{"id":5386,"date":"2026-06-15T06:52:18","date_gmt":"2026-06-15T04:52:18","guid":{"rendered":"https:\/\/g7itchme.wordpress.com\/?p=5386"},"modified":"2026-06-15T06:52:18","modified_gmt":"2026-06-15T04:52:18","slug":"drei-turen-eine-frage-zwei-drittel-das-monty-hall-problem-als-denkwerkzeug","status":"publish","type":"post","link":"https:\/\/technodidact.de\/en\/drei-turen-eine-frage-zwei-drittel-das-monty-hall-problem-als-denkwerkzeug\/","title":{"rendered":"Drei T\u00fcren, eine Frage, zwei Drittel: Das Monty-Hall-Problem als Denkwerkzeug"},"content":{"rendered":"

Autor: DerSchneider<\/strong><\/p>\n\n\n\n

Einleitung<\/h2>\n\n\n\n

Drei T\u00fcren. Hinter einem ein Auto, hinter den anderen zwei Ziegen. Ein Kandidat w\u00e4hlt eine T\u00fcr. Ein Moderator, der wei\u00df, wo das Auto steht, \u00f6ffnet eine der anderen T\u00fcren \u2013 dahinter eine Ziege. Dann die Frage: Bleiben oder wechseln?<\/p>\n\n\n\n

Was auf den ersten Blick wie eine einfache Rateshow-Aufgabe wirkt, entpuppt sich als eines der einflussreichsten Gedankenexperimente des sp\u00e4ten 20. Jahrhunderts. Das Monty-Hall-Problem, benannt nach dem Moderator der US-Sendung Let\u2019s Make a Deal<\/em>, spaltete Mathematiker, Nobelpreistr\u00e4ger und Leser von Parade Magazine<\/em> \u2013 und das \u00fcber Jahre.<\/p>\n\n\n\n

Dieser Artikel beleuchtet das Problem aus mathematischer, psychologischer und historischer Perspektive. Er zeigt, warum selbst Experten oft falsch liegen, wie die L\u00f6sung lautet \u2013 und welche Denkwerkzeuge man daraus f\u00fcrs echte Leben mitnehmen kann.<\/p>\n\n\n\n

Hauptteil<\/h2>\n\n\n\n

1. Die Spielregeln \u2013 klar, aber t\u00fcckisch<\/h3>\n\n\n\n

Um das Problem korrekt zu analysieren, m\u00fcssen die Regeln pr\u00e4zise sein:<\/p>\n\n\n\n

    \n
  1. Das Auto ist zuf\u00e4llig hinter einer der drei T\u00fcren verteilt.<\/li>\n\n\n\n
  2. Der Kandidat w\u00e4hlt zuerst eine T\u00fcr.<\/li>\n\n\n\n
  3. Der Moderator \u00f6ffnet danach\u00a0eine andere T\u00fcr<\/strong>, hinter der\u00a0garantiert eine Ziege<\/strong>\u00a0ist.<\/li>\n\n\n\n
  4. Der Moderator wei\u00df, wo das Auto steht, und handelt\u00a0nicht zuf\u00e4llig<\/strong>.<\/li>\n\n\n\n
  5. Der Kandidat darf dann entweder bei seiner T\u00fcr bleiben oder zur anderen, noch nicht ge\u00f6ffneten T\u00fcr wechseln.<\/li>\n<\/ol>\n\n\n\n

    Die Unsch\u00e4rfe, die oft zu Missverst\u00e4ndnissen f\u00fchrt, ist Punkt 3: W\u00fcrde der Moderator zuf\u00e4llig eine andere T\u00fcr \u00f6ffnen und k\u00f6nnte dabei das Auto preisgeben, w\u00e4re die Rechnung eine andere. Das ist aber nicht<\/strong> der Fall.<\/p>\n\n\n\n

    2. Die intuitiv falsche Antwort<\/h3>\n\n\n\n

    Die meisten Menschen argumentieren so:
    Nach dem \u00d6ffnen einer Ziegent\u00fcr gibt es nur noch zwei T\u00fcren. Also sei die Wahrscheinlichkeit 50\u202f% f\u00fcr jede \u2013 egal ob man wechselt oder nicht.<\/p>\n\n\n\n

