Kognitive Flüssigkeit: Kostet die falsche Schriftart Conversions?

Beweis statt Behauptung — Klassiker der Konsumpsychologie, live nachgetestet mit digitalen Zwillingen.

Roger Dooley beschreibt kognitive Flüssigkeit in Brainfluence (2011) anhand einer Studie von Song & Schwarz aus dem Jahr 2008. Wir haben sie mit digitalen Zwillingen neu getestet.

Was ist kognitive Flüssigkeit — und was sagt der Klassiker?

Kognitive Flüssigkeit (englisch: processing fluency) beschreibt, wie leicht oder schwer sich Information verarbeiten lässt — unabhängig davon, was sie inhaltlich aussagt. Die Forschenden Hyunjin Song und Norbert Schwarz zeigten 2008 in einem inzwischen vielzitierten Experiment: Wird derselbe Text in einer schwer lesbaren Schriftart präsentiert, schätzen Probanden die dahinterliegende Aufgabe als aufwändiger ein und zeigen weniger Handlungsbereitschaft — obwohl sich am Inhalt nichts geändert hat (Song & Schwarz, 2008). Roger Dooley hat diesen Befund in Brainfluence populär gemacht: Wenn deine Botschaft schwer zu lesen ist, wird sie als schwer zu tun wahrgenommen. Für Marketer heißt das: Typografie ist ein Vertrauenssignal, kein reines Gestaltungsdetail.

Die Frage, die uns interessiert hat: Gilt das auch, wenn digitale Zwillinge — KI-gestützte Konsumentenpanels — über eine konkrete, geldwerte Entscheidung urteilen? Wir haben den Klassiker deshalb direkt nachgetestet, mit einem konkreten Szenario statt einer weiteren Textzusammenfassung.

Wie haben wir das mit digitalen Zwillingen getestet?

Wir zeigten digitalen Zwillingen aus einem DACH-Konsumentenpanel (25–60 Jahre) denselben Versicherungstarif in zwei Gestaltungen: Variante A in klarer, serifenloser Schrift mit kurzen Sätzen, viel Weißraum und hohem Kontrast; Variante B in einer verschnörkelten Schreibschrift mit langen, verschachtelten Sätzen und hellgrauem Text auf weißem Grund. Im ersten Durchgang traf jeder Zwilling eine erzwungene Wahl („Welcher Variante vertraust du mehr für einen Abschluss?“) und vergab eine Abschluss-Wahrscheinlichkeit von 1 bis 10 je Variante. Weil dabei kaum ein Zwilling überhaupt eine Zahl nannte, fragten wir in einem zweiten Durchgang anders: Wir baten jeden Zwilling, sich 10 Tarif-Prüfungen vorzustellen und zu schätzen, bei wie vielen von 10 er pro Variante bis zum Abschluss weiterlesen würde.

Das Panel: 10 digitale Zwillinge*

Beate Hofmann, 58
Projektleiterin-Twin* · Stuttgart · University degree

„Ich bin Beate Hofmann, Projektleiterin aus Stuttgart. Nach meiner Scheidung habe ich mit meinem neuen Partner neue Stabilität gefunden, und obwohl ich mit chronischen Rückenschmerzen und einer aktiven Krebserkrankung lebe, bleibe ich täglich sportlich aktiv und sehr zufrieden mit meinem Leben.“

Was diesen Twin besonders macht: Ich bin zutiefst religiös, ohne die Kirche zu besuchen, misstraue Politik und Wirtschaftslage grundlegend, und schütze meine Daten so konsequent, dass ich selbst auf Rabatte verzichte, bevor ich sie preisgebe.

* Digital Twin: KI-Simulation auf Basis eines realen Personenprofils — 68+ Survey-Items, vollständiges psychografisches Profil (Werte, Demografie, Verhalten). Keine echte Person.

