Читать книгу Linke Daten, Rechte Daten - Tin Fischer - Страница 4
Einleitung Von Elefanten und Kobras
ОглавлениеDas berühmte Buch Der kleine Prinz beginnt mit einer Zeichnung, von der die großen Leute glauben, sie zeige einen Hut. Doch der Schein trügt. Der Hut ist in Wirklichkeit ein Elefant, der von einer Boa verschlungen wurde. Aber selbst die schlausten Menschen, heißt es, würden das nicht erkennen. Grund sei, dass die großen Leute nicht mit dem Herzen sehen. Das Wesentliche bleibe für ihre Augen unsichtbar.
Wir sehen in Bildern nur, was ihre Oberfläche zeigt – und nicht das, woraus sie geschaffen sind und was sie sonst noch zeigen könnten. Dummerweise gilt das auch für jene Bilder, mit deren Hilfe wir oft weitreichende Entscheidungen fällen: Diagramme.
Mein Lieblingsbeispiel dafür ist ebenfalls ein Elefant. 2012 publizierte die Weltbank den Bericht »Global Income Inequality by the Numbers: in History and Now«.[1] Verfasst hatte ihn der bekannte Ökonom für globale Ungleichheit Branko Milanović. Er war nicht lang, keine dreißig Seiten. Und womöglich wäre er schnell wieder vergessen gewesen ohne dieses Diagramm auf Seite 13: eine Kurve, die das Einkommenswachstum von Einkommensschichten weltweit beschreibt und die zeigt, wer im Zuge der Globalisierung am meisten profitiert und am meisten verloren hat. Zufällig hatte sie die Form eines Elefanten (Abb. 1).
Links auf dem Diagramm befinden sich die ärmsten fünf Prozent der Weltbevölkerung (Punkt A), rechts das reichste Prozent (Punkt D). Je höher die Kurve, desto mehr haben die Gruppen beim Einkommen zwischen 1988 und 2008 zugelegt, also in der Zeit der forcierten Globalisierung und der Digitalisierung. Wir sehen: Profitiert haben vom freien Handel die weltweit Reichsten. Aber kräftig zugelegt haben auch die hinteren zwei Drittel der Weltbevölkerung. Genau in der Mitte etwa, mit einer Steigerung von bis zu 80 Prozent, sind die Mittelschichten in Ländern wie China oder Indien. Sie bilden die Schultern und Ohren des Elefanten (Punkt B). Am unteren Ende des Rüssels des Elefanten, den Punkten nahe Null hingegen sind größtenteils Menschen in eigentlich reichen Ländern (Punkt C). Es handelt sich etwa um die untere Einkommenshälfte der deutschen und der US-amerikanischen Bevölkerung.[2] Sie verloren teilweise gar an Einkommen. Ihre Arbeitsplätze wanderten zum Beispiel nach China.
Die Elefantenkurve ist heute eines der bekanntesten Kurvendiagramme der Volkswirtschaftslehre, wahrscheinlich auch weil sie aussieht wie der beliebte Dickhäuter. Statistikmarketing funktioniert am besten, wenn Kurven und Diagramme Assoziationen mit etwas ganz anderem hervorrufen. Die Klimaerwärmung zum Beispiel sieht aus wie ein Hockeyschläger. Das Diagramm vom Lebensglück folgt einem lachenden Mund: hoch in der Kindheit, Tiefpunkt in der Lebensmitte, dann wieder Anstieg (die Kurve ist allerdings umstritten, weil das Glück im Alter auch daher kommen kann, dass Menschen, die lange leben, mehr Lebensglück genossen haben und sich einfach glücklich schätzen, noch am Leben zu sein).
Der Elefant ist aber auch einfach ein großer Erklärbär. Die Elefantenkurve sei »die Kurve, die alles erklärt«, so einmal der Tagesspiegel. Sie wurde herangezogen, um die Unzufriedenheit der Arbeiterklasse im Westen – insbesondere in den USA – zu erklären, den Abstieg der Mittelschicht und, möglicherweise als Folge davon, den Aufstieg rechter Parteien, die die Rückkehr zum starken Nationalstaat fordern. Die Kurve zeigt, dass die Arbeiterklasse im Westen von offenen Grenzen und freiem Handel nicht profitiert – und Grund zur Unzufriedenheit haben.
