Korrelation und Kausalität: eine entscheidende Unterscheidung für deinen unternehmerischen Erfolg

Als Unternehmer kommt es in erster Linie darauf an, effektive Entscheidungen zu treffen. Denn: die Summe der Entscheidungen entscheidet über Erfolg und Misserfolg. Die Liste der kognitiven Verzerrungen, mit denen wir als Mensch gesegnet sind, ist lang. Das komplex-dynamische Umfeld und die Unmengen an Informationen, die auf uns einprasseln, erschweren die Entscheidungsfindung zusätzlich. Einer der größten Denkfehler ist dabei in der Unterscheidung zwischen Korrelation und Kausalität zu finden. Wie man korrelierende Entwicklungen und kausale Zusammenhänge voneinander unterscheiden und Trugschlüsse vermeiden kann, um effektivere Entscheidungen zu treffen, erfährst du in diesem Artikel.

Wir konstruieren uns die Welt, wie sie uns gefällt

Es ist einleuchtend: tagtäglich ziehen wir Rückschlüsse aus dem, was wir in der Welt beobachten. Unser Gehirn strebt dabei stets nach einem Stabilitätszustand. Daher folgt auf die Beobachtung immer eine Erklärung. Wir fragen uns ganz automatisch: Wie hängen die Beobachtung miteinander zusammen? Welchen “Sinn” kann ich darin erkennen? Im dritten Schritt folgt dann die Wertung dessen, was wir beobachtet und für uns in einen logischen Zusammenhang gebracht haben. Auf diese Weise konstruieren wir uns unsere subjektive Wirklichkeit.

Die daraus resultierenden Irrtümer sind nicht auf unseren Alltag beschränkt. Auch in der Welt der Wissenschaft sowie im geschäftlichen Kontext kommen sie regelmäßig vor und führen zu katastrophalen Fehlentscheidungen. Viele Unternehmer greifen in ihren Analysen auf rein zufällige Übereinstimmungen zurück, um Entscheidungen zu treffen, die sich negativ auf den Geschäftserfolg auswirken.

Daher lohnt es sich, seine eigenen kognitiven Verzerrungen zu kennen und sich genauer mit der Frage zu beschäftigen, woran sich kausale Zusammenhänge verlässlich feststellen lassen.

Was ist Korrelation, was ist Kausalität und worin genau liegt der Unterschied?

Scheinkausalitäten: Wenn aus Korrelationen Kausalitäten gemacht werden

'Post hoc, ergo, proptor hoc'.

Das Zitat stammt aus der lateinischen Sprache und bedeutet wörtlich übersetzt "nach diesem, also infolgedessen dieses". Es beschreibt den häufigen Trugschluss, der entsteht, wenn wir ganz natürlicherweise (1. Beobachten 2. Erklären 3. Werten) versuchen, Zusammenhänge zwischen Ereignissen oder Beobachtungen herzustellen und uns dabei ausschließlich auf die zeitliche Abfolge verlassen.

Bevor wir uns der Frage widmen, warum die korrekte Unterscheidung so wichtig ist und warum eine Verwechslung verheerend sein kann, sollten wir zunächst definieren, was wir eigentlich genau unter Korrelation und Kausalität verstehen.