    Diese Intuition ist falsch, weil sie die Informationswirkung<\/strong> des Moderators ignoriert. Die erste Wahl des Kandidaten teilt die T\u00fcren in zwei Gruppen: die eigene T\u00fcr (eine) und die anderen beiden (zwei). Der Moderator \u00f6ffnet immer eine Ziege<\/strong> aus der Zweiergruppe, wenn m\u00f6glich.<\/p>\n\n\n\n

    3. Die mathematische L\u00f6sung \u2013 zwei Wege<\/h3>\n\n\n\n

    Variante 1: Fallunterscheidung (ohne Formeln)<\/h4>\n\n\n\n
    Auto hinter<\/th>Wahrscheinlichkeit<\/th>Moderator \u00f6ffnet<\/th>Ergebnis bei Wechsel<\/th><\/tr><\/thead>
    T\u00fcr 1 (eigene)<\/td>1\/3<\/td>T\u00fcr 2 oder 3 (Ziege)<\/td>Verlust<\/td><\/tr>
    T\u00fcr 2<\/td>1\/3<\/td>T\u00fcr 3 (Ziege)<\/td>Gewinn<\/td><\/tr>
    T\u00fcr 3<\/td>1\/3<\/td>T\u00fcr 2 (Ziege)<\/td>Gewinn<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

    Wechsel f\u00fchrt in 2 von 3 F\u00e4llen<\/strong> zum Gewinn \u2192 Wahrscheinlichkeit = 2\/3.<\/p>\n\n\n\n

    Variante 2: Bedingte Wahrscheinlichkeit nach Bayes<\/h4>\n\n\n\n

    Ereignisse:<\/p>\n\n\n\n

      \n
    • A<\/mi>i<\/mi><\/msub><\/mrow><\/semantics><\/math>A<\/em>i<\/em>\u200b: Auto hinter T\u00fcr\u00a0i<\/mi><\/mrow><\/semantics><\/math>i<\/em>\u00a0(i=1,2,3)<\/li>\n\n\n\n
    • Kandidat w\u00e4hlt T\u00fcr 1<\/li>\n\n\n\n
    • Moderator \u00f6ffnet T\u00fcr 3 (das ist o.\u202fB. d.\u202fA. m\u00f6glich)<\/li>\n<\/ul>\n\n\n\n

      Gesucht: P<\/mi>(<\/mo>A<\/mi>1<\/mn><\/msub>\u2223<\/mo>M<\/mi>3<\/mn><\/msub>)<\/mo><\/mrow><\/semantics><\/math>P<\/em>(A<\/em>1\u200b\u2223M<\/em>3\u200b) vs. P<\/mi>(<\/mo>A<\/mi>2<\/mn><\/msub>\u2223<\/mo>M<\/mi>3<\/mn><\/msub>)<\/mo><\/mrow><\/semantics><\/math>P<\/em>(A<\/em>2\u200b\u2223M<\/em>3\u200b)<\/p>\n\n\n\n

      Mit Bayes:P<\/mi>(<\/mo>A<\/mi>1<\/mn><\/msub>\u2223<\/mo>M<\/mi>3<\/mn><\/msub>)<\/mo>=<\/mo>P<\/mi>(<\/mo>M<\/mi>3<\/mn><\/msub>\u2223<\/mo>A<\/mi>1<\/mn><\/msub>)<\/mo>\u22c5<\/mo>P<\/mi>(<\/mo>A<\/mi>1<\/mn><\/msub>)<\/mo><\/mrow>P<\/mi>(<\/mo>M<\/mi>3<\/mn><\/msub>)<\/mo><\/mrow><\/mfrac><\/mrow><\/semantics><\/math>P<\/em>(A<\/em>1\u200b\u2223M<\/em>3\u200b)=P<\/em>(M<\/em>3\u200b)P<\/em>(M<\/em>3\u200b\u2223A<\/em>1\u200b)\u22c5P<\/em>(A<\/em>1\u200b)\u200b<\/p>\n\n\n\n

      Einsetzen (wie im vorherigen Chat gezeigt) ergibt:P<\/mi>(<\/mo>A<\/mi>1<\/mn><\/msub>\u2223<\/mo>M<\/mi>3<\/mn><\/msub>)<\/mo>=<\/mo>1<\/mn>3<\/mn><\/mfrac>,<\/mo><\/mspace>P<\/mi>(<\/mo>A<\/mi>2<\/mn><\/msub>\u2223<\/mo>M<\/mi>3<\/mn><\/msub>)<\/mo>=<\/mo>2<\/mn>3<\/mn><\/mfrac><\/mrow><\/semantics><\/math>P<\/em>(A<\/em>1\u200b\u2223M<\/em>3\u200b)=31\u200b,P<\/em>(A<\/em>2\u200b\u2223M<\/em>3\u200b)=32\u200b<\/p>\n\n\n\n

      Das hei\u00dft: Die andere<\/strong> T\u00fcr (T\u00fcr 2) ist doppelt so wahrscheinlich das Auto zu enthalten wie die eigene.<\/p>\n\n\n\n

      4. Warum das Problem so ber\u00fchmt wurde<\/h3>\n\n\n\n

      1990 ver\u00f6ffentlichte Marilyn vos Savant in ihrer Parade<\/em>-Kolumne die L\u00f6sung (Wechseln ist besser). Daraufhin gingen Tausende Leserbriefe ein \u2013 darunter etwa 1.000 von Doktoren und Mathematikprofessoren \u2013 die ihr widersprachen. Einer der bekanntesten Kritiker war Robert Sachs, ein Mathematikprofessor am Georgia College.<\/p>\n\n\n\n

      Selbst der ber\u00fchmte Mathematiker Paul Erd\u0151s weigerte sich lange, die L\u00f6sung zu akzeptieren. Erst nach mehreren Computersimulationen gab er nach.<\/p>\n\n\n\n

      Das Problem zeigt eindrucksvoll, dass selbst Fachleute anf\u00e4llig f\u00fcr falsche Intuitionen sind \u2013 besonders bei Wahrscheinlichkeiten mit nicht-zuf\u00e4lligen Informationen.<\/p>\n\n\n\n

      5. Veranschaulichung mit 100 T\u00fcren<\/h3>\n\n\n\n

      Um die Intuition zu sch\u00e4rfen, hilft die Erweiterung auf 100 T\u00fcren:<\/p>\n\n\n\n

        \n
      • Du w\u00e4hlst eine T\u00fcr (Chance 1\/100 auf Auto).<\/li>\n\n\n\n
      • Der Moderator \u00f6ffnet 98 andere T\u00fcren mit Ziegen.<\/li>\n\n\n\n
      • Eine einzige andere T\u00fcr bleibt geschlossen.<\/li>\n<\/ul>\n\n\n\n

        Frage: Liegt das Auto mit h\u00f6herer Wahrscheinlichkeit hinter deiner ersten Wahl (1\/100) oder hinter der einen anderen T\u00fcr, die der Moderator \u00fcbrig lie\u00df (99\/100)?<\/p>\n\n\n\n

        Die Antwort: Wechseln<\/strong> fast immer.<\/p>\n\n\n\n

        6. Tabellarische \u00dcbersicht der Strategien<\/h3>\n\n\n\n
        Strategie<\/th>Gewinnwahrscheinlichkeit<\/th><\/tr><\/thead>
        Bleiben<\/td>1\/3 \u2248 33,3\u202f%<\/td><\/tr>
        Wechseln<\/td>2\/3 \u2248 66,7\u202f%<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

        7. Kontroversen und Unsch\u00e4rfen \u2013 was man beachten muss<\/h3>\n\n\n\n

        Das Monty-Hall-Problem wird manchmal falsch zitiert, weil folgende Bedingungen nicht<\/strong> immer explizit genannt werden:<\/p>\n\n\n\n

          \n
        • Der Moderator\u00a0muss<\/strong>\u00a0eine Ziegent\u00fcr \u00f6ffnen.<\/li>\n\n\n\n
        • Der Moderator\u00a0darf nicht<\/strong>\u00a0die T\u00fcr des Kandidaten \u00f6ffnen.<\/li>\n\n\n\n
        • Der Moderator\u00a0darf nicht<\/strong>\u00a0das Auto \u00f6ffnen.<\/li>\n\n\n\n
        • Der Moderator w\u00e4hlt, falls zwei Ziegen verf\u00fcgbar sind, zuf\u00e4llig eine aus (ansonsten w\u00e4re die L\u00f6sung immer noch 2\/3 \u2013 aber die Berechnung \u00e4ndert sich geringf\u00fcgig).<\/li>\n<\/ul>\n\n\n\n

