Alrik Thiem forscht im Rahmen einer SNF-Förderprofessur am Politikwissenschaftlichen Seminar zu empirischen Methoden. Mit seinem Team entwickelt er auch Software zur Datenanalyse, die in den Sozial- und Naturwissenschaften Anwendung findet.
Oft werden Forschungs- und Analysemethoden einfach als Mittel zum Zweck betrachtet, obwohl sie sowohl für Sozial- als auch für Naturwissenschaften von zentraler Bedeutung sind. Bilden sie doch gewissermassen die Werkzeuge, die es Wissenschaftlerinnen und Wissenschaftlern ermöglichen, Rückschlüsse über Beziehungen zwischen untersuchten Phänomenen und gesammelten Daten zu ziehen. «Sämtliche wissenschaftliche Erkenntnis hängt von Methoden ab», betont Alrik Thiem, der im Rahmen seiner Förderprofessur neue Methoden zur Datenanalyse entwickelt und diese Forschenden zugänglich macht.
Inspiration aus der Elektrotechnik
Diese neuen Analysemethoden sollen Forschenden ermöglichen, bestehende Datensätze sinnvoll zu strukturieren und auszuwerten. Dazu werden jene Methoden, mit denen Elektroingenieurinnen und -ingenieure Schaltkreise bauen, so adaptiert, dass man diese auch zur Beantwortung allgemeiner wissenschaftlicher Fragen, die nach Ursache-Wirkung-Prinzipien suchen, einsetzen kann. «Wir betreiben eigentlich knallharte Kausalanalyse», so Thiem. Zusammen mit seinem Team, den beiden Ingenieurrinnen Dr. Lusine Mkrtchyan und Zuzana Sebechlebská, veröffentlicht er nicht nur Studien, sondern entwickelt auch eigene Software, welche von Forschenden der Sozial- und Naturwissenschaften genutzt werden kann. Diese Software nennt sich CORA (Combinational Regularity Analysis) und basiert auf sogenannter Boolescher Algebra, einem mathematischen System, das auf den Gesetzmässigkeiten der Logik beruht.
Zusammenhänge von Ursachen und Wirkung
Um die Zusammenhänge von Ursachen oder Einflussfaktoren, die hinter einem bestimmten Phänomen stehen, zu erklären, werden mit den im Projekt entwickelten Methoden Datensätze dahingehend analysiert, dass die dahinterstehende Struktur sichtbar wird, das heisst, erst erkennbar wird, inwiefern Ursache und Wirkung zusammenhängen. Diese Methoden lassen sich dann auf die unterschiedlichsten wissenschaftlichen Gebiete anwenden, bei denen Daten ausgewertet werden.
Das Gute an diesen Methoden ist, dass sie vollkommen disziplinunabhängig sind.
Die betreffenden Phänomene oder Fragestellungen können also genauso aus dem Feld Wirtschafts- oder Politikwissenschaften stammen wie aus der Medizin – also etwa, ob ein Land Wirtschaftswachstum aufweist, eine Volksinitiative angenommen wird oder ob jemand an Krebs erkrankt. Die Ursachen, sprich: die analysierten Daten, sind dabei die jeweils entsprechenden Einflussfaktoren, die als Erklärung für ein Phänomen herangezogen werden, wie etwa steigende Arbeitslosigkeit, die Stärke bestimmter Parteien oder ob jemand raucht. «Das Gute an diesen Methoden ist, dass sie vollkommen disziplinunabhängig sind», sagt dazu Thiem.
«Kausale Schaltdiagramme» aus Datensätzen
Anders als bei klassischeren Analysemethoden werden bei den von Thiem und seiner Gruppe entwickelten Methoden nicht einzelne isolierte Faktoren betrachtet, sondern die kausalen Zusammenhänge vieler verschiedener Ursachen für ein bestimmtes Phänomen sichtbar gemacht. Die mittels der CORA-Software analysierten Daten lassen sich hierzu wie ein «Schaltkreis» mit vielen An-Aus-Schaltern, logischen Verdrahtungen und Reglern verstehen und in entsprechenden Diagrammen darstellen. Anhand der so strukturierten Zusammenhänge lassen sich genaue Vorhersagen darüber treffen, was passiert, wenn bestimmte Faktoren oder Parameter verändert oder «ausgeschaltet» werden.
Man muss aus den Daten ja etwas herauslesen, man muss eine Struktur in ihnen erkennen können. Genau dafür entwickeln wir diese Methoden.
Konkrete Anwendung finden die neu entwickelten Methoden beispielweise bei einem Kooperationsprojekt mit der OECD, welches nachhaltige Produktivität im Agrarsektor untersucht. Entsprechende «Schalter» oder «Regler» im Schaltkreis stellen dabei etwa Daten zu Nitratüberschuss, Phosphatüberschuss oder Treibhausgasemissionen dar. Man schaut dann z.B., welchen nachhaltigen Einfluss auf die Produktivität ein höherer Nitratüberschuss, gepaart mit weniger Phosphat und weniger Treibhausgas und so weiter, hat. Die so gewonnenen Ergebnisse zeigen, dass Länder eine hohe nachhaltige Produktivität erreichen, wenn die Viehdichte gering ist und landwirtschaftliche Unterstützungszahlungen entweder nicht an die Produktion gekoppelt oder wenn solche Zahlungen mit Umweltauflagen verbunden sind.
«Big Data» alleine nützt noch nichts
Zwar besteht Thiems Forschungsfeld bereits seit den 1980er-Jahren, war aber bislang eine Nische. «In den Sozialwissenschaften konnte man das bisher nicht», sagt Thiem und meint damit die Darstellung von Datenstrukturen in solchen Schaltdiagrammen. Mit CORA sei die Anwendung auf diesem Gebiet jetzt aber deutlich weiter, so der Projektleiter. Mit dem Aufkommen von Themen wie «Big Data» und «Digitalisierung» kommen diese sogenannten konfigurativ komparativen Methoden zudem auch immer häufiger und in immer mehr Disziplinen zur Anwendung. Dazu Thiem: «‹Big Data› bedeutet ja einfach ‹grosse Mengen von Daten›.» Ein grosser Datensatz alleine nütze aber noch nichts, sagt er und erklärt: «Man muss aus den Daten ja etwas herauslesen, man muss eine Struktur in ihnen erkennen können. Genau dafür entwickeln wir diese Methoden.»
Förderprofessur bis 2023 verlängert
Das Projekt «Advancing Configurational Comparative Research Methods (ACCORds)» startete 2017 und wurde vom Schweizerischen Nationalfonds (SNF) im Rahmen von Alrik Thiems Förderprofessur mit 1,37 Millionen Franken über eine Laufzeit von vier Jahren gefördert (damalige Newsmeldung). Das Projekt erhielt eine Zusprache zur Verlängerung bis August 2023 und wird mit weiteren rund 734'000 Franken gefördert. An die Stelle der SNF-Förderprofessuren sind mittlerweile andere Förderinstrumente getreten.
