„Daten sind Macht“ ist eines dieser seltenen Management-Bücher, die nicht so tun, als ließe sich die Welt mit einem Dashboard reparieren. Es ist eher ein Gegenmittel gegen den verbreiteten Irrglauben, Zahlen seien Natur, nicht Narrativ.
Katharina Schüller setzt früh einen Satz, der in jedem Vorstandszimmer an die Wand gehört: „Missbrauch von Daten ist Missbrauch von Macht.“ Das klingt nach moralischem Zeigefinger – ist aber in Wahrheit eine nüchterne Betriebsanleitung für eine Zeit, in der „data-driven“ oft nur bedeutet: Wir haben eine Zahl gefunden, die zu unserer Meinung passt. Schüller dreht die Beweislast um: Nicht „die Daten sagen…“, sondern: Wer hat sie erhoben, wie, wozu, und was wird dabei systematisch übersehen? Daten, so ihr roter Faden, sind nicht neutral, sondern in soziale, wirtschaftliche und politische Kontexte eingebettet; sie formen Entscheidungen und Machtstrukturen. Das ist keine akademische Fußnote, sondern der Kern des Problems.
Das Buch als Entzauberungsmaschine: Die beliebtesten Zahlentricks – und wie sie funktionieren
Schüller schreibt für Führungskräfte, die weniger „mehr KI“ brauchen als mehr Widerstandskraft gegen Statistik-Folklore. Und sie liefert Munition: nicht als trockener Methodenkurs, sondern als Tour durch die gängigsten Manipulationspfade – vom harmlosen Schönrechnen bis zum algorithmischen Irrsinn.
Der Mythos der sauberen Daten: Wenn schon die Erfassung lügt
Ein herrlicher, fast schon komischer Abschnitt handelt von Fehlern, die nicht in der Analyse passieren, sondern vorher: Bei der Digitalisierung von Dokumenten „korrigiert“ eine OCR plötzlich Zahlen – aus 8 wird 3, aus 1 wird 7. Das ist keine Metapher, sondern ein reales Risiko automatisierter Verarbeitung. War ja auch mal Thema beim Chaos Computer Club.
Und wer glaubt, das sei ein Nerd-Problem, bekommt gleich den nächsten Treffer: Selbst Tabellenprogramme haben in der Forschung Gen-Namen „automatisch“ umformatiert und damit Daten verfälscht. Die Pointe sitzt: Man kann sich tagelang über p-Werte streiten – und hat vorher schon Müll eingelesen.
Auswahlfehler sind keine Macke, sie sind ein Geschäftsmodell
Schüller zeigt, wie leicht sich „Mehrheiten“ erzeugen lassen, wenn man die Teilnahmebedingungen so gestaltet, dass am Ende nur die Lautesten übrigbleiben. Beispiel EU-Konsultation zur Sommerzeit: „84 Prozent“ klingen nach Volkswille – bis klar wird, dass es eben keine repräsentative Befragung war, sondern eine Selbstselektion. Das ist Lehrbuchstoff – und trotzdem Alltag in Politik und PR: Der Trick heißt nicht Fake News, sondern „Online-Umfrage“.
Korrelation ist keine Kausalität – aber eine fantastische Ausrede
Wer heute Kausalität behauptet, sollte Belege bringen. Schüller illustriert das über den klassischen Streit um Rauchen und Lungenkrebs: Dass selbst prominente Statistiker Kausalität lange bezweifelten, ist ein Lehrstück über methodische (und manchmal auch ideologische) Blindheit. Der Punkt ist nicht Historie, sondern Gegenwart: In Unternehmen wird Kausalität gern behauptet, wenn eine Korrelation die gewünschte Story hergibt – „Engagement-Score hoch, also Produktivität hoch“ –, und vergessen, wenn sie unbequem wird. Schüllers Mahnung: Ohne belastbares Design bleibt vieles nur Muster – und Muster sind verführerisch.
Siehe auch:
Die Münzwurf-Studie: Wenn „Evidenz“ statistisch kaum mehr ist als Glück
Ein besonders bitteres Beispiel stammt aus der Medizin: Eine Studie, die „Herzgesundheit durch einen Apfel am Tag“ suggeriert, steht und fällt mit einer kleinen Stichprobe – statistisch wird das Ergebnis schnell zur Lotterie. Schüller nutzt solche Fälle, um die Illusion zu zerlegen, man könne aus schwachen Daten starke Schlüsse pressen. Das ist „Absence of Evidence is not Evidence of Absence“ – aber eben auch: Absence of good data is not Evidence of anything.
