Jun-ho ist Softwareentwickler in Seattle und will eine Ramen-Bar eröffnen. Seit einem Jahr bereitet er sich darauf vor. Er hat mehr als vierzig Folgen eines Podcasts gehört, in dem Restaurantbesitzer erzählen, wie sie es geschafft haben. Die Botschaft ist jedes Mal dieselbe: Sie kündigten ihren sicheren Job, setzten alles auf eine Karte, hörten nicht auf die Zweifler und hatten Erfolg.
Beim Abendessen erzählt er seiner Schwester Ha-eun davon. Sie stellt ihm nur eine Frage: „Hat dieser Podcast schon einmal jemanden interviewt, dessen Restaurant schließen musste?“
Jun-ho denkt nach. Das hat er nicht. Wer sein Restaurant schließen musste, wird nicht in eine Sendung mit dem Titel „So habe ich es geschafft“ eingeladen. Alle Gäste im Podcast gingen ein großes Risiko ein. Vermutlich taten das aber auch viele andere, die nie vor einem Mikrofon saßen.
Das ist Survivorship Bias, auf Deutsch auch Überlebendenfehler genannt. Jun-ho hat sich mit vielen Beispielen beschäftigt, doch alle mussten zuerst einen Filter passieren, der nur Erfolge durchlässt. In diesem Artikel erfährst du, was Survivorship Bias bedeutet, was an der berühmten Bombergeschichte tatsächlich dran ist, wo dir der Denkfehler im Alltag begegnet und welche fünf Fragen du stellen solltest, bevor du eine Erfolgsgeschichte zum Vorbild nimmst.
Was ist Survivorship Bias?
Survivorship Bias ist der Denkfehler, aus Menschen, Unternehmen oder Dingen, die einen bestimmten Auswahlprozess überstanden haben, Rückschlüsse auf die gesamte Gruppe zu ziehen. Dabei übersieht man diejenigen, die ausgeschieden sind. Weil die Misserfolge unsichtbar bleiben, wirken die Überlebenden typischer und ihre Methoden verlässlicher, als sie tatsächlich sind.
In unserem Überblick über kognitive Verzerrungen steht dieser Denkfehler an fünfter Stelle. Der Tipp dagegen besteht aus einer kurzen Frage: „Wer fehlt in diesem Bild?“ Hier gehen wir tiefer, denn die Frage ist leicht gestellt, aber überraschend schwer gut zu beantworten.
Das Muster besteht aus drei Teilen:
- Ein Filter entscheidet, welche Fälle übrig bleiben: eine Schließung, ein Todesfall, ein Abbruch, eine nicht bestandene Prüfung oder schlicht das Vergessen.
- Du siehst nur die Übriggebliebenen, weil der Filter die anderen aus dem Blickfeld entfernt hat.
- Du ziehst eine Schlussfolgerung über alle, obwohl du nur diejenigen kennst, die durch den Filter gekommen sind.
Der Fehler besteht nicht darin, erfolgreiche Fälle anzusehen. Er besteht darin, den Filter zu vergessen.
Die älteste Version: Bilder der Geretteten
Die Idee ist viel älter als die Statistik. In Über das Wesen der Götter erzählt der römische Schriftsteller Cicero eine Geschichte über den griechischen Denker Diagoras von Melos. Ein Freund zeigte Diagoras Votivbilder von Menschen, die nach Gebeten zu den Göttern einen Sturm auf See überlebt hatten. Bewies das nicht, dass Beten half?
Diagoras entgegnete sinngemäß, dass es keine Bilder von den Menschen gab, die gebetet hatten und trotzdem bei einem Schiffbruch ertrunken waren.
In diesem kurzen Austausch steckt der ganze Denkfehler. Die Bilder zeigten Menschen, die wirklich überlebt hatten. Ob Gebete halfen, ließ sich daraus aber nicht ableiten, denn die Menschen, die etwas anderes hätten berichten können, lagen auf dem Meeresgrund. Der Autor Nassim Nicholas Taleb gab solchen fehlenden Informationen später in Der Schwarze Schwan einen treffenden Namen: stille Evidenz.
