In einer Ära der Informationsüberflutung erfordert die Unterscheidung von Wahrheit und Falschheit eine systematische Methodik. Dieses 13-Schritte-Framework bietet einen strukturierten Ansatz zur Behauptungsbewertung – anwendbar auf wissenschaftliche, politische, kommerzielle und persönliche Behauptungen.
Das 13-Schritte-Framework
- Präzise lesen: Qualifikatoren (alle, einige, die meisten, typischerweise), Geltungsbedingungen, zeitliche Grenzen und implizite Annahmen identifizieren. Vage Sprache maskiert oft schwache Behauptungen.
- Komplexe Behauptungen dekomponieren: Zusammengesetzte Behauptungen in atomare Propositionen zerlegen. „X verursacht Y und Z“ → „X verursacht Y“ + „X verursacht Z.“ Jede unabhängig prüfen.
- Verborgene Annahmen aufdecken: Implizite Prämissen explizit machen. „Wir sollten X tun, weil es natürlich ist“ setzt natürlich = gut voraus. Die Annahme in Frage stellen.
- Evidenzproportionalität fordern: Außergewöhnliche Behauptungen erfordern außergewöhnliche Beweise. Anekdoten ≠ Daten. Korrelation ≠ Kausalität. Peer-reviewte Replikation suchen, nicht Einzelstudien.
- Sagestyp klassifizieren: Empirisch (prüfbar), logisch (tautologisch), normativ (wertbasiert), definitorisch, prädiktiv. Jeder erfordert unterschiedliche Validierung.
- Absoluter Sprache misstrauen: „Immer,“ „nie,“ „alle,“ „keine,“ „beweist,“ „widerlegt“ – diese sind in komplexen Systemen fast immer falsch. Wahrscheinlicher Sprache den Vorzug geben.
- Verallgemeinerungen mit Gegenbeispielen prüfen: Ein einziges verifiziertes Gegenbeispiel falsifiziert eine universelle Behauptung. Aktiv widerlegende Beweise suchen.
- Gegendarstellungen stählen (Steel-manning): Die stärkste Version der gegnerischen Ansicht konstruieren. Wenn sie der Prüfung standhält, könnte die ursprüngliche Behauptung unvollständig oder falsch sein.
- Autoritative Quellen hierarchisch konsultieren: Systematische Reviews/Meta-Analysen > RCTs > Kohortenstudien > Fall-Kontroll-Studien > Expertenmeinung > Anekdote. Konsensgremien prüfen (Cochrane, USPSTF, IPCC, NASEM).
- Formale und informelle Logik anwenden: Deduktive Validität, induktive Stärke, Kausalitätskriterien (Bradford Hill), Bayes-Aktualisierung. Fehlschlüsse identifizieren (Strohmann, falsches Dilemma, Post-hoc, Berufung auf Autorität).
- Empirische Verifizierung, wo möglich: Reale Tests, natürliche Experimente, Vorhersagemärkte, A/B-Tests. Falsifizierbarkeit ist das Kennzeichen wissenschaftlicher Behauptungen.
- Semantische Mehrdeutigkeit auflösen: Schlüsselbegriffe operativ definieren. „Signifikant“ – statistisch? klinisch? praktisch? „Sicher“ – null Risiko? akzeptables Risiko? im Vergleich zu was?
- Synthetisieren und Konfidenz kalibrieren: Wahrscheinliche Glaubwürdigkeit zuweisen (z. B. 90 % zuversichtlich) anstelle von binär wahr/falsch. Mit neuen Beweisen aktualisieren.
Meta-Prinzipien
- Intellektuelle Bescheidenheit: „Ich weiß nicht“ ist eine gültige, oft richtige Position
- Bias-Bewusstsein: Bestätigungsfehler, Verfügbarkeitsheuristik, motiviertes Denken, stammesbezogene Erkenntnistheorie
- Proportionaler Skeptizismus: Prüfung an die Konsequenz von Fehlern anpassen
- Kollaborative Wahrheitssuche: Verschiedene Perspektiven legen Blindstellen offen
Dieses Framework garantiert keine Wahrheit – es minimiert Fehler. Das Ziel ist nicht Gewissheit, sondern kalibrierte Konfidenz proportional zu den Beweisen.
