Aus dem Alltag kennen wir den Umgang mit Ungewissheiten. Ständig handeln wir, ohne dass wir genaue Risikoabschätzungen vornehmen, obwohl selten vollständiges Wissen vorliegt. In der Wissenschaft wird ebenfalls versucht, mit Ungewissheiten, etwa aus der Modellierung und Simulation, umzugehen. Gerade wenn es um Abschätzungen über das Verhalten von risikobehafteter Infrastruktur über lange Zeiträume geht, liegen verschiedene Arten von Ungewissheiten vor. Diese der Öffentlichkeit zu kommunizieren, gehört heute zur guten Praxis. Doch wie soll man gerade beim sensitiv beobachteten Thema der Endlagerung hochradioaktiver Abfälle vorgehen? Wie sind Modellunsicherheiten aufzubereiten und darzustellen, sodass sie nicht zu weiterer Verunsicherung beitragen? In diesem Beitrag beschäftigen wir uns mit den Quellen und Formaten von Ungewissheiten sowie dem Wissen aus der Forschung zu Risikokommunikation und Ungewissheiten. Dabei wird klar, dass es nicht nur unterschiedliche Arten und Quellen von Ungewissheiten gibt, sondern auch interindividuelle Unterschiede bei den Adressaten. Entsprechend können sich die Wirkungen der Kommunikation unterscheiden. Wir zeigen an einem aktuellen Beispiel, wie zwei unterschiedliche Berechnungsarten und grafische Darstellungen von 177 Teilnehmern einer experimentellen Studie aufgenommen wurden.
1 Einleitung
Ereignisse im Alltag sind mit Ungewissheiten behaftet. Man weiß nicht genau, wie sich die Dinge entwickeln – und dennoch muss man handeln. Beispielsweise auf einer Autofahrt: Zwar kennt man vielleicht die Strecke und das Navi stellt fast in Echtzeit Informationen über die aktuelle Verkehrslage zur Verfügung. Doch kann man nicht völlig sicher sein, ob die eingeschlagene Route auch wirklich die schnellste ist. Unvorhergesehene Dinge – wie Unfälle oder plötzliche Staus – können schnell zu großen Verzögerungen führen. Letztlich stellen wir im Alltag ständig Vermutungen an und versuchen, den Lauf der Welt vorherzusagen.
In der behördlichen Praxis sind Ungewissheiten ebenfalls allgegenwärtig. So bewertet das Bundesamt für Strahlenschutz (BfS) beispielsweise mögliche gesundheitsbezogene Risiken durch ionisierende oder nichtionisierende Strahlung (d. h. das „Strahlenrisiko“; BfS Bundesamt für Strahlenschutz 2021).1Dabei gehören mögliche Wissenslücken (d. h. „Nichtwissen“) zu einer Risikobewertung dazu, weshalb auch eine Einschätzung zu Ungewissheiten gegeben wird, die mit den Abschätzungen verknüpft sind.
Anzeige
Auch in der Forschung gehen wir mit Ungewissheiten um, etwa in der Ableitung und Operationalisierung von Variablen und Parametern aus Theorien sowie in Modellbildung und Simulation (Boon 2020). Oft wird im Modellierungskontext von Unsicherheit(uncertainty) gesprochen und demnach auch von Unsicherheitsanalysen (Eckhardt 2021).2 Modelle sollen dabei helfen, die Wirklichkeit wissenschaftlich handhabbar zu machen. Dabei sind Modelle vereinfachte Abbilder der Wirklichkeit. Die Variablen und Parameter in Modellen bilden sozusagen Teile der Realität ab und ihr Zusammenspiel wird im Computer simuliert. Für den Umgang mit Modellunsicherheiten gibt es ebenso Methoden und Ansätze (Finsterle und Lanyon 2022), wie auch beim Risikomanagement (Chapman und Hooper 2012).
In der für diesen Beitrag relevanten Forschung zum Management radioaktiver Abfälle geht es vornehmlich um Ungewissheiten im Rahmen der Risikokommunikation auf Basis wissenschaftlicher Simulationsergebnisse. Wir beleuchten die Frage, welche Art von Kommunikation wie aufgenommen wird und wie sie sich auf das Vertrauen in die Aussagekraft der Darstellung der Simulationsergebnisse auswirkt.
Menschen wollen wissen, wie sicher ein Lager für hochradioaktive Abfälle wäre und ob und wieviel Umweltbelastung durch freigesetzte radioaktive Substanzen davon ausginge. Um abzuschätzen, wie Antworten auf diese Sorgen wirken, muss man sich folgende Fragen bewusst machen: Wer kommuniziert was auf welche Weise? Und: Wie werden solche Äußerungen verstanden? Ein typisches Beispiel ist die Kommunikation von Risiken in Form von (Eintritts-)Wahrscheinlichkeiten (Aven und Thekdi 2022). „Ein Merkmal, das allen wissenschaftlichen Erklärungen und Vorhersagen eigen ist, ist die Unsicherheit. Die Kommunikation von Risiken bringt daher zwangsläufig die Kommunikation von Ungewissheit mit sich, zum Beispiel in Form von Wahrscheinlichkeiten von Ereignissen oder Bandbreiten von Vorhersagen.“ (Bostrom et al. 2018, S. 256; Übersetzung d.d. Autoren).
Einige Wissenschaftler dachten und denken, dass es besser sei, Ungewissheiten gar nicht erst in der Öffentlichkeit zu benennen (Frewer et al. 2003). Das mag der Befürchtung geschuldet sein, dass die Konzepte nicht verstanden würden und zu falschen Einschätzungen und Vertrauensverlust führten. Diese Einstellung trifft jedoch zunehmend auf eine Öffentlichkeit, die durchaus informiert werden will: „Für sie ist es die Leugnung der Unsicherheit von Risiken durch Experten, die das Misstrauen gegenüber der Wissenschaft und den wissenschaftlichen Einrichtungen verstärkt” (Frewer et al. 2003, S. 84; Übersetzung d.d. Autoren).
