Autorität, Gütesiegel und Expertenzitate: Was belegt ist

Das Siegel neben dem Bezahlknopf

Fast jeder Checkout trägt eines. Ein Schloss, ein Haken, ein Logo mit dem Wort „geprüft“. Die Begründung dafür heißt in Konferenzvorträgen und Agenturdecks regelmäßig Autoritätsprinzip, und als Beleg folgt Milgram.

Das ist der am weitesten gedehnte Beleg in diesem ganzen Projekt. Milgram hat etwas sehr Starkes gezeigt — nur eben nicht das.

Was die klassischen Studien messen

Milgram (1963) ließ 40 Männer glauben, sie verabreichten einer anderen Person Stromstöße steigender Stärke, während ein Versuchsleiter sie zum Weitermachen aufforderte. 26 von ihnen gingen bis 450 Volt. Bickman (1974) prüfte die Alltagsform auf der Straße. Sein Aufsatz heißt „The Social Power of a Uniform“, und genau dieser Titel führt in die Irre: Gewirkt hat nicht die Uniform, sondern eine bestimmte.

153 Passanten in Brooklyn wurden von einem jungen Mann zu einer belanglosen Handlung aufgefordert — eine Papiertüte aufheben, einem Fremden am Parkautomaten zehn Cent geben, an der Bushaltestelle die Seite wechseln. Er trug entweder Sakko und Krawatte, eine Milchmannuniform oder eine Wachmannuniform.

Zwischen Milchmann und Zivilist war der Unterschied nicht signifikant; nur der Wachmann lag signifikant über beiden. Zählt man allein die Fälle ohne nachgeschobene Begründung, liegt der Milchmann mit 14 Prozent sogar unter dem Zivilisten mit 19 — der Wachmann kommt auf 38. Bickman zieht daraus selbst den Schluss, die Macht hänge am Typ der Uniform und nicht am bloßen Vorhandensein einer Uniform.

Für Gütesiegel ist das die unbequemste Zeile der Tabelle. Die Wachmannuniform sah laut Bickman oberflächlich wie eine Polizeiuniform aus — anderes Abzeichen, keine Waffe. Was dort wirkte, war ein Signal amtlicher Durchsetzungsbefugnis. Die Berufsuniform, das reine Zugehörigkeitsabzeichen, bewirkte nichts. Ein Siegel im Checkout ist strukturell das Zweite, nicht das Erste.

Burger (2009) hat den Versuch 45 Jahre später wiederholt. 70 Prozent machten über die 150-Volt-Marke hinaus weiter, gegenüber 82,5 Prozent bei Milgram; der Unterschied ist nicht signifikant.

Drei Einschränkungen gehören dazu. Burger brach jeden Durchgang bei 150 Volt ab — dass es bis 450 Volt weitergegangen wäre, ist ein Schluss, keine Messung, und er sagt das selbst. Die Stichprobe war streng vorgefiltert: ein Drittel schon am Telefon aussortiert, von den Übrigen 38 Prozent durch eine klinische Psychologin, dazu alle mit mehr als zwei Psychologiekursen. Und Burger stellte Experiment 5 aus Milgrams Buch von 1974 nach, nicht die Fassung von 1963, die wir hier zitieren; in der gibt es bis 300 Volt keinen Protest des Opfers.

Doliński und Kollegen (2017) haben denselben verkürzten Ablauf 2015 in Polen durchgeführt, mit 80 Teilnehmenden und erstmals in Mitteleuropa. 90 Prozent drückten den zehnten Knopf, gegenüber 85 Prozent in Milgrams Vergleichsbedingung. Auch sie brechen bei 150 Volt ab, und auch sie wählten eine andere Fassung als Burger: Experiment 2 statt Experiment 5.

Damit liegen drei Arbeiten vor, die drei verwandte, aber nicht identische Anordnungen prüfen, und zwei davon messen nur das erste Drittel der Skala. Für die Richtung des Befunds ist das eine gute Lage: zwei Länder, zwei unabhängige Teams, übereinstimmend hohe Werte. Gemessen ist genau das: Gehorsam gegenüber einer anwesenden Autorität, bis zur 150-Volt-Marke. Wie weit Menschen danach gehen, hat seit den Siebzigerjahren niemand mehr beobachtet.

Was sie nicht messen

Gemessen wurde die Befolgung einer Anweisung, die eine anwesende Person in einer institutionellen Rolle erteilt, meist gegen den inneren Widerstand der Befolgenden, mit unmittelbarer Konsequenz für das Verhalten.

Ein Gütesiegel weist niemanden an. Es ist anwesend wie ein Möbelstück, es hat keine Rolle im Gespräch, und es verlangt nichts. Die Übertragung ist kein kleiner Schritt vom Befund weg, sondern ein Wechsel des Gegenstands.

Damit ist aber nicht gesagt, dass es zu Gütesiegeln nichts gäbe. Es gibt Forschung dazu — sie stammt nur nicht von Milgram.

Was die Forschung zu Gütesiegeln selbst findet

Zwei Arbeiten prüfen genau das, was Milgram nicht prüft. Beide fallen ernüchternd aus.

Kim, Ferrin und Rao (2008) befragten 468 Onlinekäuferinnen und -käufer in zwei Runden: einmal vor dem Kauf, einmal Wochen später, nachdem die Ware angekommen war. Der tatsächliche Kauf gehört dort also zu den erhobenen Größen, nicht nur die Absicht. Die Haltung zu Gütesiegeln hing mit nichts davon zusammen.

Eine Korrelation reicht von −1 bis +1; 0 heißt, dass die beiden Größen nichts miteinander zu tun haben. Alle drei Werte liegen praktisch dort.

Im Gesamtmodell taucht ein einziger signifikanter Pfad vom Siegel zum wahrgenommenen Risiko auf (−0,216). Er zählt hier nicht als Wirkungsnachweis. Ein Pfad, dem eine Nullkorrelation zugrunde liegt, entsteht erst durch das Herausrechnen anderer Variablen — das ist ein Unterdrückungseffekt und trägt keine Empfehlung.

Dazu kommt ein Befund, der die Frage verschiebt: 73,7 Prozent der Befragten wussten gar nicht, dass Websites von dritter Seite zertifiziert werden — in einer Stichprobe, die zu über 90 Prozent im Vorjahr online eingekauft hatte.

Head und Hassanein (2002) landen in Kanada an derselben Stelle. Von 223 Befragten erkannten 52 Prozent solche Siegel überhaupt; von diesen sagten 45 Prozent, Siegel beeinflussten ihre Kaufentscheidung. Beide Anteile unterscheiden sich statistisch nicht von der Hälfte (p > 0,05), und die Autoren werten beide Hypothesen ausdrücklich als nicht bestätigt. Rechnet man durch, bleibt nicht einmal ein Viertel der Stichprobe übrig, für das ein Siegel nach eigener Auskunft etwas bedeutet.

Was beide Arbeiten stattdessen finden, deckt sich: Es ist nicht das Siegel, sondern die Nachvollziehbarkeit des Anbieters. Bei Kim und Kollegen erklären wahrgenommener Datenschutz (0,494), Informationsqualität (0,369) und Reputation (0,165) das Vertrauen. Bei Head und Hassanein nennen die Befragten in offenen Antworten Reputation, eine erreichbare Telefonnummer und eine professionell wirkende Seite — einer von ihnen ruft nach eigener Aussage an, um zu prüfen, ob die Nummer überhaupt geschaltet ist. Ein anderer vermutet, das Unternehmen habe „dem Prüfer einfach Geld dafür gezahlt, das Siegel auf die Seite zu setzen“.

Woher die hohen Zahlen stammen

In Marketingmaterial kursieren deutlich bessere Werte. López Jiménez und Kollegen (2021) sind ein nachvollziehbarer Fall: Dort steigern Siegel den Onlineumsatz bei der Mehrheit der Unternehmen um mehr als 66 Prozent. Befragt wurden allerdings nicht Käufer, sondern 127 Händler, die bereits ein Siegel führen — überwiegend deren Marketing- oder IT-Verantwortliche, online und ohne Identitätsprüfung, wie die Autoren selbst einräumen. Die Zahl ist eine Selbsteinschätzung von Anwendern über ihre eigene Entscheidung. Die Arbeit zählt deshalb als Marktquelle, nicht als Evidenz. Ihre eigene Übersicht über rund 25 Siegelexperimente fällt im Übrigen gemischt bis negativ aus.

Quellenglaubwürdigkeit: das passendere Konzept

Wenn es um Expertenzitate, Testimonials und Absenderwirkung geht, ist nicht die Gehorsamsforschung zuständig, sondern die Forschung zur Quellenglaubwürdigkeit. Pornpitakpan (2004) hat fünf Jahrzehnte davon gesichtet.

Ihr Befund ist eindeutiger, als man es in diesem Feld erwarten würde: Fast alle Studien zum Haupteffekt finden die glaubwürdige Quelle überlegen, für Einstellungen wie für tatsächliches Befolgen. Arbeiten mit gegenteiligem oder gar keinem Ergebnis nennt Pornpitakpan ausdrücklich „wenige“.

