Eine Gottesanbeterin am Bienenstand: Warum ein Datenpunkt noch keine Erklärung ist

Manchmal liefert der Alltag ein erstaunlich gutes Lehrstück darüber, wie Wissenschaft funktioniert. An meiner Bienenbeute in Frankfurt saß eine ausgewachsene Europäische Gottesanbeterin (Mantis religiosa). Fotografiert, eindeutig bestimmbar, mit Ort und Datum dokumentiert. Damit ist die Beobachtung zunächst einmal genau das, was Wissenschaft braucht: ein Datenpunkt. Und trotzdem wäre es ein Fehler, daraus unmittelbar eine große Geschichte abzuleiten.

Man könnte schreiben: „Die Klimakrise ist jetzt auch an meinem Bienenstand angekommen.“ Ebenso ließe sich erzählen: „Wie schön – unsere Natur wird immer vielfältiger.“ Oder dramatischer: „Ein neuer Großräuber bedroht unsere ohnehin geschwächte Insektenwelt.“ Alle drei Geschichten haben eines gemeinsam: Sie gehen weit über das hinaus, was meine einzelne Beobachtung zeigen kann. Genau hier beginnt wissenschaftliches Denken.

Eine Gottesanbeterin am Bienenstand wird zum Lehrstück über wissenschaftliches Denken: Was unterscheidet Beobachtung, Datenpunkt, Hypothese, Bias, Modell und Evidenz?

Beobachtung und Erklärung sind nicht dasselbe

Dass an diesem Tag eine Gottesanbeterin auf meiner Bienenbeute saß, ist eine Beobachtung. Dass sie dort wegen des Klimawandels sitzt, ist bereits eine Erklärungshypothese.

Dieser Unterschied klingt banal, wird aber erstaunlich häufig verwischt. Wir beobachten etwas und liefern beinahe gleichzeitig eine Geschichte darüber, warum es passiert ist. Weil diese Geschichte plausibel klingt, behandeln wir sie anschließend so, als hätten wir sie ebenfalls beobachtet. Aber Plausibilität ist keine Evidenz.

Ein einzelnes Tier könnte Teil einer etablierten Population sein. Es könnte aus der näheren Umgebung zugeflogen sein. Einzeltiere können auch verschleppt werden. Historische Untersuchungen zu Mantis religiosa zeigen sogar, wie schwierig die Interpretation einzelner Funde sein kann: Einige neuere hessische Nachweise aus Frankfurt, Darmstadt und anderen Orten wurden zunächst als mögliche Verschleppungen interpretiert, weil in den Folgejahren keine weiteren Tiere gefunden wurden. Gleichzeitig existieren aus der Umgebung Frankfurts bereits Hinweise auf Gottesanbeterinnen aus dem Jahr 1756.

Mein Fund allein beantwortet deshalb die interessante Frage überhaupt nicht. Die Frage lautet nicht: „Habe ich eine Gottesanbeterin gesehen?“ Sondern beispielsweise: „Hat sich das Verbreitungsgebiet von Mantis religiosa in Hessen verändert – und wenn ja, welchen Anteil haben klimatische Veränderungen daran?“ Das ist eine vollkommen andere Art von Frage.

Vom einzelnen Fund zum Muster

Um sie zu beantworten, braucht man viele Beobachtungen über Raum und Zeit. Genau deshalb sammelt das Hessische Landesamt für Naturschutz, Umwelt und Geologie (HLNUG) Sichtungen der Gottesanbeterin. Das Landesamt weist darauf hin, dass sich die Art im Zusammenhang mit der Klimaerwärmung weiter nach Norden ausbreitet und bittet Bürger ausdrücklich darum, Funde möglichst mit Foto zu melden.

Damit bekommt auch mein einzelnes Foto einen anderen Stellenwert. Es beweist keine klimabedingte Arealverschiebung. Aber zusammen mit vielen anderen Beobachtungen kann es zur Datengrundlage gehören, anhand derer solche Veränderungen untersucht werden. Das ist ein fundamentaler Unterschied. Ein einzelner Messwert beweist keinen Trend. Trotzdem besteht ein Trend am Ende aus einzelnen Messwerten.

