The Art of Statistics

Eine Schlagzeile meldet: „Risiko um 50 Prozent gesenkt.“ Das klingt enorm. Im Text steht später, dass das Risiko von zwei auf einen Fall pro tausend Personen sank. Die relative Veränderung ist korrekt – und vermittelt ohne Ausgangswert dennoch ein verzerrtes Bild.

David Spiegelhalter versteht Statistik als Kunst, aus Daten zu lernen. Nicht Rechnen allein steht im Mittelpunkt, sondern ein nachvollziehbarer Weg von der Frage über die Daten zur vorsichtigen Schlussfolgerung. Datenkompetenz bedeutet, Zahlen weder blind zu glauben noch pauschal abzulehnen, sondern ihre Entstehung und Aussagekraft zu prüfen.

1. Erst das Problem, dann die Daten

Am Anfang steht eine präzise Frage. Wer soll beschrieben werden? Welcher Unterschied oder Zusammenhang interessiert uns? Über welchen Zeitraum? Erst danach lässt sich beurteilen, welche Daten gebraucht werden und ob die verfügbaren Daten überhaupt passen.

Spiegelhalter nutzt dafür einen statistischen Problemlöseprozess: Problem, Plan, Daten, Analyse und Schlussfolgerung. Diese Reihenfolge verhindert, dass wir in einer Tabelle nach auffälligen Mustern suchen und erst anschließend eine passende Geschichte erfinden. Ein sauberer Plan fragt auch, wie Beobachtungen ausgewählt und Merkmale gemessen wurden.

2. Zahlen brauchen Vergleich und Bezugsgröße

Prozentwerte, Mittelwerte und Wahrscheinlichkeiten wirken objektiv, können aber ohne Kontext täuschen. „20 Prozent mehr“ bleibt unklar, solange Ausgangswert und Vergleichsgruppe fehlen. Ein Durchschnitt kann große Unterschiede verdecken. Eine hohe Trefferquote kann nutzlos sein, wenn ein Ereignis sehr selten ist und viele Fehlalarme entstehen.

Hilfreiche Fragen lauten deshalb: Mehr als was? Von wie vielen Personen? Wie verteilen sich die Werte? Wurden absolute und relative Risiken gezeigt? Und ist die Vergleichsgruppe wirklich vergleichbar? Oft verändert schon eine verständliche Bezugsgröße die Interpretation.

3. Unsicherheit und Kausalität nicht überspringen

Daten sind meist unvollständig. Stichproben schwanken, Messungen sind fehleranfällig und Modelle beruhen auf Annahmen. Seriöse Aussagen machen diese Unsicherheit sichtbar, etwa durch Intervalle, Sensitivitätsanalysen oder eine klare Sprache darüber, was nicht bekannt ist.

Besondere Vorsicht gilt bei Ursache und Wirkung. Wenn zwei Merkmale gemeinsam auftreten, kann eines das andere beeinflussen – es können aber auch Auswahl, Zufall oder ein dritter Faktor dahinterstehen. Eine starke Schlussfolgerung braucht ein Untersuchungsdesign, das alternative Erklärungen möglichst gut ausschließt.

Deine Übung: eine Zahl auseinandernehmen

Nimm eine aktuelle Statistik aus einer Präsentation, Nachricht oder Werbung. Prüfe sie drei Minuten:

1. Minute 1 – Frage und Quelle. Welche genaue Frage soll die Zahl beantworten, wer hat sie erhoben und auf welche Gruppe bezieht sie sich?
2. Minute 2 – Vergleich. Was ist der Ausgangswert oder Nenner? Formuliere die Angabe zusätzlich als absolute Häufigkeit, wenn das möglich ist.
3. Minute 3 – Grenze. Notiere eine Unsicherheit und eine alternative Erklärung. Welche Aussage wäre aufgrund der Daten zu stark?

Formuliere anschließend einen Satz, der sowohl die Erkenntnis als auch ihre Grenze enthält: „In dieser Stichprobe zeigte sich …; daraus folgt noch nicht …“

Was wir daraus mitnehmen

Statistisches Denken stärkt Datenkompetenz und schützt vor vorschnellen Gewissheiten. In WEITER7 unterstützt es besonders den Realitätscheck: Beobachtungen präzisieren, geeignete Kriterien wählen und Ergebnisse so interpretieren, dass Unsicherheit Teil des Lernens bleibt.

Welche Zahl beeinflusst gerade meine Entscheidung – und welchen Vergleich oder Kontext brauche ich, bevor ich ihr vertraue?

Einordnung: Dieser Impuls verdichtet ausgewählte Grundgedanken aus Spiegelhalters Einführung in statistisches Denken. Übung und WEITER7-Bezug sind eigene Übertragungen. Die Kurzprüfung ersetzt keine fachgerechte Analyse; bei komplexen Studien zählen unter anderem Design, Datenqualität, Modellannahmen und Reproduzierbarkeit. Eine vorsichtige Formulierung macht schlechte Daten nicht automatisch belastbar.

Quellen und Vertiefung: Offizielle Verlagsseite ↗ · Autorenseite an der University of Cambridge ↗