Was ich hier auf dem Blog schreibe, überschreitet oft die Grenzen meiner wissenschaftlichen Expertise im engeren Sinne. Das habe ich bereits vor einer Weile im Kontext meines Hauptthemas, der Landwirtschaft, thematisiert (Was weiß ich schon über Landwirtschaft?). Und auch in meiner Forschung habe ich direkt oder indirekt mit Fragen zu tun, für deren eigenständige Beantwortung ich nicht über das notwendig methodische und theoretische Wissen verfüge. Die Frage stellt sich also: Woher weiß ich, was ich zu wissen glaube? Allgemeiner ausgedrückt: Woher wissen Wissenschaftler:innen in interdisziplinären Forschungskontexten, was sie zu wissen glauben, was aber jenseits ihrer eigentlichen Expertise liegt?

Eine der interessantesten (im Sinne einer nur bedingt ernstzunehmenden Kuriosität) Reaktionen auf meinen (mit Augenzwinkern) „sokratischen“ Text über eigene Wissensmängel bezüglich des Objekts meiner Forschung war ein Kommentar auf dem Blog von Bauer Willi, der meinen Text freundlicherweise verlinkt hatte. Der Kommentar insgesamt zeigt auf faszinierende Art und Weise, was man alles in meine Aussagen hineininterpretieren kann, wenn man es nur sehr will. An dieser Stelle möchte ich aber nur eine kurze Passage zitieren:

„… man muss ein Thema nicht perfekt und in allen Details verstehen, um darüber Aussagen machen zu können“
Ich halte solche Aussagen von vermeintlich wissenschaftlicher Seite für gruselig, gerade als Wissenschaftler. Was soll das heißen, Meinung ohne Ahnung? Wer diese Position vertritt, muß eingestehen, daß er sich interessiert, aber geht auf Glatteis, wenn er seine Meinung einbringt, ohne daß diese faktenbasiert ist.

So aus dem Kontext gerissen klingt meine Formulierung tatsächlich recht grenzwertig (und ich hätte es vermutlich durch eine bessere Formulierung abwenden können). Tatsache ist aber: Bei einem so komplexen Thema wie das Verhältnis von Landwirtschaft und Umweltschutz kann man kaum ein allumfassendes Wissen haben. Schon allein, weil dieses Wissen nicht statisch ist, sondern dynamisch – es verändert sich ständig, kontinuierlich kommen neue Erkenntnisse hinzu. Auch umspannt das Feld die Expertisebereiche zahlreicher Disziplinen: von Agronomie und Agrartechnik über Agrarökologie, Bodenkunde, Klimawissenschaft bis hin zu Agrar- und Umweltökonomik, Sozialpsychologie und Umweltrecht. Realistischerweise kann ich durch meine eigene Forschung nur einen relativ kleinen Teilbereich abdecken. Doch was ist mit dem Rest? Zumal mein Teilbereich, der sozialwissenschaftliche, stark auf Informationen/Wissen aus den anderen Teilbereichen angewiesen ist (eine gewisse Asymmetrie zwischen Sozial- und Naturwissenschaften im Kontext der Umweltforschung – wir brauchen sie dringend, sie uns nicht unbedingt). Woher glaube ich beispielsweise zu wissen, dass der Verzicht aufs Pflügen (sog. no till) keinen signifikanten Einfluss auf die Kohlenstoffspeicherung im Boden hat? (die Antwort auf diese konkrete Frage folgt weiter unten) Allgemeiner formuliert: Woher beziehe ich das Wissen über den Rest, Wissen, das ich selbst nicht generieren kann?

Eine gute Antwort auf diese Frage habe ich vor ein paar Wochen in der ersten Folge (s. unten) von Mai Thi Nguyen Kims neuer Sendung Mai Think X gehört, obwohl die dort diskutierte Strategie implizit als deutlich weniger voraussetzungsreich dargestellt wurde, als sie eigentlich ist (aber darauf komme ich später noch zurück). Letztlich geht es um eine Art „Quellenkompetenz“, d. h. die Fähigkeit, aus dem Wust der wissenschaftlichen Literatur die Erkenntnis „herauszufiltern“, die man als den aktuellen Stand der Forschung zu einer bestimmten Frage bezeichnen könnte. Zwei wichtige Bausteine, die Mai Thi Nguyen Kim nannte, sind Peer-Review (kurz: nicht nach dem üblichen Peer-Review-Verfahren begutachtete Studien sind erstmal mit besonderer Vorsicht zu genießen) sowie das Prinzip, dass eine einzelne Studie in der Regel nicht den Stand der Forschung abbildet, so hochqualitativ sie sein mag. Es ist die Gesamtheit von Studien, die sich mit einer Frage befassen, die den aktuellen Stand der Forschung definiert. Ergebnisse von Einzelstudien sind oft und können immer von ihrem jeweils spezifischen Kontext, von den gewählten Methoden (denn für keine wissenschaftliche Frage gibt es nur die eine „korrekte“ Methode), von den für die jeweiligen Studien spezifischen Fehlern, Störungen etc. abhängig sein. Das gilt insbesondere für Forschung, die nicht kontrolliert im Labor stattfinden kann, sondern auf Feldexperimente und Feldbeobachtungen angewiesen ist.

