{"id":4743,"date":"2021-02-25T14:00:27","date_gmt":"2021-02-25T12:00:27","guid":{"rendered":"https:\/\/www.bernhardschloss.de\/blog\/?p=4743"},"modified":"2024-12-30T10:44:22","modified_gmt":"2024-12-30T08:44:22","slug":"qualitativ-vs-quantitaiv","status":"publish","type":"post","link":"https:\/\/www.bernhardschloss.de\/blog\/qualitativ-vs-quantitaiv\/","title":{"rendered":"Qualitativ vs. quantitaiv"},"content":{"rendered":"\n

Zahlen haben fast schon eine „magische“ Wirkung auf uns. Wir schenken ihnen Vertrauen und sie liefern uns exakte Aussagen.<\/p>\n\n\n\n

Sch\u00f6n w\u00e4re es, denn im Detail liegen ein paar T\u00fccken: Messen bzw. zeigen die Zahlen tats\u00e4chlich das, was sie vermeintlich vorgeben zu zeigen? Und mit welcher Zuverl\u00e4ssigkeit und Genauigkeit tun sie es?<\/p>\n\n\n\n

\"\"\/<\/figure>\n\n\n\n

Die Krux mathematischer Modelle und Berechnungen liegt darin, dass sie uns Ergebnisse mit Nachkommastellen liefern. Das aber ist lediglich eine Scheingenauigkeit, denn das Ergebnis kann nicht besser sein als das zugrundeliegende Modell. Wie sehr uns das \u00fcberfordert, zeigt der aktuelle Umgang mit den Covid Statistiken. Von uns Laien werden Zahlen vogelwild interpretiert ohne das wir wirklich wissen, was sie aussagen, ohne das wir statistische Effekte aus Erfassung und Verarbeitung, wie z.B. durch die \u00c4nderung der Teststrategie oder das Meldeverhalten, ber\u00fccksichtigen.<\/p>\n\n\n\n

Wir sind in guter Gesellschaft. Seit langem bem\u00e4ngelt \u00a0Gerd Gigerenzer<\/a> (Amazon), dass die meisten Mediziner, medizinische Wahrscheinlichkeitsaussagen nicht interpretieren k\u00f6nnen. Wie soll das dann bei Covid anders sein?<\/p>\n\n\n\n

Oder im Risikomanagement?<\/p>\n\n\n\n

Die bekannteste Quantifizierung eines Risikos ergibt sich aus der versicherungmathematischen Formel als Produkt von Eintritswahrscheinlichkeit und potentiellem Schaden, dem sogenannten Erwartungwert.<\/p>\n\n\n\n

\"\"\/<\/figure>\n\n\n\n

<\/p>\n\n\n\n

Aber welche Aussagekraft hat der Erwartungswert?<\/p>\n\n\n\n

Nun statistisch gesehen, ist das der durchschnittlich zu erwartende Schaden. Aber nutzt uns das was? Das ist in etwas wie die durchschnittliche Fiebertemperatur aller Krankenhauspatienten. Nehmen wir einmal an, ein Unternehmen w\u00fcrde aufgrund eines solchen Modells finanzielle R\u00fcckstellungen in H\u00f6he des Erwartungswerts treffen. Bei Risiken die digital eintreten, d.h. sie treten entweder ein oder sie treten nicht ein, stecken wir in dem Dilemma, dass wir im einen Fall zu niedrige und im anderen Fall zu hohe R\u00fcckstellungen getroffen haben. Worst case ist beides existenzbedrohend, z.B. im Falles des Eintretens eines „schwarzen Schwans<\/a>“ (Amazon Affilitate Link), also eines \u00e4u\u00dferst unwahrscheinlichen Ereignisses – z.B. einer Covid-Pandemie….<\/p>\n\n\n\n\n\n\n\n

Ist deshalb quantitatives Risikomanagement unsinnig? – Nein, ist es nicht, wenn wir uns seiner Limitationen bewusst sind.<\/p>\n\n\n\n

Mit einer auf RiskNET ver\u00f6ffentlichten Studie, versucht Thomas Berger die „Grenzen einer qualitatitven Risikobewertung<\/a>“ aufzuzeigen. F\u00fcr mich zeigt dies aber genau den hier beschriebenen Trugschluss. Statt sich mit einer ordinalen Skala zur Risikobewertung (in verbaler Form der Art: ausgeschlossen, selten, m\u00f6glich, h\u00e4ufig , h\u00f6chst wahrscheinlich, sicher) zufrieden zu geben, wurden die Probanden zu einer Quantifizierung dieser Stufen angehalten. Probanden verschiedener Fachrichtungen wurden dann miteinander verglichen.<\/p>\n\n\n\n

Ich halte ein solches zwanghaftes Festhalten ein quantitativen Konzepten f\u00fcr falsch (es sei denn das jeweilige Konzept ist hinreichend valide und exakt).<\/p>\n\n\n\n

Der Kern jeglichen Risikomanagements ist die systematische und fortlaufende Auseinandersetzung mit etwaigen Risiken. Weit wichtiger als eine Quantifizierung, ist dabei die Sensibilisierung der Betroffenen, die Sicherstellung von Handlungsf\u00e4higkeit, ein vern\u00fcnftiges Ma\u00df der Vorbeugung und die regelm\u00e4\u00dfige Anwendung.<\/p>\n\n\n\n

Quantifizierte Modelle, wie der Erwartungswert, k\u00f6nnen uns bei der Priorisierung und Einsch\u00e4tzung helfen, wenn wir ihre Grenzen kennen. Ein grunds\u00e4tzliches Problem stellt dabei die Unvollst\u00e4ndigkeit unserer Betrachtung dar. Wir k\u00f6nnen nur Risiken bewerten, die wir auch als solche erkannt haben, die Unknown-unknowns stellen uns mit ihrem Eintreten dann vor \u00e4hnliche Herausfoprderungen wie die schwarzen Schw\u00e4ne.<\/p>\n\n\n\n

Ich bin ein gro\u00dfer Fan qualitativer Ans\u00e4tze. Ja, sie sind nicht so sch\u00f6n, nicht so exakt und nicht so handhabbar, aber sie machen uns ihre Limitationen auch bewusst. Wir werden nicht betriebsblind. Und nachdem wir nicht von Rocket Science, sondern wohl eher von hemds\u00e4rmligen Vorsichtsma\u00dfnahmen sprechen, ist das meist vollkommen ausreichend.<\/p>\n\n\n\n

Neben dem erw\u00e4hnten versicherungsmathematischen Modell der Risikobetrachtung gibt es \u00fcbrigens auch andere M\u00f6glichkeiten zur Ausdifferenzierung eines Risikoprofils. Im Modell der Disaster Risk Reduction des United Nations Office f\u00fcr Disaster Risk Reduction<\/a> werden drei Dimensionen unterschieden:<\/p>\n\n\n\n