Folge 3
Die Erklärungsfalle
Der Beirat hat eine Erklärung, und Miras Zahlen können sie nicht prüfen. Eine Folge über den Unterschied zwischen Daten und Annahmen — und über die Flugzeuge, die zurückkamen.
Die Antwort kam schnell, und sie kam fast einstimmig.
„Die Neue war halt schlechter.“
Daneben lagen zwei weitere Erklärungen. Das Wetter sei umgeschlagen. Am See sei weniger los gewesen.
Alle drei klingen wie Antworten. Keine davon ist eine.
Was Mira wirklich weiß
An beiden Tagen hat sie genau fünf Dinge festgehalten: den Verkaufspreis, den Einkaufspreis, die Stunden, den gezahlten Lohn und die verkaufte Menge insgesamt.
Das ist alles. Daraus folgt eine unangenehme Liste dessen, was niemand notiert hat:
- Hat sich das Wetter geändert?
- War es derselbe Wochentag?
- Waren gleich viele Menschen am See?
- Hat noch jemand am Ufer Eis verkauft?
- Wer von beiden hat wie viel verkauft?
Zwei dieser Fragen würde Mira sofort beantworten: Es war sonnig, und es war voll. So erinnert sie den Tag. Nur steht das nirgends, es wurde nicht gezählt und nicht mit dem Vortag verglichen. Erinnerung ist keine Messung. Sie ist die Geschichte, die wir uns über einen Tag erzählen, nachdem wir sein Ergebnis kennen — und sie passt sich diesem Ergebnis erstaunlich bereitwillig an.
Die letzte Frage ist die, die den Beirat auffliegen lässt. „Die Neue war halt schlechter“ ist nicht bloß unbewiesen. Der Satz ist mit Miras Daten überhaupt nicht prüfbar, weil nie jemand mitgezählt hat, wer welches Eis verkauft hat. 180 ist eine Summe, keine Aufteilung.
Ein Satz, der nicht falsch sein kann, ist keine Erklärung. Er ist eine Beruhigung.
Genau deshalb ist er so beliebt. Er kostet nichts, er klingt nach Analyse, und er erspart einem das Eingeständnis „Ich weiß es nicht“. Bezahlt wird er später — von der nächsten Entscheidung, die auf ihm aufbaut. Hätte Mira der Erklärung geglaubt, wäre der nächste Schritt klar gewesen: andere Mitschülerin. Damit hätte sie den einzigen Teil ausgetauscht, von dem sie nichts weiß.
Das vergessene Gehalt
Es gibt etwas, das auf keiner dieser Listen steht und größer ist als alles darauf.
Mira hat der Mitschülerin 5 € pro Stunde gezahlt. Sich selbst hat sie nichts gezahlt.
Rechne Tag 1 noch einmal, diesmal mit ihrem eigenen Lohn zum selben Satz: 100 € Umsatz, 50 € Wareneinsatz, 50 € eigener Lohn. Übrig bleibt null.
Und Tag 2: 180 € Umsatz, 90 € Wareneinsatz, 50 € Lohn für die Mitschülerin, 50 € für Mira. Übrig bleiben minus 10 €.
Der gefeierte erste Tag war kein Gewinn von 50 €. Er war ein Arbeitstag, der sich gerade selbst getragen hat — und Mira hat den nicht ausgezahlten Lohn Gewinn genannt.
Damit ist der Vergleich hinüber, um den der ganze Beirat gestritten hat. Tag 1 und Tag 2 sind nicht zwei Gewinne. Tag 1 ist ein Tag, an dem eine Arbeitskraft gratis war, Tag 2 einer, an dem nur noch die Hälfte gratis war. Der Vergleich war kaputt, bevor irgendjemand angefangen hat, ihn zu erklären.
Das ist kein Kinderfehler. Es ist derselbe Fehler, der in jeder Rechnung steckt, in der die eigene Arbeitszeit nichts kostet — im Nebenprojekt, in der Gründung, in der Abteilung, deren Leute schon bezahlt sind und deshalb in keinem Business Case auftauchen.
Die Flugzeuge, die zurückkamen
Im Jahr 1943 verloren die amerikanischen Bomberverbände über Europa zu viele Maschinen. Panzerung hilft, aber Panzerung wiegt — sie kann nicht überall hin. Also stellte das Militär der Statistical Research Group an der Columbia University eine sehr vernünftige Frage. Wohin damit?
Man untersuchte die zurückgekehrten Maschinen und trug die Einschüsse zusammen. Das Muster war deutlich: Rumpf und Tragflächen waren übersät, andere Bereiche blieben fast unversehrt. Die naheliegende Empfehlung lautete, die Panzerung dort anzubringen, wo die Treffer saßen.
Abraham Wald, Mathematiker in dieser Gruppe, widersprach. Jede Maschine in dieser Auswertung hatte eines gemeinsam: Sie war zurückgekommen. Die Stellen ohne Löcher waren nicht die Stellen, die niemand traf. Es waren die Stellen, nach deren Treffer keine Maschine mehr zurückkam. Die Panzerung gehörte dorthin, wo die Daten nichts zeigten.
Der Denkfehler hat einen Namen: Survivorship Bias, der Überlebensirrtum. Man schließt von dem, was übrig ist, auf das Ganze — und übersieht, dass das Übriggebliebene nach genau dem Kriterium ausgewählt wurde, um das es gerade geht. Walds Arbeit dazu erschien 1943 in den Memoranden der Statistical Research Group, und ihr Titel sagt bereits alles: „A Method of Estimating Plane Vulnerability Based on Damage of Survivors“.
Miras Daten sind die zurückgekehrten Flugzeuge. Sie hat gezählt, was verkauft wurde. Nicht gezählt hat sie, wer sich angestellt hat und wieder gegangen ist, wer die Schlange sah und weiterlief, wer am anderen Ende des Sees war und nie von ihr erfahren hat. Ihre 180 sind eine Erfolgsmeldung mit einem blinden Fleck in der Mitte.
Jetzt dreh den Spiegel. In welchem Bericht auf deinem Tisch siehst du nur die Flugzeuge, die zurückgekommen sind? Gewonnene Deals werden ausgewertet, verlorene selten. Kunden, die geblieben sind, werden befragt. Die abgesprungenen antworten nicht mehr.
Was sie ab morgen anders macht
Der Beirat hat Mira keine Erklärung geliefert. Er hat ihr etwas Nützlicheres geliefert: eine Liste von Dingen, die niemand weiß.
Die Frage für morgen ist deshalb nicht „wer war schuld“, sondern „was schreibe ich auf“. Und weil niemand an einem Eisstand zwanzig Dinge gleichzeitig notieren kann, muss sie sich entscheiden.
Eine Zahl darf sie ab morgen zusätzlich messen. Welche — und was willst du damit entscheiden können?
Der zweite Teil der Frage ist der schwierigere. Eine Zahl, mit der sich nichts entscheiden lässt, ist Dekoration, egal wie interessant sie aussieht. In Folge 4 wird aus der Antwort eine Rechnung, die man einmal im Leben selbst gemacht haben sollte.