LONDON (IT BOLTWISE) – Höhere Intelligenz macht Menschen in Experimenten eher bereit, auf neu verfügbare Lösungen umzusteigen – vor allem, wenn diese messbar besser sind. Gleichzeitig zeigt Offenheit für neue Erfahrungen zwar einen Lernanreiz, wirkt aber abhängig von der Qualitätsdifferenz. Die Studie verbindet damit individuelle Unterschiede und Trainingshäufigkeit zu einem beobachtbaren Muster: Je vertrauter eine gelernte Strategie wird, desto stärker sinkt die Bereitschaft, sie im sozialen Kontext zu ersetzen.
Dass Menschen Gewohnheiten nicht nur „blind“ wiederholen, sondern bei Bedarf aktiv ersetzen, klingt intuitiv – doch eine neue Studie macht messbar, wie stark dabei individuelle Faktoren und die Qualität von Alternativen zusammenspielen. Im Kern geht es um soziales Lernen: Menschen können Verhalten, Einstellungen oder Fertigkeiten übernehmen, indem sie anderen zusehen und die Konsequenzen ihres Handelns interpretieren. Für Entscheider ist daran vor allem relevant, dass „Umdenken“ nicht gleich „Umlernen“ ist: Es hängt davon ab, ob eine neue Lösung klar überlegen ist und wie stark die bisherige Strategie bereits verankert wurde.
Die Forschung ordnet diese Effekte in zwei Persönlichkeitssäulen ein: Intelligenz und Offenheit für Erfahrungen (Openness to Experience). Während höhere Intelligenz die Wechselbereitschaft zu neu verfügbaren Lösungen erhöht, zeigt sich Offenheit als differenzierender Faktor: Offenere Personen greifen eher zu Alternativen, wenn diese ähnlich oder sogar schlechter in der Qualität sind als das, was sie zuvor gelernt haben. Diese Entkopplung von „Besser muss es sein“ und „Neugier reicht“ ist für die Praxis deshalb spannend, weil sie erklärt, warum Nutzer in digitalen Lern- oder Empfehlungssystemen nicht immer streng rational auf den objektiven Nutzen reagieren.
Technisch betrachtet lässt sich das Ergebnis wie eine Modellannahme in heutigen Personalisierungs- und Learning-Systemen übersetzen: Systeme wählen nicht nur nach Effektivität, sondern müssen auch Biases berücksichtigen, die aus Training, Vertrautheit und Lernkurven entstehen. Genau diese Richtung liefert die Studie mit dem Begriff „maintenance bias“. In einer zweiten Untersuchung wurde die Trainingsdosis variiert: Wer mehr Runden mit einer bestimmten Lösung trainierte, wechselte deutlich seltener zu einer neuen. Die Logik dahinter ist plausibel – Erfahrung stärkt Beibehaltung – und sie wirkt wie ein interner Regler, der sozialen Input gedämpft verarbeitet.
Methodisch arbeiteten die Forschenden mit zwei verhaltensbasierten Aufgaben, die zwar spielerisch wirkten, aber klare Qualitätsunterschiede zwischen Lösungen definierten. In der Padlock-Aufgabe mussten Teilnehmende eine Kombination an Knöpfen auswendig lernen und dann eingeben; die Qualität einer Lösung zeigte sich daran, wie oft Nutzer zwischen den Schritten umdenken mussten. In der Maze-Aufgabe navigierten sie eine „Taxi“-Route durch ein Labyrinth, wobei die Qualität über Streckenlänge und Anzahl der Richtungswechsel bestimmt wurde. Hinzu kamen standardisierte Messinstrumente für Intelligenz (u. a. Raven’s Advanced Progressive Matrices) und Persönlichkeit (HEXACO-60).
Für die Markt- und Wettbewerbsseite heißt das: Produkte, die Lernpfade, Skill-Pläne oder „Next Best Action“-Empfehlungen anbieten, stehen häufig vor einem Zielkonflikt zwischen Exploration und Stabilität. Zu viel Exploration lässt Nutzer wie „komische Betapiloten“ wirken, zu viel Stabilität erzeugt Wartungs-Bias – man bleibt bei dem, was man einmal gelernt hat. Vergleichbare Dynamiken sieht man in Consumer-Lernplattformen wie Duolingo: Zwar werden neue Übungen angeboten, aber die meisten Nutzer folgen zunächst dem vertrauten Muster, erst bei erkennbarem Mehrwert oder mit höherer Lernmotivation steigen sie um. Genau hier kann die Studie als Designargument dienen.
Aus Expertensicht (und im Sinne einer technologischen Einordnung) ist die Kernbotschaft, dass sowohl kognitive Ressourcen als auch Persönlichkeitsmerkmale das Modellverhalten im sozialen Kontext prägen. Die Autoren resümieren: „Our findings demonstrate the importance of individual differences in intelligence and personality, alongside experiential factors, to human social learning.“ Solche Aussagen wirken zunächst wie Psychologie, sind aber direkt anschlussfähig an die KI-Entwicklung: Wenn man in Systemen nachvollziehen will, warum Nutzer Empfehlungen ignorieren, braucht man Variablen, die Vertrautheit und Bewertungsheuristiken widerspiegeln. Sonst werden Modellfehler fälschlich als „Nutzerresistenz“ interpretiert.
Auch regulatorisch und datenschutzseitig ist die Brücke relevant. Personalisierung auf Basis psychologischer Traits (wie Openness oder Intelligenz-Proxy) kann schnell in sensiblere Bereiche geraten, wenn daraus Rückschlüsse auf Persönlichkeit oder Verhalten gezogen werden. Wer solche Merkmale in Produkt- oder Forschungsdaten integriert, muss besonders auf Einwilligung, Zweckbindung und Datenminimierung achten – unabhängig davon, ob es sich um KI-gestützte Empfehlungen oder klassische Analytik handelt. Für Unternehmen bedeutet das: Statt breit zu „profilieren“, sollten sie robuste, kontextnahe Signale nutzen, die erklärbar bleiben und den Nutzenden nicht dauerhaft in Schubladen pressen.
In die Zukunft übersetzt heißt das: Künftige Produkt-Roadmaps können explizit mit Qualitätsdifferenzen und Trainingsdosen arbeiten. Wenn Alternativen nur „leicht“ besser sind, sollten Systeme anders reagieren als bei klar überlegenen Optionen; die Studie zeigt genau dort unterschiedliche Wechselmuster. Ebenso sollten Plattformen Mechanismen zur „kontrollierten Störung“ der Gewohnheit implementieren, aber dosiert, etwa durch kurze A/B-Phasen mit klarer Nutzenkommunikation, bevor sie neue Strategien als Standard setzen. In der KI-Entwicklung wäre das ein Schritt hin zu lernfähigen Benutzerinteraktionen, die Exploration, Sicherheit und Datenschutz gleichzeitig balancieren. Für Entwickler entstehen damit konkrete Chancen: bessere Onboarding-Strategien, feinere Empfehlermodelle und UX-Patterns, die nicht nur Vorlieben, sondern auch Wartungs-Bias berücksichtigen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Intelligenz und Persönlichkeit fördern das Verlassen alter Gewohnheiten" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Intelligenz und Persönlichkeit fördern das Verlassen alter Gewohnheiten" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Intelligenz und Persönlichkeit fördern das Verlassen alter Gewohnheiten« bei Google Deutschland suchen, bei Bing oder Google News!