Sie stehen am Bahnsteig, Ihr Zug nach Hamburg ist überfällig, da knackt der Lautsprecher: “Der Zug wird sich auf unbestimmte Zeit verzögern. Grund dafür ist eine Verzögerung im Betriebsablauf.” Was ist Ihre Reaktion? Und wie fällt sie aus, wenn Sie in genau derselben Situation stattdessen diese Durchsage hören: “Der Zug wird sich voraussichtlich um 20 Minuten verzögern. Grund dafür ist eine bereits abgeschlossene Reparatur an einer Weiche.”
Erfreut werden Sie auch im zweiten Fall wohl nicht sein. Aber deutlich besserer Stimmung als nach der ersten Durchsage. Aber warum? Der Grund dafür ist, dass wir den Grund erfahren und wissen, wie lange es dauert.
Beides hat der damalige Harvard-Professor David Maister schon 1985 in “The Psychology of Waiting Lines” beschrieben: Wartezeiten ungewisser Länge empfinden wir als länger als bekannte, unerklärte Wartezeiten empfinden wir als länger als erklärte. Bei der ersten Durchsage auf dem Bahnsteig fehlt beides: die Angabe der Dauer und der Grund.
Gründe sind für uns Menschen ganz zentral. Kennen wir die Gründe nicht, haben wir kein Vertrauen. Dabei ist ein Scheingrund besser als überhaupt keiner. Das zeigt ein bekanntes Experiment der Sozialpsychologin Ellen Langer und Kollegen von 1978: Eine Person wollte sich in der Schlange am Kopierer vordrängeln, um fünf Seiten zu kopieren. Ohne Begründung ließen sie 60 Prozent der Wartenden vor, mit “weil ich in Eile bin” 94 Prozent. Mit der unsinnigen Begründung “weil ich kopieren muss” waren es 93 Prozent. Bei 20 Seiten sah es aber anders aus: Da reichte der Scheingrund nicht mehr. Mit der echten Begründung stieg hier die Erfolgsquote von 24 auf 42 Prozent.
Bei kleinen Zumutungen reicht also fast jeder Grund, bei großen nur ein nachvollziehbarer. In unserem Bahn-Beispiel ist eine Verspätung auf unbestimmte Zeit eine große Zumutung, und die erste Durchsage speist uns mit einem Scheingrund ab: Der Zug verzögert sich wegen einer Verzögerung.
Die Forschung befasst sich aber nicht nur mit Warteschlangen, sondern schon seit Jahrzehnten auch mit Computern: Schon 1968 forderte der IBM-Forscher Robert B. Miller, Computer sollten uns zurückmelden, dass sie unsere Anfrage erhalten, sie verstanden und mit der Arbeit begonnen haben. Und bei Wartezeiten sollten sie sofort angeben, auf welche Dauer wir uns einstellen müssen.
Ebenfalls 1968 beschrieb der Soziologe Niklas Luhmann in seinem Buch “Vertrauen”, warum Rückmeldungen so wichtig sind: Sie schaffen Vertrauen. Vertrauen ersetzt Information, die uns fehlt. Haben wir kein Vertrauen, müssten wir selbst alles kontrollieren, und das ist im Alltag nicht zu leisten, es überfordert uns. Wir können nicht im Stellwerk nachsehen, und im Rechner genauso wenig. Erfahren wir den Grund, ist das etwas Information, Vertrauen muss den Rest abdecken.
Wir können das auf andere Systeme übertragen, etwa auf die Verwaltung oder den Staat als Ganzes. Wir wollen verstehen, was die Grundsätze sind und wie die aktuelle Situation. Patrick Schnieder sagte als Bundesverkehrsminister, der Zustand der Bahn gehe in eine demokratiegefährdende Richtung. Man dürfe nicht zulassen, dass Menschen das Vertrauen in die Handlungsfähigkeit des Staates verlieren. Die Friedrich-Ebert-Stiftung kam 2025 in einer Studie zu einem ähnlichen Befund: Einzelne Verbesserungen an der Infrastruktur nehmen die Menschen oft gar nicht wahr, Investitionen müssten deshalb nachvollziehbar sein.
