Die Illusion der unfehlbaren Wissenschaft

Warum der öffentliche Diskurs an der Datenrealität scheitert und wie wir die technokratische Sackgasse verlassen

Autor: G. Froehlich, A. I. Gemini
Fokus: Systemic Dynamics, Open Science, Two-Eyed Seeing & Human Ecology

Wenn in den sozialen Netzwerken über hochkomplexe wissenschaftliche Themen wie den Klimawandel, Bodendegradation oder globale Krisen debattiert wird, fällt eines sofort auf: Die verschiedenen Lager reden nicht miteinander, sondern systematisch aneinander vorbei. Auf den ersten Blick fordern beide Seiten eine „saubere, korrekte Wissenschaft“. Doch unter der Oberfläche zeigt sich ein tiefer struktureller Bruch. Es ist das brutale Aufeinanderprallen einer theoretisch idealisierten Wunschvorstellung von Wissenschaft und den ungeschminkten, oft unzulänglichen Realitäten moderner Datenverarbeitung, IT-Strukturen und politischer Instrumentalisierung.

1. Das Phänomen der kognitiven Dissonanz: Ideal vs. Praxis

In den Kommentarspalten lässt sich eine faszinierende Argumentations-Sackgasse beobachten, die als Lehrbuchbeispiel für kognitive Dissonanz dienen kann. Verteidiger des wissenschaftlichen Mainstreams argumentieren oft mit plakativen, fast dogmatischen Formeln: „Wissenschaft kommt von Wissen. Sie verlangt kein blindes Vertrauen, sondern basiert auf Beweisen, Prüfbarkeit und ständiger Überprüfung.“

Konfrontiert man diese Akteure jedoch mit der konkreten IT- und datentechnischen Realität — etwa mit dem Hinweis, dass die Rahmenbedingungen, Gewichtungen und Glättungsalgorithmen von komplexen Klimamodellen in der Praxis extrem schwer unabhängig überprüfbar sind —, kollabiert die Argumentationskette. Anstatt sich der methodischen Debatte zu stellen, weichen sie aus: „Das mag sein, aber das ändert nichts an der Aussage über die Wissenschaft und ist ein ganz anderes Thema.“

Dies ist der Kern der kognitiven Dissonanz: Um das eigene Weltbild von der unfehlbaren, absolut transparenten Wissenschaft zu schützen, wird die fehleranfällige und oft intransparente Praxis ihrer tatsächlichen Ausführung einfach ausgeblendet und zum „anderen Thema“ deklariert. Man fordert lautstark Überprüfbarkeit, kanzelt den konkreten, fachlich fundierten Versuch einer Überprüfung jedoch im selben Atemzug als störend ab.

2. Das Echtzeit-Dilemma: Wenn Hypothesen zu Dogmen werden

Ein zweites massives Problem des öffentlichen Diskurses ist der immense politische und mediale Druck, wissenschaftliche Ergebnisse in Echtzeit zu liefern. Wissenschaftliche Prozesse — das Aufstellen von Hypothesen, die empirische Überprüfung, das kontrollierte Scheitern und die schrittweise Korrektur — benötigen Zeit. Manchmal Jahrzehnte.

In akuten Krisen oder bei langfristigen globalen Transformationsprozessen verlangt die Politik jedoch nach sofortigen, unumstößlichen Wahrheiten, um weitreichende gesellschaftliche Maßnahmen zu legitimieren. Dadurch passiert etwas zutiefst Unwissenschaftliches: Vorläufige Arbeitshypothesen werden zu unantastbaren Dogmen erhoben.

Wenn sich dann starre Fristen oder Prognosen in der Realität nicht exakt so einstellen — wie beispielsweise das bereits de facto überschrittene Zeitfenster für das 1,5-Grad-Ziel trotz aller theoretischen Deklarationen —, kollabiert das Vertrauen der Bevölkerung.

Um diesen Mangel an absoluter Sicherheit im Hier und Jetzt zu kaschieren, wird das mathematisch und logisch unzulässige Argument des „97%-Konsenses“ bemüht. Wissenschaft ist jedoch keine Demokratie, in der Mehrheiten über Naturgesetze abstimmen.

