Availability Heuristic Correction Model
Definition: Das Availability Heuristic Correction Model ist ein analytischer Ansatz für OSINT-Analysen, der kognitive Verzerrungen durch Verfügbarkeitsheuristik systematisch korrigieren soll. Es kombiniert Explizierung, strukturierte Gegenprüfung mit Basisraten und Kalibrierung. Das Modell ist ein vorgeschlagenes Konzept, kein etablierter Standard oder offizielles OSINT-Framework.
Availability Heuristic Correction Model
Das Availability Heuristic Correction Model (AHCM) ist ein methodisches Konzept für die OSINT-Analyse. Es ist kein formal etablierter Standard, sondern ein Vorschlag, um die kognitive Verzerrung der Verfügbarkeitsheuristik systematisch zu korrigieren. Das Modell ergänzt den Intelligence-Zyklus um eine explizite kognitive Kontrollschleife.
Wer Informationen aus offenen Quellen bewertet, steht permanent unter Zeitdruck. Das Gehirn sucht dann den schnellsten Weg: Es bevorzugt das, was ihm sofort einfällt. Das AHCM unterbricht diesen Automatismus. Es etabliert einen Korrekturmechanismus, der die Verfügbarkeitsheuristik sichtbar macht und systematisch abfedert.
Stellen Sie sich einen Detektor vor, der zwischen Bauchgefühl und Beleglage schaltet: Das AHCM verhält sich wie ein Sicherheitsfilter. Jede intuitive Einschätzung wird vor der finalen Bewertung einem strukturierten Gegentest unterzogen. Genau darin liegt der praktische Nutzen für Analysten, die aus einem Meer von Daten belastbare Urteile destillieren müssen.
Die kognitive Grundlage: Warum die Verfügbarkeitsheuristik in die Irre führt
Die Verfügbarkeitsheuristik ist ein kognitives Abkürzungsverfahren, das auf die Forschungsarbeiten von Tversky und Kahneman zurückgeht. Ereignisse, die lebhaft, emotional aufgeladen oder medial präsent sind, werden als wahrscheinlicher eingeschätzt, als sie tatsächlich sind. Ein einzelner spektakulärer Cyberangriff prägt das Risikobild stärker als viele unauffällige Sicherheitsvorfälle. Diese Verzerrung entsteht nicht aus Unwissenheit, sondern aus der Funktionsweise des Gedächtnisses: Leicht abrufbare Informationen erhalten ein höheres Gewicht.
Im OSINT-Kontext wird das zur Falle. Analysten greifen auf vertraute Quellen zurück, weil diese schnelle Antworten liefern. Die Reizschwelle für die Aufnahme neuer, widersprechender Daten steigt. Wenn zusätzlich Framing-Effekte wirken, entsteht ein konsistentes, aber falsches Bedrohungsnarrativ. Das AHCM adressiert diese Mechanik, indem es die Abrufbarkeit von Informationen von ihrer faktischen Relevanz entkoppelt.
Die drei Korrekturstufen des AHCM
Ein tragfähiges Modell braucht klare Arbeitsstufen. Das AHCM ist als dreistufiger Prozess angelegt.
Die erste Stufe ist die Explizierung. Der Analytiker formuliert schriftlich, welche Informationen seine Einschätzung dominieren und warum. Bereits dieser Akt der Bewusstmachung schwächt die unbewusste Wirkung der Heuristik. Die zweite Stufe erzwingt die strukturierte Gegenprüfung. Hier werden Basisraten, historische Fallzahlen und unabhängige Quellen herangezogen. Die Kernfrage lautet: Wie oft tritt dieses Ereignis tatsächlich auf, gemessen an belastbaren Daten? Die dritte Stufe ist die Kalibrierung. Prognosen werden mit tatsächlich eingetretenen Ereignissen abgeglichen. Abweichungen fließen in künftige Bewertungen ein, wodurch der Prozess kontinuierlich präziser wird.
| Stufe | Methode | Typischer Fehler | Korrekturansatz |
|---|---|---|---|
| 1. Explizierung | Schriftliche Offenlegung dominanter Informationen | Automatische Übernahme des ersten Eindrucks | Bewusstmachung der eigenen mentalen Abkürzung |
| 2. Gegenprüfung | Abgleich mit Basisraten und unabhängigen Daten | Übergewichtung lebhafter Einzelfälle | Quantitative Referenzpunkte |
| 3. Kalibrierung | Retrospektive und adaptive Korrektur | Fehlendes Feedback zu Fehlprognosen | Iteratives Lernen aus Ausgängen |
Ohne explizite Korrektur der Verfügbarkeitsheuristik bleiben selbst die besten Quellen blind für die Verzerrung, die der Analytiker selbst einbringt.
Einordnung in OSINT-Frameworks und analytische Prozesse
Das AHCM ist kein Werkzeug, das eine Suchmaschine ersetzt. Es ist ein methodisches Protokoll, das sich in den Intelligence-Zyklus integrieren lässt. In der Planungsphase verhindert es eine zu enge Suchstrategie. In der Auswertungsphase schützt es vor vorschnellen Schlüssen und stärkt die Nachvollziehbarkeit von Urteilen. Etablierte Arbeitsweisen wie Red-Teaming oder festgelegte Vertrauensniveaus für Quellen werden um eine dezidiert kognitive Komponente ergänzt.
Die Anbindung an bestehende Frameworks gelingt dadurch, dass das AHCM auf einer einfachen Prämisse aufbaut: Jede analytische Aussage ist das Produkt von Daten und kognitiver Verarbeitung. Wer nur die Daten optimiert, aber die Verarbeitung ignoriert, lässt eine zentrale Fehlerquelle unberücksichtigt. Das Modell schließt diese Lücke, ohne den übrigen Prozess zu verlangsamen. Es verlangt jedoch Disziplin und die Bereitschaft, eigene Urteile infrage zu stellen.
Grenzen und Anwendungspraxis
Das AHCM ist kein Allheilmittel und besitzt keinen Standardisierungsgrad. Die strukturierte Gegenprüfung benötigt verlässliche Basisraten. In neuartigen Bedrohungslagen fehlen solche Daten häufig, wodurch die Korrektur an ihre Grenzen stößt. Zudem erhöht der Prozess die kognitive Last. Wer jede Entscheidung durch das volle Prozedere zwingt, riskiert Ermüdung und eine schleichende Rückkehr zu alten Mustern.
Die Anwendungspraxis zeigt: Die größte Wirksamkeit entsteht in gemischten Teams. Wenn verschiedene Personen unabhängig voneinander ihre Einschätzungen abgeben und anschließend durch das AHCM führen, sinkt die Wahrscheinlichkeit kollektiver Verzerrungen. Entscheidend ist die Balance. Ein flexibles Modell, das bei hoher Unsicherheit schnelle Korrekturen erlaubt und bei klarer Datenlage tiefere Prüfungen vorsieht, bleibt auch unter Zeitdruck anwendbar.
« Back to Glossary Index