Zwei Arten der Korrelation

• Korrelation im qualitativen Sinn: Es handelt sich um eine Korrelation, wenn zwei Begebenheiten gemeinsam auftreten, ohne dass eine von ihnen die andere verursacht. Ein einfaches Beispiel hierfür ist, wenn man etwa beim Einkaufen immer wieder der selben Person begegnet. Weder hast Du verursacht, dass die Person einkaufen geht, noch hat die Person dich dazu bewegt. Die Ursache dafür, dass ihr euch zeitgleich im gleichen Laden befindet, ist woanders zu finden. Es könnte zum Beispiel sein, dass ihr beide immer zur selben Zeit arbeitet und danach, weil ihr es beide so gewohnt seid, einkaufen geht. Es gibt also keinen kausalen Zusammenhang zwischen euren Einkaufszeiten und dennoch korreliert das beobachtbare Verhalten. Es könnte allerdings gut sein, dass Du nach einigen Begegnungen mit deinem zufälligen Einkaufs-Buddy den Einkauf mit der Begegnung assoziierst und in einen kausalen Zusammenhang bringst.
• Korrelation im quantitativen Sinne: Im mathematischen Kontext kann man Korrelationen daran erkennen, dass sich zwei Parameter A und B abhängig voneinander verhalten. Das bedeutet: wenn A größer wird, B auch größer wird, oder wenn A größer wird, B kleiner wird (positive oder negative Korrelation). Das heißt aber noch immer nicht, dass A die Ursache von B ist oder umgekehrt. Um einen solchen kausalen Zusammenhang festzustellen, braucht es deutlich mehr Belege als die korrelierende Veränderung zweier Parameter.

Neben der eigentlich offensichtlichen Tatsache, dass Korrelation nicht mit Kausalitäten gleichzusetzen sind, ist auch eine Korrelation nicht immer eine Korrelation. Anders ausgedrückt: Die Feststellung einer Korrelationen sagt noch nichts darüber aus, ob tatsächlich eine Korrelation vorliegt. Wenn man lange genug danach sucht, findet man immer Korrelationen. Man sollte nicht erwarten, dass die auf diese Weise gefundenen Korrelationen tatsächlich etwas über zukünftige Entwicklungen aussagen. Vielmehr lässt sich mathematisch davon ausgehen, dass die meisten der festgestellten Korrelationen nur für den gewählten Zeitausschnitt entsprechende Datenpunkte aufweisen. Das Durchführen zu vieler Experimente birgt daher immer die Gefahr, viele Falsch-Positive zu erhalten und mit tatsächlich positiven Ergebnissen zu verwechseln.

Drei Arten der Kausalität

Die folgende Unterscheidung wird dir helfen, vermeintliche Kausalitäten besser zu entlarven:

• Die probabilistische Form der Kausalität bedeutet dass eine Begebenheit A die Wahrscheinlichkeit erhöht, dass eine zweite Begebenheit B eintritt. Korrelationen werden besonders schnell mit dieser Art der Kausalität verwechselt. Im Einkaufsspiel ist die Wahrscheinlichkeit erhöht, dass ich meinem Einkaufs-Buddy begegne, wenn wir die gleichen Einkaufszeiten haben. Allerdings sorge ich weder indirekt noch direkt dafür, dass die Begegnung zustande kommt. Ein kausaler Zusammenhang besteht also nicht. Ein noch einfacheres Beispiel für einen probabilistisch-kausalen Zusammenhang: Pfützen auf dem Fußboden erhöhen die Rutschgefahr. Auch hier ist nicht garantiert, dass jemand ausrutscht und hinfällt, aber die Wahrscheinlichkeit dessen hat sich durch die Pfütze erhöht.
• Die zweite Form der Kausalität lässt sich als eine hinreichende Bedingung bezeichnen. Das bedeutet, wenn Begebenheit A eintritt, so tritt Begebenheit B definitiv auch ein. Es ist wichtig zu beachten, dass das Eintreten von Begebenheit B nicht automatisch bedeutet, dass Begebenheit A vorher stattgefunden haben muss. Wenn ich also zu spät losfahre, dann komme ich zwangsweise zu spät zu meinem Termin. Das bedeutet aber nicht, dass mein spätes Losfahren immer der Grund, und schon gar nicht der einzige Grund, für meine Verspätung gewesen sein muss. Auch andere Ursachen kommen in Frage. Zum Beispiel pünktliches Losfahren in Kombination mit einer spontanen Straßensperrung.
• Bei der letzten und stärksten Form der Kausalität handelt es sich um eine notwendige Bedingung. Sofern Begebenheit A nicht eintritt, kann Begebenheit B nicht eintreten. Als simples Beispiel könnte man sagen, dass Wasser notwendig für die Existenz der Tiere auf der Erde ist. Es gibt zwar noch weitere Umstände, die erfüllt sein müssen, aber ohne Wasser kann es die Lebensformen die wir hier auf der Erde haben, gar nicht erst geben.

