KVP – eine Frage der Kausalität

Im Kontinuierlichen Verbes­serungs­prozess (und in anderen Situa­tionen) ist es wichtig zwischen Kausalitäten und bloßen Korrela­tionen zu unterscheiden. Korrela­tionen können mit statistischen Werkzeugen oder grafischen Hilfs­mitteln (Scatter-Diagrammen) sehr gut festge­stellt werden. Dabei muss jedoch beachtet werden, dass bei Korrela­tionen unter Umständen der direkte kausale Zusammen­hang fehlt, das heißt, es besteht dann keine Ursache-Wirkungs­beziehung.

Es kann jedoch durchaus ein indirekter Zusammen­hang bestehen. Dies ist dann der Fall, wenn die beiden beobachteten Faktoren (Eigen­schaften, Kenn­zahlen, Mess­größen o.ä.) in ihrer Wirkung kausal von einer gemein­samen Ursache kausal beein­flusst werden. Diese Ursache gilt es jedoch erstmal zu identi­fizieren.

Im Unterschied zwischen Kausalität und Korre­lation besteht bei ersterer immer eine Richtung, das heißt, ein Faktor ist immer Ursache und der andere Faktor ist die Wirkung. Wenn ein Zusammen­hang also eine Korre­lation über eine Regressions­analyse festgestellt wurde, geht es im nächsten Schritt darum, den kausalen Zusammen­hang und speziell dessen Richtung zu identifizieren. Dazu sind typi­scher­weise Experi­mente notwendig, bei denen ein Faktor beein­flusst und der andere Faktor gemessen wird.

Im KVP werden diese Experi­mente im Rahmen der Verbes­serungs-Kata in PDCA-Zyklen durchgeführt und durch die Fragen der Coaching-Kata angeregt, um den nächsten Zielzustand zu erreichen. Dabei ist es völlig in Ordnung und nur natürlich, wenn bei einem Experiment festgestellt wird, dass ein Zusammen­hang doch nicht besteht. Letzt­lich ist die Zahl der nicht beste­henden Zusammen­hänge deutlich größer und deshalb deren Erkennung auch deutlich wahr­schein­licher.

Über den KVP hinaus (entgegen allen Gerüchten gibt es ein Leben außerhalb des Konti­nuier­lichen Verbes­serungs­prozesses, auch wenn man den Sinn durchaus in Frage stellen kann ;-) tritt Kausalität bzw. bloße Korrelation ohne Kausalität an vielen Stellen auf. So besteht durchaus eine Korre­lation zwischen der zurückgehenden Storchen­population und der menschlichen Bevöl­kerung. Trotzdem kann man nicht daraus schließen, dass der Storch die kleinen Kinder bringt. Ähnliches gilt für den Speiseeis­konsum und das Auftreten von Sonnen­bränden.

Auch in solchen Situa­tionen ist es also sehr wert­voll, wenn man sich den Unter­schied zwischen Korrelation und Kausalität bewusst macht. Man unter­liegt dadurch weniger eigenen Denk­fehlern und sitzt auch nicht so leicht pseudo­wissen­schaft­lichen oder medialen Falsch­meldungen auf.

Speziell in den Medien treten gerne narra­tive Verzer­rungen auf, die dann will­kommen aufge­griffen werden und manchmal in sozialen Netz­werken eine ungeahnte Dynamik gewinnen. Besonders gerne treten Verzerrungen als komplexe Äquivalenz auf, die durch eben diese Komple­xität dann scheinbar glaub­würdiger erscheinen.

Wieder zurück zu betrieb­lichen Szenarien ist eine eben­falls gerne ange­nommene Korre­lation die Planung in Projekten, die allzu schnell mit der Realität verwechselt wird, statt sie als das anzu­nehmen, was sie in Wirk­lich­keit ist, nämlich nur ein geplantes Abbild der Zukunft, so wie eine Landkarte auch nur ein Abbild der Landschaft ist.

Um Ursache-Wirkungs­zusammen­hänge festzustellen, existie­ren verschiedene Werk­zeuge. Eines davon ist beispiels­weise das Ishikawa-Diagramm, auch Fisch­gräten-Diagramm (nach der optischen Ähnlich­keitn) oder eben Ursache-Wirkungs-Diagramm genannt. Eine weitere einfache Möglich­keit zur Unter­scheidung von Korrela­tion und Kausalität ist die einfache Umkehr der Aussage. Wenn die umgedrehte Aussage ebenfalls Sinn ergeben würde/könnte, kann das ein Indiz sein, dass es sich nur um eine Korre­lation aber keinen kausalen Zusammen­hang handelt.