Analysen menschlicher Entscheidungsprozesse: Sprachmodelle machen verbale Berichte skalierbar Forscher des SynoSys-Zentrums an der Technischen Universität Dresden, des Max-Planck-Instituts zur Erforschung von Gemeinschaftsgütern und der Universität Basel haben ein neues analytisches Verfahren vorgestellt, das Large Language Models einsetzt, um versteckte kognitive Motive hinter menschlichen Entscheidungen systematisch aufzudecken. Die Studie erschien im Januar 2026 in den Proceedings of the National Academy of Sciences. Das entwickelte Pipeline-Design kombiniert quantitativen choice-Daten mit qualitativen Selbstauskünften. Versuchspersonen absolvierten kontrollierte Gambling-Aufgaben und begründeten jede getroffene Wahl in freien Texten. Anstatt diese linguistischen Rohdaten manuell zu sichten, verarbeiteten die Sprachmodelle die Antworten abgeleitet aus etablierten verhaltensökonomischen Modellen. Dabei wurden spezifische Entscheidungsfaktoren extrahiert, etwa die Ausrichtung auf maximale Gewinnwahrscheinlichkeiten oder die Strategie zur Verlustvermeidung. Diese sprachanalytischen Ergebnisse wurden parallel durch mathematische choice-Modelle validiert, was eine hohe Reliabilität der gemessenen kognitiven Muster sicherstellte. Die Untersuchung zeigt deutlich, dass die zugrunde liegenden Entscheidungsfaktoren nicht feststehen, sondern sich kontextabhängig und systematisch verschieben. Die Kombination aus verbalen Berichten, KI-Analyse und mathematischer Modellierung beweist, dass menschliche Selbstauskünfte eine hochrelevante Quelle darstellen. Sie offenbart, wie Probanden komplexe Informationsstrukturen vereinfachen, relevante Datenpunkte priorisieren und adaptive Heuristiken flexibel einsetzen. Die Bedeutung des Verfahrens liegt in der Skalierbarkeit qualitativer verhaltenswissenschaftlicher Forschung. In Anwendungsbereichen mit komplexen Zielkonflikten, wie Finanzplanung, medizinische Entscheidungen, Technologieadoption oder öffentliche Politik, reichen reine Verhaltensbeobachtungen oft nicht aus, um die dahinterstehenden Abwägungsmechanismen zu verstehen. Die vorgestellte Methodik ermöglicht es, diese Prozesse in realistischeren und dynamischeren Szenarien zu untersuchen. Durch die Integration von Sprachmodellen in die experimentelle Pipeline wird ein rigoroser, datenbasierter Zugang zu menschlicher Kognition geschaffen, der zukünftig die Modellierung von Entscheidungsverhalten in künstlichen und realen Systemen präziser abbilden kann.