Warum der Unterschied zwischen Korrelation und Kausalität so entscheidend ist

Wenn ohne Beweise und fundierte Argumente von einer Kausalität ausgegangen wird, kann das enormen Schaden anrichten. Diese Verwechslung kommt leider nicht nur im Alltag unter Laien vor. Vor allem in der Politik und in den Medien scheint der Unterschied häufig gar nicht zu existieren. Aber selbst in renommierten wissenschaftlichen Journalen wird nicht selten fälschlicherweise eine Kausalität angenommen. Im Rahmen politischer Entscheidungen spielt die Unterscheidung zwischen Korrelation und Kausalität oft keine Rolle.

Sind mehr Follower und Klicks auf Social Media wirklich ein Zeichen dafür, dass mehr Menschen eine Nachfrage nach deinen Angeboten entwickelt haben? Oder könnte es sein, dass sie nur zur Unterhaltung deinen Content konsumieren und keinerlei Interesse an den angebotenen Leistungen haben?

Um wirksame Entscheidungen zu treffen, und das gilt ganz besonders für die Welt des (digitalen) Marketings (das Reich der Scharlatane), müssen erkannte Zusammenhänge (subjektive Konstruktion) auf tatsächliche Kausalität geprüft werden. Die Beweisführung einer solchen Kausalität ist schwieriger, als es die meisten vermuten würden.

Daten zur Analyse zu nutzen (Data & Analytics), kann dabei eine große Hilfe sein, oft aber auch zu weiteren logischen Fehlkonstruktionen führen. In jedem Fall sollte man skeptisch bleiben, wenn von Kausalitäten gesprochen wird, um Risiken durch Fehlentscheidungen zu vermeiden.

Genauso verheerende Folgen kann es haben, wenn vehement verleugnet wird, dass ein kausaler Zusammenhang besteht. Um Argumente zu entkräften, wird häufig die probabilistische Form der Kausalität mit einer hinreichenden Bedingung verwechselt: Betrunken Auto fahren garantiert nicht, dass man einen Unfall verursacht. Aber es erhöht die prozentuale Wahrscheinlichkeit im Vergleich zum nüchternen Fahren beträchtlich). Die Betonung der fehlenden hinreichenden Bedingung dient in solchen Fällen häufig der Verharmlosung eines gegebenen Zusammenhangs.

Vor allem die Medien sind anfällig für diese Art der Verwechslung. Das lässt sich dadurch erklären, dass Korrelationen als Schlagzeile weniger Aufmerksamkeit erregen. Daher werden Eventualitäten gerne außen vorgelassen, um Leser mit einer angenommenen Kausalität anzulocken. “Ein Glas Rotwein am Tag ist gut fürs Herz” ist ein lange widerlegter Irrtum, der sich allerdings störrisch in den Köpfen der Menschen hält. In der sehr alten und überholten Studie, die zu diesem Schluss kam, wurde eine Korrelation zwischen Rotwein und Herz-Gesundheit festgestellt, die allerdings durch die nicht korrekt randomisierte Wahl der Probandengruppen zustande kam und inzwischen widerlegt wurde.

Wie kann man nun sicherstellen, dass es sich bei einem Zusammenhang wirklich um eine Kausalität handelt?

Wie Du dich Kausalitäten annähern und sie von Korrelationen unterscheiden kannst

Korrelationen sind meistens recht einfach festzustellen. Kausalitäten hingegen sind deutlich schwieriger und manchmal auch gar nicht nachzuweisen. Auf Grund der vielen Parameter, die Einfluss auf eine Situation haben und miteinander in Wechselwirkung stehen, ist es grundsätzlich schwierig, verlässliche Schlussfolgerungen aus bestimmten Beobachtungen zu ziehen. Das gilt umso mehr, wenn Komplexität und Dynamik im Außen zunehmen.

