Kausalität

Als das Wort „Warum“ erfunden wurde, war plötzlich alles anders.
Elmar Schenkel

Kausalität bezeichnet die Vorstellung eines Menschen, dass jedes Ereignis durch ein vorangegangenes Ereignis (Ursache=lat. causa) hervorgerufen wird, bezeichnet also das Vorliegen eines (gesetzmäßigen) Wirkungszusammenhangs zwischen Ereignissen beziehungsweise Erscheinungen in der Weise, dass ein Ereignis A unter bestimmten Bedingungen ein Ereignis B (mit Notwendigkeit) hervorbringt (verursacht), wobei die Ursache A der Wirkung B zeitlich vorausgeht und B niemals eintritt, ohne dass vorher A eingetreten ist.

In den empirischen Wissenschaften bezeichnet Kausalität einen nicht umkehrbaren Zusammenhang von Ursache und Wirkung zwischen zwei oder mehreren Phänomenen, dargestellt in Form von Variablen. Eine Voraussetzung, um einen kausalen Zusammenhang feststellen zu können, ist die Ermittlung der unabhängigen, einflussgebenden und der abhängigen, also der beeinflussten Variablen. Durch gezielte Manipulation der unabhängigen Variablen mittels experimentellem Design, in dem alle anderen beeinflussenden Faktoren (Störvariablen) nach Möglichkeit ausgeschaltet und kontrolliert werden, kann die veränderte Wirkung auf die abhängige Variable gemessen werden. Letztlich kann das Vorliegen einer Kausalität nur inhaltlich begründet und mittels experimentellem Design überprüft werden. Auch wenn die statistischen Auswertungsmethoden bei Korrelation und Kausalität methodisch dentisch sind und die Stärke des Zusammenhangs jeweils mittels Korrelationskoeffizienten dargestellt wird.

Die klassische Lehre von den verschiedenen Ursachen beruht auf der aristotelischen Einteilung:

• causa materialis (materiale Ursache) gehört zu den inneren Ursachen. Sie liegt im Stoff (griech. hyle), „woraus etwas entsteht, und was in diesem Etwas ist, z. B. ist die Bronze die Ursache der Statue“ (Aristoteles).
• causa formalis (formale Ursache) gilt als die zweite innere Ursache. Sie besteht in der Form (griech. idea oder eidos), der Struktur oder dem Muster, das sich im Seienden findet. Die Bronzestatue z. B. entsteht dadurch, daß die Bronze in der Form der Statue gestaltet ist.
• causa efficiens (wirkende Ursache) ist eine äußere Ursache; sie ist „die Quelle, worin die Veränderung oder die Ruhe ihren Ursprung hat“ (Aristoteles), d. h. die causa efficiens bewirkt, daß etwas erzeugt wird. So ist das Hämmern des Schmieds auf die Bronze und der Schmied selber eine der wirkenden Ursachen, die die Bronzestatue erzeugen.
• causa finalis (Zweckursache) ist eine äußere Ursache; sie gibt den Zweck unseres Tuns an. „Z. B. ist Gesundheit die Ursache eines Spaziergangs. Denn „Warum macht man einen Spaziergang?“ sagen wir. „Wegen der Gesundheit.“ Die causa finalis war für Aristoteles ein naturwissenschaftliches Prinzip.

Die naturwissenschaftliche Kausalität beschreibt die Beziehung zwischen Ursache und Wirkung, wobei in der makroskopischen Welt strenge Kausalität gilt, d. h., dass eine Wirkung immer nach der Ursache eintritt und niemals gleichzeitig. So sagt etwa das dritte Newtonsche Axiom (actio und reactio) aus, dass bei der Wechselwirkung zwischen zwei Körpern jede Aktion (Kraft von Körper A auf B) gleichzeitig eine gleich große Reaktion (Gegenkraft von Körper B auf A) erzeugt wird, die auf den Verursacher der Aktion zurückwirkt.

Ist das Herstellen von Kausalität genetisch vorprogrammiert?

Wie neuere Untersuchungen (Rolfs et al., 2013) gezeigt haben, entsteht das Verständnis von kausalen Zusammenhängen schon beim Sehprozess ohne Beteiligung von höheren kognitiven Vorgängen. Das zeigt sich vor allem daran, dass beim wiederholten Betrachten von kausalen Zusammenhängen ein ähnlicher Gewöhnungseffekt eintritt wie bei der Wahrnehmung der Größe, Farbe oder Distanz eines Objektes, wobei vor allem schnelle Kausalitätsurteile bereits auf der Stufe der einfachen visuellen Wahrnehmung gefällt werden.