Die Bombergeschichte und was wirklich geschah
Das bekannteste Beispiel stammt aus dem Zweiten Weltkrieg. Die verbreitete Version geht so:
Das Militär untersuchte Bomber, die von ihren Einsätzen zurückkehrten, und markierte ihre Treffer. Auf den Tragflächen und am Rumpf häuften sich die Einschusslöcher, an den Motoren gab es nur wenige. Die Offiziere wollten die Flugzeuge dort zusätzlich panzern, wo die meisten Löcher zu sehen waren. Der Statistiker Abraham Wald erkannte, dass die Schlussfolgerung falsch herum war: Die zurückgekehrten Maschinen zeigten, wo ein Flugzeug getroffen werden konnte und trotzdem noch nach Hause flog. Die Flugzeuge mit Treffern an den Motoren kamen gar nicht erst zurück. Verstärkt werden mussten also die Stellen ohne Löcher.
Der Kern der Geschichte stimmt. Wald, ein in Ungarn geborener Mathematiker, arbeitete während des Krieges in der Statistical Research Group der Columbia University. 1943 verfasste er eine Reihe von Memoranden, darunter eines mit dem Titel „A Method of Estimating Plane Vulnerability Based on Damage of Survivors“. Die Statistiker Marc Mangel und Francisco Samaniego veröffentlichten 1984 im Journal of the American Statistical Association eine gut verständliche Einführung in diese Arbeit.
Die runde Anekdote mit den irrenden Offizieren und Walds dramatischer Korrektur geht allerdings über die erhaltenen Quellen hinaus. Über ein solches Gespräch ist dort kaum etwas zu finden. Wald entwickelte tatsächlich ein mathematisches Verfahren, um abzuschätzen, wie verwundbar die einzelnen Teile eines Flugzeugs waren. Dazu nutzte er die Schäden an zurückgekehrten Maschinen, um Aussagen über alle gestarteten Flugzeuge zu treffen, auch über die verlorenen. Die bekannte Zeichnung eines Flugzeugs voller roter Punkte, die du vielleicht schon gesehen hast, ist eine moderne, hypothetische Illustration und keine Aufzeichnung aus dem Krieg.
Die Lehre bleibt gültig: Die Belege, die bei dir ankommen, wurden bereits durch genau den Umstand gefiltert, über den sie etwas aussagen sollen. Und eine Geschichte, die so oft erzählt wird, dass sie sich wie ein historischer Bericht anfühlt, ist selbst eine Überlebende, die mit jeder Wiederholung glatter wird.
Wo sich Survivorship Bias versteckt
Survivorship Bias kann überall auftreten, wo ein Filter wirkt, den du nicht siehst. Die Tabelle zeigt besonders häufige Beispiele.
| Bereich | Was sichtbar bleibt | Wer fehlt | Die entscheidende Frage |
|---|---|---|---|
| Erfolgsratschläge | Gründer, Künstler und Sportler, die es geschafft haben | Alle, die dasselbe getan haben und trotzdem scheiterten | „Wie viele haben diesen Rat befolgt und sind gescheitert?“ |
| Geldanlage | Fonds und Aktien, die heute noch gehandelt werden | Geschlossene oder zusammengelegte Fonds und insolvente Unternehmen | „Sind in dieser Bilanz auch die verschwundenen Fonds und Unternehmen enthalten?“ |
| Alte Dinge | Gebäude, Autos und Werkzeuge, die lange gehalten haben | Die schlecht verarbeiteten, die längst entsorgt wurden | „Waren früher alle so gut oder nur die, die noch übrig sind?“ |
| Mitarbeiterbefragungen | Beschäftigte, die geblieben sind | Menschen, die wegen des untersuchten Problems gekündigt haben | „Haben wir auch die ehemaligen Beschäftigten gefragt?“ |
| Kundenfeedback | Kunden, die das Produkt weiterhin nutzen | Kunden, die es einmal ausprobiert und dann aufgegeben haben | „Was haben die abgesprungenen Kunden gesagt?“ |
Erfolgsratschläge
Hier ist der Effekt besonders deutlich. Bücher, Podcasts und Social-Media-Beiträge erzählen meist von Menschen, die es geschafft haben. Schließlich kauft kaum jemand Memoiren mit dem Titel „Ich habe alles richtig gemacht und es hat trotzdem nicht funktioniert“. Die berühmten Studienabbrecher, die riesige Unternehmen aufgebaut haben, gibt es wirklich. Die viel größere Gruppe, die das Studium abbrach und kein Unternehmen aufbaute, gibt es ebenfalls.
