Verhaltensökonomie Frameworks: die Wissenschaft, wie Kunden wirklich entscheiden

Kundinnen und Kunden entscheiden nicht wie im Lehrbuch

Die klassische Ökonomie stellt sich jemanden vor, der jeden Nutzen gegen jede Kostenstelle abwägt und dann die beste Option nimmt. Echte Menschen entscheiden mit müdem Kopf, knapper Aufmerksamkeit, Launen und gedanklichen Abkürzungen. Diese Abkürzungen sind fürs Überleben entstanden, nicht für den Vergleich von Abomodellen. Die Verhaltensökonomie untersucht, wie Menschen tatsächlich entscheiden, und nicht, wie sie entscheiden sollten.

Wer für die erdachte, völlig rationale Kundin gestaltet, wundert sich, warum ein gut durchdachtes Angebot nicht konvertiert. Wer dafür gestaltet, wie Menschen wirklich wählen, bekommt eine Seite, die mit ihnen arbeitet statt gegen sie.

Dieser Artikel geht die zentralen Frameworks der Reihe nach durch und sagt zu jedem, was die ursprüngliche Forschung gefunden hat, wie gut das gehalten hat, wo das deutsche Recht eine Grenze zieht und wie du es misst. Jede Zahl in den Rechenbeispielen ist erfunden, damit ich jeden Schritt zeigen kann.

Zwei Systeme: schnelle Intuition und langsames Nachdenken

Daniel Kahneman bekam 2002 einen Teil des Wirtschaftsnobelpreises dafür, Erkenntnisse der Psychologie in die Ökonomie zu bringen, vor allem zum Urteilen und Entscheiden unter Unsicherheit.¹ Sein Buch Thinking, Fast and Slow (deutsch: Schnelles Denken, langsames Denken) machte eine seiner Denkfiguren berühmt: zwei Arten zu denken, die er System 1 und System 2 nennt.²

System 1 ist schnell, automatisch und mühelos. Es erkennt ein Gesicht, liest ein Plakat und beantwortet 2 + 2. Es arbeitet mit Assoziationen, liefert Gefühle und erste Eindrücke und ist sich sicher, auch wenn es danebenliegt.

System 2 ist langsam und anstrengend. Es rechnet 17 mal 24, vergleicht zwei Produkte über sechs Merkmale und füllt die Steuererklärung in ELSTER aus. Es kann System 1 kontrollieren, schafft aber immer nur eine anspruchsvolle Sache auf einmal, und Ablenkung oder Zeitdruck legen es lahm.

Kahneman betont, dass die beiden Systeme ein nützliches Bild sind und keine zwei Orte im Gehirn.² Eine beliebte Ergänzung verdient eine Warnung. Die Idee, dass anstrengendes Denken an einem begrenzten Vorrat an Willenskraft zehrt, der sich erschöpft (die "Ego Depletion"), hat einen großen Test nicht überstanden: Eine vorab registrierte Replikation in 23 Laboren mit 2.141 Teilnehmenden fand einen Effekt von $d = 0{,}04$, mit einem 95 % Intervall von $-0{,}07$ bis $0{,}15$, das die Null einschließt.³ "System 2 ist faul" beschreibt also gut, wie Menschen sich verhalten. Es beweist aber nicht, dass jedes Formularfeld einen Akku leert.

Warum das in einem Shop zählt

Die meisten Alltagskäufe laufen über System 1: vertraut, schnell, vom Eindruck getrieben. System 2 schaltet sich unter bestimmten Bedingungen ein:

• Viel steht auf dem Spiel, ein Fehler wäre teuer.
• Etwas fühlt sich falsch an, etwa eine unerwartete Gebühr oder eine Seite, die seltsam aussieht.
• Ausdrückliche Aufforderung, wenn jemand oder etwas einen Vergleich erzwingt.
• Ungewohntes, wenn nichts an der Situation zu einem bekannten Muster passt.

Mach also den Weg für System 1 leicht (klares Layout, einfache Worte, ein offensichtlicher nächster Schritt) und halte die Informationen für System 2 bereit, wenn sie gebraucht werden.

Auch ein überlegter Kauf beginnt mit einem Eindruck von System 1. Social Proof ist eine der Abkürzungen, zu denen System 1 greift, wenn es unsicher ist.

Ein Beispiel: Teekontor Elbe (teekontor.example), ein erfundener Shop in Hamburg, zeigt einen Teekorb für 24 € und schlägt erst im letzten Checkout Schritt 6,95 € Versand auf. Die Überraschung weckt System 2, das zu vergleichen beginnt, und der Vergleich endet oft mit einem geschlossenen Tab. Steht schon auf der Produktseite "24 €, Versand 6,95 €", bleibt die Entscheidung auf dem schnellen Weg. Die Preisangabenverordnung verlangt ohnehin, im Fernabsatz anzugeben, ob Versandkosten anfallen und wie hoch sie sind, soweit sie sich im Voraus berechnen lassen.⁴

Kognitive Verzerrungen sind Abkürzungen, keine Fehler

Eine kognitive Verzerrung ist eine systematische Abweichung des Urteils vom rationalen Maßstab. Amos Tversky und Kahneman zeigten 1974, dass Menschen sich auf wenige Heuristiken (Faustregeln) stützen, die meist nützlich sind, aber zu vorhersehbaren Fehlern führen.⁵ Sie gehören zu einem Kopf, der für schnelle, ausreichend gute Entscheidungen gebaut ist. Hier die wichtigsten fürs Kaufen.

Der Bestätigungsfehler

Menschen suchen, deuten und erinnern Informationen so, dass sie zu dem passen, was sie schon glauben. Raymond Nickersons Überblicksarbeit nennt ihn ein allgegenwärtiges Phänomen in vielen Gestalten.⁶ Wer deine Marke mag, liest eine unklare Lieferverzögerung wohlwollend. Wer dir misstraut, sieht darin den Beweis. Ein früher, eindeutiger Erfolg für neue Kundschaft ("deine Bestellung ist gepackt und geht heute raus") gibt der Verzerrung etwas Positives zum Bestätigen.

Die Verfügbarkeitsheuristik

Menschen schätzen, wie wahrscheinlich etwas ist, danach, wie leicht ihnen Beispiele einfallen.⁵ Eine anschauliche Beschwerde wiegt mehr als tausend stille Erfolge. Mach gute Erfahrungen konkret und leicht erinnerbar, und antworte auf eine öffentliche Beschwerde schnell, bevor sie zu dem Beispiel wird, an das sich alle erinnern.

Die Peak End Regel, nicht der Recency Effekt

Oft landet das unter "Recency Effekt", aber die Forschung ist genauer. In einem Experiment von 1993 ließen Kahneman und Kollegen Menschen eine Hand 60 Sekunden lang in schmerzhaft kaltes Wasser von 14 °C halten, und in einem anderen Durchgang 60 Sekunden bei 14 °C, gefolgt von 30 Sekunden, in denen das Wasser leicht auf etwa 15 °C wärmer wurde. Gefragt, welchen Durchgang sie wiederholen würden, wählten 22 von 32 Teilnehmenden, also 69 %, den längeren, der den ganzen Schmerz des kurzen enthielt und noch etwas dazu.⁷ Die Menschen beurteilten die Episode nach ihrem schlimmsten Moment und ihrem Ende, und kaum nach ihrer Dauer.

Ein Beispiel: Eichwerk (eichwerk.example), ein erfundenes Möbelgeschäft in Köln, hat einen umständlichen Checkout, aber ein Lieferteam, das den Tisch aufbaut, die Verpackung mitnimmt und eine handgeschriebene Pflegekarte dalässt. Nach der Peak End Regel erinnert sich die Kundschaft eher an den Aufbau und die Karte als an das holprige Formular. Das ist keine Ausrede, das schlechte Formular zu behalten. Es sagt dir, wo der letzte Euro Aufwand am meisten bringt: am Ende der Erfahrung. Der Artikel über Conversion und UX Psychologie geht dem weiter nach.

Der Sunk Cost Effekt

Menschen investieren weiter in etwas, weil sie schon so viel hineingesteckt haben, und nicht, weil es sich lohnen wird. Hal Arkes und Catherine Blumer zeigten das mit Theaterabos: Wer den vollen Preis bezahlt hatte, ging in der ersten Hälfte der Saison öfter ins Theater als die, denen per Zufall ein Rabatt gegeben worden war.⁸ Wer Daten, Einstellungen und Mühe in ein Produkt gesteckt hat, geht ungern, und das ist ein Teil davon, warum ein Onboarding, das um Mühe bittet, die Bindung erhöhen kann. Die ehrliche Variante macht diese Investition für die Kundschaft wertvoll. Die andere baut nur Wechselkosten.

Status quo Verzerrung und Voreinstellungseffekt

Menschen bevorzugen den gegenwärtigen Zustand und nehmen gern, was vorausgewählt ist. Beides bekommt unten einen eigenen Abschnitt, weil es die stärksten Effekte in diesem Artikel sind.

Entscheidungsarchitektur: Es gibt keine neutrale Seite

Richard Thaler, der 2017 den Wirtschaftsnobelpreis bekam, prägte den Begriff "Nudge" und machte mit Cass Sunstein die Entscheidungsarchitektur bekannt: die Gestaltung des Umfelds, in dem Menschen wählen.⁹¹⁰ Die britische Wettbewerbsbehörde, die Competition and Markets Authority (CMA), nennt alle, die eine Website gestalten, Entscheidungsarchitekten, mit Beispielen wie der Reihenfolge von Suchergebnissen, der Zahl der Schritte bis zur Kündigung und der Frage, ob eine Option vorausgewählt ist.¹¹

Jede Seite hat eine Architektur, ob jemand sie bewusst entworfen hat oder nicht. Die CMA nennt Entscheidungsarchitektur einen neutralen Begriff: Sie kann Menschen helfen, gut zu wählen, oder Informationen verstecken und Voreinstellungen setzen, die nicht zu ihren Vorlieben passen.¹¹

Die Bausteine sind diese:

• Voreinstellungen: was vorausgewählt ist. Der stärkste Hebel, gleich im nächsten Abschnitt.
• Reihenfolge: wo eine Option steht. Die mittlere von drei Optionen wirkt wie der sichere Kompromiss, ein Muster, das Itamar Simonson als Kompromisseffekt beschrieben hat.¹² Eine klar schlechtere Option kann ihre Nachbarin besser aussehen lassen (der Decoy Effekt), aber der ist umstritten, wie der Artikel über Pricing Psychologie mit Rechenbeispielen erklärt.
• Framing: dieselbe Tatsache, anders dargestellt. "90 % fettfrei" und "10 % Fett" beschreiben denselben Joghurt. Die CMA verweist auf erhebliche Belege dafür, dass Framing, also das Hervorheben mancher Aspekte gegenüber anderen, Entscheidungen beeinflussen kann.¹¹
• Reibung: der Aufwand, den jeder Schritt kostet, weiter unten.
• Rückmeldung: Fortschrittsanzeigen, Bestätigungen und die Möglichkeit, etwas rückgängig zu machen, die Menschen helfen, das zu Ende zu bringen, was sie vorhatten.

Voreinstellungen sind der stärkste Hebel

Eine Voreinstellung ist die Option, die Menschen bekommen, wenn sie nichts tun. Die CMA beschreibt Voreinstellungen als einen der stärksten und verlässlichsten Einflüsse auf das Verhalten von Verbrauchern und zitiert eine Metaanalyse von 58 Studien: Eine vorausgewählte Option wird bei zwei Optionen im Schnitt mit 27 % höherer Wahrscheinlichkeit gewählt als ohne Voreinstellung.¹¹ Sie nennt drei Gründe: Bei der Voreinstellung zu bleiben kostet weniger Mühe, eine Voreinstellung kann wie eine Empfehlung wirken, und Menschen behandeln sie als Bezugspunkt, als gehöre sie ihnen schon.

Die Studie zur Altersvorsorge

Brigitte Madrian und Dennis Shea untersuchten ein großes US Unternehmen, das seine betriebliche Altersvorsorge von aktiver Anmeldung auf automatische Aufnahme umstellte, ohne sonst etwas am Plan zu ändern. Unter den Beschäftigten, die kurz vor der Umstellung eingestellt worden waren, lag die Teilnahme nach drei bis 15 Monaten Betriebszugehörigkeit bei 37 %. Unter denen, die mit automatischer Aufnahme kamen, bei 86 %. Und 61 % der automatisch Aufgenommenen behielten sowohl den voreingestellten Beitragssatz von 3 % als auch den voreingestellten Fonds, einen Geldmarktfonds, den kaum jemand aktiv gewählt hätte.¹³ Die Autoren deuten das als Trägheit plus die Neigung, die Voreinstellung als Rat zu verstehen.

Großbritannien hat dasselbe Experiment im ganzen Land durchgeführt. Dort begann 2012 die automatische Aufnahme in die betriebliche Altersvorsorge. Die Teilnahme der berechtigten Beschäftigten fiel vor dem Start auf einen Tiefstand von 55 % im Jahr 2012, erreichte 88 % im Jahr 2019¹⁴ und lag 2024 bei 89 %.¹⁵

Organspende, und was die berühmte Grafik wirklich zeigt

Die meistzitierte Grafik zu Voreinstellungen vergleicht die Spenderquoten in Ländern mit Zustimmungslösung und mit Widerspruchslösung. Oft wird sie so gelesen, als spendeten in Ländern mit Widerspruchslösung fast alle. Das zeigt sie nicht. Eric Johnson und Daniel Goldstein maßen die effektive Zustimmungsrate: den Anteil, der in Zustimmungsländern aktiv eingewilligt und in Widerspruchsländern nicht widersprochen hatte. Die vier Zustimmungsländer und die sechs Widerspruchsländer überlappten überhaupt nicht, fast 60 Prozentpunkte lagen dazwischen.¹⁶ Aber Zustimmung ist nicht Spende. Als sie die tatsächlichen Spenden von 1991 bis 2001 ansahen, bereinigt um andere Unterschiede zwischen den Ländern, hob die Voreinstellung die Spenden von 14,1 auf 16,4 Spender pro Million Einwohner, ein Plus von 16,3 %.¹⁶ Echt, aber viel kleiner, als die Grafik zur Zustimmung vermuten lässt. England hat inzwischen mit dem Organ Donation (Deemed Consent) Act 2019 auf eine Widerspruchslösung umgestellt.¹⁷ Deutschland nicht: Hier dürfen Organe nur entnommen werden, wenn die verstorbene Person eingewilligt hatte¹⁸ oder, wenn keine Erklärung bekannt ist, die nächsten Angehörigen zustimmen.¹⁹

Die Lehre für einen Shop: Eine Voreinstellung kann enorm verändern, was Menschen ankreuzen, und das Ergebnis, das dir wichtig ist, viel weniger. Miss das Ergebnis.

