Bezahlt für das, was man gern tut: Self-Determination Theory und der Verdrängungseffekt von Anreizen

Der Aufhänger: Die Pause, in der niemand zusah

Stellen Sie sich einen schmucklosen Laborraum vor, Ende der 1960er Jahre. Auf dem Tisch liegen SOMA-Puzzles – sieben kantige Holzteile, aus denen man dreidimensionale Figuren nachbauen soll, die auf Karten abgebildet sind. Es ist eine dieser Aufgaben, die Menschen aus sich heraus interessant finden: Man probiert, man scheitert, man dreht ein Teil um, es passt, und man will das nächste.

Ein Versuchsleiter gibt die Aufgabe, lässt die Person arbeiten und verlässt dann unter einem Vorwand für acht Minuten den Raum. Auf dem Tisch liegen weiter die Puzzles. Daneben liegen aber auch Zeitschriften – Time, The New Yorker, Playboy. Die Versuchsperson ist allein, niemand erwartet etwas von ihr, sie darf tun, was sie will.

Sie wird beobachtet. Durch einen Einwegspiegel wird mit einer Stoppuhr gemessen, wie viele der 480 Sekunden sie freiwillig mit den Puzzles verbringt. Diese Zahl ist die ganze Messung. Sie heißt in der Fachliteratur free-choice measure, und sie ist der Versuch, etwas zu operationalisieren, das sich nicht durch Fragen erfassen lässt, weil Menschen bei Fragen höflich sind: die Bereitschaft, eine Tätigkeit ohne jeden äußeren Grund fortzusetzen.

Edward Deci fügte ein Element hinzu. Eine Gruppe bekam in der mittleren von drei Sitzungen für jedes gelöste Puzzle einen Dollar. In der dritten Sitzung wurde erklärt, das Budget sei erschöpft, es gebe kein Geld mehr. Dann kam wieder die Pause mit dem Einwegspiegel.

Die Gruppe, die zwischenzeitlich bezahlt worden war, verbrachte in dieser letzten freien Pause deutlich weniger Zeit mit den Puzzles als zuvor. Die Kontrollgruppe, die nie Geld gesehen hatte, fiel weniger stark ab.

Das ist, in seiner ganzen Schlichtheit, der Befund, der eine der längsten und erbittertsten Auseinandersetzungen der Motivationspsychologie ausgelöst hat. Geld für eine Tätigkeit, die man ohnehin gern tut, kann die Lust daran beschädigen. Nicht erhöhen, nicht neutral lassen – beschädigen.

Fünf Jahrzehnte später ist die Lage komplizierter und interessanter, als es sowohl die populäre Version („Bonuszahlungen zerstören Motivation") als auch die ökonomische Gegenposition („mehr Anreiz, mehr Leistung") behaupten. Decis Originalexperiment war, wie seine eigenen intellektuellen Erben heute offen schreiben, statistisch unterbesetzt und sein Haupteffekt nur marginal signifikant. Eine Meta-Analyse von 1994 erklärte den Effekt für vernachlässigbar. Eine Meta-Analyse von 1999 erklärte die Meta-Analyse von 1994 für methodisch fehlerhaft und fand den Effekt in beachtlicher Größe. Eine Meta-Analyse von 2014 über mehr als 200.000 Personen zeigte dann, dass die eigentliche Frage falsch gestellt war – und dass die Antwort davon abhängt, ob man Menge oder Güte einer Arbeitsleistung meint.

Dieser Artikel geht den Weg von dem Laborraum mit dem Einwegspiegel bis zu der Frage, wie man ein Bonussystem, ein OKR-Set oder ein Review-Verfahren so baut, dass es nicht genau das kaputtmacht, was es fördern soll.

Teil 1: Was 1971 wirklich gezeigt wurde – und was nicht

Die drei Experimente

Decis Arbeit von 1971 (Journal of Personality and Social Psychology, 18(1), 105–115) besteht aus drei Untersuchungen, die man sauber auseinanderhalten muss, weil sie unterschiedlich belastbar sind.

Experiment 1 – das Labor. 24 Personen, verteilt auf zwei Gruppen, drei Sitzungen im Abstand von mindestens einem Tag. Sitzung 1 war Baseline ohne jede Erwähnung von Belohnung, mit der achtminütigen freien Pause als Ausgangsmessung. In Sitzung 2 erhielt die Experimentalgruppe einen Dollar pro gelöstem Puzzle, die Kontrollgruppe nichts. In Sitzung 3 bekam niemand Geld, mit der Begründung, die Mittel hätten nur für eine Sitzung gereicht. Abhängige Variable: Sekunden freiwilliger Puzzle-Beschäftigung, Sitzung 1 gegen Sitzung 3.

Das Ergebnis ging in die erwartete Richtung – die bezahlte Gruppe fiel ab – war aber nur marginal signifikant. Zwölf Personen pro Gruppe sind nach heutigen Maßstäben für einen mittleren Effekt hoffnungslos unterbesetzt. Es ist bemerkenswert und spricht für die Disziplin, dass diese Einschätzung nicht von Kritikern kommt, sondern aus einer Rückschau von Richard Ryan und Kollegen, also aus dem Zentrum derselben Forschungstradition.

