Warum sind Daten nicht die Wirklichkeit?

Ein Datensatz ist eine Auswahl – nicht die Welt selbst

Buchaussage Jede Datenanalyse setzt bereits voraus, dass entschieden wurde, was überhaupt beobachtet und erfasst wird. Ein Kundendatensatz kann beispielsweise Alter, Wohnort, Vertragsdauer, Umsatz und Kündigungsstatus enthalten. Er enthält damit reale Informationen. Trotzdem fehlen zahllose andere Eigenschaften dieser Personen und ihrer Situation.

Daraus folgt nicht, dass der Datensatz „falsch“ ist. Eine Karte muss schließlich auch nicht jedes einzelne Detail einer Landschaft enthalten, um zur Orientierung nützlich zu sein. Entscheidend ist, dass der Zweck der Darstellung und ihre Auslassungen nicht vergessen werden.

Einordnung Vollständigkeit der Wirklichkeitsabbildung ist deshalb kein sinnvoller allgemeiner Maßstab für Datenqualität. Wichtiger ist die Frage, ob die erfassten Informationen für die konkrete Fragestellung ausreichend, geeignet und hinreichend zuverlässig sind.

Die Landkarten-Metapher: hilfreich, aber kein Beweis

Buchaussage Das Buch greift Alfred Korzybskis bekannte Unterscheidung zwischen Landkarte und Gebiet auf. Eine Landkarte repräsentiert bestimmte Strukturen eines Gebietes, ohne selbst dieses Gebiet zu sein. Entsprechend kann ein Datensatz ausgewählte Strukturen eines Sachverhalts abbilden, ohne mit dem Sachverhalt identisch zu sein.

Historischer Kontext Korzybski formulierte die Landkarten-/Gebiet-Unterscheidung bereits 1933 in Science and Sanity. Die Buchbibliografie verwendet eine spätere Ausgabe von 1958. Für diese Wissensseite dient die Metapher ausschließlich als erkenntnistheoretischer Denkrahmen. Sie ist kein empirischer Nachweis für die Güte oder Fehler moderner Data-Science-Modelle. Institute of General Semantics

Zwischen Wirklichkeit und Datensatz liegt ein Übersetzungsprozess

Buchaussage Das Buch fasst den Weg zunächst als vierstufige Kette:

Später führt das Buch diese Kette über Modell und Vorhersage weiter. Damit wird deutlich: Ein Modell arbeitet nicht unmittelbar auf der gesamten Wirklichkeit. Es arbeitet auf Daten, die selbst bereits das Ergebnis von Beobachtung, Definition, Messung und Auswahl sind.

Auch eine Messung ist ein definierter Prozess

Offizieller Messkontext Das internationale Vokabular der Metrologie des JCGM/BIPM definiert Messung als Prozess, durch den experimentell ein oder mehrere Größenwerte gewonnen werden, die einer Größe vernünftigerweise zugeschrieben werden können. Das VIM setzt dabei eine dem Verwendungszweck angemessene Beschreibung der Größe, ein Messverfahren und ein kalibriertes Messsystem voraus, das nach dem festgelegten Verfahren einschließlich der Messbedingungen arbeitet. VIM3: Measurement

Auch der Begriff des Messergebnisses ist dort differenzierter als eine einzelne kontextfreie Zahl. Das VIM beschreibt ein Messergebnis als Werte, die einer Messgröße zugeschrieben werden, zusammen mit weiterer relevanter Information. VIM3: Measurement result

Grenze der Übertragung Metrologie befasst sich vor allem mit Messgrößen und quantitativer Messung. Daraus folgt nicht automatisch eine vollständige Theorie sozialer, wirtschaftlicher oder psychologischer Operationalisierung. Die Quelle stützt hier nur den begrenzten Punkt, dass Messwerte aus definierten Messprozessen hervorgehen und mit ihrem Gegenstand nicht begrifflich gleichgesetzt werden sollten.

Ein Messwert beseitigt Unsicherheit nicht automatisch

Externe Evidenz NIST beschreibt Messung als experimentellen Prozess und Messunsicherheit als Ausdruck begrenzten Wissens darüber, welche Werte der Messgröße vernünftigerweise zugeschrieben werden können. Das ist ein wichtiger Gegenpunkt zur Vorstellung, eine Zahl müsse allein deshalb vollständige Gewissheit erzeugen, weil sie präzise dargestellt wird.

Einordnung Messunsicherheit bedeutet dabei nicht, dass „nichts bekannt“ wäre. Im Gegenteil: Unsicherheit systematisch zu beschreiben kann Wissen präziser machen, weil sichtbar wird, wie belastbar ein Ergebnis unter den verwendeten Bedingungen ist.

Was außerhalb des Erhebungsrahmens liegt, bleibt im Datensatz unsichtbar

Buchaussage Im Buch wird dafür der Ausdruck Messrahmen verwendet: Eine Erhebung legt fest, welche Merkmale sichtbar gemacht werden und welche außerhalb der Analyse bleiben.