Sabine Wagner, 56
Pflegekraft-Twin* · Leipzig · Upper secondary education

„Ich bin Sabine Wagner, Krankenpflegerin in einem Leipziger Krankenhaus. Ich bin verheiratet und lebe mit meinem Mann zusammen, aber zwischen der 40-Stunden-Schichtarbeit und dem Haushalt bleibt mir kaum eigene Zeit.“

Was diesen Twin besonders macht: Mein Glaube ist keine reine Tradition, sondern gibt mir täglich Kraft für einen fordernden Beruf, ich vertraue Polizei und Justiz stark, und trotz meines vollen Krankenhausalltags engagiere ich mich ehrenamtlich für wohltätige Organisationen.

* Digital Twin: KI-Simulation auf Basis eines realen Personenprofils — 68+ Survey-Items, vollständiges psychografisches Profil (Werte, Demografie, Verhalten). Keine echte Person.

Kathrin Baumann, 32
Lehrerin-Twin* · München · Postgraduate degree

„Ich bin Kathrin Baumann, Grundschullehrerin aus München. Ich bin verheiratet und habe zwei kleine Kinder, und mein Alltag zwischen Schule und junger Familie ist turbulent — für Sport bleibt gerade wenig Zeit.“

Was diesen Twin besonders macht: Ich vertraue Menschen sehr stark und sehe grundsätzlich das Gute in ihnen, stehe den Grünen politisch nahe und boykottiere Produkte konsequent aus Nachhaltigkeitsgründen, obwohl Politik in meinem Alltag sonst wenig Raum einnimmt.

* Digital Twin: KI-Simulation auf Basis eines realen Personenprofils — 68+ Survey-Items, vollständiges psychografisches Profil (Werte, Demografie, Verhalten). Keine echte Person.

Melanie Schubert, 33
Bankkauffrau-Twin* · bei Frankfurt · Advanced vocational education

„Ich bin Melanie Schubert, Bankkauffrau bei einem großen Unternehmen in der Nähe von Frankfurt. Ich bin verheiratet und lebe mit meinem Mann zusammen, wobei mich gelegentliche Rücken- und Nackenbeschwerden im Alltag etwas ausbremsen.“

Was diesen Twin besonders macht: Ich bin deutlich risikoscheuer als die meisten in meinem Umfeld, meide Führungsrollen und begrenze bewusst meine Zeit im Internet, obwohl ich technisch durchaus versiert bin — Ordnung und Verlässlichkeit sind mir wichtiger als Neues auszuprobieren.

* Digital Twin: KI-Simulation auf Basis eines realen Personenprofils — 68+ Survey-Items, vollständiges psychografisches Profil (Werte, Demografie, Verhalten). Keine echte Person.

Lukas Sander, 33
Einzelhandels-Twin* · Dortmund · Postgraduate degree

„Ich bin Lukas Sander, Einzelhandelskaufmann mit Teamverantwortung in Dortmund. Ich bin verheiratet und habe drei Kinder im Alter von zwei, vier und sieben Jahren — zwischen einer 40-Stunden-Woche und einem vollen Familienleben fühle ich mich sehr zufrieden und habe alles gut im Griff.“

Was diesen Twin besonders macht: Obwohl ich sicherheitsorientiert und risikoscheu bin, setze ich mich stark für Minderheitenrechte, einschließlich LGBTQ, ein und wünsche mir einen starken, sozial aktiven Staat — dazu bringe ich mit meinem Hochschulabschluss einen ungewöhnlichen Blickwinkel in meinen Einzelhandelsberuf mit.

* Digital Twin: KI-Simulation auf Basis eines realen Personenprofils — 68+ Survey-Items, vollständiges psychografisches Profil (Werte, Demografie, Verhalten). Keine echte Person.