Experiment 2 – das Feld. Dieses Experiment ist das unterschätzte. Deci beobachtete zwei Vierer-Teams einer Studierendenzeitung, die Schlagzeilen schrieben und nicht-überlappende Dienstpläne hatten. Vier Wochen Normalbetrieb als Baseline. Dann erhielt ein Team drei Wochen lang 50 Cent pro Schlagzeile, das andere nichts. Danach wurde die Bezahlung eingestellt und beide Teams drei weitere Wochen beobachtet, mit einem Nachlauf in den ersten zwei Wochen des Folgesemesters. Gemessen wurde verdeckt die Zeit pro Schlagzeile – und die Zahl der Fehltage.

Das unbezahlte Team wurde über die Wochen kontinuierlich schneller, wie man es bei einer eingeübten Tätigkeit erwartet. Das zuvor bezahlte Team zeigte nach Ende der Bezahlung kaum noch Effizienzgewinne und einen Trend zu mehr Abwesenheit. Hier geht es nicht um eine Laborpause, sondern um echte Arbeit über Monate – und der Effekt zeigt sich nicht als Zusammenbruch, sondern als ausbleibende Weiterentwicklung. Das ist ein Muster, das jedem bekannt vorkommen dürfte, der Teams über längere Zeiträume beobachtet.

Experiment 3 – das Lob. Fast identisch zu Experiment 1, aber statt Geld gab es verbale Belohnung: Rückmeldungen wie „Sie haben das sehr gut gelöst, viele Teilnehmer schaffen das nicht." Ergebnis: Lob untergrub die intrinsische Motivation nicht. Die Kontrollgruppe fiel über die Sitzungen ab, die gelobte Gruppe hielt ihr Niveau.

Dieses dritte Experiment ist der wichtigste und am häufigsten übersehene Teil der Arbeit. Es zeigt, dass es nicht um „Belohnung" als Kategorie geht. Geld und Lob sind beides Belohnungen, und sie wirken gegensätzlich. Wer aus Decis Arbeit „Belohnungen schaden" liest, hat ein Drittel der Arbeit überlesen.

Die Qualität der Evidenz

Ich halte es für wichtig, diesen Punkt nicht zu überspringen, weil er den Rest des Artikels erst sauber einordnet: Decis Arbeit von 1971 ist ein Anfang, keine Beweisführung. Drei kleine Studien, eine davon marginal signifikant, eine mit acht Personen insgesamt, eine mit nicht einmal berichteter Stichprobengröße und möglichen Teilgruppenunterschieden zwischen Kunst- und Technikstudierenden. Wäre dies der einzige Befund, wäre der korrekte Umgang damit: interessante Hypothese, bitte replizieren.

Genau das ist dann über fünf Jahrzehnte geschehen, mit mehr als hundert Experimenten. Deshalb lohnt sich die Geschichte – nicht weil die Ursprungsstudie stark war, sondern weil sie eine schwache Studie war, deren Befund hielt. Das ist der umgekehrte Fall zu Lehrbuchklassikern, deren Ursprungsstudie stark aussah und deren Befund nicht hielt; wie dieser Unterschied zustande kommt, zeigt Der Gipfel der Ahnungslosigkeit: Warum der berühmteste Effekt der Psychologie vielleicht nur ein statistisches Trugbild ist am Gegenbeispiel.

Teil 2: Die Zeichenstudie – wie der Effekt seinen Namen bekam

Das Design

Zwei Jahre nach Deci erschien die Studie, die den Effekt in das kollektive Gedächtnis brachte: Mark Lepper, David Greene und Richard Nisbett, Undermining children's intrinsic interest with extrinsic reward: A test of the „overjustification" hypothesis (Journal of Personality and Social Psychology, 28(1), 129–137).

Der Aufbau ist von vorbildlicher Klarheit. An der Bing Nursery School auf dem Campus der Stanford University wurden Vorschulkinder im Alter von 40 bis 64 Monaten zunächst unbeobachtet in ihrer gewohnten Umgebung beobachtet: Wie viel ihrer freien Spielzeit verbrachten sie von sich aus mit Filzstiften und Papier? Dieser Wert ist die Baseline, und er ist entscheidend – gemessen wird nicht Zeichnen an sich, sondern Veränderung des freiwilligen Zeichnens.

Kinder mit erkennbarem Ausgangsinteresse wurden anschließend einzeln in einen anderen Raum geholt und in drei Bedingungen aufgeteilt (55 Kinder in den Sitzungen, 51 in der Auswertung):

• Erwartete Belohnung: Die Kinder stimmten zu, zu zeichnen, um eine Auszeichnung zu bekommen.
• Unerwartete Belohnung: Die Kinder zeichneten ohne Wissen über eine Belohnung und erhielten sie danach.
• Keine Belohnung: Die Kinder zeichneten, es gab keine Auszeichnung, weder angekündigt noch gegeben.

Die Belohnung war der „Good Player Award": eine farbige Karte im Format 3 × 5 Zoll mit Feldern für Name und Schule, einem großen goldenen Stern und einem roten Band. Kein Geld, kein Spielzeug – ein Stück Pappe mit Stern.

