Stochastik-Abb.
Wirkt Medikament A besser als ein Placebo? Wirkt Medikament A besser als Medikament B? Wie unterscheiden sich die Ernteerträge in Abhängigkeit von der Getreidesorte? Wie in Abhängigkeit von der Düngermenge? Wie unterscheiden sich die Ernteerträge in Abhängigkeit von der Kombination aus Getreidesorte und Düngermenge?

Klarheit schaffen in der Versuchsplanung

Dies sind nur einige Beispiele für – trotz großer Ähnlichkeiten völlig verschiedene – Versuchsfragen, die sich eine medizinische oder eine landwirtschaftliche Forschungsgruppe stellen kann. Und es muss immer der erste Schritt in der Versuchsplanung sein, sich Klarheit darüber zu verschaffen, welche Frage genau man untersuchen will. Denn daraus ergeben sich Konsequenzen sowohl für die Art und Weise der Datenerfassung als auch für die statistische Auswertung der gewonnenen Daten. Es wäre methodisch falsch, den zweiten Schritt vor dem ersten zu tun, d.h. einfach planlos Daten zu erfassen und durch die statistische Auswertung zu „klären“, was mit den Daten gezeigt werden soll.

„Wir messen erstmal …”

Leider laufen viele Experimente genau so ab: „Wir messen erstmal und schauen später, was rauskommt.“ So können keine reproduzierbaren und belastbaren Erkenntnisse über die Signifikanz von Mess- oder Untersuchungsergebnissen gewonnen werden. Das ist nicht nur ärgerlich, sondern kann gerade im medizinischen Bereich hochgefährlich werden, wenn beispielsweise einem Medikament allein aufgrund eines ungeeigneten Studien-Setups fälschlicherweise eine positive Hauptwirkung attestiert wird, die es in Wirklichkeit gar nicht hat.

Design of Experiments

Hier setzt die Versuchsplanung ein, oft auch im Deutschen „Design of Experiments“ genannt: Sie stellt einen systematischen Rahmen dar, der den Versuchsdurchführenden dabei hilft, ihre Experimente so zu gestalten und auszuwerten, dass Ursache-Wirkungs-Beziehungen herausgeschält und der Einfluss von stochastischen oder systematischen Störgrößen quantifiziert werden kann.

Statistische Versuchsplanung - Bild
Abb.: Link
Für eine gute, d.h. aussagefähige Statistik braucht man nicht zwangsläufig eine große Anzahl an Probanden oder tausende von Messpunkten – man braucht ein „richtiges“, also problemangepasstes Versuchs-Setup und im Vorfeld (!) bestimmte und für die Auswertung der Versuchsdaten geeignete statistische Analysemethoden. Statistische Softwarepakete wie das kommerzielle SAS oder freie Programmiersprachen für statistische Berechnungen wie R können bei der Auswertung helfen, vorausgesetzt, die Nutzenden wissen, was sie tun. Mehr Informationen zur Versuchsplanung in den Natur- und Ingenieurwissenschaften findet man in diesen Büchern:
Mehr erfahren:
Wassserstoff Cover
Wassserstoff Cover

Archive

Interesse an mehr?
Camelbodies

Camelbodies

While the United Nations have designated 2024 as the International Year of Camelids, it seems fitting to focus on a little-known peculiarity of the immune system of camels, dromedaries, llamas and their relatives, which has sparked the development of a new class of...

mehr lesen
Wiley-VCH – 100 Years of Growing Knowledge

Wiley-VCH – 100 Years of Growing Knowledge

We have reason to celebrate: It’s our 100th year that we are publishing for the scientific community, for students, instructors, practitioners and researchers all over the world. From academic and professional learning up to the latest professional standards and...

mehr lesen
Wie halte ich einen Kurzvortrag?

Wie halte ich einen Kurzvortrag?

Für junge Wissenschaftler*innen ist es üblich, auf Symposien und Konferenzen einen Kurzvortrag zur eigenen Forschungsarbeit zu geben, der in der Regel auf 15 Minuten begrenzt ist. Um aus dieser kurzen Zeit- und Aufmerksamkeitsspanne das beste herauszuholen, hat sich...

mehr lesen