Bisher hören wir wenig Kritisches über Big Data. Viele schauen ehrfürchtig auf all das Wundersame, das man mit Daten machen kann. Und wie häufig, wenn neue Technologien etabliert werden sollen, wird zuerst ihr Nutzen in der Medizin hochgelobt: Krankheiten früher entdecken, besser therapieren und länger gesund bleiben. Wer soll dagegen etwas haben?

Der Vorsitzende der Cochrane Gesellschaft in Deutschland, Gerd Antes, ist Mathematiker und er hat etwas gegen den allzu unkritischen Hype rund um Big Data. Seine Argumente speisen sich aus langjähriger Erfahrung in der Bewertung von klinischen Studien. Dort ist auch nicht alles, was datenbasiert ist, verlässlich. Auf die Details kommt es an.

Um die Details bewerten zu können, reicht es nicht, allein auf die Datenmenge zu schauen, vielmehr entscheidet die Qualität. Statt Big Data braucht man für medizinische Fragestellungen Good Data. Maschinen sind mit vielen typischen Problemen in der Medizin überfordert – auch die, die Algorithmen können und viele Daten prozessieren.

Dieser Text sammelt Beispiele – nicht nur aus der Medizin – die zeigen, dass bessere Ergebnisse nicht allein dadurch entstehen, dass man mit mehr Daten arbeitet. Antes und andere erklären, warum das so ist. Zuweilen verknotet sich im Text der rote Faden etwas, es macht manchmal etwas Mühe, der Argumentationslinie zu folgen. Trotzdem möchte ich ihn empfehlen, weil er wichtige Fragen stellt und den Finger auf die Wunde legt.

Die Wunde ist: Gute wissenschaftliche Praxis in der Medizin arbeitet mit Vergleichsstudien und sammelt Daten, die zur Forschungsfrage passen. Big Data arbeitet in der Regel mit Fragestellungen, die auf bereits gesammelte Daten gelegt werden. Big Data findet eher Korrelationen, manchmal absurde. In der Medizin braucht man aber vor allem Kausalzusammenhänge.

Die Botschaft ist deshalb, dass selber denken nicht durch Big Data ersetzt werden kann. Es ist eine nützliche Methode für manche Situationen. Sie sollte aber nicht überbewertet werden.