Das Buch illustriert dies mit einer Universität, die Studienerfolg anhand von Alter, Geschlecht, Abiturnote, Studienfach und bestandenen Prüfungen untersucht. Solche Merkmale können relevant sein. Gleichzeitig können beispielsweise Motivation, familiäre Unterstützung, finanzielle Situation, Gesundheit oder Lernstrategien fehlen.

Terminologische Präzisierung „Messrahmen“ wird hier als Begriff des Buches verwendet. Die Seite behauptet nicht, dass dies der universell etablierte Terminus für sämtliche Formen von Auswahl, Operationalisierung oder Datenerhebung sei.

Proxy-Variablen: Ein Stellvertreter ist nicht automatisch der Sachverhalt

Buchbeispiel Viele interessante Eigenschaften lassen sich nicht unmittelbar als einzelne Zahl beobachten. Dann werden häufig Stellvertreter genutzt. Das Buch nennt als Beispiel Kundenzufriedenheit und die Zahl von Beschwerden.

Wenige Beschwerden könnten mit hoher Zufriedenheit zusammenhängen. Sie müssen es aber nicht. Manche Kundinnen und Kunden beschweren sich nie, obwohl sie unzufrieden sind. Andere beschweren sich häufig, obwohl sie dem Unternehmen treu bleiben.

Daraus folgt nicht, dass Beschwerden als Variable unbrauchbar wären. Der kritische Punkt ist die Interpretationsbrücke: Was genau erlaubt uns diese Variable über den eigentlich interessierenden Sachverhalt zu sagen?

Einordnung Ein Proxy sollte daher nicht nur danach beurteilt werden, ob er technisch verfügbar ist. Es muss auch offengelegt werden, welche Annahme seine Verwendung als Stellvertreter rechtfertigt und welche Aspekte des gemeinten Konstrukts er möglicherweise nicht erfasst.

Reduktion ist nicht dasselbe wie Verfälschung

Buchaussage Die Unterscheidung zwischen Daten und Wirklichkeit darf nicht in das andere Extrem führen. Das Buch betont später bei der Modellkritik, dass Abstraktion eine Voraussetzung dafür sein kann, komplexe Sachverhalte überhaupt untersuchbar zu machen.

Eine Stadtkarte lässt Gebäudeinnenräume, Gerüche, Geräusche und persönliche Erinnerungen weg – und kann trotzdem hervorragend für die Wegplanung geeignet sein. Entsprechend kann ein Datensatz reduziert und dennoch für eine klar begrenzte Fragestellung sehr informativ sein.

Die richtige Frage lautet deshalb nicht: „Bildet der Datensatz alles ab?“ Sondern: „Bildet er die für diese Fragestellung relevanten Aspekte ausreichend gut ab – und kennen wir seine wichtigen Grenzen?“

Fünf Fragen vor jeder Interpretation eines Datensatzes

Redaktionelle Synthese Aus den Buchkapiteln lässt sich eine kompakte Prüfreihenfolge ableiten. Sie ist kein standardisiertes Messinstrument, sondern eine praktische Lesebrille für Datensätze.

1. Was wurde tatsächlich beobachtet? Nicht die Spaltennamen interpretieren, bevor geklärt ist, wie die zugrunde liegenden Daten entstanden sind.
2. Wie wurde gemessen oder kategorisiert? Definitionen, Schwellenwerte, Befragungsformen und Messbedingungen können die spätere Aussage wesentlich prägen.
3. Was fehlt? Nicht erhobene Merkmale sind nicht automatisch unwichtig; sie sind im vorliegenden Datensatz lediglich nicht direkt verfügbar.
4. Welche Variablen sind Stellvertreter? Bei Proxy-Variablen muss die Interpretationsannahme sichtbar werden.
5. Für welchen Zweck reicht die Beschreibung? Eine Datenbasis kann für eine deskriptive Frage geeignet und für eine kausale oder normative Schlussfolgerung zugleich unzureichend sein.

Was aus „Daten sind nicht die Wirklichkeit“ nicht folgt

Die These ist kein Argument gegen Datenanalyse. Sie bedeutet weder, dass Messungen beliebig seien, noch dass quantitative Methoden keine Erkenntnis ermöglichen. Gute Datenerhebung kann Informationen systematisch erfassen, Vergleiche ermöglichen und Unsicherheit reduzieren.

Ebenso falsch wäre der Schluss, ein nicht gemessener Faktor müsse deshalb für die Fragestellung entscheidend sein. Aus seiner Abwesenheit im Datensatz folgt zunächst nur, dass die vorhandenen Daten darüber keine direkte Information enthalten.

Der entscheidende Qualitätsgewinn entsteht durch Transparenz: Was wurde erfasst? Was wurde nicht erfasst? Wie wurden Variablen definiert? Welche Unsicherheit bleibt? Und wie weit reicht deshalb eine Schlussfolgerung?

Quellen und Einordnung