Korrelation vs. Kausalität
Warum jeder Statistiker zuckt, wenn jemand "korreliert mit" sagt und "verursacht" meint.
Länder, die mehr Schokolade essen, gewinnen mehr Nobelpreise. Je mehr Feuerwehrleute eine Stadt hat, desto mehr Brände werden gemeldet. Die Daten sind echt. Die Schlussfolgerung ist falsch.
Die Lücke zwischen "diese Dinge bewegen sich zusammen" und "eines verursacht das andere" ist die wichtigste Lektion in der Datenkompetenz. Dieser Artikel zeigt dir, wie du echte Zusammenhänge von statistischen Täuschungen unterscheidest.
Korrelation: Gemeinsame Bewegung, nicht Ursache
Definition
Korrelation (Pearson r)
Analogie
Definition
Die Eis-Sonnenbrand-Analogie funktioniert, weil die Absurdität von "Eis verursacht Sonnenbrand" sofort offensichtlich ist. Aber Vorsicht: In echten Datensätzen — Medizinstudien, KI-Trainingsdaten, Finanzmodellen — sind die versteckten dritten Variablen oft subtil und manchmal unmessbar.
Merke
Streudiagramm-Muster: Was r bedeutet
Beispiel: Feuerwehrleute und Brände
Angenommen, du hast Daten aus 10 Städten: Anzahl der Feuerwehrleute vs. Anzahl der Brände pro Jahr. Ein Streudiagramm zeigt eine starke positive Korrelation (r ≈ 0,85). Naive Interpretation: "Mehr Feuerwehrleute verursachen mehr Brände." Korrekte Interpretation: Größere Städte haben mehr Gebäude (höheres Brandrisiko) UND mehr Feuerwehrleute. Der Confounder ist die Stadtgröße.
Achtung
Irrtum: Keine Korrelation = kein Zusammenhang
Pearson r erfasst nur lineare Muster. Wenn die Beziehung umgekehrt U-förmig ist — zum Beispiel Stress vs. Leistung: wenig Stress = niedrige Leistung, mittlerer Stress = hohe Leistung, viel Stress = niedrige Leistung — kann r nahe 0 sein, obwohl ein starkes, bedeutsames Muster existiert.
Kausalität: Wenn A tatsächlich B verursacht
Definition
Kausalität
Analogie
Definition
Die Tabletten-Analogie vereinfacht mehrere Aspekte: Im echten Leben wirken oft mehrere Faktoren gleichzeitig (andere Medikamente, Schlaf, Stress), und die Wirkung kann verzögert oder dosisabhängig sein. Auch der Klon-Gedanke ist eine Idealisierung — in der Praxis arbeiten RCTs mit großen Gruppen und statistischen Verfahren, um individuelle Unterschiede auszumitteln.
A und B bewegen sich zusammen. Das ist eine Beobachtung — sie sagt nichts darüber aus, ob A B verursacht, B A verursacht, oder ein dritter Faktor beide antreibt.
Eine Veränderung von A bewirkt direkt eine Veränderung von B. Das ist eine deutlich stärkere Behauptung — sie erfordert Assoziation, zeitliche Reihenfolge UND den Ausschluss von Confoundern.
Merke
Drei Kriterien für kausale Behauptungen
- 1. Assoziation: A und B müssen statistisch zusammenhängen (ein Zusammenhang ist notwendig, aber nicht hinreichend — er muss nicht linear sein).
- 2. Zeitliche Reihenfolge: Die Ursache A muss VOR der Wirkung B eintreten. Wenn B zuerst passiert, kann A es nicht verursacht haben.
- 3. Confounder-Ausschluss: Keine dritte Variable C darf die Beziehung besser erklären. Alle plausiblen Alternativerklärungen müssen ausgeschlossen werden.
Beispiel: Schokolade und Nobelpreise
Eine Studie von Franz Messerli im New England Journal of Medicine (2012) fand eine Korrelation von r ≈ 0,79 zwischen dem Pro-Kopf-Schokoladenkonsum und der Zahl der Nobelpreisträger pro 10 Millionen Einwohner. Suggestiv? Absolut. Kausal? Nein. Ein plausibler Confounder ist nationaler Wohlstand (BIP pro Kopf): Reichere Länder können sich mehr Schokolade UND mehr Forschungsförderung leisten. Ohne Kontrolle für Wohlstand ist die Schokoladen-Nobelpreis-Korrelation für kausale Behauptungen wertlos.
Achtung
Irrtum: Hohe Korrelation + plausible Geschichte = Kausalität
Eine überzeugende Erzählung ersetzt NICHT rigorose kausale Analyse. Menschen sind Mustererkennungsmaschinen — wir bauen instinktiv Geschichten um Korrelationen herum. Die Disziplin der Statistik ist zu großen Teilen die Disziplin, voreiligen kausalen Geschichten zu widerstehen.
