Korrelation und Kausalität: häufige Denkfehler in Meldungen

Korrelation bedeutet, dass zwei Größen gemeinsam auftreten oder sich gemeinsam verändern. Kausalität bedeutet, dass die eine die andere verursacht. Der Unterschied klingt akademisch, steckt aber hinter vielen irreführenden Schlagzeilen: Aus „Menschen, die X tun, haben seltener Y“ wird schnell „X schützt vor Y“. Ob das stimmt, lässt sich aus dem Zusammenhang allein nicht ablesen.

Dieser Artikel gehört zum Ratgeber Faktencheck: Methoden und Werkzeuge. Er erklärt die vier häufigsten Erklärungen für einen Zusammenhang und zeigt, wie du Meldungen über Studien einordnest.

Was eine Korrelation aussagt

Eine Korrelation beschreibt, wie stark zwei Größen gemeinsam schwanken. Steigt die eine, wenn die andere steigt, spricht man von einer positiven Korrelation. Sinkt die eine, wenn die andere steigt, von einer negativen. Der Korrelationskoeffizient fasst das in einer Zahl zwischen minus eins und plus eins zusammen. Je näher er an einem der beiden Enden liegt, desto enger ist der statistische Zusammenhang.

Was diese Zahl nicht verrät: warum der Zusammenhang besteht. Genau hier beginnen die Denkfehler.

Vier Gründe für einen Zusammenhang

Wenn zwei Größen A und B korrelieren, gibt es grundsätzlich mehrere Erklärungen. Nur eine davon ist „A verursacht B“.

Die Drittvariable

Das bekannteste Lehrbuchbeispiel: An heißen Tagen wird mehr Eis verkauft, und es kommt zu mehr Badeunfällen. Eis und Unfälle korrelieren also. Natürlich verursacht Eis keine Unfälle. Beide hängen vom Wetter ab, weil bei Hitze mehr Menschen Eis essen und mehr Menschen baden gehen. Das Wetter ist hier die Drittvariable.

In der Praxis sind Drittvariablen selten so offensichtlich. Typische Kandidaten sind Alter, Einkommen, Bildung, Wohnort und allgemeiner Gesundheitszustand. Wenn eine Meldung etwa berichtet, dass Menschen mit einer bestimmten Ernährung länger leben, liegt die Frage nahe, ob diese Menschen sich auch in anderen Punkten unterscheiden, etwa mehr Sport treiben oder seltener rauchen.

Die umgekehrte Richtung

Manchmal stimmt der Zusammenhang, aber die Richtung ist vertauscht. Ein ausgedachtes Beispiel: Eine Befragung zeigt, dass Menschen, die viel Zeit im Krankenhaus verbringen, häufiger krank sind. Niemand würde daraus schließen, dass Krankenhäuser krank machen. Bei weniger offensichtlichen Themen fällt dieser Fehler dagegen leicht durch. Wer etwa wenig schläft und gleichzeitig oft gestresst ist: Macht der Schlafmangel Stress, oder hält der Stress wach? Oft wirkt beides in beide Richtungen.

Der Zufall

Wer genug Datenreihen miteinander vergleicht, findet immer welche, die zufällig parallel verlaufen. Ein oft zitiertes Lehrbeispiel ist die Korrelation zwischen der Zahl der Störche und der Geburtenrate in manchen Regionen: Beides ging zeitweise gemeinsam zurück, ohne dass das eine das andere erklärt. Solche Beispiele zeigen, dass eine hohe Korrelation über die Zeit fast nichts über eine Ursache sagt, wenn kein plausibler Mechanismus dahintersteht.

Dazu kommt ein Effekt, der mit der Menge der Auswertungen wächst: Wenn in einer Studie sehr viele Zusammenhänge getestet werden, erreichen einige allein durch Zufall statistische Signifikanz. Wird dann nur über diese Treffer berichtet, entsteht ein schiefes Bild.

