Zum Hauptinhalt springen

Produktivität, geprüft · Teil 7 von 8

Rückmeldung: wie man die Anzeigen liest, ohne sich zu täuschen

18. November 2026·10 Min. Lesezeit
7 Behauptungen geprüft

Daniel Kahneman brachte einmal Fluglehrern der israelischen Luftwaffe bei, dass es besser wirkt, gute Leistung zu belohnen, als Fehler zu bestrafen. Ein erfahrener Ausbilder widersprach. Wenn er einen Flugschüler für ein sauberes Manöver lobe, sagte er, sei der nächste Versuch meist schlechter. Wenn er einen für ein schlampiges anschreie, sei der nächste Versuch meist besser. Lob wirke nicht, Anschreien schon. Er hatte jahrelange Erfahrung als Beweis.

Er beschrieb etwas Echtes und erklärte es falsch. Ein Flugschüler, der ein ungewöhnlich gutes Manöver fliegt, hatte vermutlich etwas Glück, und der nächste Versuch liegt meist näher an seinem Durchschnitt, mit oder ohne Lob. Umgekehrt gilt dasselbe für ein ungewöhnlich schlechtes. Kahneman ließ die Ausbilder zweimal Münzen auf ein Ziel werfen. Wer beim ersten Mal am besten war, schnitt beim zweiten Mal meist schlechter ab, und niemand hatte irgendwen angeschrien.

Dieser Teil handelt von der letzten Station der Linie, der, die dir sagt, ob die anderen fünf funktionieren. Sie klingt nach der einfachen: etwas zählen, auf die Zahl schauen, nachjustieren. Der Fluglehrer zeigt, warum sie es nicht ist. Rückmeldung kann dich besser machen, und sie kann dich genauso leicht selbstbewusst falsch liegen lassen.

Ergebnisse zählen, nicht Bewegung

Das meiste, was sich leicht zählen lässt, ist Aktivität: erfasste Stunden, verschickte E-Mails, geschlossene Tickets, geschriebene Codezeilen. Accelerate (Forsgren, Humble & Kim 2018) argumentiert, dass das die falschen Dinge zum Beobachten sind. Sie messen Bewegung statt Ergebnisse, lassen sich leicht manipulieren, und Auslastung gegen 100 % zu treiben lässt Warteschlangen explodieren (~85 %; die Warteschlangen-Mathematik steht in Fluss).

Die Alternative des Buchs, gebaut aus den State of DevOps-Umfragen, sind vier Maße der Software-Lieferung: wie oft ein Team ausliefert, wie lange eine Änderung bis zu den Nutzern braucht, wie schnell der Dienst nach einem Ausfall wiederhergestellt ist und wie oft Änderungen fehlschlagen. Diese „DORA-Metriken“ wurden zum Branchenstandard, und sie fügen sich zu einem stimmigen Bild der Lieferleistung. Der interessanteste Befund: Tempo und Stabilität schlossen sich nicht aus. Die besten Teams waren schneller und machten weniger kaputt (~70 %). Die Einschränkung: Es sind selbst berichtete Umfragen unter selbst ausgewählten Enthusiasten, sie zeigen also, dass gute Teams beides haben, nicht, dass Tempo Stabilität verursacht.

Die Autoren gingen später weiter. Das SPACE-Framework (Forsgren, Storey et al. 2021) argumentiert, dass keine einzelne Zahl die Produktivität von Entwicklern erfasst, und empfiehlt mindestens drei von fünf Dimensionen (Zufriedenheit, Leistung, Aktivität, Kommunikation sowie Effizienz oder Fluss), darunter mindestens eine, die Menschen fragt, wie es sich anfühlt ~70 %. Es ist eher ein Framework als ein getestetes Modell, aber sein Kernpunkt reicht weit über Software hinaus.

Für eine einzelne Person ist die Übersetzung einfach: Frag, was die Woche hervorgebracht hat, nicht, wie beschäftigt sie war. Ein entworfenes Kapitel der Abschlussarbeit, ein sicher entlassener Patient, ein Kunde, der verlängert hat: Das ist Ergebnis. Alles andere ist verkleideter Aufwand.

Jede Zahl braucht einen Gegenspieler

2016 kam heraus, dass Beschäftigte von Wells Fargo unter dem Druck, Zielvorgaben für neue Konten pro Kunde zu erfüllen, Millionen Konten eröffnet hatten, die Kunden nie beantragt hatten. Die Bank entließ etwa 5.300 Menschen und zahlte 185 Millionen Dollar Strafe. Die Kontenzahl stieg. Das, was sie anzeigen sollte, Kunden, die mehr von der Bank wollten, sank.