Anzeige
Nach Frewer geht es für die Öffentlichkeit nicht darum, ob sie Ungewissheiten konzeptualisieren kann oder nicht. Sie will gleichwohl über Risikoanalysen informiert werden. Aber trägt nun die Kommunikation oder das Verschweigen von Ungewissheiten mehr zur Verunsicherung und Misstrauen bei? Wir können uns der Antwort auf diese Frage in diesem Beitrag nur annähern. Beim sensitiven Bereich Trinkwasser konnte etwa Johnson (2003a) zeigen, dass Bürger und Behörden zwar zunächst skeptisch waren, ob nicht zu viel Information über die Wasserqualität die Verbraucher überfordere. Die Studienergebnisse zeigen aber, dass man lieber die volle Information zur Verfügung stellen solle, weil sie sonst vermisst würde und dies erst recht Verunsicherung auslöse (Johnson 2003a, S. 996). Dabei habe es keinen Sinn, Laien komplett zu Experten erziehen zu wollen, damit sie verstünden, was Ungewissheiten wirklich sind (Johnson 2003b). Diese werden in unterschiedlichen wissenschaftlichen Disziplinen zudem unterschiedlich definiert. Wie sollen Laien also zu allen möglichen Themen zu Experten werden – vom Trinkwasser über Gentechnik und Klimawandel bis zur Radioaktivität?
Unabhängig davon, wie viel Expertise man dem jeweiligen Publikum zutrauen kann, gilt mittlerweile grundsätzlich der Rat, dass Ungewissheiten offengelegt und nicht verschwiegen werden sollten (Blastland et al. 2020). Transparenz und Ehrlichkeit sind auch für die Vertrauensbildung wichtige Faktoren. Bezogen auf unser Thema gibt die IAEA3 Empfehlungen dazu ab, wie (im Rahmen einer Krisenkommunikation) kommuniziert werden soll. Zum Punkt „Ungewissheiten zugeben“ wird weiter ausgeführt: Offen zuzugeben, wenn man etwas nicht weiß, ist besser, als später zugeben zu müssen, dass man Sicherheit nur vorgetäuscht hat.4
Im Folgenden wird ein Blick in die Forschung zur Wahrnehmung und Kommunikation von Risiken und Ungewissheiten geworfen, wobei mögliche Kommunikationsformate zur Vermittlung von Simulationsunsicherheiten vorgestellt werden. Anschließend wird anhand eines Beispiels aus einer experimentellen Erhebung die Einschätzung unterschiedlicher Darstellungsweisen von Simulationsergebnissen gezeigt.
2 Wahrnehmung und Kommunikation von Risiken und Ungewissheiten
Wie werden kommunizierte Aussagen zu Ungewissheiten wahrgenommen und wie wirken sie auf das Vertrauen der Adressaten? Grundsätzlich können vier Elemente bei der Entstehung von Vertrauen unterschieden werden (Chryssochoidis et al. 2009). Zum einen der Inhalt und die Menge der vermittelten Information; zweitens die Art des Risikos und wie damit institutionell umgegangen wird; drittens institutionelle Charakteristiken (z. B. Kompetenz, Wissen, Ehrlichkeit) und viertens individuelle und kontextuale Charakteristiken, wie z. B. Bildung, individuelle Einstellung zur Zukunft oder zur Technik. Das heißt, es gibt Faktoren, die in den wahrnehmenden Personen verankert sind. Da sich die Menschen unterscheiden, müssen wir meist von einem heterogenen Publikum ausgehen5, das eine Bandbreite von Reaktionen zeigt, auch wenn alle dieselbe Information vorgelegt bekommen. Andere Faktoren betreffen dagegen den Absender oder die Art und Weise der Information, d. h. das Format der Vermittlung von Information(en). Im nächsten Abschnitt sehen wir uns die Quellen von Ungewissheiten an und wie diese aufbereitet werden.
Wie kann man aber mit der Öffentlichkeit über Sicherheit sprechen und dabei auch vorhandene Ungewissheiten kommunizieren, ohne als manipulativ, verheimlichend oder interessengeleitet wahrgenommen zu werden? Wie in der Einleitung erläutert, sollen Wissenschaftler oder allgemein Experten auch Unsicherheiten in Modellen und Simulationsergebnissen kommunizieren. Damit dies erfolgreich funktioniert, muss allerdings bereits eine grundlegende Vertrauensbildung stattgefunden haben. „Meist liegt in den frühen Phasen große Unsicherheit bezüglich der Faktenlage vor. Dieses ‚Nichtwissen‘ kann und soll nicht verheimlicht werden. Dies kann nur funktionieren, wenn ein hohes Maß an Vertrauen herrscht, das in Zeiten vor einem Ereignis – im Rahmen der Risikokommunikation – aufgebaut werden muss. Andernfalls wächst die Gefahr der Unglaubwürdigkeit und Gerüchten werden Tür und Tor geöffnet“ (Högg et al. 2020, S. 11). Wie erreicht man aber ein solches Vertrauen? Unter anderem durch Transparenz, also eben dadurch, dass man Ungewissheiten frühzeitig benennt. Nur kann man sich eben nicht auf A-priori-Vertrauen verlassen. In der Diskussion wenden wir uns diesem Paradox nochmals zu.
Nachdem ein Vertrauensverhältnis hergestellt wurde, bleibt immer noch die Frage nach dem ‚richtigen‘ Format, Ungewissheiten zu kommunizieren. Welches (Maß an) Wissenschaftsverständnis kann man bei Adressaten erwarten? Im Einzelfall ist es nicht selbstverständlich, wie man Ungewissheiten aus Modellsimulationen beschreibt. Verwendet man Prozentangaben (xy % sicher)? Benutzt man Visualisierungen und falls ja, welche eignen sich? Drückt man Unsicherheiten in Bandbreiten etwa um den Durchschnitt (Mittelwert) aus (was ein Verständnis von statistischen Kennwerten voraussetzt)? Wie werden Grenzwerte eingeordnet – wirken sie beruhigend oder beunruhigend (Johnson und Chess 2003)? Zudem ist es bedeutsam, von wem die Information ausgesandt wird, also von welcher Behörde, Institution oder Person. Wird diesen Akteuren schon vorher bzw. aufgrund ihrer Rolle, Reputation oder Bekanntheit vertraut? Uns interessieren insbesondere die Auswirkungen auf das Vertrauen beim Zielpublikum. Wir wollen einen kurzen Überblick und ein empirisches Beispiel geben, was man über die Kommunikation von wissenschaftlichen Ungewissheiten weiß und auf wen sie wie wirkt.
