Ein Like kostet nichts

1. Einleitung: Zehn gute Ideen. Und jetzt?

Ein Unternehmen hat zehn Ideen gesammelt und möchte nun wissen, welche davon besonders viel Unterstützung erhalten. Also bewerten die Mitarbeitenden jede Idee mit Sternen, und nach einigen Tagen ergibt sich ein erfreuliches Bild: Idee A erhält 4,6 Sterne, Idee B 4,5 Sterne, Idee C ebenfalls 4,5 Sterne und Idee D 4,4 Sterne.

Offenbar gibt es viele gute Ideen, doch genau darin liegt das Problem, denn die Abstände sind so klein, dass das Ergebnis erstaunlich wenig bei der nächsten Frage hilft: Welche davon sollen wir umsetzen? Menschen können problemlos mehrere Ideen gleichzeitig gut finden, weil Zustimmung zunächst keine knappe Ressource ist.

Was passiert aber, wenn alle Teilnehmenden nur je 1.000 virtuelle Einheiten erhalten und diese auf dieselben zehn Ideen verteilen müssen? Plötzlich verändert sich die Entscheidung, denn 500 Einheiten für Idee A bedeuten, dass nur noch 500 für alle anderen Ideen verfügbar sind. Aus der Frage „Gefällt mir diese Idee?“ wird damit die Frage: „Wie wichtig ist mir diese Idee im Verhältnis zu den anderen?“ Die Forschungsfrage dieses Kapitels lautet deshalb:

2. Theoretische Grundlagen: Nicht jede Bewertung beantwortet dieselbe Frage

Ein Like, fünf Sterne, ein Ranking und die Verteilung eines Budgets wirken zunächst wie unterschiedliche Varianten desselben Vorgangs, denn in allen Fällen sollen Menschen Ideen bewerten. Tatsächlich stellen diese Verfahren jedoch unterschiedliche Fragen. Ein Ranking zwingt – anders als Like oder Sterne – zu einem relativen Vergleich, weil entschieden werden muss, welche Idee gegenüber einer anderen bevorzugt wird.

Ein begrenztes Budget geht noch einen Schritt weiter, denn es fragt nicht nur nach der Reihenfolge, sondern auch nach dem Abstand: Wie viel wichtiger ist mir eine Idee als die anderen? Der entscheidende Unterschied liegt in den Opportunitätskosten. Solange Zustimmung nichts kostet, muss ich mich nicht entscheiden, denn ich kann Idee A großartig finden und gleichzeitig auch Idee B, C und D unterstützen.

Sobald meine Unterstützung begrenzt ist, hat jede Entscheidung eine Konsequenz, weil eine Ressource, die ich einer Idee gebe, für eine andere nicht mehr verfügbar ist. Knappheit erzeugt damit Trade-offs und zwingt zu einer stärkeren Differenzierung.

Dadurch kann eine Information sichtbar werden, die bei klassischen Bewertungen leicht verloren geht: die Intensität einer Präferenz. Für Unternehmen ist das relevant, weil Budget, Entwicklungskapazität, Managementaufmerksamkeit und Zeit knapp sind: Eine Idee muss wichtig genug sein, um dafür auf etwas anderes zu verzichten.

Ein Bewertungsverfahren mit knappen Ressourcen bildet diesen Konflikt zumindest teilweise ab. Dabei sollten wir allerdings vorsichtig mit dem oft gehörten Argument „Skin in the Game“ sein, weil virtuelle Coins kein eigenes Geld darstellen und ihr Verlust keine finanziellen Konsequenzen hat.

Die einfachere Erklärung genügt: Das Budget erzwingt eine Abwägung.

Jedes Verfahren beantwortet also eine andere Frage – und jedes lässt eine andere Information weg:

Zur Forschungslage

Die Studien reichen von politischen Einstellungen über Laborexperimente bis zu Ideenmärkten in Unternehmen, und ihre Mechanismen unterscheiden sich. Wir fragen deshalb nicht, welches Verfahren „gewinnt“, sondern welche Information es erzeugt.

