wie wir sie verbessern können“ (s.U.).

Das Team unterscheidet dabei grob in „persönlichkeitsbedingtes Rauschen“ (Level Noise) , „musterbedingtes Rauschen“ (Pattern Noise) und „gelegenheitsbedingtes Rauschen“ (Occasion Noise) (Katharina Zweig, s.U.)

Allgemein beschreibe ich Dir diese unterschiedlichen Formen so:

1. Level Noise sind allgemeine Unterschiede in der Strenge oder Großzügigkeit zwischen verschiedenen Beurteilern. Hier geht es, um die Art wie beurteilt wird. So gibt ein Lehrer prinzipiell überdurchschnittliche gute Noten, während ein anderer mit fünfern um sich wirft.

2. im Pattern Noise gibt es Muster von Beurteilungen. Verschiedene Beurteiler urteilen aufgrund individueller Vorurteile oder Perspektiven anders. Während einerseits eine einseitig ablehnende Einstellung zu jungen Klimaklebern oder andererseits mittelalterlichen landwirtschaftliche Interessenvertretenden, kommt es aufgrund verschiedender Sichtweisen zu sehr unterschiedlichen Bewertungen der durchgeführten Straßenblockade.

3. Occasion Noise bewirkt Schwankungen in den Urteilen der Beurteilenden. Variierende Stimmungen (z.B. Trauer über Verlust eines Angehörigen), unterschiedliche Umstände (z.B. krankheitsbedingt) oder andere Faktoren beeinflussen hier die Entscheidungsfindung ohne zusammenhang.

Diese Formen von Rauschen tragen dazu bei, dass Urteile und Entscheidungen weniger zuverlässig sind, als sie sein könnten. Kahneman, Sibony und Sunstein argumentieren, dass Organisationen oft den Einfluss von Rauschen auf ihre Entscheidungen unterschätzen und sich eher auf die Beseitigung von Voreingenommenheit konzentrieren, was zwar wichtig, aber nicht ausreichend ist, um Genauigkeit und Konsistenz in Entscheidungen zu gewährleisten. Das gilt – und diese Wirkung ist nicht zu unterschätzen – auch der Entscheidungsfindung durch KI / AI. Diese erlernt ihre Muster auch durch die Lernangebote, die menschliche Einflüsse produzieren.

Etwas leichter erklärt das Sam dem kleinen Menschen Niku.

Einfach erklärt: Persönlichkeitsbedingtes Rauschen (Level Noise)

Sam erklärt das Niku so:

Stell dir vor, du und deine Freunde werft Dartpfeile auf eine Zielscheibe. Manchmal trifft einer von euch genau ins Ziel, manchmal nicht. Die Gründe dafür, dass ihr manchmal danebentrefft, können unterschiedlich sein: Vielleicht seid ihr nervös oder müde. Oder ihr seid einfach nur unterschiedlich gut in eurer Wurftechnik. Dieses Beispiel zeigt, dass persönliche Unterschiede und momentane Zustände eure Leistung beeinflussen können. Das heißt „persönlichkeitsbedingtes Rauschen“ oder auf Englisch „Level Noise“.

Dieses „Rauschen“ in unseren Entscheidungen kommt daher, dass jeder von uns unterschiedlich ist. Wir haben alle unsere guten und schlechten Tage. Manchmal sind wir strenger in unseren Urteilen, manchmal nachsichtiger, abhängig von unserer Stimmung, Erfahrungen oder sogar der Tageszeit.

Bleiben wir beim Dartspiel. Stell dir vor, jeder Wurf wäre eine Entscheidung oder ein Urteil. Das „persönlichkeitsbedingte Rauschen“ wäre wie die unsichtbare Kraft, die manche Würfe gut und andere schlecht macht. Das liegt an Dingen wie Stimmung oder wie viel Übung jeder hatte. Es wichtig ist, dieses Rauschen zu erkennen und zu verstehen. So können wir wir fairere, ähnlich wirkende Entscheidungen treffen. Egal ob es ums Dartspielen geht oder um wichtige Entscheidungen im Leben.

Leicht erklärt: musterbedingtes Rauschen (Pattern Noise)

Stell dir vor, du zeichnest Bilder mit einem Set von Buntstiften. Manchmal greifst du aus Gewohnheit immer wieder zu deinen Lieblingsfarben. Obwohl andere Farben vielleicht besser zum Bild passen würden. Deine Vorliebe für bestimmte Farben, weil sie dir vertraut oder angenehm erscheinen, ist ein Muster. Das Muster beeinflusst deine Entscheidungen. Dieses Beispiel hilft, das Konzept des „musterbedingten Rauschens“ (oder „Pattern Noise“) zu verstehen.

Menschen neigen dazu, in bestimmten Mustern zu denken und zu entscheiden: Ohne es zu merken. „Musterbedingtes Rauschen“ tritt auf, wenn unsere Entscheidungen und Urteile durch wiederkehrende, vorhersehbare Muster beeinflusst werden. Also wenn wir manchmal auf eine bestimmte Art und Weise entscheiden,dann liegt es daran, daß wir es schon früher so gemacht haben. Oder unsere Entscheidung liegt an unserer „typischen“ Art zu denken oder zu handeln. Beides haben wir oft einfach übernommen, ohne darüber nachgedacht zu haben.

