New York, 1943. In einem Bürogebäude nahe der Columbia University sitzt ein Mann aus Wien über einer Karte, die kein Land zeigt, sondern ein Flugzeug. Abraham Wald, Mathematiker, vor den Nazis geflohen, jetzt im Dienst der Statistical Research Group der US-Armee. Auf der Karte: hunderte kleine Markierungen, jede ein Einschussloch, kartiert an heimgekehrten Bombern. Der Rumpf ist durchsiebt. Die Tragflächen sind durchsiebt. Motoren und Cockpit: fast unberührt. Um ihn herum haben alle dieselbe Karte gesehen und dieselbe Empfehlung geschrieben. Wald schaut auf das Papier und schreibt das Gegenteil.
Der Hintergrund ist mörderisch einfach. Über Europa sterben Bomberbesatzungen schneller, als Amerika sie ausbilden kann. Die Air Force will ihre Maschinen besser panzern, aber Panzerung ist schwer. Jedes zusätzliche Kilo kostet Reichweite, Geschwindigkeit, Bombenlast. Alles schützen geht nicht. Also sammelt das Militär Daten, wie es jede datengetriebene Organisation tun würde: Jeder zurückkehrende Bomber wird untersucht, jedes Loch verzeichnet, bis sich ein klares Muster zeigt.
Die übliche Lesart schreibt sich von selbst: Panzert die Stellen mit den meisten Treffern, denn dort schlägt der Feind offenbar zu. Es ist die naheliegende Schlussfolgerung, und sie ist zu früh abgebogen. Denn die eigentliche Frage lautet nicht, wo die Löcher sind. Die eigentliche Frage lautet, welche Flugzeuge auf dieser Karte fehlen.
Deutsche Flak schießt nicht gezielt auf Tragflächen. Die Treffer verteilen sich zufällig über die ganze Maschine. Die Karte zeigt also nicht, wo Bomber getroffen werden. Sie zeigt, wo ein Bomber getroffen werden kann und trotzdem nach Hause kommt. Ein durchsiebter Rumpf fliegt weiter. Durchlöcherte Tragflächen tragen weiter. Die Maschinen mit Treffern im Motor aber tauchten in keiner Auswertung auf. Sie lagen auf dem Grund des Ärmelkanals.
Die sauberen Stellen auf der Karte waren keine sicheren Stellen. Es waren die tödlichen.
Also: Panzert die Stellen ohne Löcher. Das Militär hätte sonst Tonnen von Stahl an Stellen geschraubt, die keinen Schutz brauchten, und die Stellen offen gelassen, an denen Männer starben. Alle hatten auf die Daten geschaut. Wald hatte auf das Loch im Datensatz geschaut.
Die wichtigste Information eines Datensatzes liegt oft in dem, was er nicht enthält.
Der Fall ist über achtzig Jahre alt. Der Fehler ist heute Standard, und er trägt inzwischen Dashboards statt Uniformen. Fast jede Organisation kartiert Einschusslöcher und zieht Schlüsse aus einer Karte, auf der die entscheidenden Daten fehlen.
Die Kundenbefragung erfasst Käufer. Die siebenundneunzig Prozent, die den Shop ohne Kauf verlassen haben, füllen keine Umfrage aus. Optimiert wird also für Menschen, die vermutlich auch ohne Optimierung gekauft hätten, während die Gründe der anderen für immer unbekannt bleiben. Die Bewertungen zeigen Begeisterte und Wütende. Die Gleichgültigen, die größte und gefährlichste Gruppe, schreiben nichts. Sie wechseln still zum Wettbewerber. Der Vertriebsbericht dokumentiert, was Kunden sagen, nicht, welche Anrufe nie angenommen wurden. Das Dashboard zählt Conversions, nicht die Nachfrage, die eine Preisstruktur unsichtbar abgewiesen hat.
Eine Lücke löst keinen Alarm aus. Sie schreit nicht, sie fehlt nur.
Am teuersten wird das Muster dort, wo es am seriösesten aussieht: in der Erfolgsforschung. Die Best-Practice-Studie untersucht zehn erfolgreiche Unternehmen und findet Gemeinsamkeiten. Fokus, Mut, starke Kultur. Was sie nicht untersucht: die tausend gescheiterten Firmen mit exakt denselben Eigenschaften. Sie liegen auf dem Grund des Kanals, unbefragt, unzitiert, unsichtbar.
Erfolgsrezepte werden aus Überlebenden destilliert. Deshalb funktionieren sie so selten.
Der Mechanismus dahinter ist keine Dummheit, sondern Verdrahtung. Das Gehirn urteilt nach dem, was verfügbar ist. Was da ist, wird gewichtet. Was fehlt, existiert nicht. Kahneman hat dem Prinzip einen Namen gegeben: What you see is all there is. In der Savanne war das Sichtbare die Realität, und diese Abkürzung hat Menschen am Leben gehalten. In einem Datensatz aber ist das Sichtbare nur der Teil der Realität, der es zurück geschafft hat. Deshalb hilft auch die reflexhafte Antwort der Gegenwart nicht weiter, einfach mehr zu messen.
Mehr Daten von zurückgekehrten Bombern ergeben nur eine präzisere falsche Karte.
Die entscheidende Frage lässt sich nicht automatisieren, und genau das macht sie so unbequem: Wer fehlt in diesem Datensatz, und warum? Das ist keine Datenfrage, das ist eine Denkfrage. Wald hatte dieselben Zahlen wie alle anderen. Er hatte keine bessere Analyse und keine bessere Rechenmaschine.
Wald hatte keine besseren Daten. Er hatte eine bessere Frage.
Wer diese Geschichte einmal verstanden hat, sieht die Karte überall. In jeder Auswertung, die nur Rückkehrer zählt. In jedem Vorbild, das nur deshalb ein Vorbild ist, weil seine gescheiterten Doppelgänger keine Bücher schreiben. Es bleibt die Frage, wie viele Entscheidungen gerade in diesem Moment auf sauberen Stellen beruhen, die niemand für gefährlich hält, nur weil dort keine Löcher zu sehen sind.
Vielleicht beginnt jede gute Analyse an der Stelle, an der die Daten am unauffälligsten schweigen.
