Zuletzt aktualisiert: Oktober 2026
- Was Survivorship Bias wirklich bedeutet
- Abraham Wald und die Flugzeuge, die nicht zurückkehrten
- Die Wald-Frage in der Praxis
- Stoizismus als Gegengift gegen vorschnelle Urteile
- Stoische Vorausschau: das Unsichtbare bewusst mitdenken
- Survivorship Bias im Alltag: fünf Felder, die dein Urteil verzerren können
- Investmentgurus und die Kunst, einen Treffer zu verkaufen
- „Ich stehe um 05:00 Uhr auf“ – das Problem mit Erfolgsrezepten
- Das Würfelspiel: ein Gedankenexperiment über Erfolg
- Drei Praktiken gegen den Survivorship Bias
- Amor Fati – aber richtig verstanden
- Was Marc Aurel wusste, was unsere Erfolgskultur leicht vergisst
- Was du jetzt weißt – und was du damit anfängst
- Drei Dinge, die du heute tun kannst
- FAQ – häufige Fragen zum Survivorship Bias
- Was ist der Survivorship Bias einfach erklärt?
- Wie erkenne ich Survivorship Bias im Alltag?
- Was hat Abraham Wald mit Survivorship Bias zu tun?
- Wie kann stoische Philosophie gegen Survivorship Bias helfen?
- Warum sind Erfolgsgeschichten oft irreführend?
- Ist Survivorship Bias dasselbe wie Confirmation Bias?
- Fazit: Suche nicht nur nach den Gewinnern
- Quellen und weiterführende Literatur
Stell dir vor:
Du sitzt in einem überfüllten Konferenzsaal. Auf der Bühne steht ein erfolgreicher Gründer, Mitte vierzig, souverän, mit der Ruhe eines Menschen, der scheinbar nichts mehr beweisen muss.
Er erzählt von schlaflosen Nächten. Von Rückschlägen. Von dem Moment, in dem das Geld fast aufgebraucht war.
Und dann davon, wie alles doch noch funktioniert hat.
Standing Ovations.
Inspiration pur.
Du verlässt den Saal mit einem Gedanken:
Wenn er es geschafft hat, kann ich es auch.
Aber hier ist die Frage, die fast niemand stellt:
Wie viele Menschen standen nie auf dieser Bühne?
Wie viele haben dieselben schlaflosen Nächte erlebt, dieselbe Entschlossenheit gezeigt, ähnlich viel riskiert – und sind trotzdem gescheitert?
Ihre Geschichten enden nicht mit Standing Ovations.
Sie enden häufig still.
Und genau darin liegt das Problem.
Das ist Survivorship Bias.
Er verzerrt nicht nur unser Bild von Unternehmertum.
Er beeinflusst, wie wir über Karrieren, Investments, Wissenschaft, Erfolg und letztlich über uns selbst urteilen.
Was Survivorship Bias wirklich bedeutet
Die Anatomie eines blinden Flecks
Survivorship Bias – auf Deutsch häufig Überlebensverzerrung – bezeichnet eine Form der Selektionsverzerrung.
Sie entsteht, wenn wir unsere Schlussfolgerungen vor allem aus den Fällen ziehen, die einen Auswahlprozess „überlebt“ haben und deshalb sichtbar sind – während ausgeschiedene, gescheiterte oder verschwundene Fälle in unserer Datenbasis fehlen.
Das Wort „Datenbasis“ ist entscheidend.
Denn Survivorship Bias bedeutet nicht einfach, dass wir gelegentlich unaufmerksam sind.
Das Problem kann bereits in den Informationen stecken, die uns überhaupt zur Verfügung stehen.
Wir analysieren erfolgreiche Unternehmen, weil sie noch existieren.
Wir hören erfolgreiche Investoren, weil sie Interviews geben.
Wir lesen Bücher von Menschen, deren Strategien zumindest für sie funktioniert haben.
Wir sehen Karrieren, die auf LinkedIn erzählbar geworden sind.
Die Gegenbeispiele verschwinden dagegen leichter aus unserem Blickfeld.
Der Survivorship Bias ist deshalb mit dem Confirmation Bias verwandt, aber nicht identisch.
Beim Confirmation Bias bevorzugen oder gewichten Menschen Informationen so, dass bestehende Überzeugungen eher bestätigt werden.
Beim Survivorship Bias kann die Verzerrung bereits vorher entstehen:
Ein Teil der relevanten Fälle fehlt in der sichtbaren Stichprobe.
Du kannst vollkommen rational über die Daten nachdenken, die vor dir liegen – und trotzdem zu einem falschen Urteil gelangen, wenn entscheidende Daten systematisch fehlen.
Weiterführend: Dunning-Kruger-Effekt: 4 Stufen – der echte Befund
Warum sich ein unvollständiges Bild vollständig anfühlen kann
Daniel Kahneman beschreibt in Thinking, Fast and Slow einen verwandten Mechanismus mit dem Kürzel WYSIATI:
What You See Is All There Is.
Unser Denken konstruiert aus den verfügbaren Informationen eine möglichst kohärente Geschichte.
Das Problem:
Eine kohärente Geschichte ist nicht automatisch eine vollständige Geschichte.
Wenn zehn erfolgreiche Unternehmer erklären, dass kompromisslose Ausdauer der Schlüssel zu ihrem Erfolg war, entsteht schnell eine plausible Regel:
Ausdauer führt zum Erfolg.
Was aber, wenn tausend andere Menschen genauso ausdauernd waren und trotzdem scheiterten?
Dann verändert sich die Aussage.
Aus
„Ausdauer führt zum Erfolg“
wird:
„Ausdauer kann eine wichtige Voraussetzung sein – garantiert Erfolg aber nicht.“
Das ist ein fundamentaler Unterschied.
Und genau deshalb fühlt sich Survivorship Bias so selten wie ein Denkfehler an.
Die Geschichte ist logisch.
Die Daten wirken überzeugend.
Der erfolgreiche Mensch steht tatsächlich vor uns.
Was fehlt, ist unsichtbar.
