Bayes & Bedingte Wahrscheinlichkeit

Bedingte Wahrscheinlichkeit: das Werkzeug, mit dem man Statistiker erkennt — sie rechnen nach, statt zu raten.

Ein medizinischer Test ist zu 95 % genau. Die Krankheit hat 1 % der Menschen. Du wirst positiv getestet. Wie wahrscheinlich bist du wirklich krank? Die meisten antworten "95 %." Die tatsächliche Antwort: etwa 16 %. Das ist kein Trick — das ist der Satz von Bayes.

Dein Gehirn ist darauf programmiert, bei Wahrscheinlichkeiten falsch zu liegen — besonders wenn seltene Ereignisse im Spiel sind. Dieser Artikel zeigt dir drei Werkzeuge: bedingte Wahrscheinlichkeit (was "gegeben dass" mathematisch bedeutet), den Satz von Bayes (die Formel zum Umkehren von Wahrscheinlichkeiten) und bayesianisches Lernen (wie KI-Systeme aus Daten lernen).

Bedingte Wahrscheinlichkeit — "Gegeben dass..."

Du ziehst eine Karte aus einem Standarddeck (52 Karten). P(Herz-Ass) = 1/52. Jemand sagt dir: "Die Karte ist rot." Das eliminiert 26 Karten. Dein neues Universum hat 26 rote Karten. P(Herz-Ass | rot) = 1/26. Die Information "rot" hat deine Möglichkeiten halbiert und deine Wahrscheinlichkeit verdoppelt. Das ist bedingte Wahrscheinlichkeit: Neue Information schrumpft den Möglichkeitsraum.

Beispiel

Die Karten-Analogie funktioniert perfekt, weil die Zahlen exakt und klein genug zum Nachrechnen sind. In der Realität arbeitet man aber mit geschätzten Häufigkeiten (Krankheitsprävalenz, Testgenauigkeit), nicht mit perfekt bekannten Kartenanzahlen.

Analogie:

Beispiel

Definition:

P(A|B) = P(A ∩ B) / P(B). Der senkrechte Strich "|" bedeutet "gegeben dass." Du zoomst in die Welt, in der B wahr ist, und fragst: Welcher Anteil dieser Welt enthält auch A? Entscheidend: P(A|B) und P(B|A) sind NICHT dasselbe. P(Regen | Oktober in Hamburg) ist etwas völlig anderes als P(Oktober in Hamburg | Regen). Diese Verwechslung ist die Wurzel des Base-Rate-Trugschlusses.

Beispiel: Der Medizintest

1 % der Bevölkerung hat Krankheit X. Der Test erkennt Kranke zu 95 % (Sensitivität). Bei Gesunden zeigt er zu 5 % fälschlich positiv an. Nimm 1000 Personen:

1000 Personen: 10 krank, 990 gesund

Von 10 Kranken: 9 positiv getestet (95 %)

Von 990 Gesunden: 50 falsch-positiv (5 %)

Insgesamt positiv: 9 + 50 = 59

P(krank | positiv) = 9/59 ≈ 15 % (ohne Runden auf ganze Personen: 16 %)

Du wirst positiv getestet. Die Wahrscheinlichkeit, tatsächlich krank zu sein: nur 16 %. Die 990 Gesunden erzeugen 50 Fehlalarme, die die 9 echten Treffer überfluten. Die Basisrate (1 % Prävalenz) dominiert.

Verwechsle nicht P(positiv | krank) mit P(krank | positiv). Testgenauigkeit (wie gut der Test Kranke erkennt) und diagnostische Wahrscheinlichkeit (wie wahrscheinlich du krank bist bei positivem Test) sind völlig verschiedene Dinge. Die Basisrate — wie selten die Krankheit ist — macht den entscheidenden Unterschied.

95 % beschreibt P(positiv | krank) — wie gut der Test Kranke findet. Aber du willst P(krank | positiv) — wie wahrscheinlich du krank bist. Ohne die Basisrate (wie häufig die Krankheit ist) sagt die Testgenauigkeit wenig aus. Bei seltenen Krankheiten produzieren selbst exzellente Tests hauptsächlich Fehlalarme.

