Interne Und Externe Validität

Okay, mal ehrlich. Habt ihr euch jemals gefragt, warum gefühlt 90% aller "Studien" euch entweder genau das bestätigen, was ihr eh schon glaubt, oder das absolute Gegenteil? Willkommen in der Welt der Validität! Und ja, ich weiß, klingt wie ein Medikament gegen Haarausfall, ist es aber nicht.

Interne Validität: Die Wahrheit im Labor (oder so ähnlich)

Stellt euch vor, ihr wollt testen, ob Schokolade wirklich glücklich macht. (Spoiler: Tut sie.) Ihr schnappt euch eine Gruppe von Leuten, gebt ihnen Schokolade, und messt dann ihren Glückspegel. Wenn eure Ergebnisse zeigen, dass Schokolade tatsächlich zu mehr Glück führt, dann herzlichen Glückwunsch! Eure Studie hat (vielleicht) interne Validität. Das bedeutet, dass ihr wirklich bewiesen habt, dass die Schokolade für das Glück verantwortlich ist, und nicht irgendein anderer Faktor. Vielleicht war es ja der Tag der Gehaltszahlung, der zufällig mit eurem Schokoladen-Experiment zusammenfiel.

Ist interne Validität wichtig? Klar! Ohne sie ist eure Studie so wertvoll wie ein Regenschirm in der Sahara. Aber… (da kommt ein "aber")…

Das Problem mit dem Labor-perfekten Leben

Das Problem ist, dass die meisten Studien mit hoher interner Validität in einer sterilen Laborumgebung stattfinden. Das ist ungefähr so, als würde man einen Fisch im Aquarium untersuchen und dann behaupten, man wisse alles über das Leben im Ozean. Die Realität ist, dass das echte Leben chaotisch, unberechenbar und voller unerwarteter Variablen ist. Habt ihr schon mal versucht, in einer echten Stresssituation wissenschaftlich korrekt zu sein? Viel Glück dabei!

Externe Validität: Ab in die Wildnis!

Hier kommt die externe Validität ins Spiel. Sie fragt: "Sind die Ergebnisse eurer Laborstudie auch in der echten Welt gültig?" Können wir also mit Sicherheit sagen, dass Schokolade wirklich glücklich macht, wenn Oma Erna sie im Altersheim bekommt? Oder wenn der gestresste Manager sie im Büro futtert? Oder wenn der pubertierende Teenager sie heimlich unter der Bettdecke verschlingt?

Das ist der Knackpunkt. Eine Studie kann interne Validität bis zum Abwinken haben, aber wenn sie keine externe Validität besitzt, dann ist sie im Grunde genommen nur ein nettes Gedankenexperiment.

Meine (leicht unpopuläre) Meinung

Okay, hier kommt's. Ich finde, die Leute machen viel zu viel Wind um die interne Validität. Ja, es ist wichtig, saubere Daten zu haben. Aber was bringt uns die sauberste Studie der Welt, wenn sie nichts über die Realität aussagt?

Ich behaupte, dass externe Validität in den meisten Fällen wichtiger ist. Ich will wissen, ob etwas in der echten Welt funktioniert, nicht nur im sterilen Labor. Gebt mir lieber eine Studie mit ein paar Schwächen, die aber trotzdem relevante Erkenntnisse für mein Leben liefert, als eine perfekte Studie, die keinen Bezug zur Realität hat.

Denkt mal drüber nach: Marketing-Kampagnen, Therapieansätze, Erziehungsmethoden… Alles, was wir im Leben anwenden, muss in der echten Welt funktionieren. Wer interessiert sich für eine Marketing-Kampagne, die im Labor zu Begeisterungsstürmen führt, aber in der Realität niemanden zum Kauf animiert?

Das Dilemma der Forschung

Natürlich ist es nicht so einfach. Die Forschung steht vor einem Dilemma: Um interne Validität zu gewährleisten, müssen wir die Bedingungen kontrollieren, was aber gleichzeitig die externe Validität einschränkt. Um externe Validität zu erreichen, müssen wir die Studie in der realen Welt durchführen, was die Kontrolle über die Variablen erschwert und die interne Validität gefährdet.

Es ist ein ewiges Hin und Her. Ein Kompromiss. Aber ich persönlich würde immer eine Studie bevorzugen, die versucht, die Realität abzubilden, auch wenn sie dabei ein paar Abstriche bei der Perfektion macht.

Also, das nächste Mal, wenn ihr eine Schlagzeile wie "Studie beweist..." lest, fragt euch nicht nur, ob die Studie intern valide ist. Fragt euch vor allem: "Gilt das auch für mich in meinem Leben?" Denn am Ende des Tages ist das doch alles, was zählt, oder?

Und jetzt entschuldigt mich, ich muss mir eine Schokolade holen. Für die Wissenschaft, versteht sich.