Algorithmus-Aversion: Ein sichtbarer Fehler kostet das VertrauenAlgorithm Aversion: People Erroneously Avoid Algorithms After Seeing Them Err

Dietvorst, Simmons, Massey · Journal of Experimental Psychology: General (144/1) · 2015

Wer einen Algorithmus Fehler machen sieht, verliert schneller das Vertrauen in ihn als in einen Menschen mit gleichen Fehlern – und wählt danach oft den schlechteren menschlichen Prognostiker. Das erklärt Akzeptanzprobleme von KI-Empfehlungen.

6,0MFK-Score von 10 · Ergebnis: gemischt

Studiendesign4

Datenbasis5

Unabhängigkeit10

Replikation6

Übertragbarkeit6

Mehrere Laborexperimente, vielfach repliziert, aber mit gegenläufigen Befunden je nach Aufgabe und Kontext. Die Befundlage ist uneinheitlich oder nur unter Bedingungen gültig. Wie der Score entsteht →

Die Zahlen

5	Experimente im Paper

Methode: Fünf Experimente, in denen Teilnehmende zwischen eigener bzw. menschlicher und algorithmischer Prognose wählten, nachdem sie die Leistung beider beobachtet hatten.
Datenbasis: Fünf Online- und Laborstudien in den USA.
Einschränkungen und häufige Fehlzitate: Prognoseaufgaben im Labor. Logg, Minson & Moore (2019) zeigen 'Algorithm Appreciation': Ohne erlebte Fehler bevorzugen viele Menschen Algorithmen. Aversion hängt also vom Kontext ab.
Interessenlage: keine bekannt
Quelle: https://doi.org/10.1037/xge0000033 (teilweise frei zugänglich)

Zitieren

Marketing Facts Kompakt (Hrsg.): „Algorithmus-Aversion: Ein sichtbarer Fehler kostet das Vertrauen“. MFK-Studiendatenbank, Stand 2026-11-06. https://marketing-facts.de/studien/dietvorst-simmons-massey-algorithm-aversion-2015/

gemischtKI im Marketing

← Alle Studien