In seinem Artikel „Corona-Impfung und Übersterblichkeit: Was ist dran?“ in der Berliner Zeitung vom 14. Januar 2024 setzt Martin Rücker die Diskussion über die Ursachen der Übersterblichkeit 2021-2022 fort. Der Artikel beinhaltet zwar eine ganze Reihe korrekter Punkte, aber in einer Weise, die seinen Text als Ganzes fragwürdig macht. Da einige seiner Überlegungen durchaus repräsentativ sind, lohnt es sich, sie näher anzusehen – denn leider halten sie wissenschaftlichen Standards nicht stand.

Vollkommen richtig unterstreicht Rücker, dass die Datenlage weitgehend unsicher ist. Aber: Das ist in der Wissenschaft normal. Unklarheiten existieren fast überall, und insgesamt ist die Welt viel komplizierter, und der Weg zur wissenschaftlichen Wahrheit steiler und krummer, als in den Fakultäten für Journalistik gelehrt wird. Der große Physiker Richard Feynman definierte sogar die Fähigkeit, Unsicherheiten zu akzeptieren („zu leben, ohne genau zu wissen“) als eine der wichtigsten Eigenschaften eines Forschers (The value of science. Engineering and Science 1955, Seiten 14 bis 16).

Gerade in der exakten Wissenschaft ist Unsicherheit eine Regel

Sein Artikel in der Berliner Zeitung macht aber den Eindruck, dass Unsicherheiten und das Vorhandensein einander widersprechender Daten und Ansätze im Bereich Übersterblichkeitsstatistik (für jeden erfahrenen Forscher eine Selbstverständlichkeit) den Autor überraschen und überwältigen. „Die Übersterblichkeit ist keine exakte Wissenschaft“, sagt er enttäuscht. Doch. Sie ist es: Der Physiker Feynman bestätigt, dass gerade in der exakten Wissenschaft Unsicherheit eine Regel ist, Sicherheit dagegen eine Ausnahme.

Von den Unsicherheiten überfordert, zitiert der Autor verschiedene Daten und Ansätze als gleichwertig, ohne sie kritisch zu reflektieren – er übersieht die jeweilige Bedingtheit durch die angewandten Methoden, das Einmaleins der Wissenschaft. Zum Beispiel versucht er, seine Behauptungen immer wieder mit den Daten des Statistischen Bundesamtes zu untermauern. Diese Daten sind in aller Ehre, aber sie sind keine Studiendaten. Das Bundesamt liefert Zahlen, kümmert sich aber nicht um Kontrollbedingungen oder korrekte Versuchsanordnung: Das ist auch nicht sein Job. Seine Daten können eine Grundlage für wissenschaftliche Studien bilden, aber sie selbst sind – noch! – keine wissenschaftlichen Daten. Daher sind keine (auch keine schwachen oder vorläufigen) kausalen Schlüsse aus diesen Daten möglich. Wissenschaftliche Daten bedürfen der – methodisch reflektierten – Aufbereitung.

Die Behauptung, dass die unerwartet niedrige Übersterblichkeit im Coronajahr 2020 durch eine „heftige Grippewelle im Vorjahr“ bedingt wurde, wird mit den Seiten verlinkt, die die Grippewelle nicht im Vorjahr 2019, sondern im Jahr 2022 diskutieren. Tatsächlich aber gab es keine heftige Grippewelle 2019, sondern 2018. Die Behauptung, dass „Pandemiemaßnahmen dazu geführt haben könnten, erwartete Sterbefälle durch Influenza und andere Erreger zu verhindern“, wird nicht mit Quellen untermauert und widerspricht den Ergebnissen mehrerer umfangreicher Meta-Analysen (Links siehe am Ende des Beitrags), die eine sehr niedrige Effizienz dieser Maßnahmen festgestellt haben.

Umgang mit Widersprüchen bedarf fachlich geschulter Übung

Unter dem Titel „Keine plausiblen Hinweise auf Impfschäden als Massenproblem“ stellt der Autor – im Allgemeinen wieder korrekt – fest, dass ohne kontrollierte klinische Versuche ein endgültiger Kausalitätsbeweis kaum möglich ist. Doch gleich im nächsten Satz behauptet er, dass Impfungen die Sterberate senken können, obwohl keine der Untersuchungen, auf die er verweist, auf kontrollierten klinischen Studien basiert; er verwendet also ein Argument, das er nur zwei Zeilen höher selbst entwertet hat. Das sind nur wenige Beispiele dafür, dass der Autor keine Erfahrung in der kritischen Analyse der (tatsächlich widersprüchlichen, wie immer) wissenschaftlichen Literatur besitzt. Der Umgang mit solchen Widersprüchen bedarf der fachlich geschulten Übung zur Abschätzung und Abwägung der jeweiligen methodischen Bedingtheiten und Voraussetzungen, die zu bestimmten Ergebnissen geführt haben.

