Fehlschluss der einzigen Ursache (Fallacy of the Single Cause)

Auch bekannt als: Causal Oversimplification Reduction Fallacy Complex Cause Fallacy Kausale Übervereinfachung

Informal Fallacy ID: fallacy_of_the_single_cause

Definition

Der Fehlschluss der einzigen Ursache geht davon aus, dass ein komplexes Ergebnis nur eine einzige Ursache hat, obwohl es tatsächlich das Resultat mehrerer interagierender Faktoren ist. Er vereinfacht Kausalketten zu stark, indem er einen beitragenden Faktor isoliert und als alleinige Erklärung behandelt. Während die Identifizierung einzelner Ursachen nützlich sein kann, verschleiert die Erklärung eines Faktors zur 'der' Ursache das vollständige kausale Bild und kann zu ineffektiven Lösungen führen.

Beispiele

"Die Wirtschaft ist zusammengebrochen, weil die Zentralbank die Zinsen erhöht hat." (Ignoriert die Verschuldung der Verbraucher, die Handelspolitik, die Dynamik des Immobilienmarktes, die Stimmung der Anleger und Dutzende anderer beitragender Faktoren.)

Nach einem Amoklauf an einer Schule erklärt ein Talkshow-Gast: 'Videospiele sind schuld daran, dass Jugendliche gewalttätig werden.' Dabei werden psychische Erkrankungen, soziales Umfeld, Mobbing, Waffenzugang und familiäre Verhältnisse als mögliche Mitursachen vollständig ausgeblendet.

Eine Influencerin postet: 'Ich habe abgenommen, weil ich aufgehört habe, Zucker zu essen – das ist das einzige, was zählt.' Sie ignoriert dabei, dass sie gleichzeitig mehr geschlafen, regelmäßig Sport gemacht und ihren Stresspegel gesenkt hatte.

Formales Logikmuster

FOL-Muster

Die prädikatenlogische Formel, die die logische Struktur dieses Argumentationsmusters darstellt.

FOL (First-Order Logic, Prädikatenlogik) verwendet Quantoren (∀ = für alle, ∃ = es existiert), Verknüpfungen (∧ = und, ∨ = oder, ⇒ = impliziert, ¬ = nicht) und Prädikate, um die Form eines Argumentationsmusters zu erfassen.

Im Glossar ansehen →

Cause(A, B) [when actually Cause(A AND C AND D..., B)]

Formale Verifizierung: Nicht formal entscheidbar

Prüfschritte

Prüfschritte

Binäre Ja/Nein-Fragen, die eine KI beantworten muss, um ein Argumentationsmuster in einem Text zu erkennen.

Jeder der 452 Aspekte hat Prüfschritte — einfache Ja/Nein-Fragen, die systematisch erkennen sollen, ob ein Muster in einem Text vorkommt. Für Ad Hominem: "Greift das Argument eine Person statt ihre Behauptung an?" Für falsche Dichotomie: "Werden nur zwei Optionen präsentiert, obwohl mehr existieren?"

Im Glossar ansehen →

Binäre (Ja/Nein) Fragen, die ein LLM beantworten muss, um diesen Aspekt zu identifizieren:

1

Wird für ein komplexes Ergebnis eine einzige Ursache identifiziert?
Typ: binary
2

Werden andere beitragende Faktoren ignoriert oder abgetan?
Typ: binary
3

Könnten mehrere Ursachen gemeinsam für die Wirkung verantwortlich sein?
Typ: binary

Beschreibung

Warum es funktioniert

Einfache Kausalerzählungen sind leichter zu verstehen, zu merken und danach zu handeln. Die menschliche Vorliebe für narrative Kohärenz begünstigt Erklärungen mit einer einzigen Ursache gegenüber komplexen Multi-Faktor-Analysen.

Wie man entgegnet

Frage: 'Welche anderen Faktoren haben zu diesem Ergebnis beigetragen?' Führe das Konzept der notwendigen vs. hinreichenden Ursachen ein und betone, dass komplexe Systeme typischerweise mehrere interagierende Ursachen haben.

Auch bekannt als

Causal Oversimplification Reduction Fallacy Complex Cause Fallacy Kausale Übervereinfachung

Praxiskontext

Dominiert Medienerklärungen für wirtschaftliche Ereignisse, historische Narrative, Debatten über öffentliche Gesundheit und jeden Diskurs über komplexe soziale Phänomene, bei dem Nuancen einer fesselnden Geschichte geopfert werden.