Korrelation oder Kausalität? Der Unterschied verständlich erklärt

Unterschied Korrelation und Kausalität

Wer Daten wissenschaftlich auswertet, muss beobachtete Zusammenhänge von Ursache-Wirkungs-Fragen trennen. Dieser Leitfaden übersetzt den Unterschied in eine konkrete Fachfrage, einen nachvollziehbaren Arbeitsschritt und ein überprüfbares Ergebnis.

Vom beobachteten Zusammenhang zur prüfbaren Fachfrage

Der Unterschied zwischen Korrelation und Kausalität wird besonders dort wichtig, wo eine Aussage nicht nur einen Zusammenhang beschreiben, sondern eine Entscheidung über eine Maßnahme begründen soll. Die zugrunde liegende Fachfrage lautet dann nicht lediglich, ob zwei Merkmale gemeinsam auftreten. Sie lautet vielmehr: Was verändert sich durch eine bestimmte Ursache im Vergleich zu einer Situation, in der diese Ursache nicht eintritt?

Die direkte Quelle behandelt diese Perspektive im Kontext von Reliable AI und datenbasierten Entscheidungen. Dort wird zwischen einer Vorhersage und einer Ursache-Wirkungs-Frage unterschieden. Eine Vorhersage kann ein Risiko schätzen. Eine kausale Untersuchung fragt dagegen, welcher Effekt mit einer Behandlung, Förderung oder anderen Maßnahme verbunden ist. Diese Einordnung gilt hier deshalb für den von der Quelle gesetzten Fachkontext, nicht als allgemeine Aussage über jede Form statistischer Auswertung.

Für einen eigenen Text lässt sich der Unterschied in ein überprüfbares Arbeitsergebnis übersetzen. Die Fachfrage kann etwa so gefasst werden: „Welcher Unterschied im Ergebnis ist einer Maßnahme zuzuschreiben, wenn die Vergleichssituation ohne diese Maßnahme ausdrücklich modelliert wird?“ Das Ergebnis besteht anschließend nicht aus der bloßen Feststellung, dass zwei Größen gemeinsam beobachtet wurden. Es besteht aus einer klar begrenzten Darstellung dessen, welche Ursache, welcher Effekt und welche Vergleichssituation untersucht werden.

Wer ein Thema im wissenschaftlichen Schreiben bearbeitet, sollte zuerst die Aussageabsicht bestimmen. Geht es um Beschreibung, Vorhersage oder um eine kontrafaktische Frage? Eine kontrafaktische Frage richtet den Blick auf das, was unter einer anderen Bedingung geschehen wäre. Die Quelle nennt dafür die Frage nach einem Behandlungsergebnis ohne die betreffende Therapie als Beispiel aus der Medizin. Diese Formulierung darf nicht aus dem medizinischen Kontext gelöst und ungeprüft auf andere Bereiche übertragen werden.

Ein sauberer Einstieg in das Thema kann mit dem Forschungsfrage formulieren verbunden werden. Die Frage muss den untersuchten Einfluss, das beobachtete Ergebnis und die Vergleichssituation sichtbar machen. Für die spätere wissenschaftliche Argumentation ist entscheidend, dass jeder dieser Bestandteile im Text wiedergefunden werden kann. Fehlt einer davon, sollte nicht durch eine stärkere Behauptung nachgebessert werden. Stattdessen ist zu prüfen, ob die direkte Quelle und das vorhandene Material die gewünschte Aussage überhaupt tragen.

Bestandteile einer kausal orientierten Untersuchung

Der Aufbau folgt einer nachvollziehbaren Reihenfolge. Zuerst wird die Fachfrage für den Unterschied zwischen Korrelation und Kausalität festgelegt. Dazu werden Ursache, möglicher Effekt und Vergleichssituation in einem Satz benannt. Eine brauchbare Frage vermeidet dabei die unspezifische Form „Hängen X und Y zusammen?“, wenn tatsächlich die Wirkung einer Maßnahme untersucht werden soll. Sie fragt stattdessen nach dem Unterschied zwischen einer Situation mit Einfluss und einer modellierten Situation ohne diesen Einfluss.