Sieben bis vierzehn Tage später wurde in den Klassenräumen wieder beobachtet, über maximal vier aufeinanderfolgende Schultage.

Das Ergebnis

Anteil der freien Spielzeit, der mit den Zeichenmaterialien verbracht wurde:

Die Gruppe mit erwarteter Belohnung zeichnete in der freien Spielzeit etwa halb so viel wie die beiden anderen Gruppen. Der geplante Kontrast erwartete Belohnung gegen die übrigen Bedingungen war signifikant, F(1, 48) = 6,19, p < 0,025; die Einzelvergleiche ebenfalls (erwartet gegen unerwartet: t = 2,32; erwartet gegen keine Belohnung: t = 2,05; jeweils p < 0,025). Innerhalb der Gruppen fiel nur die Gruppe mit erwarteter Belohnung gegenüber der eigenen Baseline signifikant ab (t = 2,61, p < 0,02); die beiden anderen veränderten sich nicht nennenswert. Weil sich die Varianzen deutlich unterschieden (Fmax = 5,39, p < 0,01), wurde logarithmiert gerechnet – ein Detail, das zeigt, dass hier nicht naiv gemittelt wurde.

Fast nebenbei berichtet die Arbeit noch einen zweiten Befund, der mir in der populären Darstellung regelmäßig fehlt: Die Qualität der während der Sitzung angefertigten Zeichnungen war in der Bedingung mit erwarteter Belohnung schlechter (Mittelwert 2,18) als bei unerwarteter Belohnung (2,85; t = 3,01, p < 0,01) und ohne Belohnung (2,69; t = 2,08, p < 0,05). Die Kinder, die für das Zeichnen eine Auszeichnung erwarteten, zeichneten also nicht nur später weniger freiwillig – sie zeichneten schon währenddessen schlechter. Dieser Nebenbefund nimmt vorweg, was vierzig Jahre später meta-analytisch zum Hauptbefund wird.

Warum „Overjustification"

Der Name der Hypothese stammt aus der Attributionstheorie und ist präziser, als die deutsche Übersetzung „übermäßige Rechtfertigung" vermuten lässt. Die Idee: Menschen – auch vierjährige – erklären sich ihr eigenes Verhalten, indem sie die plausibelste verfügbare Ursache heranziehen. Wer malt, weil er malen will, schreibt sich das Interesse zu. Wer malt und dafür eine Urkunde mit Goldstern bekommt, hat plötzlich zwei Begründungen, und die äußere ist die auffälligere. Der innere Grund wird abgewertet, weil er nicht mehr gebraucht wird, um das Verhalten zu erklären. Fällt die Urkunde später weg, fehlt die Begründung, die inzwischen die tragende war.

Das ist eine kognitive, keine behavioristische Erklärung, und genau darin lag der Sprengstoff. In der Lerntheorie der Zeit war Verstärkung definitionsgemäß etwas, das Verhalten erhöht. Hier war ein Befund, in dem Verstärkung Verhalten dauerhaft senkte. Dass die Erklärung über die Selbstzuschreibung läuft und nicht über die Verstärkung selbst, verbindet den Befund eng mit Der Preis der Rechtfertigung: Kognitive Dissonanz von Festinger zur Neurowissenschaft: Auch dort geht es darum, dass Menschen ihre Einstellungen an die Erklärungen anpassen, die ihnen für ihr eigenes Verhalten zur Verfügung stehen.

Teil 3: Die Theorie – zwei Gesichter jeder Belohnung

Cognitive Evaluation Theory

Aus den Einzelbefunden wurde eine Theorie, die den Namen Cognitive Evaluation Theory (CET) trägt und heute als Teiltheorie der umfassenderen Self-Determination Theory (SDT) geführt wird. Ihr Kern ist eine Behauptung über Bedürfnisse: Intrinsische Motivation ruht auf den psychologischen Grundbedürfnissen nach Autonomie (das Erleben, Urheber des eigenen Handelns zu sein) und Kompetenz (das Erleben, wirksam zu sein). Ereignisse, die diese Bedürfnisse befriedigen, erhöhen intrinsische Motivation; Ereignisse, die sie durchkreuzen, senken sie.

Der entscheidende theoretische Schritt ist die Unterscheidung zweier Aspekte, die jede Belohnung gleichzeitig hat:

• Der kontrollierende Aspekt: Eine Belohnung kann als Steuerung des eigenen Verhaltens erlebt werden. Dann wird Autonomie durchkreuzt, und intrinsische Motivation sinkt.
• Der informierende Aspekt: Eine Belohnung kann Kompetenz signalisieren – sie sagt, dass man etwas gut gemacht hat. Dann wird das Kompetenzbedürfnis befriedigt, und intrinsische Motivation kann steigen.

Jede Belohnung hat beide Aspekte. Welcher dominiert, hängt von der Ausgestaltung und – das wird in der Theorie ausdrücklich betont – vom interpersonalen Stil der Vergabe ab. Dieselbe Prämie kann Anerkennung oder Dressur sein, je nachdem, wie sie angekündigt, begründet und überreicht wird.