Die Lösung ist nicht, erfolgreiche Menschen zu ignorieren. Vergleiche stattdessen, was sie getan haben, mit dem, was alle anderen in ihrer Lage getan haben. Wenn Gewinner und Verlierer gleichermaßen alles auf eine Karte gesetzt haben, kann genau das nicht das Erfolgsgeheimnis sein.
Geldanlage
In einer 1996 in der Review of Financial Studies veröffentlichten Studie untersuchten die Finanzforscher Edwin Elton, Martin Gruber und Christopher Blake Investmentfonds, die Ende 1976 existierten. Sie verfolgten auch die Fonds weiter, die später verschwanden. Ihr Ausgangspunkt war einfach: Fonds verschwinden häufig, weil sie schlecht abschneiden. Zeigt eine Datenbank nur Fonds, die heute noch existieren, erscheint die durchschnittliche Wertentwicklung besser, als sie tatsächlich war. Eine Liste von „Fonds, die den Markt zehn Jahre lang geschlagen haben“ lässt alle Fonds weg, die es versucht haben und stillschweigend geschlossen oder zusammengelegt wurden.
Katzen, die aus großer Höhe fallen
Eine Studie aus dem Jahr 1987 im Journal of the American Veterinary Medical Association untersuchte 132 Katzen, die nach einem Sturz aus einem hohen Gebäude in eine New Yorker Tierklinik gebracht worden waren. Merkwürdigerweise schienen Katzen, die aus mehr als sechs Stockwerken gefallen waren, weniger Verletzungen zu haben als Katzen nach Stürzen aus geringerer Höhe. Eine mögliche Erklärung beruht auf der Physik: Nach etwa fünf Stockwerken beschleunigt eine fallende Katze nicht weiter, dreht sich in die richtige Lage und entspannt ihren Körper.
Eine andere Erklärung, auf die später hingewiesen wurde, ist Survivorship Bias: Eine Katze, die einen Sturz aus sehr großer Höhe nicht überlebt, wird womöglich gar nicht mehr zum Tierarzt gebracht. Wenn die schlimmsten Fälle nie in den Daten auftauchen, wirken hohe Stürze harmloser, als sie sind. Beide Effekte können eine Rolle spielen. Genau deshalb sind die fehlenden Fälle so wichtig.
„Früher hielt alles länger“
Die alten Häuser in deiner Straße stehen noch stabil, und das alte Werkzeug im Schuppen deines Großvaters funktioniert immer noch. Du siehst allerdings nur die Dinge, die lange gehalten haben. Baufällige Häuser wurden schon vor Jahrzehnten abgerissen, billiges Werkzeug landete im Müll. Manche alten Dinge waren tatsächlich besser verarbeitet. Was heute noch vorhanden ist, ist aber keine repräsentative Stichprobe.