Als zweiter Bestandteil wird die direkte Quelle ausgewertet. Im vorliegenden Quellenmaterial beschreibt die LMU einen Fachbeitrag zu Reliable AI und zur Frage, wann datenbasierte Entscheidungen Kontext und Kausalität benötigen. Die geltenden Kriterien für die eigene Darstellung werden daraus eng abgeleitet: Die Untersuchung muss zwischen Vorhersage und Ursache-Wirkungs-Frage unterscheiden, die relevanten Einflussfaktoren berücksichtigen und die Aussage auf die Bedingungen des Modells begrenzen. Eine darüber hinausgehende Definition wird nicht ergänzt.

Der dritte Bestandteil ist die Ordnung des benötigten Materials oder der Daten. Lege getrennt ab, welches Merkmal als mögliche Ursache betrachtet wird, welches Ergebnis beobachtet oder berechnet werden soll und welche Informationen den Zusammenhang beeinflussen könnten. Die Quelle weist im Beispiel der Förderentscheidung darauf hin, dass frühere Förderung in Datenquellen nicht ohne Weiteres erkennbar sein kann. Für die eigene Arbeit folgt daraus als Prüfschritt: Suche in den verfügbaren Unterlagen nach Einflussfaktoren, die Ursache und Ergebnis gemeinsam berühren könnten, und kennzeichne fehlende Angaben ausdrücklich.

Der vierte Bestandteil ist der fachliche Arbeitsschritt. Die Quelle nennt kausale Graphen und den Potential-Outcome-Ansatz als begriffliche und mathematische Gerüste zur Modellierung von Ursache und Effekt. Wähle nur den Ansatz, den du anhand deiner direkten Quelle nachvollziehbar darstellen kannst. Beschreibe anschließend, welche Variable welchen Einfluss abbildet, welches Ergebnis verglichen wird und wie die Situation ohne den Einfluss in die Analyse eingeht. Eine bloße Korrelation darf dabei nicht als kausaler Nachweis ausgegeben werden.

Der fünfte Bestandteil ist das Ergebnis mit seiner Aussagegrenze. Formuliere, was die Auswertung unter den festgelegten Bedingungen zeigt. Trenne dieses Ergebnis von Aussagen, die das Material nicht erlaubt. Ein Ergebnis kann beispielsweise auf eine berechnete Wirkung innerhalb des aufgesetzten Modells begrenzt sein. Es darf nicht automatisch als Aussage über alle Personen, alle Situationen oder jede Entscheidung verwendet werden.

Diese Ordnung lässt sich in die Bestandteile einer wissenschaftlichen Arbeit einfügen. Für eine Hausarbeit schreiben bedeutet das, die Fachfrage, Quelle, Kriterien, Material, Analyse und Begrenzung in einer lesbaren Abfolge zu verbinden. Wer eine Masterarbeit schreiben möchte, kann dieselbe Abfolge als Struktur für eine ausführlichere Prüfung verwenden, ohne aus der Quelle zusätzliche institutionelle oder methodische Vorgaben abzuleiten. Auch eine Gliederung einer Hausarbeit sollte die Trennung zwischen Zusammenhang, Ursache, Ergebnis und Aussagegrenze sichtbar machen.