2.1 Quellen und Formate von Ungewissheiten
Das Spezielle bei der Lagerung von hochradioaktiven Abfällen ist, dass die Sicherheit des Gesamtsystems gar nicht so einfach abgeschätzt werden kann. Es gibt schlicht keine Erfahrungsfälle von über tausende Jahre bestehenden Endlagern. Für das Verhalten von Gestein und Behältern in Kombination mit den hochradioaktiven Abfällen liegen deshalb keine Langzeiterfahrungswerte vor. Grundsätzlich bestehen bei diesem Thema große Ungewissheiten aufgrund der langen Zeitspanne, die betrachtet werden muss. Wir haben es mit unterschiedlichen Erwartbarkeiten zukünftiger Entwicklungen und Ereignisse zu tun (Grunwald 2024).
Wie eingangs genannt, versuchen Wissenschaftler das Verhalten dennoch annähernd zu beschreiben, etwa mittels Experimenten oder mithilfe von Computermodellen und Simulationen. Modellbildung und Simulation unterliegen jedoch mehreren Arten von Ungewissheiten, engl. uncertainties, siehe auch die Unterscheidung von known unknowns, ignored knowns und unknown unknowns im Beitrag von Eckhardt (2023). Petersen nennt vier Hauptelemente aus der Praxis von Simulationen: Es gibt Modellungewissheiten konzeptioneller und mathematischer Art, aber auch bei den Modelleingaben sowie der technischen Modellimplementierung und außerdem beim Output und dessen Interpretation (Petersen 2012, S. 64). Nach dem Schema in Eckhardt (2021) zu Ungewissheiten im Safety Case (IAEA 2012) behandeln wir in diesem Beitrag Ungewissheiten vom Typ „Daten- oder Parameterungewissheiten“ sowie „Modellungewissheiten“.6 Dies betrifft auch das Beispiel in Kap. 4 zur Abschätzung der Strahlendosisbelastung zukünftiger Generationen durch numerische Simulationen. Dies ist eine Methode zur Abschätzung, in welchem Ausmaß Menschen einer Strahlenbelastung ausgesetzt sind.
Der Fokus liegt dort auf der Berechnung und Darstellung der Simulationsergebnisse. Generell können schon vorliegende Daten mit Messfehlern behaftet sein.7 Ungewissheiten können auch durch Zufallseinflüsse entstehen, die in Simulationen nachzubilden sind. Dann werden sie auf verschiedene Situationen und Kontexte verallgemeinert. Oder sie werden aus Erfahrungen/Beobachtungen der Vergangenheit geschätzt und/oder auf die ferne Zukunft projiziert. Dabei sind Meinungsverschiedenheiten unter Experten (insbesondere über zugrunde gelegte Annahmen) möglich, was die Situation komplizierter macht (Broomell und Kane 2017, S. 287).
Geht es um die Kommunikation und Wahrnehmung von Ungewissheiten, kommt es auch darauf an, woher diese stammen. Viele wissenschaftliche Erkenntnisse sind mit Ungewissheiten behaftet, was sie nicht unbrauchbar macht. Die Wissenschaft hat Methoden entwickelt, um Ungewissheiten zu quantifizieren. Damit kann man abschätzen, wie einflussreich diese sein können, etwa durch Sensitivitätsanalysen für bestimmte Parameter. Dies ist im Diskurs mit der Öffentlichkeit jedoch nicht einfach zu kommunizieren (siehe unten; nicht wissen wird mitunter mit „glauben müssen“ gleichgesetzt).
Die Berechnung von Ungewissheiten hat allerdings auch ihre Grenzen. Wahrscheinlichkeiten in Risikoabschätzungen werden beispielsweise oft basierend auf historischen Daten abgeschätzt. Fehlen zahlreiche Datenpunkte über die Zeit, ist die Abschätzung der Wahrscheinlichkeit eines Ereignisses schwierig, siehe auch den Beitrag von Grunwald (2024). Werden dann noch Begriffe verwendet, die leicht missverstanden werden können, wird die Kommunikation äußerst schwierig. So kann die Rede vom Jahrhunderthochwasser suggerieren, dass auch in Zukunft ein Hochwasser dieser Höhe nur einmal in den nächsten hundert Jahren geschehen kann. Jedoch ist es theoretisch möglich (und praktisch vorgekommen), dass innerhalb weniger Jahre zwei solche Hochwasserereignisse in einer Region stattfinden.
2.2 Personenfaktoren bei der Wahrnehmung von Risiken und Ungewissheiten
Neben den Quellen und Eigenschaften von Ungewissheiten spielt auch der Mensch mit seinem Wahrnehmungsapparat, seiner Motivation und seinen Emotionen eine Rolle bei deren Kommunikation. In diesem Abschnitt werden Faktoren beschrieben, die im Beispiel (Kap. 4) eine Rolle spielen.
Die Kommunikation von wissenschaftlichen Ungewissheiten an Nichtwissenschaftler kann unterschiedliche Effekte haben, abhängig etwa vom Wissenschaftsverständnis. Wissenschaftliche Laien sehen mitunter Forschungsexpertise als absolut an und hängen einem Schwarz-Weiß-Denken im Sinne von „entweder ist etwas sicher oder nicht“ an (Asimov 1989). Dieser Gedanke impliziert, dass es irgendwann 100 %iges Wissen geben könne. Die Kommunikation, dass Ungewissheiten bestehen, würde dann zu Verunsicherung und Misstrauen führen. Muss man sich mit weniger als völliger Sicherheit begnügen, erscheint dies dann als nicht wissenschaftlich. ‚Glauben bedeutet Nicht-Wissen‘ ist nach Raab et al. (2010, S. 350) ein typisch ‚laienhafter‘ Ausdruck. Dabei wirken dann die für Experten üblichen und vertrauten Sicherheitsmargen oder Grenzwerte eben nicht vertrauenerweckend.
Das Unbehagen darüber, dass man etwas nicht genau wissen kann (z. B. punktgenaue Vorhersagen für hunderttausend Jahre) entspringt oft unbewusst der Idee, dass man dies (genau) wissen müsste oder können müsste. Informationen über große Ungewissheit bei der Vorhersage der Auswirkungen des Klimawandels sind z. B. für Menschen, die der Auffassung von Kuhn (1970) folgen8, überzeugender als für Menschen, die eine Auffassung von „Wissenschaft als Wahrheitssuche“ haben. Dies gilt auch umgekehrt für Informationen mit geringer Ungewissheit (Bostrom et al. 2018, S. 258).
Auch die A-priori-Einstellung (z. B. gegenüber Kernenergie oder geologischer Tiefenlagerung) kann Einfluss darauf haben, wie wissenschaftliche Erkenntnisse wahrgenommen werden: Beispielsweise konnte gezeigt werden, dass die subjektive Wahrnehmung der Auswirkung von Ungewissheiten von der persönlichen Einstellung gegenüber dem Thema abhängt. Bei entsprechend positiver Grundeinstellung wirkt sich geringe Ungewissheit positiv aus, bei negativer Einstellung entsprechend negativ (Gustafson und Rice 2019). Man könnte dies so erklären, dass bei skeptischer Grundeinstellung ein positiver wissenschaftlicher Konsens (also niedrige Ungewissheit) abgelehnt wird, weil dieser nicht mit der eigenen Einstellung übereinstimmt. Dies kann als Abgrenzungseffekt im Sinne von Hovland et al. (1957) bzw. als psychologische Reaktanz (Dickenberger et al. 1993) verstanden werden.
Unterschiede in der Wahrnehmung von Ungewissheiten können auch in individuellen kognitiven Voraussetzungen bestehen. Beispielsweise unterscheiden sich Menschen darin, wie gerne sie über Sachverhalte nachdenken; ein Persönlichkeitsmerkmal, das need for cognition genannt wird (Cacioppo et al. 1996). Personen mit ausgeprägtem need for cognition sind motivierter, sich auf ungewisse Informationen einzulassen und darüber nachzudenken, als Personen mit geringer ausgeprägtem Merkmal.
Gerade in Hinblick auf die Frage des nächsten Abschnitts, wie man Ungewissheiten kommunikativ vermittelt, hängt die Rezeption bzw. die Präferenz für einen bestimmten Kommunikationskanal davon ab, wie sehr es Personen gewohnt sind, mit Zahlen, Worten oder grafischen Darstellungen umzugehen (OECD 2016). Das Konzept der numeracy beschreibt, wie gut Menschen Informationen aus Zahlen lesen können, während verbale Fähigkeiten (verbal skills) beschreiben, wie gut jemand Texte lesen und verstehen kann. Unterschiedliche Fähigkeiten könnten dazu führen, dass Personen unterschiedliche Präferenzen (verbal, numerisch) hegen.
3 Kommunikationsformate zur Vermittlung von Unsicherheiten
Wie kann und sollte man nun die Unsicherheiten, etwa aus Simulationsergebnissen, am geschicktesten vermitteln bzw. darstellen? Hierzu gibt es grundsätzlich drei Möglichkeiten – und natürlich Mischformen. Letztere können allerdings überfordern und zu Missverständnissen führen.
a) Numerisch
Die Rechenfertigkeit des Empfängers bestimmt zum großen Teil, wie numerische Wahrscheinlichkeitsinformationen verarbeitet und verstanden werden. Häufig werden numerische Ausdrücke, die mathematisch äquivalent sind (z. B. Wahrscheinlichkeiten, Prozentsätze, relative Häufigkeiten, Quoten), nicht als äquivalent wahrgenommen und rufen unterschiedliche Urteile hervor (Bostrom et al. 2018, S. 258). Also auch innerhalb dieses Formats gibt es mehrere Möglichkeiten der Kommunikation.
b) Verbal
Wahrscheinlichkeiten und Bandbreiten können auch rein verbal vermittelt werden, etwa mit Vokabeln wie „häufig“, „selten“, „unwahrscheinlich“ oder „doppelt so viel“. Diese Art der Kommunikation wurde auch vom Intergovernmental Panel on Climate Change (IPCC) genutzt (Pachauri und Meyer 2015).9 Solche Formulierungen sollen alltagsnäher und besser verständlich sein als quantitative Angaben.
c) Grafisch
Eine grafische Darstellung von Modellungewissheiten kann auf verschiedene Art und Weise geschehen. Allerdings muss gesagt werden, dass es „nur wenige empirische Belege dafür gibt, wie alternative Formate das Verständnis und die Reaktion des Publikums beeinflussen können.“ (van der Bles et al. 2019, S. 18; Übersetzung d.d. Autoren) Hier ist demnach noch Forschungsbedarf, da in einem Diagramm oft verschiedene Formate kombiniert werden (visuell, numerisch und verbal). Grafische Darstellungen mögen unter geschulten Betrachtern verständlich sein, bei Laien jedoch zu Überforderungen und Missverständnissen führen.
4 Ergebnisse einer Wahrnehmungsumfrage zur Darstellung jährlicher Strahlendosis
Ein Ergebnis einer aktuellen Studie soll hier zur Illustration dargestellt werden. Wir beschränken uns auf eine experimentelle Bedingung aus dieser Studie, den Vergleich zweier grafischer Darstellungen von Modellierungsergebnissen zur Dosisabschätzung (Becker et al. 2024). Das Experiment wurde online von 177 Teilnehmern und Teilnehmerinnen (TN) zwischen dem 22. und 30. Juli 2022 bearbeitet. Die TN wurden über eine größere Umfrage rekrutiert, deren Sample (N = 2751) über eine Marketingfirma10 kontaktiert wurde. Es nahmen 75 Frauen (42 %) und 102 Männer (58 %) teil. Das mittlere Alter lag bei 43,8 Jahren (Standardabweichung [Std.-Abw.] = 14,16). Bemerkt werden soll, dass die Frauen in der Stichprobe (47 Jahre) älter waren als die Männer (42 Jahre). Der allgemeine Durchschnitt war 44 Jahre. Die Frauen hatten zu 55 % einen Schulabschluss oder eine Ausbildung und zu 45 % Abitur oder einen Hochschulabschluss. Männliche TN hatten zu 49 % mindestens einen Schulabschluss und zu 51 % Abitur oder einen Hochschulabschluss.
