Elf tote Forscher, ein vermeintliches Muster: Was die Statistik dazu sagt

Auf Social-Media-Plattformen kursieren seit einigen Monaten Listen und Schaubilder, die Todesfälle und Vermisstenmeldungen der vergangenen drei Jahre bündeln: Elf Wissenschaftler in den USA – alle mit Berührung zu sicherheitsrelevanten oder politisch sensiblen Themen – sollen unter teils ungeklärten Umständen gestorben oder verschwunden sein. Hinter den Listen stehen reale Biografien: ein Nuklearforscher am MIT, ein Astrophysiker mit langjähriger Verbindung zum NASA Jet Propulsion Laboratory (JPL), eine Projektmanagerin, die nach einer Wanderung vermisst wird, eine Anti-Schwerkraftforscherin aus Alabama, mehrere Raumfahrt- und Rüstungsingenieure sowie Verwaltungsangestellte.

Vier der elf Fälle sind klar als Tötungsdelikte oder Suizide klassifiziert, andere als natürliche Todesfälle oder Vermisstenfälle. Die Frage ist, ob sie zusammen mehr ergeben als die Summe einzelner Schicksale. Auffällig ist dabei auch, was die Fälle nicht verbindet: Sie verteilen sich über mehrere Jahre, verschiedene Bundesstaaten und unterschiedlichste Einrichtungen. Die Todesursachen reichen von Herzinfarkt über Suizid bis zu Vermisstenfällen nach Wanderungen. Eine koordinierte Serie hinterlässt typischerweise ein erkennbares Muster in Ort, Zeit und Methode – das fehlt hier vollständig.

Die kursierenden Grafiken arbeiten stark mit Logos: JPL, Los Alamos National Laboratory (LANL), Kansas City National Security Campus (KCNSC), Air-Force-Labore. Die Verbindungen zwischen den Personen und Einrichtungen sind real – allerdings handelt es sich auch um große US-Arbeitgeber im Forschungsbereich.

Rechnet man Air-Force-Forschungseinrichtungen und beteiligte Unternehmen hinzu, kommt man schnell auf 30.000 bis 50.000 Beschäftigte in dem Umfeld, aus dem die elf Fälle stammen.

Sterblichkeit im Erwerbsalter: Was die CDC-Daten sagen

Die US-Gesundheitsbehörde CDC weist für die Altersgruppe 20 bis 64 Jahre jährliche Sterberaten von grob 0,3 bis 0,6 Prozent je nach Altersband aus. Forschungsjobs in sicherheitsrelevanten Bereichen sind jedoch selten „Nine-to-five“: hohe fachliche Anforderungen, enge Budgets, teils strikte Geheimhaltung, politische Erwartungen – all das trägt zu chronischem Stress bei. Arbeitsmedizinische Studien zeigen, dass beruflicher Dauerstress das Risiko für Herz-Kreislauf-Erkrankungen messbar erhöht, dass hohe Anforderungen bei geringer Kontrolle über Arbeitsbedingungen mit erhöhter Suizidneigung korrelieren und psychische Belastungen und Suchtprobleme indirekt auf Unfall- und Suizidrisiko wirken.

Die folgende Beispielrechnung arbeitet mit dem mittleren Durchschnitt von 0,4 Prozent – das ist für diese Gruppe eher defensiv geschätzt, denn in Hochstress-Berufen dürften Herzinfarkt und Suizid statistisch häufiger vorkommen als im Schnitt. Für ein Institut in der Größe des JPL mit rund 5500 Beschäftigten ergibt sich folgendes Bild:

Das sind keine abstrakten Zahlen – hinter jedem dieser Fälle steht ein Mensch. Statistisch sind sie dennoch erwartbar: Schon bei einem Arbeitgeber in dieser Größenordnung wären innerhalb von drei Jahren ein Mord und ein Suizid zu erwarten.

Warum Häufungen nicht automatisch verdächtig sind

Die Aufregung rund um die „missing scientists“ lebt von einem intuitiven Eindruck: Mehrere Todesfälle, ähnliche Berufsfelder, kurzer Zeitraum – das kann doch kein Zufall sein! Doch genau das ist es – mit hoher Wahrscheinlichkeit.