Survivorship Bias und ähnliche Denkfehler
Diese Begriffe überschneiden sich. Die Unterschiede zu kennen hilft dir, den passenden Gegencheck zu finden.
| Begriff | Bedeutung | Beispiel |
|---|---|---|
| Survivorship Bias | Eine Gruppe nur anhand der Mitglieder beurteilen, die einen Filter passiert haben | Nur Restaurants untersuchen, die noch geöffnet sind |
| Selektionsbias | Eine Stichprobe ist nicht repräsentativ für die Gruppe, über die du etwas wissen willst (Survivorship Bias ist eine Form davon) | Nur Menschen befragen, die einen Festnetzanruf entgegennehmen |
| Bestätigungsfehler | Vor allem nach Belegen suchen, die die eigene Meinung stützen, und diese stärker gewichten | Nur Interviews lesen, die den eigenen Plan bestätigen |
| Cherry Picking | In einer Argumentation nur passende Beispiele auswählen | „Schau dir diese drei Studienabbrecher an, die Milliardäre wurden“ |
| Vernachlässigung der Basisrate | Ignorieren, wie häufig etwas insgesamt vorkommt | Eine Geschäftsidee beurteilen, ohne zu fragen, wie viele ähnliche Unternehmen schließen |
Oft wirken diese Denkfehler zusammen. Survivorship Bias liefert dir eine gefilterte Auswahl. Der Bestätigungsfehler macht es leicht, sie ungeprüft zu akzeptieren. Wenn du die Beispiele anschließend als Argument anführst, wird daraus Cherry Picking, einer der Fehlschlüsse in unserer Übersicht über logische Fehlschlüsse.
5 Fragen, mit denen du die fehlenden Fälle findest
Der Rat „Frag, wer fehlt“ ist richtig. Noch hilfreicher wird er, wenn du ihn in einzelne Schritte zerlegst. Stelle diese fünf Fragen zu jeder Erfolgsgeschichte, Datensammlung oder Empfehlung, bevor du danach handelst.
1. Was war der Filter?
Benenne, was darüber entschieden hat, welche Fälle du überhaupt siehst. Bei Jun-ho war es die Einladung in einen Podcast über Erfolg. Bei einer Fondsliste ist es die Bedingung, dass ein Fonds noch existiert. Sobald du den Filter benennst, wird meist auch die fehlende Gruppe erkennbar.
2. Wie sah die gesamte Ausgangsgruppe aus?
Denk an alle, die begonnen haben, nicht nur an diejenigen, die ans Ziel kamen. Wie viele Menschen haben dieselbe Diät angefangen, statt nur zu fragen, wie viele Vorher-nachher-Fotos gepostet haben? Eine exakte Zahl brauchst du selten. Wichtig ist, ob die sichtbaren Erfolge den Großteil der Gruppe ausmachen oder nur einen kleinen Ausschnitt.
3. Haben die Gescheiterten etwas anders gemacht?
Das ist die entscheidende Frage. Wenn die Menschen, die gescheitert sind, dasselbe getan haben wie die Gewinner, kann dieses Verhalten allein den Erfolg nicht erklären. „Alle erfolgreichen Gründer haben 80 Stunden pro Woche gearbeitet“ sagt wenig aus, wenn gescheiterte Gründer genauso lange gearbeitet haben.
4. Gibt es eine Basisrate?
Suche nach einer Zahl, die alle Fälle berücksichtigt. Für Restaurants gibt es eine 2003 veröffentlichte Studie von H.G. Parsa an der Ohio State University. Sie nutzte Gesundheitsbehördendaten zu mehr als 2.439 Restaurants in Columbus, Ohio, aus den Jahren 1996 bis 1999. Etwa 26 Prozent scheiterten im ersten Jahr und 59 Prozent innerhalb von drei Jahren.
Das ist eine einzelne Stadt Ende der 1990er-Jahre, also nur eine grobe Orientierung. Zugleich korrigierte die Studie eine Übertreibung in die andere Richtung: Die verbreitete Behauptung, 90 Prozent aller Restaurants würden im ersten Jahr scheitern, erwies sich laut Parsa offenbar als Mythos. Eine gute Basisrate schützt dich sowohl vor geschönten Erfolgsgeschichten als auch vor unbegründeten Schreckenszahlen.