Oder doch nicht? Es ist jedenfalls ganz leicht, den berühmtesten Elefanten der Volkswirtschaftslehre zu erlegen. Betrachtet man nämlich statt des relativen Einkommenszuwachses den absoluten, bricht die Elefantenkurve in sich zusammen und die Welt sieht plötzlich ganz anders aus: wie eine sich aufbäumende Kobra (Abb. 2).
Es sind die exakt gleichen Daten, nur anders dargestellt. Statt der relativen Einkommensveränderung sehen wir die absoluten Einkommen über die Welt verteilt. Außerdem sind die Gruppen etwas anders gebildet.
Die Kobra-Kurve – so nenne allerdings nur ich sie – kommt von einem Ökonomen der Hilfsorganisation Oxfam.[3] Sie zeigt: Wirklich zugelegt haben in der Zeit der Globalisierung und der Digitalisierung nur die Reichsten der Reichen. Die neue globale Mittelschicht in Ländern wie China und Indien holten einfach nur ein wenig auf. Sie mag bis zu 80 Prozent an Einkommen zugelegt haben, allerdings ausgehend von einer moderaten Basis. Der Feind im globalen Verteilungskampf ist also nicht »China!«, wie Trump seinerzeit polterte. Der Feind ist da, wo er immer schon war: Im obersten Prozent – dem Trump selbst angehört. Die Kobra-Kurve zeigt die Welt aus linker Sicht.
Die Idee zu diesem Buch entstand, als ich eine Infografik-Seite für die Zeit recherchierte. Die Rubrik feierte 2019 nach fast zehn Jahren im Blatt ihre 500. Folge. Ich war als freier Datenjournalist zwar erst seit Nummer 417 dabei, aber zufällig fiel mir die Jubiläumsseite zu. Die Idee war, Daten aus linker (oder grüner) Sicht auf der einen Seite abzubilden – und auf der Rückseite die gleichen Daten aus konservativer, liberaler oder rechter Perspektive. Eine der Abbildungen zeigte die Elefantenkurve, eine andere den Preis für Benzin oder die Anzahl syrischer Flüchtlinge, die Deutschland aufgenommen hatte.
Die Seite war auch eine Reflexion unserer Arbeit als Datenjournalisten, wie man das bei Jubiläen eben so macht. Passiert war ja einiges in den letzten zehn Jahren. In der Öffentlichkeit dominierte die Diskussion über Big Data und seine Gefahren. Aber Daten und Diagramme wurden auch einfach unfassbar populär, ob in den Medien oder im Alltag. Es gibt heute den Beruf Datenjournalist, eine Mischung aus Journalist, Programmierer und Statistiker. Auch jemand wie ich, der Geschichte studiert hat (Schwerpunkt Religion und Frühe Neuzeit), kann heute mit komplexen Statistikprogrammen riesige Datensätze verarbeiten, die einst nur in der Forschung verfügbar waren.
Statistik ist so vielfältig wie noch nie. Diagramme kursieren in der Presse oder in den Sozialen Medien als eindringliche Warnungen, etwa vor dem Klimawandel, oder auch einfach als Karikaturen, so wie die »Gefühlten Wahrheiten« im SZ-Magazin oder die »Torten der Wahrheit« in der Zeit, ausgedachte Diagramme darüber, was wirklich ist. Ein Diagramm kann heute das Resultat einer hochkomplexen Studie sein, die Millionen Euro gekostet hat. Es kann aber auch einfach schnell in Excel zusammengetippt worden sein. Und vielleicht wirkt es gerade deshalb so, als wären wir als Gesellschaft im Umgang mit Daten emotional noch nicht sehr weit entwickelt. Wir haben nach wie vor ein pubertäres Verhältnis zu Zahlen und Statistik.
