Korrelation vs. Kausalität – Vermeiden Sie voreilige Rückschlüsse auf die Ursache
Korrelation ist keine Kausalität. Zu oft ziehen wir voreilige Schlüsse von einer zeitlichen Korrelation auf eine Kausalität. Ereignis A tritt ein, dann folgt Ereignis B. Es ist leicht, von „A geschah kurz vor B“ auf „A hat B verursacht“ zu schließen. Ein typisches Beispiel: Bei einem Stromausfall in New York City glaubten viele Menschen, sie hätten den Blackout verursacht, indem sie einen Schalter betätigten oder ein Gerät benutzten. Obwohl die Korrelation durchaus zutrifft – diese Faktoren traten tatsächlich gleichzeitig auf –, ist das Einschalten eines Haartrockners keine plausible Ursache. Was fehlt, ist der Wirkungsmechanismus – die Logik, die beschreibt, wie eine vermeintliche Ursache den beobachteten Effekt tatsächlich hervorgerufen hat.
Doch die enge Korrelation zwischen zwei Handlungen ist so verlockend, dass wir dazu neigen, voreilig eine Ursache zu unterstellen. Sie sind nah dran – Sie haben ein Muster gefunden, das eine gewisse Erklärungkraft besitzen könnte. Aber Sie müssen den Wirkungsmechanismus der Ursache klären.
Im Fall des Stromausfalls können wir einfach die Logik der Situation betrachten: Ich habe dasselbe Gerät über zwei Jahre lang jeden Tag zur gleichen Zeit benutzt, ohne einen Blackout zu verursachen – wie konnte der heutige Vorfall den Blackout auslösen, wenn die anderen Vorfälle dies nicht taten? Während der Ursachenanalyse hören wir das ständig: „Es muss an dem neuen Lieferanten für Verbindung K liegen, denn an dem Tag, an dem wir gewechselt haben, sanken unsere Erträge.“ Und dabei bleibt es meistens. Aber man muss weiter gehen.
In einem kürzlich aufgetretenen Fall, bei dem der Ertrag eines biopharmazeutischen Prozesses fast über Nacht um 22 % sank, lag genau ein solcher Lieferantenwechsel vor. „Es liegt am neuen Sojaöl“, erklärten sie. „Das muss es sein.“ Der Produktionsrückgang entsprach zeitlich zwar dem Lieferantenwechsel, aber das reicht nicht aus. Was genau an diesem neuen Sojaöl verursacht den Produktionsrückgang? Der entscheidende Faktor in diesem Fall war der Zeitpunkt im Prozess, an dem die Produktion sank. Sank sie während der Wachstumsphase, in der sich die Mikroorganismen vermehren? Oder geschah es in der Produktionsphase, in der diese ausgewachsenen Organismen nun Antikörper produzieren?
In diesem Fall war der Ertrag in der Wachstumsphase gesunken. Nach der Wachstumsphase produzierte der Prozess so viel Protein wie erwartet, gemessen am Prozentsatz der geringeren Anzahl an Organismen aus der Wachstumsphase. Wir fragten: „Was am Sojaöl unterstützt das Wachstum der Organismen?“ Die Antwort lautete Proteine – je höher der Proteingehalt im Sojaöl, desto höher die Produktion. Mit dieser Logik prüften wir die Proteinwerte des alten Sojaöls im Vergleich zum neuen. Es stellte sich heraus, dass das neue Öl über 20 % weniger Protein enthielt, was die Begründung dafür lieferte, dass der Lieferantenwechsel als Ursache identifiziert wurde.
Wenn Sie das nächste Mal hören, dass jemand eine Korrelation als Ursache darstellt, fragen Sie nach dem Mechanismus: „Ich sehe, dass diese beiden Dinge gleichzeitig auftreten, aber wie verursacht diese Änderung genau die Abweichung, die wir beobachten?“ Wenn Sie das beantworten können, haben Sie eine echte Ursache, die Sie prüfen können.