Satz von Bayes — Die Formel zum Umdenken

Du hörst nachts ein Geräusch. Deine Einschätzung vorher (Prior): P(Katze) = 80 %, P(Einbrecher) = 0,1 %. Dann hörst du Glas splittern — P(Glas | Katze) = 10 %, aber P(Glas | Einbrecher) = 90 %. Bayes aktualisiert deinen Glauben: P(Einbrecher) steigt deutlich, weil Glas unter der Einbrecher-Hypothese viel wahrscheinlicher ist. Aber der extrem niedrige Prior zieht das Posterior zurück — es springt nicht auf 90 %. Prior und Likelihood konkurrieren, Bayes vermittelt.

Beispiel

Menschen berechnen nachts keine Zahlen — sie reagieren mit Bauchgefühl und Heuristiken. Bayes benötigt explizite Wahrscheinlichkeiten. Diese Kluft zwischen intuitivem und mathematischem Aktualisieren ist genau das, was der Artikel lehrt.

Analogie:

Beispiel

Definition:

P(A|B) = P(B|A) × P(A) / P(B). Der Satz von Bayes verbindet P(A|B) und P(B|A) und erlaubt "rückwärts" zu schließen — von beobachteter Evidenz auf die zugrunde liegende Ursache. Die Formel kombiniert Vorwissen (Prior) mit neuer Beobachtung (Likelihood) und normalisiert durch die Gesamtwahrscheinlichkeit der Evidenz. P(B) wird über das Gesetz der totalen Wahrscheinlichkeit berechnet: P(B) = P(B|A) × P(A) + P(B|¬A) × P(¬A).

Die vier Bausteine

Prior P(A)

Likelihood P(B|A)

Evidenz P(B)

Posterior P(A|B)

Durchgerechnetes Beispiel

P(krank | positiv) = P(positiv | krank) × P(krank) / P(positiv)
                    = 0,95 × 0,01 / 0,059
                    = 0,0095 / 0,059
                    ≈ 0,161 → etwa 16,1 %

P(positiv) = P(positiv | krank) × P(krank) + P(positiv | gesund) × P(gesund)
           = 0,95 × 0,01 + 0,05 × 0,99
           = 0,0095 + 0,0495
           = 0,059

Häufigkeitstabelle

1000 Personen durchzählen, positiv getestete Kranke durch alle Positiven teilen. Intuitiv, aber nur bei kleinen Zahlen praktisch.

Bayes-Formel

Prior × Likelihood / Evidenz. Gleiche Antwort (16 %; die Tabelle zeigt nur wegen gerundeter Personen 15 %), aber allgemein anwendbar — auch wenn man keine 1000 Personen durchzählen kann.

Selbst wenn P(B|A) hoch ist — die Likelihood allein bestimmt nicht das Ergebnis. Bei extrem niedrigem Prior (z. B. Krankheit betrifft 0,01 %) bleibt das Posterior niedrig, auch bei einem 99-%-Test. Der Prior zieht das Ergebnis immer in seine Richtung. Nur bei moderaten Priors oder mehreren unabhängigen Evidenzstücken kann die Evidenz den Prior überwinden.

Interaktiv: Bayes-Theorem berechnen

Stelle Prior, Sensitivität und Falsch-Positiv-Rate ein und beobachte, wie sich das Posterior verändert. Probiere die vordefinierten Szenarien aus dem Artikel (seltene Krankheit, Spamfilter) und experimentiere mit eigenen Werten.

Bayesianisches Lernen — Schritt für Schritt klüger

Ein Arzt hört Symptome nacheinander ab: Patient kommt → Prior: Erkältung am wahrscheinlichsten. Symptom Fieber → Posterior verschiebt sich Richtung Grippe. Symptom Hautausschlag → Posterior verschiebt sich weiter, jetzt kommen Masern in Betracht. Jedes Symptom ist ein Bayes-Update: Das Posterior vom vorherigen Symptom wird zum Prior für das nächste.

Beispiel

Ärzte berechnen keine expliziten Wahrscheinlichkeiten — sie nutzen Mustererkennung und klinische Erfahrung. Ein bayesianischer Algorithmus berechnet tatsächliche Zahlen. Dieser Kontrast zeigt, was bayesianische KI leistet, was menschliche Intuition nur annähert.

Analogie:

Beispiel

Definition:

Bayesianisches Lernen verallgemeinert den Satz von Bayes zu einem iterativen Prozess: Starte mit einem Prior, beobachte Evidenz, berechne ein Posterior — dann nutze dieses Posterior als NEUEN Prior für die nächste Beobachtung. Mit wenig Daten dominiert der Prior. Mit viel Daten dominiert die Evidenz — das Posterior konvergiert unabhängig vom Startpunkt (bayesianische Konvergenz).