Das ist Goodharts Gesetz, in der populären Formulierung der Anthropologin Marilyn Strathern: Wenn eine Kennzahl zum Ziel wird, hört sie auf, eine gute Kennzahl zu sein. Ökonomen haben eine formale Version. Holmström und Milgrom (1991) zeigten: Wenn man nur den leicht messbaren Teil eines Jobs belohnt, fließt die Anstrengung von den schwer messbaren Teilen weg. Dafür muss niemand ein Bösewicht sein; es reicht, auf das zu reagieren, was gezählt wird.

Andy Groves Lösung in High Output Management ist, jedem Indikator einen Gegenindikator zur Seite zu stellen: eine Wirkung messen und das, was leiden würde, wenn jemand sie überoptimiert (~85 %). Zähl das Ergebnis, und zähl auch die Fehler. Verfolge das Tempo, und verfolge auch die Nacharbeit. Die DORA-Metriken sind so gebaut, zwei für Tempo und zwei für Stabilität, weshalb sich die Manipulation der einen meist in einer anderen zeigt. Grove bevorzugt außerdem Frühindikatoren, die vor Ärger warnen, bevor er das Ergebnis erreicht; der schwierige Teil, den keine Studie löst, ist, einen zu finden, der wirklich vorausläuft.

Für eine Person könnte ein Paar „geschriebene Seiten“ und „nach einer Woche behaltene Seiten“ sein, oder „geschlossene Aufgaben“ und „wieder geöffnete Aufgaben“. Eine Zahl lässt sich schönen. Zwei Zahlen, die in entgegengesetzte Richtungen ziehen, sind viel schwerer zu täuschen.

Rauschen im Signal

Zurück zum Fluglehrer. Regression zur Mitte ist keine psychologische Marotte, sondern Arithmetik: Wann immer Leistung einen Zufallsanteil hat, folgt auf ein extremes Ergebnis meist ein weniger extremes (~95 %). Die Falle: Das Folgeergebnis kommt direkt nach dem, was du als Reaktion getan hast, also schreibst du ihm den Erfolg oder die Schuld zu. Schimpf nach einer schlechten Woche, und die nächste wird meist besser. Feiere eine großartige Woche, und die nächste enttäuscht.

Kleine Stichproben machen es schlimmer. Kahnemans Beispiel: Die Landkreise mit den niedrigsten Nierenkrebsraten sind überwiegend klein und ländlich, und die mit den höchsten auch. Kleine Landkreise sind schlicht zu klein für stabile Durchschnitte, also landen sie an beiden Extremen. Die Woche einer einzelnen Person ist ein sehr kleiner Landkreis. Ein brillanter Dienstag oder ein verschwendeter Donnerstag sagt wenig, und doch ist es verlockend, auf einem davon ein neues System zu bauen.

Dasselbe Rauschen ist der Grund, Entscheidungen nach ihrem Prozess statt nach ihrem Ergebnis zu beurteilen. Unter Unsicherheit kann eine gute Entscheidung schlecht ausgehen und eine leichtsinnige Glück haben, und doch urteilen Menschen nach Ergebnissen. Baron und Hershey (1988) zeigten diese Ergebnisverzerrung, und eine präregistrierte Replikation mit 692 Teilnehmenden bestätigte sie, selbst bei Menschen, die sagten, Ergebnisse sollten nicht zählen (Aiyer et al. 2023). Ob es spätere Entscheidungen tatsächlich verbessert, den eigenen Prozess zu überprüfen, ist viel weniger getestet. Die Werkzeuge, um im Voraus zu entscheiden, stehen in Wählen; hier geht es nur darum, dass ein Ergebnis eine verrauschte Note für eine Entscheidung ist, kein Urteil.

Schleifen, die wirklich lehren

Peak (Ericsson & Pool 2016) ist ein Buch über gezielte Übung, und die gehört zu Hebel. Aber es macht einen Punkt, der hierher gehört: Ohne Rückmeldung verbessert Übung nichts. Zielgerichtete Übung braucht in den Begriffen des Buchs ein konkretes Ziel, vollen Fokus, sofortige Rückmeldung und Arbeit knapp jenseits des Bequemen. Nimm die Rückmeldung weg, und Wiederholung wird zur Probe dessen, was du ohnehin schon tust.