Rechenbeispiel: ein vorausgewählter Tarif bei einer Buchungssoftware in München

Termingut (termingut.example), ein erfundenes Unternehmen in München, verkauft Buchungssoftware an Friseursalons in drei Tarifen: Basic für 29 €, Pro für 79 € und Enterprise für 199 € im Monat. Ohne Vorauswahl, so die Annahme, wählen 35 % der Neukunden Basic, 45 % Pro und 20 % Enterprise. Weiter angenommen, ein vorausgewählter Tarif wird mit 27 % höherer Wahrscheinlichkeit gewählt, passend zur zusammenfassenden Zahl der CMA,¹¹ und der zusätzliche Anteil kommt anteilig von den anderen Tarifen.

Mit Pro vorausgewählt wird das Gewicht von Pro $0{,}45 \times 1{,}27 = 0{,}5715$. Die Gewichte ergeben jetzt zusammen $0{,}35 + 0{,}5715 + 0{,}20 = 1{,}1215$, also sind die Anteile Basic $0{,}35 / 1{,}1215 = 31{,}2\,\%$, Pro $0{,}5715 / 1{,}1215 = 51{,}0\,\%$ und Enterprise $0{,}20 / 1{,}1215 = 17{,}8\,\%$.

Bei 5.000 Neukunden im Monat ist der erwartete Monatsumsatz eine gewichtete Summe:

$$R = N \sum_{i} s_i \, p_i$$

Dabei ist $R$ der erwartete Monatsumsatz, $N$ die Zahl der Neukunden, $s_i$ der Anteil, der Tarif $i$ wählt, und $p_i$ der Monatspreis dieses Tarifs. Grundlagen: Erwartungswert erklärt die gewichtete Summe.

Vorausgewählt	Basic	Pro	Enterprise	Monatsumsatz
Nichts	35,0 %	45,0 %	20,0 %	427.500 €
Basic	40,6 %	41,1 %	18,3 %	403.109 €
Pro	31,2 %	51,0 %	17,8 %	423.979 €
Enterprise	33,2 %	42,7 %	24,1 %	456.575 €

Die Überraschung steckt in der Zeile Pro: Vorausgewählt gewinnt Pro die meisten Kunden, bringt aber weniger als gar keine Voreinstellung, weil es Leute auch von Enterprise herunterzieht und nicht nur von Basic herauf. Enterprise vorauszuwählen bringt hier am meisten und ist zugleich die Voreinstellung, die einen kleinen Salon am ehesten in einen Tarif steckt, den er nicht braucht. Das kommt später als Herabstufung und Beschwerde zurück. Die richtige Voreinstellung ist der Tarif, den die meisten wählen würden, wenn sie darüber nachdächten. Teste sie, und verfolge die Kundschaft über Monate, nicht über Tage.

# Termingut, erfunden: erwartete Anteile und Umsatz je vorausgewähltem Tarif
base = {'basic': 0.35, 'pro': 0.45, 'enterprise': 0.20}   # angenommene Vorlieben
prices = {'basic': 29, 'pro': 79, 'enterprise': 199}
boost = 1.27        # Annahme, passend zur zusammenfassenden Zahl der CMA von 27 %
customers = 5000

def shares(default=None):
    weights = {k: v * (boost if k == default else 1) for k, v in base.items()}
    total = sum(weights.values())
    return {k: w / total for k, w in weights.items()}

for default in [None, 'basic', 'pro', 'enterprise']:
    s = shares(default)
    revenue = customers * sum(s[k] * prices[k] for k in s)
    print(f"{str(default):10}", {k: f"{v:.1%}" for k, v in s.items()}, f"{revenue:,.0f} €")

Wo das deutsche Recht dir die Voreinstellung wegnimmt

Zwei Voreinstellungen darfst du schlicht nicht setzen. Die Einwilligung in Werbung oder Datennutzung muss eine aktive Handlung sein: Nach der Datenschutz Grundverordnung (DSGVO) ist Einwilligung eine eindeutige bestätigende Handlung, und Stillschweigen, bereits angekreuzte Kästchen oder Untätigkeit sollen ausdrücklich keine Einwilligung darstellen.²⁰ Für Cookies und ähnliche Technik, die nicht unbedingt nötig ist, verlangt § 25 des Telekommunikation Digitale Dienste Datenschutz Gesetzes (TDDDG) dieselbe Einwilligung nach den Regeln der DSGVO.²¹ Der Europäische Gerichtshof hat 2019 im Fall Planet49 (C 673/17) entschieden, dass ein voreingestelltes Ankreuzkästchen, das man zum Verweigern abwählen muss, keine wirksame Einwilligung ist.²² Und ein kostenpflichtiges Extra darf nicht voreingestellt sein: Eine Zahlung über den Preis der Hauptleistung hinaus kann ein Unternehmer mit Verbrauchern nur ausdrücklich vereinbaren, und im Onlinehandel wird eine solche Vereinbarung nicht Vertragsbestandteil, wenn er sie durch eine Voreinstellung herbeiführt.²³ Das vorangekreuzte Extra kannst du also gar nicht verlangen.

Das Diagramm liest sich von oben nach unten. Die erste Frage ist die rechtliche Schranke: Einwilligungen und kostenpflichtige Extras werden nie vorausgewählt. Alles andere muss dem entsprechen, was die Kundschaft selbst wählen würde, und ein Test bestätigt es. Die Botschaft steckt im letzten Kasten: Eine Voreinstellung, die bei den Häkchen gewinnt und bei den Erstattungen verliert, hat nicht gewonnen.