Damit leitet er, bewusst oder eher unbewusst, den Leser zu dem Schluss, die Aussage „nicht alles ist klar“ sei gleichbedeutend mit „alles ist unklar“. Diese Schlussfolgerung ist logisch und faktisch falsch. Aus „nicht alle Tiere sind Katzen“ folgt nicht „alle Tiere sind Nicht-Katzen“. Einige sind doch Katzen, noch einige (Tiger, Löwen) sind katzenähnlich oder mit Katzen verwandt. Keine wissenschaftliche Aussage ist absolut wahr und streng bewiesen, doch einige Aussagen sind näher an der Wahrheit und besser begründet als andere.

Rücker betont vollkommen richtig, dass das größte Problem beim Berechnen der Übersterblichkeit die Festlegung der erwarteten Werte ist, mit denen im Vergleich die beobachteten Werte als Über-, Unter- oder normale Sterblichkeit angesehen werden. In der Tat sind bei dieser Berechnung verschiedene Ansätze möglich, doch nicht alle sind gültig, und auch die gültigen gelten nicht alle mit der gleichen Kraft. Ein Beispiel eines offensichtlich ungültigen Ansatzes im Bereich Sterbestatistik liefert ein ARD-Faktenchecker, der die Todesrate 2020 und 2021 mit der mittleren Sterblichkeit (Median) der Vorjahre vergleicht und mit dieser Methode eine sehr hohe Übersterblichkeit 2020 findet.

Vor 2020 keine signifikante Übersterblichkeit

Was ist daran falsch? Die Todeszahlen in Deutschland stiegen während der Vorjahre wegen der zunehmenden Alterung der Bevölkerung stets an. Der Vergleich mit der mittleren Sterblichkeit ignoriert diesen Anstieg. Als extreme Vereinfachung können wir uns eine Zahlenreihe vorstellen: 4,5,6,7,8. Was erwarten wir als die nächste Zahl in der Reihe? Die meisten Menschen würden ohne Bedenken „9“ antworten. Aber die Logik des Faktencheckers ist die folgende: Die „Mitte“ (Median) dieser Reihe ist die Zahl 6, und andere Zahlen verteilen sich gleichmäßig um 6; zwei liegen darüber, zwei darunter. Also erwarten wir am wahrscheinlichsten 6. Kommt nur im folgenden Jahr 9, sollte man nach dieser Logik überrascht werden: eine unerwartet hohe Zahl. In anderen Worten: Bei ansteigenden Zahlenreihen liegt der erwartete Wert deutlich höher als der mittlere. Im Vergleich mit der von Jahr zu Jahr ansteigenden Sterberate in den Jahren vor der Pandemie gab es deshalb 2020 keine signifikante Übersterblichkeit im Allgemeinen.

Ein anderes falsches, aber in Massenmedien oft verwendetes Verfahren (zum Beispiel in der FAZ „Was passierte im Juni 2021?“) besteht darin, dass aufeinanderfolgende Jahre einfach paarweise verglichen werden: 2020 mit 2019, 2022 mit 2021 oder auch 2022 mit 2019. Das aber ist die denkbar unwissenschaftlichste Methode. Denn: Passiert in einem Jahr zufällig eine Katastrophe, so sieht im nächsten Jahr jede Übersterblichkeit völlig normal aus; aber auch umgekehrt gilt: Im Vergleich mit einem besonders günstigen Jahr wird jedes folgende Jahr wie eine Katastrophe erscheinen.

In seinem Versuch, einen festen Ankerpunkt im Ozean der Unwägbarkeiten zu finden, konstruiert Martin Rücker einen imaginierten Gegner, der behauptet, die Impfkampagne als die (einzige) Ursache der Übersterblichkeit sei streng wissenschaftlich bewiesen. „Im Schluss wird die Impfung als einzig mögliche Ursache [für Übersterblichkeit] diskutiert“, „Wer das Ausmaß der Übersterblichkeit kausal mit der Impfung in Verbindung bringen will [wer ist es? – BK], bräuchte dafür mehr als […] Korrelationsdaten“ usw. Das ist das berüchtigte Strohmann-Argument: Dem Opponenten wird eine stärkere Aussage unterstellt, als er tatsächlich gemacht hat, und diese starke Aussage wird dann erfolgreich widerlegt. Zumindest in der ernstzunehmenden Literatur habe ich keine Aussage dieser Stärke gesehen. Die m.W. seriöseste Publikation, die von den Professoren Kuhbandner (Psychologie) und Reitzner (Mathematik) geschrieben und von sieben weiteren unabhängigen Experten begutachtet wurde, kommt zu dem Schluss, dass die Parallelität der zeitlichen Verläufe zwischen Impfung und Sterblichkeit ein starkes Sicherheitssignal darstellt, das in weiteren, kontrollierten Studien überprüft werden sollte (siehe Kuhbander C., Reitzer M., Estimation of excess mortality in Germany during 2020-2022. Cureus 2023, 15(5), e39371. doi:10.7759/cureus.39371).

Wer den Unterschied zwischen den Begriffen „Sicherheitssignal“ und „endgültiger kausaler Beweis“ nicht versteht, ist einer wissenschaftlichen Diskussion nicht gewachsen. Die stets wiederholte Behauptung von Rücker, dass Korrelationen keine Kausalitäten beweisen, ist trivial; all die Experten, die in der Diskussion über Übersterblichkeitsstatistik teilnehmen, haben das im ersten Semester gelernt.

Deshalb ist ein Sicherheitssignal selbstverständlich kein Beweis, und dieses Signal ist fast immer „nur eine Korrelation“, nicht mehr. Wenn zum Beispiel eine bestimmte Krankheit systematisch in der Nähe von ganz bestimmten Fabriken auftritt, so ist auch dies „nur eine Korrelation“; aber diese Korrelation (falls sie empirisch zuverlässig ist) sollte die entsprechende Behörde dazu veranlassen, vertiefte Untersuchungen zu Vorgängen in diesen Fabriken zu unternehmen, um die Hypothese, dass einige dieser Vorgänge Menschen krank machen, entweder zu bestätigen oder zu entkräften.

Viele Hypothesen sind möglich, aber nicht alle gleichwertig

In der Geschichte der Pharmaforschung hat fast jeder Fall, in dem ein Produkt vom Markt genommen oder gar verboten wurde, mit einem solchen Sicherheitssignal, in der Regel mit einer „nur Korrelation“, begonnen. Das war auch bei der Contergan-Tragödie der Fall. Wären die „nur Korrelationen“, wie der Autor andeutet, für Wahrheitsfindung belanglos, weil sie keine Kausalität beweisen, dann würden auch heute noch Kinder mit verstümmelten Armen und Beinen geboren.

Genauso wie im obigen Beispiel mit Krankheiten in der Nähe von Fabriken, gibt es auch hier eine Behörde, deren Pflicht es ist, einem deutlichen Sicherheitssignal nachzugehen und entsprechende Studien anzuordnen. Die Frage, warum der Chef dieser Behörde dafür mit Bundesverdienstkreuz ausgezeichnet wird, dass er seine Pflicht in dieser Hinsicht nicht erfüllt hat, kann hier nicht beantwortet werden.

Wenn die Daten eine bestimmte Kausalität nicht belegen, dann bleibt eine Erklärung hypothetisch. Aber hier gilt wieder: Viele Hypothesen sind möglich, aber nicht alle sind gleichwertig. Rücker diskutiert zwei von ihnen. „Zahlen legen nahe, dass noch immer mehr Menschen im Zusammenhang mit einer Corona-Infektion sterben, als dies im öffentlichen Bewusstsein verankert sein mag.“ Diese Hypothese krankt unheilbar an der fehlenden Definition von „Zusammenhang“.

Wenn Zusammenhang bedeutet, dass ein in einem Unfall Gestorbener zuvor ein positives PCR-Testergebnis hatte, dann ist die Zahl der im Zusammenhang mit Corona-Infektion Gestorbenen wahrlich sehr hoch. Andererseits, wenn Zusammenhang bedeutet, dass Covid als die Hauptursache des Todes streng medizinisch (am besten aufgrund einer Autopsie) bewiesen wird und alle anderen Todesursachen ausgeschlossen werden, dann ist diese Zahl um Größenordnungen kleiner.

Erstaunlich ist, dass der Autor, der sich so viel über Unsicherheiten beschwert, eine Hypothese akzeptieren will, die in dem Maße vage ist, dass selbst der zentrale Begriff dieser Hypothese je nach Wunsch alles Mögliche bedeuten kann.

Was eigentlich Hypothesen erklären sollten

An dieser Stelle muss Klarheit bestehen, was eigentlich die Hypothesen erklären sollten. Kein vernünftiger Mensch leugnet, dass Covid-Infektionen zu zahlreichen Sterbefällen geführt haben. Da aber die Infektionssterblichkeit des SARS-Cov-2-Virus sehr stark mit dem Alter korreliert (siehe hier und hier), wird eine selektive Corona-bedingte Übersterblichkeit in älteren Jahrgängen erwartet, und diese fand tatsächlich statt auch 2020, weniger ausgeprägt in Deutschland, stärker in Schweden und in Südeuropa. Der Gegenstand der Diskussion ist vor allem die unerklärte Sterblichkeit in jüngeren Jahrgängen, insbesondere während der Omikron-Zeit. Die Stärke des Artikels von Kuhbandner und Reitzer, den Rücker offensichtlich nicht gelesen hat, besteht gerade in einer feinen Aufsplitterung in verschiedene Altersgruppen und dem Beweis, dass sich der Anstieg der Übersterblichkeit deutlich nach Alter unterscheidet. Eine Hypothese, dass 15- bis 29-Jährige, die der gefährliche Wuhan-Stamm 2020 verschont hat, 2022 an den Folgen der vier- bis fünfmal weniger letalen Omikron-Infektion (siehe hier Seiten 146 bis 149) massenweise gestorben sind, widerspricht allem, was wir über diese Pandemie heute wissen.