3. Was die Forschung zeigt

„Gut“ ist nicht dasselbe wie „wichtig“

Wie groß der Unterschied zwischen Zustimmung und Priorität sein kann, zeigen Charlotte Cavaillé, Daniel L. Chen und Karine Van der Straeten in einer Studie zur Messung politischer Präferenzen. Die Forschenden verglichen klassische Zustimmungsskalen mit Verfahren, die zusätzlich erfassen sollten, wie wichtig Menschen ihre jeweilige Position tatsächlich ist.

Bei einem dieser Verfahren erhielten die Teilnehmenden ein begrenztes Budget, mit dem sie Stimmen für oder gegen zehn politische Vorschläge kaufen konnten – wobei jede weitere Stimme für dasselbe Thema teurer wurde (sogenanntes Quadratic Voting). Im Vergleich zeigte sich ein bekanntes Problem klassischer Skalen: Viele Antworten sammeln sich am oberen oder unteren Ende – auch von Menschen, denen das Thema sehr unterschiedlich wichtig ist. Die Autoren sprechen von „bunching“. Das begrenzte Budget zwang dagegen stärker zur Differenzierung.

Cavaillé und Kollegen fanden zudem Hinweise darauf, dass diese zusätzliche Differenzierung mit tatsächlichem Verhalten zusammenhing, etwa mit echten Spendenentscheidungen. Übertragen auf Ideen – und vereinfacht auf ein Budget, bei dem jede Einheit gleich viel kostet – ließe sich das so vorstellen: Zwei Personen bewerten Idee A und Idee B jeweils mit fünf Sternen. Im klassischen Rating sehen ihre Präferenzen identisch aus, obwohl sich dahinter sehr unterschiedliche Prioritäten verbergen können.

Müssen beide Personen stattdessen 1.000 Einheiten verteilen, könnte die erste Person 900 Einheiten in A und 100 in B investieren, während die zweite Person ihr Budget gleichmäßig auf beide Ideen verteilt. Nun wird ein Unterschied sichtbar, den die fünf Sterne zuvor nicht zeigen konnten.

Das bedeutet allerdings nicht, dass ein Budget automatisch die „richtige“ Meinung offenlegt. Die Erkenntnis ist zunächst bescheidener, aber für Ideenprozesse dennoch relevant: Ein begrenztes Budget kann Unterschiede zwischen Präferenzen sichtbar machen, die eine klassische Bewertung verdeckt. Ob ein einfaches Budget, bei dem jede Einheit gleich viel kostet, dabei genauso gut funktioniert wie das untersuchte Verfahren mit steigenden Kosten, wurde in der Studie allerdings nicht geprüft.

Die Verteilung erzählt mehr als die Summe

Nehmen wir zwei Ideen, von denen die erste von 30 Personen unterstützt wird, die jeweils einen kleinen Teil ihres Budgets investieren. Die zweite Idee wird dagegen nur von acht Personen unterstützt, diese investieren jedoch jeweils einen erheblichen Teil ihrer verfügbaren Ressourcen. Welche Idee besitzt nun mehr Unterstützung?

Mit Likes wäre die Antwort zunächst eindeutig, weil 30 Unterstützer gegenüber acht Unterstützern vorne liegen. Mit einem begrenzten Budget entsteht jedoch ein differenzierteres Bild, denn die erste Idee besitzt möglicherweise breite Unterstützung, während die zweite eine besonders intensive Unterstützung einer kleineren Gruppe erhält.

Beide Informationen können für ein Unternehmen relevant sein, aber sie bedeuten Verschiedenes.

Auch der Verlauf erzählt etwas

Wenn Teilnehmende ihre Ressourcen nicht nur einmalig, sondern über einen längeren Zeitraum verteilen können, entsteht am Ende nicht nur ein Ranking, sondern auch eine Geschichte darüber, wie dieses Ranking zustande gekommen ist.

