Data Literacy – schön wär’s!

Was ist das, Data Literacy? Na klar, man muss Daten sammeln, auswerten, professionell und ethisch mit ihnen umgehen. Das sollte man können! Es wird zu wenig über das Interpretieren von Zahlen nachgedacht, auch über die Kompetenz, manipulierte Daten oder Argumente zu erkennen und überhaupt zu merken, wenn Menschen bewusst zur Täuschung oder aus Data Illiteracy schräg oder absichtsvoll argumentieren und das mit Daten „belegen“.

Ich will damit sagen, dass zur Beurteilung von Daten eine Menge Kontextwissen erforderlich ist, auch dafür, Manipuliertes oder einfach Falsches zu erkennen. „Wenn wir mehr testen, gibt es mehr Fälle – im Grunde ist gar nichts los.“ Wie geht man mit einer solchen Aussage um? An solchen Stellen sollten Menschen so viel Bildung haben, dass sie merken, wann sie etwas selbst nicht beurteilen können. Weiter brauchen sie viel Bildung, um zu erkennen, wer es richtig beurteilen kann und auch so beurteilt. „Ich habe meinen alten Hausarzt gefragt, dem vertraue ich, weil er oft was gegen Grippe verschreibt.“ – „Ich misstraue der Politik, also glaube ich den Querdenkern.“ – „Die Seuche ist von der Pharmalobby erfunden.“ Ich wende ein: „Lässt sich denn die unendlich viel stärkere Öl-Auto-Tourismus-Lobby das einfach so gefallen?“

Noch ein Beispiel kollektiver – ach, ich schreibe mal – Dummheit: Wir machen wegen der Corona-Pandemie HUNDERTE Milliarden neuer Schulden. Dann aber verhandelt man lange hin und her, ob eine Impfdosis 12 oder 18 Euro kosten soll. 80 Millionen Einwohner mal 2 Impfdosen ergibt also je nach Preis grob gerechnet 2 oder 3 Milliarden. Wenn ich nun schnell handele und 1 Milliarde drauflege, wenn ich einfach zur Vorsicht bei mehreren Herstellern gleichzeitig kaufe, also auf Verdacht viel zu viele Dosen kaufe, dann spare ich doch – sagen wir – 100 Milliarden? Es geht mir nicht um das Zocken, aber die höheren Preise hätten den Impfentwicklern auch früh erlaubt, schnell die Produktion höher zu skalieren. Und man fragt sich, was Politik so denkt – über das Beschaffen von Masken, Impfdosen oder Tests. Und die Bevölkerung schließt die Augen vor einer zweiten und jetzt gerade vor einer dritten Welle und zahlt dieses Jahr für die Data Illiteracy noch einmal 100 Milliarden dazu; darüber hinaus retten wir bald Staaten, die für ihre Irrtümer nicht so viel Geld aufnehmen können.

Ich habe hier nur die Probleme der Urteilskraft angerissen. Urteilskraft kann durch Zahlen verbessert werden, aber sie muss auch schon einmal als Grundlage vorhanden sein. Bildung und Kontextwissen sind gefragt! Plausibilitätssinn ist bitter nötig („Ich habe in der Klassenarbeit ausgerechnet, dass 17 mal 3 gleich 83 Millionen ist. Hast du das auch raus?“). Das Verständnis für Abläufe fehlt („Einen Tag vor Weihnachten ist der Impfstoff in großer Eile EU-genehmigt worden. Warum liefert das Unternehmen nicht schon nach Weihnachten aus? Können die nicht schon mal auf eigenes Risiko 100 Millionen Dosen vorfabrizieren? Wenn das Zeug danach in den Studien echt wirken sollte, können wir es sofort verteilen“). Die Einsicht in Managementprobleme ist generell so gering, dass sehr viele Mitarbeiter sehr seltsame Erklärungsmuster bilden, die an Verschwörungstheorien grenzen („Ich vermute, dass die da oben ...“).

Wer die Abläufe und Zusammenhänge nicht kennt, beurteilt nicht nur falsch, sondern lässt sich täuschen, verführen und zur Kasse bitten. „Ich glaube keiner Statistik, die ich nicht selbst gefälscht habe.“ Diesen Satz kennen Sie sicher, aber Sie lachen leider darüber. Das kommt Sie teuer zu stehen. Zur Urteilskraft gehört auch eine Art von Bildung, wer welche Interessen hat und vertritt ...

Oh, ich merke, das Thema ufert aus. Nehmen Sie es kurz so: Data Literacy ist ein hilfreicher Teil unseres Urteilsvermögens – und sie wird wichtiger, weil es immer komplexere Abläufe, verschiedene Interessenlagen, noch mehr Trolle und Demagogen im Netz, Marketing, Blendwerk und absichtliche „Abgrenzung von allem anderen zur sichtbaren Profilierung“ gibt. Data Literacy wird in den Medien nicht wirklich priorisiert, denn das intelligent Dumme, wenn es schrill genug ist, kommt in Talkshows, aber die blasse Wahrheit braucht bald eine Quote.

Es geht dabei nicht nur um die individuelle Data Literacy, sondern um das Vorherrschen der Data Literacy in einer Kultur. Was hilft es, wenn die Mehrheit das Falsche glaubt, weil es ihr besser so passt, wenn es eingängig klingt oder gar nützt?