Der Survivorship Bias ist ein Fehlschluss, der nur die Fälle betrachtet, die einen Auswahlprozess überstanden haben. Weil die Gescheiterten fehlen, wirken Erfolgschancen größer, als sie sind. Das Dorsch-Lexikon führt ihn als Überlebensirrtum und nennt als Beispiel Firmengründungen: Man sieht die Erfolgreichen, die vielen Pleiten bleiben unsichtbar. Er gehört zu den systematischen Verzerrungen, die unter Bias beschrieben sind.
- Survivorship Bias
Ein Fehlschluss, der nur die Fälle betrachtet, die einen Auswahlprozess überstanden haben, und deshalb Erfolgschancen überschätzt.
Beispiel: „Der Survivorship Bias steckt in jeder Liste erfolgreicher Gründer, die die Gescheiterten nicht zählt.“Auch: Überlebensirrtum, Überlebenden-Verzerrung.
Abgrenzung zum Selektionsbias: Er ist der Oberbegriff für jede verzerrte Auswahl einer Stichprobe; der Survivorship Bias ist der Sonderfall, bei dem nur die Übriggebliebenen gezählt werden.
Abraham Wald und die Flugzeuge
Die bekannteste Geschichte zum Survivorship Bias handelt vom Statistiker Abraham Wald, der im Zweiten Weltkrieg für die Statistical Research Group in New York arbeitete. Er habe erkannt, dass Treffer an zurückgekehrten Flugzeugen genau die Stellen zeigen, die ein Flugzeug überstehen kann; Panzerung gehöre also dorthin, wo keine Einschüsse zu sehen sind.
Was an der Geschichte zum Survivorship Bias belegt ist
Bill Casselman hat 2016 nachgesehen, was davon belegt ist. Wald schrieb acht technische Memoranden, wie sich die Verwundbarkeit aus den Schäden der Überlebenden schätzen lässt. Eine Empfehlung, wohin die Panzerung soll, enthalten sie nicht; die zugespitzte Geschichte nennt Casselman eine plausible Rekonstruktion. Das verbreitete Bild eines Bombers mit roten Punkten entstand 2021 auf Wikimedia Commons und zeigt ein ausgedachtes Schadensmuster.
Survivorship Bias im Marketing
Fallstudien, Best-Practice-Listen und Erfolgsgeschichten zeigen nur, was funktioniert hat. Wer daraus ein Rezept ableitet, sieht die vielen Firmen nicht, die dasselbe gemacht haben und gescheitert sind. Auf der eigenen Website taucht der Fehler in der Auswertung auf: Wer nur die Nutzer befragt, die gekauft haben, erfährt wenig über die, die abgesprungen sind. Aus unserer Sicht gehören deshalb die Abbrüche in jede Analyse, etwa als eigene UX-KPI.