Confirmation Bias in der wissenschaftlichen Forschung erkennen
Warum der Confirmation Bias Ergebnisse systematisch verzerrt
Der Confirmation Bias, auf Deutsch Bestätigungsfehler, beschreibt die Neigung, Informationen so zu suchen und zu deuten, dass sie die eigene Erwartung bestätigen. In der Forschung kann er bei der Literaturauswahl, Datenerhebung und Interpretation von Daten eine Rolle spielen. Dieser Ratgeber erklärt, wie der Fehler entsteht, wie er Ergebnisse verzerren kann und welche Gegenmaßnahmen, etwa Präregistrierung und Blindung, das Risiko verringern können.
Was der Confirmation Bias ist
Der Confirmation Bias ist eine kognitive Verzerrung, bei der Menschen Belege, die zur eigenen Hypothese passen, stärker gewichten als widersprechende Informationen. Er ist nicht mit bewusstem Fälschen gleichzusetzen, kann Entscheidungen aber unbemerkt beeinflussen. Erwartungen können mitbestimmen, welche Informationen auffallen und wie sie bewertet werden. In wissenschaftlichen Arbeiten können deshalb die transparente Dokumentation von Entscheidungen und die kritische Prüfung von Gegenbelegen wichtig sein. Peter Wason untersuchte 1960 in einem Experiment, wie Menschen Hypothesen prüfen; die Teilnehmenden suchten dabei häufig nach bestätigenden statt nach widerlegenden Beispielen.
So zieht sich der Fehler durch den gesamten Forschungsprozess
Der Bestätigungsfehler wirkt nicht nur punktuell, sondern begleitet den gesamten Ablauf. Bereits bei der Literaturrecherche werden Studien, die zur eigenen Annahme passen, eher gefunden und zitiert. Bei der Datenerhebung fließt die Erwartung in die Formulierung von Fragen ein. Bei der Auswertung fällt ein signifikantes Ergebnis, das die Hypothese stützt, seltener kritisch auf als ein unerwartetes. Und in der Diskussion werden bestätigende Befunde ausführlicher gewürdigt als Gegenbelege. So verstärkt sich die ursprüngliche Erwartung Schritt für Schritt, ohne dass eine bewusste Entscheidung dahintersteht. Am Ende wirkt das Ergebnis eindeutig, obwohl es lediglich die Ausgangsannahme spiegelt. Studien zur Publikationspraxis zeigen zudem, dass signifikante oder positive Ergebnisse häufiger veröffentlicht werden als nicht signifikante oder negative. Dieser Publikationsbias kann die Forschungsliteratur systematisch verzerren.
Den Confirmation Bias im Forschungsprozess erkennen
Ein erster Schritt ist, die eigene Erwartung offen zu benennen: Wer weiß, welches Ergebnis er insgeheim erhofft, kann gezielt gegensteuern. Warnsignale sind etwa das vorschnelle Verwerfen widersprechender Daten als Messfehler, das nachträgliche Anpassen der Hypothese an Ergebnisse oder das selektive Berichten von Tests. Auch die ausschließliche Suche nach bestätigenden Quellen ist ein Hinweis. Solche Muster sind Anlass, die eigene Arbeitsweise zu überprüfen. Hilfreich kann ein Forschungstagebuch sein, in dem Entscheidungen und ihre Begründungen festgehalten werden. So lässt sich der Confirmation Bias früh im Prozess erkennen. Auch ein bewusst formulierter Gegentest hilft: Man fragt sich, welcher Befund die eigene Annahme klar widerlegen würde, und prüft gezielt darauf. Wer keine solche Widerlegungsmöglichkeit benennen kann, sollte die Fragestellung und den Auswertungsplan kritisch prüfen.
Gegenmaßnahme: Frühzeitige Präregistrierung
Eine Präregistrierung dokumentiert Hypothesen, Stichprobengröße und Auswertungsplan, bevor die Datensammlung oder Analyse beginnt. Sie macht nachvollziehbar, welche Entscheidungen vorab festgelegt wurden, ersetzt aber keine sorgfältige Durchführung. Explorative und konfirmatorische Analysen sollten klar getrennt und als solche berichtet werden: Explorative Befunde können neue Hypothesen liefern; für eine konfirmatorische Prüfung sollten sie, wenn möglich, an neuen oder unabhängigen Daten geprüft werden. Ein vorab formulierter Hypothesentest kann nachträgliche Anpassungen des Auswertungsplans transparenter machen. Abweichungen vom Plan sind möglich, sollten aber begründet dokumentiert werden. Plattformen wie das Open Science Framework bieten Vorlagen für Registrierungen. Welche Form der Präregistrierung sinnvoll ist, hängt vom Forschungsdesign und den Vorgaben des Fachs ab.
Gegenmaßnahme: Blindung und Vier-Augen-Prinzip
Eine Blindung kann Erwartungen von Erhebung, Bewertung oder Auswertung fernhalten. Je nach Design bleibt etwa die Gruppenzuordnung für bewertende oder auswertende Personen zunächst unbekannt. Ergänzend können eine unabhängige Zweitauswertung, die aktive Suche nach Gegenbelegen und die Diskussion mit Personen anderer Auffassung helfen. Auch eine deskriptive Statistik kann vor weiterführenden Tests dazu beitragen, Muster und Auffälligkeiten transparent zu prüfen. Solche Routinen verringern das Risiko einseitiger Deutungen, schließen den Confirmation Bias aber nicht vollständig aus. In geeigneten experimentellen Designs kann eine Doppelblindung sinnvoll sein, bei der weder Teilnehmende noch Untersuchende die Gruppenzugehörigkeit kennen. Welche Blindung möglich und angemessen ist, richtet sich nach dem Forschungsdesign.
Ein Beispiel aus der Praxis
Eine Absolventin erwartet, dass ihr neues Trainingswerkzeug die Leistungskurve hebt. Bei der Auswertung konzentriert sie sich auf die Gruppe mit verbesserten Leistungswerten und erklärt schlechtere Ergebnisse vorschnell mit mangelndem Interesse. So entsteht der Eindruck eines klaren Trends, obwohl abweichende Fälle nicht angemessen berücksichtigt wurden. Ein vorab festgelegter Auswertungsplan, eine verblindete Auswertung und eine unabhängige Gegenprüfung hätten das Risiko dieser einseitigen Deutung verringern können. Der Methodik-Überblick hilft dabei, ähnliche kognitive Fallen und passende Gegenmaßnahmen einzuordnen. Das Beispiel zeigt: Nicht die Rohdaten allein entscheiden über eine Schlussfolgerung, sondern auch ihre Auswahl und Deutung. Niemand ist vollständig vor solchen Verzerrungen geschützt. Deshalb ist es sinnvoll, Schlussfolgerungen kritisch zu prüfen und sie an den verfügbaren Daten sowie an möglichen Gegenbelegen zu messen.
Andere Verzerrungen und Methoden: soziale Erwünschtheit, Doppelblindstudie sowie methodisches Vorgehen.