Wenn nur wenige Daten vorliegen, achten wir darauf, nicht vorschnell Schlussfolgerungen zu ziehen. Doch wenn sich große Mengen an Zahlen und Aufzeichnungen ansammeln, entsteht leicht das Gefühl: „Bei so viel Material muss die Antwort doch offensichtlich sein.“ Mehr Beobachtungen erweitern zweifellos das, was wir wissen können. Aber eine größere Datenmenge bedeutet nicht, dass ihre Bedeutung eindeutig wird. Welche Erklärungen sich aus denselben Daten ableiten lassen, hängt davon ab, was gemessen wurde, was nicht gemessen wurde und welcher Zeitraum untersucht wurde.
Nehmen wir zum Beispiel an, die Nutzungsdauer eines Dienstes steigt innerhalb eines Monats. Wir könnten versucht sein, dies mit „Die Zufriedenheit der Nutzer ist gestiegen“ zu erklären. Doch während sich die gestiegene Nutzungsdauer beobachten lässt, lässt sich der Grund dafür nicht allein anhand der Zahlen feststellen. Vielleicht war eine neue Funktion praktisch, vielleicht wurde aber auch die Bedienung komplizierter und nahm deshalb mehr Zeit in Anspruch. Schon die Trennung zwischen der beobachteten Veränderung und ihrer Erklärung verändert die nächste Forschungsfrage erheblich.
In der Forschung ist es notwendig, von Beobachtungen zu Hypothesen überzugehen. Das Problem besteht nicht darin, Hypothesen zu haben, sondern darin, dass eine Hypothese unbemerkt denselben Status wie eine beobachtete Tatsache erhält. Sobald wir entscheiden: „Das ist die Ursache“, neigen wir eher dazu, spätere Daten so zu lesen, dass sie zu dieser Erklärung passen. Der Raum für andere Erklärungen wird enger, und widersprechende Belege können als Ausnahme behandelt werden. Verfrühte Gewissheit kann nicht nur eine Untersuchung beenden, sondern auch beeinflussen, was wir als Nächstes beobachten.
Dieses Problem wird noch wichtiger, wenn KI Forschung und Untersuchungen unterstützt. KI kann große Mengen an Material ordnen, Gemeinsamkeiten herausarbeiten und mögliche Erklärungen schnell präsentieren. Diese Fähigkeit ist nützlich, doch je schlüssiger eine geordnete Erklärung wirkt, desto eher kann eine Hypothese wie eine bereits überprüfte Schlussfolgerung erscheinen. Die Tatsache, dass KI sehr viele Informationen verarbeitet hat, bedeutet nicht, dass ihre Interpretation die einzig mögliche ist. Verarbeitungsmenge und Sicherheit einer Schlussfolgerung müssen getrennt betrachtet werden.
Daher ist es hilfreich, Beobachtung, Interpretation, Hypothese und Verifikationsergebnisse als getrennte Stufen zu behandeln. Die Beobachtung zeigt, was aufgezeichnet wurde; die Interpretation zeigt, wie die Aufzeichnung gelesen wird. Eine Hypothese ist eine mögliche Erklärung für mehrere Beobachtungen, und die Verifikation prüft, in welchem Maß diese Möglichkeit gestützt wird. Werden diese Stufen nicht vermischt, kann selbst bei einer starken Hypothese die Frage offenbleiben: „Was muss noch überprüft werden?“
Eine Schlussfolgerung vorläufig festzuhalten bedeutet nicht, Entscheidungen unbegrenzt aufzuschieben. Je nach Zweck einer Untersuchung kann es notwendig sein, auf Grundlage begrenzter Informationen zu handeln. Auch dann besteht ein Unterschied zwischen „Diese Erklärung wird durch die derzeitigen Belege am stärksten gestützt“ und „Das ist die einzige Wahrheit“. Wird die Vorläufigkeit bewahrt, kann das Urteil aktualisiert werden, wenn neue Belege auftauchen. Der Grad der Gewissheit sollte dem Stand der Belege entsprechen.
Sowohl für Menschen als auch für KI erfordert es Mut, manche Bereiche unbekannt zu lassen. Eine abgeschlossene Erklärung vermittelt Sicherheit, doch der Wert von Forschung liegt nicht darin, wie schnell sie beruhigt, sondern darin, wie gut eine Erklärung der Realität standhält. Wenn eine Hypothese bei widersprechenden Belegen zusammenbrechen würde, ist es besser, diese Möglichkeit nicht zu verbergen. Etwas überprüfbar zu halten, macht die Schlussfolgerung nicht schwach; es macht die Grundlage ihrer Stärke deutlich.
Auch wenn Sai＊aus Untersuchungen unterstützt, besteht das Ziel nicht nur darin, aus großen Informationsmengen schnell eine einzige Schlussfolgerung zu erzeugen. Wenn unterschieden werden kann, was beobachtet wurde, wo Interpretation hinzugekommen ist und was weiterhin eine Hypothese bleibt, können Menschen entscheiden, was als Nächstes überprüft werden muss. Die Fähigkeit der KI, Informationen zu ordnen, kann dazu genutzt werden, nicht Schlussfolgerungen abzuschließen, sondern vielmehr dazu, den Einstieg in die Verifikation sichtbar zu machen.
Mehr Daten machen Wahrheit nicht automatisch eindeutig. Was zunimmt, ist das Material, mit dem sich die Realität überprüfen lässt. In die Art, wie aus diesem Material Erklärungen gebildet werden, fließen Annahmen und Interpretationen ein. Forschung verlangt daher nicht, die Daten selbst anzuzweifeln, sondern den Weg zwischen Daten und Schlussfolgerung nicht aus den Augen zu verlieren. Wenn eine Schlussfolgerung nicht vorschnell als Realität festgeschrieben, sondern durch Verifikation revidierbar gehalten wird, kann die Fülle an Informationen in Tiefe des Verständnisses verwandelt werden.
Keine Antworten. Verstehen.