Konfundierung
Die Kurzantwort · 15 Wörter
Kurz erklärt
Verzerrung einer kausalen Interpretation, weil die beobachtete Beziehung unter anderem durch gemeinsame Ursachen beeinflusst wird.
Flow-alerta.cab (2026): Konfundierung. https://flow-alerta.cab/glossar/confounding. Redaktionell geprüft am: 09. Oktober 2026.
Wie ausführlich soll es sein?
Praxis
Relevant für Analysen, Experimente und ML-Auswertungen, sobald aus Daten kausale Aussagen oder Maßnahmen abgeleitet werden sollen.
Hypothetisches Beispiel: Ein Unternehmen sieht höhere Verkäufe bei Kundschaft mit App-Nutzung; möglicherweise beeinflusst jedoch die allgemeine Kundenaktivität sowohl App-Nutzung als auch Käufe.
Vor kausalen Entscheidungen mögliche gemeinsame Ursachen fachlich identifizieren, Studiendesign prüfen und geeignete Kausalmethoden statt bloßer Prognosemetriken verwenden.
Auf einen Blick
- Kern
- Bei Confounding kann eine beobachtete Beziehung zwischen zwei Variablen teilweise oder vollständig durch gemeinsame Ursachen erklärt werden. Dadurch darf eine statistische Korrelation nicht ohne passende Annahmen und Kausalanalyse als Wirkung interpretiert werden.
- Nutzen
- Relevant für Analysen, Experimente und ML-Auswertungen, sobald aus Daten kausale Aussagen oder Maßnahmen abgeleitet werden sollen.
- Beispiel
- Hypothetisches Beispiel: Ein Unternehmen sieht höhere Verkäufe bei Kundschaft mit App-Nutzung; möglicherweise beeinflusst jedoch die allgemeine Kundenaktivität sowohl App-Nutzung als auch Käufe.
- Grenzen
- Korrelation als Kausalität interpretieren; Confounder nur anhand statistischer Korrelation auswählen; durch Adjustierung auf Collider zusätzliche Verzerrung einführen; Domänenwissen ignorieren.
Fragen, die dazu gestellt werden
Ist jeder korrelierte Faktor ein Confounder? Nein. Betrifft Confounding reine Prognose genauso stark? Für kausale Interpretation stärker als für reine Vorhersage. Helfen DAGs? Ja.
Alle Details und Hintergründe
Bei Confounding kann eine beobachtete Beziehung zwischen zwei Variablen teilweise oder vollständig durch gemeinsame Ursachen erklärt werden. Dadurch darf eine statistische Korrelation nicht ohne passende Annahmen und Kausalanalyse als Wirkung interpretiert werden.
ELI5 – Einfach erklärt
Zwei Dinge wirken verbunden, aber ein dritter Faktor beeinflusst beide und verfälscht den Eindruck.
Warum das im Alltag wichtig ist
Relevant für Analysen, Experimente und ML-Auswertungen, sobald aus Daten kausale Aussagen oder Maßnahmen abgeleitet werden sollen.
Beispiel
Hypothetisches Beispiel: Ein Unternehmen sieht höhere Verkäufe bei Kundschaft mit App-Nutzung; möglicherweise beeinflusst jedoch die allgemeine Kundenaktivität sowohl App-Nutzung als auch Käufe.
Fallstricke und Grenzen
- Korrelation als Kausalität interpretieren; Confounder nur anhand statistischer Korrelation auswählen; durch Adjustierung auf Collider zusätzliche Verzerrung einführen; Domänenwissen ignorieren.
Entstehung & Geschichte
Confounding ist ein Grundproblem der Epidemiologie, Statistik und modernen Kausalinferenz und wird heute häufig mit kausalen Diagrammen und Gegenfaktualen formalisiert.
Anwendung im Mittelstand
- Vor kausalen Entscheidungen mögliche gemeinsame Ursachen fachlich identifizieren, Studiendesign prüfen und geeignete Kausalmethoden statt bloßer Prognosemetriken verwenden.
Verwandte Begriffe
- Kausalinferenz
- DAG
- Verzerrung (Bias)
Passende Flow-alerta-Leistung
KI-Potenzialanalyse & FahrplanKI-Beratung: KI-Potenzialanalyse & Fahrplan zu Aufgaben, Daten und Voraussetzungen eines möglichen ersten KI-Anwendungsfalls.Passendes Tool / Use Case
Praxisbeispiele ansehenUse Case: Prüfung, ob ein beobachteter Zusammenhang eine belastbare Grundlage für eine Geschäftsmaßnahme ist.Quellen
- pubmed.ncbi.nlm.nih.govVanderWeele & Shpitser, On the definition of a confounder, Originalabstract
Quellenprüfung: 09.10.2026. Definition und dokumentierte Einordnung abgeglichen; Beispiele beschreiben mögliche Anwendungen.
Redaktionell geprüft am: