Meinungen

Big Data, Big Statistics, bessere Prognosen?

Big Data und Big Statistics sorgen für Klärung, doch für bessere Fernsicht bedarf es besserer Prognosemodelle. Ein Kommentar von Thomas Straubhaar.

Thomas Straubhaar
«Auch noch so komplexe Methoden und Modelle vergangener Zeiten vermögen nicht wirklich, Licht ins Dunkel einer digitalisierten Datenökonomie der Nach-Corona-Jahre zu bringen.»

Es bewegt sich. Endlich! In Zeiten höchster statistischer Not und notorisch unbrauchbar gewordener Wirtschaftsprognosen wagt das Staatssekretariat für Wirtschaft (Seco) einen längst überfälligen Schritt. Noch etwas zögerlich, aber immerhin, ergänzt es nun seine Voraussagen des Bruttoinlandprodukts (BIP) mit einem Index zur wöchentlichen Wirtschaftsaktivität (WWA). Das Seco folgt damit dem guten Vorbild anderer, so etwa den «Experimentellen Statistiken» des Bundesamts für Statistik (BFS) oder dem Wöchentlichen Aktivitätsindex der Deutschen Bundesbank.

Wie sehr eine Neuorientierung des Prognosewesens dringend geworden ist, hat nicht erst das Coronavirus verdeutlicht. Die Pandemiewellen haben lediglich wie im Brennglas längst bestehende statistische Grundsatzprobleme fokussiert. Viele Voraussagen entpuppten sich in den vergangenen Monaten als reine Vermutungen – oft ohne substanzielle Belege. Manche ähnelten eher Horoskopen und waren näher bei Fakes, oft weit entfernt von tatsächlichen Fakten. Für die Wirtschaft sind Prognosedefizite ein kostspieliges Ärgernis. Aber in der Regel findet man brauchbare Ersatzlösungen, um sich selbst zu helfen. Für die Politik jedoch sind Fehlprognosen gefährlich. Sie führen in die Irre. Das kann schwere gesamtgesellschaftliche Verwerfungen verursachen.

Das Bruttoinlandprodukt (BIP) mag im Nachgang für Analysen aller Art weiterhin hilfreich bleiben. Aber als Kompass für Prognosen bietet es schlicht keine Orientierungshilfe mehr. Es ist zu altbacken auf eine materielle Industrieproduktion längst vergangener Tage ausgerichtet. Bereits bei Dienstleistungen blieb vieles unerfasst im Dunkeln. Manches konnte von statistischen Ämtern lediglich geschätzt, aber nicht wirklich gemessen werden.

Weg von der Fixierung auf das BIP

In der digitalisierten Datenwirtschaft des 21. Jahrhunderts wird es noch einmal um Dimensionen schwieriger, wirtschaftliche Aktivitäten zu erfassen, geografisch abzugrenzen und einzelnen Sektoren oder Regionen zuzuordnen. Längst schon gibt es in den USA weitreichende Vorschläge für ein Beta-BIP (GDP-ß). Mit dessen Hilfe liesse sich die Wertschöpfung der Online-Dienstleistungen von Facebook bis WhatsApp, der Sharing Economy, der Streaming-Plattformen von Netflix und Spotify bis YouTube oder der sozialen Medien wie Instagram und Twitter abschätzen. Ähnliche Verbesserungen müssten nun auch in der Schweiz rascher in die statistische Praxis umgesetzt werden.

Postcorona wird es höchste Zeit, sich bei Konjunkturprognosen von der Fixierung auf das BIP zu lösen. Web Scraping (automatisierte Erfassung von Preisen im Internet), Scannerdaten (Kassendaten des Detailhandels), Kreditkartenabrechnungen, Umsatzsteuervoranmeldungen, Kreditvergaben und Auskünfte für Online-Transaktionen ermöglichen mithilfe maschinellen Lernens tagesaktuelle Messungen – nicht Schätzungen – tatsächlicher Aktivitäten.

Luftverschmutzung, Stromverbrauch, Lastwagenfahrleistungen, Flugbewegungen, Passantenaufkommen oder Mobilfunkdaten liefern weitere Informationen. Satelliten-, Luft- und Drohnenbilder lassen sich als Echtzeit-Indikatoren für Verkehrsströme, Schiffsaufkommen und die Zahl der in Häfen umgeschlagenen Container nutzen. Daraus lassen sich aktuelle Rückschlüsse für Produktion und Handel ziehen. Die Dichte der Parkplatzbelegung vor Geschäften bietet Hinweise auf Konsumverhalten und Umsatzzahlen. Die Fahrtenkontrolldaten der Logistikbetriebe geben Anhaltspunkte zur Entwicklung der Industrieproduktion.

Kluge Algorithmen nützen

Als besonders erfolgversprechend für Voraussagen erweisen sich Anfragen bei grossen Suchmaschinen oder Äusserungen in den sozialen Medien. Es ist eben zutreffend, dass Google oder Instagram früher als alle anderen wissen, was gleich anstehen und passieren wird – etwa, wenn Frauen schwanger werden, eine Trennung bevorsteht, ein Haustier zur Familie stösst, ein Wohnungswechsel, Hauskauf oder eine Ferienreise geplant sind.

Mit Big Data angemessenen Experimenten lassen sich «Echtzeit»-Entwicklungen rascher sichtbar machen. Aber so begrüssenswert die Initiativen des Seco oder des BFS auch sind, so sehr kratzen sie bestenfalls an der Oberfläche eines statistischen Eisbergs, dessen massiger Kegel weiterhin in der Dunkelheit der Nichterfassung liegt. Online-Marktplätze für Tausch und Unterkunft (eBay, Airbnb), Transport (Mitfahrgelegenheit, Carsharing, Parkplatz-Sharing), Online-Arbeitsmärkte für ungelernte und qualifizierte Arbeit, Zustellung und Haushaltsdienstleistungen, IT-Berufe, Beratung sowie Crowdfunding und Kreditplattformen erfordern völlig neue Messverfahren, um statistisch sichtbar zu werden.

Big Data schreit nach Big Statistics mit neuen, zeitgemässen Prognoseverfahren jenseits veralteter und unbrauchbar gewordener BIP-Konzepte. Künstliche Intelligenz und maschinelles Lernen verursachen in der Wirtschaftsstatistik eine Disruption, die bei Voraussagen gegen ein «Weiter so wie bis anhin» spricht. Kluge Algorithmen ermöglichen aus Massen von Daten über mehr oder weniger gläsern gewordene Menschen eine umfassende und verlässliche Echtzeit-Vermessung nahezu aller Dimensionen der Ökonomie. So werden Änderungen und Entwicklungen rascher, präziser und realitätsnäher erkennbar als mit jeder bisher verfolgten Alternative.

Disruption verändert alles

Aber Big Statistics löst nur die eine Seite des Problems. Die andere bleibt solange bestehen, wie Prognosen auf einer Extrapolation der Vergangenheit basieren – also einer Übertragung historischer Erfahrungen und Erkenntnisse in die Zukunft. Das geht solange einigermassen gut, wie das Vergangene zumindest als grobe Näherung für das Kommende Bestand hat – also eine gewisse Stabilität der politischen, gesellschaftlichen und wirtschaftlichen Strukturen gegeben ist. Diese Voraussetzung war lange erfüllt.

Solange ein ökonomischer oder gesellschaftlicher Wandel langsam, kontinuierlich und ohne Brüche oder sprunghafte Richtungswechsel erfolgt(e), unterscheiden sich Vergangenheit, Gegenwart und Zukunft nur geringfügig. Also liessen sich viele Entwicklungen von Jahr zu Jahr mit hoher Verlässlichkeit fortschreiben.

Die Pandemie sollte jetzt jedoch auch den Prognostikern die Augen öffnen. Zu sehen wäre dann nämlich, dass die Vergangenheit immer weniger in der Lage ist, sinnvolle und brauchbare Erkenntnisse für die Zukunft zu liefern. Zu vieles ändert sich zu rasch und zu umfassend. Entsprechend der «Disruption» – also der vielen Brüche – lassen sich künftige Anpassungen an neue Verhältnisse nicht aus bekannten Entwicklungsmustern früherer Zeiten ableiten.

Geschichte wiederholt sich nicht

Auch noch so komplexe Methoden und Modelle vergangener Zeiten vermögen nicht wirklich, Licht ins Dunkel einer digitalisierten Datenökonomie der Nach-Corona-Jahre zu bringen. Sie verhüllen lediglich mit einem wissenschaftlichen Deckmantel, wie immens Unwissen und Ungewissheit sind. Um dennoch eine Voraussage treffen zu können, bedienen sich viele Prognostiker gerne der Geschichte. Historische Ereignisse werden aus der Erinnerungskiste längst vergangener Tage hervorgekramt.

Ja, Geschichte hilft, zu verstehen, was war. Man kann historische Muster erkennen und Lehren ziehen. Damit aber wird man immer weniger in der Lage sein, vorauszusagen, was werden wird. Deshalb führt eine naive Geschichtsgläubigkeit zu Fehlprognosen. Gewisse Verhaltensweisen der Vergangenheit mögen sich in Zukunft wiederholen, aber eben bei weitem nicht alle. Zweckmässige Antworten von gestern sind keine Garantie mehr für erfolgreiche Lösungen für morgen. Zu oft wird der Erkenntnisgewinn aus der Geschichte überschätzt. Zu häufig wird er von Interessenvertretern instrumentalisiert und manchmal auch missbraucht, um mit Verweis auf scheinbare Gesetzmässigkeiten der Vergangenheit eigenes Tun zu rechtfertigen.

Geschichte wiederholt sich nicht. Vergangenheit ist kein Vorläufer der Zukunft. Sie bietet keine brauchbare Orientierungshilfe, um zu erkennen, wohin die Reise gehen wird. Deshalb helfen alte Weisheiten nicht weiter. Viele Zusammenhänge verlaufen künftig völlig anders, als es früher der Fall war. Bis anhin gültige Erkenntnisse und Kausalitäten (also allgemeingültige Wenn-dann-Beziehungen) lassen sich immer weniger extrapolieren. Damit aber erweisen sich mehr und mehr Voraussagen als reine Spekulationen. Prognostiker stochern zunehmend nur noch im Nebel der Ungewissheit. Big Data und Big Statistics sorgen für etwas Klärung. Für eine bessere Fernsicht jedoch bedarf es besserer Prognosemodelle.

Leser-Kommentare