Wenn Sie vor der Wahl lesen, dass Hillary Clinton angeblich eine Wahrscheinlichkeit von 83 Prozent hat, Präsidentin der Vereinigten Staaten zu werden, könnten Sie dann ruhig schlafen, weil Sie wissen, dass Donald Trump keine Chance hat?

Andere Frage: Wenn Ihnen jemand einen Revolver in die Hand drückt, würden Sie Russisch Roulette spielen? Oder wäre Ihnen das Risiko zu groß, die eine Kammer mit der Kugel zu erwischen? Wir alle wissen, wie gefährlich das Spiel wäre: Die Chance, es zu gewinnen, liegt nur bei 83 Prozent.

Es geht nicht darum, Donald Trumps Präsidentschaft mit einem Selbstmord gleichzusetzen. Es geht darum, wie miserabel wir darin sind, mit Prozentzahlen umzugehen. Bei einem Revolver mit sechs Kammern und einer Kugel hilft uns noch unsere Intuition. Die Zahl 83 Prozent bei einer Wahlprognose runden wir der Einfachheit halber auf 100 auf.

Die Meinungsforscher stehen gerade massiv in der Kritik, weil sie angeblich bei dieser Wahl katastrophal versagt haben. Als Beweis dafür, wie sehr sie daneben lagen, werden gerne die Wahrscheinlichkeiten für einen Wahlsieg Clintons herangezogen, die sie vor der Wahl ausgegeben haben. Manche lagen tatsächlich bei unseriösen 99 Prozent. Aber auch die Prognose der „New York Times“ ist in die Kritik geraten.

Sie begann den Wahlabend mit knapp über 80 Prozent für Hillary. Der Argumentationskurzschluss geht dann so: Die „New York Times“ hat die Chancen Clintons mit 80 Prozent angegeben. Clinton hat nicht gewonnen. Die „New York Times“ hatte Unrecht. (Deshalb ist ihr ist auch in Zukunft nicht mehr zu trauen, Lügenpresse, etc.)

Eine Zeitung, die vorhersagt, dass ein Ereignis mit einer Wahrscheinlichkeit von 83 Prozent eintritt, sagt damit voraus, dass es eine erhebliche, keineswegs minimale, Chance gibt, dass es nicht eintritt. Aber so sind die Prognosen bei der Präsidentschaftswahl von vielen Lesern nicht interpretiert worden – und von Journalisten und Kommentatoren auch nicht. Die zu 100 fehlenden Prozent wurden als rein rechnerische, theoretische, zu vernachlässigende Restgröße abgetan.

Das mag bei vielen Kommentatoren auch die Folge einer falschen Grundannahme gewesen sein: Sie konnten sich einfach nicht vorstellen, dass Donald Trump gewählt würde, egal, was genau die Demoskopen nun sagten. Es hat aber sicher auch mit unserer Unfähigkeit zu tun, Wahrscheinlichkeiten richtig zu interpretieren.

Das aber wirft die Frage auf, ob es so eine gute Idee ist, diesen Wahrscheinlichkeiten in der Berichterstattung über eine Wahl ein solches Gewicht zu geben.

Mehrere Medien haben, wie die „New York Times“, kontinuierlich die angebliche Wahrscheinlichkeit eines Clinton- oder Trump-Sieges berechnet. Spezialisiert auf solche Prognosen hat sich Nate Silvers Seite „FiveThirtyEight“. Hier konnte man sich Tag für Tag sogar auf eine Nachkommastelle genau und basierend auf drei verschieden justierten Modellen die Wahrscheinlichkeiten anzeigen lassen.

Das war faszinierend, konnte sogar süchtig machen (ich weiß, wovon ich rede), und war gleichzeitig von größter Sinnlosigkeit, denn die Zahlen riefen beim Betrachter – Nachkommastelle hin oder her – nicht mehr als drei verschiedene Gefühle hervor:

a) Läuft.

b) Wird knapp.

c) WAAAAA!