Reibung wirkt in beide Richtungen, und das Recht begrenzt eine davon

Jeder zusätzliche Schritt, jedes Feld, jeder Klick kostet ein paar Menschen. Reibung auf den Wegen zu entfernen, die die Kundschaft gehen will (Gastbestellung, gespeicherte Zahlungsdaten, vorausgefüllte Adressen), hilft ihr und dir. Reibung auf die Wege zu legen, die sie lieber nicht gehen soll, ist etwas anderes. Die CMA nennt übermäßige oder ungerechtfertigte Reibung, die es Menschen schwer macht, zu bekommen, was sie wollen, "Sludge" und nennt Hürden bei der Kündigung als Beispiel.¹¹ Das deutsche Recht ist hier schon weiter: Wer Verbrauchern auf einer Website den Abschluss eines Abos ermöglicht, muss nach § 312k BGB einen Kündigungsbutton anbieten, beschriftet mit "Verträge hier kündigen" oder ähnlich eindeutig, der direkt zu einer Bestätigungsseite mit einer Schaltfläche "jetzt kündigen" führt und ständig verfügbar sowie leicht zugänglich ist.²⁴ Dazu zählt das UWG bei der Frage, ob eine geschäftliche Handlung aggressiv ist, ausdrücklich belastende oder unverhältnismäßige Hindernisse, mit denen ein Unternehmer Verbraucher davon abhalten will, ihre vertraglichen Rechte auszuüben, einschließlich des Rechts, zu kündigen oder zu wechseln.²⁵ Also keine Kündigung nur per Telefon und keine Umfragewand vor dem Ausgang. Bau den Ausgang leicht, und verdien dir das Bleiben mit einem ehrlichen Angebot neben dem Ausgang, nicht als Hürde davor.

Rechenbeispiel: Checkout Schritte bei einer Druckerei in Leipzig

Druckerei Plagwitz (plagwitzdruck.example) ist ein erfundener Shop in Leipzig. Nimm als Annahmen dieses Beispiels an, dass 85 % der Menschen, die den Checkout beginnen, ihn abschließen würden, wenn er gar keine Schritte hätte (ein gedachter Ausgangswert), und dass jeder Schritt 15 % derer verliert, die noch dabei sind. Der Abschluss nach $n$ Schritten schrumpft dann wie Zinseszins in umgekehrter Richtung:

$$c_n = c_0 \, (1 - f)^n$$

Dabei ist $c_n$ der Anteil, der einen Checkout mit $n$ Schritten abschließt, $c_0$ der Anteil, der ohne jeden Schritt abschließen würde, $f$ der Anteil, der pro Schritt verloren geht, und $n$ die Zahl der Schritte. Grundlagen: Zinseszins zeigt, warum sich wiederholte Prozente multiplizieren und nicht addieren.

Mit $c_0 = 0{,}85$ und $f = 0{,}15$: ein Schritt ergibt $0{,}85 \times 0{,}85 = 72{,}2\,\%$, drei Schritte $0{,}85 \times 0{,}85^3 = 52{,}2\,\%$, fünf Schritte $37{,}7\,\%$ und acht Schritte $23{,}2\,\%$. Echte Schritte sind verschieden: Ein erwarteter Adressschritt kostet wenig, eine erzwungene Kontoanlage viel. Der Nutzen des Modells ist, dass du jedem Schritt eine Zahl gibst und sie dann in deinem eigenen Funnel misst.

# Druckerei Plagwitz, erfunden: Abschluss nach Zahl der Checkout Schritte
c0, f = 0.85, 0.15     # Annahmen des Beispiels, keine Messwerte
for steps in [1, 3, 5, 8]:
    print(f"{steps} Schritte: {c0 * (1 - f) ** steps:.1%} schließen ab")

Hyperbolisches Diskontieren: Jetzt zählt viel mehr als später

Die Standardökonomie nimmt exponentielles Diskontieren an: Eine künftige Belohnung verliert für jede Periode Verzögerung einen festen Anteil ihres Werts.

$$V = A \, e^{-rD}$$

Dabei ist $V$, was die Belohnung heute wert ist, $A$ die Belohnung, $r$ der Diskontsatz pro Tag und $D$ die Verzögerung in Tagen. Grundlagen: Diskontieren erklärt den Barwert.

Menschen verhalten sich eher, als diskontierten sie hyperbolisch: Eine Verzögerung jetzt kostet viel, dieselbe Verzögerung weit in der Zukunft fast nichts. Eine verbreitete Form ist:

$$V = \frac{A}{1 + kD}$$

Dabei sind $V$, $A$ und $D$ wie oben, und $k$ beschreibt, wie steil die Person diskontiert. Derselbe Abschnitt Grundlagen: Diskontieren erklärt, warum ein Wert heute und ein Wert später auseinanderliegen. 100 € heute gegen 100 € morgen fühlt sich wie eine echte Wahl an. 100 € in 365 Tagen gegen 100 € in 366 Tagen fällt kaum auf. Richard Thaler berichtete 1981 frühe Belege für diese Art von Inkonsistenz.²⁶

Wie gut das hält

Das Muster ist echt, seine Größe aber keine Konstante. Eine Übersicht über drei Jahrzehnte Forschung von Shane Frederick, George Loewenstein und Ted O'Donoghue spricht von der "spektakulären Streuung" der impliziten Diskontsätze zwischen den Studien.²⁷ Und ein sorgfältiges Experiment von Ned Augenblick, Muriel Niederle und Charles Sprenger fand bei Entscheidungen über Geld nur sehr wenig Gegenwartsverzerrung, bei Entscheidungen über Mühe dagegen deutlich mehr.²⁸ Für einen Shop heißt das: Der Sog des "Jetzt" ist bei Mühe und Warten am stärksten (Einrichten, Ausfüllen, auf die Lieferung warten) und bei reinen Geldvergleichen schwächer, als die Folklore sagt. Für beliebte Regeln wie "ein kostenloser Test schlägt immer einen Jahresrabatt" habe ich keine belastbaren Belege gefunden. Teste sie.

Rechenbeispiel: fünf Angebote durch zwei Diskontkurven

Eine erfundene Kaffeerösterei in Dresden, Röstwerk Neustadt (roestwerk.example), überlegt fünf Treueangebote. Angenommen sei eine steil hyperbolisch diskontierende Kundin mit $k = 0{,}05$ pro Tag und ein exponentieller Vergleichsmaßstab mit $r = 0{,}0003$ pro Tag.

Für 100 € Rabatt in 12 Monaten ist $D = 365$. Hyperbolisch: $100 / (1 + 0{,}05 \times 365) = 100 / 19{,}25 = 5{,}19$ €. Exponentiell: $100 \times e^{-0{,}0003 \times 365} = 100 \times e^{-0{,}1095} = 89{,}63$ €.

