Zwischen den Wahrheiten · 02
Christian Hardinghaus · Überarbeitete Fassung · Oktober 2026
Die Besucherzahlen sind um 100 Prozent gestiegen. Ein Erfolg? Das hängt davon ab, wo die Geschichte beginnt.
Ein erfundenes Museum zählt im Januar 100 Besucher, im Februar 80 und im März 160. Die Leitung verkündet: „Besucherzahl verdoppelt!“ Ein Kritiker hält dagegen: „Im Februar brach das Interesse um 20 Prozent ein.“ Beide Rechnungen stimmen. Beide erzählen nur einen Teil der Geschichte.
Februar → März
80 → 160: plus 100 Prozent
Januar → März
100 → 160: plus 60 Prozent
Erfundenes Rechenbeispiel; keine Daten eines tatsächlichen Museums.
Die Auswahl wird zur Aussage
Cherry Picking bedeutet, aus einem größeren Bestand vor allem die Belege herauszugreifen, die zur gewünschten Schlussfolgerung passen. Card Stacking bezeichnet das einseitige Zusammenstellen von Argumenten und Informationen. Die Begriffe überschneiden sich; hier interessiert uns die gemeinsame Frage: Was sehen wir nicht?
Die Behauptung über das Museum wird erst dann irreführend, wenn sie mehr nahelegt, als der ausgewählte Vergleich hergibt. Der Anstieg von Februar auf März belegt eine Verdoppelung gegenüber dem Vormonat. Er belegt weder langfristigen Erfolg noch dessen Ursache. War das Haus im Februar teilweise geschlossen? Gab es im März freien Eintritt? Solche Informationen könnten unsere Bewertung verändern.
Ein Faktencheck braucht manchmal die fehlende Zeile
Es genügt deshalb nicht immer, eine angeführte Zahl in der Originaltabelle wiederzufinden. Wir müssen auch den Ausschnitt prüfen. Warum genau dieser Anfangszeitpunkt? Warum diese Gruppe? Warum dieser Messwert?
In der Forschung wird die selektive Verfügbarkeit von Ergebnissen methodisch untersucht. Das Cochrane-Handbuch unterscheidet fehlende Studien oder Ergebnisse von der Auswahl eines berichteten Ergebnisses aus mehreren möglichen Analysen. Beides kann eine Auswertung verzerren. [1] Daraus folgt nicht, dass jede knappe Zusammenfassung manipulativ ist. Es zeigt, weshalb dokumentierte Auswahlregeln wichtig sind.
Nicht jede Auslassung ist Rosinenpickerei
Ein Text muss begrenzen. Ein Bericht über die vergangenen drei Monate darf sich auf diese Monate konzentrieren. Problematisch wird die Auswahl, wenn daraus ohne ausreichende Grundlage eine Aussage über Jahre, ganze Bevölkerungen oder allgemeine Ursachen entsteht.
Auch ein Gegenbeispiel widerlegt nicht jede Regel. Wenn von einem Durchschnitt die Rede ist, kann ein einzelner abweichender Fall mit ihm vereinbar sein. Umgekehrt lässt sich eine Behauptung über ausnahmslos alle Fälle durchaus durch eine belegte Ausnahme widerlegen. Wir müssen wissen, welche Art von Aussage überhaupt geprüft wird.
Drei Fragen zum Prüfen
- Welcher Zeitraum, welche Gruppe und welcher Maßstab wurden ausgewählt?
- Bleibt die Schlussfolgerung plausibel, wenn ich die angrenzenden Daten mitbetrachte?
- Wurden Auswahlregeln erklärt, oder erscheinen nur die passenden Ergebnisse?
Zurück ins Museum
Eine faire Kurzfassung könnte lauten: „Nach einem Rückgang von 100 auf 80 Besucher stieg die Zahl im März auf 160. Über Ursachen und langfristige Entwicklung sagen diese drei Monatswerte wenig aus.“ Weniger triumphal, weniger dramatisch – aber näher an dem, was wir tatsächlich wissen.
Beim nächsten überzeugenden Diagramm lohnt sich deshalb ein Blick an den Rand. Die entscheidende Information steht manchmal nicht auf der schönsten Säule, sondern im Zeitraum darunter.
Weiterdenken
Cherry Picking · Card Stacking
Themenhub Manipulation & Propaganda
Quellen
- Matthew J. Page, Julian P. T. Higgins, Jonathan A. C. Sterne: Assessing risk of bias due to missing evidence in a meta-analysis. Cochrane Handbook, Kapitel 13, Version 6.5 (2024), insbesondere Abschnitt 13.1. Fachquelle zur selektiven Verfügbarkeit von Forschungsergebnissen; das Museumsbeispiel ist eine eigene Veranschaulichung.
Die Beispiele ohne Quellenverweis sind eigens entwickelte Veranschaulichungen.