Marc Aurel erinnert sich in seinen Selbstbetrachtungen immer wieder daran, zwischen äußeren Ereignissen und den eigenen Urteilen über diese Ereignisse zu unterscheiden.
Das ist selbstverständlich keine antike Theorie des Survivorship Bias.
Aber die stoische Trennung zwischen Eindruck, Urteil und Wirklichkeit liefert einen bemerkenswert passenden philosophischen Rahmen:
Was sehe ich tatsächlich – und was schließe ich lediglich daraus?
Diese Frage führt uns zu einem Mann, der das Problem fehlender Daten unter extremen Bedingungen sichtbar machte.
Abraham Wald und die Flugzeuge, die nicht zurückkehrten
Es ist 1943.
Der Zweite Weltkrieg hat einen brutalen Rhythmus erreicht.
Militärflugzeuge kehren von Einsätzen mit Einschusslöchern und schweren Beschädigungen zurück. Gleichzeitig ist zusätzliche Panzerung teuer: Sie bedeutet Gewicht, und Gewicht beeinflusst Reichweite, Geschwindigkeit und Manövrierfähigkeit.
Die entscheidende Frage lautet deshalb:
Welche Bereiche eines Flugzeugs müssen besonders geschützt werden?
Eine naheliegende Methode besteht darin, die zurückgekehrten Flugzeuge zu untersuchen.
Wo befinden sich besonders viele Treffer?
Welche Bereiche scheinen besonders häufig getroffen worden zu sein?
Genau hier beginnt die Geschichte von Abraham Wald.
Walds entscheidende Frage
Abraham Wald war Mathematiker.
Er wurde 1902 in Cluj im damaligen Österreich-Ungarn geboren, studierte und arbeitete in Wien und emigrierte 1938 in die Vereinigten Staaten. Während des Zweiten Weltkriegs arbeitete er mit der Statistical Research Group an der Columbia University an statistischen Problemen des Militärs.
In einer Reihe von Memoranden untersuchte Wald die Verwundbarkeit von Flugzeugen anhand der Schäden an Maschinen, die von Einsätzen zurückkehrten.
Das Entscheidende war nicht nur die Frage:
Wo sehen wir Schäden?
Sondern:
Welche Schäden fehlen in unserer Stichprobe – und warum?
Zurückgekehrte Flugzeuge hatten eines gemeinsam:
Sie hatten ihre Schäden überlebt.
Wenn bestimmte Trefferarten in dieser Stichprobe ungewöhnlich selten waren, konnte daraus nicht automatisch folgen, dass diese Bereiche besonders sicher waren.
Es konnte genau das Gegenteil bedeuten:
Flugzeuge mit solchen Treffern kehrten möglicherweise seltener zurück und fehlten deshalb in den Daten.
Das ist der Kern der Wald-Geschichte.
Die sichtbaren Daten waren nicht notwendigerweise falsch.
Sie waren selektiert.
Und diese Selektion musste in die Analyse einbezogen werden.
Walds Arbeit wurde 1980 vom Center for Naval Analyses erneut veröffentlicht. Seine Methodik blieb auch lange nach dem Zweiten Weltkrieg relevant.
Die Wald-Frage in der Praxis
Aus dieser Geschichte lässt sich eine der nützlichsten Fragen dieses gesamten Artikels ableiten:
Welche Flugzeuge sind nicht zurückgekehrt?
Übertragen auf dein Leben:
Welche Unternehmer fehlen in der Konferenzhalle?
- Welche Fonds fehlen in der Performance-Datenbank?
- Welche Karrieren tauchen nicht in deinem LinkedIn-Feed auf?
- Welche Strategien wurden von Menschen angewandt, die heute keine Bücher über ihren Erfolg schreiben können?
- Welche wissenschaftlichen Hypothesen verschwanden, weil ihre Ergebnisse nicht spektakulär genug waren?
Nassim Nicholas Taleb beschreibt ein verwandtes Problem als silent evidence – stilles Beweismaterial.
Wir sehen den erfolgreichen Trader.
- Wir sehen nicht automatisch die vielen Menschen, die eine ähnliche Strategie verfolgt und verloren haben.
- Wir sehen das Unternehmen, das nach zehn Jahren Milliarden wert ist.
- Wir sehen weniger deutlich die vergleichbaren Unternehmen, die nach drei Jahren verschwunden sind.
Das ist keine Einladung zum Zynismus.
Es ist eine Einladung zur Präzision.
Wald hörte nicht auf, Daten zu analysieren.
Er fragte, was die sichtbaren Daten nicht zeigen konnten.
Und genau diese Haltung lässt sich mit einer alten philosophischen Praxis verbinden.
Stoizismus als Gegengift gegen vorschnelle Urteile
Marc Aurel formuliert in seinen Selbstbetrachtungen immer wieder einen Gedanken, der für moderne Denkfehler erstaunlich relevant bleibt:
Nicht allein das Ereignis bestimmt unsere Reaktion.
Entscheidend ist auch unser Urteil darüber.
Epiktet formuliert diesen Grundgedanken im Encheiridion besonders deutlich: Menschen werden nicht einfach durch Dinge beunruhigt, sondern durch ihre Auffassungen über diese Dinge.
Für den Survivorship Bias bedeutet das:
Das Sichtbare ist noch nicht das Urteil.
Zwischen Beobachtung und Schlussfolgerung liegt ein Schritt.
Und genau dieser Schritt kann trainiert werden.
Weiterführend: Mindset: 3 stoische Praktiken, die wirklich verändern
Stoische Vorausschau: das Unsichtbare bewusst mitdenken
In stoischen Texten begegnet uns immer wieder die bewusste Vorbereitung auf mögliche Widrigkeiten – heute häufig unter dem Begriff „Premeditatio Malorum“ zusammengefasst.
Seneca, Epiktet und Marc Aurel nähern sich dieser Haltung aus unterschiedlichen Perspektiven.
Die populäre Kurzfassung lautet:
Denke darüber nach, was schiefgehen könnte.
