Die Sunk Cost-Spirale durchbrechen: Warum die 2-Korrekturen-Regel Ihre Woche rettet

Das Muster, das jeder kennt

Entwickler Samuel Faure identifizierte einen Zyklus, den jeder AI-gestützte Programmierer durchlebt hat:

1. AI prompten. Output bekommen, der nah dran aber nicht richtig ist.
2. Erneut prompten zur Korrektur. Der Fix führt neue Bugs ein, oder die AI “verirrt sich komplett.”
3. Erkennen, dass man ohne AI schneller fertig gewesen wäre.
4. Sich “zu tief drin” fühlen, um aufzuhören. Man hat Zeit investiert, Kontext aufgebaut, das Gespräch verfeinert.
5. Trotzdem weiter prompten.

Colin Cornaby erfasste das Gefühl präzise: Nachdem er drei Stunden mit Claude Code an einer einzelnen Aufgabe verbracht hatte, fragte er sich, ob es manuell schneller gewesen wäre. Aber an diesem Punkt aufzuhören fühlte sich an wie Scheitern einzugestehen.

Dieses Gefühl, das sagt “nur noch ein Prompt”, ist kein Produktivitätsinstinkt. Es ist eine kognitive Falle.

Die Psychologie: Warum man nicht aufhören kann

Der Sunk-Cost-Fehlschluss ist die Tendenz, weiter in etwas zu investieren wegen bereits investierter Ressourcen, selbst wenn weitermachen irrational ist (The Decision Lab). In traditionellen Situationen gilt er für Geld und Zeit. In AI-gestützter Programmierung gilt er für etwas Hinterhältigeres: kognitiven Aufwand und Kontext.

Verlustaversion

Jede Korrektur, die man der AI gibt, repräsentiert investiertes Nachdenken. Man hat den Output analysiert, das Problem identifiziert, eine präzise Anweisung formuliert. Dieser Aufwand fühlt sich an, als würde er “verloren gehen”, wenn man von vorne anfängt. Verlustaversion, die gut dokumentierte Tendenz, Verluste schwerer zu gewichten als äquivalente Gewinne, macht Aufgeben doppelt so schmerzhaft wie es sein sollte.

Context Window Sunk Costs

AI-Gespräche haben einen einzigartigen Verstärker: das Kontextfenster. Über mehrere Prompts hinweg hat man Kontext aufgebaut: die Architektur erklärt, Einschränkungen klärgestellt, Missverständnisse korrigiert. Dieser akkumulierte Kontext fühlt sich wertvoll an. Das Gespräch aufzugeben bedeutet, ihn von Grund auf neu aufzubauen.

Aber hier ist, was Ihr Gehirn Ihnen nicht sagt: Wenn die AI nach drei Korrekturen “komplett verloren” ist, hilft dieser Kontext nicht mehr. Er schadet möglicherweise sogar: Das Modell arbeitet jetzt mit einer verwirrten Kette widersprüchlicher Anweisungen.

Der 43-Punkte-Blindspot

Hier wird es schlimmer. Die randomisierte kontrollierte Studie von METR fand heraus, dass Entwickler vorhersagten, AI würde sie um 24% beschleunigen, danach glaubten sie seien 20% schneller gewesen, aber tatsächlich 19% langsamer waren. Das ist eine 43-Punkte-Lücke zwischen Wahrnehmung und Realität.

Die Sunk Cost-Spirale ist ein Grund für diese Lücke. Jede Stunde, die in einer scheiternden Korrekturschleife verbracht wird, ist eine Stunde, die der Entwickler als “fast funktionierend” wahrnimmt, er fühlt sich nah an einem Durchbruch, während die Uhr es als reinen Verlust misst. Die Wahrnehmung von Fortschritt maskiert dessen Abwesenheit.

Man spürt die Spirale nicht, während man drin steckt. Man fühlt sich produktiv. Man fühlt, dass der nächste Prompt es richten wird. Das ist die Falle.

Das 2-Korrekturen-Protokoll

Die Lösung ist mechanisch, nicht motivational. Willenskraft schlägt keinen kognitiven Bias. Protokoll schon.

Nach 2 gescheiterten Korrekturen: STOPPEN. Mit einem besseren Prompt neu starten.

Das ist die gesamte Regel. Hier ist warum sie funktioniert:

1. Sie macht die Entscheidung automatisch. Man entscheidet nicht, ob man seine Investition aufgibt, man folgt einem Protokoll. Das emotionale Gewicht verschwindet, weil die Entscheidung bereits vor dem Start getroffen wurde.

2. Sie rahmt die Handlung neu. Man “gesteht kein Scheitern ein.” Man führt einen Methodik-Schritt aus. Genau wie ein Pilot einer Checkliste folgt, folgt man der 2-Korrekturen-Regel. Kein Ego involviert.

3. Sie bricht die Schleife am richtigen Punkt. Bis zur dritten Korrektur ist der Kontext der AI wahrscheinlich mit widersprüchlichen Anweisungen kontaminiert. Ein frischer Prompt mit besserer Struktur wird einen sechsten Versuch, ein kaputtes Gespräch zu reparieren, übertreffen.

4. Sie erfasst, was Sie gelernt haben. Die zwei gescheiterten Korrekturen haben gelehrt, was die AI missversteht. Ihr Neustart-Prompt kann diese Lücken direkt adressieren. Die Zeit war nicht verschwendet: Sie war Aufklärung.

Wann sie anzuwenden ist

Die 2-Korrekturen-Regel gilt für jede AI-Interaktion, bei der der Output Korrekturen erfordert:

• Codegenerierung, die falsche Logik produziert
• Refactoring, das Regressionen einführt
• Testgenerierung, die Anforderungen missversteht
• Architekturvorschläge, die Einschränkungen übersehen

Sie bedeutet NICHT “nach zwei Prompts aufgeben.” Sie bedeutet: Wenn Sie der AI zwei spezifische Korrekturen gegeben haben und der Output immer noch nicht stimmt, ist das Gespräch kaputt. Starten Sie ein neues.

Der Unterschied zwischen Entwicklern, die AI effektiv nutzen, und denen, die Stunden damit verlieren, ist nicht Geschick oder Erfahrung. Es ist zu wissen, wann man aufhört. Die 2-Korrekturen-Regel macht dieses Wissen zur Gewohnheit statt zur Ermessensentscheidung.

Sources: Samuel Faure, developer experience with AI correction loops · Colin Cornaby, Claude Code usage report (3-hour session) · METR Randomized Controlled Trial (2025, 16 devs, 246 tasks) · The Decision Lab, Sunk Cost Fallacy · Paranoid Verification Methodology, 2-Corrections Rule

Machen Sie die Diagnose, um herauszufinden wo Sie stehen, einschließlich ob Sunk Cost-Spiralen leise Ihre Produktivität auffressen.