Psychology World — Startseite
Blog

Survivorship Bias: warum Erfolge täuschen und was die Gescheiterten verbergen

Survivorship Bias heißt: Nur Überlebende zählen. Wald-Flugzeuge, Fonds und Umfragen — mit Beispielen, Abgrenzung und drei Prüfschritten fürs Studium.

Kognition6 Min. Lesezeit
Von Psychology World

Survivorship Bias heißt: Du beurteilst eine Gruppe nur nach ihren Überlebenden. Ein Filter entfernt Fälle, und du siehst nur die Fälle, die übrig bleiben. Deshalb wirkt Erfolg wahrscheinlicher als er ist, und seine Ursache wirkt klarer als sie ist. Auf Deutsch heißt das beim Dorsch Überlebensirrtum. Sein Kern: Erfolgreiche fallen stärker auf, Gescheiterte verschwinden aus dem Blick. So wirkt die Erfolgschance größer, als die volle Gruppe hergibt.

Dieser Artikel erklärt die Flugzeug-Geschichte hinter dem Effekt. Er zeigt, wo du ihm bei Fonds, Lerntipps und Forschung begegnest. Er gibt drei Prüfschritte, die die Fehlenden sichtbar machen.

  • Survivorship Bias ist ein Auswahlproblem: Reste am Ende sind keine zufällige Teilmenge des Starts.
  • Wald 1943: Schütze Stellen, an denen Heimkehrer wenig Treffer zeigen, denn fehlende Maschinen tragen die tödlichen Daten.
  • Bei Fonds verschwinden geschlossene Fonds aus Tabellen, und die Rendite wirkt zu gut.
  • In der Forschung erscheinen Positive eher, Abbrecher mit Symptomen antworten seltener, und Rat kommt meist von Bleibern.
  • Drei Schritte helfen: Filter benennen, Fehlende suchen, Quelle prüfen.

Was ist Survivorship Bias

Survivorship Bias entsteht, wenn ein Filter Fälle entfernt und du nur die übrigen beurteilst. Du siehst Sieger, Heimkehrer und veröffentlichte Studien. Du übersiehst Verlierer, fehlende Flugzeuge und unveröffentlichte Studien. Der Dorsch beschreibt die Folge so: Die wahrgenommene Gruppe schrumpft auf die Erfolgreichen, und damit wächst die gefühlte Chance. Die Britannica beschreibt ihn als logischen Fehler, der nur Überlebende eines Filters beachtet.

Lege ihn neben seine Nachbarn, denn Lernende mischen sie. Die Tabelle zeigt den Unterschied in je einem Satz.

So unterscheidet sich Survivorship Bias von zwei Nachbarn.
VerzerrungWas fehlt oder täuschtEinfacher Test
Survivorship BiasFälle nach einem Filter; Daten sind wegFrage, wer den Filter nicht überstand
SelektionsbiasStichprobe war von Anfang an nicht zufälligFrage, wie die Stichprobe entstand
VerfügbarkeitsheuristikErinnerung holt lebhafte Fälle zuerstFrage, ob lebhafte Fälle der Grundrate entsprechen

Survivorship Bias ist also eine Auswahl- und Stichprobenverzerrung. Verfügbarkeit beschreibt Erinnerung. Für zehn klar getrennte Denkfehler siehe zehn kognitive Verzerrungen.

Die Flugzeuge, an denen Wald wirklich arbeitete

Im Zweiten Weltkrieg sahen Analytiker Treffer an heimkehrenden Flugzeugen. Viele Maschinen zeigten Treffer an Flügeln, Rumpf und Leitwerk. Der erste Plan lautete: Panzere die Trefferzonen.

Abraham Wald arbeitete an diesem Problem in der Statistical Research Group der Columbia University. Er schrieb 1943 acht Memoranden zur Verwundbarkeit aus Überlebenden-Daten. Das Center for Naval Analyses druckte sie 1980 nach, weil die Methode noch nützlich war.

Wald startete mit einer Lücke. Bekannt waren gesendete Maschinen, heimgekehrte Maschinen und Treffer je Heimkehrer. Unbekannt war die Trefferlage der fehlenden Maschinen.

