Dunning-Kruger-Effekt: Gibt es ihn wirklich? Der Stand 2026

Kurz gesagt: Der Dunning-Kruger-Effekt beschreibt, dass Menschen, die in einem Test schlecht abschneiden, ihre Leistung im Schnitt deutlich überschätzen. Dieses Muster taucht in vielen Studien auf und ist unbestritten. Umstritten ist, warum es entsteht: ob den Schwächsten wirklich die Einsicht in ihre Fehler fehlt, oder ob vor allem Zufall und ein allgemeiner Hang zur Selbstüberschätzung das Bild erzeugen. Sicher ist ein anderer Befund: Die meisten Menschen halten sich für besser als den Durchschnitt.

Was ist der Dunning-Kruger-Effekt, einfach erklärt?

Wer sich in einer Sache wenig auskennt, dem fehlt oft genau das Wissen, das er bräuchte, um seine eigenen Fehler zu bemerken. Die Psychologen Justin Kruger und David Dunning von der Cornell University nannten das 1999 eine „doppelte Last“: Man macht Fehler und sieht sie nicht. Nach ihnen ist der Effekt benannt.

Wichtig ist, was der Effekt nicht sagt. Er sagt nicht, dass „dumme Menschen“ sich für klug halten. Er beschreibt etwas, das jeden treffen kann, und zwar in den Bereichen, in denen er sich wenig auskennt. Dunning selbst sagte 2025 in einem Interview, der Effekt treffe „jeden von uns, früher oder später“, und er wünsche sich, dass man den Begriff nicht als Beschimpfung benutzt.

Woher kommt der Dunning-Kruger-Effekt? Das Beispiel mit dem Zitronensaft

Die Studie von 1999 beginnt mit einem Bankräuber. 1995 überfiel ein Mann in Pittsburgh am helllichten Tag zwei Banken, ohne Maske. Als die Polizei ihm später die Aufnahmen der Überwachungskamera zeigte, sagte er laut der Studie: „But I wore the juice.“ Er hatte sich Zitronensaft ins Gesicht gerieben und geglaubt, das mache ihn für Kameras unsichtbar.

Kruger und Dunning prüften ihre Idee dann mit Studierenden. In vier Versuchen sollten sie Witze bewerten (deren Güte vorher Berufskomiker festgelegt hatten), Logikaufgaben lösen und Grammatikfragen beantworten. Danach schätzten sie, wie gut sie im Vergleich zu ihren Mitstudierenden abgeschnitten hatten.

Das Ergebnis war jedes Mal ähnlich. Das schwächste Viertel lag tatsächlich hinter fast neun von zehn Mitstudierenden (10. bis 12. Perzentil), glaubte aber, vor mehr als der Hälfte zu liegen (58. bis 62. Perzentil). Das stärkste Viertel unterschätzte sich leicht. Für die Arbeit bekamen Dunning und Kruger im Jahr 2000 den Ig-Nobelpreis für Psychologie.

Stimmt die Dunning-Kruger-Kurve mit dem „Mount Stupid“?

Nein, jedenfalls nicht als Abbild der Studie. Die bekannte Kurve mit dem „Gipfel der Ahnungslosen“ (Mount Stupid), dem „Tal der Verzweiflung“ und dem langsamen Aufstieg kommt in der Arbeit von 1999 nicht vor. Dort gibt es nur Linienbilder, die für jedes Viertel die geschätzte gegen die tatsächliche Leistung zeigen. Die Psychologen Robert McIntosh und Sergio Della Sala nennen die Kurve eine künstlerische Darstellung ohne Daten.

Ist der Dunning-Kruger-Effekt wissenschaftlich belegt?

Das Muster ja, die Erklärung ist umstritten.

Die Kritik: Seit 2002 zeigen mehrere Forschergruppen, dass ein ähnliches Bild schon durch Zufall entsteht. Ein Testergebnis enthält immer auch Glück und Pech. Wer am Testtag Pech hatte, landet im untersten Viertel, schätzt sich aber nach seinem normalen Können ein und sieht deshalb in der Auswertung überschätzt aus. Wer Glück hatte, landet oben und wirkt unterschätzt. Kommt hinzu, dass sich die meisten ohnehin etwas über dem Durchschnitt sehen, ergibt sich genau das bekannte Bild. Forscher haben das mit reinen Zufallszahlen nachgestellt (Nuhfer und Kollegen, 2016). McIntosh und Della Sala kritisieren außerdem, dass die Studien Menschen nach ihrem Testergebnis einteilen und am selben Ergebnis messen, ob sie sich überschätzen.

Die Verteidigung: 2021 haben Forscher aus Berkeley und Princeton die Grammatik- und die Logikstudie mit rund 7.000 Menschen wiederholt (Jansen, Rafferty und Griffiths). Wieder überschätzten sich die Schwächsten deutlich. Ihr Rechenmodell spricht dafür, dass die Schwächsten tatsächlich schlechter erkennen, ob ihre Antworten stimmen. Dunning fasste den Stand 2022 so zusammen: Der Effekt sei real, gestritten werde nur darüber, was ihn hervorbringt.

Wurde der Dunning-Kruger-Effekt 2026 widerlegt?

Im Juli 2026 haben die Wirtschaftswissenschaftler Chris Dawson (University of Bath) und David de Meza (London School of Economics) dieselben Daten der großen Wiederholung von 2021 noch einmal ausgewertet. Statt die Menschen nach ihrem Testergebnis zu sortieren, sortierten sie nach der eigenen Einschätzung. Bei dieser Rechnung wächst die Überschätzung mit dem Können: Die Fähigsten überschätzen sich am stärksten. Zeitungen schrieben, der Effekt sei damit „auf den Kopf gestellt“.

Drei Dinge gehören dazu:

• Die Neuauswertung ist ein Nebenteil einer Arbeit über die Evolution von Selbstüberschätzung, kein eigenes Experiment.
• Sie war nicht vorab registriert und ist bisher (Stand Oktober 2026) nicht unabhängig überprüft.
• Welche Rechnung passt, hängt davon ab, wo man den Zufall vermutet: im Testergebnis oder in der Selbsteinschätzung. Genau darüber streiten Fachleute.

Widerlegt ist der Effekt damit nicht. Die Neuauswertung ist die jüngste Stimme in einem langen Streit.

Was ist sicher belegt?

Dass sich die meisten Menschen für besser als den Durchschnitt halten. Eine Meta-Analyse von 2020 hat dazu Daten von mehr als 950.000 Menschen aus 291 Stichproben zusammengetragen (Zell, Strickhouser, Sedikides und Alicke). Der Befund ist über die Studien hinweg robust, bei Persönlichkeitseigenschaften stärker als bei Fähigkeiten.

Und es gibt eine gute Nachricht aus der Studie von 1999. In einem vierten Versuch bekam ein Teil der Studierenden eine kurze Schulung in Logik. Wer sie bekommen hatte, konnte danach viel besser beurteilen, welche seiner eigenen Antworten richtig waren. Am deutlichsten war der Unterschied bei den Schwächsten: Mit Schulung beurteilten sie 9,3 von 10 eigenen Antworten richtig, ohne Schulung 3,5.

Gilt der Dunning-Kruger-Effekt auch mit KI?

Eine Studie der Aalto-Universität in Finnland ließ Menschen Logikaufgaben aus dem US-Jura-Zulassungstest mit ChatGPT lösen (Fernandes und Kollegen, 2026). Mit der KI lösten sie im Schnitt 13 von 20 Aufgaben richtig, mehr als eine Vergleichsgruppe ohne KI. Sie schätzten aber, 16,5 gelöst zu haben. Am stärksten verschätzten sich die, die sich mit KI am besten auskannten. Das klassische Dunning-Kruger-Muster verschwand dabei im Rechenmodell der Forscher; im einfachen Vergleich nach Vierteln überschätzte sich das schwächste Viertel aber weiter am stärksten.

Das ist eine einzelne Studie mit einer Art von Aufgaben, in der die KI Pflicht war. Die Forschenden vermuten: Wer eine Antwort nur übernimmt, bekommt kein Gefühl dafür, ob sie stimmt.

Was kann man gegen den Dunning-Kruger-Effekt tun?

Den Effekt bei anderen zu suchen, hilft wenig. Die Frage an sich selbst hilft mehr: Wo bin ich mir sicher, ohne mich gut auszukennen? Aus der Studie von 1999 lässt sich ein Weg ablesen: Wer die Regeln einer Aufgabe lernt, erkennt eher seine eigenen Fehler. Und wenn eine KI geholfen hat, lohnt die Frage, was davon man selbst gekonnt hätte. Das ist unsere Ableitung aus den Studien, keine eigene Studie.

Was die Forschung noch nicht weiß

• Ob hinter dem Muster ein echter Mangel an Selbsterkenntnis steckt oder vor allem Zufall, ist nicht entschieden.
• Die meisten Studien testen Studierende oder Online-Teilnehmende mit kurzen Aufgaben. Wie groß der Effekt im Beruf oder im Alltag ist, ist wenig untersucht.
• Ob die Überschätzung mit KI anhält, wenn Menschen die Grenzen der Werkzeuge besser kennen, ist offen.

Quellen

• Kruger, Dunning: Unskilled and unaware of it, Journal of Personality and Social Psychology 77(6), 1999
• Jansen, Rafferty, Griffiths: A rational model of the Dunning–Kruger effect supports insensitivity to evidence in low performers, Nature Human Behaviour 5, 2021
• McIntosh, Della Sala: The persistent irony of the Dunning-Kruger effect, The Psychologist, 2022
• Dunning: The Dunning-Kruger effect and its discontents, The Psychologist, 2022
• Nuhfer und Kollegen: Random number simulations reveal how random noise affects the measurements and graphical portrayals of self-assessed competency, Numeracy 9(1), 2016
• Dawson, de Meza: Talking the talk, not walking the walk: The coevolution of overconfidence and loss aversion, Psychological Review, 2026
• Zell, Strickhouser, Sedikides, Alicke: The better-than-average effect in comparative self-evaluation, Psychological Bulletin 146(2), 2020
• Fernandes und Kollegen: AI makes you smarter but none the wiser, Computers in Human Behavior 175, 2026
• Interview mit David Dunning: The psychologist who defined the Dunning-Kruger effect says you're probably using it wrong, ZME Science / OpenMind, 17.10.2025
• Ig-Nobelpreis 2000: Improbable Research, Winners

Stand: 25. Oktober 2026. Recherchiert mit KI (Claude, von Anthropic). Wir verdienen nichts an dem, was wir hier ansehen. Wenn dir ein Fehler auffällt, schreib an hi@mindfulreflect.com. Wir korrigieren sichtbar und schreiben dazu, was vorher dastand.