Das nächste Problem: Wir beobachten nicht überall gleich gut

Nun könnte man einfach die Zahl der Meldungen über die Jahre zählen. Wenn heute zehnmal mehr Gottesanbeterinnen gemeldet werden als früher, scheint der Fall klar: Die Population ist explodiert. Leider nicht.

Ökologische Beobachtungsdaten haben ein grundsätzliches Problem: Die Wahrscheinlichkeit, dass wir etwas beobachten, ist selbst nicht konstant.

Heute trägt fast jeder eine Kamera im Smartphone. Fotos können innerhalb von Sekunden bestimmt und über Meldeportale weitergeleitet werden. Behörden und Naturschutzorganisationen rufen gezielt dazu auf, bestimmte Arten zu melden. Medienberichte erhöhen die Aufmerksamkeit. Und wer einmal weiß, wie eine Gottesanbeterin aussieht, erkennt sie vermutlich eher als jemand, der dieses Tier noch nie bewusst wahrgenommen hat.

Mehr Meldungen können deshalb mindestens zwei Dinge bedeuten: Es gibt tatsächlich mehr Tiere – oder wir finden und melden einen größeren Anteil der vorhandenen Tiere. Häufig geschieht beides gleichzeitig.

In der Ökologie ist dieses Problem wohlbekannt. Je nach Datensatz und Fragestellung versucht man deshalb, Erfassungsaufwand, räumliche Stichprobenverteilung und Entdeckungswahrscheinlichkeit zu berücksichtigen. Besonders Citizen-Science-Daten sind außerordentlich wertvoll, müssen aber mit Kenntnis ihrer Entstehungsbedingungen interpretiert werden.

Das ist übrigens kein Argument gegen solche Daten. Es ist ein Argument dafür, Daten und Datengenerierungsprozess gemeinsam zu betrachten.

Ein Modell ist ebenfalls keine Naturbeobachtung

Noch interessanter wird es, wenn aus Beobachtungen Modelle entstehen.

Steger und Kollegen untersuchten 2020, wie sich die klimatisch geeigneten Gebiete für Mantis religiosa in Hessen verändern könnten. Dafür verwendeten sie Vorkommensdaten aus Hessen und Europa und ein sogenanntes Maxent-Modell. Für Hessen lagen ihrer Analyse 39 Vorkommensmeldungen zugrunde. Die Autoren fanden, dass die tatsächlich beobachtete Verbreitung kleiner war als das Gebiet, das nach den gegenwärtigen Klimabedingungen bereits geeignet erscheinen würde. Für die Mitte dieses Jahrhunderts prognostizierte das Modell zunächst eine Ausweitung geeigneter Gebiete. Für den Zeitraum 2061–2080 nahm die modellierte Eignung unter dem stärkeren Erwärmungsszenario dagegen teilweise wieder ab.

Das ist wissenschaftlich viel interessanter als die einfache Geschichte: Klimawandel → wärmer → mehr Gottesanbeterinnen. Denn ein Modell zwingt uns dazu, Annahmen explizit zu machen.

In der Studie spielten beispielsweise nicht einfach nur „warme Sommer“ eine Rolle. Zu den relevanten klimatischen Variablen gehörten unter anderem Temperatursaisonalität, die maximale Temperatur des wärmsten Monats, die mittlere Temperatur des kältesten Quartals sowie Niederschlagsgrößen. Die Autoren betonen zudem selbst Unsicherheiten hinsichtlich künftiger Verbreitungsgrenzen.

Ein Modell ist also keine Kristallkugel. Es ist eine formalisierte Aussage der Art: Wenn diese Daten, diese Variablen, diese Modellstruktur und diese Klimaszenarien angemessen sind, dann folgt daraus diese Erwartung. Genau deshalb sind Modelle wissenschaftlich nützlich – nicht weil sie Unsicherheit beseitigen, sondern weil sie Annahmen überprüfbar machen.

