Stellen Sie sich vor, wir befinden uns im Zweiten Weltkrieg. Ein Team von Wissenschaftlern und Ingenieuren analysiert die zurückkehrenden Bomberflugzeuge der US Air Force. Auffallend ist: Die meisten Treffer an den Flugzeugen befinden sich an den Flügeln und dem Heck. Die logische Schlussfolgerung wäre, diese besonders verstärken zu sollen. Doch der Mathematiker Abraham Wald hatte eine andere Idee: Er empfahl, die Teile zu verstärken, die gar keine Treffer aufwiesen – den Motor und das Cockpit. Der Grund dafür? Die Flugzeuge, die in diesen Bereichen getroffen wurden, kehrten schlichtweg nicht zurück. Mit anderen Worten: Wir betrachten nur die Überlebenden und übersehen die Verluste – ein klassischer Fall von Survivorship Bias.
In diesem Artikel erfährst du, wie und warum es zu dem Survivorship Bias kommt, welche Auswirkungen er hat und was man tun kann, um ihn zu erkennen. Bleib dran für faszinierende Einblicke in dieses weit verbreitete Phänomen.
Survivorship Bias ist ein Wahrnehmungsfehler, bei dem die Erfolgschancen überschätzt und Misserfolge ignoriert oder nicht beachtet werden. Dieser kognitive Fehler kann reale Gefahren übersehen lassen und zu Selbstüberschätzung führen. Er entsteht, wenn das Gehirn kognitive Abkürzungen verwendet und auf bekannte Erfahrungen zurückgreift, was Vorurteile und Schubladendenken begünstigen kann. Mehr dazu im nächsten Abschnitt.
Was ist Survivorship Bias?
Der Survivorship Bias, auch bekannt als Überlebenden-Verzerrung, ist eine kognitive Verzerrung, die dazu führt, dass nur erfolgreiche Beispiele beachtet werden, während nicht erfolgreiche Fälle ausgeblendet werden. Diese kognitive Verzerrung kann in verschiedenen Bereichen auftreten und hat weitreichende Auswirkungen auf Entscheidungen in Bereichen wie Finanzen, Beruf und Gesundheit.
Ein klassisches Beispiel für den Survivorship Bias ist der Bereich der Architektur, wo angenommen wird, dass Gebäude aus vergangenen Epochen qualitativ hochwertiger seien. Dies basiert auf den herausragenden Gebäuden, die über die Zeit erhalten geblieben sind, und ignoriert die zahlreichen anderen, die keine besondere Qualität hatten und daher zerfallen sind.
Eine weitere illustrative Situation tritt in der Finanzwelt auf. Investoren neigen oft dazu, erfolgreiche Investmentfonds zu betrachten und in diese zu investieren, während erfolglose Fonds aus der Bilanz entfernt werden, um die finanzielle Lage positiver erscheinen zu lassen. Diese Überlebenden-Verzerrung führt zur Überschätzung der Erfolgschancen und kann zu Fehlinvestitionen und finanziellen Verlusten führen.
Der Survivorship Bias Definition führt dazu, dass menschliche Sehnsüchte nach Erfolg gehegt werden und dabei Fehlentscheidungen getroffen werden. Wie die BBC in einem Artikel feststellte, können radikale Geschäftsstrategien erfolgreicher Unternehmen nicht automatisch auf andere übertragen werden, da der Erfolg nicht garantiert ist und ein Survivorship Bias vorliegen kann.
Um die kognitive Verzerrung Erklärung zu verstehen und zu vermeiden, ist es wichtig, Daten auf ihre Vollständigkeit zu überprüfen und nicht nur Erfolgsgeschichten zu betrachten, sondern auch aus den Fehlern anderer zu lernen. Studien zeigen, dass Unternehmen und Einzelpersonen durch das Überwinden des Survivorship Bias eine ausgewogenere und realistischere Sicht auf Erfolg entwickeln und so langfristig erfolgreicher sein können.