4.1 Methode
Die Kommunikation von Simulationsungewissheiten bei der Dosisabschätzung wurde durch zwei Darstellungsweisen variiert. Zwei verschiedene grafische Darstellungen – basierend auf Simulationen eines Endlagers für hochradioaktive Abfälle – wurden in einem Onlineexperiment11 nebeneinander (bzw. untereinander bei Mobilgeräten) dargestellt. Die Anordnung der Grafiken wurde randomisiert, sodass zufällig eine Darstellung links (respektive oben) und die andere rechts (unten) platziert wurde. Im Onlineexperiment sieht die Abfrage aus wie in Abb. 1 dargestellt. Der wissenschaftliche Hintergrund der deterministischen und probabilistischen Modellierung wird im Beitrag von Becker et al. (2024) genauer erklärt.
Abb. 1
Vergleich unterschiedlicher Simulationsergebnisse basierend auf einem deterministischen (hier zufällig links) und einem probabilistischen Modell (rechts). Die Probanden mussten sich entscheiden, welche Abbildung ihrer Meinung nach eine höhere Aussagekraft vermittelt
×
Die 177 TN konnten zwei Bewertungen abgeben. Zunächst sollten sie diejenige von den beiden Grafiken auswählen, deren Aussagekraft ihnen höher erschien.12 Auf der darauffolgenden Seite wurden beide Abbildungen erneut gezeigt und die TN nach dem Ausmaß ihres Vertrauens in die Information gefragt.13 Zum Abschluss wurden die Probanden um eine Begründung für ihre Wahl gebeten: „Wenn möglich, begründen Sie bitte Ihre Einschätzung“.
Zur Beschreibung und zum Vergleich der TN wurden nach dem Experiment verschiedene Skalen und Items eingesetzt. Sie entsprechen den oben genannten Personenfaktoren (Tab. 1).
Tab. 1
Übersicht der eingesetzten Items und Skalen
Soziodemographische Daten:
• Geschlecht, Alter und Bildungsabschluss
Numeracy und verbal skills (GESIS-Leibniz Institut Für Sozialwissenschaften 2017)
• 1 = „Ich verfüge über sehr viel weniger mathematische Fähigkeiten, als erforderlich sind“; 6 = „Ich verfüge über genau die mathematischen Fähigkeiten, die für meine Arbeit erforderlich sind“; 11 = „Ich verfüge über sehr viel mehr mathematische Fähigkeiten, als erforderlich sind“
• Entsprechend für Lesefähigkeit: „Ich verfüge über sehr viel weniger Lesefähigkeiten, als erforderlich sind“
Need for cognition. Es wurde die deutsche Skala verwendet (Cacioppo et al. 1996; Beißert et al. 2015) mit möglicher Zustimmung auf einer Skala von 1 = „überhaupt nicht zutreffend“ bis 7 = „voll und ganz zutreffend“
• Es genügt mir einfach die Antwort zu kennen, ohne die Gründe für die Antwort eines Problems zu verstehen
• Ich habe es gern, wenn mein Leben voller kniffliger Aufgaben ist, die ich lösen muss
• Ich würde kompliziertere Probleme einfachen Problemen vorziehen
• In erster Linie denke ich, weil ich muss
Fragen zu Wissenschaft im Allgemeinen (Wissenschaft im Dialog 2019) mit möglicher Zustimmung auf einer Skala von 1 = „überhaupt nicht zutreffend“ bis 7 = „voll und ganz zutreffend“
• Wissenschaft und Forschung sind so kompliziert, dass ich vieles davon nicht verstehe
• Wissenschaft und Forschung haben so wenig Alltagsbezug, dass sie für mich nicht relevant sind
• In der Schule wird oder wurde mir vermittelt, wie Wissenschaft und Forschung funktionieren
• Wenn Wissenschaftler sich widersprechen, ist es schwierig für mich zu beurteilen, welche Information die richtige ist
• Kontroversen zwischen Wissenschaftlern sind hilfreich, weil sie dazu beitragen, dass sich die richtigen Forschungsergebnisse durchsetzen
Einstellung gegenüber einem Endlager in Deutschland mit möglicher Zustimmung auf einer Skala von 1 = „überhaupt nicht zutreffend“ bis 7 = „voll und ganz zutreffend“
• „Wie stehen Sie grundsätzlich zu einem Endlager in Deutschland für deutsche Nuklearabfälle? Ich kann ein Lager für deutsche radioaktive Abfälle in Deutschland akzeptieren“
4.2 Ergebnisse
Numerische und verbale Fähigkeiten wurden von den TN auf einer Skala von 1–11 selbst eingeschätzt (Selbsteinschätzung). Die Mittelwerte liegen bei MW = 6,4 (numerisch, Standardabweichung [Stabw.] = 2,23) und 8,2 (verbal, Stabw. = 2,08). Aus den vier Items zum Konstrukt need for cognition wurde eine Skala gebildet (MW = 4,4, Stabw. = 1,01). Die Antwortskala reichte dabei (wie auch bei den restlichen Items zum Wissenschaftsverständnis) von 1 = „überhaupt nicht zutreffend“ bis 7 = „voll und ganz zutreffend“.
Die inhaltlich-deskriptiven Ergebnisse zeigen, dass über das gesamte Sample die deterministische Abbildung (N = 101) gegenüber der probabilistischen (N = 76) bevorzugt wurde.
Ein näherer Blick auf mögliche Geschlechtsunterschiede zeigt, dass Frauen deutlich seltener die probabilistische Variante wählten (siehe Abb. 2). Frauen bevorzugen statistisch signifikant häufiger die deterministische Variante (t(74) = 2,67, p <,05).14 Männer wählten etwa gleich oft beide Abbildungen.
Abb. 2
Geschlechtsunterschiede bei der Bevorzugung der Grafiken in Prozent
×
Die Items zum Wissenschaftsverständnis waren wenig aussagekräftig in Bezug zum Experiment. Lediglich die Items „In der Schule wird oder wurde mir vermittelt, wie Wissenschaft und Forschung funktionieren“ (MW = 4,0, Stabw. = 1,54) und „Kontroversen zwischen Wissenschaftlern sind hilfreich, weil sie dazu beitragen, dass sich die richtigen Forschungsergebnisse durchsetzen“15 (MW = 5,5, Stabw. = 1,11) korrelierten16 signifikant mit der Beurteilung des Vertrauens in die probabilistische Darstellung (Schule: r = ,196, p < ,05; Kontroversen: r = ,172, p < ,05). Das heißt, je mehr Zustimmung zu diesen Items vorlag, desto mehr Vertrauen wurde in die Aussagekraft der probabilistischen Darstellung gesetzt.
Des Weiteren zeigt sich ein Effekt zur selbsteingeschätzten numerischen Fähigkeit (numeracy). Je höher diese Selbsteinschätzung war, desto häufiger wurde die probabilistische Grafik gewählt. Dieser Effekt fand sich auch über die Geschlechter hinweg (siehe Abb. 3): Männer wie Frauen, die sich numerisch niedrig einschätzten, wählten häufiger die deterministische als die probabilistische Darstellung. Umgekehrt zeigte es sich bei denen, die sich hohe Werte gaben.17 Allerdings wählte von den Frauen relativ gesehen nur ein kleinerer Anteil überhaupt die probabilistische Variante.
Abb. 3
Unterschiedlich häufige Wahl der Grafik (in %) je nach Geschlecht und Einschätzung numerischer Fähigkeiten. Die Gruppenbildung (hoch/niedrig) geschah durch einen Mediansplit beim Item zur Selbsteinschätzung der numerischen Fähigkeiten
×
Möglicherweise hängt dies damit zusammen, dass Frauen sich generell bzgl. ihrer numerischen Fähigkeiten zurückhaltender einschätzen als Männer. Bei den verbalen Fähigkeiten gab es dagegen keinen Unterschied. Letztere Variable ist auch nicht wichtig dafür, welche Abbildung als aussagekräftiger gewählt wurde.
Die Korrelation zwischen der numerischen Selbsteinschätzung und der Bewertung des Vertrauens ist signifikant positiv (r = ,238, p < ,05). Das heißt, je höher die selbsteingeschätzte numerische Fähigkeit, desto höher allgemein das Vertrauen in die Abbildungen.
Welcher grafischen Abbildung wird nun mehr vertraut? Wie Abb. 4 zeigt, wird der deterministischen Abbildung mehr vertraut, wobei dies nur für die Frauen gilt.
Abb. 4
Vertrauen in die Aussagekraft der Abbildung (getrennt nach Geschlecht). Mittelwert mit Standardabweichung
×
Ein weiteres gemessenes Konstrukt wurde oben besprochen und in der Studie eingesetzt: Need for cognition korreliert nicht signifikant mit der Bewertung des Vertrauens in die Aussagekraft. Auch die Bildung, abgefragt in sechs Kategorien, hat praktisch keinen Einfluss.
Allerdings korreliert die Zustimmung zu der Aussage „Ich kann ein Lager für deutsche radioaktive Abfälle in Deutschland akzeptieren“ sehr hoch mit der Bewertung des Vertrauens in die Aussagekraft der deterministischen (r = ,389, p < ,001) wie auch der probabilistischen (r = ,423, p < ,001) Variante. Wie sehr man den wissenschaftlichen Darstellungen zur Dosisabschätzung generell vertraut, hängt also stark positiv mit der Einstellung zum Endlager zusammen.
Die jeweiligen Zusammenhänge sind dabei nicht einfach herauszudestillieren: Sowohl Frauen als auch ältere TN weisen geringe Werte für numerische Fähigkeiten auf und wählen seltener die probabilistische Variante. Kontrolliert man in einer „partiellen Korrelation“ mit dem Alter für die Variable Geschlecht, so bleibt nur die Variable numerische Fähigkeiten signifikant. Das heißt, das Alter korreliert auch noch unabhängig vom Geschlecht negativ mit numerischer Selbsteinschätzung (r = –, 222, p < ,05). Alle anderen Unterschiede gehen auf Geschlechtsunterschiede zurück und sind nicht per se vom Alter abhängig. Jedoch verstärken sich die Effekte, da Frauen im Sample im Durchschnitt älter sind.
Zum Schluss der Ergebnisdarstellung sollen beispielhaft je zwei der Begründungen der TN für die Einschätzung des Vertrauens in die Abbildungen gezeigt werden (Tab. 2). Sie stehen für die generelle Tendenz, dass TN, die die deterministische Abbildung gewählt haben, deren bessere Verständlichkeit betonen, während TN, die die probabilistische Abbildung gewählt haben, deren größere Aussagekraft benennen. Eine genauere Analyse findet sich im Beitrag von Becker et al. (2024).
Tab. 2
Beispiele für Begründungen der Vertrauensbewertung (wörtliche Zitate der qualitativen Antworten der TN)
Gewählte Abbildung
Deterministisch
Probabilistisch
Die erste Grafik zeigt das Intervall besser an und ist dadurch übersichtlich. In Grafik zwei ist die Flut an Einzelergebnissen extrem unübersichtlich
1000 Einzelberechnungen geben größere Sicherheit
Bei der ersten Darstellung lässt sich ein zeitlicher Verlauf erkennen und dass die erwartete Berechnung ziemlich genau im mittleren Bereich der gemessenen Abweichungen liegt. Soll heißen, dass ich hier die Abweichungen differenzieren kann. Bei der zweiten Darstellung ist das genauso, aber die Vielzahl der Messungen macht einzelne Aussagen zum Verhältnis zwischen Zeit und Dosis schwerer möglich. Außerdem liegt der Schwerpunkt anders
Wenn ich den erklärenden Text richtig verstanden habe, sind bei der unteren Grafik 1000 Berechnungen zu eventuellen Abweichungen durchgeführt worden, bei der oberen Grafik nur 3 zusätzliche. Daher finde ich die untere Grafik glaubwürdiger
5 Diskussion und Ausblick
Oft genug wurde in der Vergangenheit das Ausmaß an Vertrauen als nötige Basis für die Kommunikation vernachlässigt und wissenschaftliche Erkenntnisse wurden direkt „als Fakten“ ohne Angabe von Ungewissheiten kommuniziert (Obermeier 1999). Nicht zuletzt aufgrund der Befürchtung, dass „Laien“ Informationen über Ungewissheiten falsch verstünden und dadurch Verunsicherung und Misstrauen zunähmen. Neu werden Formate dialogischer Kommunikation zunehmend eingefordert und im Verfahren der Standortauswahl für ein Lager für hochradioaktive Abfälle durchaus angeboten.