Anke Schumann, 48
Personalreferentin-Twin* · Hamburg · University degree

„Ich bin Anke Schumann, Personalreferentin in einem mittelständischen Unternehmen in Hamburg. Ich bin verheiratet, habe zwei Söhne und fühle mich in meinem Leben sehr erfüllt und angekommen.“

Was diesen Twin besonders macht: Ich vertraue Parlament und Justiz stark, obwohl mich die wirtschaftliche Lage unzufrieden macht, setze mich für Einkommensgleichheit und Minderheitenrechte ein und halte gleichzeitig Gehorsam und Respekt vor Autorität für wichtige Erziehungswerte — ein Widerspruch, den ich an mir selbst bemerke.

* Digital Twin: KI-Simulation auf Basis eines realen Personenprofils — 68+ Survey-Items, vollständiges psychografisches Profil (Werte, Demografie, Verhalten). Keine echte Person.

Sören Lindner, 30
IT-Twin* · Köln · Advanced vocational education

„Ich bin Sören Lindner, IT-Administrator in einem großen Unternehmen in Köln. Ich bin nicht verheiratet und lebe mit meiner Partnerin zusammen — meine Kindheit war von finanziellen Sorgen und Familienkonflikten geprägt, was mich risikofreudiger und entschlossener gemacht hat.“

Was diesen Twin besonders macht: Ich bin überdurchschnittlich risikobereit und führungsstark, gehe für Anliegen auf die Straße und spende dafür, schütze meine Daten trotz meiner technischen Affinität sehr streng, und setze mich aktiv gegen Ungleichbehandlung von Frauen im Beruf ein.

* Digital Twin: KI-Simulation auf Basis eines realen Personenprofils — 68+ Survey-Items, vollständiges psychografisches Profil (Werte, Demografie, Verhalten). Keine echte Person.

Tobias Hübner, 35
Mechatroniker-Twin* · Essen (Ruhrgebiet) · Upper secondary education

„Ich bin Tobias Hübner, Mechatroniker bei einem mittelständischen Elektronikhersteller im Ruhrgebiet, in Essen. Ich bin nicht verheiratet und lebe in einem großen Sechs-Personen-Haushalt mit meinen Eltern und jüngeren Verwandten — trubelig, aber eine starke Quelle von Sicherheit für mich.“

Was diesen Twin besonders macht: Ich investiere mehrere Stunden pro Woche in die Betreuung von Verwandten und Nachbarn, statt nach außen gerichteten sozialen Aktivitäten nachzugehen, lehne Tracking-Cookies konsequent ab und gehe trotz eines Gefühls geringer politischer Wirksamkeit regelmäßig wählen.

* Digital Twin: KI-Simulation auf Basis eines realen Personenprofils — 68+ Survey-Items, vollständiges psychografisches Profil (Werte, Demografie, Verhalten). Keine echte Person.

Dennis Altmann, 41
Vertriebs-Twin* · Düsseldorf · University degree

„Ich bin Dennis Altmann, Vertriebsmitarbeiter bei einem mittelständischen Großhandelsunternehmen in Düsseldorf und reise beruflich viel. Ich bin verheiratet und habe drei Kinder — meine eigene Kindheit war von Geldsorgen und Streit geprägt, deshalb wünsche ich mir für meine Kinder ein stabileres, harmonischeres Zuhause.“

Was diesen Twin besonders macht: Anders als das eher liberale Umfeld in Düsseldorf lege ich großen Wert auf klare Regeln, Ordnung und traditionelle Erziehungswerte wie Gehorsam und Respekt vor Autorität, begegne Fremden mit gesunder Skepsis; mein Vater stammt ursprünglich aus der Türkei.

* Digital Twin: KI-Simulation auf Basis eines realen Personenprofils — 68+ Survey-Items, vollständiges psychografisches Profil (Werte, Demografie, Verhalten). Keine echte Person.