Nochmal die Buntstifte: Wählst Du immer dieselben Farben, ohne andere Möglichkeiten zu betrachten, wird das Endbild vielleicht weniger vielfältig oder weniger interesseren, als es sein könnte. Das Gleiche gilt für das echten Leben. Wenn Menschen immer nach demselben Muster entscheiden, übersehen sie leicht bessere oder schönere Lösungen.

Deshalb ist es wichtig diese Muster zu kennen und zu versuchen, sie zu durchbrechen. Indem wir unser persönliches „musterbedingtes Rauschen“ erkennen und hinterfragen, bleiben wir offen für neue Ideen. Davon profitieren dann auch unser Urteile.

Leicht erklärt: gelegenheitsbedingtes Rauschen (Occasion Noise).

Niku stell dir vor, du machst mit deiner Familie jeden Samstag einen Spieleabend. Eines Samstags beschließt ihr, ein neues Spiel zu spielen. Keiner von euch kennt ds Spiel. Wie ihr das Spiel findet und wie gut ihr darin seid, hängt davon ab, wie ihr euch an diesem Samstagabend fühlt. Vielleicht hattet ihr alle einen langen Tag. Deshalb seid ihr müde und nicht so aufnahmefähig für die Spielregeln. Oder es ist sehr heißer und schwüler Sommertag. Das beeinflusst eure Stimmung und Konzentrationsfähigkeit. Diese äußeren Umstände – wie Müdigkeit oder die Temperatur – sind Beispiele für „gelegenheitsbedingtes Rauschen“.

Solche zufälligen, äußeren Umstände können unsere Entscheidungen und Beurteilungen beeinflussen. Für uns unmerkbar. „Gelegenheitsbedingtes Rauschen“ passiert, wenn die Bedingungen oder der Zusammenhang, in dem eine Entscheidung getroffen wird, unbewusst das Ergebnis beeinflussen. So als ob die äußeren Umstände „mitentscheiden“, ohne dass sie mit der Sache zu tun haben.

Vielleicht mögt ihr das neue Spiel nicht , weil ihr nicht in der richtigen Stimmung seid, etwas Neues zu lernen. Probiert ihr das Spiel anderswann, ihr seid ausgeruht und aufmerksam, könnte dass eure Meinung über das Spiel komplett ändern.

Es lohnt, sich dem gelegenheitsbedingtes Rauschen (Occasion Noise) bewusst zu sein. Wenn wir verstehen, dass unsere Urteile und Entscheidungen durch solche zufälligen Umstände beeinflusst werden können, können wir versuchen, faire und konsistentere Entscheidungen zu treffen, indem wir solche äußeren Faktoren so weit wie möglich kontrollieren oder berücksichtigen.

Wie erwähnt gilt das nicht nur für Menschen, sondern auch für Ki-Systeme. So können „automatisierte Entscheidungssysteme ebenfalls unter Rauschen leiden: dem modellierungsbedingten Rauschen und dem unterspezifikationsbedingten Rauschen.

Ersteres beschreibt, dass viele Methoden und Verarbeitungen der grundlegenden Daten denkbar sind und daher jedes trainierte statistische Modell etwas anders aussehen und sich etwas anders verhalten wird. Das Zweite beschreibt, dass es in der Welt meistens nicht ausreichend viele Daten gibt, um ein statistisches Modell vollständig auf die Wirklichkeit vorzubereiten. Daher wird es sich in der Anwendung manchmal unerwartet verhalten.“ (Katharina Zweig, s.U.)

AUTOR: John-Martin Teuschel

Lektorat: chatgpt

Übersetzungen: Bilder (Chatgpt), Text John-Martin Teuschel

Quelle: „Imagine that four teams of friends have gone to a shooting ar- cade. Each team consists of five people; they share one rifle, and each person fires one shot. Figure 1 shows their results. In an ideal world, every shot would hit the bull’s-eye.“ , Introduction, frei übersetzt von John-Martin Teuschel
aus Daniel Kahneman, Olivier Sibony und Ca R. Sunstein in ihrem Buch „Noise – A flaw in human Judgment“ (Little, Brow Spark, New York, 2021)
QUELLE: Katharina Zweig, Die KI war’s, Heyne-Verlag, 2023

Stichwörter: Rauschen, menschliche Leistungen, Entscheidungen, Dartpfeil, Bullauge, Teamleistung, Präzision, Gruppierung, maschinelles Lernen, Entscheidungsfindung, persönlichkeitsbedingtes Rauschen, Level Noise, musterbedingtes Rauschen, Pattern Noise, gelegenheitsbedingtes Rauschen, Occasion Noise, Beurteilung, Voreingenommenheit, Konsistenz, KI-Systeme, modellierungsbedingtes Rauschen, unterspezifikationsbedingtes Rauschen, Daten, statistisches Modell, Anwendung, Daniel Kahneman, Olivier Sibony, Cass R. Sunstein, Katharina Zwei, Ki, Ai