Statistik in der Forschungsethik
Forschungsethik wird häufig im Zusammenhang mit der Einwilligung der Teilnehmenden, der Vertraulichkeit der Daten und der Integrität der Forschenden diskutiert. Ein Bereich, der jedoch trotz seiner entscheidenden Rolle für die Qualität und Fairness von Forschungsergebnissen oft übersehen wird, ist die Statistik. Statistik ist nicht bloß ein Werkzeug zur „Zahlenverarbeitung“, sondern vielmehr die Grundlage wissenschaftlicher Logik, die Forschenden hilft, verantwortungsvolle Schlussfolgerungen zu ziehen. Wird Statistik missbraucht – sei es aus Unwissenheit oder vorsätzlich –, reichen die Folgen über technische Fehler hinaus und umfassen ethische Verstöße, die Leser:innen, politische Entscheidungsträger:innen und sogar die breite Öffentlichkeit irreführen.
Warum besteht ein direkter Zusammenhang zwischen Statistik und Ethik?
Grundsätzlich zielt Forschung darauf ab, valides Wissen zu generieren. Die Validität dieser Erkenntnisse hängt maßgeblich von der Datenerhebung, -analyse und -berichterstattung ab. Statistiken spielen in allen drei Phasen eine Rolle. Ungeeignete Stichproben, fehlerhafte Analysen oder manipulative Berichterstattung können zu fehlerhaften Forschungsergebnissen führen. Aus ethischer Sicht sind solche Fehler gefährlich, da sie zu Fehlentscheidungen führen können: beispielsweise zur Auswahl unwirksamer Therapien, zu unangemessenen politischen Maßnahmen oder zu sozialer Stigmatisierung aufgrund verzerrter Dateninterpretation.
Statistische Ethik hat auch mit Fairness zu tun. Wenn beispielsweise eine Studie ohne angemessene Analyse zu dem Schluss kommt, dass bestimmte Gruppen „stärker gefährdet“ oder „benachteiligt“ sind, können Statistiken zu einem Instrument werden, das Diskriminierung verstärkt. Daher müssen Forschende verstehen, dass die Datenverarbeitung kein neutraler Prozess ist; sie erfordert methodische Redlichkeit und sorgfältige Interpretation.
Ethik in der Planungsphase: Forschungsdesign und Stichprobengröße
Ethische Dilemmata entstehen oft schon vor der Datenerhebung. Ein Beispiel ist die Bestimmung der Stichprobengröße. Eine zu kleine Stichprobe kann dazu führen, dass eine Studie nicht ausreichend aussagekräftig ist, um einen tatsächlichen Effekt nachzuweisen. Infolgedessen könnten Forschende fälschlicherweise annehmen, dass kein Effekt vorliegt – was der wissenschaftlichen Entwicklung und praktischen Entscheidungen schaden kann. Umgekehrt kann auch eine zu große Stichprobe ethisch problematisch sein, insbesondere bei Forschungsprojekten mit Risiken für die Teilnehmenden, da dadurch mehr Menschen potenziell unnötigen Risiken ausgesetzt werden.
Die Statistik bietet Instrumente wie Poweranalysen und Stichprobenberechnungen, um effiziente und ethische Forschung zu gewährleisten. Im Wesentlichen müssen Forschende Studien konzipieren, die „ausreichend“ sind, um die Forschungsfrage zu beantworten, ohne Ressourcen zu verschwenden und ohne die Teilnehmenden einem unverhältnismäßigen Risiko auszusetzen.
Ethik in der Datenerhebungsphase: Verzerrung und Messqualität
Mangelhafte Datenerhebung führt nicht nur zu fehlerhaften Daten, sondern kann auch Ungerechtigkeit und Unehrlichkeit widerspiegeln. So entsteht beispielsweise ein Selektionsbias, wenn Forschende nur Teilnehmende rekrutieren, die ihre Hypothese stützen oder leicht erreichbar sind, und die Ergebnisse anschließend verallgemeinern, als wären sie repräsentativ für die Gesamtbevölkerung. Die Statistik vermittelt Konzepte wie Repräsentativität, Randomisierung und Stichprobenverfahren, um die Glaubwürdigkeit von Ergebnissen zu erhöhen.
Darüber hinaus ist die Qualität des Messinstruments von entscheidender Bedeutung. Die Verwendung eines ungültigen oder unzuverlässigen Fragebogens und das daraus resultierende Ziehen von Schlussfolgerungen ist ethisch problematisch. Forschende sind verpflichtet, die Validität und Reliabilität des Instruments zu prüfen oder zumindest dessen Grenzen transparent darzulegen. Statistische Verfahren helfen, die interne Konsistenz, Messfehler und Datenstreuung zu überprüfen und ermöglichen es den Lesenden, die Aussagekraft der vorgelegten Ergebnisse zu beurteilen.
Ethik in der Analysephase: P-Hacking, HARKing und Rosinenpickerei
Im Zeitalter rasanter Veröffentlichungen und des Drucks, „signifikante“ Ergebnisse zu erzielen, ist das häufigste Vergehen gegen statistische Ethik das sogenannte P-Hacking. P-Hacking bezeichnet die Praxis, verschiedene Analysen, Variablen oder Datenverarbeitungsmethoden auszuprobieren, bis ein statistisch „signifikanter“ p-Wert gefunden wird. Dies kann bewusst oder unbewusst geschehen, führt aber zum gleichen Ergebnis: Die Wahrscheinlichkeit, ein Ergebnis zu finden, das in Wirklichkeit nur ein Zufall ist, wird erhöht.