„Zudem war die Grippe-Welle in jenem Jahr kräftig und ließ die Zahl der Influenza-Toten ansteigen, auch die Sterbefälle durch Lungenentzündungen nahmen deutlich zu.“ Diese Hypothese ist plausibler und könnte in der Tat ein gewisses Licht auf die Problematik werfen. Dennoch stößt auch diese Erklärung auf große Schwierigkeiten, vor allem weil sie das eine Unklare mit dem anderen Unklaren erklärt. Denn die Grippewelle 2022 war nicht nur besonders schwerwiegend, sondern ging auch viel früher als fast alle Winterwellen der letzten 25 Jahre los – und niemand weiß warum.

Eine vergleichbare Grippewelle fand im letzten Vierteljahrhundert nur einmal statt, und zwar 2009. Jene wurde allerdings von einem neuartigen H1N1-Influenzavirus verursacht. 2022 ist aber nicht bekannt, dass prinzipiell neue, besonders gefährliche Influenza-Stämme am Werk gewesen wären. Die Vermutung liegt vielmehr auf der Hand, dass das Immunsystem vieler Menschen zu dieser Zeit geschwächt war, was wiederum eine Folge von Covid oder vielleicht der Impfung sein könnte.

Außerdem fehlt die genaue zeitliche Korrespondenz zwischen Influenza und Übersterblichkeit. Wie der Artikel von Kuhbandner und Reitzner (siehe Tabelle 6 dort) zeigt, war die Übersterblichkeit bereits im Juli-August 2022 signifikant. Zwar gibt es viele Korrelationen auch ohne kausalen Zusammenhang, aber kausale Zusammenhänge ohne Korrelation gibt es nur in Ausnahmefällen, die dann erklärt werden müssten.

Die goldene Regel zur Hypothesenprüfung

Chevallier Dupin, der Held der Kurzgeschichte „The Murders in the Rue Morgue“ von Edgar Allan Poe, hat eine goldene Regel zur Hypothesenprüfung formuliert: Von Anfang an solle man alle möglichen Hypothesen in Betracht ziehen, egal wie sonderbar, abstrus, unmöglich sie auf den ersten Blick erscheinen; dann solle man jede Hypothese bis zur letzten Konsequenz durchdenken, und bei jeder falschen finde man schließlich immer Widersprüche mit bekannten Tatsachen; solche Hypothesen sollen dann verworfen werden, und was übrigbleibt, sei wahrscheinlich richtig. Folgt man dem Franko-Amerikaner, dann muss man hinnehmen, dass die Impfungshypothese unter den allen diskutierten im Augenblick als die plausibelste erscheint.

Bewiesen ist sie jedoch nicht und kann im Rahmen der rein statistischen Analysen wahrscheinlich nicht bewiesen werden. Für einen solchen Beweis sind vielmehr Studien zu konkreten physiologischen, biochemischen, immunologischen Prozessen nötig, die der potentiellen Schadenwirkung der gentherapeutischen Covid-19-Impfstoffe zugrunde liegen. Solche Studien liefern Hinweise auf die Mechanismen sowohl kurzfristiger als auch langfristiger Nebenwirkungen dieser Impfstoffe – aber das ist das Thema, das über den Gegenstand dieses Kommentars hinausgeht.

Meta-Analysen:

• Herby J, Jonung L, Hanke SH. Did Lockdowns work? The Verdict on Covid Restrictions. Institute of Economic Affairs 2023, https://iea.org.uk/publications/did-lockdowns-work-the-verdict-on-covid-restrictions/;
• Mader S, Rüttenauer T. The effects of non-pharmaceutical interventions on COVID-19 mortality: A generalized synthetic control approach across 169 countries. Frontiers in Public Health 2022, 10, 820642. https://doi.org/10.3389/fpubh.2022.820642;
• Jefferson T, Dooley L, Ferroni E, Al-Ansary LA, van Driel ML, et al. Physical interventions to interrupt or reduce the spread of respiratory viruses (Review). Cochrane Database of Systematic Reviews 2023, 2(1). Art. No.: CD006207. DOI: 10.1002/14651858.CD006207.pub6

Dr. Boris Kotchoubey ist Professor am Institut für Medizinische Psychologie und Verhaltensneurobiologie der Universität Tübingen.

Anzeige