5. Kannst du mit jemandem sprechen, der es nicht geschafft hat?
Suche eine Person, die ein Geschäft schließen musste, ein Programm abgebrochen oder ein Haus mit Verlust verkauft hat. Frag sie, was passiert ist. Solche Menschen sind schwerer zu finden, weil kaum jemand sein Scheitern öffentlich macht. Aber eine ehrliche Geschichte über einen Misserfolg kann dir mehr beibringen als zehn sorgfältig inszenierte Erfolgsgeschichten.
Beispiel: Jun-hos Ramen-Bar
Nachdem Jun-ho sich ein Wochenende lang ernsthaft mit Ha-euns Frage beschäftigt hatte, sahen seine Notizen so aus:
| Frage | Was er herausfand |
|---|---|
| Was war der Filter? | Eingeladen wurden Besitzer noch geöffneter Restaurants in einen Erfolgspodcast |
| Wie sah die gesamte Ausgangsgruppe aus? | Jedes Jahr eröffneten in seiner Stadt viele Restaurants; er kannte nur die bekannten |
| Haben die Gescheiterten etwas anders gemacht? | Zwei ehemalige Besitzer, die er ausfindig machte, hatten ebenfalls gute Jobs gekündigt und „alles auf eine Karte gesetzt“ |
| Basisrate | Die Studie aus Columbus: Etwa 59 Prozent schlossen innerhalb von drei Jahren |
| Mit jemandem sprechen, der es nicht geschafft hat | Eine ehemalige Besitzerin sagte, dass Miete und ein schwacher erster Winter ihre Ersparnisse aufgebraucht hatten |
Die letzte Zeile überraschte ihn. Das Restaurant der ehemaligen Besitzerin war nicht an schlechtem Essen oder mangelnder Begeisterung gescheitert. Ihr war in der ersten ruhigen Saison das Geld ausgegangen.
Jun-ho gab seinen Plan deshalb nicht auf, sondern änderte ihn. Er behielt seinen Job, testete Nachfrage und Preise sechs Monate lang mit einer Ramen-Bar, die nur am Wochenende öffnete, und sparte genug Geld für ein ganzes Jahr Miete. Aus „alles auf eine Karte setzen“ wurde „genug investieren, um auch einen schlechten Winter zu überstehen“. Das klingt weniger aufregend, ist aber der bessere Plan.
Warum es sich trotzdem lohnt, erfolgreiche Menschen zu studieren
Survivorship Bias bedeutet nicht, dass erfolgreiche Menschen dir nichts beibringen können. Du musst nur die richtigen Schlüsse aus ihren Erfahrungen ziehen.
- Erfolgreiche Menschen helfen bei der Frage nach dem „Wie“. Ein Restaurantbesitzer kann dir erklären, wie du einen Mietvertrag verhandelst oder ein Küchenteam einarbeitest. Solches Wissen lässt sich übertragen.
- Bei der Frage nach dem „Ob“ helfen sie weniger. Ob du deinen Job kündigen solltest oder ob eine riskante Strategie funktioniert, kannst du nur mit Blick auf die gesamte Gruppe beurteilen, einschließlich der Gescheiterten.
- Achte auf Ratschläge, bei denen Erfolgreiche und Gescheiterte übereinstimmen. Wenn sowohl die Gewinner als auch ehemalige Besitzer sagen „Halte eine große finanzielle Reserve bereit“, ist das ein Hinweis, den du ernst nehmen solltest.
Eine einfache Faustregel: Je inspirierender eine Geschichte ist, desto gründlicher solltest du nach den Menschen suchen, die darin nicht vorkommen.