Die ernüchterndsten Belege kommen aus der Medizin. Eine systematische Übersicht über 62 Studien fand, dass über die Hälfte eine mit den Berufsjahren abnehmende Leistung von Ärzten berichtete, und nur eine eine Verbesserung (Choudhry, Fletcher & Soumerai 2005) ~70 %. Die Einschränkungen sind echt: Die meisten Studien maßen Wissen und Leitlinientreue statt Behandlungsergebnissen, und ältere Ärzte wurden nach älteren Leitlinien ausgebildet. Trotzdem passt das Muster zu einer allgemeineren Regel. Kahneman und Klein (2009) argumentieren, dass man Experten-Intuition nur dort trauen kann, wo die Umgebung regelmäßig und die Rückmeldung schnell und klar ist, wie beim Schach oder in der Brandbekämpfung, und nicht dort, wo sie langsam oder trüb ist ~70 %. Zwanzig Jahre Erfahrung können ein Jahr sein, zwanzigmal wiederholt, wenn dir nie etwas sagt, welche deiner Entscheidungen falsch waren.

Rückmeldung kann die Dinge auch verschlechtern. Eine große Metaanalyse von Kluger und DeNisi (1996) mit 607 Effektgrößen fand, dass Rückmeldung die Leistung im Schnitt verbessert, über ein Drittel der Rückmeldungs-Interventionen sie aber senkte, besonders wenn die Rückmeldung die Aufmerksamkeit auf die Person statt auf die Aufgabe lenkte. „Dein Bericht hat die Frist verpasst, weil die Daten spät kamen“ hilft. „Du bist kein Detailmensch“ meistens nicht.

Die einfachste Schleife von allen, den eigenen Fortschritt zu beobachten, hält gut. Eine Metaanalyse von 138 randomisierten Studien mit fast 20.000 Teilnehmenden fand, dass das Verfolgen des Fortschritts die Zielerreichung verbesserte, mit größeren Effekten, wenn der Fortschritt physisch festgehalten oder öffentlich gemacht wurde (Harkin et al. 2016). Die meisten Ziele betrafen Gesundheit, aber der Mechanismus ist allgemein. Das ist der Teil von Atomic Habits' Rat, Gewohnheiten zu protokollieren, der auf festem Boden steht.

Der Rückblick

David Allen nennt den Wochenrückblick den entscheidenden Erfolgsfaktor von Getting Things Done: Ohne ihn veralten die Listen und das System verrottet. Eine plausible Behauptung, und fast ungetestet (~50 %). Die nächstliegenden Belege betreffen das Reflektieren über Gelerntes. In einer Studie mit Callcenter-Trainees bei Wipro in Indien schnitten diejenigen, die am Ende jedes Tages 15 Minuten aufschrieben, was sie gelernt hatten, im Abschlusstest etwa 23 % besser ab (Di Stefano et al. 2014). Das stützt die Gewohnheit des Zurückblickens mehr als Allens konkretes Ritual.

Ein Rückblick hat einen versteckten Feind: das Gedächtnis. Kahnemans Forschung zum „erinnernden Selbst“ fand, dass Menschen eine vergangene Erfahrung vor allem nach ihrem intensivsten Moment und ihrem Ende beurteilen, und kaum nach ihrer Dauer ~85 %. In einer Studie mit 682 Darmspiegelungs-Patienten ließ ein sanfteres Ende den ganzen Eingriff als weniger unangenehm in Erinnerung bleiben. Eine aus dem Gedächtnis rückblickend betrachtete Woche wird nach ihrem schlimmsten Meeting und ihrem Freitagnachmittag beurteilt. Notizen aus der Woche selbst sind das Gegenmittel. Ebenso die umgekehrte Nutzung: Wie eine Arbeitseinheit endet, prägt, ob du zu ihr zurückkehren willst, ein ordentliches Argument dafür, bei etwas aufzuhören, das gut lief.

Das 37×-Problem

Atomic Habits (Clear 2018) liefert die meistzitierte Zahl des Genres: Werde jeden Tag 1 % besser, und nach einem Jahr bist du etwa 37-mal besser. Die Arithmetik stimmt: 1,01 hoch 365 ist etwa 37,8, und 0,99 hoch 365 ist etwa 0,03 (~95 %). Als Beschreibung dessen, wie Menschen sich tatsächlich verbessern, ist sie falsch (~15 %).

Echte Lernkurven haben die umgekehrte Form. Das Potenzgesetz der Übung (Newell & Rosenbloom 1981) beschreibt große Gewinne am Anfang und schrumpfende Erträge später. Deine erste Woche Tippen-, Kochen- oder Programmierenlernen bringt mehr Verbesserung als deine hundertste. Clears verwandte Idee, das „Plateau des latenten Potenzials“, auf dem Ergebnisse lange unsichtbar bleiben und dann durchbrechen, hat die Kurve für die meisten Fähigkeiten verkehrt herum (~30 %). Manche Ergebnisse haben Schwellen, aber es gibt kein allgemeines Gesetz des verborgenen Fortschritts.

