Der Basisraten-Irrtum: "99 % genau" bedeutet nicht, was du denkst

Ein Test, der dich anlügt

Stell dir vor: Es gibt eine neue gefährliche Krankheit. Nur 1 von 1.000 Menschen ist infiziert.

Wissenschaftler entwickeln einen super-genauen Test. Er ist 99 % akkurat – das heißt: Wenn du krank bist, zeigt der Test in 99 % der Fälle "positiv". Und wenn du gesund bist, zeigt er in 99 % der Fälle "negativ".

Du machst den Test.

Ergebnis: positiv.

Wie schlimm ist das? Wie groß ist die Chance, dass du wirklich krank bist?

Die meisten Menschen hören "99-%-genauer-Test, positives Ergebnis" und denken sofort: Ich bin zu 99 % krank.

Die richtige Antwort? Du bist wahrscheinlich gesund. Mit etwa 91-prozentiger Wahrscheinlichkeit.

Wie das sein kann? Willkommen beim Basisraten-Irrtum.

Lass uns rechnen (keine Panik)

Wir testen 100.000 Menschen.

Wer ist wirklich krank?

1 von 1.000 → das sind 100 kranke Menschen.

Echte Positive: Der Test erkennt 99 % der Kranken → 99 korrekte positive Ergebnisse

Wer ist gesund?

Die anderen 99.900 Menschen sind gesund.

Echte Negative: Der Test gibt 99 % der Gesunden korrekt frei → 98.901 korrekte negative Ergebnisse

Falsche Positive: Der Test flaggt fälschlicherweise 1 % der Gesunden → 999 gesunde Menschen bekommen ein positives Ergebnis

Jetzt alle positiven Ergebnisse zusammenzählen:

• 99 echte Positive (tatsächlich krank)
• 999 falsche Positive (gesund, aber alarmiert)
• Gesamt: 1.098 positive Tests

Von 1.098 positiven Ergebnissen sind nur 99 wirklich krank.

Wenn du positiv getestet wirst: Die Wahrscheinlichkeit, tatsächlich krank zu sein, ist 99 ÷ 1.098 = ungefähr 9 %.

Ein 99-%-genauer Test liefert dir ein positives Ergebnis, das in 91 % der Fälle falsch ist.

Kurze Pause für deinen Verstand. Völlig normal, wenn da gerade was knackt.

Warum passiert das?

Der Test lügt nicht. Die Mathematik funktioniert genau so, wie sie soll.

Das Problem: Wir haben die Basisrate vergessen – wie häufig die Sache überhaupt vorkommt.

Wenn etwas selten ist (1 von 1.000), multipliziert sich selbst eine winzige Fehlerquote über eine riesige gesunde Bevölkerung. Diese Fehlalarme überschwemmen die echten Treffer.

Stell dir einen Rauchmelder vor, der so empfindlich ist, dass er bei Toast anschlägt. Die meisten seiner Alarme sind kein Feuer – nicht weil er schlecht ist, sondern weil echte Brände selten sind und Toast häufig.

Wo das echte Konsequenzen hat

Drogentests an Schulen oder im Job

Wenn Drogenkonsum in einer Gruppe selten ist (sagen wir 1 %), wird selbst ein sehr genauer Test mehr falsch Positive als echte Treffer produzieren. Menschen verlieren Jobs oder bekommen Strafen für Testergebnisse, die statistisch gesehen wahrscheinlich falsch sind. Gerichte kämpfen seit Jahrzehnten damit.

Krebsvorsorge

Ärzte wissen über Basisraten Bescheid. Deshalb screenen sie nicht die gesamte Bevölkerung auf seltene Krebsarten – zu viele Fehlalarme führen zu unnötigen, manchmal gefährlichen Folgeuntersuchungen. Sie testen gezielt Risikogruppen, wo die Basisrate höher liegt.

KI-Plagiatserkennung

"Dieses Tool erkennt KI-geschriebene Texte mit 98 % Genauigkeit!" Wenn nur 5 % der Texte tatsächlich KI-generiert sind, und das Tool eine Fehlerquote von 2 % hat... werden viele Schüler für ihre eigenen Texte bestraft. Mathematisch garantiert.

Der Nachrichten-Effekt

Du siehst in den Nachrichten, dass jemand aus einer bestimmten Gruppe etwas Schlimmes getan hat. Dein Gehirn aktualisiert seine Einschätzung dieser ganzen Gruppe nach oben. Aber wenn die Basisrate von Menschen in dieser Gruppe, die so etwas tun, sehr niedrig ist, ändert ein spektakuläres Beispiel die echte Wahrscheinlichkeit kaum. Basisraten-Vernachlässigung verursacht echten gesellschaftlichen Schaden.

So wirst du nicht getäuscht

Wenn dir jemand von einem Test, einem Erkennungssystem oder einer Wahrscheinlichkeit erzählt:

Frage: "Was ist die Basisrate?"

• Wie häufig kommt das, was getestet wird, in dieser Bevölkerungsgruppe wirklich vor?
• Wie hoch ist die Falsch-Positiv-Rate (nicht nur die Gesamtgenauigkeit)?
• Wie viele echte Treffer versus Fehlalarme gibt es tatsächlich?

Ein nützlicher mentaler Trick: Visualisiere die ganze Gruppe, nicht nur die eine Person vor dir.

100.000 Menschen kommen durch die Tür. Wie viele sind wirklich betroffen? Wie viele flaggt der Test? Von denen – wie viele sind es tatsächlich?

Das macht eine abstrakte Wahrscheinlichkeit zu etwas, das dein Gehirn verarbeiten kann.

Die Challenge

Hier ist ein Szenario zum Durchrechnen:

Eine Schule verwendet eine App, die Schummeln beim Test erkennen soll (fiktiv, aber stell's dir vor). Sie wird als 95 % genau beworben. In einem Kurs von 200 Schülern haben vielleicht 10 tatsächlich abgeschrieben.

Rechne aus:

• Wie viele echte Positive produziert der Test?
• Wie viele falsche Positive (ehrliche Schüler, die trotzdem alarmiert werden)?
• Wenn ein Schüler flaggt wird: Wie groß ist die echte Wahrscheinlichkeit, dass er geschummelt hat?

Dann: Wärst du bereit, diesen Test als Beweis für Schummeln zu akzeptieren? Drei Sätze.

"99 % genau" klingt wie Sicherheit. Ist es nicht. Die Zahl, die wirklich zählt, fragt fast niemand.