Damit erklärt die Theorie den scheinbaren Widerspruch in Decis eigenen Daten. Geld pro gelöstem Puzzle ist überwiegend kontrollierend: Es macht die Puzzles zum Mittel. Lob für eine gelungene Lösung ist überwiegend informierend: Es sagt etwas über die eigene Fähigkeit und steuert nichts. Beide sind Belohnungen; sie treffen unterschiedliche Bedürfnisse.

Die drei Bedürfnisse und der Übergang zur SDT

Die umfassendere Self-Determination Theory ergänzt ein drittes Grundbedürfnis, Verbundenheit (relatedness), und ersetzt die Zweiteilung „intrinsisch gegen extrinsisch" durch ein Kontinuum der Regulationsqualität: von externaler Regulation (ich tue es, weil jemand es verlangt) über introjizierte Regulation (ich tue es, weil ich mich sonst schlecht fühle) und identifizierte Regulation (ich tue es, weil ich es für wichtig halte) bis zu intrinsischer Motivation (ich tue es, weil die Tätigkeit selbst mich trägt).

Diese Verfeinerung ist praktisch folgenreich. Die meiste Arbeit, die wir tun, ist nicht intrinsisch motiviert und wird es nie sein. Eine Zugriffsmatrix zu dokumentieren ist für fast niemanden eine Tätigkeit, die er in einer freien Pause mit Einwegspiegel aufsuchen würde. Die relevante Frage ist deshalb selten „intrinsisch oder nicht", sondern: Wird die Tätigkeit identifiziert reguliert, weil die Person versteht und akzeptiert, wozu sie dient – oder external, weil sonst jemand meckert? Der Unterschied zwischen diesen beiden ist in der Praxis größer als der Unterschied zwischen identifizierter und intrinsischer Regulation.

Es ist dieselbe Struktur, die in Psychologische Sicherheit: Die verborgene Kraft hinter leistungsstarken Teams auf der Teamebene beschrieben wird: nicht Zufriedenheit als Ziel, sondern eine Bedingung, unter der bestimmte Verhaltensweisen überhaupt möglich werden.

Teil 4: Der Streit – wie zwei Meta-Analysen zu entgegengesetzten Schlüssen kamen

1994: Der Effekt sei vernachlässigbar

1994 veröffentlichten Judy Cameron und W. David Pierce in der Review of Educational Research eine Meta-Analyse unter dem Titel Reinforcement, Reward, and Intrinsic Motivation: A Meta-Analysis (64(3), 363–423). Ihr Fazit: Der Undermining-Effekt sei minimal, empirisch kaum belastbar und für die Bildungspraxis bedeutungslos. Sie gingen weiter und empfahlen, die Cognitive Evaluation Theory aufzugeben.

Das war keine Randbemerkung. Die Review of Educational Research ist ein hochrangiges Übersichtsjournal, und die Botschaft war in der Bildungspolitik anschlussfähig: Belohnungssysteme in Schulen seien unbedenklich.

1999: Die Gegen-Meta-Analyse

Fünf Jahre später legten Edward Deci, Richard Koestner und Richard Ryan nach: A Meta-Analytic Review of Experiments Examining the Effects of Extrinsic Rewards on Intrinsic Motivation (Psychological Bulletin, 125(6), 627–668). Einbezogen wurden 128 Studien aus 94 veröffentlichten Artikeln und 19 unveröffentlichten Dissertationen – letztere bewusst, um Publikationsverzerrung zu begrenzen. 101 Studien nutzten ein Verhaltensmaß der freien Wahl, 84 ein Selbstbericht-Maß für Interesse und Freude.

Die zentralen Effektstärken (Cohens d; negative Werte bedeuten Untergrabung):

Drei Dinge sind an dieser Tabelle bemerkenswert.

Erstens bestätigt sie die theoretische Vorhersage im Detail, nicht nur im Vorzeichen. Materielle, erwartete Belohnungen untergraben. Verbale Rückmeldung verstärkt – und zwar in ähnlicher Größe, nur mit umgekehrtem Vorzeichen. Wer die Zeile „alle Belohnungen" als Gesamtbefund liest, mittelt zwei gegenläufige Effekte zu einem gedämpften Rest. Genau diese Vermischung war der methodische Hauptvorwurf an die Analyse von 1994.

Zweitens ist die Abstufung der Kontingenzen aufschlussreich. Beschäftigungsabhängige Belohnung („du bekommst Geld dafür, dass du das tust") untergräbt am stärksten (−0,40), leistungsabhängige am wenigsten (−0,28). Das passt zur Theorie: Nur die leistungsabhängige Belohnung enthält überhaupt eine Information über Kompetenz; sie hat also einen informierenden Anteil, der dem kontrollierenden entgegenwirkt. Untergraben tut sie trotzdem.

Drittens – und das wird selten diskutiert – klaffen Verhaltensmaß und Selbstbericht erheblich auseinander. Beim selbstberichteten Interesse liegen die Effekte materieller Belohnungen bei −0,07 bis −0,17, also nahe Null. Die Untergrabung zeigt sich im Verhalten, wenn niemand zusieht, deutlich stärker als in der Auskunft darüber. Ich bin der Meinung, dass dies die praktisch wichtigste Einzelzahl der ganzen Tabelle ist: Ein Anreizsystem, das intrinsische Motivation beschädigt, wird in einer Mitarbeiterbefragung mit hoher Wahrscheinlichkeit nicht auffallen.