Einerseits pflegen wir diesen Kult um Statistik als objektive Fakten. Kündigt jemand an, »die Fakten« auf den Tisch zu legen, muss man befürchten, dass man gleich ein Diagramm vor sich liegen hat, das dieses oder jenes beweisen soll. Egal, ob das nun ein »Faktencheck« in der Presse ist oder eine Diskussion auf WhatsApp. Einer der größten Bestseller der letzten Jahre ist Factfulness von Hans Rosling, ein Buch voller Diagramme, oder wie es der Autor nennt: Fakten. Das Diagramm gilt nicht als Standpunkt von diesem oder jenem, sondern als Auffangbecken der Wirklichkeit, das sich füllt wie eine Regentonne und unstrittig zeigt, wie viel es geregnet hat.
Andererseits kennen und klopfen alle den Spruch, dass man keiner Statistik trauen soll, die man nicht selbst gefälscht hat (woher das Bonmot stammt, ist unbekannt, von Churchill ist es jedenfalls nicht)[4]. Bücher mit Titeln wie So lügt man mit Statistik oder YouTube-Filme à la »Wie wir uns mit Zahlen manipulieren lassen« nähren diese Klischees von den heimtückischen Diagrammen. Sie tun so, als wäre eine Statistik ohne manipulative Zahlentricks ein objektiver Blick auf die Welt.
Mit unserer Jubiläums-Infografik wollten wir zeigen, dass uns weder der hehre Faktenanspruch noch der Lügenvorwurf beim Umgang mit Statistik weiterbringt. Im Gegenteil. Sie lenken von dem eigentlichen Problem ab. Es ist zwar gut, die statistischen Hütchenspielertricks zu kennen: Die abgeschnittenen y-Achsen, die nur scheinbar präzisen Zahlen, die vermeintlich extremen Anstiege, die sich in Wahrheit auf extrem niedrigem Niveau abspielen … Ich will sie nicht alle als Kavaliersdelikte kleinreden. Aber Polemik – auch mit Zahlen – gehört zur politischen Diskussion dazu. Man kann mit ihr Leute gewinnen, aber ebenso leicht Glaubwürdigkeit verlieren.
Als Historiker habe ich einen anderen Blick auf Statistik. Mich interessiert zuerst der politische Kontext, in dem eine Statistik entstanden ist. Entscheidend bei Statistiken ist nicht, wie man sie am Ende aufbereitet. Viel wichtiger und problematischer sind all die Annahmen, die man trifft, bevor man überhaupt Daten zu erheben beginnt. Die Kategorien, die man bildet, und die Wertvorstellungen, die diesen Kategorien zugrunde liegen. Warum gibt es die Kategorie »Ausländer« in der Kriminalstatistik? Oder warum erforschen wir plötzlich »medizinisches Marihuana«? Warum soll Radfahren »externen Nutzen« erbringen? Die gleichen Zahlen aus unterschiedlichen politischen Blickwinkeln zu betrachten kann helfen, diese Annahmen und Auslegungen einer Statistik sichtbar zu machen. Im Titel dieses Buches heißt es links und rechts, aber es wird auch um grüne, liberale oder konservative Gegensätze gehen.
Was kostet zum Beispiel ein Liter Benzin? Als staatskritische Autofahrerin sehe ich den Preis an der Tankstelle und sehe darin vielleicht all die Steuern, die ich entrichten muss, obwohl ich nur zur Arbeit will beziehungsweise muss. Als grüner Radfahrer sehe ich darin all die Schäden, die das Verbrennen von Benzin und das Bewegen von tonnenschweren Autos verursacht, in denen im Berufsverkehr meist nur eine einzige Person sitzt. Aber wie messe ich diese Schäden? Wie den Lärm? Wie ein Leben?
Ich versuche immer, Statistik nicht in erster Linie als Ergebnis einer Rechnung zu lesen, sondern wie einen Text. Niemand würde behaupten, dass man keinem Text glauben soll, den man nicht selbst gefälscht hat. Wir wissen, dass Texte vieles sein können: Protokoll, Polemik, Poesie. Genauso ist es heute mit Statistik. Und was wir beim Text automatisch tun, sollten wir auch bei Statistik machen, nämlich zu fragen: Welcher Blick auf die Welt liegt ihr zugrunde? Welche Absicht verfolgt sie? Was kann sie erfassen und was nicht? Für welches Publikum wurde sie gemacht? Und wie wird sie von diesem gelesen?