Interpretation a) ist bei den Prozentwerten, von denen wir reden, eine Illusion, wie viele schmerzhaft am Morgen des vergangenen Mittwochs erleben mussten. Aber anstatt den Fehler bei sich zu suchen, beschuldigten sie die Demoskopen.

Viele sahen sich auch von Nate Silver enttäuscht, der vor ein paar Jahren als Wunderkind der Wahlprognose gefeiert wurde und nun als entzaubert gilt. Dabei hatte dessen Modell als letzte Prognose vor der Wahl sogar eine Wahrscheinlichkeit von immerhin 28,6 Prozent für Trump ausgegeben, mehr als die meisten Konkurrenten. Silver schrieb vor der Wahl auch, dass drei Szenarien ungefähr gleich wahrscheinlich seien: Ein unspektakulärer Sieg Clintons; ein gewaltiger Sieg Clintons; ein sehr knapper Wahlausgang mit Vorteilen für Trump.

3) Basically, these 3 cases are equally likely

a—Solid Clinton win

b—Epic Clinton blowout

c—Close call, Trump *probably* wins Elect. Coll. pic.twitter.com/9uhM1KxUkv — Nate Silver (@NateSilver538) 8. November 2016

Der letzte dieser drei Fälle ist tatsächlich eingetreten. Trumps Vorsprung in mehreren entscheidenden Bundesstaaten ist hauchdünn, aber im Wahlmännergremium reicht das für eine klare Mehrheit. Dabei liegt Clinton nach abgegebenen Stimmen vor Trump – die Wahrscheinlichkeit dafür („Clinton wins popular vote but loses Electoral College“) hatte Silver vorher mit knapp über zehn Prozent angegeben.

Tja, zehn Prozent. Bedeutet das, dass Silvers Berechnungen Unsinn waren, weil ein Ereignis eingetreten ist, das mit einer Wahrscheinlichkeit von knapp unter 90 Prozent nicht eintreten sollte? Auch das wäre schon wieder eine falsche Schlussfolgerung. Es zeigt nur, wie schwer wir uns damit tun, aus Wahrscheinlichkeiten konkrete Schlussfolgerungen zu ziehen.

Der Wetterbericht im Radio informiert uns am Morgen über eine Regenwahrscheinlichkeit von 30 Prozent. Ist die richtige Konsequenz daraus, einen Schirm mitzunehmen? Oder ihn zuhause zu lassen? Und wenn wir ihn zuhause lassen und es regnet, schimpfen wir dann über den chronisch unzulässigen Wetterbericht mit seiner irreführenden 30-Prozent-Angabe?

Bei den Diskussionen über die Umfrageergebnisse vor der Wahl spielt natürlich noch etwas anderes eine Rolle als die (Fehl-)Interpretation der Werte: Die wichtige Frage, ob sie die Unterstützung für Trump systematisch und grundlegend falsch eingeschätzt haben. Auch das stimmt nur teilweise: Die landesweiten Umfragen waren relativ treffsicher. Sie sagten voraus, dass Clinton etwa drei bis vier Prozentpunkte Vorsprung vor Trump bei den Wählerstimmen bekommt. Am Ende werden es – mehrere Millionen Stimmen sind noch nicht ausgezählt – vermutlich ein bis zwei Prozentpunkte Vorsprung sein. Eine solche Abweichung ist kein spektakulärer Fehler, sondern im normalen Rahmen.

(Bei der Wahl 2012 lagen die Umfragen weiter vom richtigen Ergebnis entfernt: Sie hatten vorausgesagt, dass Barack Obama 0,7 Prozentpunkte vor Mitt Romney liegen würde. Es waren am Ende 3,9 Prozentpunkte.)