Zusätzlich fand die Analyse einen Alterseffekt: Materielle Belohnungen waren für Kinder tendenziell schädlicher als für Studierende, und verbale Belohnungen für Kinder weniger wirksam – der Effekt in der freien Wahl betrug bei Kindern d = 0,11 (nicht signifikant) gegenüber d = 0,43 bei Studierenden.

2001: Die Replik

Deci, Koestner und Ryan fassten den Streit 2001 in derselben Zeitschrift zusammen, in der Cameron und Pierce publiziert hatten: Extrinsic Rewards and Intrinsic Motivation in Education: Reconsidered Once Again (Review of Educational Research, 71(1), 1–27). Ihre Argumentation hat drei Stränge: Die Analyse von 1994 sei methodisch erheblich fehlerhaft gewesen, materielle Belohnungen hätten einen substanziellen untergrabenden Effekt, und die Evidenz stütze gerade jene Cognitive Evaluation Theory, deren Aufgabe empfohlen worden war.

Was man aus diesem Streit lernen kann, ist unabhängig davon, wem man im Ergebnis folgt: Zwei Meta-Analysen über überlappende Literatur können zu entgegengesetzten Schlüssen kommen, wenn sie unterschiedlich aggregieren. Eine Meta-Analyse ist keine neutrale Zusammenzählung. Jede Entscheidung darüber, welche Studien in welchen Topf gehören, ist eine inhaltliche Entscheidung – und sie entscheidet mit über das Ergebnis. Wer materielle und verbale Belohnungen in einen Topf wirft, erhält Null; wer sie trennt, erhält zwei gegenläufige Effekte von jeweils respektabler Größe. Die Zahl ist in beiden Fällen korrekt berechnet.

Teil 5: Die Wende – die Frage war falsch gestellt

183 Stichproben, 212.468 Personen

2014 erschien die Arbeit, die ich für den eigentlichen Fortschritt halte: Christopher Cerasoli, Jessica Nicklin und Michael Ford, Intrinsic Motivation and Extrinsic Incentives Jointly Predict Performance: A 40-Year Meta-Analysis (Psychological Bulletin, 140(4), 980–1008). 183 unabhängige Stichproben, N = 212.468, aus 154 Quellen (28 davon unveröffentlicht), über Schule, Arbeit und körperliche Leistung hinweg.

Der Ausgangspunkt der Autoren ist eine Provokation: Die Debatte über den Undermining-Effekt sei zu einer Ablenkung geworden. Sie habe vierzig Jahre damit verbracht zu klären, ob Anreize intrinsische Motivation senken, und darüber die naheliegendere Frage vernachlässigt – wie stark intrinsische Motivation eigentlich Leistung vorhersagt und in welchem Verhältnis sie dabei zu Anreizen steht.

Der Gesamtbefund: Intrinsische Motivation sagt Leistung mit einer korrigierten Populationskorrelation von \(\rho\) = 0,26 vorher (80-%-Kredibilitätsintervall 0,16 bis 0,36). Das ist, über eine so große und heterogene Datenbasis, ein substanzieller Zusammenhang.

Die entscheidende Aufspaltung: Güte gegen Menge

Dann kommt die Unterscheidung, die alles verändert. Die Autoren trennen Qualitäts- von Quantitätsleistung:

Noch deutlicher wird es in der meta-analytischen Regression, in der intrinsische Motivation und Anreize gemeinsam als Prädiktoren eingehen:

Lesen Sie die letzte Zeile zweimal. Bei Qualitätsleistung trägt intrinsische Motivation mit \(\beta\) = 0,35 – und Anreize mit \(\beta\) = 0,06, also praktisch nichts. Bei Mengenleistung ist das Verhältnis umgekehrt: Anreize 0,33, intrinsische Motivation 0,24.

Das ist die sauberste empirische Fassung einer Intuition, die in der Praxis jeder kennt: Man kann Menschen dafür bezahlen, mehr zu tun. Man kann sie nur sehr begrenzt dafür bezahlen, es besser zu tun. Wer Tickets zählt, bekommt Tickets. Wer Codequalität will, braucht Menschen, die Codequalität wollen.

Das Verdrängungsmuster

Der dritte große Befund betrifft die Frage, wie sich Anreize und intrinsische Motivation gegenseitig beeinflussen. Die Autoren unterscheiden, ob Anreize direkt oder indirekt an die Leistung gekoppelt sind:

Wo Anreize direkt und sichtbar an die Leistung gebunden sind, wird intrinsische Motivation als Prädiktor schwächer. Die Autoren nennen das ausdrücklich ein „crowding out" – ein Verdrängen. Das ist nicht derselbe Befund wie der Undermining-Effekt (dort sinkt die Motivation selbst, hier sinkt ihre Vorhersagekraft), aber es ist dasselbe Phänomen von einer anderen Seite betrachtet: Wo der äußere Anreiz das Verhalten steuert, trägt der innere Antrieb weniger zum Ergebnis bei.