Die Verlockung der „Just-so-story“

Noch leichter geraten wir auf Abwege, wenn wir von einer Beobachtung unmittelbar auf ökologische Folgen schließen. Eine Gottesanbeterin ist ein großer Insektenräuber. Also liegt folgende Geschichte nahe:

„Unsere heimischen Insekten kennen diesen neuen Räuber nicht. Deshalb können sie sich nicht gegen ihn verteidigen. Die Gottesanbeterin erhöht den Prädationsdruck und destabilisiert unsere bereits geschädigten Insektengemeinschaften.“

Das klingt erstaunlich wissenschaftlich. Man kann Prädation, Anpassung, Konkurrenz und Biodiversität in einen einzigen Absatz packen und hat innerhalb weniger Sätze eine vollkommen plausible ökologische Geschichte gebaut. Nur: Wo sind die Daten?

Für eine populationsrelevante Verdrängung heimischer Wildbienen, Schmetterlinge oder Heuschrecken durch Mantis religiosa in Hessen liefert diese Argumentationskette zunächst keinen Nachweis. Zudem ist die Gottesanbeterin keine völlig fremde Art, die erstmals in ein evolutionär unbekanntes System eindringt; aus dem Frankfurter Raum sind historische Vorkommen seit dem 18. Jahrhundert dokumentiert.

Eine plausible Erklärung ohne geeignete Prüfung bleibt eine Hypothese. In der Evolutionsbiologie wird für besonders hübsche nachträgliche Erklärungen gelegentlich der Begriff „Just-so-story“ verwendet: Man beobachtet ein Merkmal und konstruiert anschließend eine überzeugend klingende adaptive Geschichte dazu. Das Problem ist nicht, solche Hypothesen zu entwickeln. Wissenschaft lebt davon. Das Problem beginnt, wenn wir vergessen, dass wir gerade eine Hypothese entwickelt haben.

Und was sagt meine Gottesanbeterin nun über den Klimawandel?

Allein betrachtet: erstaunlich wenig. Im Kontext des vorhandenen Wissens: durchaus etwas Interessantes. Wir wissen unabhängig von meinem Fund, dass sich das Verbreitungsgebiet von Mantis religiosa in Deutschland verändert hat. Das HLNUG ordnet die nordwärtige Ausbreitung ausdrücklich dem Zusammenhang mit der Klimaerwärmung zu. Modellierungen zeigen, dass klimatische Variablen die potenzielle Verbreitung in Hessen erheblich beeinflussen und dass gegenwärtig geeignete Gebiete noch nicht vollständig besiedelt sind.

Mein Fund erzeugt diese Evidenz nicht. Er ist mit ihr vereinbar. Und wenn er dokumentiert und in ein systematisches Monitoring aufgenommen wird, kann er zu ihr beitragen. Dieser Unterschied zwischen Beobachtung, Hypothese, Modell und Schlussfolgerung ist vielleicht die eigentliche Geschichte hinter dem Foto.

Wissenschaft beginnt nicht mit Gewissheit

Wissenschaftliches Denken bedeutet nicht, zu jeder Beobachtung sofort die richtige Erklärung parat zu haben. Oft bedeutet es genau das Gegenteil: der Versuchung zu widerstehen, eine plausible Geschichte vorschnell für wahr zu halten.

Eine Gottesanbeterin auf einer Bienenbeute kann gleichzeitig faszinierend sein und Teil einer klimatisch begünstigten Arealverschiebung. Sie muss weder zum harmlosen Symbol einer vermeintlich „bunter werdenden Natur“ verklärt noch zum ökologischen Katastrophenszenario hochgeschrieben werden.

Man kann zunächst feststellen: Da sitzt eine Gottesanbeterin. Dann fragen: Warum sitzt sie heute hier? Und anschließend überlegen: Welche Beobachtungen würden zwischen den möglichen Erklärungen unterscheiden?

Vielleicht ist genau das der wichtigste Unterschied zwischen einer guten Geschichte und Wissenschaft.