Schritt für Schritt zu einem belastbaren Ergebnis

1. Fachfrage festlegen: Formuliere eine Frage, die eine mögliche Ursache, einen Effekt und eine Vergleichssituation enthält. Ergebnis dieses Schritts ist ein prüfbarer Fragesatz, der zwischen gemeinsamer Beobachtung und Wirkung unterscheidet.
2. Direkte Quelle abgrenzen: Lies die Quelle auf ihren Fachkontext hin. Im vorliegenden Material geht es um Reliable AI, datenbasierte Entscheidungen und Ursache-Wirkungs-Beziehungen. Ergebnis ist eine kurze Notiz dazu, welche Begriffe und Beispiele die Quelle tatsächlich trägt.
3. Kriterien bestimmen: Halte fest, dass eine kausal orientierte Darstellung die Wirkung einer Maßnahme gegenüber einer Vergleichssituation betrachtet, relevante Einflussfaktoren einbezieht und die Modellbedingungen nennt. Ergebnis ist eine Prüfliste für die spätere Auswertung, ohne zusätzliche allgemeine Regeln zu erfinden.
4. Material ordnen: Sortiere Angaben nach möglicher Ursache, Ergebnis, Vergleichssituation und weiteren Einflussfaktoren. Kennzeichne Lücken, etwa wenn frühere Maßnahmen aus den vorhandenen Daten nicht erkennbar sind. Ergebnis ist eine Materialübersicht, aus der hervorgeht, welche Angaben verwendet und welche nicht belegt werden können.
5. Arbeitsschritt umsetzen: Wähle aus der direkten Quelle das nachvollziehbare Modellierungsinstrument. Die Quelle nennt kausale Graphen und den Potential-Outcome-Ansatz. Ergebnis ist eine Darstellung, in der der Einfluss und sein mögliches Ergebnis getrennt betrachtet werden.
6. Ergebnis formulieren: Schreibe zuerst, was der Vergleich unter den festgelegten Bedingungen ergibt. Ergebnis dieses Schritts ist eine sachlich begrenzte Aussage statt einer pauschalen Behauptung.
7. Aussagegrenze prüfen: Vergleiche die fertige Aussage mit Fachfrage, Quelle, Kriterien und Material. Ergebnis ist eine überarbeitete Formulierung, die keine Wirkung behauptet, wenn nur ein Zusammenhang beschrieben wurde.

Für die sprachliche Ausarbeitung hilft wissenschaftliches Schreiben, die einzelnen Arbeitsschritte klar voneinander zu trennen. Bei der Belegführung solltest du außerdem Quellenangaben richtig zitieren und die gewählte Form der Zitierweisen konsequent prüfen. Ob dafür die deutsche Zitierweise oder die Harvard-Zitierweise verwendet wird, ist aus dem vorliegenden Quellenmaterial nicht abzuleiten. Deshalb sollte die Auswahl anhand der geltenden Vorgaben des konkreten Arbeitszusammenhangs geprüft werden.

Auch die Einordnung der Methoden wissenschaftlicher Arbeiten darf nicht über den Beleg hinausgehen. Die direkte Quelle nennt kausale Graphen und den Potential-Outcome-Ansatz. Wenn du zusätzlich qualitative und quantitative Forschung vergleichst, prüfe zuerst, ob deine verwendete Quelle diesen Vergleich trägt. Fehlt ein solcher Beleg, bleibt es bei einer konkreten Prüfhandlung.

Kurzes Beispiel mit Ursache, Vergleich und Ergebnis

Eine Arbeitsgruppe untersucht eine Fördermaßnahme und möchte nicht nur feststellen, welche Personen ein hohes Arbeitslosigkeitsrisiko haben. Sie formuliert daher die Fachfrage: „Welchen Unterschied macht die besondere Förderung für das untersuchte Ergebnis im Vergleich zu einer Situation ohne diese Förderung?“ Damit ist die Frage auf eine mögliche Wirkung ausgerichtet.

Als direkte Quelle verwendet die Gruppe den LMU-Beitrag zu Reliable AI. Sie entnimmt daraus das Kriterium, dass eine solche Entscheidung nicht bei einer reinen Risikovorhersage stehen bleiben darf, wenn die Wirkung einer Maßnahme untersucht werden soll. Außerdem übernimmt sie den Hinweis, dass eine frühere Förderung in Datenquellen möglicherweise nicht unmittelbar erkennbar ist. Das Material wird deshalb in drei Gruppen geordnet: Angaben zur Förderung, Angaben zum Ergebnis und Angaben zu früheren Einflüssen.

Im fachlichen Arbeitsschritt zeichnet die Gruppe einen einfachen kausalen Graphen. Ein Knoten steht für die Förderung, ein weiterer für das Ergebnis. Zusätzliche Angaben werden als mögliche Einflussfaktoren markiert, sofern die Quelle und das Material sie ausweisen. Danach beschreibt die Gruppe die Vergleichssituation ohne Förderung. Sie behauptet nicht, dass eine beobachtete Verbindung bereits die Wirkung beweist.

Das überprüfbare Arbeitsergebnis lautet deshalb zunächst: Die Untersuchung ist als Kausalfrage angelegt, weil sie eine Maßnahme mit einer Situation ohne diese Maßnahme vergleicht. Ob daraus eine belastbare Wirkungsangabe folgt, wird nur insoweit formuliert, wie Modell, Quelle und Daten diese Aussage tragen. Fehlt die Information über eine frühere Förderung, wird diese Lücke im Ergebnis genannt. Der allgemeine Überblick über das Vorgehen wird nicht als fertiger Nachweis für die Förderwirkung ausgegeben.

