Erkennt KI Ursachen oder Zusammenhänge?

Das Problem

Sie lassen die KI Ihre Verkaufszahlen auswerten und erfahren: «In Monaten mit hohem Glaceverkauf steigen auch die Sonnenbrillen-Verkäufe.» Oder: «Kundinnen mit Kundenkarte kaufen mehr.» Es liegt nahe zu denken, das eine bewirke das andere und man müsse nur mehr Glace verkaufen oder mehr Karten verteilen.

Doch Zusammenhang ist nicht Ursache. Im Beispiel steigen beide Zahlen, weil im Sommer die Sonne scheint. Und vielleicht haben Kundenkarten vor allem Menschen, die ohnehin häufig einkaufen.

Wer diesen Unterschied kennt, vermeidet teure Fehlentscheide und liest KI-Auswertungen kritischer, ohne ihren Nutzen zu verlieren.

So lösen Sie es mit KI – Schritt für Schritt

1. Begriffe klären: Ein Zusammenhang (Korrelation) heisst: Zwei Dinge treten gemeinsam auf oder verändern sich im Gleichschritt. Eine Ursache (Kausalität) heisst: Das eine bewirkt das andere. Das Erste lässt sich in Daten erkennen, das Zweite nur mit zusätzlichem Wissen oder gezielten Versuchen.
2. Auswertung bewusst lesen: Wenn die KI schreibt «führt zu», «verursacht» oder «wegen», fragen Sie nach: Hat sie das belegt oder nur ein Muster gefunden?
3. Dritte Faktoren suchen: Überlegen Sie, was beide Werte beeinflussen könnte: Jahreszeit, Preis, Werbung, Wetter, Wochentag, Kundengruppe.
4. Zeitreihenfolge prüfen: Kam das eine wirklich vor dem anderen? Ursachen müssen früher auftreten als Wirkungen.
5. Alternative Erklärungen sammeln: Lassen Sie sich von der KI mehrere mögliche Erklärungen nennen, auch unbequeme.
6. Mit Fachwissen prüfen: Ihre Berufserfahrung zeigt oft, ob eine Erklärung plausibel ist. Fragen Sie Kolleginnen und Kollegen.
7. Wenn möglich testen: Probieren Sie in kleinem Rahmen aus, ob die Massnahme wirkt: zum Beispiel ein Monat Aktion in einer Filiale, in der anderen nicht.
8. Vorsichtig formulieren: Schreiben Sie in Berichten «hängt zusammen mit» statt «wird verursacht durch», solange keine Ursache belegt ist.

Beispiele für Scheinzusammenhänge

Mehr zu Vorhersagen mit KI lesen Sie unter Wie macht KI Vorhersagen?.

Vorlage zum Kopieren

Ich habe in meinen Daten folgenden Zusammenhang gefunden: [Beschreibung, z. B. In Monaten mit mehr Werbung steigen die Anfragen.]
Die Daten stammen aus [Zeitraum und Herkunft, ohne vertrauliche Angaben].
Nenne mir:
1. drei mögliche Erklärungen, in denen die Werbung die Ursache ist,
2. drei mögliche Erklärungen, in denen etwas anderes beide Werte beeinflusst,
3. welche zusätzlichen Daten oder Tests ich brauche, um das zu unterscheiden.
Behaupte nicht, dass eine Erklärung sicher stimmt, und kennzeichne Vermutungen als Vermutung.

Setzen Sie Ihre Beobachtung ein. Die Antworten sind Denkanstösse, die Sie mit Fachwissen und Daten prüfen.

Worauf Sie achten müssen

• Sprache der KI: Formulierungen wie «dies führt zu» klingen nach Ursache, auch wenn nur ein Muster beobachtet wurde. Fragen Sie nach dem Beleg.
• Verzerrte Daten: Wenn Ihre Daten nur einen Teil der Wirklichkeit zeigen, kann ein Zusammenhang Zufall oder Auswahleffekt sein, siehe Wie entstehen Vorurteile durch Trainingsdaten?.
• Zufall: Bei kleinen Datenmengen entstehen leicht Zusammenhänge, die nur Zufall sind.
• Entscheide mit Folgen: Personalentscheide, Preisgestaltung oder Investitionen sollten nie allein auf einem Zusammenhang beruhen, den eine KI gefunden hat.
• Datenschutz: Auswertungen mit personenbezogenen Daten verlangen besondere Sorgfalt. Verwenden Sie anonymisierte Daten, wo möglich.

Fragen, die Sie jeder Auswertung stellen können

Drei Fragen helfen bei fast jeder KI-Auswertung: Was könnte ausserdem beide Werte beeinflussen? Gilt das Muster auch in einem anderen Zeitraum oder bei einer anderen Kundengruppe? Und würde ich meine Entscheidung ändern, wenn sich der Zusammenhang als Zufall herausstellt? Wenn die dritte Antwort «ja» lautet, lohnt sich ein kleiner Test, bevor Sie Geld oder Zeit investieren. Notieren Sie die Antworten im Bericht, dann können Vorgesetzte und Kolleginnen die Schlüsse nachvollziehen.

Ein Beispiel aus der Praxis

Ein Beispiel: Der Inhaber eines Blumengeschäfts in Zofingen lässt eine KI seine Verkäufe auswerten. Vorher liest er: «Die Umsätze steigen, wenn mehr Plakate aufgehängt sind.» Er investiert in zusätzliche Plakate.

Nachher fällt ihm beim Nachdenken auf, dass er die Plakate vor Muttertag und Weihnachten ohnehin vermehrt aufhängt, wenn die Nachfrage besonders hoch ist. Er testet in einem ruhigen Monat eine Plakataktion und vergleicht mit dem Vorjahr. Der Effekt ist deutlich kleiner als gedacht. Das Geld setzt er gezielter ein.

So hilft Ihnen Alpasana

Für Betriebe, die ihr Team im sorgfältigen Umgang mit KI-Auswertungen schulen möchten, bietet absofort KI-Weiterbildung für Unternehmen an. Beschrieben sind KI für Verwaltung, Kommunikation, Analyse, Texte und Entscheidungsgrundlagen sowie verantwortungsbewusster Umgang mit Unternehmensdaten.

Eine statistische Fachberatung zu einzelnen Auswertungen ist darin nicht enthalten.

Häufige Fragen

Kann KI nie Ursachen erkennen?

Sie kann Hinweise liefern und bei gezielt geplanten Versuchen helfen. Ursachen aus gewöhnlichen Daten abzuleiten, ist aber schwierig und verlangt Fachwissen. Die KI zeigt Muster, die Deutung bleibt bei Ihnen.

Woran erkenne ich einen Scheinzusammenhang?

Fragen Sie, ob ein dritter Faktor beides beeinflussen kann, ob das Muster in verschiedenen Zeiträumen gleich bleibt und ob eine Erklärung nach Ihrer Erfahrung plausibel ist.

Sind Prognosen dann wertlos?

Nein. Prognosen können nützlich sein, auch ohne Ursache zu kennen, solange sich die Verhältnisse nicht ändern. Sie sind nicht dasselbe wie eine Erklärung.

Was ist besser als einen Zusammenhang zu glauben?

Ein kleiner Test unter vergleichbaren Bedingungen und die Meinung von Fachleuten. So wird aus einem Verdacht eine begründete Aussage.