Extrapolationsfehler — Wenn Logik sich verkleidet

Ein Extrapolationsfehler tritt auf, wenn ein innerhalb eines bestimmten Datenbereichs beobachtetes Modell oder ein Trend über diesen Bereich hinaus ausgedehnt wird, um Vorhersagen zu treffen. Die Annahme, dass Zusammenhänge außerhalb der beobachteten Bedingungen stabil bleiben, ist oft ungerechtfertigt, da viele reale Phänomene Nichtlinearitäten, Schwellenwerte oder Regimewechsel aufweisen, die erst bei extremen Werten sichtbar werden. Vorhersagen werden umso unzuverlässiger, je weiter sie über die Daten hinausreichen.

Auch bekannt als: Out-of-sample prediction error, Beyond-range projection

Wie es funktioniert

Innerhalb eines begrenzten Bereichs erscheinen viele komplexe Beziehungen annähernd linear oder folgen einem einfachen Muster. Ohne Daten aus extremen Bedingungen gibt es keine empirische Grundlage, um zu erkennen, wann sich das Muster ändert, und mathematische Modelle projizieren jeden Trend bereitwillig ins Unendliche.

Ein klassisches Beispiel

Ein Pharmaunternehmen testet ein Medikament bei Dosen von 10–50 mg und beobachtet eine lineare Dosis-Wirkungs-Beziehung. Es extrapoliert diesen Trend und sagt voraus, dass 200 mg viermal so wirksam wäre. In Wirklichkeit erreicht das Medikament ein Plateau bei 80 mg und wird über 150 mg toxisch.

Wo man das in der Praxis findet

Häufig in der Klimamodellierung (Projektion weit zukünftiger Temperaturen), bei Finanzprognosen (Annahme, dass vergangene Renditen fortbestehen) und im Ingenieurwesen (Vorhersage des Materialverhaltens unter ungetesteten Extremen).

Wie man es erkennt und kontert

Geben Sie den Datenbereich klar an, der ein Modell stützt. Kennzeichnen Sie Vorhersagen außerhalb des beobachteten Bereichs als Extrapolationen mit höherer Unsicherheit. Nutzen Sie Domänenwissen zur Einschätzung, ob der angenommene Zusammenhang wahrscheinlich gilt. Erheben Sie nach Möglichkeit Daten bei extremen Werten.

Das Fazit

Extrapolationsfehler gehört zu den Denkfehlern, die auf den ersten Blick völlig logisch klingen. Genau das macht sie gefährlich — sie tragen das Kostüm valider Argumentation, während sie eine fehlerhafte Schlussfolgerung einschmuggeln. Die beste Verteidigung? Langsamer werden und fragen: Folgt diese Schlussfolgerung tatsächlich aus diesen Prämissen?