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 ist er besonders tückisch, weil er unbemerkt in jede Phase eindringt, von der Literaturauswahl bis zur Interpretation der Daten. Dieser Ratgeber zeigt, wie der Fehler entsteht, wie er Ergebnisse verzerrt und mit welchen Gegenmaßnahmen wie Präregistrierung und Blindung du ihn wirksam eindämmst.

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. Der Begriff stammt aus der Kognitionspsychologie und beschreibt kein bewusstes Fälschen, sondern einen unbewussten Filter. Schon bei der Wahrnehmung entscheidet die Erwartung mit, welche Details auffallen und welche im Hintergrund verschwinden. In wissenschaftlichen Arbeiten trifft dieser Fehler auf ein Umfeld, in dem eine klare Hypothese ohnehin erwünscht ist, und das macht ihn besonders wirksam. Gerade weil niemand absichtlich täuscht, bleibt der Effekt lange unentdeckt und fällt oft erst auf, wenn andere die Arbeit kritisch prüfen. Historisch wurde der Effekt in den 1960er-Jahren durch Experimente von Peter Wason bekannt, in denen Probanden eine Regel lieber bestätigen als widerlegen wollten. Seither gilt er als eine der am besten belegten Verzerrungen der Kognitionspsychologie.

Wie sich der Fehler durch den Forschungsprozess zieht

Der Bestätigungsfehler wirkt nicht an einer einzigen Stelle, sondern begleitet den gesamten Ablauf. 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 Fachzeitschriften signifikante, hypothesenkonforme Ergebnisse bevorzugt annehmen. Dieser Publikationsbias verstärkt den individuellen Fehler auf der Ebene der gesamten Forschungsliteratur.

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 schnelle Verwerfen widersprechender Daten als Messfehler, das nachträgliche Anpassen der Hypothese an die Ergebnisse oder das selektive Berichten nur der signifikanten Tests. Auch das ausschließliche Suchen nach bestätigenden Quellen ist ein Hinweis. Wer diese Muster bei sich bemerkt, hat den Fehler bereits halb entschärft. Hilfreich ist ein Forschungstagebuch, in dem Entscheidungen und ihre Begründungen festgehalten werden. So lässt sich der Confirmation Bias früh im Prozess entlarven, bevor er sich in den Ergebnissen festsetzt. 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, arbeitet vermutlich nicht ergebnisoffen.

Gegenmaßnahme: Präregistrierung

Die wirksamste Vorbeugung ist die Präregistrierung: Hypothesen, Stichprobe und Auswertungsplan werden vor der Datenerhebung öffentlich festgelegt. Damit lässt sich hinterher nicht mehr unbemerkt umdeuten, was als Bestätigung gilt. Eng verwandt ist die Trennung von explorativer und konfirmatorischer Analyse: Wer neue Muster sucht, darf frei explorieren, muss die Befunde aber anschließend an neuen Daten bestätigen. Ein sauber vorab definierter Hypothesentest schützt so vor dem nachträglichen Verschieben der Torpfosten. Auch das Anmelden der geplanten Analysen bei einem Register diszipliniert das eigene Vorgehen und macht spätere Abweichungen sofort sichtbar. In vielen Fächern sind offene Register wie das Open Science Framework inzwischen etabliert und werden von Gutachtern positiv bewertet. Der Aufwand ist gering, doch die Glaubwürdigkeit der gesamten Arbeit steigt erheblich. Gutachter erkennen daran, dass eine Hypothese bereits vor der Erhebung feststand und nicht erst nachträglich aus den vorliegenden Daten herausgelesen wurde, was die Aussagekraft deutlich stärkt.

Gegenmaßnahme: Blindung und Vier-Augen-Prinzip

Eine Blindung trennt die Erwartung von der Auswertung. Bei der Datenanalyse bedeutet das, die Gruppenzuordnung erst nach der Auswertung offenzulegen, damit die Ergebnisse nicht in eine gewünschte Richtung gedeutet werden. Hilfreich sind außerdem eine unabhängige Zweitauswertung, das aktive Suchen nach Gegenbelegen und die Diskussion der Befunde mit Personen, die eine andere Position vertreten. Auch eine deskriptive Statistik der Rohdaten vor jedem Test hilft, sich nicht von einzelnen signifikanten Ergebnissen blenden zu lassen. Mit diesen Routinen bleibt der Confirmation Bias beherrschbar, auch wenn er sich nie völlig ausschalten lässt. In experimentellen Designs lässt sich zusätzlich doppelt verblinden, sodass weder Versuchsleitung noch Teilnehmende die Gruppenzugehörigkeit kennen. Je weniger Vorwissen in die Auswertung einfließt, desto geringer ist der Spielraum für unbewusste Verzerrungen. Schon eine zweite Person, die die Rohdaten unvoreingenommen sichtet, deckt viele einseitige Deutungen auf, die dem ursprünglichen Bearbeiter selbst gar nicht mehr auffallen.

Ein Beispiel aus der Praxis

Eine Studentin vermutet, dass ein neues Lernprogramm die Noten verbessert. Bei der Auswertung achtet sie vor allem auf die Teilnehmenden, deren Noten gestiegen sind, und erklärt die übrigen mit mangelnder Mitarbeit. Das Ergebnis wirkt eindeutig, ist aber durch den Confirmation Bias verzerrt, weil widersprechende Fälle wegerklärt wurden. Mit einer vorab definierten Auswertung, einer verblindeten Notenerfassung und einem kritischen Gegenleser wäre der Fehler aufgefallen. Weitere typische Denkfehler und ihre Vermeidung sammelt der Methodik-Überblick. Das Beispiel zeigt: Nicht die Daten lügen, sondern ihre selektive Deutung durch den Menschen. Wichtig ist die Einsicht, dass niemand gegen diesen Fehler immun ist, auch erfahrene Forschende nicht. Wer das akzeptiert, richtet seine Methodik von vornherein so ein, dass sie die eigene Erwartung kontrolliert. Nützlich ist die Gewohnheit, jede Interpretation kurz gegenzulesen und zu fragen, ob die Daten sie wirklich tragen oder ob nur die Erwartung mitspricht.

Weitere Verzerrungen und Methodik: soziale Erwuenschtheit, Doppelblindstudie und methodisches Vorgehen.