Messgrenzen und Unsicherheit

Auf einen Blick

• Nicht alles, was wirkt, lässt sich exakt messen.
• Messgrenzen sind kein Scheitern der Wirkungsökonomie.
• Unsicherheit muss sichtbar, benannt und gesteuert werden.
• Es gibt Datenunsicherheit, Modellunsicherheit, Kausalitätsunsicherheit, Zeitunsicherheit, Systemgrenzen und normative Unsicherheit.
• Unsicherheit ist kein Freibrief für Nicht-Handeln.
• Das Vorsorgeprinzip kann Handeln trotz Unsicherheit begründen.
• Harte Rechts- oder Steuerfolgen brauchen höhere Datenqualität als Orientierungssignale.
• Ziel ist ehrliche Wirkungsnähe statt Scheingenauigkeit.

Hauptdefinition

Messgrenzen und Unsicherheit bezeichnet in der Wirkungsökonomie die methodische Einsicht, dass Wirkungen nicht immer vollständig, eindeutig, zeitnah oder kausal sicher erfasst werden können. Wirkung entsteht in komplexen Systemen. Sie kann indirekt, verzögert, kumulativ, räumlich verlagert, sozial vermittelt, technologisch verstärkt oder institutionell gebrochen sein.

Messgrenzen entstehen, wenn:

Unsicherheit bedeutet nicht, dass keine Entscheidung möglich ist. Sie bedeutet, dass Entscheidungen ihre Unsicherheit offenlegen müssen.

• Daten fehlen,
• Daten veraltet sind,
• Systemgrenzen unklar sind,
• Wirkungen zeitverzögert eintreten,
• Kausalität schwer nachweisbar ist,
• mehrere Akteure gleichzeitig wirken,
• qualitative Wirkungen schwer quantifizierbar sind,
• Betroffene unsichtbar bleiben,
• ökologische oder soziale Kipppunkte nicht präzise bestimmbar sind,
• Modelle Annahmen enthalten,
• normative Zielkonflikte bestehen.

Wirkungsökonomische Relevanz

Der Begriff ist zentral, weil die WÖk Wirkung sichtbar und steuerbar machen will, ohne in Scheingenauigkeit zu verfallen. Ein falscher Eindruck absoluter Präzision wäre gefährlich. Er würde Technokratie, Fehlsteuerung, Wirkungsdogma und Vertrauensverlust erzeugen.

Messgrenzen und Unsicherheit helfen:

• Datenqualität realistisch einzuschätzen,
• harte und weiche Steuerungsfolgen zu unterscheiden,
• Wirkungspotenzial nicht als Wirkung auszugeben,
• Kausalitätsbehauptungen zu begrenzen,
• Wirkungsberichte ehrlicher zu machen,
• Audits und Assurance sinnvoll zu staffeln,
• Gerichte und Verwaltung vor Scheinsicherheit zu schützen,
• KI-Modelle und Prognosen einzuordnen,
• Vorsorge und Nichtwissen angemessen zu behandeln.

Wirkungsökonomische Sicht & Einordnung

Die WÖk unterscheidet mehrere Unsicherheitsarten:

1. Datenunsicherheit:

Daten fehlen, sind unvollständig, ungenau, veraltet oder nicht vergleichbar.

2. Modellunsicherheit:

Bewertungsmodelle, Benchmarks oder KI-Systeme beruhen auf Annahmen.

3. Kausalitätsunsicherheit:

Es ist unklar, ob eine Veränderung durch eine Maßnahme verursacht wurde.

4. Zeitunsicherheit:

Wirkungen treten verzögert oder über lange Zeiträume ein.

5. Systemgrenzenunsicherheit:

Unklar ist, welche Lieferkette, Region, Lebenszyklusphase oder Nebenwirkung einbezogen wird.

6. normative Unsicherheit:

Unklar ist, wie Zielkonflikte demokratisch zu gewichten sind.

7. Nichtwissen:

Relevante Wirkungen sind denkbar, aber derzeit nicht ausreichend bekannt.

Diese Kategorien müssen im Glossar und in Datenmodellen sichtbar werden.

Abgrenzung: Nicht verwechseln mit

• Unmessbarkeit: Messgrenzen heißen nicht, dass gar nichts messbar ist.
• Beliebigkeit: Unsicherheit verlangt bessere Verfahren, nicht Willkür.
• Datenmangel als Vorteil: Wer nicht berichtet, darf keinen besseren Score erhalten.
• exakter Prognose: Wirkungsbewertung arbeitet oft mit Bandbreiten und Szenarien.
• wissenschaftlicher Schwäche: Unsicherheitsangabe ist Qualitätsmerkmal.
• politischem Ausweichen: Unsicherheit darf nicht genutzt werden, um notwendiges Handeln zu blockieren.
• Kompensation: Unsicherheit hebt rote Linien nicht auf.
• KI-Gewissheit: KI-Ausgaben sind Modellresultate, keine Wahrheit.
• Risiko: Risiko ist bewertete Möglichkeit eines Schadens; Unsicherheit beschreibt die Begrenztheit unseres Wissens darüber.
• Wirkungspotenzial: Potenzial ist Möglichkeit; Unsicherheit betrifft Wissenslage und Eintrittsbedingungen.