Zu beachten ist die Fallzahl: k = 8 Stichproben für die indirekte Kopplung ist dünn. Ich bin der Meinung, dass dieser spezielle Vergleich als starker Hinweis, nicht als gesicherter Befund zu lesen ist – er ist die am schwächsten belegte Zahl in diesem Artikel.

Die Bedürfnisse am Arbeitsplatz

Ergänzend lohnt der Blick auf Anja Van den Broeck, D. Lance Ferris, Chu-Hsiang Chang und Christopher Rosen, A Review of Self-Determination Theory's Basic Psychological Needs at Work (Journal of Management, 42(5), 1195–1229), eine Meta-Analyse über 99 Studien mit 119 Stichproben. Korrigierte Korrelationen, Auszug:

Zwei Dinge fallen auf. Kompetenz ist der stärkste Prädiktor reiner Aufgabenleistung (0,40) – Menschen, die sich als wirksam erleben, leisten mehr. Autonomie dominiert dort, wo es um Erleben und Verbleiben geht: Arbeitszufriedenheit 0,69, Burnout −0,60, Kündigungsabsicht −0,38. Kompetenz allein hält niemanden im Unternehmen (−0,07).

Die Autoren sind dabei fair gegenüber ihrer eigenen Theorie: Die drei Bedürfnisse erklärten nur wenig Varianz in externaler und introjizierter Motivation, was sie ausdrücklich als Herausforderung für die SDT benennen. Ihr Gesamturteil lautet, die Bedürfnisse erfüllten die Kriterien für psychologische Grundbedürfnisse „größtenteils" – mit Einschränkungen.

Teil 6: Was die Evidenz nicht sagt

Sechs Einschränkungen, die man mitdenken sollte, bevor man aus diesem Material eine Entscheidung ableitet.

1. Es geht um Tätigkeiten mit Ausgangsinteresse. Der Undermining-Effekt setzt voraus, dass intrinsische Motivation vorhanden ist, die untergraben werden kann. Lepper und Kollegen wählten ausdrücklich Kinder mit erkennbarem Zeicheninteresse aus. Für eine Tätigkeit, die niemand freiwillig tut, gibt es nichts zu verdrängen – hier sind Anreize nicht schädlich, sondern die einzige verfügbare Mechanik.

2. Die Effektstärken sind mittel, nicht dramatisch. d = −0,34 für materielle Belohnungen ist ein mittlerer Effekt. Er bedeutet nicht, dass Bezahlung Motivation „zerstört". Die populäre Rezeption – vor allem in der Managementliteratur – hat aus mittleren Effekten regelmäßig Katastrophenszenarien gemacht.

3. Korrelation bleibt Korrelation. Cerasoli et al. und Van den Broeck et al. sind Meta-Analysen überwiegend korrelativer Studien. Dass intrinsische Motivation mit Qualitätsleistung bei \(\rho\) = 0,35 zusammenhängt, lässt offen, wie viel davon Kausalität in welcher Richtung ist. Plausibel ist auch der umgekehrte Weg: Wer gute Arbeit abliefert, erlebt Kompetenz und entwickelt dadurch mehr Interesse.

4. Das Verhaltensmaß ist angreifbar. Die freie Wahl in einer Laborpause ist eine kurze, künstliche Situation. Die Interpretation „weniger Zeit mit dem Puzzle = weniger intrinsische Motivation" ist naheliegend, aber nicht zwingend; eine Person könnte auch einfach schließen, dass die Aufgabe abgeschlossen ist.

5. Das Timing ist noch nicht geklärt. Eine neuere experimentelle Serie von Yuxia Liu und Kollegen (Frontiers in Psychology, 13, 853879) berichtet, dass unmittelbar gegebene externe Belohnungen intrinsische Motivation eher stützen als verzögerte. Es sind vier kleine Experimente mit insgesamt 347 ausgewerteten Personen, einzelne Effekte knapp signifikant (etwa t(56) = 2,018, p = 0,048, d = 0,54), ohne gepoolte Effektstärke. Ich bin der Meinung, dass dies ein ernstzunehmender Hinweis auf eine unterschätzte Moderatorvariable ist, aber noch keine Grundlage für Entscheidungen.

6. Die Alterseffekte sind unbequem. Materielle Belohnungen schaden Kindern stärker, verbales Lob hilft ihnen weniger (d = 0,11, nicht signifikant, gegen d = 0,43 bei Studierenden). Wer Erkenntnisse aus Studierendenstichproben auf Schulen überträgt – oder umgekehrt –, überträgt zu viel.

Teil 7: Übertragung – Anreize in Software und Organisation

Die Befundlage lässt sich zu einem Entscheidungsraster verdichten, das man an eigene Systeme anlegen kann.

