Suche

Abo

Neuroökonomie: Wie wir Entscheide treffen

Als Antwort auf den Homo oeconomicus haben Ökonomen realistischere Entscheidungstheorien entwickelt. Die Universität Zürich hat nun gezeigt, dass ein einfaches Entscheidungsmodell die plausibelsten Resultate liefert.
Schriftgrösse
100%

Wer im Casino einen Verlust wieder wettmachen will, geht mehr Risiken ein. (Bild: Keystone)

Vermutlich kennen Sie das Dilemma: Soll man für die Ferien trotz erhöhtem Covid-Risiko ins Ausland fahren, um dort Sonne zu tanken? Oder geht man doch besser ins Tessin, wo die Corona-Situation sicherer ist? Oder Sie haben zwei Jobangebote zur Auswahl: Wählen Sie das Angebot mit kleinem Fixlohn und hohem variablem Lohnanteil oder doch besser den höheren Fixlohn mit weniger Aussicht auf Boni? In ökonomischen Entscheidungen wägen wir den Nutzen und die Kosten von verschiedenen Optionen gegeneinander ab und wählen schliesslich die Option mit dem grössten Nettonutzen. Dabei beinhalten viele Entscheidungen Elemente von Unsicherheit, welchen wir auch einen Wert zuweisen. Denn für risikoscheue Personen ist Unsicherheit mit Kosten verbunden.

Um Entscheidungsverhalten unter Unsicherheit zu erklären, bedienen sich Sozialwissenschaftler verschiedener Nutzentheorien. Diese Theorien treffen unterschiedliche Annahmen darüber, wie Nutzen verarbeitet und bestimmt wird. Ein Beispiel ist die Erwartungsnutzentheorie des Schweizer Mathematikers Daniel Bernoulli aus dem 18. Jahrhundert. Sie besagt: Eine Person, die zwischen zwei Optionen entscheidet, sollte den möglichen Nutzen beider Alternativen mit der jeweiligen Eintrittswahrscheinlichkeit multiplizieren und dann die Option mit dem grössten erwarteten Nutzen wählen. Die Krümmung der Nutzenfunktion erfasst dabei die individuellen Risikopräferenzen der Entscheider: Risikofreudige Personen entscheiden aufgrund ihrer Nutzenfunktion anders als risikoscheue. Bernoullis Theorie hat primär normativen Charakter, das heisst, sie macht Aussagen darüber, wie man sich entscheiden sollte. Die Realität hat inzwischen gezeigt, dass Menschen sich oft nicht gemäss dieser Theorie entscheiden.

Realistischere Theorien

Das Verhalten realitätsnäher abbilden als die Erwartungsnutzentheorie von Bernoulli will die Prospekttheorie aus dem Jahr 1979 (und eine Modifikation im Jahr 1992). Sie wurde von den beiden Psychologen Daniel Kahneman und Amos Tversky entwickelt und basiert auf Beobachtungen aus der Psychologie. Die Prospekttheorie integriert unter anderem die empirisch getestete Tatsache, dass Personen die Eintrittswahrscheinlichkeit von sehr unwahrscheinlichen Ereignissen über- und diejenige von fast sicheren Ereignissen unterschätzen. Ein Beispiel dafür ist, dass wir bei der Entscheidung, ob wir eine Versicherung kaufen sollen, oft die kleine Wahrscheinlichkeit eines grossen Schadens überschätzen. Ebenso zeigten ihre Experimente, dass Ergebnisse relativ zu einem Referenzpunkt als Verluste oder Gewinne empfunden werden, mögliche Verluste stärker gewichtet werden als mögliche Gewinne und dass sich Individuen im Bereich der Verluste risikofreudig, im Gewinnbereich dagegen risikoscheu verhalten. Letzteres bedeutet: Wenn wir im Casino einen Verlust wieder wettmachen wollen, gehen wir Risiken ein, die wir im Gewinnbereich nicht eingehen würden.

Eine dritte Theorie, um Entscheidungsverhalten zu erklären, ist eine Erweiterung der Portfoliotheorie des US-Ökonomen Harry M. Markowitz aus dem Jahr 1952. Diese kommt aus den Finanzwissenschaften und besagt, dass nicht nur der Mittelwert (engl. Mean) – also die Erträge einer Investition oder einer Option –, sondern auch die Varianz bei der Bewertung mit einfliesst. Mehr Varianz bedeutet mehr Risiko, was den Wert einer Option typischerweise reduziert — auf dem Finanzmarkt genauso wie bei nicht finanziellen Entscheidungen. Im weiterentwickelten Mean-Variance-Skewness-Modell bezieht man zudem die Schiefe (engl. Skewness) der Erträge in die Überlegungen mit ein. So wird eine linkssteile Verteilung wie beispielsweise beim Schweizer Zahlenlotto oder bei Euromillions oft als attraktiver wahrgenommen als eine rechtssteile, wo kaum grosse Gewinne, dafür aber viele kleine Erträge mit grösserer Wahrscheinlichkeit möglich sind.