Das kann pessimistisch klingen.
Muss es aber nicht sein.
Für Entscheidungen lässt sich daraus eine nüchterne Technik ableiten:
Stelle dir nicht ausschließlich den Erfolgsfall vor.
Frage auch:
- Welche Annahme könnte falsch sein?
- Unter welchen Bedingungen würde meine Strategie scheitern?
- Welche vergleichbaren Fälle sind bereits gescheitert?
- Welche Informationen würde ich heute gerne besitzen, wenn die Entscheidung in einem Jahr schlecht ausgegangen wäre?
Damit holst du zumindest einen Teil der „nicht zurückgekehrten Flugzeuge“ gedanklich in die Analyse.
Eine interessante moderne Parallele bietet die Forschung zu Mental Contrasting with Implementation Intentions (MCII).
Dabei wird eine gewünschte Zukunft nicht isoliert positiv visualisiert, sondern mit realen Hindernissen kontrastiert und mit konkreten Handlungsplänen verbunden.
Eine Meta-Analyse von Wang, Wang und Gai aus dem Jahr 2021 untersuchte 21 Studien mit insgesamt 15.907 Teilnehmern und fand einen kleinen bis mittleren positiven Gesamteffekt auf Zielerreichung. Die Autoren weisen zugleich auf mögliche Publikationsverzerrungen und den Bedarf an weiterer Forschung hin.
Das ist nicht dasselbe wie stoische Vorausschau.
Aber beide Ansätze teilen einen wichtigen Gedanken:
Ein realistisches Bild entsteht nicht dadurch, dass wir Hindernisse ausblenden.
Taleb und alternative Verläufe
Taleb geht aus einer anderen Richtung an dasselbe Problem heran.
In „Fooled by Randomness“ fordert er dazu auf, nicht nur den tatsächlich eingetretenen Verlauf zu betrachten, sondern auch mögliche alternative Verläufe mitzudenken.
Ein Trader kann nach zehn erfolgreichen Jahren außergewöhnlich kompetent wirken.
Aber wie sähe unser Urteil aus, wenn seine Strategie unter leicht anderen Marktbedingungen zum Ruin geführt hätte?
Wie viele vergleichbare Trader haben diese alternative Geschichte tatsächlich erlebt – und sind deshalb heute unsichtbar?
Das ist der entscheidende Punkt:
Ein Ergebnis verrät nicht automatisch, wie viel davon Können und wie viel Zufall war.
Marc Aurel und Taleb betreiben selbstverständlich keine identische Philosophie.
Aber beide zwingen uns auf unterschiedliche Weise dazu, Distanz zwischen Ereignis und Interpretation des Ereignisses zu schaffen.
Und genau dort beginnt besseres Urteilen.
Survivorship Bias im Alltag: fünf Felder, die dein Urteil verzerren können
1. Startup-Kultur und Unternehmertum
Du kennst die Geschichte.
Ein Gründer bricht sein Studium ab.
Er schläft im Büro.
Das Unternehmen steht mehrfach kurz vor dem Aus.
Dann kommt der Durchbruch.
Buch.
Podcast.
Keynote.
Was du wesentlich seltener siehst:
Menschen, die ähnlich hart gearbeitet, ähnlich viel riskiert und ähnlich lange durchgehalten haben – deren Unternehmen trotzdem verschwunden sind.
Daten des U.S. Bureau of Labor Statistics zeigen die Größenordnung.
Von den privaten US-Betriebsstätten, die im März 2013 gegründet wurden, waren fünf Jahre später noch 50,6 % aktiv.
Nach zehn Jahren waren es 34,7 %.
Die konkreten Werte unterscheiden sich nach Branche und Gründungskohorte.
Die Botschaft ist trotzdem deutlich:
Die Überlebenden sind nur ein Teil der ursprünglichen Population.
Wer ausschließlich erfolgreiche Gründer untersucht, untersucht deshalb nicht automatisch „die Formel für Unternehmertum“.
Er untersucht zunächst:
Menschen und Unternehmen, die einen Selektionsprozess überlebt haben.
2. Investments und Fondsperformance
In der Finanzwelt wird das Problem besonders deutlich.
Angenommen, du untersuchst die historische Performance einer Fondskategorie.
Was passiert mit Fonds, die schlecht laufen und geschlossen oder mit anderen Fonds verschmolzen werden?
Wenn sie aus einer Datenbank verschwinden, während erfolgreiche Fonds weitergeführt werden, sieht die historische Performance des verbleibenden Universums besser aus, als sie tatsächlich war.
Elton, Gruber und Blake untersuchten dieses Problem bereits 1996.
Indem sie auch verschwundene Fonds berücksichtigten, konnten sie zeigen, dass Survivorship Bias die gemessene Fondsperformance relevant verzerren kann. In ihrer Untersuchung lag die Verzerrung bestimmter risikoadjustierter Performancemaße bei ungefähr 0,9 Prozentpunkten pro Jahr.
Das klingt klein.
Über lange Anlagezeiträume kann es erheblich sein.
Die Lektion:
Historische Performance ist nur so gut wie die Datenbasis, aus der sie berechnet wurde.
3. Wissenschaft und Publication Bias
Auch Wissenschaft ist nicht immun gegen selektive Sichtbarkeit.
Hier müssen allerdings zwei Begriffe getrennt werden.
Survivorship Bias und Publication Bias sind nicht dasselbe.
Publication Bias beschreibt unter anderem das Problem, dass Studien mit bestimmten – beispielsweise statistisch signifikanten – Ergebnissen bessere Chancen haben können, veröffentlicht oder sichtbar zu werden als Nullbefunde.
Das kann den publizierten Forschungsstand verzerren.
Wie wichtig Reproduzierbarkeit ist, zeigte 2015 die Open Science Collaboration.
Das internationale Projekt versuchte, 100 experimentelle und korrelative Studien aus drei psychologischen Fachzeitschriften zu replizieren.
97 % der Originalstudien hatten statistisch signifikante Ergebnisse berichtet.
Bei den Replikationen waren es 36 %.
Nach anderen Replikationskriterien ergaben sich andere Werte; beispielsweise wurden 39 % der Effekte subjektiv als erfolgreiche Replikationen bewertet.
Die korrekte Schlussfolgerung lautet deshalb nicht, dass „zwei Drittel der Psychologie falsch“ seien.
Die wichtigere Lektion ist:
Ein publizierter Befund ist nicht automatisch das letzte Wort.
Replikation, vollständige Daten und methodische Transparenz sind Teil wissenschaftlicher Erkenntnis.
Die Flugzeuge, die nicht zurückkehren, erinnern uns auch hier daran, nach dem zu fragen, was eine sichtbare Stichprobe möglicherweise nicht zeigt.
4. Karriere und Selbstbild
LinkedIn ist in gewisser Weise ein kuratiertes Museum der Überlebenden.
Beförderungen.
Neue Jobs.
Abschlüsse.
Finanzierungsrunden.
Unternehmensverkäufe.
Auszeichnungen.
Das ist nicht falsch.
Aber es ist selektiv.
Wesentlich seltener sehen wir:
die Bewerbung, die abgelehnt wurde.
das Projekt, das nach zwei Jahren eingestellt wurde.
den Karriereschritt, der sich als Fehler herausstellte.
die Selbstständigkeit, die beendet wurde.
die Beförderung, die nie kam.
Wer seinen gesamten Alltag mit den kuratierten Höhepunkten anderer vergleicht, vergleicht zwei unterschiedliche Datensätze:
die vollständige Innenansicht des eigenen Lebens mit der selektierten Außenansicht anderer Menschen.
Das Ergebnis kann kaum fair sein.
Kahnemans WYSIATI-Prinzip erklärt, warum das so leicht geschieht:
Was sichtbar ist, dominiert die Geschichte.
Deshalb lautet die Gegenfrage:
Welche Informationen fehlen meinem Vergleich?
5. Erfolgsrezepte und Lebensweisheiten
„Ich habe nie aufgehört zu glauben – und deshalb hat es funktioniert.“
Der Satz klingt inspirierend.
Aber er enthält ein statistisches Problem.
Denn Menschen, die nie aufgehört haben zu glauben und trotzdem gescheitert sind, werden wesentlich seltener nach ihrem Erfolgsrezept gefragt.
Das macht Ausdauer nicht wertlos.
Im Gegenteil.
Disziplin, Ausdauer, Fachwissen, Mut und Beharrlichkeit können die Wahrscheinlichkeit von Erfolg erhöhen.
Sie garantieren ihn nicht.
Erfolgsgeschichten können deshalb wertvolle Einzeldatenpunkte sein.
Sie sind nur kein Beweis für eine universelle Formel.
Investmentgurus und die Kunst, einen Treffer zu verkaufen
Stell dir vor, jemand gibt zehn Aktientipps.
Neun davon verschwinden still im Nichts.
Der zehnte vervierfacht sich.
Was landet im nächsten YouTube-Thumbnail?
Nicht die neun Fehlschläge.
Sondern:
+312 % – so habe ich es gemacht.
Das ist Survivorship Bias in Reinform, sobald die vollständige Trefferbilanz fehlt.
Wer auf YouTube, in Newslettern oder Masterclasses einzelne spektakuläre Treffer vermarktet, liefert damit noch keinen Nachweis eines reproduzierbaren Investmentvorteils.
Entscheidend wäre nicht der beste Screenshot.
Entscheidend wären unter anderem:
- die vollständige Historie,
- sämtliche Fehlentscheidungen,
- Risiko,
- Vergleichsbenchmark,
- Kosten,
- Zeitraum,
- und die Frage, ob das Ergebnis statistisch belastbar reproduzierbar ist.
Aufmerksamkeit belohnt spektakuläre Treffer.
Statistik verlangt vollständige Daten.
Eine bekannte Untersuchung von Brad Barber und Terrance Odean macht zumindest deutlich, wie problematisch übermäßiges Handeln für Privatanleger sein kann.
Die Forscher untersuchten 66.465 Haushalte mit Konten bei einem großen Discountbroker zwischen 1991 und 1996.
Die Haushalte mit der höchsten Handelsaktivität erzielten eine durchschnittliche jährliche Rendite von 11,4 %.
Der Markt erzielte im selben Vergleich 17,9 %.
Die durchschnittlichen Haushalte kamen auf 16,4 %.
Barber und Odean diskutieren insbesondere Overconfidence als Erklärung für hohe Handelsaktivität und die damit verbundene schwächere Performance.
Die Studie beweist keinen Survivorship Bias bei YouTube-Gurus.
Aber sie erinnert an etwas Entscheidendes:
Mehr Aktivität ist nicht automatisch mehr Kompetenz.
„Ich stehe um 05:00 Uhr auf“ – das Problem mit Erfolgsrezepten
Frag einen erfolgreichen Menschen nach seinem Erfolgsrezept.
Vielleicht lautet die Antwort:
Er steht um fünf Uhr auf.
Er läuft jeden Morgen.
Er arbeitet sechzig Stunden.
Er liest jede Woche ein Buch.
Er meditiert.
Er trinkt keinen Alkohol.
Vielleicht stimmt jedes Wort.
Das Problem ist nicht, dass dieser Mensch lügt.
Das Problem ist:
Er kennt vor allem seinen eigenen Film.
Er kennt nicht automatisch die Tausenden Menschen, die ähnlich diszipliniert waren und trotzdem gescheitert sind.
Menschen, deren Markt zusammenbrach.
Deren Investor absprang.
Deren Produkt technisch hervorragend war, aber niemand kaufen wollte.
Deren Unternehmen von einem Konkurrenten mit wesentlich mehr Kapital verdrängt wurde.
Deren Gesundheit nicht mitspielte.
Oder die schlicht zur falschen Zeit am falschen Ort waren.
Disziplin, Ausdauer und Fleiß können die Wahrscheinlichkeit von Erfolg erhöhen.
Sie garantieren ihn nicht.