Vier Übertragungen, die mir besonders tragfähig erscheinen:

Kennzahlen als Anreiz koppeln Menge, nicht Güte. Die Regressionszeile „Qualität: Anreize \(\beta\) = 0,06" ist die empirische Grundlage für etwas, das in der Softwareentwicklung folkloristisch bekannt ist: Was man misst und belohnt, bekommt man – in der Menge. Story Points, geschlossene Tickets, Deployment-Zahlen, Testabdeckung in Prozent. Jede dieser Größen lässt sich steigern, ohne dass das Produkt besser wird. Dass gemittelte Kennzahlen das Wesentliche systematisch verdecken können, ist in Der lange Schwanz der Latenz: Tail Latency und warum Mittelwerte in der Cloud lügen für den technischen Fall beschrieben; hier kommt hinzu, dass die Kennzahl das Verhalten nicht nur falsch abbildet, sondern es verändert.

Code Review ist der Ort mit dem besten Verhältnis. Begründete, kompetenzbezogene Rückmeldung ist die einzige Belohnungsform in der Tabelle mit einem robusten positiven Effekt in beiden Maßen (+0,33 / +0,31). Ein Review, das erklärt, warum eine Lösung gut ist, ist damit kein Nettigkeits-Overhead, sondern die wirksamste verfügbare Intervention – und sie kostet nichts außer Aufmerksamkeit. Dass dieselbe Rückmeldung nur dann ankommt, wenn das Umfeld sie zulässt, ist der Zusammenhang zu Psychologische Sicherheit: Die verborgene Kraft hinter leistungsstarken Teams.

Autonomiekosten sind der verborgene Preis von Prozessen. Autonomie korreliert mit Burnout bei −0,60 und mit Kündigungsabsicht bei −0,38. Jeder zusätzliche Genehmigungsschritt, jede Vorgabe ohne Begründung, jedes Werkzeug, das vorgeschrieben statt gewählt wird, zahlt auf dieses Konto ein. Das ist kein Argument gegen Prozesse – Compliance-Anforderungen sind nicht verhandelbar. Es ist ein Argument dafür, Prozesse zu begründen, denn genau darin liegt der Unterschied zwischen externaler und identifizierter Regulation. Die Theorie betont ausdrücklich, dass äußere Zwänge wie Fristen und Budgets Autonomie nicht untergraben müssen, wenn sie autonomieunterstützend eingeführt werden.

Freiwilligkeit ist eine Ressource, die man verbrauchen kann. Open-Source-Beiträge, interne Werkzeuge, Dokumentation, die jemand nebenbei schreibt, Wissensweitergabe – das sind die klassischen Fälle einer Tätigkeit mit Ausgangsinteresse. Wer sie in ein Zielsystem überführt („jeder trägt pro Quartal zwei interne Tools bei"), erzeugt genau die Konstellation der erwarteten, beschäftigungsabhängigen Belohnung mit d \(\approx\) −0,40. Dass das Ausgangsinteresse danach zurückkommt, ist nicht garantiert.

Erkenntnis zum Mitnehmen

Die praktische Lehre lautet: Anreize steuern verlässlich die Menge und kaum die Güte einer Arbeit – wer Güte will, darf das vorhandene Interesse nicht überschreiben, sondern muss ihm Autonomie und Kompetenzrückmeldung zuführen.

Drei konkrete Schritte, die sich direkt aus der Evidenz ableiten lassen:

1. Für jedes Anreizsystem die Frage stellen: Menge oder Güte? Wenn das Ziel Mengenleistung ist – Durchsatz, Abdeckung, Stückzahl –, sind Anreize das passende Werkzeug (\(\beta\) = 0,33). Wenn das Ziel Güte ist – Architekturentscheidungen, Sicherheitsanalyse, Nutzererlebnis –, sind sie nahezu wirkungslos (\(\beta\) = 0,06) und riskieren, das zu verdrängen, was tatsächlich trägt. Ein Anreiz auf Qualität ist in dieser Lesart kein schwacher Hebel, sondern der falsche.
2. Rückmeldung von Belohnung trennen. Verbale, spezifische, kompetenzbezogene Rückmeldung ist die einzige Form mit robustem positivem Effekt. Sie verliert diesen Charakter, sobald sie angekündigt und an eine Bedingung gekoppelt wird („wer das schafft, wird im Allhands genannt") – dann wird aus der Information eine Kontrolle. Lob im Nachhinein, konkret begründet, ohne Ankündigung.
3. Nicht auf Befragungen vertrauen, um Schaden zu erkennen. Der Unterschied zwischen d \(\approx\) −0,34 im Verhalten und d \(\approx\) −0,07 im Selbstbericht ist die wichtigste methodische Warnung dieses Forschungsfelds. Wer wissen will, ob ein Anreizsystem Motivation verdrängt, muss Verhalten ohne Anreiz beobachten: Was passiert in der Zeit, die niemand abrechnet? Wer trägt zu Dingen bei, für die es keine Punkte gibt? Diese Fragen beantwortet kein Fragebogen.

Eine Frage zum Nachdenken

Der Befund mit der größten Reichweite ist nicht der Undermining-Effekt, sondern seine Asymmetrie: Anreize wirken auf das, was zählbar ist, und sind blind für das, was zählt. Gleichzeitig ist alles, was wir in Organisationen steuern können, zählbar – sonst könnten wir es nicht steuern.