Angebot	Nennwert	Hyperbolischer Wert heute	Exponentieller Wert heute
10 € Rabatt jetzt	10 €	10,00 €	10,00 €
15 € Rabatt in 30 Tagen	15 €	6,00 €	14,87 €
25 € Rabatt in 90 Tagen	25 €	4,55 €	24,33 €
50 € Rabatt in 180 Tagen	50 €	5,00 €	47,37 €
100 € Rabatt in 12 Monaten	100 €	5,19 €	89,63 €

Für diese angenommene Kundin schlagen 10 € jetzt die 100 € in einem Jahr. Für den Vergleichsmaßstab sind sie ein Zehntel davon wert. Echte Kundschaft liegt irgendwo dazwischen, genau die Streuung, die die Übersicht beschreibt. Stell also voran, was die Kundin jetzt bekommt (sofortiger Zugang, Lieferung morgen, sichtbarer Fortschritt), und teste eine aufgeschobene Belohnung gegen eine sofortige, bevor du annimmst, dass eine davon gewinnt.

import math

# Röstwerk Neustadt, erfundene Angebote, k und r sind Annahmen des Beispiels
def hyperbolic(amount, days, k=0.05):
    return amount / (1 + k * days)

def exponential(amount, days, r=0.0003):
    return amount * math.exp(-r * days)

offers = [(10, 0), (15, 30), (25, 90), (50, 180), (100, 365)]
for amount, days in offers:
    print(f"{amount} € in {days} Tagen: hyperbolisch {hyperbolic(amount, days):.2f} €, "
          f"exponentiell {exponential(amount, days):.2f} €")

Mentale Buchführung: Geld in beschrifteten Gläsern

Ein Euro ist ein Euro, aber so behandeln Menschen ihn nicht. Thaler entwickelte die Theorie der mentalen Buchführung: Menschen vereinfachen Geldentscheidungen, indem sie im Kopf getrennte Konten führen und jede Entscheidung nach ihrer engen Wirkung auf ein Konto beurteilen, nicht nach der Gesamtwirkung.⁹²⁹ Ein unerwarteter Geldsegen liegt in einem anderen Glas als das Gehalt. Ein Gutschein liegt in einem Glas mit der Aufschrift "in diesem Laden ausgeben". Mit Karte zu zahlen fühlt sich anders an als bar, und Drazen Prelec und Duncan Simester fanden, dass Menschen mehr zu zahlen bereit waren, wenn sie mit Karte zahlen sollten, in ihren Studien bis zu 100 % mehr.³⁰ Es sind nur wenige Studien, also nimm diese Größe als Obergrenze.

Die Theorie sagt voraus, dass Gutscheine, Guthaben und Punkte freier ausgegeben werden als Bargeld, weil sie schon in einem Ausgabenglas liegen. Plausibel, aber keine gemessene Konstante, deshalb nennt das Beispiel unten seine Zahlen als Annahmen.

Dazu kommt eine rechtliche Grenze. Widerruft jemand eine Onlinebestellung innerhalb der Widerrufsfrist von 14 Tagen,³¹ muss der Shop für die Rückzahlung dasselbe Zahlungsmittel verwenden, mit dem gezahlt wurde, es sei denn, es ist ausdrücklich etwas anderes vereinbart und der Kundin entstehen dadurch keine Kosten.³² "Gutschein statt Erstattung" kann also nicht die Voreinstellung sein. Guthaben geht nur als Option, die die Kundin selbst wählt, und deshalb muss es für sie das bessere Angebot sein.

Rechenbeispiel: Erstattung oder Bonusguthaben bei einem Strickwarenladen in Hamburg

Maschenwerk Ottensen (maschenwerk.example), ein erfundener Laden in Hamburg, bearbeitet 1.000 Retouren im Monat mit einem durchschnittlichen Wert von 75 €. Die Erstattung auf das ursprüngliche Zahlungsmittel ist die Voreinstellung. Dazu kommt eine Option: Guthaben im Wert von 110 % der Bestellung, also 82,50 €. Angenommen, 30 % der Kundschaft wählen das Guthaben, 85 % des Guthabens werden irgendwann ausgegeben, und 5 % der Kundschaft mit Erstattung kommen wieder und geben ihre Erstattung aus.

1. Erstattungen: $700 \times 75 = 52.500$ € gehen zurück auf Karten und Konten. Kommen 5 % wieder, sind das $52.500 \times 0{,}05 = 2.625$ € spätere Umsätze.
2. Guthaben: $300 \times 75 = 22.500$ € bleiben im Laden. Ausgegeben wird Guthaben von $300 \times 82{,}50 = 24.750$ €, davon werden 85 % eingelöst: Waren für $21.037{,}50$ € zum Verkaufspreis.
3. Der Bonus kostet $300 \times 7{,}50 = 2.250$ € an zusätzlicher Ware zum Verkaufspreis, und weniger zum Einkaufspreis.

Ob sich das rechnet, hängt an der Marge. Bei hoher Rohmarge kostet die Bonusware den Laden wenig, bei dünner Marge bezahlt er Leute womöglich dafür, seinen Bestand zu behalten. Rechne mit der Marge, nicht mit dem Umsatz.

Zu viel Auswahl: die Marmeladenstudie und was danach kam

Das berühmteste Experiment dieses Felds fand bei Draeger's statt, einem gehobenen Supermarkt in Menlo Park, Kalifornien. Sheena Iyengar und Mark Lepper bauten einen Probierstand mit entweder 24 oder sechs Marmeladen auf. Von den 242 Menschen, die am großen Stand vorbeikamen, blieben 60 % stehen. Am kleinen Stand 40 %. Dann die Umkehr: 30 % derer, die am Stand mit sechs Sorten stehen blieben, kauften ein Glas, gegen 3 % am Stand mit 24 Sorten.³³

Die 3 % werden oft als Conversion des großen Stands zitiert. Es sind 3 % derer, die stehen blieben, nicht aller, die vorbeigingen. Pro Passant verkaufte der Stand mit sechs Sorten an $0{,}40 \times 0{,}30 = 12\,\%$ und der mit 24 Sorten an $0{,}60 \times 0{,}03 = 1{,}8\,\%$. Immer noch ein großer Abstand, etwa das Sechseinhalbfache, aus einem einzigen Probierstand in einem einzigen Laden.

Rechenbeispiel: War der Unterschied bei der Marmelade mehr als Zufall?

Die veröffentlichten Zahlen sind 31 Käufer von 104, die am kleinen Stand stehen blieben, und vier von 145 am großen. Der Zwei Stichproben Test für Anteile (z Test) vergleicht sie:

$$z = \frac{p_1 - p_2}{\sqrt{p(1-p)\left(\frac{1}{n_1} + \frac{1}{n_2}\right)}}$$

Dabei sind $p_1$ und $p_2$ die Anteile, die am jeweiligen Stand kauften, $n_1$ und $n_2$ die Zahl derer, die stehen blieben, und $p$ der gepoolte Anteil über beide. Grundlagen: Hypothesentests geht ihn Schritt für Schritt durch.

$p_1 = 31/104 = 0{,}298$, $p_2 = 4/145 = 0{,}028$, und der gepoolte Anteil $p = 35/249 = 0{,}141$. Der Standardfehler ist $\sqrt{0{,}141 \times 0{,}859 \times (1/104 + 1/145)} = 0{,}0447$, also $z = 0{,}270 / 0{,}0447 = 6{,}06$. Die Studie berichtet ein Chi Quadrat von 32,34 mit $p < 0{,}0001$. Innerhalb einer Studie ist der Unterschied kein Glück.

import math

# Iyengar und Lepper (2000), Studie 1: Käufer unter denen, die stehen blieben
buy_small, stop_small = 31, 104
buy_large, stop_large = 4, 145

p1, p2 = buy_small / stop_small, buy_large / stop_large
p = (buy_small + buy_large) / (stop_small + stop_large)
se = math.sqrt(p * (1 - p) * (1 / stop_small + 1 / stop_large))
z = (p1 - p2) / se
print(f"klein {p1:.1%}, groß {p2:.1%}, z = {z:.2f}")