Kausalität auf der Basis von Spiegelneuronen?

In einer Studie haben Caggiano et al. (2016) Neuronen entdeckt, die möglicherweise an der Wahrnehmung von ursächlichen Zusammenhängen beteiligt sind. Bisher war nicht bekannt, wie Kausalitätsurteile auf der Ebene von Nervenzellen verarbeitet werden, man vermutete jedoch einen Zusammenhang mit der Verarbeitung von motorischen Handlungen, denn in beiden Fällen muss das Gehirn räumlich-zeitliche Zusammenhänge zwischen Reizen auswerten, die sich gegenseitig beeinflussen. Wieder sind es die berüchtigten Spiegelneuronen, die beim Betrachten einer Szene mit einer Kausalität aktiviert werden. denn diese Nervenzellen sind auch beim Ausführen und Betrachten motorischer Handlungen aktiv und spiegeln das Geschehen, auch wenn der Beobachter an den Handlungen gar nicht aktiv beteiligt ist. In der konkreten Studie maß man die Aktivität der Spiegelneuronen in der motorischen Hirnrinde von Makaken, denen auf einem Bildschirm natürliche Handbewegungen sowie abstrakte Reize in Form von bewegten Scheiben gezeigt wurden, wobei der Bewegungsverlauf der Hände und Scheiben durch die gleichen kausalen Beziehungen zustande kam. Es zeigte sich, dass die Aktivitätsmuster der Spiegelneuronen für beide Reizarten fast identisch waren, was darauf hindeutet, dass motorische Bewegungen und bestimmte Aspekte visueller Kausalitätsurteile möglicherweise gemeinsam von den gleichen Nervenzellen verarbeitet werden, denn beide Funktionen greifen auf überlappende Gehirnbereiche scheinbar zurück. Man vermutet daher, dass höhere Formen der Kausalitätswahrnehmung aus solchen einfachen Mechanismen der Bewegungserkennung und Interpretation entstanden sein könnten.

Kann Kausalität mit Hilfe künstliche Intelligenz erkannt werden?

Künstliche Intelligenz (KI) und maschinelles Lernen (ML) werden zunehmend eingesetzt, um komplexe Muster in großen Datenmengen zu erkennen. Dr. Philipp Bach und das Team von Prof. Dr. Martin Spindler an der University of Hamburg Business School erforschen darüber hinaus, wie diese Technologien genutzt werden können, um kausale Zusammenhänge zu erkennen und valide Schlussfolgerungen über Ursache-Wirkung-Beziehungen zu ziehen. Ziel ist es, über bloße Vorhersagen hinauszugehen und KI-Modelle zur fundierten Entscheidungsunterstützung einzusetzen – sei es im medizinischen Bereich, bei politischen Maßnahmen oder im wirtschaftlichen Kontext. Die Herausforderung liegt dabei darin, trotz begrenzter Daten und statistischer Unsicherheit belastbare Kausalabschätzungen zu treffen. Dafür kommen spezialisierte Verfahren wie das „Double Machine Learning“ zum Einsatz, die maschinelles Lernen mit strengen statistischen Anforderungen kombinieren. In einem konkreten Projekt untersucht das Team etwa, wie sich Text- und Bilddarstellungen auf Online-Kaufentscheidungen auswirken – beispielsweise bei Spielzeugautos auf Verkaufsplattformen. Mithilfe neuronaler Netze und großer Sprachmodelle werden Zusammenhänge zwischen Produktdarstellung und Kaufverhalten analysiert, um Einblicke in die Zahlungsbereitschaft und Optimierungsmöglichkeiten für die Preisgestaltung zu gewinnen.

Literatur

Caggiano, V., Fleischer, F., Pomper, J. K., Giese, M. & Thier, P. (2016). Mirror neu-rons in monkey premotor area F5 show tuning for critical features of visual causality perception. Current Biology, doi.org/10.1016/j.cub.2016.10.007.
Rolfs, M., Dambacher, M., & Cavanagh, P. (2013). Visual adaptation of the perception of causality. Current Biology, 2013; doi: 10.1016/j.cub.2012.12.017.
Stangl, W. (2011). Was ist Kausalität?
WWW: https://arbeitsblaetter.stangl-taller.at/ERZIEHUNGSWISSENSCHAFTGEIST/Kausalitaet.shtml (11-02-21)
Universität Hamburg (2025, 26. Juni). KI trifft Kausalität: Wie maschinelles Lernen beim Erkennen von Ursache-Wirkung hilft. https://www.uni-hamburg.de/newsroom/forschung/2025/0626-fv-43-bwl-ki-kausalitaet.html

---

---