07.07.2026
Neue TUD-Studie: Große Sprachmodelle können helfen, die Gründe für menschliche Entscheidungen aufzudecken
Die Studie eröffnet neue Möglichkeiten, menschliche Entscheidungsprozesse in realistischeren und komplexeren Umgebungen zu untersuchen.
Warum treffen Menschen bestimmte Entscheidungen? Wissenschaftlerinnen und Wissenschaftler des Centers Synergy of Systems (SynoSys) an der Technischen Universität Dresden (TUD), des Max-Planck-Instituts für Bildungsforschung und der Universität Basel präsentieren einen neuen Ansatz zur Beantwortung dieser Frage. In ihrer Studie kombinierten sie Verhaltensexperimente und eigene Beschreibungen der Teilnehmenden, um menschliche Entscheidungsprozesse mit Hilfe von großen Sprachmodellen (Large Language Models, LLM) detaillierter untersuchen zu können. Die Ergebnisse wurden nun in den Proceedings of the National Academy of Sciences (PNAS) veröffentlicht.
„Unser Verständnis des menschlichen Verhaltens, einschließlich der Entscheidungsfindung, lässt sich vertiefen, indem wir Menschen bitten, ihre Denkprozesse näher zu erläutern“, sagt der Erstautor Dr. Kamil Fuławka, Forscher bei SynoSys. „Die systematische Analyse solcher Freitextdaten erfordert jedoch skalierbare und strenge analytische Rahmenbedingungen – ein Unterfangen, das nun durch LLMs unterstützt werden kann.“
Im Experiment nahmen die Teilnehmenden an Glücksspielen teil. Jede ihrer Entscheidungen sollten sie zudem mit eigenen Worten erklären. Die Forschenden glichen diese Erläuterungen zunächst mit bestehenden Theorien und Modellen der Entscheidungsfindung ab. Daraus entwickelten sie eine umfangreiche Liste möglicher Entscheidungsgründe, z. B. sich auf das bestmögliche Ergebnis zu fokussieren oder einen großen Verlust vermeiden zu wollen. Große Sprachmodelle (LLMs) identifizierten, welche dieser Gründe in den Freitext-Erklärungen der Teilnehmenden vorkamen, während die mathematische Modellierung der Entscheidungen der Teilnehmer eine entsprechende Prüfung vollzog.
Die Kombination aus verbalen Berichten, LLMs und strenger mathematischer Modellierung hat eindeutig gezeigt, dass die eigenen Zuschreibungen der Menschen eine wertvolle Datenquelle darstellen. Sie hat zudem gezeigt, dass die Gründe, auf die sich Menschen stützen, nicht feststehen, sondern sich systematisch mit der Struktur des Entscheidungsproblems verschieben.
„Viele wichtige Entscheidungen – von der Finanzplanung über medizinische Entscheidungen bis hin zu sozialen Dilemmata, dem Einsatz von Technologie und der öffentlichen Politik – beinhalten komplexe Abwägungen, die sich nicht allein durch die Beobachtung von Entscheidungen vollständig verstehen lassen“ erläutert Kamil Fuławka und unterstreicht die Bedeutung der Studienergebnisse: „In solchen Kontexten können die eigenen Erklärungen der Menschen besonders wertvoll sein, um aufzudecken, wie sie komplexe Probleme vereinfachen, sich auf bestimmte Informationen konzentrieren und einfache Entscheidungsstrategien anpassungsfähig einsetzen.“
Das in der Studie vorgestellte Rahmenkonzept zeigt zudem, wie LLMs Forschenden helfen können, diese Erklärungen in großem Maßstab zu analysieren, und eröffnet damit neue Möglichkeiten, menschliche Entscheidungsprozesse in realistischeren und komplexeren Umgebungen zu untersuchen.
Über die Studie
Der Artikel „Large language models accurately identify decision reasons in verbal reports“ von Kamil Fuławka, Ralph Hertwig und Dirk U. Wulff wurde am 30. Juni 2026 in den Proceedings of the National Academy of Sciences (PNAS) veröffentlicht. Zum Artikel: https://www.pnas.org/doi/10.1073/pnas.2526798123
Wissenschaftlicher Ansprechpartner
Dr. Kamil Fuławka
Center Synergy of Systems (SynoSys)
Technische Universität Dresden (TUD)
E-Mail: