Social Proof (Sozialer Beweis)

Evidenz

Social Proof ist ein Sammelbegriff. Die Forschung trennt schärfer: Eine deskriptive Norm sagt, was andere tatsächlich tun („Die meisten zahlen per Rechnung“). Eine injunktive Norm sagt, was man tun sollte („Bitte trennen Sie Ihren Müll“). Die beiden wirken unterschiedlich, und ein Teil der widersprüchlichen Befunde in diesem Feld geht darauf zurück, dass sie vermischt werden.

Die bekannteste Feldstudie dazu stammt von Goldstein, Cialdini und Griskevicius (2008). Sie ist die meistzitierte Einzelstudie dieses Felds. In den Zimmern eines einzigen Hotels in den USA hing ein Schild, das zur Mehrfachnutzung der Handtücher aufrief. Im ersten Experiment erreichte die Fassung mit deskriptiver Norm 44,1 Prozent Wiederverwendung gegenüber 35,1 Prozent beim üblichen Umweltappell (N = 433, Φ = 0,09). Das Φ misst die Stärke des Zusammenhangs zwischen zwei Ja-Nein-Merkmalen und reicht von 0 bis 1; Werte um 0,1 gelten als klein. Im zweiten Experiment wirkte die Fassung am stärksten, die sich auf die Gäste desselben Zimmers bezog: 49,3 Prozent gegenüber 42,8 Prozent für die drei übrigen Normfassungen zusammen (N = 1.318, Φ = 0,06).

Zwei Dinge daran werden selten mitzitiert. Erstens sind das kleine Effekte: Φ = 0,06 bis 0,09 entspricht Unterschieden von sechs bis neun Prozentpunkten. Zweitens wirkte die Zimmer-Fassung, obwohl Befragte „Gast in diesem Zimmer“ als die unwichtigste der geprüften Gruppenzugehörigkeiten einstuften — unwichtiger als Geschlecht oder Staatsbürgerschaft, und genau diese beiden wirkten nicht besser als die allgemeine Gästenorm. Die Faustregel lautet deshalb nicht „ähnliche Menschen“, sondern gleiche Situation.

Schultz und Kollegen (2007) hatten ein Jahr zuvor die Kehrseite gezeigt. 287 Haushalte einer kalifornischen Gemeinde bekamen ihren Stromverbrauch im Vergleich zum Durchschnitt der Nachbarschaft an die Tür gehängt. Haushalte über dem Durchschnitt sparten danach 1,22 Kilowattstunden am Tag (d = 0,55; 0,5 gilt als mittelgroßer Effekt). Haushalte unter dem Durchschnitt verbrauchten 0,89 Kilowattstunden mehr (d = 0,52) — die Norm zog sie nach oben. Trug die Rückmeldung zusätzlich ein wertendes Zeichen, war dieser Anstieg nicht mehr nachweisbar. Das Zeichen war ein von Hand gemalter Smiley: ein lachender für sparsame Haushalte, ein trauriger für die verbrauchsstarken.

Nach vier Wochen kehrte sich das Verhältnis um. Der Boomerang bei den sparsamen Haushalten hielt an (d = 0,59), die Ersparnis bei den verbrauchsstarken war ohne das wertende Zeichen nicht mehr signifikant. Der zerstörerische Teil des Effekts überdauerte also den konstruktiven.

Melnyk, Carrillat und Melnyk (2022) fassen 250 Effektstärken aus 136 Arbeiten mit zusammen 112.478 Befragten aus 22 Ländern zusammen. Der Mittelwert liegt bei r = 0,254 — das r misst, wie eng zwei Größen zusammenhängen, und reicht von 0 bis 1. Deskriptive Normen wirken darin deutlich stärker als injunktive (r = 0,305 gegenüber 0,223). Das stützt die Richtung — mit einer Einschränkung: Nur 40 der 250 Effektstärken stammen aus Experimenten. Der große Rest sind Zusammenhänge zwischen wahrgenommener Norm und berichtetem Verhalten, und nur gut zehn Prozent der Arbeiten kommen aus dem Marketing.

Die zweite Meta-Analyse ist größer und sagt etwas Unbequemes. Bergquist, Nilsson und Schultz (2019) werten 91 Feldexperimente aus 74 Arbeiten mit zusammen 227.730 Beobachtungen aus, veröffentlicht zwischen 1982 und 2019 in 18 Ländern. Normbotschaften wirken darin gegenüber Kontrollbedingungen mit d = 0,32 (95 %-Intervall 0,28 bis 0,37). Gemessen an dem, was andere Umweltinterventionen erreichen, nennen die Autoren das einen mittelgroßen Effekt.

Entscheidend ist, auf welchem Weg die Norm ankommt. Die Analyse trennt Normen, die als Botschaft ausgesprochen werden, von Normen, die nur aus der Umgebung ablesbar sind — ein sauberer Gehweg, ausgeschaltete Lichter, ein fast leeres Keksglas.

Der Unterschied zwischen beiden Zeilen ist deutlich (p < 0,001). Ein Schild, ein Brief, ein Satz auf einer Seite — alles, was sich formulieren lässt — fällt in die untere Zeile, und 0,18 liegt unter dem, was als kleiner Effekt gilt. Die Autoren führen den Abstand darauf zurück, dass eine ausgesprochene Norm einen Absender hat und damit als Beeinflussungsversuch erkennbar wird; eine Umgebung hat keinen.

Zwei Nebenbefunde derselben Arbeit. Die Erwartung, Normen wirkten in kollektivistischen Kulturen stärker, hat sich umgekehrt: Der Zusammenhang mit Hofstedes Individualismus-Index ist positiv (r = 0,23), Normen wirkten also in individualistischeren Ländern stärker. Und Studien mit Studierenden kommen auf d = 0,59, Studien mit anderen Stichproben auf d = 0,25 — wobei die Studierendenstudien fast alle auf einem Campus liefen.

Goldsteins Handtuchschild steht in dieser Sammlung weit unten. Experiment 1 ist mit d = 0,19 geführt, dessen Intervall bei genau 0,00 beginnt, Experiment 2 mit d = 0,11. Die beiden deutschen Wiederholungen von Bohner und Schlüter sind mit d = −0,06 und d = −0,80 verzeichnet, also mit umgekehrtem Vorzeichen.

Elf Jahre später haben dieselben Autoren eine Rückschau auf ihre eigene Studie veröffentlicht (Schultz et al., 2018) und berichten darin, was aus dem Befund im Feld geworden ist. Das Unternehmen Opower verschickt seit 2008 Stromrechnungen mit genau dieser Rückmeldung — Nachbarschaftsvergleich plus wertendes Zeichen — inzwischen an über 60 Millionen Haushalte. Jede Einführung ist als randomisierter Versuch angelegt: Bei einem Versorger mit 100.000 Haushalten erhält die eine Hälfte die Berichte, die andere nicht. Über mehr als hundert solcher Einführungen liegen die Einsparungen zwischen 2 und 5 Prozent. Nach dem Ende der Berichte halbierte sich der Effekt, blieb aber gegenüber einer nie belieferten Kontrollgruppe messbar (Allcott & Rogers, 2014).

Der Boomerang ist auch im Großversuch aufgetreten. Eine Neuauswertung der Opower-Daten (Costa & Kahn, 2013) fand eine Gruppe, deren Verbrauch durch die Botschaft stieg: politisch konservative Haushalte über der Norm, die nicht an Umweltorganisationen spendeten und keinen Ökostrom bezogen. Das wertende Zeichen fängt den Boomerang also nicht bei allen ab. Die Autoren führen das auf die Bezugsgruppe zurück: Wer sich mit den Nachbarn nicht identifiziert, wird von deren Norm nicht gezogen, sondern abgestoßen.

Die Unterscheidung selbst stammt aus einer Feldstudienreihe von 1990. Cialdini, Reno und Kallgren prägten die Begriffe deskriptiv und injunktiv in fünf Experimenten zum Wegwerfen von Müll. Ihre These: Normen wirken nur, solange die Aufmerksamkeit gerade auf ihnen liegt — und zwar nur die Norm, auf der sie liegt. In einer vermüllten Tiefgarage warfen 41 Prozent ein Flugblatt weg, in einer sauberen 11. Lenkte ein Helfer die Aufmerksamkeit auf den Boden, verstärkte sich beides: 54 gegen 6 Prozent.

Der bekannteste Befund daraus ist eine Gegenintuition. Ein einzelnes Stück Müll in sonst sauberer Umgebung senkte das Wegwerfen unter das Niveau der sauberen Umgebung — es macht sichtbar, dass hier sonst niemand etwas wegwirft.

Und der Boomerang steht schon hier, siebzehn Jahre vor Schultz. Die Autoren halten selbst fest, dass eine deskriptive Norm in einer stark vermüllten Umgebung das Wegwerfen erhöht — „kaum ein wünschenswertes Ergebnis außer zu Theoriezwecken“. Ihr Gegenmittel ist dasselbe wie bei Schultz: In Experiment 4 lag derselbe Müll einmal verstreut und einmal zu Haufen zusammengekehrt. Der Kehrhaufen ist ein Missbilligungszeichen, also eine injunktive Norm. Mit Aufmerksamkeitslenkung warfen 45 Prozent bei verstreutem Müll weg, aber nur 18 Prozent beim zusammengekehrten.

Die Zimmer-Regel ist in Deutschland direkt geprüft worden — und gescheitert. Bohner und Schlüter (2014) haben Goldsteins Aufbau in zwei deutschen Hotels wiederholt, mit 724 und 204 beobachteten Gästen und einem Lateinischen Quadrat über die Etagen. Drei Ergebnisse stehen quer zum Original.

Erstens liegt die Wiederverwendung in Deutschland auf einem ganz anderen Niveau: Schon die Fassung ohne jede Botschaft lag mit 64,3 Prozent über jeder Bedingung bei Goldstein. Zweitens schlug keine Normfassung den üblichen Umweltappell (81,9 gegen 83,7 Prozent, p = 0,62); in der zweiten Studie war der Umweltappell den Normfassungen sogar überlegen (93,3 gegen 76,5 Prozent, p = 0,039). Drittens kehrte sich der Zimmer-Vorteil signifikant um: Die Zimmer-Fassung wirkte schlechter als die allgemeine Gästenorm (78,0 gegen 85,6 Prozent, p = 0,017).

Zwei weitere Prüfungen gehen in dieselbe Richtung. Schultz und Kollegen (2008) fanden in den USA, dass eine rein deskriptive Norm die Wiederverwendung gegenüber einer Kontrollgruppe gar nicht erhöhte — erst die Kombination mit einer injunktiven Norm wirkte; und bei ihnen lag die allgemeine Norm vor der Zimmer-Norm. Reese und Kollegen (2014) fanden in Österreich und der Schweiz zwar weniger Handtücher in der Zimmer-Bedingung, aber keinen Vorteil irgendeiner Normfassung gegenüber dem Umweltappell. Beide Arbeiten sind hier zweiter Hand über Bohner und Schlüter referiert.

Ein unabhängiges Team findet die Normbotschaft wirkungslos, bevor sie überhaupt wirken kann. Greene und Kollegen (2025) prüften neun Botschaftsarten an 900 und 599 Befragten und anschließend im Feld in zwei australischen Hotels. Die Normbotschaft bestand ihre eigene Kontrollprüfung nicht: Sie erhöhte die normative Überzeugung nicht signifikant. Und die normative Überzeugung war der einzige der acht geprüften Faktoren, der mit keiner der beiden Absichtsfragen zusammenhing (r = 0,146 und 0,012, beide nicht signifikant). Gewirkt hat im Feld stattdessen eine Botschaft über den Aufwand. Die Autoren halten außerdem fest, dass Goldstein und Kollegen nie geprüft haben, ob ihre Botschaft die normative Überzeugung überhaupt stärkt.

Grenzen

Der Boomerang ist kein Randfall. Jede deskriptive Norm nennt zugleich einen Zielwert, an den sich Menschen von oben und von unten annähern. Wer in einem Shop „Die meisten wählen das mittlere Paket“ schreibt, kann damit Kunden vom teuren Paket abziehen.

Eine Minderheitsnorm wirkt gegen die Absicht. „Nur wenige nutzen bisher unsere App“ sagt zuverlässig, dass es nicht üblich ist. Zahlen, die man nennen möchte, weil sie ehrlich sind, können die Botschaft untergraben.

Die belastbaren Felddaten stammen überwiegend aus Energie- und Umweltkontexten, nicht aus Shops. Handtücher und Stromrechnungen sind wiederkehrende Routinen mit sichtbarem Vergleichsmaßstab. Ob dieselbe Mechanik bei einer einmaligen Kaufentscheidung trägt, bleibt offen. Die nächstliegenden Prüfungen bei Melnyk et al. (2022) sprechen eher gegen diese Sorge: Ob ein Verhalten öffentlich oder privat ist, viel oder wenig Aufwand kostet, dauerhaft oder nur einmal verlangt wird — keiner dieser Unterschiede veränderte dort die Wirkung. Keiner davon bildet eine einmalige Kaufentscheidung genau ab, aber zusammen geben sie der Sorge wenig Rückhalt.

Erfundene Zahlen sind keine Gestaltungsfrage. Angaben wie „1.284 Personen sehen sich dieses Angebot gerade an“ ohne reale Grundlage sind irreführend; ob sie im Einzelfall rechtswidrig sind, gehört in eine fachliche Prüfung. Gestalterisch gilt: Eine Zahl, deren Zustandekommen Sie einem Kunden nicht erklären könnten, gehört nicht auf die Seite.

Cialdini und Kollegen konnten ihre eigene Manipulation nicht prüfen. Weil alle fünf Studien im Feld liefen, gab es keine Kontrollfragen. Die Autoren räumen ein, man könne weniger sicher sein, dass tatsächlich die beabsichtigte Normart gewirkt habe — das einzelne Stück Müll könnte ebenso gut die injunktive Norm aktiviert haben.

Viele Einzelvergleiche erreichen keine Signifikanz. In Experiment 1 war keiner der beiden Effekte in der sauberen Umgebung für sich signifikant, in Experiment 2 nicht der Unterschied zwischen null und einem Stück Müll, in Experiment 4 keine der beiden Richtungen einzeln. Was signifikant ist, sind die vorhergesagten Muster über die Bedingungen hinweg.

Die Zahlen zur Breitenwirkung sind aus zweiter Hand. Die Angaben zu Opower stammen aus der Rückschau der Autoren auf die eigene Arbeit, geschrieben für ein Themenheft über ihren meistzitierten Aufsatz. Eine der beiden Quellen für die Spanne von 2 bis 5 Prozent ist ein TED-Vortrag. Sie taugt als Größenordnung, nicht als belastbarer Einzelwert.

Welche Zahl eine starke Norm ergibt, ist offen. Die Studie von 2007 nannte einen Mittelwert, andere Arbeiten nennen Prozentwerte — „75 Prozent der Gäste dieses Hotels …“. Die Autoren halten 2018 fest, dass niemand weiß, welche Darstellung eine starke deskriptive Norm ergibt. Erste Arbeiten deuten darauf hin, dass eine niedrige, aber schnell steigende Zahl motivieren kann, eine hohe, aber fallende dagegen nicht; dieses Feld stehe erst am Anfang.

Die Stichprobe von 2007 war schmal gewählt. Die Ethikkommission verlangte ein Widerspruchsverfahren; aufgenommen wurden deshalb nur Haushalte, deren Stromzähler von der Straße aus sichtbar und leicht zugänglich war. Die Verbrauchsdaten las das Team selbst ab, weil der Versorger sie unter Verweis auf Geschäftsgeheimnis und Kundendatenschutz nicht herausgab.

Die große Meta-Analyse streut stark. Bei Bergquist et al. (2019) gehen 88 Prozent der Unterschiede zwischen den Studien nicht auf Zufall zurück, sondern auf echte Unterschiede zwischen ihnen. Die Prüfung auf Veröffentlichungsverzerrung fällt unsymmetrisch aus: Sechzehn Studien müssten ergänzt werden, damit das Bild ausgeglichen wäre. Die Autoren nennen drei mögliche Gründe dafür und entscheiden sich für keinen.

Der wichtigste Befund dieser Arbeit ist nicht sauber isoliert. Die Autoren halten selbst fest, dass die Studien mit ablesbaren Normen überwiegend das Wegwerfen von Müll untersucht haben — Übermittlungsform und Verhaltensbereich fallen also zusammen. Eine Meta-Analyse ist eine Beobachtungsstudie, und nur eine einzige der eingeschlossenen Arbeiten hat beide Formen direkt gegeneinander geprüft.

Die Schlüsselstudie ist direkt repliziert worden und in zwei von drei Punkten gescheitert. Bohner und Schlüter (2014) fanden: Die Zimmer-Norm kehrte sich um, und keine Normfassung schlug den üblichen Umweltappell. Bestätigt hat sich allein, dass überhaupt eine Botschaft besser wirkt als keine.

Was den Effekt trägt, ist die Meta-Analyse von Melnyk und Kollegen über 250 Effektstärken — nicht das Handtuchschild. Die bekannteste Einzelstudie des Feldes ist damit zugleich die am schlechtesten bestätigte.