Wenn Modelle wichtiger werden als Wirklichkeit: der Google-Flu-Effekt
Schüller erinnert an das berühmte Beispiel, wie Google mit Suchanfragen Grippewellen vorhersagen wollte – und spektakulär scheiterte, weil die Modellannahmen und das sich verändernde Suchverhalten die Daten überrollten.
Diskriminierung per Proxy: Wenn man das Merkmal entfernt, bleibt es trotzdem drin
Wer glaubt, Fairness ließe sich herstellen, indem man in einem Modell „Geschlecht“ oder „Ethnie“ einfach löscht, bekommt von Schüller eine kalte Dusche. Sie beschreibt u. a. den Fall, wie ein Recruiting-System Bewerberinnen benachteiligte – und warum solche Effekte über Korrelationen mit anderen Variablen weiterleben. Der Algorithmus wird dann zum Alibi: „Die Maschine hat entschieden.“ Schüller hält dagegen: Verantwortung lässt sich nicht outsourcen; Ethik ist mehr als Compliance.
Visualisierung als Waffe: Ein Diagramm kann lügen, ohne ein einziges Wort zu sagen
Ein einfacher, brutaler Rat aus dem Buch: Erst die Zahlen abdecken, dann vergleichen. Wenn die Grafik nur „wirkt“, solange man die Werte nicht sieht, ist etwas faul. In einer Welt voller Slides ist das fast revolutionär: Misstrauen gegenüber Design ist Datenkompetenz.
Absolute Zahlen sind Betäubung – ohne Kontext werden sie zu Propaganda
Schüller zeigt am Beispiel E-Scooter-Unfällen, wie schnell Schlagzeilen entstehen („Unfälle steigen!“), wenn man den Nenner unterschlägt: Wie viele Fahrten gab es? Wie viele Nutzer? Was ist die Vergleichsbasis? Wer nur Zähler liefert, liefert Erregung – keine Erkenntnis. Die kommunalpolitischen Hausmeister saugen diese Scheininfos auf, um E-Sooter aus der Stadt zu verbannen.
Worum es Schüller wirklich geht: Führung als Umgang mit Unsicherheit
Das Buch rahmt „dateninformiertes Entscheiden“ ausdrücklich als Führungsthema, verbunden mit Zielklarheit, Werkzeugwahl und der Pflicht, die eigenen Fragen zu prüfen. Und es insistiert darauf, dass Ethik nicht nachträglich als Pflaster draufkommt: Recht sei das „moralische Minimum“, Ethik die weitergehende Reflexion über das Richtige.
Das Buch will viel. Historischer Abriss, Praxisfälle, Ethik, Führung, KI – manchmal wirkt es wie ein Werkzeugkoffer, in den man noch schnell eine Axt und einen Espresso-Maker gelegt hat. Wer eine stringente, streng didaktische Statistik-Einführung erwartet, wird gelegentlich mit erzählerischen Bögen und Exkursen konfrontiert. Aber vielleicht ist genau das der Trick: Es erreicht Menschen, die bei „Konfidenzintervall“ sonst reflexhaft das Handy zücken.
Und: Die Beispiele sind stark, aber sie machen auch unbarmherzig klar, wie groß das Problem ist. Nach der Lektüre sieht man es überall: in Headlines, in Pitches, in HR-Kennzahlen, in ESG-Reports. Das ist kein Mangel des Buches – eher ein Symptom der Wirklichkeit.
„Daten sind Macht“ ist kein Buch für Leute, die Daten „nutzen“ wollen. Es ist ein Buch für Leute, die vermeiden wollen, von Daten benutzt zu werden – durch andere oder durch die eigenen Wunschvorstellungen. Wer in Organisationen Entscheidungen verantwortet, findet hier keinen Zauberstab, aber etwas Wertvolleres: ein Vokabular, eine Skepsis und eine praktische Prüfliste gegen Zahlenzauberei.
Und wer nach der Lektüre noch immer glaubt, ein Dashboard sei Wahrheit, dem ist nicht zu helfen.
Siehe auch: