Willkommen beim Harding-Zentrum für Risikokompetenz

Die Unstatistik Februar ist die Coronamortalität. Leider tragen die dazu publizierten Zahlen fast mehr zur Verwirrung als zur Aufklärung des Pandemiegeschehens bei. Das Internetportal Statista etwa meldet am 23. Februar für Deutschland eine Mortalitätsrate von 3,02 Prozent. Das Deutsche Ärzteblatt dagegen konstatiert eine Rate von 1,4 Prozent, und der bekannte Statistiker P.A. Ioannidis von der US-Amerikanischen Stanford Universität beziffert die Corona-Mortalität gar ganz allgemein auf weniger als ein halbes Prozent.

Im Januar hat Bundeskanzlerin Angela Merkel in einer internen Sitzung vor den Gefahren der in Großbritannien aufgetretenen Mutation B.1.1.7 des Corona-Virus gewarnt, unter anderem focus.de zitierte sie mit der Aussage: „Wenn wir es nicht schaffen, dieses britische Virus abzuhalten, dann haben wir bis Ostern eine zehnfache Inzidenz“. Von einigen Kommentatoren wurde dies als starker Tobak abgekanzelt, nicht zuletzt mit Verweis auf vergangene Prognosefehler im Zusammenhang mit der derzeitigen Pandemie. Diese Kritik an fehlerhaften Prognosen verdeutlicht eine durchaus weit verbreitete Unkenntnis der Entstehung, Probleme und Aufgaben von Prognosen, die nachfolgend erläutert werden.

Die Corona-Pandemie hat die Statistik als Wissenschaft ins Rampenlicht geholt. So sollen unzählige Analysen, Kurven und Kennziffern dabei helfen, die Pandemie zu erklären und politische Maßnahmen zu begründen. Das gelingt nicht immer gut. Denn viele dieser Analysen vermitteln den Eindruck, man wisse genau, wo wir gerade in der Pandemie stehen und wie sie sich entwickelt. Aber unser Wissen hat in weiten Teilen bestenfalls den Charakter von Leitplanken – es grenzt ab, wo unser Nicht-Wissen beginnt, ist aber keinesfalls so präzise, wie es die exakt verlaufenden Kurven glauben lassen.

Deshalb hatten einige Ausgaben der Unstatistik in den vergangenen Monaten einen anderen als den vertrauten Charakter. Statt nur den Finger in die Wunde zu legen, wo Statistik missbraucht wurde, haben wir regelmäßig Vorschläge unterbreitet, wie man es besser machen kann. Die Dezember-Unstatistik ist wie so vieles im Corona-Jahr 2020 von Ambivalenz geprägt und verweist auf ein formal besonders gelungenes Beispiel der statistischen Kommunikation.

Die Unstatistik des Monats November befasst sich mit Aussagen zur Wirksamkeit von Corona-Impfstoffen. Die gute Nachricht des Monats dazu kam von BioNTech und Pfizer mit dem vorläufigen Ergebnis, dass ihr Impfstoff gegen Covid-19 „zu 90 Prozent wirksam“ sei. Inzwischen haben BioNTech und andere Hersteller berichtet, dass Impfstoffe gar zu 95 Prozent wirksam seien. Das sind alles erfreuliche Ergebnisse. Aber was bedeutet „zu 90 Prozent wirksam“?

In verschiedenen Medien, darunter Bayerischer Rundfunk und „Berliner Zeitung“,  wurde erklärt „Das heißt, 9 von 10 Menschen können durch die Impfung vor einer Infektion geschützt werden.“ Demnach wäre der Impfstoff bei 90 Prozent aller Menschen, die sich impfen lassen, wirksam. Das würde bedeuten, wenn man alle 83 Millionen Deutschen impft, dann sind davon 90 Prozent geschützt; nur die restlichen 8,3 Millionen können sich anstecken. Das wären aber immer noch weit mehr Infizierte als es bisher der Fall ist. Also kann das nicht gemeint sein.

Die Unstatistik des Monats Oktober befasst sich mit der Aussagefähigkeit der 7-Tage-Inzidenz. Die aktuelle Politik orientiert sich mit ihren Anti-Corona-Maßnahmen vor allem an dieser 7-Tage-Inzidenz, die die Entwicklung der Neuinfektionen abbildet. Maßnahmen wie Sperrstunden, Personengrenzen auf Veranstaltungen und Alkoholverbote hängen davon ab. Die 7-Tage-Inzidenz gibt die innerhalb der vergangenen sieben Tagen registrierten Neu-infektionen je 100.000 Einwohner an. Hat beispielsweise eine Stadt mit 250.000 Einwohner in den letzten sieben Tagen insgesamt 50 Neuinfektionen verzeichnet, so beträgt die Sieben-Tages-Inzidenz 50*(100.000/250.000) = 20.