Es gibt einige Bedingungen, die erfüllt sein müssen, um feststellen zu können, dass eine Begebenheit A eine andere Begebenheit B verursacht und nicht umgekehrt. Um eine solche Kausalität festzustellen, müssen im jeweiligen Kontext bestimmte Kriterien erfüllt sein.

Ob etwas wirklich einen kausalen Effekt hat, lässt sich zum Beispiel mittels Studien feststellen, die einem bestimmten Studiendesign folgen. So kann mit einer Zufallsauswahl an Probanden, die in randomisierte Gruppen eingeteilt werden, herausgefunden werden, in wie weit ein kausaler Zusammenhang gegeben ist.

Eine zufällige Auswahl an Menschen für die Studie zu finden, stellt allerdings schon eine recht große Hürde dar. Würde man beispielsweise die Personen selbst entscheiden lassen, in welcher Gruppe sie sein möchten, so ergäbe sich vielleicht, dass Leute mit einer Bestimmten Eigenschaft eine bestimmte Gruppe wählen. Und schon ergibt sich eine Korrelation, die in der Studie wie ein kausaler Zusammenhang erscheint.

Das klingt zunächst einleuchtend. Es gibt jedoch auch Auswahlfaktoren, durch die die Zufälligkeit gestört wird, ohne dass sich das so leicht erkennen lässt. Beispielsweise könnten wir über das Internet zufällig ausgewählte Personen kontaktieren. Menschen, die keinen Internetzugang haben, wären dabei aus der Studie ausgeschlossen. Davon wären vorwiegend ältere Menschen betroffen. Auch der simple Fakt, dass nur manche Menschen überhaupt bereit sind, an einer Studie teilzunehmen, kann bereits der angestrebten Zufälligkeit im Studiendesign entgegenwirken.

Bei Studien mit Menschen kommt ein weiteres Problem hinzu: Menschen denken darüber nach, welchen Eindruck sie bei anderen Menschen hinterlassen. Die Teilnahme an einer Studie hat demnach bereits störenden Einfluss auf die Zusammenhänge, die man kausal verstehen möchte.

Wir können uns also merken: die Art und Weise, wie wir die Studie gestalten bzw. wie die Daten dabei erfasst werden, hat erheblichen Einfluss auf die Ergebnisse. Kleine Abweichungen reichen aus, um die Ergebnisse massiv zu beeinflussen. Eine wissentlich oder unwissentlich schlecht designte Studie liefert zwar auch Ergebnisse, verhindert aber von vornherein, dass dabei wertvolle Erkenntnisse gewonnen werden können.

Bei der Prüfung von Kausalitätsbehauptungen solltest Du daher immer hinterfragen, wie die Daten (Beobachtungen) erfasst wurden und welche Begründungen der Behauptung zugrunde liegen.

Dass es sogar Wissenschaftlern schwer fällt, die Unterscheidung zwischen Kausalität und Korrelation zu wahren, deutet darauf hin (Achtung Kausalitätsfalle!), wie schwierig es ist, Kausalitäten verlässlich zu beweisen.

Irrtümer selbstständig entlarven und der Wahrheit näher kommen

Trotz subjektiver und damit verzerrter Konstruktion der Wirklichkeit, sind wir als Mensch und Unternehmer darauf angewiesen,  Annahmen zu treffen, um zu hoffentlich sinnvollen Entscheidungen zu kommen. Wichtig dabei ist, seine Annahmen zu kennen, um sie immer wieder mit den Beobachtungen, den gemessenen Daten und auch mit “dem Bauchgefühl” abzugleichen und zu hinterfragen.