Zu sagen „Wir haben recht, weil wir viele sind“, ist ein rhetorisches Ablenkungsmanöver, das kritisches Denken und das methodische Hinterfragen im Keim ersticken soll.

Hardware-Monopole und Replikations-Krisen: Selbst wenn Quellcodes auf Plattformen wie GitHub frei zugänglich sind: Für 99 % der unabhängigen Fachwelt sind die Modelle nicht replizierbar oder modifizierbar.

3. Die ungeschminkte Wahrheit der Datenbranche

Wer selbst aus der Softwareentwicklung oder der Dateninfrastruktur-Branche kommt, durchschaut die systemische Intransparenz sofort. Die Behauptung, moderne Großforschung agiere nach dem reinen Ideal von „Open Science“ und freier Falsifizierbarkeit, scheitert in der Praxis an vier monumentalen Hürden:

Die Ökonomie proprietärer Datenströme (Data Pipelines): Komplexe Simulationsmodelle verarbeiten Petabytes an Rohdaten, die von Satelliten, Messstationen oder kommerziellen Wetterdiensten stammen. Diese Datenströme müssen bereinigt, kalibriert und gefiltered werden. Wer eine Simulation wirklich unabhängig falsifizieren will, benötigt Zugriff auf die gesamte Pipeline inklusive aller Rohdaten. Genau diese Infrastrukturen und Datenströme sind jedoch aus wirtschaftlichen oder lizenzrechtlichen Gründen oft eine Black Box.

Das IP-Dilemma und akademischer Protektionismus: Universitäten und Forschungsinstitute stehen unter massivem ökonomischen Druck, Drittmittel einzuwerben und eigene Patente zu sichern. Bereinigte und strukturierte Datensätze werden von Forschungsgruppen oft wie ein wertvoller Schatz gehütet, um über Jahre hinweg exklusive Publikationen zu generieren, bevor die weltweite Konkurrenz Zugriff erhält. „Open Data“ wird so oft verschleppt oder nur lückenhaft umgesetzt.

Hardware-Monopole und Replikations-Krisen: Selbst wenn Quellcodes auf Plattformen wie GitHub frei zugänglich sind: Für 99 % der unabhängigen Fachwelt sind die Modelle nicht replizierbar oder modifizierbar. Es fehlt schlicht an den Millionenbudgets und der Rechenzeit auf High-Performance Computing Clustern (Supercomputern), um die Simulationen mit veränderten Parametern unabhängig laufen zu lassen.

Der historische Spaghetti-Code: In der akademischen Praxis arbeiten selten hochbezahlte Senior-Software-Architekten. Viele Simulationsprogramme sind über Jahrzehnte historisch gewachsene Software-Konstrukte, an denen Generationen von Doktoranden herumprogrammiert haben. Oft ist der Code so chaotisch dokumentiert, dass eine saubere Veröffentlichung für die Institute einer IT-technischen Blamage gleichkäme. Man flüchtet sich lieber in die Intransparenz.

Eine reine Reduktion auf IT-Modelle verliert das „zweite Auge“ und wird blind für systemische Rückkopplungen im realen Ökosystem.
Hier bietet das indigene Wissen der First Nations — allen voran die Traditionen der Mi’kmaw — einen unverzichtbaren Korrektiv-Ansatz.

4. Die Perspektive der First Nations: Was der Technokratie fehlt

Die Verengung der Naturwissenschaft auf reine Computermodelle und optimierte Zahlenreihen hat zu einer tiefen Entfremdung von den tatsächlichen Dynamiken unserer Erde geführt. Hier bietet das indigene Wissen der First Nations — allen voran die Traditionen der Mi’kmaw — einen unverzichtbaren Korrektiv-Ansatz.

Two-Eyed Seeing (Etuaptmumk) als Brücke

Das von Mi’kmaw-Elder Albert Marshall geprägte Konzept des Two-Eyed Seeing fordert uns auf, die Welt mit zwei Augen gleichzeitig zu betrachten: Mit einem Auge sehen wir die Stärken der westlichen Wissenschaft (Daten, Messbarkeit, Technologie), mit dem anderen Auge die Stärken des indigenen Wissens (Ganzheitlichkeit, Langzeitbeobachtung über Jahrhunderte, tiefe Verbundenheit). Eine reine Reduktion auf IT-Modelle verliert das „zweite Auge“ und wird blind für systemische Rückkopplungen im realen Ökosystem.