Jürgen Krause, 59
Buchhalter-Twin* · Berlin · Upper secondary education

„Ich bin Jürgen Krause, Buchhalter kurz vor der Rente in Berlin. Ich bin nicht verheiratet und lebe mit zwei älteren Verwandten zusammen, die ich rund 15 Stunden pro Woche pflege, während mich Rücken- und Gelenkschmerzen sowie gelegentliche starke Kopfschmerzen im Alltag begleiten.“

Was diesen Twin besonders macht: Ich bin gesellschaftlich eher konservativ, halte Tradition und Respekt vor Autorität hoch und fühle trotz meines Lebens in einer weltoffenen Stadt wenig Verbundenheit mit der europäischen Idee — und wähle trotzdem SPD, weil mir soziale Gerechtigkeit wichtig ist.

* Digital Twin: KI-Simulation auf Basis eines realen Personenprofils — 68+ Survey-Items, vollständiges psychografisches Profil (Werte, Demografie, Verhalten). Keine echte Person.

* Digitale Zwillinge sind KI-Simulationen auf Basis realer Personenprofile — keine echten Menschen. Klick auf einen Zwilling zeigt, worauf er basiert.

Welche Schriftart wirkt vertrauenswürdiger?

Das Ergebnis war eindeutig — eindeutiger, als wir erwartet hatten. Im Schnitt lasen die Zwillinge bei der klar gestalteten Variante A 7,9 von 10 Tarif-Prüfungen bis zum Abschluss weiter, bei der schwer lesbaren Variante B nur 2,3 von 10 (Spannweite Variante A: 6–10, Variante B: 0–4) — ein Fluency-Score von 5,6 Punkten, mit vollständig nutzbaren Angaben von allen 20 Twin-Antworten. Die direkte Wahl bestätigt dasselbe Bild: 100 % der Antworten (20 von 20, über zwei gegenläufig angeordnete Durchgänge) entschieden sich zusätzlich in der erzwungenen Wahl für die klar gestaltete Variante A. Kein einziger Zwilling wählte in einem der beiden Durchgänge die schwer lesbare Variante B — auch nicht, als wir die Präsentationsreihenfolge umkehrten, um Positionseffekte auszuschließen.

Damit bestätigt unser Test die Kernaussage von Song & Schwarz (2008) unter reproduzierbaren Bedingungen: Schwere Lesbarkeit senkt die Bereitschaft, ein Angebot überhaupt bis zum Abschluss durchzulesen — von 7,9 auf 2,3 von 10; in der direkten Vertrauensfrage wählten zusätzlich 20 von 20 Antworten die klare Variante.

Warum wirkt schwere Lesbarkeit wie Verstecken?

Der eigentlich interessante Befund liegt in den Begründungen. Song & Schwarz (2008) maßen wahrgenommene Schwierigkeit: schwer lesbar wirkt aufwändiger und löst weniger Handlungsbereitschaft aus. Unsere Zwillinge gingen von sich aus einen Schritt weiter — sie unterstellten der schlechten Gestaltung eine Absicht.

„Variante B hingegen wirkt unübersichtlich und anstrengend für die Augen, was bei mir den Eindruck erwecken würde, dass man etwas verstecken möchte“, sagt Twin ‘Sabine’.

„Die unübersichtliche Gestaltung von Variante B… würde mich misstrauisch machen, da es den Anschein erweckt, als wolle man etwas verstecken“, sagt Twin ‘Jürgen’.

„Wenn die Seite zu unübersichtlich ist oder zu viele Infos auf einmal kommen, fühle ich mich abgeschreckt und vermute, dass etwas versteckt werden soll“, sagt Twin ‘Dennis’ — dieselbe Assoziation, unabhängig davon, ob nach einer einmaligen Wahl oder nach 10 einzelnen Prüfungen gefragt wird.

„Die Gestaltung von Variante A unterstützt dies durch die gute Lesbarkeit und den klaren Aufbau“, sagt Twin ‘Melanie’ — und bestätigt damit die Kehrseite: Klarheit liest sich als Ehrlichkeit.

