Wissenschaftliche Arbeitsweisen: Experiment, Modell, Datenanalyse, Bewertung und Kommunikation
Der Bereich Wissenschaftliche Arbeitsweisen prüft, ob du biologische Erkenntniswege nachvollziehen und selbst gestalten kannst: vom hypothesengeleiteten Experiment über Modellbildung bis zur kritischen Auswertung von Daten und zur sachgerechten Bewertung kontroverser Themen.
Experiment
- Ein Experiment braucht eine prüfbare Hypothese, eine unabhängige Variable, eine abhängige Messgröße und eine Kontrollgruppe. Störgrößen wie Temperatur, Licht oder Alter werden konstant gehalten.
- Wiederholungen und Blindung erhöhen die Verlässlichkeit. Statistische Kennwerte sind Mittelwert, Standardabweichung und Standardfehler; ein Signifikanzniveau von p < 0,05 ist eine Konvention, kein Beweis für einen großen Effekt.
- Beobachtung und Deutung werden getrennt formuliert: Erst werden Daten beschrieben, dann wird auf die Hypothese zurückgeschlossen.
Modell
- Modelle sind zweckgebundene Vereinfachungen mit klarem Gültigkeitsbereich. Blackbox-, Analog- und Computermodelle unterscheiden sich in ihrer Abbildungstreue.
- Ein Modell ist biologisch brauchbar, wenn es Vorhersagen erlaubt, die sich prüfen lassen. Grenzen müssen benannt werden, etwa beim Aktionspotentialmodell oder bei Lotka-Volterra.
Datenanalyse
- Diagramme werden über Achsen, Einheiten, Skalen und Fehlerbalken gelesen. Steigungen zeigen Änderungsraten, Plateaus Sättigung.
- Korrelation ist keine Kausalität; Extrapolationen über den Messbereich hinaus werden gekennzeichnet. Ausreißer werden geprüft, nicht stillschweigend entfernt.
Bewertung und Kommunikation
- Sachurteile stützen sich auf Daten, Werturteile auf Kriterien wie Gesundheit, Umwelt oder Gerechtigkeit. Beide werden getrennt begründet.
- Quellen werden auf Auftraggeber, Methodik und Aktualität geprüft; Interessenkonflikte werden offengelegt. Fachsprache wird adressatengerecht eingesetzt.
Durchgerechnetes Beispiel
Zwei Düngungsvarianten ergeben Mittelwerte von 12,4 und 13,1 Einheiten; die Standardabweichungen betragen 0,8 und 2,9 bei je zehn Wiederholungen. Die Fehlerbalken überlappen deutlich. Die korrekte Deutung lautet: Ein Unterschied ist mit diesen Daten nicht gesichert; die Hypothese eines Düngungseffekts wird nicht gestützt, aber auch nicht widerlegt. Eine Aussage wie „Düngung erhöht den Ertrag um 0,7 Einheiten“ wäre voreilig, weil Streuung und Stichprobengröße unberücksichtigt bleiben.
Typische Fehler
- Ohne Kontrollgruppe kausale Wirkungen behaupten.
- Fehlerbalken als Spanne der Rohdaten statt als Streuungsmaß lesen.
- Ein Modell mit der Realität gleichsetzen und seinen Gültigkeitsbereich verschweigen.
- Den p-Wert als Maß der Effektstärke interpretieren.
- In der Biologie von „Beweis“ statt von „Stützung“ einer Hypothese sprechen.