Eine Sache hat das Buch richtig: Kleine, wiederholte Verbesserungen summieren sich. Sie summieren sich so, wie Übung es tut, erst schnell, dann langsam, nicht so wie ein Sparkonto. Die praktische Gefahr der 37×-Geschichte liegt darin, wie du deine eigene Rückmeldung liest. Wenn du stetigen Zinseszins erwartest, sieht eine Verlangsamung im dritten Monat nach Scheitern aus. Meist ist es nur die normale Form des Lernens.

Was nicht funktioniert

  • „Jeden Tag 1 % besser = 37× in einem Jahr.“ Die Mathematik stimmt; echter Fortschritt folgt einer Kurve abnehmender Erträge (Newell & Rosenbloom 1981). (~15 % als Beschreibung von Fortschritt)
  • Das „Plateau des latenten Potenzials“. Fortschritte im Können kommen früh, nicht nach langem unsichtbarem Warten. (~30 %)
  • Eine Entscheidung danach beurteilen, wie sie ausging. Ergebnisse sind verrauscht; Menschen tun es trotzdem, selbst wenn sie sagen, sie sollten es nicht (Aiyer et al. 2023). ~85 %
  • Sich produktiv fühlen als Maßstab. Entwickler mit KI-Werkzeugen vom Frühjahr 2025 fühlten sich etwa 20 % schneller und brauchten 19 % länger (METR 2025; siehe Hebel). ~85 %
  • Einzelne Aktivitätskennzahlen. Codezeilen, Stunden und Auslastung werden manipuliert und ziehen Anstrengung von dem ab, was nicht gezählt wird (Holmström & Milgrom 1991). (~85 %)

Probier das

  • Schreib auf, was die Woche hervorgebracht hat, nicht, was sie verbraucht hat. Zwei oder drei Ergebnisse, je ein Satz, jeden Freitag.
  • Gib jeder Zahl, die du verfolgst, einen Gegenspieler: Ergebnis und Nacharbeit, Tempo und Fehler, geschriebene und behaltene Seiten.
  • Ändere dein System nicht nach einer großartigen oder schrecklichen Woche. Schau dir vier bis acht Wochen an, bevor du entscheidest, ob etwas wirkt oder nicht.
  • Halte Fortschritt dort fest, wo du ihn siehst, auf Papier oder einem gemeinsamen Board, statt deiner Erinnerung an die Woche zu trauen.
  • Wenn du eine Entscheidung überprüfst, bewerte den Prozess getrennt vom Ergebnis: Was wusstest du, was hast du abgewogen, was würdest du mit denselben Informationen wieder tun?

7 Behauptungen geprüft

Die Belege hinter diesem Artikel

Jede Behauptung oben, bewertet nach der Chance, dass sie der Forschung standhält. Öffne eine für die Quellen und ihren genauen Wortlaut.

  1. Aiyer, Kam, Ng, Young, Shi, Feldman (2023). Outcomes Affect Evaluations of Decision Quality: Replication and Extensions of Baron and Hershey’s (1988) Outcome Bias Experiment 1 · Replikation
  2. Allen (2001). Getting Things Done · Buch
  3. Baron, Hershey (1988). Outcome bias in decision evaluation. · Studie
  4. Choudhry, Fletcher, Soumerai (2005). Systematic Review: The Relationship between Clinical Experience and Quality of Health Care · Metaanalyse
  5. Clear (2018). Atomic Habits · Buch
  6. Di Stefano, Gino, Pisano, Staats (2014). Making Experience Count: The Role of Reflection in Individual Learning · Studie
  7. Ericsson, Pool (2016). Peak · Buch
  8. Forsgren, Humble, Kim (2018). Accelerate · Buch
  9. Forsgren, Storey, Maddila, Zimmermann, Houck, Butler (2021). The SPACE of Developer Productivity · Quelle
  10. Grove (1983). High Output Management · Buch
  11. Harkin, Webb, Chang, Prestwich, Conner, Kellar, Benn, Sheeran (2016). Does monitoring goal progress promote goal attainment? A meta-analysis of the experimental evidence. · Metaanalyse
  12. Holmström, Milgrom (1991). Multitask Principal-Agent Analyses: Incentive Contracts, Asset Ownership, and Job Design · Studie
  13. Joel, Rush, Barnes, David (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity · Studie
  14. Kahneman (2011). Thinking, Fast and Slow · Buch
  15. Kahneman, Klein (2009). Conditions for intuitive expertise: A failure to disagree. · Quelle
  16. Kluger, DeNisi (1996). The effects of feedback interventions on performance: A historical review, a meta-analysis, and a preliminary feedback intervention theory · Metaanalyse
  17. Newell, Rosenbloom (1981). Mechanisms of skill acquisition and the law of practice · Studie
  18. Redelmeier, Katz, Kahneman (2003). Memories of colonoscopy: a randomized trial · Studie

Teilen

XLinkedIn