Das ist der wichtige Unterschied zum Klassiker: Song & Schwarz haben Schwierigkeit gemessen — unsere Zwillinge formulierten spontan Misstrauen. Schwer lesbar wirkt in ihren Köpfen als Warnsignal: Hier will jemand etwas verbergen. Das geht über reinen Mehraufwand hinaus — und ist genau die Art von Befund, die man nur bekommt, wenn man Begründungen mit erhebt statt nur Zahlen.

Eine Rivalen-Erklärung gehört fairerweise dazu: Gerade im Versicherungskontext ist „Vorsicht vor dem Kleingedruckten“ ein tief gelerntes Kultur-Skript — die Verstecken-Deutung unserer Zwillinge kann also teilweise auch dieses abgerufene Misstrauens-Skript widerspiegeln und muss kein reiner Fluency-Effekt sein.

Gleiches Muster, neu gemessen — in Minuten statt Monaten im Usability-Labor.

Was heißt das für Versicherungen, Banken und B2B?

Für Branchen, in denen Vertrauen die Hauptwährung ist — Versicherungen, Banken, B2B-Software, alles mit Vertragsbindung — ist das keine Nebensächlichkeit. Wer Tarife, AGB oder Angebote in enger, verschnörkelter oder kontrastarmer Typografie präsentiert, riskiert schlechtere Lesbarkeit und aktives Misstrauen zugleich. Die Konsequenz ist unspektakulär und genau deshalb leicht umzusetzen: serifenlose Schrift, kurze Sätze, viel Weißraum, hoher Kontrast — auf jeder Seite, die eine Kaufentscheidung mit finanzieller Tragweite begleitet. Kein Rebranding nötig, kein neues Budget — nur der Mut, auf Verschnörkelung und Textwände zu verzichten, die auf den ersten Blick „seriös“ wirken sollen, aber das Gegenteil bewirken.

Der zweite Punkt: Diese Art Test lässt sich mit KI-gestützten digitalen Zwillingen in Stunden statt Wochen durchführen — bevor eine einzige Zeile Produktivcode für ein neues Layout geschrieben wird.

Weiterführende Artikel

• Digital Twins in der Marktforschung: Der komplette Leitfaden 2026
• Digital Twins vs. Fokusgruppen: Methodenvergleich 2026
• Der Einfluss von Emotionen auf Kaufentscheidungen
• Der komplette Serien-Auftakt Brainfluence 2.0 nachgetestet (/trigger-labor-brainfluence-2-0-nachgetestet/) erscheint demnächst.

Häufig gestellte Fragen

Glossar: Die Begriffe des Trigger-Labors

Digitale Zwillinge (Digital Twins): KI-Personas auf Basis echter Umfrageprofile, die auf Text-Stimuli mit Forced-Choice-Entscheidungen und Ratings reagieren — ein Marktforschungs-Panel, das in Minuten statt Wochen antwortet. → Mehr dazu: Digital Twins in der Marktforschung: Der komplette Leitfaden

Trigger-Labor: die Artikelserie, in der Klassiker der Konsumpsychologie mit digitalen Zwillingen aus einem DACH-Konsumentenpanel live nachgetestet werden. → Zum Experiment: Brainfluence 2.0 nachgetestet

Vertrauens-Wörter: feste Vertrauensformulierungen unter dem Kaufen-Button — etwa Geld-zurück-Garantie, Kundenbewertungen oder TÜV-Zertifizierung —, die laut Dooley (Brainfluence, 2011) das wahrgenommene Vertrauen und die Kaufbereitschaft steigern. → Zum Experiment: Die 10 Wörter, die Vertrauen schaffen

Erster Eindruck (50 Millisekunden): der Befund, dass Besucher ein Design-Urteil über eine Website bereits in rund 50 Millisekunden fällen, wobei visuelle Einfachheit gegenüber dichter Gestaltung gewinnt (Lindgaard et al., 2006; Tuch et al., 2012). → Zum Experiment: Die ersten 50 Millisekunden

Gesichter-Effekt (Blickfang): Gesichter ziehen Blicke an (Dooley, 2011); die Blickrichtung eines abgebildeten Gesichts lenkt Aufmerksamkeit weiter (Hutton & Nolte, 2011 — in unserem Text-Format nicht testbar). → Zum Experiment: Gesichter, Blicke, Aufmerksamkeit

Kognitive Flüssigkeit: das Prinzip, dass leicht lesbare Gestaltung — klare Schrift, kurze Sätze, hoher Kontrast — Aufgaben und Angebote müheloser und vertrauenswürdiger wirken lässt als schwer lesbare Gestaltung (Song & Schwarz, 2008).

Überraschungs-Trigger (Erwartungslücke): Headlines, die eine Erwartung brechen oder eine Überraschung ankündigen, erzielen laut Dooley (Brainfluence, 2011) höhere Klickbereitschaft als sachliche Ankündigungen oder reine GRATIS-/NEU-Signale. → Zum Experiment: Kopfzeilen-Trigger: GRATIS, NEU und der Überraschungs-Reflex

Köder-Effekt (Decoy-Effekt): eine bewusst unattraktiv positionierte, teure dritte Option in einem Preismenü verschiebt die Wahl der Käufer zur mittleren, teureren Option, ohne selbst gewählt zu werden (Ariely, 2008). → Zum Experiment: Preispsychologie 2.0: Der Köder-Effekt

Friction: jeder zusätzliche Schritt, jedes zusätzliche Pflichtfeld und jeder Kontozwang im Checkout senkt die Abschlusswahrscheinlichkeit — Gast-Checkout schlägt Kontozwang (Dooley, Friction, 2019). → Zum Experiment: Friction-Audit, aber testbar

Banner Blindness (Todeszone): Nutzer übersehen systematisch Seitenbereiche, die wie Werbung aussehen oder an typischen Anzeigenpositionen liegen — die „corner of death“ in der rechten Seitenleiste und der unteren Ecke (Benway & Lane, 1998; Nielsen, 2007; Dooley, 2011). → Zum Experiment: Die Todeszone der Aufmerksamkeit

Einfache Slogans (Rhyme-as-Reason): kurze, konkrete Slogans werden besser erinnert und wirken überzeugender als komplexe oder abstrakte Formulierungen; Reim und Wortspiel verstärken diesen Effekt zusätzlich, weil sie schlichte Aussagen wahrer erscheinen lassen (Dooley, 2011; McGlone & Tofighbakhsh, 2000). → Zum Experiment: Einfache Slogans, gemessen

Pick-Share (erzwungene Wahl): der Anteil der Zwillinge, die sich in einer Forced-Choice-Frage ohne „weiß nicht“-Option für eine bestimmte Variante entscheiden, gemittelt über zwei gegenläufig geordnete Durchgänge.

Allokations-Messung: eine Fragetechnik, bei der Zwillinge für jede Variante angeben, bei wie vielen von 10 Käufen oder Situationen sie sich dafür entscheiden würden — das liefert eine realistische Verteilung statt eines einstimmigen Ja/Nein-Bildes.

Quellen & weiterführende Literatur

1. Song, H. & Schwarz, N. (2008). If It’s Hard to Read, It’s Hard to Do: Processing Fluency Affects Effort Prediction and Motivation. Psychological Science, 19(10), 986–988.
2. Dooley, R. (2011). Brainfluence: 100 Ways to Persuade and Convince Consumers with Neuromarketing. Wiley.
3. Trigger-Labor Experiment F3, 2026, n = 10 digitale Zwillinge (neuroflash).
4. Trigger-Labor Experiment F3b (Allokations-Nachmessung), 2026, n = 10 digitale Zwillinge (neuroflash).