So kannst du das mit KI üben
Ein einzelner Chatbot kann schnell mögliche fehlende Gruppen aufzählen. Er wurde aber mit Texten aus dem Internet trainiert, und dort gibt es reichlich Erfolgsgeschichten. Bei Debatly diskutieren mehrere KI-Modelle und Charaktere deine Frage aus unterschiedlichen Perspektiven über mehrere Runden. Du kannst jederzeit eingreifen, und am Ende liefert ein Richter ein begründetes Urteil. So lässt sich die stille Evidenz leichter in die Diskussion holen.
- Stell die Erfolgsgeschichte auf den Prüfstand. Formuliere deinen Plan als Frage im Debattenraum, zum Beispiel: „Soll ich meinen Job kündigen und ein Restaurant eröffnen, so wie die Gäste meines Lieblingspodcasts?“ Bitte Viktor, den Skeptiker, bei jedem Beispiel beider Seiten den zugrunde liegenden Filter zu benennen.
- Gib den Gescheiterten eine Stimme. Bitte Petra, die Gegenposition, aus Sicht einer Person zu argumentieren, die alles richtig gemacht hat und trotzdem schließen musste. Was lief ihrer Meinung nach schief? So gehst du Frage drei mit einer Stimme durch, die nicht an deinem Traum hängt.
- Frag nach der Basisrate und prüfe sie anschließend. Lass die Diskutierenden einschätzen, welcher Anteil vergleichbarer Vorhaben scheitert, und suche danach selbst eine belastbare Quelle. Eine Zahl von einer KI ist ein Recherchehinweis, keine gesicherte Tatsache.
- Lies das Urteil und dann die Begründung. Richter Alex erklärt, welche Argumente überzeugt haben. Wenn ein Punkt vor allem durch ein inspirierendes Beispiel gewonnen hat, wende die fünf Fragen darauf an.
- Bei einer Geschäftsidee helfen dir der KI-Check für Startup-Ideen und unser Leitfaden zum Validieren einer Startup-Idee vor der Umsetzung, gezielt nach Belegen zu suchen, die gegen deine Idee sprechen könnten. Auch ein Pre-Mortem hilft: Stell dir vor, dein Vorhaben gehört inzwischen zur fehlenden Gruppe, und frage dich, warum.
Als Jun-ho seine Ramen-Bar zur Debatte stellte, fragte der Skeptiker, wie viele schwache Monate seine Ersparnisse überstehen würden. Genau davor warnte ihn eine Woche später auch die ehemalige Restaurantbesitzerin.
Eine ehrliche Grenze
KI-Modelle können die fehlenden Fälle genauso wenig sehen wie du. Sie können dich darauf hinweisen, dass es solche Fälle gibt, und dir helfen, nach ihnen zu suchen. Außerdem neigen sie dazu, sich an dem zu orientieren, was du offenbar hören möchtest. Darum geht es auch in unserem Artikel darüber, warum KI dir zustimmt. Und sie können Zahlen nennen, die plausibel klingen, aber falsch sind. Nutze die Debatte, um die richtigen Fragen zu finden. Beantworte sie anschließend mit echten Daten und Gesprächen.
Frag nach den Flugzeugen, die nicht zurückkamen
Survivorship Bias bringt dich selten dazu, etwas völlig Abwegiges zu glauben. Er lässt einen riskanten Weg wie ein bewährtes Erfolgsrezept aussehen, weil die Menschen, die ihn versucht haben und gescheitert sind, kaum noch zu Wort kommen.
Bevor du diese Woche eine Erfolgsgeschichte zum Vorbild nimmst, stell Ha-euns Frage: Wer wurde nie eingeladen, seine Sicht zu erzählen? Wenn du herausfinden möchtest, was in deinem Plan vielleicht fehlt, starte eine Debatte auf Debatly und lass einen Skeptiker und eine Gegenstimme danach suchen. Probier es aus. Die verfügbaren Tarife findest du auf der Seite Preise.
“Survivorship Bias: Beispiele und die Frage, wer fehlt”
