Statistiken sind grundsätzlich Fakten. Sofern sie nicht komplett gefälscht sind, zeigen sie immer die Wahrheit. Dennoch können sie mit einfachen Tricks so gestaltet werden, dass die Aussagekraft gegen Null geht oder Daten nutzlos werden.
Anhand einiger einfacher Beispiele zeigen wir Ihnen, wie einfach das wirklich ist und wie schnell aus korrekten Daten falsche Schlüsse gezogen werden können.
Prozentzahlen
Ein beliebtes Mittel sind Prozentzahlen. Wir könnten z.B. sagen, dass es mit 100 % Wahrscheinlichkeit morgen in Wien einen Unfall geben wird. Da Wien eine große Stadt ist und wir die Art des Unfalls nicht näher beschreiben, behalten wir sicher recht. Aussagekraft hat diese Vorhersage natürlich keine.
Nun, eine Vorhersage ist keine Statistik. Doch auch mit denen klappt das genau so einfach. Man muss nur zwei zufällige Informationen miteinander kombinieren.
100% aller Mörder trinken Wasser! Also wenn das kein Grund ist, sofort damit aufzuhören?
Natürlich hat das eine mit dem anderen gar nichts zu tun. Rein faktisch ist an der Zahl jedoch nichts auszusetzen, schließlich hat jeder von uns schon einmal Wasser getrunken.
Gut, dass Beispiel war sehr überzogen und höchstwahrscheinlich würde es fast jeder auf den ersten Blick als Unsinn entlarven. Darum werden wir jetzt ein bisschen seriöser.
Damit unsinnige oder verfälschte Statistiken nicht sofort auffallen, muss man sie nur glaubwürdig verpacken. Oder man lässt Daten bewusst weg.
Gewünschte Ergebnisse
Soll man eine Statistik oder Umfrage abliefern, muss man Daten sammeln. Aber was wenn der Auftraggeber klar macht, welches Ergebnis er erwartet?
Natürlich könnte man das Risiko eingehen und hoffen, dass die gesammelten Daten das aussagen, was sich der Auftraggeber wünscht. Oder man hilft dezent nach. Nein, man fälscht keine Daten, man erfindet nichts, es geht viel einfacher.
Angenommen man möchte wissen, ob Menschen für oder gegen Tattoos sind und möchte ein positives Resultat. Dann befragt man einfach Besucher einer Tattoo-Messe. Das Ergebnis dürfte eindeutig sein. Zumeist erfährt man nur, wie viele Menschen befragt wurden, nicht aber wo und in welchem Zusammenhang!
Orte und/oder Menschen bewusst auswählen bzw. ausschließen. Fragen manipulativ stellen und Daten weglassen. Manipulationen bei Umfragen können so herrlich einfach sein. Doch kommen wir zurück zu den Statistiken.
Konkrete Beispiele
Genug der Theorie, kommen wir zur Praxis. Wir stellen Aussagen auf und zeigen, wir die Statistiken entstanden.
Beispiel: Ein österreichischer Autohändler hat 8 Automarken im Angebot, doch 95% seines Umsatzes macht er mit Fahrzeugen eines einzigen Herstellers.
Fakt: Der Händler verkauft Neufahrzeuge eines einzigen Herstellers. Von den anderen 7 Marken hat er nur wenige Gebrauchtwagen im Angebot.
Resultat: Die Statistik täuscht durch weglassen von Informationen.
Beispiel: Der Gewinn konnte 2021 im Vergleich zum Vorjahr verdoppelt werden.
Fakt: 2019 war der Gewinn 1 Mio. Euro. 2020 sank der Gewinn auf 100.000 Euro. 2021 war der Gewinn mit 200.000 Euro tatsächlich doppelt so hoch wie 2020, aber dennoch deutlich schlechter als 2019.
Resultat: Das Ergebnis klingt sehr gut, da der Zeitraum gezielt eingeschränkt wurde.
Beispiel: Etwas das uns alle seit nunmehr 2 Jahren beschäftigt. Wie viele Menschen sind wirklich an Corona gestorben?
Fakt: Obwohl Zahlen existieren, kann es niemand genau sagen. Zählt man alle Personen dazu, die zum Zeitpunkt des Todes Corona-positiv waren, unabhängig von der tatsächlichen Todesursache, ist die Zahl sehr hoch. Subtrahiert man Personen die definitiv an einer anderen Ursache, z.B. einem Unfall, gestorben sind, sinkt die Zahl deutlich.
Resultat: Das Ergebnis variiert je nach Zählart. Richtig oder falsch gibt es nicht, es kommt auf den Blickwinkel an.
Statistiken richtig lesen
Etwas das richtig und logisch klingt, muss es noch lange nicht sein. Darum sollte man insbesondere bei Umfrageergebnissen und Statistiken genau wissen, was man da vor sich hat.
Wichtige Fragen sind:
- Wer hat die Daten erhoben?
- Wie kamen die Daten zustande?
- Wer hat die Studie/Umfrage/Statistik in Auftrag gegeben?
- Wem könnte das Resultat nützen/schaden?
- Wie transparent sind die Hintergrundinfos zu den Daten?
Umso mehr Informationen vorhanden sind, desto schwieriger ist es, den Überblick zu behalten. Doch nur so kann man die präsentierten Daten prüfen und nachvollziehen. Umgekehrt, umso weniger Informationen man bekommt, desto misstrauischer sollte man sein.
Nicht umsonst heißt es “Traue keiner Statistik die du nicht selbst gefälscht hast”.