Das Replikationsproblem

Innerhalb einer Studie, genau da liegt der Haken. Benjamin Scheibehenne, Rainer Greifeneder und Peter Todd fassten 63 Bedingungen aus 50 Experimenten mit zusammen 5.036 Teilnehmenden zusammen und fanden einen mittleren Effekt der Auswahlüberlastung von praktisch null, mit großen Unterschieden zwischen den Studien.³⁴ Viele Experimente fanden keine Überlastung, manche fanden, dass mehr Auswahl half. Eine spätere Metaanalyse von Alexander Chernev, Ulf Böckenholt und Joseph Goodman fasste 99 Beobachtungen von 7.202 Teilnehmenden zusammen und fand den Effekt unter bestimmten Bedingungen echt. Er wächst mit einem komplexen Sortiment, einer schwierigen Entscheidungsaufgabe, unklaren Vorlieben und dem Ziel, möglichst wenig Mühe aufzuwenden.³⁵

Die ehrliche Zusammenfassung ist also nicht "weniger Optionen verkaufen immer mehr". Sie lautet: Wenn die Optionen schwer zu vergleichen sind und die Kundschaft nicht weiß, was sie will, kann eine lange Liste sie ausbremsen. Einfache Entscheidungen mit klaren Kriterien (eine Größe, eine Farbe) vertragen viele Optionen. Drei Tarife sind ein vernünftiger Startpunkt für einen Test, kein Gesetz.

Wo eine lange Liste Menschen tatsächlich ausbremst, gibt es sanftere Lösungen, als das Sortiment zu kürzen: Varianten streichen, die niemand kauft, zuerst die Kernoptionen zeigen und den Rest auf Wunsch, ein paar Leitfragen stellen, eine wirklich beliebte Option als solche kennzeichnen und die übrigen Optionen leicht vergleichbar machen.

Status quo Verzerrung: Trägheit hält Kundschaft, Auslöser wecken sie

William Samuelson und Richard Zeckhauser zeigten, dass Menschen überproportional bei der aktuellen Option bleiben, in Experimenten und bei echten Entscheidungen wie der Wahl von Krankenversicherung und Altersvorsorge durch Beschäftigte einer Universität.³⁶ Mehrere Kräfte halten den Status quo fest. Ein Wechsel riskiert einen Verlust, und Verluste wiegen ungefähr doppelt so schwer wie Gewinne: Eine Metaanalyse von 2024 mit 607 Schätzungen kam auf einen mittleren Verlustaversionskoeffizienten von etwa 1,96, nicht auf die oft zitierten 2,25.³⁷ Bleiben braucht keine Bewertung. Ein schlechter Wechsel erzeugt mehr Reue als ein verpasster. Und Menschen schätzen höher, was sie schon haben, der Besitztumseffekt.

Was das für die Kundenbindung heißt

Die meisten Abonnentinnen und Abonnenten vergleichen gerade keine Alternativen. Sie bleiben, bis etwas sie zum Nachdenken bringt: eine Preiserhöhung, ein Serviceausfall, eine Veränderung im Leben, ein Hinweis zur Verlängerung. Einmal angestoßen, vergleichen sie richtig. Bindung heißt also zum Teil, unnötige Auslöser zu vermeiden (eine verwirrende Rechnung, eine überraschende Abbuchung), und die nötigen gut zu handhaben (eine Preisänderung früh erklärt, zusammen mit dem Wert, den sie bezahlt).

Das ist nicht dasselbe, wie Auslöser zu verstecken, die das Recht verlangt. Eine allgemeine Pflicht, vor jeder Verlängerung zu erinnern, kennt das deutsche Recht nicht. Aber in Allgemeinen Geschäftsbedingungen darf sich ein Vertrag über regelmäßige Lieferungen oder Leistungen nach der ersten Laufzeit nur noch auf unbestimmte Zeit verlängern, mit dem Recht, jederzeit mit höchstens einem Monat Frist zu kündigen,³⁸ und der Kündigungsbutton muss ständig erreichbar sein.²⁴ Eine Kundin, die nur bleibt, weil sie es nie bemerkt hat, ist eine Beschwerde, die noch nicht geschrieben wurde.

Rechenbeispiel: eine Preiserhöhung bei einem Kaffeeabo in Dresden

Röstwerk Neustadt verkauft auch ein Kaffeeabo. Angenommen sei für dieses Beispiel eine Grundabwanderung von 3 % der verbleibenden Abonnenten pro Monat. Eine Preiserhöhung in Monat 12 soll die Abwanderung in diesem Monat mit 3,5 multiplizieren und im Monat danach mit zwei. Ein Hinweis zur Verlängerung in Monat 12 soll sie in diesem Monat mit 2,5 multiplizieren.

Jeden Monat sinkt der verbleibende Anteil um die Abwanderung des Monats: $S_m = S_{m-1}\,(1 - c\,t_m)$. Dabei ist $S_m$ der Anteil, der nach Monat $m$ noch dabei ist, $c$ die monatliche Grundabwanderung und $t_m$ der Faktor des Auslösers in Monat $m$ (1, wenn nichts passiert). Es ist derselbe Zinseszins wie im Checkout Beispiel, siehe Grundlagen: Zinseszins.

Ohne Auslöser: $0{,}97^{12} = 69{,}4\,\%$ sind nach einem Jahr noch dabei und $0{,}97^{24} = 48{,}1\,\%$ nach zwei. Mit der Preiserhöhung: 64,0 % nach einem Jahr und 43,0 % nach zwei. Mit dem Hinweis zur Verlängerung: 66,2 % und 45,9 %.

Die waagrechte Achse zeigt die drei Szenarien, die senkrechte den Anteil der ursprünglichen Abonnenten, die nach zwei Jahren noch zahlen. Ein einziger Monat mit erhöhter Abwanderung kostet zwei Jahre später zwei bis fünf Punkte. Ob sich die Preiserhöhung lohnt, ist eine eigene Rechnung: 43,0 % Abonnenten, die mehr zahlen, können 48,1 % schlagen, die weniger zahlen. Mach diese Rechnung, und löse sie nie, indem du den Hinweis unterdrückst.

# Röstwerk Neustadt, erfunden: monatliche Abwanderung mit angenommenen Auslöserfaktoren
def remaining(months, base_churn=0.03, triggers=None):
    triggers = triggers or {}
    share = 1.0
    for m in range(1, months + 1):
        share *= 1 - base_churn * triggers.get(m, 1.0)
    return share

scenarios = {'Kein Auslöser': {}, 'Preiserhöhung M12': {12: 3.5, 13: 2.0}, 'Verlängerungshinweis M12': {12: 2.5}}
for name, triggers in scenarios.items():
    print(f"{name:25} 12 Monate {remaining(12, triggers=triggers):.1%}, "
          f"24 Monate {remaining(24, triggers=triggers):.1%}")

Was das für die Neukundengewinnung heißt

Dieselbe Verzerrung arbeitet gegen dich als Neuling: Der Status quo einer Interessentin ist ein Wettbewerber oder gar nichts zu tun. Zeig ehrlich, was das Bleiben kostet, mach den Wechsel leicht mit Datenimport und Hilfe beim Umzug, biete einen Test an, und sei zur Stelle, wenn sich ohnehin etwas ändert, etwa wenn ein Team wächst oder ein Vertrag ausläuft.