Dann lässt sich beispielsweise untersuchen, wer früh investiert und wer zunächst wartet, wer mehrfach in dieselbe Idee investiert, wer sein Budget auf viele Vorschläge verteilt und wer seine Ressourcen auf wenige Ideen konzentriert. Ebenso wird sichtbar, welche Ideen kontinuierlich Unterstützung gewinnen und bei welchen Ideen sich plötzlich ein starkes Momentum entwickelt. Idea Markets – Plattformen, auf denen Teilnehmende mit virtuellem Geld Anteile an Ideen kaufen und verkaufen – machen solche Prozesse beobachtbar. Spears und Kollegen untersuchten beispielsweise beim „Imagination Market“ von General Electric nicht nur die resultierenden Marktpreise, sondern auch das Verhalten der Teilnehmenden. Dabei zeigte sich unter anderem, dass Ideengeber in erheblichem Umfang in ihre eigenen Ideen investierten und teilweise höhere Preise dafür bezahlten.

Diese Beobachtung ist gleichzeitig faszinierend und problematisch, weil ein Investmentverlauf zwar mehr Informationen als ein Like enthält, diese Informationen aber nicht automatisch erklärt. Ein wiederholtes Investment kann eine besonders starke Überzeugung ausdrücken, es kann aber ebenso durch verfügbares Restbudget, strategisches Verhalten, sichtbare Marktbewegungen oder die Beteiligung an der eigenen Idee entstehen.

Der Haken: Mehr Information bedeutet nicht automatisch bessere Entscheidungen

Bis hierher könnte der Eindruck entstehen, dass begrenzte Budgets klassischen Sternebewertungen grundsätzlich überlegen sein müssten. Blohm, Riedl, Füller und Leimeister verglichen in einem Experiment mit 120 Studierenden ein klassisches Ratingverfahren mit einem sogenannten Preference Market, auf dem die Teilnehmenden mit virtuellem Startkapital auf Ideen setzen konnten. Das Ergebnis war keineswegs ein eindeutiger Sieg des Marktes, denn das einfachere Ratingverfahren wurde als leichter verständlich wahrgenommen und fand über alle Teilnehmenden hinweg die besten Ideen teilweise sogar zuverlässiger.

Entscheidend war dabei die wahrgenommene Einfachheit: Wer das Verfahren leichter fand, traf bessere Einzelentscheidungen. Ein zusätzlicher Trade-off erzeugt also nicht nur neue Informationen, sondern kann die Entscheidung auch erschweren. Menschen müssen den Mechanismus verstehen, Alternativen miteinander vergleichen und entscheiden, wie viel ihrer begrenzten Ressource ihnen eine Alternative wert ist.

Möglicherweise überlegen sie zusätzlich, wie sich andere Teilnehmende verhalten werden, wodurch aus einer einfachen Bewertung eine deutlich anspruchsvollere Entscheidung wird.

Ganz eindeutig ist die Befundlage allerdings nicht. Klein und Garcia ließen Teilnehmende nur eine begrenzte Zahl schlechter Ideen markieren – und damit sortierten sie genauer und schneller aus als mit einem klassischen Rating. Knappheit kann also auch helfen. Umgekehrt fanden Cui und Kollegen, dass schon der Schritt von einer einfachen Punktbewertung zu einer Rangfolge die Auswahl der besten Ideen verschlechtern kann.

4. Diskussion und Einordnung

Menschen bewerten nicht nur, sondern reagieren auf das System

Sobald Ressourcen verteilt werden und Zwischenstände sichtbar sind, entsteht ein weiteres Problem, weil Menschen nicht unabhängig vom Bewertungsmechanismus handeln, sondern auf dessen Signale reagieren.

Wenn eine Idee bereits weit vorne liegt, kann dies weitere Unterstützung auslösen. Liegt die eigene Lieblingsidee dagegen zurück, könnten Teilnehmende ihr verbleibendes Budget bewusst dort konzentrieren, während Ideengeber wiederum ein besonderes Interesse daran haben können, ihre eigenen Vorschläge zu unterstützen. Ein Budget- oder Marktverfahren misst deshalb nicht ausschließlich bestehende Präferenzen, sondern kann diese gleichzeitig beeinflussen. Die Bewertung wird damit zu einem sozialen Prozess, in dem das Verhalten anderer selbst zur Information wird.

Das muss nicht grundsätzlich problematisch sein, weil neue Informationen durchaus zu sinnvollen Neubewertungen führen können. Gleichzeitig können sichtbare Entscheidungen aber auch Herding – also das Mitlaufen mit der Mehrheit – und strategisches Verhalten fördern – Herding ist ein Mechanismus, den wir in Kapitel 6 bereits kennengelernt haben. Wie stark solche Effekte sein können, zeigt ein großes Feldexperiment von Muchnik, Aral und Taylor: Kommentare, die zufällig eine einzige positive Bewertung erhielten, wurden anschließend von anderen Nutzern im Schnitt deutlich besser bewertet als vergleichbare Kommentare ohne diesen Anstoß.

Exkurs: KI als Bewerter

↗ Chance: KI-Empfehlungen können die Vorauswahl großer Ideenmengen verbessern (Lane et al., 2025).

⚠︎ Risiko: Mit ausformulierter Begründung folgen Bewertende der KI deutlich häufiger – auch Fachleute –, und Ungewöhnliches fällt leichter heraus (ebd.). Für Ideengeber wiegt etwas anderes schwerer: Entscheidungen durch Algorithmen im Personalbereich werden als weniger fair erlebt, weil Menschen sich auf Daten reduziert fühlen (Newman et al., 2020). Wer erlebt, dass eine Maschine über seine Idee urteilt, lernt schnell, dass sich das Sprechen nicht lohnt (Kapitel 3).

Folgerung: Menschen urteilen zuerst unabhängig; eine Ablehnung kommt immer von einem Menschen und mit Begründung.

Die Übertragung von Studien zu politischen Präferenzen, Online-Bewertungen und KI-gestützten Entscheidungen auf betriebliche Ideenprozesse ist eine wissenschaftlich begründete Einordnung, kein direkter Nachweis für die Überlegenheit eines bestimmten Verfahrens.

5. Bedeutung für das Ideenmanagement

Die wichtigste Konsequenz ist überraschend einfach, denn Organisationen sollten zunächst klären, welche Frage sie eigentlich beantworten möchten, bevor sie sich für einen Bewertungsmechanismus entscheiden.

Ebenso wichtig ist eine zweite Gestaltungsfrage: Sollen Zwischenstände während der Bewertung sichtbar sein – oder erst am Ende?

Wer zunächst nur Zustimmung erheben möchte, kann mit einfachen Likes oder Ratings arbeiten. Wer Alternativen gegeneinander priorisieren muss, benötigt dagegen eine vergleichende Entscheidung; Rankings oder begrenzte Budgets können dafür zusätzliche Informationen liefern. Bei allen Verfahren sollten die Verständlichkeit, mögliche soziale Beeinflussung und der konkrete Entscheidungszweck berücksichtigt werden.

6. Fazit: Was kostet Zustimmung?

Bewerten Menschen Ideen anders, wenn Unterstützung eine knappe Ressource wird? Die Forschung spricht dafür, allerdings bedeutet anders nicht automatisch besser. Ein begrenztes Budget macht die Intensität von Präferenzen sichtbar, die Likes und Ratings verdecken. Diese zusätzliche Information hat jedoch einen Preis, weil das Verfahren anspruchsvoller wird, strategisches Verhalten ermöglicht und sichtbare Entscheidungen anderer Personen das eigene Urteil beeinflussen können.

Die Forschung liefert deshalb keine einfache Empfehlung, Likes durch virtuelle Budgets oder Märkte zu ersetzen. Für das Unternehmen aus der Einleitung heißt das: Die Sterne zeigen, dass alle zehn Ideen gut ankommen. Welche davon den Mitarbeitenden wirklich wichtig ist, zeigen sie nicht. Welches Verfahren besser geeignet ist, hängt davon ab, welche Frage eine Organisation beantworten möchte.

7. Was daraus folgt

8. Literatur & Quellen