Gründe sind grundlegend
Schon als kleine Kinder wollen wir wissen, warum wir etwas tun sollen. Fünfjährige können mit ihrem ständigen “Warum” nervenaufreibend persistent sein. Eine Studie mit Zwei- bis Fünfjährigen zeigte, dass sie nach einer Antwort ohne Erklärung häufiger dieselbe Frage noch einmal stellten. Die Nachfragerei wird mit dem Alter weniger, nicht aber unser Durst nach Begründungen. Daher hat dies auch den Weg in die weit verbreiteten 10 Usability-Heuristiken von Jakob Nielsen und Rolf Molich gefunden:
Nummer 1 ist: Sichtbarkeit des Systemstatus. Salopp heißt das: Wir wollen wissen, was los ist. Das ergänzt Heuristik Nummer 9: Hilfestellung beim Erkennen, Bewerten und Beheben von Fehlern. (Und die Fehlervermeidung ist übrigens Heuristik Nummer 5.)
Wir Menschen vertrauen einem System, wenn wir verstehen, was es gerade tut, und wenn es uns unterstützt, falls einmal etwas nicht nach Plan läuft. Das gilt für die Bahn und erst recht für KI. In eine KI können wir noch weniger hineinsehen als in ein Stellwerk. Und doch übernimmt sie mehr und mehr Aufgaben für uns. Die Zumutungen wachsen mit. In einer Interviewstudie mit UX-Profis war der Hauptgrund für geringes Vertrauen in KI, dass Quellen und Belege fehlten. Wer KI nutzt, steht immer wieder vor denselben Fragen: Stimmt das Ergebnis? Woher kommen die Daten? Was ist, wenn ein Fehler passiert?
Gute Gründe beginnen mit Transparenz
Wie das im Kleinen aussieht, kennen wir von Behörden. Stellen wir einen Antrag, dann erwarten wir eine klare Rückmeldung, dass dieser angekommen ist, und eine Aussage darüber, wie lange wir warten müssen. Dauert es länger als erwartet und erklärt uns eine Mitarbeiterin, warum, haben die meisten Menschen dafür Verständnis.
Sitzt uns aber kein Mensch gegenüber, sondern eine Nutzeroberfläche, dann muss diese den Job übernehmen, Transparenz herzustellen. Und das am besten proaktiv, also nicht erst auf Nachfrage. Denn von selbst fragt kaum jemand nach: In einer Studie zur KI-Nutzung fragte niemand die KI nach Hintergründen oder Belegen. Etwa die Hälfte prüfte aber, ob die KI die Quellen richtig wiedergab. Ob die Quellen selbst sinnvoll und glaubwürdig waren, hinterfragte kaum jemand.
Das erinnert an die Warteschlange vor dem Kopierer: Steht wenig auf dem Spiel, genügt offenbar, dass es Quellen gibt. In einem Experiment des Leibniz-Instituts für Medienforschung mit gut 1.400 Teilnehmenden steigerten Quellenangaben und Aufforderungen zum Prüfen nicht die Bereitschaft der Menschen, eine Antwort tatsächlich nachzuprüfen. Wirkten die Quellen glaubwürdig, sank die Prüfbereitschaft sogar. Die Quelle ersetzt damit die eigene Prüfung, so wie der Grund in der Bahn-Durchsage den eigenen Blick ins Stellwerk.
Was aber keinesfalls heißen soll, dass wir einfach nur Scheingründe liefern sollten. Abgesehen davon, dass das unethisch wäre, birgt es die Gefahr, dass doch mal jemand nachprüft, und dann ist das Vertrauen dauerhaft zerstört. Am besten ist es, die Quellenangabe so zu liefern, dass ein erstes Nachprüfen direkt möglich ist, ohne Interaktion – etwa dadurch, dass der Kontext eines Zitats direkt mit angegeben wird.
Und wenn es doch hakt?