Confounders: Die versteckte dritte Variable
Definition
Confounder (Störvariable)
Analogie
Definition
Das Wolf-Husky-Beispiel ist ein besonders klarer Fall, weil der Confounder (Schnee im Hintergrund) visuell offensichtlich ist. Im bekannten Original-Experiment (Ribeiro und Kollegen, 2016) wurde das Modell übrigens absichtlich so gebaut: Die Forscher trainierten es auf 20 handverlesenen Bildern, auf denen alle Wölfe im Schnee standen, um zu testen, ob Menschen den Fehler erkennen. In tabellarischen Daten sind Confounders oft unsichtbar und können erst durch statistische Methoden (z.B. Adjustierung, Matching) oder Domänenwissen identifiziert werden.
Merke
Absurde Korrelationen aus echten Daten
Tyler Vigens Website (tylervigen.com) sammelt absurde Korrelationen aus echten Daten: Die Scheidungsrate in Maine korreliert fast perfekt mit dem Pro-Kopf-Margarinekonsum. Pool-Ertrinken korreliert mit Nicolas-Cage-Filmauftritten. Diese Paare haben keinen kausalen Zusammenhang — sie korrelieren rein zufällig. Bei Tausenden von Zeitreihen sind hohe Korrelationen statistisch unvermeidlich, zumal zwei Reihen, die im selben Zeitraum beide fallen oder steigen, schon deshalb oft hoch korrelieren. Die Lektion: Vertraue niemals einer Korrelation nur wegen eines hohen r-Werts.
Achtung
Irrtum: KI-Modelle verstehen Kausalität
Standard-ML-Modelle lernen alle Korrelationen, die die Trainingsgenauigkeit maximieren. Sie haben kein Konzept von Ursache und Wirkung. Deshalb können Modelle in neuen Umgebungen katastrophal versagen — die Korrelationen, auf die sie sich verlassen, gelten dort möglicherweise nicht mehr. Diesen Unterschied zu verstehen ist der erste Schritt zu robuster KI.
Interaktiv: Berühmte Scheinkorrelationen entlarven
Klicke auf die Karten, um berühmte Scheinkorrelationen aufzudecken. Hinter jeder überzeugend klingenden Behauptung steckt ein Confounder oder purer Zufall.
KI-Modelle optimieren auf jedes Muster in den Trainingsdaten, ob es die Realität widerspiegelt oder nicht. Features wie Postleitzahl oder Bildhintergrund können zu Proxy-Variablen für Confounders werden. Wenn sich die Bedingungen ändern (Verteilungsverschiebung), brechen diese gelernten Abkürzungen zusammen. Deshalb ist das Verständnis von Korrelation vs. Kausalität nicht nur akademisch — es ist eine praktische Voraussetzung für den Bau zuverlässiger KI-Systeme.
Selbsttest: Korrelation oder Kausalität?
Fünf Szenarien aus Forschung und Alltag. Entscheide bei jedem: Liegt Kausalität vor, oder nur Korrelation?
Merke
Kernaussagen
- Korrelation misst gemeinsame Bewegung — sie sagt nichts über Ursache und Wirkung aus. Der Pearson-Koeffizient r erfasst nur lineare Zusammenhänge.
- Für eine kausale Behauptung brauchst du drei Dinge: Assoziation, zeitliche Reihenfolge und den Ausschluss von Confoundern. Ohne alle drei ist jede Korrelation nur ein Hinweis, keine Schlussfolgerung.
- KI-Modelle sind Korrelationsmaschinen — sie lernen jedes Muster in den Daten, ob es kausal ist oder nicht. Diesen Unterschied zu verstehen ist der erste Schritt zu KI-Kompetenz.
Prüfen
Quiz: Korrelation vs. Kausalität
Was bedeutet ein Pearson-Korrelationskoeffizient von r = 0?
Wähle eine Antwort
1. Was bedeutet ein Pearson-Korrelationskoeffizient von r = 0?
2. Eine Studie zeigt: Kinder mit Musikunterricht haben bessere Schulnoten. Welcher Confounder könnte diese Korrelation erklären?
3. Ein Unternehmen sieht: Teams mit höherer Zufriedenheit haben auch höheren Umsatz. Welche der drei Kausalitätsbedingungen ist hier am schwierigsten zu prüfen?
4. Ein Bilderkennungs-Modell erkennt Wölfe mit 95 % Genauigkeit im Testdatensatz. Bei neuen Fotos aus einem Zoo versagt es. Warum?
Prüfen
Checkpoint: Korrelation vs. Kausalität
Kannst du das in eigenen Worten erklären? Hake ab, was sitzt.
0 von 3 sitzen