Sieben-Generationen-Denken statt Quartalszahlen

Während modern-technokratische Wissenschaft oft in kurzen politischen Förderperioden von 3 bis 5 Jahren denkt oder mathematische Projektionen für das nächste Jahrzehnt baut, verankern First-Nations-Traditionen Entscheidungen im Prinzip der sieben Generationen (Seven Generations Principle). Eine wissenschaftliche Aussage ist nur dann valide, wenn ihre praktischen Konsequenzen über Jahrhunderte hinweg im Einklang mit der natürlichen Ordnung stehen.

All Our Relations (Msit No’kmaq)

Der westlich-technokratische Ansatz betrachtet Natur oft als ein Set aus unverbundenen Ressourcen oder isolierten Datenvariablen. Der indigene Grundsatz Msit No’kmaq („Alle meine Verwandten“) erinnert uns daran, dass alles – vom Bodenmikrobiom über den sauren Regen bis hin zum Mensch – in ein lebendiges, verflochtenes Beziehungsnetz eingebunden ist. Wissenschaft darf diese Beziehungen nicht zerlegen und entseelen, sondern muss sie in ihrer Komplexität achten.

5. Auswege aus der technokratischen Sackgasse: Die Lösungen des MRC

Die Entkopplung von echter, transparenter Naturwissenschaft und ökonomisch-politisch motivierter Datenhoheit führt geradewegs in eine technokratische Sackgasse. Sie zerstört das gesellschaftliche Vertrauen und blockiert echte, pragmatische Lösungen für unsere Umwelt.

Wir vom Maritime Roots Collective (MRC) zeigen, dass ein anderer Weg nicht nur notwendig, sondern technisch längst machbar ist. Unsere Arbeit basiert auf Prinzipien, die die Wissenschaft wieder vom Kopf auf die Füße stellen und westliche Präzision mit indigener Weisheit verbinden:

Ergebnisoffenheit statt moralischer Konsens-Keule: Wissenschaft muss wieder lernen, Fehlerbalken, Unsicherheiten und abweichende Messergebnisse nicht als Bedrohung der eigenen Deutungshoheit zu begreifen, sondern als den eigentlichen Motor des Fortschritts. Nicht der verordnete Konsens schafft Vertrauen, sondern die kompromisslose, transparente Fehlerkultur.

Dezentrale, unmanipulierbare Datenstrukturen: In unseren regenerativen Testgebieten (wie unserem Areal auf Cape Breton, Nova Scotia) setzen wir auf messbare, physische Evidenz statt auf rein hypothetische Zukunftssimulationen. Durch moderne Verfahren wie die Geophonie (akustische Bodenanalyse) oder gezielte Phytoremediation gegen Aluminiumtoxizität generieren wir Echtzeitdaten direkt aus der Rhizosphäre.

Radikale Open-Pipeline-Transparenz: Wir fordern und praktizieren eine Offenlegung, die über den bloßen Quellcode hinausgeht. Echte Wissenschaftskommunikation bedeutet, die gesamte Daten-Pipeline — von der Sensormessung im Boden bis zum finalen Analyse-Algorithmus — für jedermann auditierbar und nachvollziehbar zu gestalten. Nur ein öffentlich einsehbarer, unzensierter Datenstrom schützt vor dem berechtigten Vorwurf der Willkür.

Fazit

Solange der öffentliche Diskurs von Akteuren dominiert wird, die die Augen vor den realen, technischen und ökonomischen Barrieren der Datenverarbeitung verschließen, wird das gegenseitige Misstrauen wachsen.

Wahre ökologische Nachhaltigkeit und Landschaftserneuerung entstehen nicht in der Black Box intransparenter Großmodelle, sondern durch die Symbiose aus transparenter Technik, dezentraler Community-Beteiligung, der Demut vor indigenem Generationenwissen und dem Mut, der ungeschminkten Realität der Natur ins Auge zu blicken.