Uneinheitlich ist etwas anderes, und es ist das Interessantere: die Wechselwirkungen. Dort wird Glaubwürdigkeit stellenweise zum Nachteil.

Wann die weniger glaubwürdige Quelle gewinnt

Pornpitakpan nennt drei Lagen, in denen die niedrig glaubwürdige Quelle überlegen ist:

• Die Kundschaft hat bereits eine positive Einstellung zur Marke.
• Das Produkt ist lange genug am Markt, dass man es selbst ausprobiert hat — dann dient das eigene Verhalten als Beleg, nicht der Absender.
• Die Aussage läuft den eigenen Interessen der Quelle zuwider.

Für die Praxis heißt das: Der Expertenauftritt gehört an den Anfang einer Beziehung, nicht in die Stammkundenkommunikation. Wer zufriedenen Bestandskunden einen Fachmann vorsetzt, argumentiert gegen deren eigene Erfahrung.

Belege schlagen Absender

Hunt (1972) und McCroskey (1969, 1970) kommen zum selben Punkt: Enthielt die Botschaft stützende Belege, waren hoch und niedrig glaubwürdige Absender gleich überzeugend. Pornpitakpan folgert, die Anwesenheit von Belegen könne den Glaubwürdigkeitseffekt aufheben. Umgekehrt steigert unbekanntes Belegmaterial die Wirkung der niedrig glaubwürdigen Quelle, nicht die der hohen.

Das ist die nüchternste Lesart des ganzen Felds: Ein Absenderetikett vertritt ein Argument, solange keines da ist.

Für Alltagsprodukte fand niemand etwas

Friedman und Friedman (1979) trennen nach Produktart. Expertenstimmen wirkten bei Produkten mit hohem finanziellen, funktionalen oder körperlichen Risiko, etwa langlebigen Haushaltsgeräten. Prominente wirkten bei Produkten mit hohem psychologischen oder sozialen Risiko, etwa Schmuck. Bei abgepackten Alltagsprodukten wirkte keiner von beiden. Für risikoarme Produkte war der typische Verbraucher der wirksamste Absender, nicht der Fachmann.

Freiden (1984) fand zudem, dass Expertenstimmen zwar bessere Qualitätsurteile auslösten als Prominente, aber weniger wirkten als der Geschäftsführer oder ein typischer Kunde.

Prominente Werbeträger: Zahlen, aber mit scharfen Grenzen

Amos, Holmes und Strutton (2008) haben die Wirkung prominenter Werbeträger quantitativ zusammengefasst: 32 Arbeiten, 266 Effektstärken, davon 185 signifikant. Die Arbeit ordnet die Absenderwirkung so:

Zwei Dinge daran sind bemerkenswert. Der größte Wert ist ein negativer. Schlechte Nachrichten über die Person wirken stärker auf die Werbewirkung als jedes positive Merkmal. Und Vertrauenswürdigkeit schlägt Fachkunde — derselbe Befund, den Pornpitakpan unter dem Titel „besser gemocht als im Recht“ referiert.

Die Leistung im eigenen Fach, also der Grund, aus dem jemand überhaupt prominent ist, korreliert praktisch null und mit falschem Vorzeichen.

Diese Zahlen sind allerdings vorsichtiger zu lesen, als sie aussehen. Die Autoren selbst setzen unter ihre Tabelle den Hinweis, die mittleren r seien ungewichtete Werte und mit Vorsicht zu betrachten; gerechnet haben sie mit gewichteten Rängen. Und der auffälligste Wert ruht auf der dünnsten Grundlage: Negative Information macht nur 3 Prozent der 266 Effektstärken aus, also rund acht. Die Autoren fordern ausdrücklich mehr Forschung genau dazu.

Praxisfälle

Was wir bewusst nicht empfehlen

• Erfundene oder selbst vergebene Siegel. Ein Siegel, das die eigene Marketingabteilung entworfen hat, behauptet eine Prüfung, die nicht stattgefunden hat.
• Milgram als Begründung. Wer das Autoritätsprinzip mit Gehorsamsexperimenten belegt, überträgt einen Befund auf einen anderen Gegenstand.
• Titel ohne Zuständigkeit. Ein Fachtitel aus einem fremden Gebiet ist ein Signal, das bei genauerem Hinsehen gegen Sie arbeitet.
• Schauspieler im Kittel ohne Kennzeichnung. Das ist keine Gestaltungsfrage.

Ethik-Check: Nudge oder Sludge?

Grenzen & Kritik