Transparenz zählt vor allem dann, wenn etwas schiefgelaufen ist. Eine klare Fehlermeldung liefert Gründe, vor allem aber hilft sie, den Fehler zu beheben. Das ist Nielsens Heuristik Nummer 9. Auf dem Bahnsteig wäre das der Zusatz: „Reisende in Richtung Hamburg nehmen bitte den nächsten ICE aus Gleis 3, Abfahrt in 10 Minuten.“ Am Computer heißt das, wir bekommen Tipps, was wir tun müssen, um den Fehler zu beheben. In unserer Sprache, bei Bedarf mit Link zu Details.
Auch auf die Formulierung kommt es an: Microsoft Research ließ 2024 über 400 Personen medizinische Fragen mit einer KI beantworten. Begann die KI mit „Ich bin mir nicht sicher, aber …“, vertrauten die Teilnehmenden ihr weniger und übernahmen seltener ihre Antworten. Die unpersönliche Formulierung dagegen „Es ist unklar, aber …“ wirkte schwächer und führte nicht dazu, dass die Menschen skeptisch wurden.
Drei Fragen an Ihr Interface
Gestalten Sie Nutzeroberflächen, dann prüfen Sie, ob Ihr System bzw. Ihre KI Folgendes leistet:
- Nennt jede Meldung Grund und Dauer, oder nennt sie nur eine „Verzögerung im Betriebsablauf“?
- Passt die Detailtiefe des angegebenen Grundes zur Größe der Zumutung? Geht eigene Arbeit verloren oder Geld, dann reicht „Ein Fehler ist aufgetreten“ nicht.
- Sieht man Beleg bzw. Quelle, ohne Interaktion, und passt der Inhalt, wenn jemand nachprüft?
Ob Bahn-App, Bürgerportal oder Webshop: Die Nutzeroberfläche ist fast immer das Einzige, was wir von einem System zu Gesicht bekommen. Was dahinter passiert, müssen wir glauben. Wir alle, die wir solche Anwendungen gestalten, entscheiden mit darüber, wie viel Vertrauen Menschen dem System schenken.
Empfehlenswerte Links
Vertrauen. Ein Mechanismus der Reduktion sozialer Komplexität Niklas Luhmanns Klassiker von 1968, in dem Vertrauen fehlende Information ersetzt, mit einem eigenen Kapitel zum Systemvertrauen.
The Psychology of Waiting Lines David Maisters Artikel von 1985, mit seinen acht Thesen, warum sich manche Wartezeiten länger anfühlen als andere. Die meisten lassen sich direkt auf Ladezeiten und Statusmeldungen übertragen.
Don Norman: The Psychology of Waiting Lines Don Norman hat Maister 2008 aktualisiert und um Beispiele ergänzt.
The Mindlessness of Ostensibly Thoughtful Action Die Kopierer-Warteschlangen-Studie von Ellen Langer und Kollegen aus dem Jahr 1978.
Response Time in Man-Computer Conversational Transactions Robert B. Miller von IBM erklärt schon 1968, welche Rückmeldung ein Mensch am Großrechner wann braucht. Erstaunlich aktuell und zeitlos.
Preschoolers‘ Search for Explanatory Information Within Adult-Child Conversation Studie zu den Warum-Fragen von Kindern: Ohne überzeugende Erklärung fragen sie einfach weiter.
10 Usability Heuristics for User Interface Design Die Heuristiken von Jakob Nielsen.
UXer-AI Collaboration Process for Enhancing Trust In dieser Interviewstudie nennen UX-Profis fehlende Quellen und Belege als Hauptgrund für geringes Vertrauen in KI.
Ungleiches Deutschland Studie der Friedrich-Ebert-Stiftung zum Zusammenhang zwischen öffentlicher Infrastruktur und Zufriedenheit mit der Demokratie.
When the source is a bot: How people adapt their evaluation strategies to assess AI-generated content Studie mit 30 Menschen, wie sie Informationen von Google und von einem KI-Chat prüfen.
Determinants of Verification Behavior in Generative Search Experiment mit über 1.400 Teilnehmenden, das zeigt: Quellenangaben machen nicht prüfbereiter, glaubwürdig wirkende Quellen senken die Prüfbereitschaft.
„I’m Not Sure, But…“: Examining the Impact of Large Language Models‘ Uncertainty Expression on User Reliance and Trust Gibt eine KI in der Ich-Form Unsicherheit zu, dann werden Menschen eher skeptisch.