Wer das verwechselt, macht aus einer persönlichen Erfolgsgeschichte eine Kausaltheorie.
Das Würfelspiel: ein Gedankenexperiment über Erfolg
Hier ist ein Gedankenexperiment.
Stell dir vor, Milliarden Menschen nehmen an einem Würfelspiel teil.
Alle sind gleich intelligent.
Gleich fleißig.
Gleich diszipliniert.
Gleich ehrgeizig.
In jeder Runde treten Spieler gegeneinander an.
Wer gewinnt, kommt weiter.
Das Spiel läuft, bis am Ende ein Sieger übrig bleibt.
Dann kommen die Kameras.
Mikrofone.
Titelseiten.
Die Frage:
„Wie haben Sie das geschafft?“
Und der Gewinner antwortet vollkommen aufrichtig:
„Ich stand jeden Morgen um fünf Uhr auf.“
„Ich habe nie aufgehört zu glauben.“
„Ich habe härter gearbeitet als die anderen.“
Er muss nicht lügen.
Menschen konstruieren Erklärungen aus ihrem eigenen Erleben.
Aber in diesem Gedankenexperiment wissen wir etwas, das der Gewinner nicht aus seinem persönlichen Erlebnis ablesen kann:
Sein Sieg entstand definitionsgemäß auch durch Zufall.
Genau deshalb ist das Modell so nützlich.
Es reduziert Erfolg nicht auf Glück.
Es erinnert uns daran, dass sich das Verhältnis von Können und Zufall je nach Domäne unterscheidet.
Michael Mauboussin beschreibt dieses Problem in The Success Equation als ein Kontinuum zwischen Skill und Luck.
In manchen Bereichen spielt Können eine enorme Rolle.
In anderen kann Zufall einen wesentlich größeren Anteil am beobachteten Ergebnis haben.
Unternehmertum, Investments und Karriereentscheidungen enthalten häufig beides.
Der Fehler besteht nicht darin, hart zu arbeiten.
Der Fehler besteht darin, aus dem Ergebnis automatisch abzuleiten, wie viel davon ausschließlich durch die eigene Leistung verursacht wurde.
Das verändert auch unseren Umgang mit Scheitern.
Wer Zufall und strukturelle Faktoren ernst nimmt, muss ein Scheitern nicht automatisch als vollständiges persönliches Versagen interpretieren.
Und wer erfolgreich ist, bekommt einen triftigen Grund für Demut.
Das Würfelbeispiel in der Realität
Jeder von uns betritt das Würfelspiel des Lebens mit anderen Karten – zugespielt durch Geburt und Umstände.
Der eine erbt ein Immobilienvermögen, wird in Verhältnisse geboren, die Fehler abfedern und Chancen multiplizieren – ein Paar Asse, noch bevor der erste Zug gemacht wurde. Der andere startet mit 2–7 offsuit: die schlechteste Ausgangskombination im Texas Hold’em, statistisch stark benachteiligt.
Das ist keine Metapher für Pessimismus. Es ist eine Metapher für Ehrlichkeit.
Denn auch mit schlechten Karten kann man weit kommen. Die Frage ist nur: Wie?
Stoizismus, Daoismus und Buddhismus geben darauf drei verwandte, aber eigenständige Antworten. Der Stoiker fokussiert auf das, was in seiner Macht steht — unabhängig vom Blatt. Der Daoist sucht den natürlichen Fluss, statt gegen die Strömung zu kämpfen. Der Buddhist löst die Bindung an das Ergebnis — und findet darin paradoxerweise mehr Handlungskraft.
Alle drei Traditionen eint eine Grundüberzeugung, die dem Survivorship Bias direkt widerspricht: Nicht das Ergebnis definiert den Wert des Weges.
Drei Praktiken gegen den Survivorship Bias
Praxis 1: Die Wald-Frage
Die einfachste Technik ist gleichzeitig die stärkste:
Wessen Geschichte fehlt mir?
Bevor du eine wichtige Entscheidung triffst, suche nicht ausschließlich nach Menschen, bei denen der Weg funktioniert hat.
Suche bewusst nach Gegenbeispielen.
Bei einer Unternehmensgründung:
Wer hat ein vergleichbares Unternehmen gegründet und ist gescheitert?
Bei einem Investment:
Welche vergleichbaren Anlagen verschwanden aus der Datenbank?
Bei einer Karriereentscheidung:
Wer hat denselben Wechsel vollzogen und würde ihn heute nicht wiederholen?
Bei einem Erfolgsratgeber:
Wie müsste die Kontrollgruppe aussehen?
Die Wald-Frage lautet nicht:
Warum wird mein Plan scheitern?
Sie lautet:
Welche relevanten Informationen sind möglicherweise unsichtbar?
Das ist ein Unterschied.
Praxis 2: Stoische Vorausschau
Bevor du eine wichtige Entscheidung triffst, stelle dir nicht ausschließlich vor, dass sie funktioniert.
Frage:
Wenn diese Entscheidung in zwölf Monaten gescheitert ist – welche Ursache erscheint mir rückblickend wahrscheinlich?
Das ähnelt dem modernen Pre-Mortem, ohne mit stoischer Praxis identisch zu sein.
Du kannst fünf Minuten investieren und drei mögliche Ursachen notieren.
Dann frage:
- Kann ich dieses Risiko reduzieren?
- Würde ich die Entscheidung trotzdem treffen?
- Welche Information fehlt mir noch?
Stoische Vorausschau ist hier kein Pessimismus.
Sie ist eine Methode gegen intellektuelle Selbstzufriedenheit.
Du gibst dem Scheitern einen Platz in deiner Analyse, bevor es tatsächlich passiert.
Praxis 3: Das tägliche epistemische Inventar
Epiktets berühmte Unterscheidung zwischen dem, was in unserer Verfügung steht, und dem, was nicht vollständig von uns abhängt, kann ebenfalls helfen.
Am Ende des Tages stelle ich mir dafür eine Frage:
Welche meiner heutigen Überzeugungen basieren auf belastbaren Informationen – und welche lediglich auf dem, was besonders sichtbar war?