          Fehlt eine dieser Bedingungen, ist die L\u00f6sung nicht mehr zwingend 2\/3. Das Problem ist also sensibel gegen\u00fcber unausgesprochenen Annahmen<\/strong> \u2013 ein wichtiger Punkt f\u00fcr kritisches Denken.<\/p>\n\n\n\n

          8. Ausblick: Warum das heute noch relevant ist<\/h3>\n\n\n\n

          Das Monty-Hall-Problem ist kein reines Quiz-R\u00e4tsel. Es ist ein Denkwerkzeug<\/strong> f\u00fcr:<\/p>\n\n\n\n

            \n
          • Medizindiagnostik<\/strong>\u00a0(Bedingte Wahrscheinlichkeiten bei Tests)<\/li>\n\n\n\n
          • Spieltheorie<\/strong>\u00a0(Informationsvorsprung eines Gegners)<\/li>\n\n\n\n
          • K\u00fcnstliche Intelligenz<\/strong>\u00a0(Umgang mit unsicherem Wissen)<\/li>\n\n\n\n
          • Alltagsentscheidungen<\/strong>\u00a0(Wechseln bei neuen Informationen)<\/li>\n<\/ul>\n\n\n\n

            Wer versteht, dass sich Wahrscheinlichkeiten \u00e4ndern, wenn ein wissender Akteur<\/strong> handelt, vermeidet kognitive Fallen.<\/p>\n\n\n\n

            Fazit<\/h2>\n\n\n\n

            Das Monty-Hall-Problem widerlegt scheinbar klare Intuitionen mit einer einfachen, aber harten mathematischen Wahrheit:
            Wechseln verdoppelt die Gewinnchance von 1\/3 auf 2\/3.<\/strong><\/p>\n\n\n\n

            Es lehrt uns, dass Wahrscheinlichkeitsrechnung mehr ist als blo\u00dfes Z\u00e4hlen von M\u00f6glichkeiten \u2013 es geht um Information, Bedingungen und die Perspektive des Beobachters. Wer diese Lektion verinnerlicht, denkt klarer \u00fcber Risiken, Entscheidungen und scheinbare 50:50-Chancen.<\/p>\n\n\n\n

            Quellen<\/h2>\n\n\n\n
              \n
            • vos Savant, M. (1990).\u00a0Ask Marilyn<\/em>. Parade Magazine.<\/li>\n\n\n\n
            • Gill, R. (2010).\u00a0The Monty Hall Problem<\/em>. In: International Encyclopedia of Statistical Science.<\/li>\n\n\n\n
            • Rosenhouse, J. (2009).\u00a0The Monty Hall Problem: The Remarkable Story of Math\u2019s Most Contentious Brain Teaser<\/em>. Oxford University Press.<\/li>\n\n\n\n
            • Tierney, J. (1991).\u00a0Behind Monty Hall\u2019s Doors: Puzzle, Debate and Answer?<\/em>. The New York Times.<\/li>\n<\/ul>","protected":false},"excerpt":{"rendered":"

              Autor: DerSchneider Einleitung Drei T\u00fcren. Hinter einem ein Auto, hinter den anderen zwei Ziegen. Ein Kandidat w\u00e4hlt eine T\u00fcr. Ein Moderator, der wei\u00df, wo das Auto steht, \u00f6ffnet eine der anderen T\u00fcren \u2013 dahinter eine Ziege. Dann die Frage: Bleiben oder wechseln? Was auf den ersten Blick wie eine einfache Rateshow-Aufgabe wirkt, entpuppt sich als […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[40,18],"tags":[796,2136,2648,3812,4335,4696,7552],"class_list":["post-5386","post","type-post","status-publish","format-standard","hentry","category-denkwerkzeuge","category-im-kopf-methoden-werkzeuge","tag-bayes-theorem","tag-entscheidungstheorie","tag-gedankenexperiment","tag-kognitive-verzerrung","tag-marilyn-vos-savant","tag-monty-hall-problem","tag-wahrscheinlichkeitstheorie"],"_links":{"self":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/posts\/5386","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/comments?post=5386"}],"version-history":[{"count":0,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/posts\/5386\/revisions"}],"wp:attachment":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/media?parent=5386"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/categories?post=5386"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/tags?post=5386"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}