Das Goodhartsche Gesetz ist eine sozialwissenschaftliche Maxime, die beschreibt, wie ein Maß seine Zuverlässigkeit verliert, sobald es zu einem Steuerungsziel gemacht wird. Es verdankt seinen Namen dem britischen Ökonomen Charles Goodhart, der seinen Kerngedanken in einem 1975 erschienenen Artikel über die Geldpolitik im Vereinigten Königreich formulierte: „jede beobachtete statistische Regelmäßigkeit neigt dazu, zusammenzubrechen, sobald Druck zu Kontrollzwecken auf sie ausgeübt wird“. Die Intuition entstand aus der Analyse britischer Schwierigkeiten in der Geldmengensteuerung: Die stabilen Korrelationen, die von den Zentralbanken als politische Hebel genutzt wurden, hielten nicht mehr stand, sobald sie instrumentalisiert wurden.

Die am weitesten verbreitete Formulierung stammt jedoch nicht von Goodhart selbst, sondern von der Anthropologin Marilyn Strathern, die 1997 in einem Text über Rechenschaftspflicht im Universitätssystem die verallgemeinerte und einprägsame Fassung vorschlug: „wenn ein Maß zum Ziel wird, hört es auf, ein gutes Maß zu sein“. Diese Umformulierung betont den Verlust des diagnostischen Werts, den eine Metrik erleidet, sobald Individuen auf das Maß selbst hin optimieren statt auf das zugrunde liegende Ziel, das es eigentlich abbilden soll.

Die Idee gehört zu einer Konstellation verwandter Prinzipien. Das Campbellsche Gesetz (Donald T. Campbell, 1976) befasst sich mit der Korruption quantitativer sozialer Indikatoren, die für Entscheidungsfindungen genutzt werden. Die Lucas-Kritik (1976) liefert das makroökonomische Pendant: Die Auswirkungen einer Politik lassen sich nicht aus historischen Zusammenhängen vorhersagen, weil Akteure sich an sie anpassen. Hinzu kommen der Kobra-Effekt (ein Anreiz, der unbeabsichtigt kontraproduktives Verhalten belohnt) und der McNamara-Fehlschluss (die Zurückweisung des Qualitativen, weil es sich der Quantifizierung entzieht). Mehrere Autoren haben das Themenfeld bereichert: Jerome Ravetz (1971), Keith Hoskin (1996) und Jon Danielsson für die Modellierung finanzieller Risiken.

Die Illustrationen erstrecken sich über zahlreiche Bereiche: Im Gesundheitswesen führt die Verwendung der Verweildauer als Zielgröße zu vorzeitigen Entlassungen und Wiedereinweisungen; in der Forschung erodiert der h-Index als Reputationsmaß, sobald er zum Bewertungskriterium wird; im Naturschutz wurden die IUCN-Aussterbeklassifikationen verschärft, nachdem sie genutzt worden waren, um Schutzmaßnahmen aufzuheben; im Bildungswesen förderte No Child Left Behind die Versetzung in die nächste Klassenstufe ohne tatsächliche Beherrschung des Stoffs; während der Pandemie vermischten die britischen COVID-Testziele Testkapazität mit diagnostischem Nutzen. Das Prinzip spiegelt letztlich wider, wie rationale Akteure innerhalb gemessener Systeme optimieren — ein Erbe der im 19. Jahrhundert entstandenen Rechenschaftspraktiken. Heute beleuchtet es unmittelbar reward hacking und die Fragilität von Optimierungsmetriken in KI-Systemen.