Das ist kein Tagebuch im romantischen Sinne.
Es ist ein kleines epistemisches Audit.
Was weiß ich?
Was vermute ich?
Welche Gegenbeispiele kenne ich?
Welche Informationen fehlen?
Habe ich aus einem Ergebnis auf eine Ursache geschlossen?
Habe ich eine Erfolgsgeschichte mit einer Erfolgsformel verwechselt?
Keine Neurowissenschaft ist nötig, um diese Übung wertvoll zu machen.
Ihre Stärke liegt bereits in der Struktur der Frage.
Amor Fati – aber richtig verstanden
Friedrich Nietzsche gab einer radikalen Form der Zustimmung zum eigenen Schicksal einen berühmten Namen:
Amor Fati – Liebe zum Schicksal.
Stoische Texte enthalten verwandte Gedanken über Schicksal, Zustimmung zum Geschehenen und den angemessenen Umgang mit Dingen, die sich unserer Verfügung entziehen.
Das macht Nietzsche nicht zum Stoiker.
Und Amor Fati ist nicht einfach der historische Name einer stoischen Technik.
Für unseren Umgang mit Survivorship Bias lässt sich daraus dennoch eine starke moderne Haltung ableiten:
Scheitern ist kein Datenfehler.
Es ist ein Datenpunkt.
Wer ausschließlich Gewinner untersucht, liebt nicht die Wahrheit.
Er liebt ein angenehmes Teilbild davon.
Intellektuelle Redlichkeit bedeutet dagegen:
auch die Geschichten zu suchen, die nicht inspirieren.
Auch die Strategien zu untersuchen, die nicht funktioniert haben.
Auch den eigenen Erfolg nicht vollständig dem eigenen Genie zuzuschreiben.
Und auch das eigene Scheitern nicht vollständig mit dem eigenen Wert zu verwechseln.
Was Marc Aurel wusste, was unsere Erfolgskultur leicht vergisst
Marc Aurel regierte ein Imperium.
Und trotzdem kreisen seine privaten philosophischen Aufzeichnungen immer wieder um Vergänglichkeit, begrenzte Kontrolle, Urteil und die Bedeutung des eigenen Handelns.
Seine Selbstbetrachtungen lesen sich nicht wie die Memoiren eines Mannes, der seine persönliche Erfolgsformel verkaufen wollte.
Sie lesen sich wie Selbstkorrektur.
Wie Erinnerung.
Wie ein Mensch, der sich immer wieder selbst zurück auf den Boden holen musste.
Genau darin liegt eine Verbindung zum Survivorship Bias.
Erfolg ist ein Ereignis.
Er ist noch keine vollständige Erklärung seiner eigenen Ursachen.
Dasselbe gilt für Scheitern.
Weiterführend: Marcus Aurelius: Stoisches Mindset für mehr Resilienz
Was du jetzt weißt – und was du damit anfängst
Das Würfelspiel läuft weiter.
Jeden Tag.
Neue Gewinner werden gefeiert.
Neue Bücher erscheinen.
Neue Gurus erklären, wie sie es gemacht haben.
Und viele Menschen, die einen ähnlichen Einsatz gebracht haben und trotzdem nicht dasselbe Ergebnis erzielten, bleiben unsichtbar.
Du kannst diese Informationsarchitektur nicht vollständig verändern.
Aber du kannst verändern, wie du mit ihr umgehst.
Die ehrlichste Antwort auf den Survivorship Bias
Wenn Erfolg in vielen Bereichen aus einer Mischung von Können, Ausgangsbedingungen, Entscheidungen, Zufall und externen Faktoren entsteht – was folgt daraus?
Aufgeben?
Nein.
Die bessere Antwort lautet:
Verbessere deine Chancen – aber verwechsle Einfluss nicht mit vollständiger Kontrolle.
Lerne.
Trainiere.
Arbeite.
Erhöhe deine Kompetenz.
Reduziere vermeidbare Risiken.
Suche bessere Informationen.
Aber akzeptiere, dass kein Mensch sämtliche Variablen kontrolliert.
Das ist keine Resignation.
Es ist intellektuelle Präzision.
Ein interessantes Beispiel aus der Unternehmenswelt ist Amazon. Eines der offiziellen Leadership-Prinzipien lautet „Learn and Be Curious“: Führungskräfte sollen nie aufhören zu lernen, sich weiterzuentwickeln und neue Möglichkeiten neugierig zu erkunden.
Für unseren Kontext steckt darin eine wichtige Haltung:
Neugier ist eine Gegenkraft zu vorschneller Gewissheit.
Wer immer wieder fragt –
Was fehlt mir?
Welche Gegenposition kenne ich bisher nicht?
Wessen Geschichte höre ich nicht?
– baut mit der Zeit ein vollständigeres Bild der Realität auf.
Mein Weg verlief nie geradlinig – und genau das war wertvoll
Mein Leben verlief nie in einer geraden Linie. Der Daoismus und das Prinzip von Yin und Yang würden an dieser Stelle Erfolg und Misserfolg als zwei Seiten derselben Medaille betrachten.
Es verlief in Wellen.
Es gab Höhen, die sich anfühlten, als würden sie nicht enden.
Und es gab Talsohlen, die länger dauerten, als ich erwartet hatte.
In diesen Phasen lernte ich etwas, das sich schwer aus einem Erfolgsratgeber übernehmen lässt:
Demut.
Nicht die Demut der Niederlage.
Die Demut des Realismus.
Die Fähigkeit, sich nicht für unbesiegbar zu halten, wenn es läuft.
Und sich nicht für wertlos zu halten, wenn es nicht läuft.
Erfolg und Misserfolg sind Informationen.
Beides sind Datenpunkte.
Keines von beiden erklärt allein, wer du bist.
Der Daoismus würde an dieser Stelle andere Begriffe verwenden als die Stoa. Beide Traditionen können aber auf unterschiedliche Weise daran erinnern, nicht krampfhaft an einem bestimmten Ausgang festzuhalten.