Seine Annahme lautete: Treffer verteilen sich gleichmäßig. Trifft es eine schwache Stelle, kehrt die Maschine seltener heim. Deshalb zeigen schwache Stellen weniger Treffer an Heimkehrern. Ein Rechenbeispiel zeigt die Logik: 400 Maschinen starten, 380 kehren heim, 320 davon ohne Treffer. Aus diesen Zahlen schätzt Wald die Verluste je Trefferzahl.

Sein Rat lautete: Schütze Stellen mit wenig Treffern an Heimkehrern. Die Wallis-Zusammenfassung gibt genau diesen Schluss wieder.

Behandle Internet-Dialoge mit Vorsicht. Viele Nacherzählungen erfinden kurze Sätze über Motoren. Die verlässliche Quelle sind die Memoranden plus die Notizen von Wallis. Die Moral braucht keine erfundenen Zitate: Untersuche auch die fehlenden Flugzeuge.

Wo du ihm begegnest

Du triffst die gleiche Struktur fern vom Flugfeld. Ein Filter entfernt Fälle. Berichte nutzen nur Überlebende.

Bei Fonds verschwinden geschlossene Fonds aus den meisten Tabellen. Ein Fonds, der scheitert, fusioniert oft mit einem Fonds der gleichen Familie. Seine schwache Akte verschwindet aus Standardquellen. Studien nur mit Überlebenden schönen die Rendite. Der Grund ist schlicht: Verschwundene Fonds verschwanden meist nach schwacher Leistung. Der Decision Lab zeigt die Rechnung am Fonds-Beispiel.

Bei Lern- und Karriererat hörst du nur Überlebende. Profile listen Abbrecher, die große Firmen bauten. Sie listen nicht die größere Gruppe, die ging und nichts baute. Feeds zeigen Top-Scorer mit einer Methode. Sie zeigen nicht Nutzer der gleichen Methode mit schwachen Noten.

Erfahrungsberichte kommen von Bleibern, die eine Gewohnheit mögen. Abbrecher posten selten. Gründer-Geschichten zeigen den gleichen Filter. Medien feiern Abbrecher, die Milliardenfirmen bauten. Sie zeigen nicht die Vielen, die gingen und scheiterten.

Auch Stars täuschen: Auf einen berühmten Schauspieler kommen Tausende, die es nie schafften. Ein Fachbeitrag in Nature nennt genau diesen Fehler beim Karriere-Rat: Bleiber bleiben sichtbar, Geher verblassen.

In der Forschung wirken drei Filter. Erstens drucken Journale Positive eher als Nullen. Ein Modell-Essay warnte: Viele berichtete Befunde könnten falsch sein. Kleine Studien, kleine Effekte und biegsame Designs erhöhen das Risiko. Lies einen Erfolg als Auswahl für Positives, nicht als Beweis allein. Der Essay rechnet vor, wie oft angebliche Befunde trügen.

Zweitens verlieren Umfragen genau die Menschen, die sie am meisten brauchen. In der US-Studie COPE hatten Einmal-Teilnehmer mehr Symptome als Viermal-Teilnehmer. Bereinigte Verhältnisse: Angst 1,30, Depression 1,43. Neue Symptome erhöhten die Chance auf Fernbleiben: Angst 1,68, Depression 1,56. In der britischen Vergleichsstudie fielen fast 40 Prozent aus der Analyse. Die Autoren warnen: Nur Wiederholer zeigen zu freundliche Trends.

Solche Tests sind keine Diagnose. Hält eine niedrige Stimmung über Wochen an, sprich mit einem Arzt.

Nutze die gleiche Brille für Lerntipps. Top-Scorer-Tipps bilden eine Überlebenden-Stichprobe. Sie lassen Nutzer der gleichen Methode mit schwachen Noten aus.

Warum der Kopf die Fehlenden vergisst

Erfolge bleiben sichtbar. Misserfolge verblassen. Medien wiederholen Sieger. Überlebende posten und lehren. Was du schnell abrufst, wirkt häufig. Dieser Abruf-Effekt ist die Verfügbarkeitsheuristik.

Bestätigung verstärkt den Effekt. Mit einem Plan im Kopf beachtest du passende Geschichten. Du übersiehst brechende Geschichten. Für dieses Muster siehe Bestätigungsfehler.

Ursache und Korrelation verschwimmen als dritter Schub. Überlebende teilen oft ein Merkmal. Frühes Aufstehen, Abbruch oder eine Routine wirken ursächlich. Du siehst nie Nicht-Überlebende mit gleichem Merkmal. Behandle geteilte Merkmale als Hinweise, bis du beide Gruppen siehst.

