Blinde Kuh

Im Fachmagazin Nature schlagen zwei Autoren vor, Daten absichtlich zu verfälschen. Das ist eine bemerkenswerte Idee.

Im Ernst. Der Psychologe Robert McCaun und der Physiker Saul Perlmutter haben im Fachmagazin Nature die breite Anwendung von "blinder Analyse" propagiert, um "wissenschaftliche Vorurteile" gezielt zu minimieren. Denn all zu oft, argumentieren die Autoren, versuchen Wissenschaftler nur das zu bestätigen, was sie ohnehin schon glauben. Alle Messergebnisse, die ihre Hypothese bestätigen, werden sofort akzeptiert. Alles, was nicht dazu passt, wird erstmal wie ein Messfehler behandelt. Sprich: gelöscht.

Dass auch ganz gewöhnliche Wald- und Wiesenwissenschaftler ihre Daten gerne höchst selektiv auswerten, ist natürlich nicht erst seit gestern bekannt. Ich erinnere mich, dass es einschlägige Witze darüber schon gab, als ich noch an der Diplomarbeit saß. Aber damit soll nun Schluss sein.

Man muss nur die Wahrheit verstecken, damit sie besser gefunden wird. Das könnte so gehen: Ich mache aus meinem gemessenen Datensatz - sagen wir mal - fünf Datensätze. Und in vier von diesen fünf Datensätze lasse ich per Software zufällige, oder systematische Fehler einbauen. Ach ja, um was für Maßeinheiten es sich handelt, verrate ich natürlich auch nicht.

Das ist im Prinzip ein bisschen so, wie die berühmten Doppelblindstudien bei Medikamenten: Es gibt eine Vergleichsgruppe, die nur Placebos bekommt, und eine Gruppe, denen echte Medikamente verabreicht werden. Dann schicke ich die Datensätze zu befreundeten Forschungsgruppen und lasse sie analysieren. Wenn ich tatsächlich einen Effekt gemessen habe, dann finden die Kollegen das auch heraus.

Schöne Idee, finde ich. Das ganze könnte nicht nur dazu führen, dass so mancher Forscher aus einer theoretischen Sackgasse herausfindet. Sie könnte auch der Wissenschaft zu einer völlig neuen Glaubwürdigkeit verhelfen - zum Beispiel in der Klimadebatte.

Ich fürchte nur, dass auch diese Revolution wieder mal ausbleiben wird. Denn zum einen würde ich mal schätzen, dass dem ganz überwiegenden Teil junger Wissenschaftlerinnen und Wissenschaftler nicht mal das Problem so richtig klar ist. Weil eine kritische Sicht auf die eigenen Methoden in der Ausbildung in der Regel gar nicht vorkommt. Und zweitens weil diese Art der Analyse eine große Gefahr birgt: Es kann auch sein, dass die Blindanalyse an den Tag bringt, dass es eigentlich gar nichts zu entdecken gibt. Und dann stehe ich da, mit meinen schönen Daten. Die sind dann verbrannt. Aber niemand gibt gerne zu, dass er das letzte halbe Jahr umsonst gearbeitet hat.

Aber vielleicht bin ich ja zu pessimistisch. Zu hoffen wäre es. (wst)