Man ging lange Zeit davon aus, dass mehr Information und die Edukation der Bevölkerung dazu führen würden, dass diese wissenschaftliche Ergebnisse besser versteht und die Risiken und Ungewissheiten nicht mehr als problematisch ansieht. Doch diese Hoffnung ging nicht auf, da die Voraussetzungen, darunter Vertrauen, hierfür oft nicht gegeben waren. Und daher ist es „nicht verwunderlich, dass die Gesellschaft von dieser Form der Kommunikation kaum überzeugt war. Was es braucht, ist Vertrauen und Vertrauensbildung in einem bidirektionalen Prozess. Wenn eine Seite der anderen sagt, wie die Dinge liegen und was die wahren Risiken sind, wird sie das Vertrauen zerstören, das sie aufzubauen versucht.“ (Aven 2005, S. 112; Übersetzung d.d. Autoren).
Wissenschaftler stehen vor zwei grundlegenden Fragestellungen und müssen sich – quasi unter Ungewissheit – entscheiden: „Welche Informationen kommuniziere ich wie – und wem?“ und „Wer ist mein Adressat?“ Meist werden sie dabei mit einem mehr oder weniger heterogenen Publikum konfrontiert. Die Ergebnisse aus dem obigen Beispiel zeigen, dass sich Männer und Frauen (im Mittel, nicht unbedingt im Einzelfall) in der Einschätzung ihrer numerischen Fähigkeiten sowie in der Präferenz für die deterministische Darstellung voneinander unterschieden. Frauen wählten letztere häufiger als die probabilistische. Männer wählten beide Abbildungen gleich häufig und schätzten auch ihre numerischen Fähigkeiten höher ein.
Die informatorische Ausgangslage ist üblicherweise die, dass Menschen ohne spezielle Expertise im jeweiligen Bereich mit dem Begriff der Ungewissheit bei der Risikobewertung oder beim Umgang mit Ungewissheiten in der Wissenschaft allgemein nicht vertraut sind. Die Bewertung von Forschungsergebnissen durch Laien und Experten unterscheidet sich also möglicherweise auch darin, wie komplexe Informationen jeweils eingeschätzt werden. Johnson und Slovic (1998) fanden in einer Studie, dass Laien Ungewissheiten durchaus erkennen, wenn sie einfach dargestellt sind. Die grafische Darstellung in ihrer Studie führte zu gemischten Ergebnissen bei der Vermittlung von Ungewissheit. Einerseits verdeutlichte die Darstellung einen Bereich von Schätzungen; andererseits erschienen die Informationen weniger vertrauenswürdig (Johnson und Slovic 1998, S. 262). In unserer Studie wurde nicht nur die deterministische (und damit einfachere) Abbildung häufiger gewählt, sondern auch ihrer Aussagekraft wurde mehr vertraut.
Zudem vermuteten Johnson und Slovic, dass die Meinungen ihrer Probanden zu den vorgestellten Fällen von Umweltrisiken auch durch persönliche Einstellungen zu Risiken, Regierungen und Autoritäten allgemein beeinflusst wurden. Wir fragten diesbezüglich auch nach der Einstellung gegenüber einem Endlager für radioaktive Abfälle in Deutschland. Tatsächlich zeigte sich ein starker Effekt: TN mit positiverer Einstellung gegenüber dem möglichen Endlager vertrauen den Abbildungen insgesamt mehr. Diese vielleicht eher politisch konnotierte Vor-Einstellung zum Thema mag auch Auswirkungen darauf haben, wie den Ergebnissen der Wissenschaft in dem Bereich vertraut wird.
Broomell und Kane (2017, S. 300) fanden, dass in ihren Studien die allgemeine Wahrnehmung wissenschaftlicher Ungewissheit nur wenig mit der Bewertung einzelner Forschungsergebnisse zusammenhängt. Dies deutet darauf hin, dass andere Faktoren eine Rolle spielen, etwa das Vertrauen in bestimmte Akteure oder auch die Vertrautheit mit den wissenschaftlichen Ergebnissen. Wie oben schon angeschnitten, stehen wir vor einem Paradox: Wir sollten erst Vertrauen schaffen, beispielsweise durch Transparenz in der Kommunikation (d. h. auch Ungewissheiten benennen), dies jedoch nicht, solange die Ungewissheiten zu Misstrauen und Verunsicherung führen. Hierbei ist die Zusammensetzung des Publikums bei der Kommunikation (bis auf Ausnahmen) nicht einheitlich; unterschiedliche politische Einstellungen, Präferenzen und Kompetenzen müssen vorausgesetzt werden. Daher variieren wohl auch die Studienergebnisse. Während einige Studien zu dem Schluss kommen, dass die Mehrheit der Rezipienten Ungewissheiten dargeboten bekommen möchte, kommen Janich und Rhein (2018) zum Ergebnis, dass die Darstellung von Ungewissheit „für die Rezipienten kaum von Relevanz ist. Ungestützt gefragt, formulieren Rezipienten als wichtigste Erwartungen, dass Berichte über wissenschaftliche Forschung aktuell, verständlich, ausgewogen und glaubwürdig sein sollen“ (Janich und Rhein 2018, S. 102). Allerdings sollte hieraus nicht abgeleitet werden, dass die Darstellung von Ungewissheiten generell „kaum von Relevanz“ ist. Es ist ein Effekt der Methode, da Laien offenbar nicht von selbst auf Ungewissheiten zu sprechen kommen.
Doch genau hier scheint der Knackpunkt zu liegen: Wann ist eine Aussage glaubwürdig? Auch für Glaubwürdigkeit kann es unterschiedliche Kriterien geben. Eines wäre, dass Ungewissheiten transparent wiedergegeben werden. Damit diese dann positiv, d. h. vertrauenserweiternd, aufgenommen werden, muss schon zuvor ein basales Vertrauen vorliegen. Dieses Paradox kann bei zahlenmäßig begrenzten Zielgruppen, mit denen wiederkehrender Kontakt herrscht, gelöst werden. Diskussionen in einer relativ kleinen Gruppe mit direktem Austausch eignen sich erfahrungsgemäß dazu, Vertrauen aufzubauen. Allerdings benötigt eine solche Entwicklung Zeit und mehrfache Kontakte. Meist hat man als Wissenschaftler eine andere Ausgangslage bzw. handelt unter anderen Rahmenbedingungen. Sei es, einen Bericht über Forschungsergebnisse mit Ungewissheiten zu veröffentlichen oder in einem Vortrag Ungewissheiten an ein breites, heterogenes Publikum zu vermitteln. Vielleicht hilft auch ein bestimmtes Narrativ, die Akzeptanz von Ungewissheit als der Wissenschaft und dem Leben inhärent zu erhöhen (siehe auch den Beitrag von Becker und Berg 2024).