Tatsächlich gravierend daneben lagen die Prognosen in den Staaten des Mittleren Westens, die am Ende den Ausschlag für Trumps Sieg gaben. Die Demoskopen sahen zwar, dass Trump bei den weißen Arbeitern hier viel Zuspruch erhält, aber sie unterschätzten das Ausmaß dieser Welle von eigentlich klassischen Wählern der Demokraten.

Trotzdem ist es irrwitzig, in welchem Maße sich die Meinungsforscher und Umfrageexperten sich in diesen Tagen vorwerfen lassen müssen – auch natürlich sofort reflexartig von Journalisten, die ihre Zahlen falsch interpretierten – einen Wahlsieg von Trump ausgeschlossen zu haben. Nate Cohn, der Zahlenmensch der „New York Times“, verfasste kurz vor der Wahl einen Artikel mit der Überschrift: „Why the Election is Close“, der mit dem Satz begann:

Donald J. Trump is in striking distance of winning the election with two days to go, and there’s really just one reason for that: He’s leading white voters without a college degree by a huge margin. (Für Donald J. Trump liegt zwei Tage vor der Wahl ein Sieg in unmittelbarer Reichweite, und es gibt dafür eigentlich nur einen Grund: Er führt bei weißen Wählern ohne Uniabschluss mit riesigem Vorsprung.)

Später im Text schreibt Cohn noch einmal ausdrücklich, dass Trump eine „echte Chance auf einen Sieg“ hat: Er könnte genug Wahlmännerstimmen bekommen, ohne die Mehrheit aller Wählerstimmen zu erreichen, indem er ganz knapp in Staaten des mittleren Westens wie Wisconsin gewinnt. Seine Stärke bei weißen Arbeitern könnte sogar groß genug sein, um Florida zu gewinnen. All das ist passiert.

Dass sich nun ausrechnet Analytiker wie Cohn und Nate Silver für ihre Vorhersagen rechtfertigen müssen, ist absurd. Völlig bizarr ist ein Artikel, der im „Datenblog“ des Schweizer „Tagesanzeigers“ erschien und die Umfrage von USC Dornsife und der „Los Angeles Times“ feierte, weil die das Ergebnis der Wahl „korrekt antizipierte“. Die Umfrage hatte auf der Grundlage einer ungewöhnlichen Methode über viele Monate deutlich mehr Zuspruch für Trump gezeigt als andere Umfragen. Am Ende sagte sie voraus, dass Trump mit fast drei Prozentpunkten vor Clinton liegen würde.

Damit lag sie noch weiter vom Ergebnis (vermutlich etwa ein bis zwei Prozentpunkte Vorsprung für Clinton) als die meisten anderen Umfragen. Der Autor des „Tagesanzeigers“, erstaunlicherweise ein Datenjournalist, meint aber, sie hätte ja den Sieger richtig vorausgesagt. Das ist eine erstaunlich irrationale Interpretation dessen, was die Umfrage tatsächlich zu prognostizieren versuchte und womit sie deutlich scheiterte: den Anteil an Wählerstimmen („popular vote“).

Viele Experten und vermeintliche Experten in den Medien haben vor der Wahl kategorisch ausgeschlossen, dass Trump gewinnen könnte. Das war falsch. Seriöse Analysten und Dateninterpreten wie Nate Cohn und Nate Silver aber haben beschrieben, dass Trump eine echte Chance hat, und analysiert, worin genau sie besteht.

Aber vielleicht ist der fahrlässige Umgang mit ihren Wahrscheinlichkeitsrechnungen eine gute Warnung. Eines von vielen Problemen der Wahlberichterstattung war genau die Fixierung auf solche Zahlen – die berüchtigte Horse-Race-Berichterstattung, die sich nicht mit Inhalten befasst, sondern fast nur mit der Frage, wer im Rennen gerade vorne liegt.

Und vielleicht würde es auch helfen, sich daran zu erinnern, dass das Vorhersagen der Zukunft gar nicht die Aufgabe des Journalismus ist. Mit der Beschreibung der Gegenwart ist er eigentlich schon genug überfordert.