Risikokompetenz: Risiken richtig verstehen und erklären

Was bedeutet Risikokompetenz, und woher kommt der Begriff?

Der Begriff ist eng mit dem Psychologen Gerd Gigerenzer verbunden. Er war von 1997 bis 2017 Direktor am Max-Planck-Institut für Bildungsforschung in Berlin. Seit der Gründung 2008 leitet er das Harding-Zentrum für Risikokompetenz.

Das Zentrum war bis 2020 am Max-Planck-Institut angesiedelt und gehört seitdem zur Universität Potsdam. Es bietet unter anderem Fortbildungen für Ärzte und Journalisten an.

Gigerenzer und Kollegen sprechen von kollektivem statistischem Analphabetismus, der verbreiteten Unfähigkeit, die Bedeutung von Zahlen zu verstehen. Betroffen sind nach ihrer Analyse Patienten ebenso wie Ärzte, Journalisten und Politiker.

Die Ursache sehen sie zu einem großen Teil in der Darstellung der Zahlen. Sie empfehlen deshalb vier Wechsel der Darstellung, hier auf Führungsaufgaben übertragen:

Linke und mittlere Spalte nach Gigerenzer et al. (2007). Rechte Spalte: Ergänzung von T1Leaders.

Warum täuschen relative Risiken?

Absolute Risiken sind meist kleine Zahlen, die relativen Veränderungen dazu wirken groß. Diesen Unterschied beschreiben Gigerenzer und Kollegen als Kern vieler Fehldeutungen.

Ihr bekanntestes Beispiel stammt aus Großbritannien. Im Oktober 1995 warnte das Committee on Safety of Medicines, Antibabypillen der dritten Generation verdoppelten das Thromboserisiko.

Absolut stieg das Risiko von etwa 1 auf 2 von 7.000 Frauen. Viele Frauen setzten die Pille ab. Nach der zitierten Schätzung folgten im nächsten Jahr rund 13.000 zusätzliche Abtreibungen in England und Wales.

Das zweite Beispiel ist das Mammographie-Screening. Laut Faktenbox des Harding-Zentrums sterben von 1.000 Frauen zwischen 50 und 74 Jahren ohne Screening etwa 5 an Brustkrebs, mit Screening etwa 4. Relativ sind das 20 Prozent weniger, absolut 1 von 1.000.

Die letzte Zeile heißt in der Medizin number needed to treat: 1 geteilt durch die absolute Risikoreduktion. Im Unternehmen wird daraus der Preis je vermiedenem Schaden.

MerksatzEine relative Zahl ohne Ausgangswert ist für eine Entscheidung unbrauchbar.

Was sind natürliche Häufigkeiten, und warum helfen sie?

Eine natürliche Häufigkeit beschreibt Fälle in einer festen Gruppe. Statt „1 Prozent Grundrate, 80 Prozent Trefferquote“ heißt es dann: Von 1.000 Personen sind 10 betroffen, davon werden 8 erkannt. Die Zahlen bleiben ganz und lassen sich nachzählen.

Gigerenzer und Ulrich Hoffrage testeten das 1995 mit Studenten ohne Kenntnis des Satzes von Bayes. Mit Wahrscheinlichkeiten fanden in ihrer ersten Studie 16 bis 28 Prozent die richtige Lösung. Mit natürlichen Häufigkeiten waren es 46 bis 50 Prozent, ganz ohne Unterricht.

2007 legten Gigerenzer und Kollegen 160 Frauenärzten in einer Fortbildung eine Screening-Aufgabe vor. In Prozentform fanden 21 Prozent die beste Antwort. Nach einer Schulung in natürlichen Häufigkeiten verstanden 87 Prozent, dass nur etwa 1 von 10 Frauen mit positivem Befund erkrankt ist.

Die Rechnung im Detail zeigt die Seite Bayes-Denken. Hier reicht der Kern: Wer in ganzen Fällen denkt, sieht die Grundrate.

Warum das Format wirkt, ist umstritten. Gigerenzer und Hoffrage verweisen auf die natürliche Art, Informationen als Häufigkeiten zu sammeln. Aron Barbey und Steven Sloman sehen den Grund in der sichtbaren Mengenstruktur.

Für die Praxis stützen beide Seiten dieselbe Empfehlung: Zeig die Fälle als Teil einer Gruppe.

Was ist eine Faktenbox?

Eine Faktenbox stellt laut Harding-Zentrum die beste verfügbare Evidenz zu einem Thema verständlich dar. Die wichtigsten Vor- und Nachteile stehen sich in einer Tabelle gegenüber.

Die Faktenbox zum Mammographie-Screening vergleicht zwei Gruppen von je 1.000 Frauen, mit und ohne Screening, über rund 11 Jahre. Neben den Brustkrebstodesfällen steht die Gesamtsterblichkeit: etwa 84 von 1.000, in beiden Gruppen.

Darunter folgen die Schäden: Fehlalarme, Überdiagnosen und unnötige Behandlungen. Grundlage ist ein Cochrane-Review mit acht Studien und knapp 600.000 Teilnehmerinnen, dazu kommt eine Einschätzung der Evidenzqualität.