In einer Grundgesamtheit von 50.000 Beschäftigten in sicherheitsrelevanter Forschung sind bei einer Sterberate von 0,4 Prozent pro Jahr rund 200 Todesfälle pro Jahr zu erwarten – über drei Jahre also rund 600. Diese 600 Fälle verteilen sich nicht gleichmäßig über alle Einrichtungen, Berufsgruppen und Todesursachen. Sie bilden zwangsläufig Cluster: Mal sterben in einem bestimmten Labor mehrere Menschen an Herzinfarkt, mal häufen sich Suizide in einem bestimmten Segment, mal trifft es zufällig Menschen mit ähnlichen Forschungsthemen. Das sieht nach einem Muster aus – ist aber nicht zwingend eines. Ein echtes Muster lässt sich nicht aus nachträglich zusammengestellten Listen ableiten, sondern nur durch Ermittlungen belegen: durch konkrete Verbindungen zwischen Tätern, Opfern und Motiven. Die liegen hier nicht vor.

Das Modell, das dieses Verhalten beschreibt, heißt Poisson-Verteilung, benannt nach dem französischen Mathematiker Siméon Denis Poisson. Die Kernaussage: Selbst bei vollkommen zufälligen, voneinander unabhängigen Ereignissen entstehen Häufungen. Sie sind kein Hinweis auf eine verborgene Ursache, sondern eine mathematische Zwangsläufigkeit.

Die Mathematik dahinter

Die Poisson-Verteilung beschreibt die Wahrscheinlichkeit, dass ein Ereignis in einem Zeitraum genau k-mal auftritt, wenn es im Durchschnitt λ-mal erwartet wird:

λ ist der Erwartungswert – im Fall der 50.000 Beschäftigten beträgt er 600 Todesfälle über drei Jahre. Das k ist die tatsächlich beobachtete Anzahl – also etwa die elf Fälle der kursierenden Listen. e^⁻λ ist vereinfacht gesagt ein Normierungsfaktor, der sicherstellt, dass sich alle Wahrscheinlichkeiten zu 1 addieren.

Zwei Eigenschaften sind für unseren Fall entscheidend: Erstens sind Erwartungswert und Varianz identisch – beide gleich λ. Je größer die Grundgesamtheit, desto größer also auch die natürliche Schwankungsbreite. Zweitens beträgt die Standardabweichung √λ – bei λ = 600 also rund 24,5. Zwischen 575 und 625 Todesfälle in drei Jahren wären damit unauffällig. Ein mögliches Muster würde die Poisson-Verteilung erst signalisieren, wenn die beobachtete Zahl den Erwartungswert um mehrere Standardabweichungen überschreitet – also grob über 670 läge. Elf Fälle liegen weit darunter.

Was das für einzelne Todesursachen bedeutet

Besonders aufschlussreich wird das Modell, wenn man es auf einzelne Todesursachen anwendet. Für ein Institut in der Größe des JPL ergibt sich über drei Jahre ein Erwartungswert von rund einem Mord (λ = 1, Standardabweichung √1 ≈ 1) und rund einem bis zwei Suiziden (λ = 1,2, Standardabweichung √1,2 ≈ 1,1). Null oder zwei Fälle je Kategorie wären damit gleichermaßen unauffällig – das ist die natürliche Schwankung. Statistisch auffällig, im Sinne einer Wahrscheinlichkeit unter zwei Prozent, würde es erst ab vier Fällen je Kategorie in drei Jahren.

Warum Cluster unvermeidlich sind

Auf die gesamte Community von 50.000 Beschäftigten hochgerechnet sind über drei Jahre rund 600 Todesfälle zu erwarten – darunter statistisch etwa 15 Tötungsdelikte und 40 Suizide, verteilt über Dutzende Einrichtungen und Forschungsfelder. In dieser Menge entstehen zwangsläufig Cluster: Gruppen von Fällen, die zufällig ähnliche Merkmale teilen – denselben Arbeitgeber, dasselbe Forschungsthema, dieselbe Todesursache.

Das menschliche Gehirn ist darauf ausgelegt, genau solche Cluster zu erkennen und als bedeutsam zu interpretieren – auch dann, wenn sie rein zufällig entstanden sind. Wer im Nachhinein aus Hunderten Todesfällen gezielt jene heraussucht, die besonders dubios wirken oder thematisch zusammenpassen, wird immer ein scheinbares Muster finden. Die kursierenden Listen enthalten elf Fälle – also weniger als zwei Prozent der erwartbaren Todesfälle in dieser Gruppe. Die Frage ist daher nicht, warum so viele Forscher gestorben sind – sondern warum ausgerechnet diese elf als Muster wahrgenommen werden.