Dieses Beispiel zeigt zugleich, wie du Literaturverzeichnis erstellen und Belegführung mit der inhaltlichen Prüfung verbindest: Die verwendete Quelle wird vollständig erfasst, ihre Aussage wird der passenden Passage zugeordnet und die eigene Formulierung bleibt auf den dort gesetzten Kontext beschränkt. Zur Kontrolle kannst du zusätzlich Plagiat vermeiden, indem du die Darstellung eigenständig formulierst und direkte Übernahmen als solche prüfst.

Inhaltliche Abgrenzung und formale Prüfung

Der Qualitätscheck besteht aus zwei sichtbar getrennten Teilen. Die inhaltliche Abgrenzung prüft zuerst die Fachfrage: Ist erkennbar, welche Ursache, welcher Effekt und welche Vergleichssituation untersucht werden? Wird tatsächlich nach einer Wirkung gefragt oder nur ein gemeinsames Auftreten beschrieben? Wenn die Frage unklar bleibt, formuliere sie neu, statt das Ergebnis stärker erscheinen zu lassen.

Danach wird die direkte Quelle geprüft. Im vorliegenden Fall muss die Darstellung beim Kontext Reliable AI und datenbasierter Entscheidungen bleiben. Die genannten Kriterien müssen aus der Quelle ableitbar sein: Ursache und Effekt werden systematisch modelliert, relevante Einflussfaktoren werden berücksichtigt und eine Vergleichssituation ohne Eingriff wird ausdrücklich betrachtet. Prüfe außerdem, ob ein Beispiel aus Arbeitsförderung oder Medizin unzulässig verallgemeinert wurde.

Als Nächstes kontrollierst du das Material. Sind Ursache, Ergebnis, Vergleichssituation und mögliche Einflussfaktoren getrennt erfasst? Ist eine fehlende Information als Lücke gekennzeichnet? Wurde eine Vorhersage mit einer Wirkungsanalyse verwechselt? Das Ergebnis muss anschließend genau zu dem Material passen. Eine Aussage über einen kausalen Effekt bleibt unzulässig, wenn der Arbeitsschritt nur eine Korrelation ausweist.

Die Nachvollziehbarkeit verlangt, dass ein Leser den Weg von der Fachfrage über Quelle und Kriterien bis zum Ergebnis verfolgen kann. Deshalb sollte jeder Arbeitsschritt ein erkennbares Zwischenergebnis haben. Prüfe, ob das gewählte Modellierungsinstrument, etwa ein kausaler Graph oder der Potential-Outcome-Ansatz, aus der direkten Quelle stammt und im eigenen Text verständlich eingesetzt wird.

Die Aussagegrenze bildet den Abschluss der inhaltlichen Prüfung. Frage, ob das Ergebnis nur für die festgelegte Modellierung und den beschriebenen Kontext gilt. Entferne Formulierungen, die über die Quelle, die Daten oder die Vergleichssituation hinausgehen. Behaupte insbesondere keine Wirkung, wenn nur ein beobachteter Zusammenhang vorliegt.

Die formale Prüfung steht davon getrennt. Kontrolliere Überschriften, Reihenfolge, Belege, Quellenangaben und die Einheitlichkeit der gewählten Zitierform. Prüfe, ob das Literaturverzeichnis erstellen vollständig umgesetzt wurde, ohne daraus eine fachliche Aussage über Kausalität abzuleiten. Kontrolliere anschließend, ob die sichtbaren Begriffe grammatisch in vollständige Sätze eingebettet sind. Inhaltliche Tragfähigkeit und formale Ordnung bleiben zwei getrennte Prüfbereiche.

Quellen und Stand

• Reliable AI: „Wenn KI entscheiden soll, braucht sie Ko …: LMU München: www.lmu.de (geprüft am 2026 bis 08 bis 30)

Die Einordnung „Korrelation oder Kausalität? Der Unterschied verständlich erklärt“ fasst den vollständigen Zusammenhang zusammen.