Ein Verhaltensaudit für dein eigenes Produkt

Aus den Frameworks wird eine kurze Liste von Fragen. Der Code unten gibt die aus, die du zuerst stellen solltest.

def behavioural_audit(product):
    actions = []
    if product.get('considered_purchase'):
        actions.append('System 2 unterstützen: technische Daten, Vergleiche, Referenzen und ein klarer erster Eindruck')
    else:
        actions.append('Den Weg für System 1 kurz halten: Gesamtpreis früh, wenige Schritte, keine Überraschungen')
    actions.append('Jede Voreinstellung auflisten: Würde die Kundschaft sie auf Nachfrage wählen?')
    actions.append('Einwilligungen und kostenpflichtige Extras: nicht angekreuzt, nur aktive Wahl')
    if product.get('subscription'):
        actions.append('Auslöser für Abwanderung kartieren, Preisänderungen früh erklären, den Ausgang einfach halten')
    if product.get('plans', 0) > 3 or product.get('options', 0) > 6:
        actions.append('Weniger Optionen, schrittweise Offenlegung oder geführte Auswahl testen')
    if product.get('returns'):
        actions.append('Erstattung auf das ursprüngliche Zahlungsmittel, Guthaben nur als besseres freiwilliges Angebot')
    actions.append('Ergebnisse messen (Erstattungen, Beschwerden, Bindung), nicht nur Klicks')
    return actions

# Ein erfundenes SaaS Produkt: überlegter Kauf, Abo, vier Tarife
for action in behavioural_audit({'considered_purchase': True, 'subscription': True, 'plans': 4}):
    print('-', action)

Müsste ich die Arbeit ordnen, kämen die Voreinstellungen zuerst: Sie sind der stärkste Hebel und meist am leichtesten zu ändern. Dann die Auslöser für Abwanderung, dann die Darstellung dessen, was die Kundschaft jetzt bekommt, dann die Zahl der Optionen.

Gestalte für Menschen, und zwar ehrlich

Verhaltensökonomie ist kein Werkzeugkasten, um Kundschaft zu manipulieren. Sie beschreibt, wie Menschen tatsächlich entscheiden, und du wendest sie an, ob du willst oder nicht, weil jede Seite eine Voreinstellung, eine Reihenfolge und ein Maß an Reibung hat. Die Frage ist nur, ob du sie bewusst wählst, so dass sie der Kundschaft genauso dient wie dem Geschäft, und ob du misst, was danach passiert.

Ich wende Verhaltensökonomie seit über zehn Jahren auf Produktgestaltung und Marketing an. Die Frameworks stammen aus der oben zitierten Forschung. Der Code läuft so, wie er dasteht, mit erfundenen Zahlen, also pass ihn an deine eigenen Daten an, bevor du einem Ergebnis traust, und der Artikel über statistische Signifikanz zeigt, wie du einen echten Zuwachs von Rauschen unterscheidest.

Footnotes

1. The Nobel Prize, The Sveriges Riksbank Prize in Economic Sciences in Memory of Alfred Nobel 2002, Zusammenfassung, https://www.nobelprize.org/prizes/economic-sciences/2002/summary/

2. Daniel Kahneman, Thinking, Fast and Slow, Penguin, https://www.penguin.co.uk/books/56314/thinking-fast-and-slow-by-daniel-kahneman/9780141033570

3. Martin S. Hagger, Nikos L. D. Chatzisarantis und weitere, A multilab preregistered replication of the ego depletion effect, Perspectives on Psychological Science 11(4), Seiten 546 bis 573, 2016, https://research.tilburguniversity.edu/en/publications/a-multi-lab-pre-registered-replication-of-the-ego-depletion-effec/

4. Bundesministerium der Justiz, Preisangabenverordnung (PAngV), § 6 Preisangaben bei Fernabsatzverträgen, Absätze 1 und 2, Gesetze im Internet, 2026, https://www.gesetze-im-internet.de/pangv_2022/__6.html

5. Amos Tversky und Daniel Kahneman, Judgment under uncertainty: heuristics and biases, Science 185(4157), Seiten 1124 bis 1131, 1974, https://sites.socsci.uci.edu/~bskyrms/bio/readings/tversky_k_heuristics_biases.pdf

6. Raymond S. Nickerson, Confirmation bias: a ubiquitous phenomenon in many guises, Review of General Psychology 2(2), Seiten 175 bis 220, 1998, https://pages.ucsd.edu/~cmckenzie/nickersonConfirmationBias.pdf

7. Daniel Kahneman, Barbara L. Fredrickson, Charles A. Schreiber und Donald A. Redelmeier, When more pain is preferred to less: adding a better end, Psychological Science 4(6), Seiten 401 bis 405, 1993, https://ius.uzh.ch/dam/jcr:5ae9adc9-61ec-4174-b37c-4b752f36c23b/Kahnemann%20et%20al.%20-%20When%20More%20Pain%20is%20Preferred%20to%20Less%20%281993%29.pdf

8. Hal R. Arkes und Catherine Blumer, The psychology of sunk cost, Organizational Behavior and Human Decision Processes 35(1), Seiten 124 bis 140, 1985, https://econpapers.repec.org/article/eeejobhdp/v_3a35_3ay_3a1985_3ai_3a1_3ap_3a124-140.htm

9. The Nobel Prize, The Prize in Economic Sciences 2017, Pressemitteilung zu Richard H. Thaler, https://www.nobelprize.org/prizes/economic-sciences/2017/press-release/

10. Richard H. Thaler und Cass R. Sunstein, Nudge: the final edition, Penguin, https://www.penguin.co.uk/books/310797/nudge-by-thaler-richard-h-and-sunstein-cass-r/9780141999937

11. Competition and Markets Authority (Vereinigtes Königreich), Online choice architecture: how digital design can harm competition and consumers, Diskussionspapier CMA155, April 2022, Absätze 1 bis 3 und 4.27 bis 4.28, https://assets.publishing.service.gov.uk/media/624c27c68fa8f527710aaf58/Online_choice_architecture_discussion_paper.pdf

12. Itamar Simonson, Choice based on reasons: the case of attraction and compromise effects, Journal of Consumer Research 16(2), Seiten 158 bis 174, 1989, https://econpapers.repec.org/article/oupjconrs/v_3a16_3ay_3a1989_3ai_3a2_3ap_3a158-74.htm

13. Brigitte C. Madrian und Dennis F. Shea, The power of suggestion: inertia in 401(k) participation and savings behavior, NBER Working Paper 7682, 2000 (erschienen im Quarterly Journal of Economics 116(4), 2001), https://www.nber.org/system/files/working_papers/w7682/w7682.pdf

14. Department for Work and Pensions (Vereinigtes Königreich), Workplace pension participation and saving trends of eligible employees: 2009 to 2019, GOV.UK, 2020, https://assets.publishing.service.gov.uk/media/5ee9d19cd3bf7f1eb4a1b56a/workplace-pension-participation-and-saving-trends-2009-2019.pdf