Daraus folgt eine unbequeme Frage: In welchen Teilen Ihrer Arbeit funktioniert die Qualität nicht, weil ein System sie absichert, sondern weil einzelne Personen sie aus eigenem Antrieb herstellen – und was in Ihrem Zielsystem, Ihrem Bonusmodell oder Ihrem Reporting ist gerade dabei, diesen Antrieb durch eine Kennzahl zu ersetzen?

Querverweise im Vault

• Das Marshmallow-Versprechen: Warum ein Süßigkeitentest über ein halbes Jahrhundert die Willenskraft neu definierte – und dann selbst auf die Probe gestellt wurde – derselbe Vorschulcampus, dasselbe Jahrzehnt, die verwandte Frage: wie Belohnung und Selbstregulation zusammenhängen und wie beide Befunde durch spätere Prüfung differenziert wurden.
• Der Preis der Rechtfertigung: Kognitive Dissonanz von Festinger zur Neurowissenschaft – der theoretische Nachbar: Beide Effekte beruhen darauf, dass Menschen ihre Einstellung an die verfügbare Erklärung ihres eigenen Verhaltens anpassen.
• Wünschenswerte Schwierigkeiten: Warum müheloses Lernen täuscht und das Gedächtnis von der Anstrengung lebt – die Gegenprobe beim Lernen: Dort erhöht Anstrengung den Ertrag, hier zerstört eine falsch gesetzte Belohnung die Bereitschaft, sie aufzubringen.
• Psychologische Sicherheit: Die verborgene Kraft hinter leistungsstarken Teams – die Teamebene derselben Logik: eine Bedingung, die Verhalten ermöglicht, statt eines Anreizes, der es erzwingt.
• Der Gipfel der Ahnungslosigkeit: Warum der berühmteste Effekt der Psychologie vielleicht nur ein statistisches Trugbild ist – der methodische Kontrast: ein Lehrbuchbefund, der statistischer Prüfung nicht standhält, während der Undermining-Effekt sie über 128 Studien besteht.
• Der sanfte Schubs: Warum ein vorangekreuztes Kästchen mehr bewirkt als jedes Argument – und ob es erlaubt ist, Menschen zu ihrem Glück zu schubsen – die Interventionsseite: Wenn Verhalten von der Gestaltung der Situation abhängt, ist jede Anreizgestaltung eine normative Entscheidung.
• Verluste wiegen schwerer: Wie die Prospect Theory den rationalen Menschen entthronte – und warum ihr berühmtestes Prinzip heute selbst auf dem Prüfstand steht – die zweite große Bruchstelle des Erwartungsnutzenmodells: dort die Bewertung von Ergebnissen, hier die Bewertung von Gründen.
• Der lange Schwanz der Latenz: Tail Latency und warum Mittelwerte in der Cloud lügen – das Kennzahlenproblem technisch: Was man mittelt, verschwindet; was man belohnt, wächst.
• Das vorhersagende Gehirn: Predictive Processing und die Illusion der Wahrnehmung – eine Ebene tiefer: warum Erwartung nicht nur Verhalten, sondern schon Wahrnehmung formt.
• Die 38 Zeugen, die es nie gab: Der Bystander-Effekt zwischen Laborbefund und Videoevidenz – der verwandte Fall einer Debatte, in der zwei solide Befundlagen nur deshalb widersprüchlich wirken, weil sie Verschiedenes messen.

Quellen

• Deci, E. L. (1971): Effects of externally mediated rewards on intrinsic motivation. Journal of Personality and Social Psychology, 18(1), 105–115. DOI: 10.1037/h0030644
• Lepper, M. R., Greene, D., & Nisbett, R. E. (1973): Undermining children's intrinsic interest with extrinsic reward: A test of the „overjustification" hypothesis. Journal of Personality and Social Psychology, 28(1), 129–137. DOI: 10.1037/h0035519
• Cameron, J., & Pierce, W. D. (1994): Reinforcement, reward, and intrinsic motivation: A meta-analysis. Review of Educational Research, 64(3), 363–423. DOI: 10.3102/00346543064003363
• Deci, E. L., Koestner, R., & Ryan, R. M. (1999): A meta-analytic review of experiments examining the effects of extrinsic rewards on intrinsic motivation. Psychological Bulletin, 125(6), 627–668.
• Deci, E. L., Koestner, R., & Ryan, R. M. (2001): Extrinsic rewards and intrinsic motivation in education: Reconsidered once again. Review of Educational Research, 71(1), 1–27. DOI: 10.3102/00346543071001001
• Cerasoli, C. P., Nicklin, J. M., & Ford, M. T. (2014): Intrinsic motivation and extrinsic incentives jointly predict performance: A 40-year meta-analysis. Psychological Bulletin, 140(4), 980–1008. DOI: 10.1037/a0035661
• Van den Broeck, A., Ferris, D. L., Chang, C.-H., & Rosen, C. C. (2016): A review of self-determination theory's basic psychological needs at work. Journal of Management, 42(5), 1195–1229. DOI: 10.1177/0149206316632058
• Liu, Y., Yang, Y., Bai, X., Chen, Y., & Mo, L. (2022): Do immediate external rewards really enhance intrinsic motivation? Frontiers in Psychology, 13, 853879. DOI: 10.3389/fpsyg.2022.853879

← All articles