Beispiel: Spamfilter (Naive Bayes)

Ein Spamfilter klassifiziert E-Mails anhand von Worthäufigkeiten. Prior: P(Spam) = 0,4; P(Ham) = 0,6. Die E-Mail enthält das Wort "Gewinn":

P("Gewinn" | Spam) = 0,8
P("Gewinn" | Ham)  = 0,05

P(Spam | "Gewinn") = (0,8 × 0,4) / (0,8 × 0,4 + 0,05 × 0,6)
                    = 0,32 / 0,35
                    ≈ 0,914 → 91,4 % Spam-Wahrscheinlichkeit

Enthält die E-Mail auch "klicke", folgt ein weiteres Bayes-Update. Jedes Wort ist ein Stück Evidenz. Das ist Naive Bayes — "naiv", weil es annimmt, dass Wörter gegeben der Klasse unabhängig sind. Eine Vereinfachung, die in der Praxis erstaunlich gut funktioniert.

Python: Naive Bayes

from sklearn.naive_bayes import MultinomialNB

# Trainings-Features (Worthäufigkeiten)
X_train = [[5, 1, 0], [4, 2, 0], [0, 1, 3], [1, 0, 4]]
y_train = ['spam', 'spam', 'ham', 'ham']

clf = MultinomialNB()
clf.fit(X_train, y_train)

# Neue E-Mail klassifizieren
clf.predict([[3, 1, 0]])  # → 'spam'

Mit großen Datensätzen stimmt das — der Einfluss des Priors verblasst. Aber bei wenig Daten (häufig in der Praxis: medizinische Bildgebung, seltene Ereignisse, kleine Nutzergruppen) kann der Prior das Posterior dominieren. Einen durchdachten Prior zu wählen ist keine unfaire Verzerrung — es ist informiertes Schließen.

Das Training eines KI-Modells folgt einem ähnlichen Muster: Der Prior sind die zufälligen Anfangsgewichte. Die Evidenz sind die Trainingsdaten. Das Posterior ist das trainierte Modell. Jeder Trainingsbatch aktualisiert die Gewichte — ähnlich wie Bayes das Posterior mit jedem neuen Beweisstück aktualisiert. Streng bayesianisch ist das aber nicht: Normales Training sucht einen einzigen guten Gewichtssatz statt einer Wahrscheinlichkeitsverteilung, und ein echter Prior steckt eher in der Regularisierung (etwa Weight Decay) als in den Zufallsgewichten. Deshalb bedeutet Bayes zu verstehen: verstehen, wie KI lernt.

Mitmachen: Der Münz-Detektiv

Der Rechner oben zeigt eine einzelne Bayes-Rechnung. Hier erlebst du den Prozess: Wirf eine geheime Münze, und beobachte, wie sich dein Glaube Wurf für Wurf aktualisiert — vom Vorwissen (Prior) über die Beweise bis zur neuen Überzeugung (Posterior).

P(A|B) ≠ P(B|A) — die Richtung der Bedingung zu verwechseln ist der häufigste Denkfehler bei Wahrscheinlichkeiten (Base-Rate-Trugschluss).
Bayes' Formel P(A|B) = P(B|A) × P(A) / P(B) verbindet Vorwissen (Prior) mit neuer Beobachtung (Likelihood) zum aktualisierten Glauben (Posterior).
Bayesianisches Lernen ist iterativ: jedes Posterior wird zum neuen Prior. Mit wenig Daten dominiert der Prior, mit viel Daten die Evidenz. Spamfilter und medizinische Diagnostik nutzen genau dieses Prinzip, KI-Training ähnelt ihm.

Was bedeutet P(A|B)?

Die Wahrscheinlichkeit von A und B zusammen

Die Wahrscheinlichkeit von A, wenn B bereits eingetreten ist

Die Wahrscheinlichkeit von B, wenn A wahr ist

Die Wahrscheinlichkeit, dass A B verursacht

1. Was bedeutet P(A|B)?

☐ A) Die Wahrscheinlichkeit von A und B zusammen
☐ B) Die Wahrscheinlichkeit von A, wenn B bereits eingetreten ist
☐ C) Die Wahrscheinlichkeit von B, wenn A wahr ist
☐ D) Die Wahrscheinlichkeit, dass A B verursacht

2. Warum sind bei seltenen Krankheiten die meisten positiven Testergebnisse falsch?

☐ A) Weil der Test schlecht ist
☐ B) Weil die große Gruppe der Gesunden viele Fehlalarme erzeugt, die die wenigen echten Treffer überfluten
☐ C) Weil Ärzte sich häufig irren
☐ D) Weil die Krankheit zu selten getestet wird

3. Ein Spamfilter hat Prior P(Spam) = 0,5. Eine E-Mail enthält "Gewinn": P("Gewinn" | Spam) = 0,6, P("Gewinn" | Ham) = 0,1. Wie hoch ist P(Spam | "Gewinn")?

☐ A) 60 %
☐ B) 50 %
☐ C) 86 %
☐ D) 10 %

4. Ein KI-Modell startet mit zufälligen Gewichten und wird mit Daten trainiert. Welche Rolle spielen die Anfangsgewichte im Bayes-Bild aus dem Deep Dive?

☐ A) Likelihood
☐ B) Evidenz
☐ C) Posterior
☐ D) Prior

Auflösung: 1) B · 2) B · 3) C · 4) D

Checkpoint: Bayes & Bedingte Wahrscheinlichkeit

Ich kann erklären, warum die Basisrate (Prior) bei einem positiven Testergebnis so entscheidend ist.
Ich kann den Unterschied zwischen P(A|B) und P(B|A) an einem Beispiel erklären.
Ich kann mit der Bayes-Formel ein Posterior berechnen, wenn Prior, Likelihood und Evidenz gegeben sind.

Bayes & Bedingte Wahrscheinlichkeit

Bedingte Wahrscheinlichkeit — "Gegeben dass..."

Bedingte Wahrscheinlichkeit

Beispiel

Analogie:

Beispiel

Definition:

Beispiel: Der Medizintest

Der Base-Rate-Trugschluss

Irrtum: 95 % genauer Test = 95 % Wahrscheinlichkeit krank

Satz von Bayes — Die Formel zum Umdenken

Satz von Bayes

Beispiel

Analogie:

Beispiel

Definition:

Die vier Bausteine

Durchgerechnetes Beispiel

Irrtum: Starke Evidenz überschreibt alles

Interaktiv: Bayes-Theorem berechnen

Bayesianisches Lernen — Schritt für Schritt klüger

Bayesianisches Lernen

Beispiel

Analogie:

Beispiel

Definition:

Beispiel: Spamfilter (Naive Bayes)

Python: Naive Bayes

Irrtum: Der Prior ist egal — die Daten sprechen für sich

Deep Dive: KI-Training als Bayesianisches Lernen

Mitmachen: Der Münz-Detektiv

Das Wichtigste auf einen Blick

Quiz: Bayes & Bedingte Wahrscheinlichkeit

Was bedeutet P(A|B)?

Checkpoint: Bayes & Bedingte Wahrscheinlichkeit

Bedingte Wahrscheinlichkeit — "Gegeben dass..."

Bedingte Wahrscheinlichkeit

Beispiel

Analogie:

Beispiel

Definition:

Beispiel: Der Medizintest

Der Base-Rate-Trugschluss

Irrtum: 95 % genauer Test = 95 % Wahrscheinlichkeit krank

Satz von Bayes — Die Formel zum Umdenken

Satz von Bayes

Beispiel

Analogie:

Beispiel

Definition:

Die vier Bausteine

Durchgerechnetes Beispiel

Irrtum: Starke Evidenz überschreibt alles

Interaktiv: Bayes-Theorem berechnen

Bayesianisches Lernen — Schritt für Schritt klüger

Bayesianisches Lernen

Beispiel

Analogie:

Beispiel

Definition:

Beispiel: Spamfilter (Naive Bayes)

Python: Naive Bayes

Irrtum: Der Prior ist egal — die Daten sprechen für sich

Deep Dive: KI-Training als Bayesianisches Lernen

Mitmachen: Der Münz-Detektiv

Das Wichtigste auf einen Blick

Quiz: Bayes & Bedingte Wahrscheinlichkeit

Was bedeutet P(A|B)?

Checkpoint: Bayes & Bedingte Wahrscheinlichkeit

Verwandte Inhalte

Artikel

Wahrscheinlichkeit & Erwartungswert

Supervised Learning — Lernen mit Lehrer

Lageparameter: Wo ist die Mitte?

Bias & Datenqualität

Korrelation vs. Kausalität

Verteilungen: Die Form der Daten

Regeln & Logik: Expertensysteme

Lineare & Logistische Regression

Wie gut ist dein Modell? Metriken, die wirklich zählen

Demo

Naive Bayes (Klassifikation)

Überwachtes Lernen

Glossar

Timeline