15. Department for Work and Pensions (Vereinigtes Königreich), Workplace pension participation and savings trends of eligible employees: 2009 to 2024, GOV.UK, 31. Juli 2025, https://www.gov.uk/government/statistics/workplace-pension-participation-and-savings-trends-2009-to-2024/workplace-pension-participation-and-savings-trends-of-eligible-employees-2009-to-2024

16. Eric J. Johnson und Daniel G. Goldstein, Defaults and donation decisions, Transplantation 78(12), 2004, https://hods.org/pdf/Defaults%20and%20Donation%20Decisions.pdf

17. Organ Donation (Deemed Consent) Act 2019, legislation.gov.uk, https://www.legislation.gov.uk/ukpga/2019/7/contents

18. Bundesministerium der Justiz, Transplantationsgesetz (TPG), § 3 Entnahme mit Einwilligung des Spenders, Absatz 1, Gesetze im Internet, 2026, https://www.gesetze-im-internet.de/tpg/__3.html

19. Bundesministerium der Justiz, Transplantationsgesetz (TPG), § 4 Entnahme mit Zustimmung anderer Personen, Absatz 1, Gesetze im Internet, 2026, https://www.gesetze-im-internet.de/tpg/__4.html

20. Europäisches Parlament und Rat, Verordnung (EU) 2016/679 (Datenschutz Grundverordnung), Erwägungsgrund 32 und Artikel 7, EUR Lex, 2016, https://eur-lex.europa.eu/legal-content/DE/TXT/HTML/?uri=CELEX:32016R0679

21. Bundesministerium der Justiz, Telekommunikation Digitale Dienste Datenschutz Gesetz (TDDDG), § 25 Schutz der Privatsphäre bei Endeinrichtungen, Absätze 1 und 2, Gesetze im Internet, 2026, https://www.gesetze-im-internet.de/ttdsg/__25.html

22. Gerichtshof der Europäischen Union, Urteil vom 1. Oktober 2019, Rechtssache C 673/17 (Planet49), Tenor Nr. 1, EUR Lex, https://eur-lex.europa.eu/legal-content/DE/TXT/HTML/?uri=CELEX:62017CJ0673

23. Bundesministerium der Justiz, Bürgerliches Gesetzbuch (BGB), § 312a Allgemeine Pflichten und Grundsätze bei Verbraucherverträgen, Grenzen der Vereinbarung von Entgelten, Absatz 3, Gesetze im Internet, 2026, https://www.gesetze-im-internet.de/bgb/__312a.html

24. Bundesministerium der Justiz, Bürgerliches Gesetzbuch (BGB), § 312k Kündigung von Verbraucherverträgen im elektronischen Geschäftsverkehr, Absätze 1 und 2, Gesetze im Internet, 2026, https://www.gesetze-im-internet.de/bgb/__312k.html

25. Bundesministerium der Justiz, Gesetz gegen den unlauteren Wettbewerb (UWG), § 4a Aggressive geschäftliche Handlungen, Absatz 2 Nr. 4, Gesetze im Internet, 2026, https://www.gesetze-im-internet.de/uwg_2004/__4a.html

26. Richard Thaler, Some empirical evidence on dynamic inconsistency, Economics Letters 8(3), Seiten 201 bis 207, 1981, https://econpapers.repec.org/article/eeeecolet/v_3a8_3ay_3a1981_3ai_3a3_3ap_3a201-207.htm

27. Shane Frederick, George Loewenstein und Ted O'Donoghue, Time discounting and time preference: a critical review, Journal of Economic Literature 40(2), Seiten 351 bis 401, 2002, https://www.aeaweb.org/articles?id=10.1257/002205102320161311

28. Ned Augenblick, Muriel Niederle und Charles Sprenger, Working over time: dynamic inconsistency in real effort tasks, Quarterly Journal of Economics 130(3), Seiten 1067 bis 1115, 2015, https://econpapers.repec.org/RePEc:oup:qjecon:v:130:y:2015:i:3:p:1067-1115

29. Richard Thaler, Mental accounting and consumer choice, Marketing Science 4(3), Seiten 199 bis 214, 1985, https://econpapers.repec.org/article/inmormksc/v_3a4_3ay_3a1985_3ai_3a3_3ap_3a199-214.htm

30. Drazen Prelec und Duncan Simester, Always leave home without it: a further investigation of the credit card effect on willingness to pay, Marketing Letters 12, Seiten 5 bis 12, 2001, https://link.springer.com/article/10.1023/A:1008196717017

31. Bundesministerium der Justiz, Bürgerliches Gesetzbuch (BGB), § 355 Widerrufsrecht bei Verbraucherverträgen, Absatz 2, Gesetze im Internet, 2026, https://www.gesetze-im-internet.de/bgb/__355.html

32. Bundesministerium der Justiz, Bürgerliches Gesetzbuch (BGB), § 357 Rechtsfolgen des Widerrufs von außerhalb von Geschäftsräumen geschlossenen Verträgen und Fernabsatzverträgen, Absatz 3, Gesetze im Internet, 2026, https://www.gesetze-im-internet.de/bgb/__357.html

33. Sheena S. Iyengar und Mark R. Lepper, When choice is demotivating: can one desire too much of a good thing?, Journal of Personality and Social Psychology 79(6), Seiten 995 bis 1006, 2000, https://faculty.washington.edu/jdb/345/345%20Articles/Iyengar%20%26%20Lepper%20%282000%29.pdf

34. Benjamin Scheibehenne, Rainer Greifeneder und Peter M. Todd, Can there ever be too many options? A meta analytic review of choice overload, Journal of Consumer Research 37(3), Seiten 409 bis 425, 2010, https://econpapers.repec.org/article/oupjconrs/v_3a37_3ay_3a2010_3ai_3a3_3ap_3a409-425.htm

35. Alexander Chernev, Ulf Böckenholt und Joseph Goodman, When product assortment leads to choice overload: a conceptual review and meta analysis, Journal of Consumer Psychology, 2015, Kellogg School of Management, https://www.kellogg.northwestern.edu/faculty/research/detail/2015/when-product-assortment-leads-to-choice-overload-a-conceptual

36. William Samuelson und Richard Zeckhauser, Status quo bias in decision making, Journal of Risk and Uncertainty 1(1), Seiten 7 bis 59, 1988, https://econpapers.repec.org/RePEc:kap:jrisku:v:1:y:1988:i:1:p:7-59

37. Alexander L. Brown, Taisuke Imai, Ferdinand M. Vieider und Colin F. Camerer, Meta analysis of empirical estimates of loss aversion, Journal of Economic Literature 62(2), Seiten 485 bis 516, 2024, https://www.aeaweb.org/articles?id=10.1257/jel.20221698

38. Bundesministerium der Justiz, Bürgerliches Gesetzbuch (BGB), § 309 Klauselverbote ohne Wertungsmöglichkeit, Nr. 9 Buchstabe b, Gesetze im Internet, 2026, https://www.gesetze-im-internet.de/bgb/__309.html