Welches dieser Modelle beschreibt nun die Realität am besten? Die Qualität eines Modells wird daran gemessen, wie gut es ein beobachtbares Resultat vorherzusagen vermag. Hat man mehrere konkurrierende Modelle, so setzt sich das passendste Modell durch. In diesem Fall liefern die drei Theorien aber alle erstaunlich ähnliche Verhaltensprognosen. Somit stellt sich für die Neuroökonomie die Frage, ob sie biologisch gesehen auch ähnlich plausibel sind, das heisst, ob die zugrunde liegenden Annahmen, also die Modellparameter, auch alle im Gehirn verarbeitet werden.

Ein Experiment gibt Aufschluss

Um herauszufinden, welches Modell die neuronalen Prozesse im Gehirn am besten abbildet, hat das Zurich Center for Neuroeconomics der Universität Zürich ein Experiment durchgeführt. Dabei legten sich die Experimentteilnehmenden in einen Magnetresonanztomografen und mussten jeweils zwischen zwei Lotterien mit unterschiedlichen Auszahlungen und Eintrittswahrscheinlichkeiten wählen. Eine solche Wahl trafen sie insgesamt 180 Mal. Die Auswahlpaare waren so konstruiert, dass die Annahmen der drei oben beschriebenen Modelle einzeln gegeneinander geprüft werden konnten.

Wir wissen heute ziemlich genau, wie und in welchen Arealen unseres Gehirns Wert verarbeitet wird. Der Entscheidungsprozess kann in zwei Phasen unterteilt werden. In der ersten Phase verschafft sich unser Gehirn relativ schnell eine Übersicht der zur Verfügung stehenden Optionen, indem ihr Gesamtwert bestimmt wird. Dies geschieht meist intuitiv. Kurz darauf, in der zweiten Phase, wird der Wert der einzelnen Möglichkeiten verglichen. Wenn die drei Theorien auf die beiden Phasen angewendet werden, beschreiben die Prospekttheorie und das Mean-Variance-Skewness-Modell die Wertsignale in der ersten Phase sehr gut, während das Mean-Variance-Skewness-Modell die Wertsignale in der zweiten Phase besonders gut erfasst. Die Erwartungsnutzentheorie hingegen scheint die Gehirnaktivität weniger gut zu erfassen und somit weniger hohe biologische Plausibilität zu haben als die anderen beiden Theorien.

Diese Erkenntnisse sind keineswegs bloss akademische Spielereien. Sie eröffnen uns neue Wege, um unser Verständnis von kognitiven Prozessen zu verbessern. Dass gerade das Mean-Variance-Skewness-Modell im Gehirn so gut abgeschnitten hat, ist weniger überraschend, als es auf den ersten Blick erscheinen mag. Dieses Modell ist einfach zu handhaben, was unseren Vorfahren evolutionsgeschichtlich vielleicht immer dann zu Hilfe kam, wenn wir aus der Erfahrung Wahrscheinlichkeiten erschliessen mussten, anstatt sie explizit beschrieben zu bekommen. Denn unsere Vorfahren bekamen keine Kuchendiagramme vorgesetzt, wie dies im Experiment der Fall war (siehe Kasten), sondern mussten durch Versuch und Irrtum lernen, wie wahrscheinlich es ist, dass die Früchte auf einem bestimmten Baum reif sind. Dabei ist es kognitiv einfacher, generelle Merkmale wie Mittelwert, Varianz und Schiefe in der Verteilung der süssen Früchte zu verarbeiten, anstatt sich die Wahrscheinlichkeit für jede einzelne Frucht zu merken, wie das bei der Prospekt- und der Erwartungsnutzentheorie nötig ist. Allgemeiner gesagt, kann es Sinn machen, Theorien nicht nur im Verhalten zu vergleichen, sondern sie auch auf ihre biologische Plausibilität hin zu untersuchen. Auch wenn letztlich das Ziel dasselbe bleibt: Wir wollen menschliches Verhalten möglichst gut verstehen.

Zitiervorschlag: Tobler, Philippe (2021). Neuroökonomie: Wie wir Entscheide treffen. Die Volkswirtschaft, 23. Dezember.

Das Experiment im Detail

Die Versuchsteilnehmer im Magnetresonanztomografen sahen auf einem Bildschirm jeweils zwei Lotterien, die eine auf der linken Seite des Bildschirms und die andere auf der rechten Seite. Die Wahrscheinlichkeit wurde dabei als Kuchendiagramm dargestellt und die Höhe der möglichen Erträge als Punkte, wobei ein Punkt einem Wert von 0.25 Franken entsprach. Zum Beispiel offerierte eine Lotterie 10 Punkte mit einer Wahrscheinlichkeit von 0,75, die andere Lotterie 20 Punkte mit einer Wahrscheinlichkeit von 0,6. Innerhalb von fünf Sekunden mussten die Versuchsteilnehmenden eine der beiden Lotterien wählen, indem sie den entsprechenden Knopf drückten. Nach einer kurzen Pause erschienen die nächsten zwei Lotterien auf dem Bildschirm, mit anderen Wahrscheinlichkeiten und Erträgen. Über das ganze Experiment hinweg variierten die Wahrscheinlichkeiten zwischen 0 und 1, die Erträge zwischen 0 und 50 Punkten. Am Schluss wurden zufällig vier der gewählten Lotterien gezogen und ausgezahlt. Alle Entscheidungen sowie die Gehirnaktivität während des gesamten Experiments wurden dann mit den drei im Haupttext erwähnten Theorien modelliert. Schliesslich wurde verglichen, wie gut die Modelle die erhobenen Daten erklären.