Linke und mittlere Spalte nach Harding-Zentrum. Rechte Spalte: Ergänzung von T1Leaders.

Die Autoren erwarten den größten Nutzen, wenn die Box zum Zeitpunkt der Entscheidung vorliegt. Für Vorlagen heißt das: Die Tabelle gehört auf die Seite mit dem Beschlussvorschlag (Ergänzung von T1Leaders).

Wie liest du Kennzahlen, Prognosen und Risikoberichte richtig?

Dieselben Muster stecken in Qualitätsberichten, Vertriebsprognosen und Anbieterfolien. Fünf Fragen helfen beim Lesen (Ergänzung von T1Leaders).

Eine Wahrscheinlichkeit für einen Einzelfall bleibt vage, solange die Referenzgruppe offen ist. Wie du Prognosen an der Quote ähnlicher Fälle prüfst, zeigt die Seite Prognosen richtig nutzen.

Praxisbeispiel: Lohnt sich das Prüfverfahren?

Ausgangslage. Sabines Werk liefert 120.000 Ventile im Jahr. Bisher fallen 5 von 10.000 Ventilen beim Kunden aus, also 60 im Jahr. Jeder Feldausfall kostet im Schnitt 4.000 Euro für Austausch und Gewährleistung.

Schritt 1: Absolute Zahl erfragen. Sabine fragt den Anbieter nach den Ausgangsdaten seiner 40 Prozent. Die Antwort: Aus 5 Ausfällen je 10.000 werden 3. Das sind 2 von 10.000 Ventilen, im Werk 24 Ausfälle weniger pro Jahr.

Schritt 2: Nutzen beziffern. 24 vermiedene Ausfälle mal 4.000 Euro ergeben 96.000 Euro im Jahr. Für einen vermiedenen Ausfall werden 5.000 Ventile geprüft. Allein die Lizenz kostet damit 7.500 Euro je vermiedenem Ausfall.

Schritt 3: Fehlalarme zählen. Laut Datenblatt markiert das Verfahren 1 Prozent der einwandfreien Ventile als auffällig. Von 119.940 einwandfreien Ventilen sind das rund 1.199 Fehlalarme. Dazu kommen die 24 echten Treffer.

Von 1.223 markierten Ventilen wären also nur 24 später ausgefallen, rund 2 von 100. Jedes markierte Ventil kostet 25 Euro Nacharbeit, zusammen 30.575 Euro.

Schritt 4: Gegenüberstellen. Den 96.000 Euro Ersparnis stehen 210.575 Euro Kosten gegenüber. Je vermiedenem Ausfall kostet das Verfahren rund 8.800 Euro. Erst wenn ein Feldausfall mehr kostet, trägt es sich.

Ergebnis. Sabine schreibt eine kleine Faktenbox mit beiden Spalten in die Vorlage. Der Geschäftsführer sieht sofort, dass sich das Verfahren rein finanziell nicht trägt. Offen bleibt, ob Rufschäden bei Großkunden einen Ausfall teurer machen als 4.000 Euro.

Diese Frage braucht eine Abwägung, etwa über den Erwartungswert mit mehreren Schadenshöhen. Sicherheitsrelevante Ausfälle folgen eigenen Regeln und gehören nicht in eine reine Kostenrechnung.

• Relative Zahl ohne Ausgangswert übernehmen: „Halbiert“ kann 2 von 1.000 auf 1 von 1.000 bedeuten oder 200 auf 100.
• Nutzen und Schaden getrennt berichten: Die Ersparnis steht auf Folie 3, die Nebenkosten im Anhang. Zusammen gelesen kippt das Bild oft.

• Keine Daten, keine Häufigkeit: Bei neuen Märkten oder Technologien fehlen Vergleichsfälle. Dann führt eine erfundene Zahl in die Irre. Hilfe bietet die Unterscheidung Risiko oder Unsicherheit.
• Gute Darstellung ersetzt keine Wertung: Ob 1 von 1.000 viel oder wenig ist, hängt von Kosten, Schaden und Werten ab.
• Evidenz überwiegend aus der Medizin: Die meisten Studien testen Gesundheitsentscheidungen. Die Übertragung auf Managemententscheidungen ist eine Ergänzung von T1Leaders.

1. Nach der Bezugsgröße fragen: Zu jeder Prozentangabe gehört die Frage „von wie vielen auf wie viele?“.
2. Eine feste Gruppe wählen: Rechne alle Angaben auf 1.000 oder 10.000 Fälle und denselben Zeitraum um.
3. Fehlalarme mitzählen: Bei jedem Test oder Frühwarnsystem notierst du Treffer und Fehlalarme in ganzen Fällen.
4. Faktenbox bauen: Zwei Spalten, mit und ohne Maßnahme, Nutzen und Schaden untereinander, dazu die Herkunft der Zahlen.
5. Kippwert bestimmen: Halte fest, ab welchem Wert sich die Entscheidung umdreht.
6. Erklären statt zitieren: Stell deinem Team die Zahl als Fälle vor, etwa „3 statt 5 von 10.000“.

Häufige Fragen