Um Daten durch Beobachtung zu sammeln, bedarf es daher zunächst den Mut zum Scheitern. Denn nur, wenn wir uns wagen, Annahmen zu treffen, können neue kausale Zusammenhänge entdeckt und schrittweise validiert werden.

Grundsätzlich raten wir, skeptisch zu bleiben und anzuerkennen, dass selten eine monokausaler Zusammenhang besteht. Ganz im Gegenteil: Komplexität und Dynamik nehmen weiter zu. Das bedeutet nichts anderes, als dass es eine Vielzahl an Wechselwirkungen gibt, deren Folgewirkungen sich nicht vorhersagen lassen. Manche dieser Wirkungen können wir “feststellen”. Der Großteil liegt aber außerhalb dessen, was wir beobachten oder messen können.

Der Mensch geht auf Grund seiner subjektiven Konstruktion der Wirklichkeit meistens davon aus, dass die von ihm erkannten Kausalitäten faktisch gegeben sind und die Zusammenhänge vollständig abbilden.

Nicht alle dieser Zusammenhänge haben die gleiche Relevanz. Daher geht es uns bei der Suche nach Kausalitäten immer um die Frage, welche Faktoren einen besonders großen und welche Faktoren keinen oder nur einen kleinen Einfluss haben.

Kausalität selbst überprüfen

Es gibt ein paar hilfreiche Fragen, die Du dir stellen kannst, um Kausalitäten selbstständig zu überprüfen bzw. um weitere Zusammenhänge zu erkennen:

→ Könnte es genau umgekehrt sein? Ist B die Begebenheit, die A verursacht?‍

Verursacht A wirklich B? Oder ist es so, das B aufgrund seiner Eigenschaften A begünstigt und sie deshalb zusammen auftreten? Oder vielleicht beides?

Wird man durch Social Media erfolgreich, wie es die vielen Unternehmer auf Social Media vermuten lassen? Oder sind erfolgreiche Unternehmer gerade auf Social Media erfolgreich, weil die Algorithmen das Image des erfolgreichen Unternehmers belohnen?

→ Treten die beiden Begebenheiten A und B gemeinsam auf und tun sie das immer, zur selben Zeit/aufeinander folgend?

In diesem Fall macht es Sinn zu hinterfragen, ob es nicht eine gemeinsame Ursache C (D, E, …) für A und B geben könnte. In diesem Fall besteht die Kausalität dann jeweils zwischen A und C, als auch B und C.

Welche Faktoren begünstigen den Erfolg deines Unternehmens noch? Wie wichtig sind diese Faktoren relativ zueinander?

→ Gibt es eine noch einfachere oder noch plausiblere Hypothese?

Unsere Wahrnehmungsfilter blenden so einiges für uns aus. Häufig erkennen wir nicht, welche Einflüsse existieren. Einfache Zusammenhänge, die uns tagtäglich umgeben, werden daher gerne übersehen.

Jemand der regelmäßig hochwertigen Social Media Content produziert, scheint eine Person zu sein, die in der Lage ist, die gleichen Aktivitäten über einen längeren Zeitraum durchzuziehen. Auch wenn das nicht zwingend und häufig auch gar nicht zum Erfolg führt, zeigt es, dass die Person über Disziplin und Durchhaltevermögen verfügt. Diese Eigenschaften begünstigen den unternehmerischen Erfolg in erheblichem Maße.

Wenn Du der Frage nach einer möglichen Ursache näher kommen möchtest, begib dich zunächst auf die Suche nach anderen möglichen Erklärungen für das beobachtete Verhalten. Bevor du voreilige Schlüsse ziehst, solltest Du diese Faktoren miteinbeziehen und zuerst überprüfen, welchen Einfluss sie tatsächlich haben.

‍Im Rahmen der Evolution ist bei Menschen ein Gehirn entstanden, das ihn befähigt, so komplexe rückgekoppelte Systeme zu erschaffen, dass er sie nicht mehrdurchschauen kann. Um als Art zu überleben, muss er es trotzdem versuchen.
– Jürgen Beetz