Der McNamara-Fehlschluss

Robert McNamara war der Präsident der Ford Motor Company und später der Verteidigungsminister der USA während des Vietnamkriegs. Er war sehr intelligent und gut im Umgang mit Daten. Er nutzte Daten, um Strategien zu planen.

Der Sozialwissenschaftler Daniel Yankelovich prägte den Begriff. Der Fehlschluss hat diese Schritte:

1. Man misst, was man messen kann.
2. Man ignoriert, was man nicht messen kann.
3. Man denkt, dass das, was man nicht messen kann, nicht wichtig ist.
4. Man schließt daraus, dass das, was man nicht messen kann, nicht existiert.

Yankelovich sagte: „Der Fehlschluss ist: Wenn du vor einem komplexen Problem stehst, das viele nicht messbare Dinge hat, dann misst du nur die Aspekte, die leicht zu messen sind. Du tust das, weil du die anderen Aspekte schwer zu messen findest oder weil du denkst, dass sie nicht wichtig sind oder nicht existieren.“

Er sagte auch: „Es ist ein kurzer, fataler Schritt von der Aussage ‚Es gibt viele nicht messbare Dinge, die wir nicht in unsere Computer bekommen‘ zu der Aussage ‚Lass uns das messen, was wir messen können, und die nicht messbaren Dinge vergessen.‘“

Yankelovich arbeitete mit Ford, als McNamara dort war. Er teilte Forschungsergebnisse, die sowohl quantitative als auch qualitative Faktoren hatten. Als man die Forschung bewertete, warf man die qualitativen Daten weg. Diese Daten zeigten, was kleine Autos für die Menschen bedeuteten. Man behielt die weniger wichtigen quantitativen und demografischen Daten.

Beispiele für den McNamara-Fehlschluss

Ich lernte den Fehlschluss aus einem Artikel eines Lesers kennen. Es ging um das Gewicht eines Fahrrads. Das Gewicht ist leicht zu messen. Wenn alles gleich ist, wollen wir wahrscheinlich ein leichteres Fahrrad. Aber andere Dinge wie Wartung, Zuverlässigkeit und Handling sind wichtig, aber schwer zu messen, zu berichten und zu vergleichen. Deshalb steht das Gewicht oft im Vordergrund, und die anderen Dinge werden ignoriert.

Weitere Beispiele:

• Vielleicht ist die Einstellungszeit kürzer, aber wie gut passen die neuen Leute ins Unternehmen?
• Vielleicht besuchen mehr Leute deine Website, aber es sind nicht die richtigen Leute für deinen Service.
• Wir können das Bruttoinlandsprodukt (BIP) eines Landes berechnen. Aber das BIP berücksichtigt keine menschliche Arbeit ohne Geld, wie eine selbst gekochte Mahlzeit. Es berücksichtigt auch nicht die wichtige Arbeit der Natur, wie Wasser filtern, Kohlenstoff speichern oder die Stimmung heben.
• Wenn eine Dose mit Essen alle Nährstoffe hat, die du brauchst, was verpasst du, wenn du keine Familienmahlzeiten hast?

Ein oft genanntes Beispiel für den McNamara-Fehlschluss ist die Methode der US-Armee, den Fortschritt im Vietnamkrieg zu messen.

Der McNamara-Fehlschluss und der Vietnamkrieg

McNamara war von 1961 bis 1968 Verteidigungsminister der USA. Er nutzte ähnliche Methoden wie in der Wirtschaft, um den Fortschritt im Vietnamkrieg zu bewerten. Wenn man Kriege gewinnt, indem man dem Feind Schaden zufügt, dann sind Metriken, die den Schaden messen, gute Indikatoren. Besonders die Zahl der getöteten Feinde (Body Count) wurde das wichtigste Maß für den Fortschritt.

Die reine Nutzung von quantitativen Metriken hatte große Nachteile. Die Zahl der getöteten Feinde war leichter zu messen als ihre Moral, ihre politische Unterstützung oder ihre Entschlossenheit zu kämpfen. Viele Offiziere glaubten, dass die Zahl oft übertrieben wurde (siehe Goodharts Gesetz und Campbells Gesetz unten).

Die Tonnen an Bomben zu messen ist leichter als die Reduzierung der Fähigkeiten des Feindes. Die Zahl der eigenen Soldaten zu kennen ist leichter zu messen als die Fähigkeiten dieser Soldaten. Nach den Zahlen gewann die USA den Krieg, aber sie konnte den Widerstand von Nordvietnam nicht überwinden.

Verwandte Ideen zum McNamara-Fehlschluss

Eine zu starke Abhängigkeit von quantitativen Metriken führt schnell zu anderen Problemen:

Goodharts Gesetz: Wenn ein Maß zum Ziel wird, ist es kein gutes Maß mehr. Zum Beispiel: Wenn man den Fortschritt im Krieg an der Zahl der getöteten Feinde misst, kann das zu mehr Tötungen führen, um die Zahl zu erhöhen. Oder wenn man einen Bonus an Bewertungen koppelt, kann das zu falschen Bewertungen führen.

Campbells Gesetz: Je mehr eine Metrik für echte Entscheidungen zählt, desto größer ist der Druck zur Korruption, und desto mehr verzerrt sie die Situation, die sie messen soll. Zum Beispiel: Wenn die Reduzierung der Kriminalitätsrate für Polizeiarbeit wichtig ist, gibt es einen Anreiz, Fälle nicht zu melden oder Verbrechen herabzustufen.

Der Laternenpfahl-Effekt: Man sucht dort, wo es am einfachsten ist, zu suchen, statt dort, wo es wichtig ist. Man nennt ihn auch die Suche des Betrunkenen oder das Suchen unter der Laterne. Der Name kommt von einem Witz über Ökonomen: Eine Person sucht ihre Autoschlüssel unter einer Straßenlaterne. Als man sie fragt, wo sie sie verloren hat, sagt sie: „Dort drüben“, aber das Licht ist hier besser. Zum Beispiel: Man verbessert ein bestehendes Produkt, weil man es kennt und es gut funktioniert, statt an einem unsicheren neuen Produkt zu arbeiten.

Du bekommst, was du misst: Das Instrument, das du zum Messen benutzt, beeinflusst, was du siehst. Zum Beispiel sagte Richard Hamming: „In der Schule ist es leicht, Training zu messen und schwer, Bildung zu messen. Deshalb sieht man in Abschlussprüfungen eine Betonung auf dem Training und eine große Vernachlässigung der Bildung.“

Der Kobra-Effekt: Wenn eine Politik das Gegenteil bewirkt, verursacht sie das Gegenteil.