Geschichte und Ursprung des Survivorship Bias
Der Begriff Survivorship Bias hat seine Wurzeln im Zweiten Weltkrieg, wo Ingenieure der US-amerikanischen Fliegerstaffel Zweiter Weltkrieg und der Mathematiker Abraham Wald eine bedeutende Erkenntnis machten. Ihre Untersuchungen veränderten die Herangehensweise an Sicherheitsmaßnahmen und legten den Grundstein für das Verständnis von Verlusten und Erfolgen. Der Fokus lag darauf, die Rückkehrquote der Flugzeuge zu erhöhen, indem die Panzerung verbessert wurde.
Der Fall der US-amerikanischen Fliegerstaffel
Während des Zweiten Weltkriegs führte die Intensität der Luftkämpfe zu einer hohen Anzahl von Abstürzen. Gegnerische Beschüsse brachten einige Flugzeuge zum Absturz, was die Ingenieure dazu veranlasste, nach Lösungen zu suchen. Um die Rückkehrquote zu steigern, analysierten sie die Flugzeuge mit den meisten Einschusslöchern.
Abraham Wald jedoch erkannte einen grundlegenden Fehler in diesem Ansatz. Er richtete seine Aufmerksamkeit auf die unversehrten Bereiche der zurückgekehrten Flugzeuge. Walds Analysen zeigten, dass es effektiver war, die Bereiche zu verstärken, die keine Einschusslöcher aufwiesen, da diese Trefferquellen die Flugzeuge zum Absturz brachten. Dies führte zu einer beträchtlichen Verbesserung der Rückkehrquote.
Diese Geschichte illustriert anschaulich, wie wichtig es ist, auch die weniger offensichtlichen Daten und Misserfolge in die Analyse einzubeziehen. mehr zu diesem Thema hier.
Dieser Ansatz zeigt deutlich, wie Fehlinterpretationen durch Survivorship Bias Geschichte die Datenanalyse verzerren können. Der Begriff erklärt, warum der Erfolg in vielen Bereichen, vom Geschäft bis zur Popkultur, oftmals überschätzt wird, da nur die erfolgreichen Beispiele Aufmerksamkeit erhalten.
| Faktor | Herkömmlicher Ansatz | Abraham Walds Ansatz |
|---|---|---|
| Analysebereich | Bereiche mit Einschusslöchern | Unversehrte Bereiche |
| Erfolgschancen | Geringer Rückkehrerfolg | Höhere Rückkehrrate |
| Ergebnis | Ungefährliche Bereiche verstärkt | Kritische Zonen gestärkt |
Ursachen für das Entstehen des Survivorship Bias
Der Survivorship Bias ist ein faszinierendes und oft missverstandenes Phänomen in der Datenanalyse. Was genau sind die Hauptursachen für diese Verzerrung? Schauen wir uns einige der Schlüsselfaktoren an, die zur Entstehung des Survivorship Bias beitragen.
Datenerhebung und -aufbereitung
Die Art und Weise, wie Daten erhoben und aufbereitet werden, spielt eine entscheidende Rolle bei der Entstehung des Survivorship Bias. Oftmals werden Daten nicht vollständig oder selektiv erfasst, was zur Verzerrung durch Datenaufbereitung führt. Ein klassisches Beispiel ist die Fokussierung auf Erfolg: Nur erfolgreiche Fälle werden untersucht, während gescheiterte Beispiele ignoriert werden. Dies führt zu einem unrealistisch positiven Bild der Realität.
Verzerrung durch Datenaufbereitung kann auch durch die nicht-zufällige Auswahl der Stichprobe, Selbstselektion der Teilnehmer oder Abbruchverzerrung während Langzeitstudien verursacht werden. Diese Faktoren können die Ergebnisse verfälschen und die Genauigkeit der Schlussfolgerungen beeinträchtigen.