Drei Prüfschritte für jede Erfolgsgeschichte

Nutze diese Schritte für eine Erfolgsgeschichte, eine Fondstabelle, einen Umfragetrend oder einen Lerntipp.

  1. 1.Frage, was nicht überlebte. Benenne den Filter. Wer brach ab, fusionierte, schwieg oder blieb unveröffentlicht. Verschweigt die Quelle das, markiere die Aussage als unvollständig.
  2. 2.Lege Fehlende neben Erfolge. Suche Starter mit gleichem Merkmal, die scheiterten. Vergleiche beide Gruppen. Teilten Fehlende das Merkmal, entschied es nicht. Findest du keine Fehlenden, senke die Sicherheit.
  3. 3.Prüfe die Datenquelle, bevor du handelst. Prüfe Startgruppe, Spanne und Endgruppe. Prüfe Verlustgründe. Bei Fonds prüfe Startverfolgung mit Fusionsbedingungen. Bei Umfragen prüfe Folgeraten und reine Wiederholer-Nutzung. Für Testgüte siehe Reliabilität und Validität.

Scheitert ein Schritt, schränke ein. Sage klar: Die Daten zeigen nur Überlebende. Die wahre Rate liegt tiefer. Suche eine Quelle mit voller Startgruppe.

Drei Prüfschritte gegen Survivorship Bias: Filter benennen, Fehlende neben Erfolge legen, Datenquelle prüfen.
Drei Schritte zeigen die Fehlenden: Filter benennen, Fehlende suchen, Quelle prüfen.

Lege Survivorship Bias plus Nachbarn in Psychology World auf iPhone and iPad in eine Liste. Drill die Liste mit Flashcard, Question und Typing, bis jeder Begriff sitzt. Eine Liste mit Fehlenden neben Erfolgen hält die Grundrate im Blick, wenn du wiederholst.

Häufige Fragen

Was ist Survivorship Bias in einem Satz

Es ist die Beurteilung einer Gruppe nach Fällen, die einen Filter passierten, während fehlende Fälle die Sicht auf Erfolg und Ursache verzerren.

Was hat es mit den Flugzeugen auf sich

Analytiker sahen Treffer an Heimkehrern und wollten Trefferzonen panzern. Wald zeigte auf die fehlenden Maschinen und empfahl Schutz dort, wo Heimkehrer wenig Treffer zeigten.

Wie unterscheidet er sich von Auswahlverzerrung und Bestätigungsfehler

Survivorship Bias verliert Fälle nach einem Filter. Auswahlverzerrung startet mit einer Stichprobe, die nie zufällig war. Bestätigungsfehler sucht Geschichten, die zum Plan passen.

Beeinflusst er die psychologische Forschung

Ja. Positive erscheinen eher, Abbrecher mit Symptomen antworten seltener, und Rat kommt meist von Bleibern. Wiederholer-Stichproben schönen Trends.

Wie erkenne ich ihn beim Lernen

Benenne den Filter, suche Starter mit gleicher Methode und schwachen Noten, vergleiche beide Gruppen und folge keiner Methode ohne Blick auf die Fehlenden.

Quellen

  1. 1.Markus Wirtz (2019). Überlebensirrtum im Dorsch Lexikon der Psychologie.
  2. 2.Encyclopedia Britannica. Survivorship bias.
  3. 3.Center for Naval Analyses (1980). A method of estimating plane vulnerability based on damage of survivors.
  4. 4.Bill Casselman, American Mathematical Society. The legend of Abraham Wald.
  5. 5.Mark É. Czeisler und andere (2021). Uncovering survivorship bias in longitudinal mental health surveys during the COVID-19 pandemic.
  6. 6.Dave Hemprich-Bennett und andere (2021). Beware survivorship bias in advice on science careers, Nature.
  7. 7.John Ioannidis (2005). Why most published research findings are false.
  8. 8.Dan Pilat und Sekoul Krastev (2019). Survivorship bias, The Decision Lab.
  9. 9.Shane Parrish (2019). Survivorship Bias: The Tale of Forgotten Failures, Farnam Street.

Begriffe selbst nachschlagen

18,000+ Begriffe aus Psychologie und Psychotherapie auf Englisch und Deutsch — auf iPhone, iPad, Mac und Apple Vision.

So funktioniert Psychology World
Alle Beiträge