Neben dem P-Hacking gibt es noch das HARKing (Hypothesizing After Results are Known), bei dem nach Bekanntwerden der Ergebnisse eine Hypothese aufgestellt und diese dann so dargestellt wird, als sei sie von Anfang an geplant gewesen. Dies führt die Leser in die Irre und lässt sie glauben, die Ergebnisse seien streng geprüft worden, obwohl sie tatsächlich explorativ sind.
Rosinenpickerei ist ebenfalls problematisch: Forschende berichten nur über Variablen, Untergruppen oder Zeiträume, die eine bestimmte These stützen, und verschweigen dabei widersprüchliche Daten. Transparenz ist aus ethischer Sicht unerlässlich. Explorative Analysen sind zwar sinnvoll, sollten aber als solche erkennbar und nicht als bestätigende Studien dargestellt werden.
Ethik der Interpretation: Bedeutung ist nicht absolute Wahrheit
Ein häufiger Fehler besteht darin, ein „signifikantes“ Ergebnis als starken Beweis für einen Kausalzusammenhang zu werten. Statistische Signifikanz bedeutet jedoch lediglich, dass die erhobenen Daten unter bestimmten Annahmen relativ selten auftreten, falls die Nullhypothese zutrifft. Sie impliziert nicht automatisch, dass der Effekt groß, wichtig oder praktisch relevant ist.
Deshalb ist die Angabe von Effektstärken und Konfidenzintervallen eine ethische Frage. Effektstärken geben Aufschluss über das Ausmaß des Effekts, während Konfidenzintervalle die Unsicherheit der Schätzung angeben. Ohne diese Informationen können Leser allein durch den p-Wert irregeführt werden. In der medizinischen Forschung beispielsweise kann ein statistisch signifikanter Effekt so gering sein, dass er klinisch irrelevant ist. Ergebnisse lediglich mit „hat einen Effekt“ oder „hat keinen Effekt“ zu vereinfachen, ist eine Form der Reduktion, die irreführend sein kann.
Ethik der Berichterstattung: Transparenz, Reproduzierbarkeit und Datenzugang
Statistische Ethik erfordert auch Transparenz bei der Berichterstattung. Forschende sollten erläutern, wie die Daten bereinigt wurden, wie mit Ausreißern umgegangen wurde, welche Annahmen geprüft wurden und welche statistischen Modelle gewählt und begründet wurden. Diese Vorgehensweisen helfen Lesenden, die Qualität der Forschung zu beurteilen und ermöglichen die Replikation der Ergebnisse.
In vielen Bereichen wird die Open-Science-Bewegung zunehmend als ethischer Standard anerkannt. Das Teilen von Daten (unter Wahrung der Privatsphäre), das Teilen von Analysecode und die Vorregistrierung können den Verdacht der Manipulation verringern. Offenheit muss jedoch mit dem Schutz der Identität der Teilnehmenden einhergehen, insbesondere bei sensiblen Daten wie Gesundheitsdaten, politischen Präferenzen oder wirtschaftlichen Verhältnissen.
Ethik in der Datenvisualisierung: Ehrlichkeit bei der Präsentation von Zahlen
Diagramme und Tabellen besitzen Überzeugungskraft. Daher stellen irreführende Visualisierungen ethische Verstöße dar. Beispiele hierfür sind das Unterschneiden der Achsen eines Balkendiagramms, um Unterschiede dramatischer erscheinen zu lassen, die Wahl einer unverhältnismäßigen Skala oder das Weglassen bestimmter Datenpunkte ohne Erklärung. Visualisierungen sollen den Lesern helfen, die Daten zu verstehen, und nicht ihre Meinungen manipulativ beeinflussen. Das ethische Prinzip ist einfach: Daten müssen verhältnismäßig, klar und nachvollziehbar dargestellt werden.
Interessenkonflikte und Publikationsdruck
Statistik existiert nicht unabhängig vom sozialen Kontext der Forschung. Forschende können unter Druck von Sponsoren, Institutionen oder Publikationszielen stehen. Interessenkonflikte können analytische Entscheidungen und Interpretationen beeinflussen. Daher sind die Offenlegung von Interessenkonflikten und die Gewährleistung analytischer Unabhängigkeit wesentliche Bestandteile der Forschungsethik. In solchen Situationen können Statistiken dazu missbraucht werden, Ergebnisse zu beschönigen und Erwartungen zu erfüllen. Daher dienen die ethische Aufsicht durch Ethikkommissionen, das Peer-Review-Verfahren und eine gesunde wissenschaftliche Kultur als Schutzmechanismen gegen Fehlverhalten.
Vereinigung von statistischer Kompetenz und wissenschaftlicher Integrität
Letztlich geht es bei Statistik in der Forschungsethik nicht nur um Betrugsprävention, sondern auch um Kompetenz. Ein unzureichendes Methodenverständnis kann zu falschen Schlussfolgerungen führen, deren Folgen ebenso gravierend sind wie die von Manipulation. Daher gehören eine angemessene statistische Ausbildung, die Konsultation von Statistikern und die regelmäßige Überprüfung von Modellannahmen zur moralischen Verantwortung von Forschern.
Ethisch korrekte Forschung geht ehrlich mit den Daten um, ist offen für Unsicherheiten und zieht vorsichtige Schlussfolgerungen. Die Statistik bietet eine Sprache, um diese Unsicherheit messbar auszudrücken. Korrekt angewendet, stärkt sie die Integrität der Wissenschaft. Missbraucht sie sich, kann sie zu einem irreführenden Instrument werden. Daher ist das Verständnis von Statistik nicht nur eine technische Notwendigkeit, sondern eine ethische Verpflichtung, das Vertrauen der Öffentlichkeit zu wahren und sicherzustellen, dass die gewonnenen Erkenntnisse tatsächlich nützlich sind.
