Mit achtzigprozentiger Wahrscheinlichkeit wurde O. J. Simpsons Frau von ihrem Mann ermordet, und der Beschuss der chinesischen Botschaft im Kosovo-Krieg beruhte höchstwahrscheinlich, nämlich zu 85 Prozent, auf Vorsatz. Reine Vermutungen, geschätzt nach Pi mal Daumen? Nein, solche Wahrscheinlichkeiten lassen sich rechnerisch herleiten. Da nützt es nichts, dass Simpsons Anwalt vor Gericht zutreffend anführt, dass nur einer von tausend Männern, die ihre Frau regelmäßig schlagen, sie auch ermordet. Entscheidend ist die Frage, bei wie vielen ermordeten Frauen, die regelmäßig von ihrem Mann geschlagen wurden, der Mann auch der Täter war. Und im Falle der chinesischen Botschaft bleibt nur wenig Raum für vage Mutmaßungen, wenn man alle Faktoren veranschlagt – wie die Zahl aller Häuser in Belgrad, die Zahl der für einen Beschuss in Frage kommenden Ziele, die Zahl der Geschosse sowie die Vorab-Einschätzung des Vermutenden über die Bereitschaft der Amerikaner, die Botschaft zu beschießen.Mit zahlreichen Fallbeispielen beschreiben die Autoren, beide Physiker und Professoren am Fachbereich Medizin der Universität Hamburg, verblüffende Folgerungen aus der Wahrscheinlichkeitslogik. Die vertraute Wenn-dann-Logik ist auf viele Sachverhalte nicht anwendbar. Erst dadurch, dass ein "wahrscheinlich" in die Rechnung einbezogen wird, kann man alle Faktoren ins Kalkül ziehen – und bekommt daraufhin völlig andere Ergebnisse.Welche Irrtümer und Fehlschlüsse entstehen können, wenn nur einige dieser Zutaten außer Acht bleiben, zeigen die Autoren für die verschiedensten Lebensbereiche. Stück für Stück widerlegen sie unsere für sicher geglaubten Meinungen. In witzigen und spannenden Geschichten führen sie uns von Wettervorhersagen und Bilanzmanipulationen über Börsenbewegungen bis hin zu ihrem Hauptanliegen: der "Lebenslüge der medizinischen Forschung". Es geht um Fehlschlüsse, die durch falsche Interpretationen medizinischer Tests und Studien entstehen.Üblicherweise werden in Doppelblindversuchen Therapien an Patienten getestet und die jeweils positive oder negative Wirkung erfasst. Bei der statistischen Auswertung einer solchen Studie gestehen sich die Forscher sogar eine geringe Irrtumswahrscheinlichkeit zu. Eine Grundfrage aber fehlt: Wurde überhaupt eine bessere Therapie-Idee untersucht?Das Buch verdeutlicht das mit einem Angelbeispiel: In einem Teich gibt es zwei Arten Fische, die begehrten Leckerellen und die ungenießbaren Ekelitzen. Um die Wirksamkeit eines Angelköders für Leckerellen zu testen, hängt man ihn ins Wasser und zählt, wie viele Fische jeder Art anbeißen. Weiß man dann, ob und wie sehr die Leckerellen den Köder mögen? Beileibe nicht. Es kommt darauf an, wie viele Fische der einen und der anderen Art überhaupt im Teich sind. Möglicherweise schwimmt dort gerade keine einzige Leckerelle, also beißt auch keine an; man angelte dann nur Ekelitzen, die den – vielleicht für Leckerellen hervorragenden – Köder nur in der Not fressen. Welchen Wert hat also die reine Zählmethode, um eine Aussage über die Qualität des Köders zu bekommen?Auf medizinische Studien übertragen: Wie aussagefähig ist ein Studienergebnis, wenn Therapie-Köder ausgelegt werden, ohne zu wissen, wie viele Ideen-Fische überhaupt im Forschungsmilieu schwimmen?Eine weitere Schwierigkeit kommt hinzu: Die Wahrscheinlichkeit von guten Ideen für neue Therapien ist nicht bekannt. Man könnte sie höchstens subjektiv schätzen (Vorschlag der Autoren: zwei Prozent). Weil sie also fast nicht quantifizierbar ist, darf sie, so argumentieren die Statistiker, bei der Bewertung wissenschaftlicher Ergebnisse auch nicht veranschlagt werden. Denn Subjektivität soll in der Forschung möglichst ausgeschlossen bleiben. Folglich wird der Faktor Ideen-Wahrscheinlichkeit ganz aus der Fragestellung und der statistischen Auswertung ausgeklammert. Das Problem existiert also offiziell gar nicht, obwohl es den Fachleuten bekannt ist.Das Buch bietet vergnüglichen Lesestoff als Verpackung für wissenschaftskritischen Zündstoff: Die Autoren weisen nach, dass randomisierte Studien überflüssig oder sogar schädlich sind. Sie zeigen, dass viele der "wissenschaftlich nachgewiesen besseren Therapien" nicht besser und vielfach sogar schlechter sind als das, was sie verbessern sollen.