Die Popularität von Statistik kommt aber nicht nur daher, dass wir immer mehr Daten zur Verfügung haben, sondern auch von einem neuen Kampf um die Fakten. Wir leben in einer rechthaberischen Zeit, oder sagen wir besser: in einer »faktenhaberischen«. Die Digitalisierung hat unfassbar viele neue Datenquellen eröffnet. Wissen ist für alle zugänglich. Alte Mechanismen, um gesichertes Wissen von Spekulationen und Verschwörungstheorien zu trennen, funktionieren nicht mehr. In einer solchen Welt stellt sich die naheliegende Frage: Wer hat wirklich die Fakten, wenn alle alle Fakten haben?
Spätestens seit die Pressesprecherin von Donald Trump Anfang 2017 in einem Interview davon sprach, »alternative Fakten« zu den kursierenden zu haben, Medien aber kaum noch hinterherkamen, alles zu prüfen, was Trump behauptete, sind die Fakten zum politischen Kampfbegriff geworden.
In den Redaktionen wurden nicht nur Datenjournalistinnen eingestellt, sondern auch Faktenchecker. Wo einst die »Lügen mit Statistik«-Bücher in den Bestsellerlisten standen, sind es heute Titel wie Fakten gegen Fakes, die Mythen und Verschwörungstheorien aus den Sozialen Netzwerken entlarven.
Es geht dabei aber längst nicht mehr nur um Verschwörungstheorien. Während der Bundestagswahl 2021 dienten Faktenchecks von Redaktionen als Datengrundlage für statistische Auswertungen, wer in den Triellen am faktentreuesten sei, Annalena Baerbock, Armin Laschet oder Olaf Scholz. Oder wer von den dreien am stärksten von »Fake News« betroffen sei, wobei manche Berechnungen dieser Anti-Fake-News-Studien derart haarstäubend waren, dass sie selbst – zu recht – als »manipulativer Mist« bezeichnet wurden.[5]
Doch genauso, wie wir unseren Statistikbegriff differenzieren sollten, sollten wir auch mit dem Faktenbegriff vorsichtiger werden. Im Januar 2020 zum Beispiel kursierten immer mehr Berichte aus China über ein neuartiges Virus. War es Grund zur Panik? Manches sprach dafür, manches dagegen. Aber wie die Fakten in Form von Zahlen ausgelegt wurden, hing manchmal auch einfach davon ab, wie man zu einer grundsätzlichen politischen Frage stand: offenen Grenzen. Je weiter sich das Virus verbreitete, desto offensichtlicher wurden die Konsequenzen, die man hätte ziehen müssen: Kontakte beschränken und Grenzen schließen.
Im Laufe der Pandemie tat sich die AfD als vehemente Gegnerin einer strikten (oder auch nur relativ restriktiven) Corona-Politik hervor. Doch das war nicht immer so. Im Gegenteil. Die Lage sei ernst, wir befänden uns in einer »echten Krise«, warnte Alice Weidel zu Beginn der Pandemie im Bundestag. Gefordert seien »systematische Einreisekontrollen an den Grenzen, die die Bundesregierung leider bis heute ablehnt«, sagte sie. Und: Das »Dogma der offenen Grenzen« könne Leben kosten.
