Eine Zahl wirkt neutral. Ein Balkendiagramm wirkt objektiv. Genau das macht Statistik zur wirksamsten Waffe im Meinungskampf: Sie tarnt Interessen als Fakten. Dieses Dossier zeigt, mit welchen Methoden aus echten Daten verzerrte Eindrücke entstehen – und wer davon profitiert. Und es zeigt etwas, das in der Debatte oft untergeht: den Unterschied zwischen einer manipulierten Zahl und einem Modell.
Die meisten Vorwürfe der "Zahlenlüge" verwechseln zwei völlig unterschiedliche Dinge. Eine Manipulation liegt vor, wenn jemand aus mehreren korrekten Darstellungsweisen gezielt die auswählt, die am meisten Eindruck macht – und die anderen verschweigt. Ein Modell oder Szenario dagegen ist von vornherein keine Vorhersage, sondern eine Wenn-Dann-Rechnung: Wenn die Welt sich so entwickelt, dann passiert das. Ein Szenario ist falsch benutzt, wenn man es als Prognose verkauft. Es ist nicht falsch, wenn die zugrunde gelegte Annahme sich später als unwahrscheinlich herausstellt – das ist normale wissenschaftliche Selbstkorrektur.
Diese Unterscheidung ist der rote Faden dieses Dossiers. Manche der folgenden Fälle sind echte Manipulation (Auswahl der eindrucksvolleren Zahl). Andere sind Methodenstreit unter Fachleuten (unterschiedliche, jeweils vertretbare Berechnungswege). Wieder andere sind eine dritte Kategorie: eine correcte wissenschaftliche Anpassung, die im Nachhinein politisch als "Eingeständnis" umgedeutet wird, obwohl sie keines ist. Alle drei sehen für Laien gleich aus – "die Zahl hat sich geändert". Nur eine Analyse der Methode dahinter zeigt, was tatsächlich passiert ist.
Bevor es um konkrete Fälle geht, die vier häufigsten Techniken, mit denen aus echten Daten ein gewünschter Eindruck wird:
Die ARD-Dokumentation "Die Story im Ersten: Im Land der Lügen" (2016) zeigte an Cholesterin- und Blutdruckwerten ein wiederkehrendes Muster: Werden Grenzwerte für "gesund" gesenkt, werden aus Gesunden über Nacht Patienten. Risikoforscher Gerd Gigerenzer wies darauf hin, dass viele der zugrunde liegenden Studien selbst interessengeleitet zustande gekommen seien.
Dieselbe Dokumentation zeigt, wie Versicherungen bei der Kalkulation von Prämien mit auffällig hohen Lebenserwartungsannahmen rechnen – ein Beispiel dafür, dass dieselbe Zahl ("Lebenserwartung") je nach Interessenlage unterschiedlich berechnet wird: einmal zugunsten möglichst hoher Prämien, einmal zugunsten möglichst alarmierender Rentenprognosen.
Bevölkerungsprognosen mit Fachkräftemangel- und Rentenlücke-Narrativ folgen einem ähnlichen Muster: Prognosen über Jahrzehnte hängen von Annahmen zu Geburtenrate, Zuwanderung und Erwerbsbeteiligung ab, die selten offengelegt werden, wenn die Schlagzeile bereits feststeht.
EXTRAPOLATION
– strukturelles Muster, im Einzelfall nicht immer eindeutig nachweisbar.Für Deutschland kursieren für die Jahre 2020/21 mehrere völlig unterschiedliche Zahlen zur Übersterblichkeit – je nachdem, welches Institut mit welcher Methode rechnet:
Wichtig: Hier steht keine Institution im Verdacht, Zahlen erfunden zu haben. Alle drei Werte sind mit nachvollziehbaren, veröffentlichten Methoden berechnet – sie beantworten nur leicht unterschiedliche Fragen (rohe Sterbefallzahlen vs. altersstandardisierte Raten vs. internationale Vergleichsmethodik). Das Beispiel zeigt exemplarisch, wie sehr die Methode das Ergebnis bestimmt, bevor überhaupt jemand etwas "manipuliert".
Die vielzitierten "95 % Wirksamkeit" der ersten Corona-Impfstoffe waren eine relative Risikoreduktion (RRR). In der Zulassungsstudie von Biontech/Pfizer erkrankten 8 von 21.720 Geimpften an COVID-19, gegenüber 162 von 21.728 Ungeimpften. Die absolute Risikoreduktion (ARR) liegt bei rund 0,7 Prozentpunkten.
| Kennzahl | Wert | Bedeutung |
|---|---|---|
| Relative Risikoreduktion (RRR) | 95 % | Verhältnis der Erkrankungsraten zwischen den Gruppen |
| Absolute Risikoreduktion (ARR) | ~0,7 Prozentpunkte | Tatsächlicher Unterschied im Erkrankungsrisiko der gesamten Gruppe |
Das ist der Lehrbuchfall für den "Relative-vs.-absolute-Zahl"-Trick aus dem Werkzeugkasten oben – nur dass er hier nicht von einer einzelnen interessierten Partei stammt, sondern zur Standardpraxis der gesamten biomedizinischen Kommunikation gehört (auch bei anderen Impfstoffen, Medikamentenstudien etc.).
Im Frühjahr 2026 hat das für Klimaszenarien zuständige ScenarioMIP-Team das seit 2013 dominierende Hoch-Emissions-Szenario RCP8.5 (bzw. seinen Nachfolger SSP5-8.5) offiziell als unplausibel eingestuft. Das Szenario war nie als Vorhersage gedacht, sondern als bewusst extreme Wenn-Dann-Rechnung für den Fall eines fortgesetzten globalen Kohle-Booms – der real nicht eingetreten ist.
Dieser Fall ist die Reinform des Unterschieds aus der Einführung: Ein Modell wurde korrekt an neue Annahmen angepasst – ein legitimer, alltäglicher Vorgang in der Wissenschaft. Erst die politische Umdeutung dieser Anpassung zu einem "Eingeständnis" macht daraus eine Zahlen-Manipulation zweiter Ordnung: nicht die Wissenschaft manipuliert hier, sondern die Interpretation der Wissenschaft.
EXTRAPOLATION Über alle fünf Fälle hinweg zeigt sich ein Muster: Die verzerrende Wirkung entsteht selten durch erfundene Zahlen, sondern fast immer durch die Auswahl unter mehreren korrekten Darstellungen – und durch das Verschweigen der Methode, die zu einer bestimmten Zahl geführt hat. Wer die Methode kennt, kann die Zahl einordnen. Wer nur die Schlagzeile kennt, ist der Auswahl der Zahl ausgeliefert.
Offen bleibt: Wie viele der hier genannten Fälle sind bewusste Auswahl der eindrucksvolleren Zahl – und wie viele sind schlicht die Trägheit einer Kommunikationskultur, die komplexe Methodik scheut? Und: Wer profitiert strukturell am meisten davon, dass diese Unterscheidung in der öffentlichen Debatte kaum gemacht wird?