Datenanalyse und Fokus
Die Analyse der Daten und der Fokus auf bestimmte Aspekte können ebenfalls zu einer Verzerrung führen. Bei der Datenanalyse wird oft nur auf die erfolgreichen Exempel geachtet, was als Fokussierung auf Erfolg bezeichnet wird. Dies führt dazu, dass wichtige Hinweise und lehrreiche Fehler übersehen werden. Beispielsweise tritt der Survivorship Bias oft am Kapitalmarkt auf, wenn Analysen nur auf erfolgreiche Unternehmen fokussiert werden und gescheiterte ausgeklammert bleiben.
Ein Telekommunikationsunternehmen zeigte, dass die Verbesserung der Datenqualität durch Data Cleaning zu genaueren und zuverlässigeren Entscheidungen führt. Dieses Beispiel unterstreicht die Bedeutung der Datenerhebung und -aufbereitung zur Vermeidung des Survivorship Bias. Eine sorgfältige Prüfung und Filterung von Daten ist entscheidend, um Überlebensverzerrungen zu beseitigen und eine umfassendere Analyse sicherzustellen.
In der Praxis bedeutet dies, dass die Datenbereinigung, eine umfassende Datenerhebung und die richtige Fokussierung auf allen verfügbaren Informationen wesentliche Schritte sind, um den Survivorship Bias zu minimieren und realitätsnähere Ergebnisse zu erzielen.
Beispiele für den Survivorship Bias im Alltag
Im Alltag begegnen uns viele Beispiele des Survivorship Bias, die unsere Wahrnehmung verzerren und oft zu falschen Annahmen führen. Ein besonderes Augenmerk sollte dabei auf die Bereiche Börse und Investmentfonds sowie Unternehmertum gelegt werden.
Börse und Investmentfonds
Der Survivorship Bias Börse entsteht beispielsweise, wenn nur die überlebenden Aktien und Fonds in den Erfolgsvergleich einbezogen werden. Viele Anleger neigen dazu, ihre Anlagestrategien auf Basis dieser verzerrten Wahrnehmung zu entwickeln. Ein entscheidender Punkt ist, dass erfolglose Fonds oft aus den Analysen entfernt werden, was die Performance des Gesamtportfolios künstlich verbessert.
Betrachtet man die historischen Daten: bis zu 90% der Startups und andere Finanzprodukte scheitern, wird klar, wie gravierend der Survivorship Bias die tatsächliche Erfolgschancen verschleiern kann. Dadurch überschätzen viele Anleger ihre potenziellen Gewinne und gehen höhere Risiken ein.
Unternehmertum
Auch im Unternehmertum spielt der Survivorship Bias eine wesentliche Rolle. Häufig schauen angehende Gründer auf die Erfolgsgeschichten bekannter Unternehmer und übersehen dabei die enorm hohe Anzahl der gescheiterten Startups – mehr als neun von zehn gehen pleite. Das führt häufig dazu, dass die Risiken stark unterschätzt werden und die Darstellung der Realiät verfälscht ist.
Ein Vergleich aus dem Marketingbereich zeigt auf, dass das Kopieren von Strategien erfolgreicher Gründer selten zum gleichen Erfolg führt, da die individuellen, oft nicht sichtbaren Faktoren, die zum Erfolg beigetragen haben, nicht berücksichtigt werden. Missionen wie die von Elon Musk oder Steve Jobs sind zwar inspirierend, aber keineswegs eine Garantie für den eigenen Erfolg.
| Bereich | Beispiele für Survivor Bias |
|---|---|
| Börse und Investmentfonds | Entfernung erfolgloser Fonds, verzerrte Performance-Wahrnehmung |
| Unternehmertum | Verzerrte Erfolgsgeschichten, unberücksichtigte Misserfolgsraten |
Auswirkungen des Survivorship Bias
Der Survivorship Bias hat weitreichende Folgen, vor allem in der Entscheidungsfindung und Risikounterschätzung. Er führt zu einer verzerrten Wahrnehmung der Erfolgschancen, indem Entscheidungen oft nur auf den Überlebenden basieren.