Beispiele

Der CO₂-Fußabdruck eines Produkts ist messbarer als seine Wirkung auf lokale demokratische Resilienz. Beide können relevant sein, brauchen aber unterschiedliche Evidenzformen.

Ein Lieferant liefert keine Wasserdaten. Die WÖk darf daraus keinen Vorteil machen; es kann ein konservativer Default-Wert oder eine Datenqualitätsklasse gelten.

Eine Bildungsmaßnahme zeigt kurzfristig keine harte Beschäftigungswirkung, kann aber langfristig Selbstwirksamkeit, Demokratiekompetenz und Teilhabe stärken.

Ein KI-Modell schätzt Lieferkettenrisiken, aber die Trainingsdaten sind regional verzerrt. Die Bewertung braucht Modellrisiko-Hinweis.

Ein Gesundheitsprojekt senkt Krankenhausaufnahmen, aber Kausalität ist schwer eindeutig zu beweisen, weil andere Maßnahmen parallel liefen.

Bei potenziell irreversiblen Schäden an Biodiversität kann das Vorsorgeprinzip Handeln trotz unsicherer Daten rechtfertigen.

Mess- und Steuerungsbezug

Messgrenzen und Unsicherheit brauchen:

Mögliche Datenfelder:

Steuerungsregeln:

• Datenqualitätsklassen.
• Evidenzgrade.
• Konfidenzangaben.
• Bandbreiten.
• Plausibilitätsprüfung.
• Quellenklarheit.
• Herkunftsnachweis.
• Aktualitätsdatum.
• Systemgrenzen.
• Kausalitätsangabe.
• Modellannahmen.
• Sensitivitätsanalyse.
• Szenarioanalyse.
• Default-Werte.
• Vorsorgehinweise.
• Review-Zyklus.
• Korrekturmechanismus.
• version
• Datenqualität immer sichtbar machen.
• Keine Scheingenauigkeit.
• Harte Steuer- oder Rechtsfolgen nur mit ausreichender Datenqualität oder klarer Default-Logik.
• Datenlücken nicht belohnen.
• Unsicherheit nicht verstecken.
• qualitative Evidenz nicht automatisch abwerten.
• Wirkungspotenzial klar von Wirkung trennen.
• KI-Schätzungen als Schätzungen kennzeichnen.
• Vorsorgeprinzip bei schweren oder irreversiblen Risiken berücksichtigen.
• Unsicherheit in Kommunikation verständlich erklären.
• Messgrenzen regelmäßig überprüfen und versionieren.

Querverweise im Glossar

• Fehlbarkeit der Wirkungsökonomie
• Zielkonflikte
• Versionierung statt Dogma
• Evaluation und Reversibilität
• Wirkung
• Wirkungspotenzial
• Wirkungsrisiko
• Wirkungsresilienz
• Datenqualität
• Wirkungsindikator
• WÖk-ID
• Benchmark
• Archetyp
• FinalScore
• Wirkungsbewertung
• Netto-Wirkung
• Wirkungsgrenze
• Wirkungswahrheit
• Wirkungsblindheit
• Wirkungsregister
• Wirkungsaudit
• Wirkungsassurance
• Wirkungsrat
• Wissensrat
• Öffentliche Statistik
• Wissenschaft als Wirkungsinfrastruktur
• Open Science
• KI-Governance
• Technokratie / Überwachung / Social Credit
• Wirkungssimulation
• Vorsorgeprinzip
• Mensch, Planet und Demokratie

Quellenbasis

Externe Quellen:

• Die neue Ordnung des Wohlstands, Kapitel Von Wirkung zu Messung.
• Die neue Ordnung des Wohlstands, Kapitel Messgrenzen sind kein Scheitern.
• Die neue Ordnung des Wohlstands, Kapitel Unsicherheit muss Sprache bekommen.
• Die neue Ordnung des Wohlstands, Kapitel WÖk-IDs und Indikatorenarchitektur.
• Die neue Ordnung des Wohlstands, Kapitel Benchmarks, Skalen und Scorecards.
• Die neue Ordnung des Wohlstands, Kapitel KI-Governance.
• Die neue Ordnung des Wohlstands, Kapitel Öffentliche Statistik und Datenqualität.
• Führender Begriffsleitfaden der Wirkungsökonomie.
• Technische Leitlinien WUStG.
• Wirkungsrat-Konzept.
• UN SDGs / Agenda 2030.
• European Statistics Code of Practice.
• UN Fundamental Principles of Official Statistics.
• European Commission Better Regulation Guidelines.
• OECD Policy Evaluation.
• UNESCO Open Science.
• ALLEA Code of Conduct for Research Integrity.
• NIST AI Risk Management Framework.
• ISO 31000.
• ISO/IEC 42001.

Redaktionelle Metadaten

cluster: Fehlbarkeits-, Lern- & Revisionslogik