Bayes & Bedingte Wahrscheinlichkeit

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

Ein medizinischer Test ist zu 95 % genau. 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 ≈ 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 %), 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.

Szenario: Medizinischer Test

Eine Krankheit betrifft einen bestimmten Anteil der Bevölkerung. Ein Test erkennt die Krankheit mit einer bestimmten Trefferquote, erzeugt aber auch falsch-positive Ergebnisse bei Gesunden. Wie wahrscheinlich ist die Krankheit bei positivem Testergebnis wirklich?

Eingabewerte

P(A) — Grundwahrscheinlichkeit Wie häufig ist die Krankheit?

P(B|A) — Sensitivität Trefferquote bei tatsächlich Kranken

P(B|¬A) — Falsch-Positiv-Rate Fehlalarme bei Gesunden

Beispiele:

Berechnung nach Bayes

P(B)= P(B|A) × P(A) + P(B|¬A) × P(¬A)

P(B)= 0.9500 × 0.0100 + 0.0500 × 0.9900 = 0.0590

P(A|B)= P(B|A) × P(A) / P(B)

P(A|B)= 0.9500 × 0.0100 / 0.0590 = 0.1610

Ergebnis

16.1%

P(A|B) — Wahrscheinlichkeit der Krankheit bei positivem Test

Vorher (Prior)

Nachher (Posterior)

16.1%

Bayes-Faktor: Der Test hat die Wahrscheinlichkeit um das 16.1-Fache erhöht (von 1% auf 16.1%).

Das Bayes-Paradoxon

Obwohl der Test 95% Sensitivität hat, liegt die Wahrscheinlichkeit bei positivem Ergebnis nur bei 16.1%. Das liegt an der niedrigen Grundwahrscheinlichkeit (1%): Bei 1.000 Getesteten gibt es 50 Fehlalarme, aber nur 10 echte Treffer. Die Falsch-Positiven überschwemmen die echten Fälle.

Anschaulich: 1.000 Personen getestet

Krank & positiv getestet

(Richtig-Positiv)

Krank & negativ getestet

(Falsch-Negativ)

Gesund & positiv getestet

(Falsch-Positiv)

941

Gesund & negativ getestet

(Richtig-Negativ)

Von 60 positiv Getesteten sind nur 10 tatsächlich krank. Das ergibt P(A|B) = 10/60 = 16.1%.

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 kommt 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 kein Bias — es ist informiertes Schließen.

Das Training eines KI-Modells folgt dem gleichen Muster: Der Prior sind die zufälligen Anfangsgewichte. Die Evidenz sind die Trainingsdaten. Das Posterior ist das trainierte Modell. Jeder Trainingsbatch aktualisiert die Gewichte — genau wie Bayes das Posterior mit jedem neuen Beweisstück aktualisiert. Deshalb bedeutet Bayes zu verstehen: verstehen, wie KI lernt.

Interaktiv: Prior vs. Posterior im Vergleich

Ziehe den Schieberegler, um zwischen Prior (flache Anfangsverteilung vor Evidenz) und Posterior (konzentrierte Verteilung nach Evidenz) zu wechseln. Beobachte, wie bayesianisches Lernen den Glauben von einer vagen Vermutung zu einer präzisen Überzeugung verschiebt.

Underfitting vs. Overfitting

Verschiebe den Regler, um zwischen Underfitting (links) und Overfitting (rechts) zu wechseln. Die blauen Punkte sind Trainingsdaten. Die Kurve zeigt, wie das Modell die Daten interpretiert.

UnderfittingOverfitting

Auto

‹ ›

📉

Underfitting

Das Modell ist zu einfach. Es erkennt nicht einmal die offensichtlichen Muster in den Trainingsdaten. Wie ein Schüler, der die Aufgabe nicht verstanden hat.

Modell-KomplexitätZu niedrig

TrainingsfehlerHoch

TestfehlerHoch

📈

Overfitting

Das Modell ist zu komplex. Es lernt jeden einzelnen Datenpunkt auswendig, inklusive Rauschen. Wie ein Schüler, der die Antworten auswendig lernt statt zu verstehen.

Modell-KomplexitätZu hoch

TrainingsfehlerSehr niedrig

TestfehlerHoch

🎯

Sweet Spot: Good Fit

In der Mitte liegt der optimale Kompromiss: komplex genug, um echte Muster zu erkennen, aber einfach genug, um auf neue Daten zu generalisieren. Techniken wie Regularisierung, Kreuzvalidierung und Early Stopping helfen, diesen Punkt zu finden.

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, medizinische Diagnostik und KI-Training nutzen genau dieses Prinzip.

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 bayesianische Rolle spielen die Anfangsgewichte?

☐ 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.

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

Eingabewerte

Berechnung nach Bayes

Ergebnis

Anschaulich: 1.000 Personen getestet

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

Interaktiv: Prior vs. Posterior im Vergleich

Underfitting vs. Overfitting

Underfitting

Overfitting

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?

Korrelation vs. Kausalität

Verteilungen: Die Form der Daten

Regeln & Logik: Expertensysteme

Lineare & Logistische Regression

Wie gut ist dein Modell? Metriken, die wirklich zählen

Demo

Entscheidungsbaum

Naive Bayes (Klassifikation)

Überwachtes Lernen

Glossar

Timeline