Der Stoiker fragt:
Was liegt tatsächlich an mir?
Der Daoist könnte fragen:
Wo erzeuge ich Widerstand, obwohl die Situation eine andere Form des Handelns verlangt?
Beide Philosophien sind nicht identisch.
Aber beide können helfen, Einsatz und Ergebnis voneinander zu unterscheiden.
Das Würfelspiel läuft.
Du spielst mit.
Aber du bist nicht das Ergebnis des Wurfs.
Drei Dinge, die du heute tun kannst
1. Stelle die Wald-Frage
Bei der nächsten wichtigen Entscheidung frage:
Wessen Geschichte fehlt mir?
Wer hat denselben Weg eingeschlagen und ist nicht dort angekommen, wo ich hinwill?
2. Kultiviere Anfängergeist
Suche nicht ausschließlich Informationen, die deine Entscheidung bestätigen.
Suche gezielt nach dem besten Argument dagegen.
Ein gutes Urteil überlebt Widerspruch.
Weiterführend: Shoshin: Der Anfängergeist zur Selbstverbesserung
3. Rehabilitiere das Scheitern
Nicht als Motivationsklischee.
Nicht nach dem Motto:
„Alles passiert aus einem Grund.“
Sondern als epistemische Ressource.
Gescheiterte Projekte können Informationen enthalten, die erfolgreiche Projekte niemals sichtbar machen.
Marc Aurel formuliert in Selbstbetrachtungen V.20 sinngemäß einen Gedanken, der dazu passt:
Der Geist kann das, was dem Handeln entgegensteht, aufnehmen und zum Material für weiteres Handeln machen.
Oder moderner formuliert:
Ein Hindernis muss nicht das Ende des Weges sein. Es kann zum Material für den nächsten Schritt werden.
Nicht trotz der Talsohlen.
Manchmal durch das, was wir in ihnen lernen.
FAQ – häufige Fragen zum Survivorship Bias
Was ist der Survivorship Bias einfach erklärt?
Survivorship Bias ist eine Selektionsverzerrung. Sie entsteht, wenn wir unsere Schlussfolgerungen vor allem aus den Fällen ziehen, die sichtbar geblieben sind, während gescheiterte, ausgeschiedene oder verschwundene Fälle fehlen.
Ein klassisches Beispiel sind erfolgreiche Unternehmer: Ihre Geschichten sind öffentlich sichtbar. Menschen, die ähnliche Strategien verfolgt haben und gescheitert sind, werden wesentlich seltener interviewt. Wer nur die Gewinner analysiert, erhält deshalb ein verzerrtes Bild der Erfolgsbedingungen.
Wie erkenne ich Survivorship Bias im Alltag?
Eine besonders hilfreiche Frage lautet:
Wessen Geschichte fehlt mir hier?
Wenn du ein Erfolgsrezept liest, einen Investmenttipp hörst oder deine Karriere mit anderen vergleichst, frage nach den unsichtbaren Fällen.
Weitere Warnzeichen sind Aussagen wie:
„Alle erfolgreichen Menschen machen X.“
„Diese Strategie funktioniert – schau dir diese Gewinner an.“
„Wer hart genug arbeitet, schafft es immer.“
Solche Aussagen können relevante Gegenbeispiele systematisch ausblenden.
Was hat Abraham Wald mit Survivorship Bias zu tun?
Abraham Wald analysierte während des Zweiten Weltkriegs die Verwundbarkeit von Flugzeugen anhand der Schäden an zurückgekehrten Maschinen.
Seine entscheidende statistische Einsicht bestand darin, die Auswahlverzerrung der Stichprobe zu berücksichtigen: Die beobachteten Flugzeuge waren diejenigen, die trotz ihrer Schäden zurückgekehrt waren. Schäden, die besonders häufig zum Verlust eines Flugzeugs führten, konnten deshalb gerade in der Stichprobe der Überlebenden unterrepräsentiert sein.
Daraus entsteht die moderne Wald-Frage:
Welche Fälle fehlen in meinen Daten, weil sie den Auswahlprozess nicht überlebt haben?
Wie kann stoische Philosophie gegen Survivorship Bias helfen?
Die Stoa entwickelte selbstverständlich keine Theorie des Survivorship Bias.
Ihre Übungen können aber helfen, vorschnelle Urteile zu vermeiden.
Besonders relevant sind die bewusste Betrachtung möglicher Widrigkeiten, die Unterscheidung zwischen Ereignis und Urteil sowie Epiktets Frage danach, was tatsächlich unserer Verfügung unterliegt.
Modern angewandt bedeutet das:
Nicht nur fragen, warum etwas funktionieren könnte.
Auch fragen, unter welchen Bedingungen es scheitern würde.
Warum sind Erfolgsgeschichten oft irreführend?
Erfolgsgeschichten sind nicht notwendigerweise falsch.
Sie sind häufig unvollständig.
Ein erfolgreicher Mensch kann korrekt berichten, was er getan hat. Daraus folgt aber nicht automatisch, dass genau diese Handlungen seinen Erfolg verursacht haben oder bei anderen Menschen dasselbe Ergebnis produzieren würden.
Erfolgsgeschichten sind wertvolle Einzelfälle.
Für universelle Handlungsregeln braucht man mehr.
Ist Survivorship Bias dasselbe wie Confirmation Bias?
Nein.
Beim Confirmation Bias werden Informationen bevorzugt gesucht, interpretiert oder erinnert, wenn sie bestehende Überzeugungen bestätigen.
Beim Survivorship Bias fehlt dagegen ein Teil der relevanten Fälle bereits in der beobachteten Auswahl.
Beide Verzerrungen können sich allerdings gegenseitig verstärken.
Wer überwiegend Erfolgsgeschichten sieht, kann anschließend bevorzugt nach weiteren Geschichten suchen, die die daraus entstandene Erfolgsformel bestätigen.
Fazit: Suche nicht nur nach den Gewinnern
Survivorship Bias ist gefährlich, weil er sich selten wie ein Denkfehler anfühlt.