„Es ist entscheidend, sich der Auswirkungen des Survivorship Bias bewusst zu sein, da dies die Qualität von Entscheidungen erheblich beeinflussen kann.“
Ein klassisches Beispiel hierfür ist der Nasdaq Composite Index. Von den etwa 3.700 Aktien sind nur 825 aus dem Jahr 2004 noch im Index vorhanden. Diese hohe Fluktuation, oft durch den Survivorship Bias ignoriert, führt zu einer Fehlallokation von Kapital. Unternehmen wie Apple und Microsoft dominieren den Index heute mit nahezu 50%, im Vergleich zu 28% im Jahr 2004, was die Bedeutung der ausgewählten Aktien überbetont und die Risikounterschätzung fördert.
- Überlebende dominieren Analysen, während gescheiterte Einheiten ignoriert werden.
- Erhöhte Konzentration in Indizes, wie im Nasdaq, verzerrt die Realität.
- Backtesting von Anlagestrategien wird durch die Fluktuation erschwert.
- Wachstumswerte, oft volatil und unsicher, verschärfen das Problem.
| Jahr | Anzahl Aktien | Anteil Top 10 Aktien | Dominante Sektoren |
|---|---|---|---|
| 2004 | 3.700 | 28% | Elektronik, Tech-Services (43%) |
| 2023 | 3.700 | 50% | Elektronik, Tech-Services (61%) |
Die Analyse historischer Daten und das Einbeziehen von gescheiterten Vermögenswerten können helfen, den Survivorship Bias zu mildern. Dies kann die Entscheidungsfindung verbessern, Risiken realistischer einschätzen und eine fundierte Investitionsstrategie entwickeln.
Wie lässt sich der Survivorship Bias vermeiden?
Der Survivorship Bias führt oft dazu, dass nur positive Ergebnisse betrachtet werden, was zu überoptimistischen und verzerrten Einschätzungen führt. Um den Survivorship Bias zu überwinden, sollte man eine kritische Datenanalyse durchführen und sicherstellen, dass auch Misserfolge und unvollständige Informationen berücksichtigt werden.
Kritisches Hinterfragen und Vollständigkeit der Daten
Ein wesentlicher Schritt, um den Survivorship Bias zu vermeiden, besteht darin, alle verfügbaren Daten kritisch zu hinterfragen. Beispielsweise verliert die Finanzbranche oft den Blick auf geschlossene oder weniger profitable Investmentfonds, was eine verzerrte Perspektive erzeugen kann. Eine systematische Analyse von Fundamentaldaten kann helfen, dem Überlebensbias beim Investieren entgegenzuwirken. Dies umfasst das Einbeziehen von Daten über Verluste und nicht nur der Gewinne.
Lernen aus den Fehlern anderer
Neben der kritischen Datenanalyse ist es ebenso wichtig, aus den Fehlern anderer zu lernen. Beispielsweise kann der Rückblick auf gescheiterte Unternehmen oder Projekte wertvolle Erkenntnisse liefern. Veranstaltungen, bei denen Gründer und Unternehmer offen über ihre Niederlagen sprechen, bieten eine großartige Plattform, um aus Misserfolgen lernen zu können. So können verzerrte Perspektiven vermieden und die Risikobereitschaft realistischer eingeschätzt werden.
FAQ
Was bedeutet Survivorship Bias?
Warum ist der Survivorship Bias problematisch?
Wer hat den Begriff Survivorship Bias geprägt?
Welche Ursachen führen zum Survivorship Bias?
Wie manifestiert sich der Survivorship Bias an der Börse?
Wie beeinflusst der Survivorship Bias angehende Unternehmer?
Welche Auswirkungen hat der Survivorship Bias generell?
Wie kann man den Survivorship Bias vermeiden?
Manuela Schiemer beschäftigt sich seit über 8 Jahren intensiv mit Psychologie. Ihre Leidenschaft liegt darin, psychologische Mechanismen und die Beweggründe hinter menschlichem Verhalten zu erforschen. Derzeit arbeitet sie an ihrem ersten Buch, das sich mit kognitiven Verzerrungen (Biases) auseinandersetzt und spannende Einblicke in unbewusste Denkprozesse bietet.