Die moderne Mathematik kann Tierversuche einsparen helfen. Dennoch verlassen sich forschende Biologen und Mediziner allzu häufig nur auf ihr Gefühl und den fachfremden Statistiker am Rechenzentrum.

„Statistisch ausgewertet hat mir das Experiment ein Mathematiker, denn ich verstehe von Statistik gar nichts.“ Dieses traurige Eingeständnis verkündete der Forscher seinem Auditorium eher mit stolzem Lächeln als mit Beschämung, um dann den vermeintlichen Vorteil einer Tumorbehandlung zu demonstrieren, die er an Mäusen ausprobiert hatte. Und das ist durchaus kein Einzelfall.

Statistik gilt unter Medizinern und Biologen als ungeliebte Fleißaufgabe. Wer nicht den Ehrgeiz hat, seine Experimente in einem international geachteten Journal zu publizieren, der beschränkt sich auf Mittelwertsberechnungen und stellt Streubreiten sowie Häufigkeitsverteilungen fest. Dann wird eine solche Statistik, die nicht das Experiment begleitete, am Schluß den Ergebnissen – weil es denn sein muß – wie ein fremder Hut übergestülpt.

Dabei verfügen Wissenschaftler längst über eine bessere Methode als diese Form der beschreibenden Statistik: die sogenannte inferentielle oder schließende Statistik. Sie kam bereits in der ersten Hälfte unseres Jahrhunderts auf und wurde in jüngster Zeit weiter entwickelt und verfeinert. Die rechentechnischen Möglichkeiten der modernen Computer haben wesentlich dazu beigetragen.

In allen Biowissenschaften gehört die inferentielle Statistik heute zum methodischen Instrumentarium der Versuchsplanung und -auswertung. Beobachtende Studien in der Psychologie oder Soziologie wären ohne diese statistischen Hilfsmittel überhaupt nicht auswertbar.

Mit Hilfe wahrscheinlichkeitstheoretischer Verfahren entscheidet der Experimentator, ob ein beobachtetes Phänomen auf einen vorhandenen Effekt zurückzuführen – also signifikant – ist, oder ob es durch Zufall verursacht wurde. Außerdem ermöglicht die inferentielle Statistik eine genaue Versuchsplanung: So kann die für eine signifikante Aussage notwendige und auch ausreichende Zahl an Versuchen – etwa an Versuchstieren – recht präzise bestimmt werden.

Den statistischen Erkenntnissen zum Trotz zeigt die Erfahrung an den universitären Rechenzentren, daß ein Drittel der jungen Hau-ruck-Forscher, die ihre Experimente ohne Versuchsplanung durchführen, zum Teil vollkommen überflüssige oder aber wenig aussagefähige Experimente macht. Bei Tierversuchen vergeudet eine schlecht geplante Studie nicht nur Forscherschweiß und Geld, sondern opfert auch sinnlos Versuchstiere.