Regression zur Mitte

Fast jedes Ergebnis, das man misst, hat zwei Anteile. Der eine Anteil ist das echte Können oder der echte Zustand. Der andere Anteil ist Glück, Tagesform oder schlicht Messungenauigkeit. Ein extrem hoher Wert entsteht besonders oft dann, wenn beide Anteile gerade günstig zusammenfallen. Beim nächsten Mal ist das Können noch da, das Glück aber meist nicht mehr. Deshalb liegt der zweite Wert typischerweise näher am Durchschnitt. Genau dieses Muster nennt man Regression zur Mitte.

Der Denkfehler hinter vielen Erfolgsmeldungen

Der Effekt ist deshalb wichtig, weil er ständig für eine Wirkung gehalten wird. Ein Beispiel: Eine Klasse schreibt eine Mathearbeit, die schlechtesten fünf bekommen Nachhilfe. In der nächsten Arbeit sind sie besser. Das wirkt wie ein Beleg für die Nachhilfe, ist aber zum großen Teil der normale Rückweg zur Mitte. Ohne Vergleichsgruppe kann man beides nicht trennen.

Dasselbe passiert in der Wirtschaft und in der Medizin. Eine Firma wechselt nach dem schlechtesten Quartal den Chef, danach geht es aufwärts. Ein Patient nimmt genau dann ein Mittel, wenn die Schmerzen am stärksten sind, und danach wird es besser. In beiden Fällen wäre eine Verbesserung auch ohne Eingriff wahrscheinlich gewesen. Wer das übersieht, überschätzt die Wirkung von Maßnahmen systematisch.

Der Effekt hat auch eine unangenehme Kehrseite. Lob nach einer Spitzenleistung wird oft von einem schwächeren Ergebnis gefolgt, Kritik nach einem Ausrutscher von einem besseren. Daraus lernen viele Menschen fälschlich, dass Kritik wirkt und Lob schadet. Der Psychologe Daniel Kahneman hat genau diesen Fall bei Fluglehrern beschrieben.

Warum Zufall und Können sich hier trennen

Entscheidend ist, wie stark der Zufall an einem Wert beteiligt ist. Misst man etwas perfekt zuverlässig, etwa die Körpergröße mit einem guten Maßband, gibt es kaum Regression zur Mitte. Ist der Wert dagegen fast reiner Zufall, wie bei einem Würfelwurf, kehrt er praktisch komplett zum Durchschnitt zurück. Die meisten realen Messungen liegen dazwischen: Noten, Umsätze, Sportergebnisse, Modellbewertungen.

Statistiker beschreiben das über die Korrelation zwischen zwei Messungen, also darüber, wie stark sie zusammenhängen. Je schwächer dieser Zusammenhang, desto stärker rutscht der zweite Wert Richtung Mitte. Bei einer Korrelation von 0,5 liegt der erwartete zweite Wert nur noch halb so weit vom Durchschnitt entfernt wie der erste. Wichtig ist: Das gilt für den Erwartungswert, also den Durchschnitt vieler Fälle. Einzelne Ausnahmen bleiben immer möglich.

Ein häufiger Irrtum ist, hier eine ausgleichende Kraft zu vermuten. Der Zufall hat kein Gedächtnis und schuldet niemandem einen Ausgleich. Es ist nur so, dass mittlere Ergebnisse viel häufiger vorkommen als extreme. Wer aus einer Gruppe ausgerechnet die Extreme herausgreift, hat fast zwangsläufig Glückspilze oder Pechvögel dabei.

Von Ranglisten für Sprachmodelle bis zum Aktiendepot

In der KI-Welt taucht der Effekt bei Ranglisten für Modelle auf. Ein Modell führt in einem Benchmark, also einem standardisierten Testverfahren, mit knappem Vorsprung. Beim nächsten Testdurchlauf mit anderen Aufgaben rutscht es oft wieder ab. Ein Teil des Vorsprungs bestand aus glücklich passenden Testfragen. Deshalb geben seriöse Auswertungen Schwankungsbreiten an statt nur einer Zahl.

In Finanznachrichten begegnet man dem Begriff bei Fonds und Aktien. Der beste Fonds eines Jahres landet im Folgejahr auffällig oft im Mittelfeld. Werbung mit Spitzenplatzierungen aus der Vergangenheit ist deshalb wenig aussagekräftig. Der Warnhinweis, dass frühere Erträge keine Garantie für die Zukunft sind, ist genau darauf gemünzt.

Auch im Alltag ist der Effekt gut sichtbar. Ein Fußballer trifft in einem Spiel dreimal und bleibt danach wochenlang blass. Ein Video geht überraschend viral, die nächsten laufen normal. Wer solche Muster als Regression zur Mitte erkennt, spart sich viele überflüssige Erklärungen. Der beste Schutz bleibt eine Kontrollgruppe: eine Vergleichsgruppe, die dieselbe Ausgangslage hat, aber ohne Eingriff bleibt.