Die sichtbaren Daten sind real.
Der erfolgreiche Unternehmer existiert.
Der Fonds hat tatsächlich gewonnen.
Der Bestsellerautor hat tatsächlich eine Methode benutzt.
Der Karriereweg hat tatsächlich funktioniert.
Der Fehler beginnt erst im nächsten Schritt:
wenn wir aus dem sichtbaren Ergebnis eine allgemeine Regel machen und vergessen, nach den unsichtbaren Fällen zu fragen.
Abraham Wald liefert dafür eine Frage, die weit über Statistik hinausgeht:
Welche Flugzeuge sind nicht zurückgekehrt?
Stelle sie bei Investments.
Bei Karriereentscheidungen.
Bei Erfolgsrezepten.
Bei wissenschaftlichen Studien.
Und auch dann, wenn du über dein eigenes Leben urteilst.
Vielleicht war dein Scheitern nicht ausschließlich persönliches Versagen.
Vielleicht war dein Erfolg nicht ausschließlich persönliche Genialität.
Beides ist keine Abwertung.
Es ist eine vollständigere Sicht auf die Realität.
Arbeite hart.
Lerne.
Verbessere deine Chancen.
Triff bessere Entscheidungen.
Aber behalte genug Demut, um anzuerkennen, was du nicht kontrollierst – und genug Neugier, um nach den Daten zu suchen, die andere übersehen.
Denn manchmal liegt die wichtigste Information nicht in dem Flugzeug, das vor dir steht.
Sondern in dem, das nie zurückgekehrt ist.
Quellen und weiterführende Literatur
1. Survivorship Bias, Statistik und Entscheidungstheorie
Wald, A. (1943/1980). A Method of Estimating Plane Vulnerability Based on Damage of Survivors. Statistical Research Group, Columbia University. Reprinted by Center for Naval Analyses, Research Contribution CRC 432.
Wallis, W. A. (1980). The Statistical Research Group, 1942–1945. Journal of the American Statistical Association, 75(370), 320–330.
Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux. Insbesondere zum Konzept „What You See Is All There Is“ (WYSIATI).
Taleb, N. N. (2001). Fooled by Randomness: The Hidden Role of Chance in Life and in the Markets. Texere.
Mauboussin, M. J. (2012). The Success Equation: Untangling Skill and Luck in Business, Sports, and Investing. Harvard Business Review Press.
2. Investments und Survivorship Bias
Elton, E. J., Gruber, M. J., & Blake, C. R. (1996). Survivorship bias and mutual fund performance. The Review of Financial Studies, 9(4), 1097–1120. DOI: 10.1093/rfs/9.4.1097.
Barber, B. M., & Odean, T. (2000). Trading is hazardous to your wealth: The common stock investment performance of individual investors. The Journal of Finance, 55(2), 773–806. DOI: 10.1111/0022-1082.00226.
3. Wissenschaft, Reproduzierbarkeit und Zielerreichung
Open Science Collaboration. (2015). Estimating the reproducibility of psychological science. Science, 349(6251), aac4716. DOI: 10.1126/science.aac4716.
Wang, G., Wang, Y., & Gai, X. (2021). A meta-analysis of the effects of mental contrasting with implementation intentions on goal attainment. Frontiers in Psychology, 12, 565202. DOI: 10.3389/fpsyg.2021.565202.
4. Unternehmensdemografie
U.S. Bureau of Labor Statistics. (2024). 34.7 percent of business establishments born in 2013 were still operating in 2023. The Economics Daily / Business Employment Dynamics. Die Daten beziehen sich auf private US-Betriebsstätten und zeigen unterschiedliche Überlebensraten nach Alter und Branche.
5. Stoische Primärquellen
Marcus Aurelius. Meditationes / Selbstbetrachtungen, insbesondere Buch V, 20 sowie weitere Passagen zu Urteil, Handlung und Vergänglichkeit. Im Artikel werden bewusst eigene sinngemäße deutsche Übertragungen verwendet und keine moderne urheberrechtlich geschützte Übersetzung wörtlich übernommen.
Epiktet. Encheiridion / Handbüchlein, insbesondere Kapitel 1 und 5. Die im Artikel wiedergegebenen Gedanken sind sinngemäße deutsche Übertragungen.
Seneca, L. A. Epistulae Morales ad Lucilium. Für die stoische Vorbereitung auf Widrigkeiten und den Umgang mit Verlust, Unsicherheit und Schicksal.
6. Stoizismus und moderne Interpretation
Robertson, D. (2010). The Philosophy of Cognitive-Behavioural Therapy: Stoic Philosophy as Rational and Cognitive Psychotherapy. Karnac.
Pigliucci, M. (2017). How to Be a Stoic: Using Ancient Philosophy to Live a Modern Life. Basic Books.
7. Nietzsche und Amor Fati
Nietzsche, F. (1882/1887). Die fröhliche Wissenschaft, insbesondere §276. Der Begriff Amor Fati wird im Artikel Nietzsche zugerechnet und nicht als historischer Name einer stoischen Technik dargestellt.
8. Unternehmenskontext
Amazon. Leadership Principles, insbesondere „Learn and Be Curious“. Offizielle Unternehmensquelle. Im Artikel ausschließlich als Beispiel für das öffentlich formulierte Prinzip kontinuierlichen Lernens und neugieriger Exploration verwendet.
Redaktioneller Hinweis
Dieser Artikel verbindet wissenschaftliche Forschung, philosophische Interpretation, historische Beispiele und persönliche Reflexion. Philosophische Parallelen werden als solche behandelt; sie bedeuten nicht, dass antike Philosophen moderne psychologische oder statistische Konzepte vorweggenommen hätten.
Die Passagen zu Investments dienen ausschließlich Bildungs- und Informationszwecken und stellen keine individuelle Anlageberatung oder Empfehlung zum Kauf oder Verkauf bestimmter Finanzinstrumente dar. Historische Renditen und Studienergebnisse erlauben keine verlässliche Prognose zukünftiger Anlageergebnisse.