Wie die Forschung Ursachen prüft

Um eine Ursache zu belegen, reicht Beobachten meist nicht. Die Wissenschaft nutzt dafür verschiedene Wege:

• Randomisierte kontrollierte Studien: Teilnehmende werden per Zufall in Gruppen eingeteilt. Eine Gruppe erhält etwa ein Medikament, die andere ein Scheinpräparat. Durch die Zufallsverteilung unterscheiden sich die Gruppen im Mittel nur in diesem einen Punkt. Unterschiede im Ergebnis lassen sich dann viel eher auf die Behandlung zurückführen.
• Beobachtungsstudien mit Kontrolle von Störgrößen: Wo Experimente nicht möglich oder nicht ethisch sind, etwa beim Rauchen, werden große Gruppen über lange Zeit beobachtet. Bekannte Drittvariablen werden statistisch herausgerechnet. Unbekannte können aber übrig bleiben.
• Mehrere unabhängige Studien: Ein einzelnes Ergebnis kann ein Ausreißer sein. Überzeugend wird ein Befund, wenn verschiedene Teams mit verschiedenen Methoden zum selben Schluss kommen. Übersichtsarbeiten fassen solche Studien zusammen.
• Plausibler Mechanismus: Gibt es eine nachvollziehbare Erklärung, wie A zu B führt? Steigt die Wirkung mit der Dosis? Kommt die Ursache zeitlich vor der Wirkung?

In der Epidemiologie werden solche Überlegungen seit Jahrzehnten als Kriterien diskutiert, um aus Zusammenhängen vorsichtig auf Ursachen zu schließen. Keines dieser Kriterien ist für sich ein Beweis. Zusammen erhöhen sie die Sicherheit.

Typische Formulierungen in Meldungen

Wissenschaftliche Veröffentlichungen formulieren oft vorsichtig, Überschriften dagegen zugespitzt. Achte darauf, wie stark eine Aussage im Text gegenüber der Überschrift ist.

Wird aus einer Beobachtungsstudie in der Schlagzeile eine Ursache, lohnt der Blick in die Originalveröffentlichung oder die Pressemitteilung der Hochschule. Dort steht oft ausdrücklich, dass die Studie keine Kausalität belegen kann.

Ein weiterer Hinweis ist die Frage, wie groß der beschriebene Effekt überhaupt ist. Ein statistisch signifikanter Zusammenhang kann im Alltag trotzdem winzig sein. Wie du Risiken und Prozentangaben richtig einordnest, erklärt der Artikel Statistiken in Nachrichten richtig lesen.

Eine Meldung Schritt für Schritt einordnen

Ein ausgedachtes Beispiel zeigt, wie du vorgehst. Die Überschrift lautet: „Kaffee macht klug: Wer täglich Kaffee trinkt, hat bessere Noten.“

1. Studienart klären: Im Text steht, dass Studierende befragt wurden, wie viel Kaffee sie trinken, und ihre Noten angegeben haben. Das ist eine Beobachtung, kein Experiment.
2. Drittvariablen suchen: Wer viel Kaffee trinkt, lernt vielleicht auch länger oder ist älter und erfahrener im Studium. Beides könnte die Noten erklären.
3. Richtung prüfen: Möglicherweise trinken besonders fleißige Studierende mehr Kaffee, weil sie lange lernen. Dann wäre der Fleiß die Ursache für beides.
4. Effektgröße ansehen: Wie groß ist der Unterschied in den Noten überhaupt?
5. Ergebnis formulieren: Treffender wäre die Überschrift „Studierende, die viel Kaffee trinken, haben in einer Befragung etwas bessere Noten angegeben.“ Weniger griffig, aber korrekt.

Denkfehler im Alltag

Nicht nur in Studienmeldungen, auch in Gesprächen und Beiträgen in sozialen Netzwerken begegnet dir der Fehlschluss von Korrelation auf Ursache. Typische Muster:

• Danach, also deswegen: „Ich habe das Mittel genommen, und am nächsten Tag ging es mir besser.“ Viele Beschwerden bessern sich ohnehin mit der Zeit. Der zeitliche Ablauf allein beweist nichts.
• Auswahl der Fälle: Es werden nur die Beispiele erzählt, die zum Zusammenhang passen. Die vielen Gegenbeispiele fallen unter den Tisch.
• Ein Grund für alles: Komplexe Entwicklungen haben selten nur eine Ursache. Wer eine einzelne verantwortlich macht, vereinfacht meist zu stark.

Ein Zusammenhang ist ein Anfang, keine Antwort. Wer sich bei jeder Meldung über eine „Ursache“ fragt, ob nicht auch etwas anderes dahinterstecken könnte, liest Nachrichten deutlich treffsicherer.