Einstellungen gegenüber „der“ Wissenschaft hatten wir in unserer Studie nur allgemein abgefragt, nicht speziell bezogen auf radioaktive Abfälle, deren Entsorgung und die hierfür verantwortlichen Akteure (siehe aber Seidl 2021). Es zeigten sich kaum Zusammenhänge zwischen den Bewertungen der Items und der Präferenz oder dem Vertrauen in die Abbildungen. Allerdings fand unsere Studie, dass der Umgang mit Expertendissens (Chaudry und Seidl 2021) Erklärungskraft besitzt: Wer Kontroversen zwischen Wissenschaftlern positiv sieht, präferiert auch eher die probabilistische Darstellung und verfügt über ein höheres Maß an need for cognition. Dies bedeutet, dass sowohl die individuelle Einstellung zum Thema als auch die kognitive Bereitschaft für die Wahrnehmung von wissenschaftlichen Ungewissheiten relevant sind.
Aufgrund der in der Vergangenheit aufgetretenen Schwierigkeiten bei der Lagerung von radioaktiven Abfällen in Deutschland ziehen wir als Fazit, dass eine besonders umsichtige Kommunikationsstrategie gewählt werden muss, die sich der gezeigten Komplexität des Themas bewusst ist. Studien zeigen, dass vielen Menschen – nicht nur Mitglieder von Bürgerinitiativen – das Vertrauen in die regelgerechte Behandlung der Abfälle abhandengekommen ist. Von einem Vertrauensbonus kann also nicht ausgegangen werden (Seidl 2021). Das erschwert die Kommunikation von Ungewissheiten. Dennoch muss Wert auf Transparenz und neutrale Informationsvermittlung gelegt werden. Geologische und technische Erkenntnisse sind mit Ungewissheiten behaftet. Diese Erkenntnis ist nicht neu. Im weiteren Verfahren zur Lagerung radioaktiver Abfälle in Deutschland muss damit umgegangen werden, am besten mit verständlicher dialogorientierter Kommunikation, nicht zu komplex aber transparent.
Die hier präsentierten Ergebnisse stammen aus dem transdisziplinären Arbeitspaket TRUST (Technik, Unsicherheiten, Komplexität und Vertrauen) im Verbundvorhaben TRANSENS, in dem 16 Institute bzw. Fachgebiete von neun deutschen und zwei Schweizer Universitäten und Forschungseinrichtungen zusammenarbeiten. Das Vorhaben wird vom Bundesministerium für Umwelt, Naturschutz, nukleare Sicherheit und Verbraucherschutz (BMUV) aufgrund eines Beschlusses des Deutschen Bundestages und im Niedersächsischen Vorab der Volkswagenstiftung vom Niedersächsischen Ministerium für Wissenschaft und Kultur (MWK) von 2019 bis 2024 gefördert (FKZ 02E11849A-J).
Open Access Dieses Kapitel wird unter der Creative Commons Namensnennung 4.0 International Lizenz (http://creativecommons.org/licenses/by/4.0/deed.de) veröffentlicht, welche die Nutzung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in jeglichem Medium und Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link zur Creative Commons Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden.
Die in diesem Kapitel enthaltenen Bilder und sonstiges Drittmaterial unterliegen ebenfalls der genannten Creative Commons Lizenz, sofern sich aus der Abbildungslegende nichts anderes ergibt. Sofern das betreffende Material nicht unter der genannten Creative Commons Lizenz steht und die betreffende Handlung nicht nach gesetzlichen Vorschriften erlaubt ist, ist für die oben aufgeführten Weiterverwendungen des Materials die Einwilligung des jeweiligen Rechteinhabers einzuholen.
Risiko bezieht sich in unserem Verständnis auf die Ungewissheit und die Schwere der Folgen einer Aktivität in Bezug auf etwas, das Menschen wertschätzen, Aven und Renn (2009).
Außer etwa, es handelt sich um eine sehr spezifische Zielgruppe. Informiert man jedoch „die Öffentlichkeit“, kann man davon ausgehen, dass sehr unterschiedliche Personen mit diversen Sozialisationen und Bildungshintergründen zuhören.
Daneben werden auch „Systementwicklungsungewissheiten“, „Human Factor-Ungewissheiten“ sowie „Normative Ungewissheiten“ genannt, siehe Seidl et al. (2023).
https://www.bilendi.de. Die Firma hat Zugriff auf Tausende von Personen, die mehr oder weniger regelmäßig Onlineumfragen ausfüllen, meist zum Zweck der Marketingforschung, seltener für wissenschaftliche Umfragen wie unsere.
„Mit der Unterstellung, dass die verwendeten Daten zur Berechnung des Indikators korrekt sind, bewerten Sie bitte auf einer Skala von 1 bis 7 inwieweit die Abbildung zur Vertrauenswürdigkeit der Sicherheitsaussage beiträgt.“ Zu bewerten auf einer Skala von 1 = „Kein Vertrauen“ bis 7 = „Volles Vertrauen“
Der T-test bei gepaarten Stichproben prüft, ob sich die beiden Gruppen (hier Frauen und Männer) statistisch signifikant bzgl. der Beurteilung unterscheiden. Der p-Wert gibt das Niveau der Abweichung der Mittelwerte der beiden Gruppen an. Ist der Wert kleiner als 0,05, so ist die Wahrscheinlichkeit 95 %, dass das Ergebnis nicht zufällig ist.
Hierzu wurde ein „Mediansplit“ beim Item zur numerischen Fähigkeit durchgeführt. Das heißt, die TN wurden in zwei etwa gleich große Gruppen eingeteilt, in eine niedrige und eine hohe Antwortgruppe. Dies ist eine Vereinfachung, in diesem Fall aber angebracht, um den statistischen Effekt zu verdeutlichen.