Selection Bias: Wenn eine Liste mehr verspricht, als sie vermutlich halten kann

Die kursierenden Grafiken und Listen sind kein zufälliger Ausschnitt aus allen Todesfällen in diesen Einrichtungen, sondern das Ergebnis einer nachträglichen Auswahl. Aufgeführt werden bevorzugt Fälle mit spektakulären Umständen wie Mord, Suizid, Vermisstenfall oder unklarer Ursache, mit symbolträchtigen Arbeitgebern wie JPL, Los Alamos oder Air-Force-Labs, und mit Themen, die ohnehin die Fantasie anregen: UFOs und UAPs, Fusionsenergie, KI, Anti-Schwerkraft.

Gewöhnlichere Fälle – etwa Krebs im Ruhestand oder Herzinfarkt jenseits der 60 – werden nicht mitgezählt, obwohl sie statistisch den Großteil der erwartbaren Todesfälle ausmachen. In der Statistik ist das ein klassisches Beispiel für Selection Bias: Die Stichprobe wird bewusst oder unbewusst so konstruiert, dass sie den Eindruck eines Musters maximal verstärkt. Aussagen über Wahrscheinlichkeiten, die auf einer solchen Stichprobe beruhen, sind irreführend.

Blick nach China: eine separate Geschichte

Online werden die US-Fälle häufig mit fünf chinesischen KI-Forschern verknüpft, die in den vergangenen Jahren früh starben – als handele es sich um eine zusammenhängende globale Serie. Öffentliche Berichte nennen als Ursachen unter anderem Herzinfarkt, akute Erkrankungen und Höhenkrankheit. Doch die Verbindung ist konstruiert: Die chinesischen und die US-Fälle teilen weder Arbeitgeber noch Themenfelder noch nachweisbare operative Verbindungen.

Für sich betrachtet sind die chinesischen Fälle statistisch ebenfalls nicht ungewöhnlich. Chinas KI-Industrie beschäftigt Zehntausende Forschende, vielfach unter extremen Arbeitsbedingungen. Einzelne frühe Todesfälle sind vor diesem Hintergrund eher Ausdruck eines breiteren Problems – hoher Arbeitsstress und unzureichender Gesundheits- und Arbeitsschutz – als Hinweis auf ein gezieltes Vorgehen. Einige bringen die Fälle gar mit Liu Cixins Science-Fiction-Klassiker „Die drei Sonnen“ (“The 3 Body Problem“) in Verbindung – in dem Roman eliminiert eine hoch entwickelte außerirdische Zivilisation gezielt hochrangige Wissenschaftler der Erde. Doch auch für die Todesfälle unter den chinesischen Forschern gilt: Die Dramaturgie der Erzählung ist überzeugend – die Datenlage deckt sie nach bisherigem Kenntnisstand nicht.

Vermutlich tragische Einzelfälle statt Muster

Die vorliegenden Daten, die Struktur der betroffenen Einrichtungen und die Aussagen von Ermittlungsbehörden deuten in der Summe auf zufällige Häufungen in einer großen Grundgesamtheit hin – nicht auf eine koordinierte Serie von Tötungen. Die relevante Arbeitswelt umfasst Zehntausende, in der weiteren Definition Hunderttausende Beschäftigte in sicherheitsrelevanten Bereichen. Für diese Gruppe sind über wenige Jahre Hunderte Todesfälle zu erwarten – darunter statistisch leider auch Morde, Suizide und spektakuläre Unfälle. Die elf US-Fälle bilden eine kleine, nach auffälligen Kriterien selektierte Untermenge dieser Grundgesamtheit. Wo Ermittlungsbehörden Fälle abgeschlossen haben, ergaben sich bisher persönliche oder zufällige Hintergründe – kein Hinweis auf eine operative Verknüpfung.

Das nimmt den einzelnen Schicksalen nichts von ihrer Tragik. Für die Beurteilung möglicher Muster ist aber entscheidend, zwischen emotional nachvollziehbarer Beunruhigung und statistisch belastbaren Aussagen zu unterscheiden.

Wichtig: Dieser Artikel behauptet nicht, dass es keine Zusammenhänge gibt – das lässt sich auf Basis der vorliegenden Daten weder beweisen noch ausschließen. Er zeigt nur: Was als unheimliches Muster erscheint, lässt sich mit bekannten statistischen Gesetzmäßigkeiten erklären. Für mehr braucht es mehr als nachträglich zusammengestellte Fallsammlungen.

(vza)