Andere ordneten die neuen Zahlen ganz anders ein. In einem Beitrag des Bayerischen Rundfunk sagte eine Journalistin, das Coronavirus mutiere gerade »von einem Virus zu einem psychologischen Massenphänomen: Panik«. Viele Menschen aus dem »rechten Spektrum« würden jetzt Grenzschließungen fordern, »die sollen das Virus abhalten«, meinte sie ironisch. Später nahm der Sender das Video wieder vom Netz, weil die »Faktenlage« sich geändert habe.[6]
Wer die Zahlen nicht unmittelbar politisch deutete, versuchte sie mit möglichst neutralen Größenvergleichen einzusortieren. »Die Grippe tötet hier Tausende, das Coronavirus bislang niemanden«, titelte Spiegel Online am 28. Januar 2020. Und selbst Experten, die warnten, läuteten nicht die Alarmglocken. In einem Interview, veröffentlicht am selben Tag, zeigte sich der Virologe Christian Drosten besorgt angesichts der Lage und warnte vor einer möglichen Pandemie. Er mahnte, man müsse jetzt »ganz genau anschauen, wie sich die Fallzahlen in China entwickeln«.[7]
Es gab andere Expertinnen und Experten, die zu diesem Zeitpunkt schon deutlich unruhiger waren und etwas ganz anderes in diesen neuen Zahlen sahen. Aber es waren nicht die Virologen, sondern eher die, die sich mit statistischen Konzepten wie der Extremwerttheorie oder Komplexen Systemen beschäftigen. Nassim Taleb, Autor von Der Schwarze Schwan, einem modernen Klassiker über Ausreißerphänomene und Zufallsereignisse, hatte bereits in einem Paper gewarnt, die Menschheit werde ein einziges solches Ereignis mit hoher Wahrscheinlichkeit zwar überleben, auf Dauer sei die Wahrscheinlichkeit dafür aber letztlich gleich Null. Deshalb sei hier konventionelles Risikomanagement und »naiver Empirismus« (man könnte auch sagen: Fallzahlen beobachten) falsch. Er und seine Co-Autoren forderten drastische Kontaktbeschränkungen und »angemessenen Respekt für Unsicherheit in Anbetracht einer möglicherweise irreversiblen Katastrophe«.[8]
Zeynep Tüfekçi, Soziologin an der University of North Carolina in Chapel Hill, schrieb im Rückblick auf die ersten Monate der Pandemie, dass aus »Zahlen alleine noch keine Wissenschaft oder sensible Risikokalkulation in komplexen Systemen entstehen«. In global vernetzten Systemen mit wenig Spielraum für Fehler könne sogar ein mildes Virus extrem gefährlich sein. Die Frage hätte nicht sein dürfen, ob das Virus gefährlicher ist als die Grippe, sondern zum Beispiel, ob ein System die Grippe plus ein neues Virus aushält.[9]
Es kann zu gefährlichen Fehlschlüssen führen, sich nur auf Fakten in Form von Zahlen zu konzentrieren, geschweige denn sie politisch einzusortieren. Deshalb geht es in diesem Buch nicht nur um Diagramme und wie sie politisch gelesen und verwendet werden. Ich versuche auch, die Unsicherheiten zu berücksichtigen, von denen sie umgeben sind.
Linke Daten, rechte Daten bedeutet nicht: »Die einen sagen so, die anderen so – und die Wahrheit liegt wohl irgendwo dazwischen.« Dieses Buch ist kein statistisches Kumbaya zur Versöhnung von Linken und Rechten. Aber wir kommen nicht drumherum, Statistik immer wieder aus unterschiedlichen Blickwinkeln zu betrachten. Dabei geht es manchmal um Kurven, die man zu unterschiedlichen Zeitpunkten beginnen lässt, oder solchen, deren Entwicklung einfach anders interpretiert wird. Mal geht es um Kategorien, die man je nach politischen Wertvorstellungen unterschiedlich bildet, oder um Unsicherheiten und Risiken, die man bereit ist einzugehen.
Weil dies ein Buch über Daten und Diagramme ist, werde ich aber auch ab und an auf Studien eingehen, die die Welt für immer verändert haben, kleine »Kathedralen der Statistik« besichtigen, einfach weil sie wunderschön sind.
Eines ist mir noch wichtig zu betonen, bevor es richtig losgeht: Hinter fast allen Diagrammen in diesem Buch kann ich stehen. Sie entsprechen nicht immer meinen persönlichen politischen Überzeugungen, aber ich kann sie begründen. Ich gehe auf nichts ein, was ich für hanebüchen halte, auch wenn es in politisch linken oder rechten Kreisen vertreten wird.