Ich kann mir aber nicht realistischerweise alle Studien anschauen, die z. B. den Zusammenhang zwischen Pflügen/Pflugverzicht und Bodenkohlenstoff untersucht haben. Es sind schlicht zu viele. Und entgegen dem, was Mai Thi Nguyen Kim in ihrem Beitrag suggeriert, kann ich als Laie (denn in diesem Bereich bin ich nicht mehr als ein gut informierter Laie) nicht wirklich die Qualität der Methodik einzelner Studien einschätzen. Ja, methodisch grob unplausible Studien kann ich vielleicht noch erkennen (wobei diese eigentlich nicht den Peer-Review überstanden haben sollten), aber darüber hinaus fehlt mir schlicht die Expertise, um methodische Details korrekt einordnen zu können. Da gerade die schiere Zahl der relevanten Studien in vielen Feldern sogar für Expert:innen dieser Felder nur bedingt „handhabbar“ ist, gibt es inzwischen immer mehr sog. Literaturstudien (literature reviews) und Metaanalysen, die gezielt den Stand der Forschung abzubilden versuchen. Metaanalysen machen dies in einer quantitativen Form, andere Literaturstudien stärker qualitativ (bspw. wenn die zugrunde liegenden Einzelstudien methodisch zu unterschiedlich sind, um sinnvoll quantitativ zusammengefasst zu werden). Auch beim Rückgriff auf Literaturstudien bedarf es einer gewissen Quellen- bzw. Methodenkompetenz, um ihre Qualität korrekt einzuschätzen – dies ist aber einfacher als bei Einzelstudien, weil sich die Standards über verschiedene Forschungsfelder und Disziplinen ähneln. Dabei spielt die Transparenz eine sehr große Rolle (z. B.: Wie wurden relevante Studien ausgewählt?); eine immer noch nicht endgültig geklärte Frage hingegen ist die nach einer Qualitätsgewichtung einzelner Studien durch die Autor:innen der Literaturstudie. Glücklicherweise gibt es immer mehr Forschung speziell zu Methoden derartiger die Literatur synthetisierenden/zusammenfassenden Analysen. Dabei gelten sogenannte systematischen Literaturstudien (systematic literature reviews) als anzustrebender Standard, auch wenn der Begriff selbst recht inflationär genutzt wird, d. h. auch zur (Selbst-)Bezeichnung von Literaturstudien, die nicht standardisierten Methoden für systematische Literature Reviews (bspw. ROSES) entsprechen. Im Bereich der Umweltforschung ist die „Forschungsfront“ in diesem Kontext die Zeitschrift Environmental Evidence, die nur Literaturstudien nach sehr strengen Qualitäts- und Transparenzstandards veröffentlicht. Außerdem werden für Politikberatungszwecke zunehmend Initiativen gestartet, die ebenfalls das Ziel haben, den Stand der Forschung systematisch zu erfassen – bahnbrechend und bis heute wegweisend sind hier die Berichte des „Weltklimarats“ IPCC, aber auch die ähnlich angelegten Berichte des IPBES („Weltbiodiversitätsrat“) oder zahlreiche Initiativen auf nicht-globaler Ebene, wie bspw. der gerade angelaufene, vom BMBF geförderte Faktencheck Artenvielfalt für Deutschland.

Nun zurück zu meinem Beispiel: Woher glaube ich zu wissen, dass ein Pflugverzicht trotz aller sonstigen Vorzüge keine Klimaschutzstrategie ist (d. h. nicht dazu führt, dass mehr Kohlenstoff im Boden gespeichert wird)? Aktuell habe ich dafür zwei Quellen, die für mich den Stand der Forschung abbilden: zum einen die systematische Literaturstudie von Neal Haddaway und Kolleg:innen, veröffentlicht in der oben erwähnten Zeitschrift Environmental Evidence, in der gezeigt wird, dass Pflugverzicht letztlich dazu führt, dass sich die Verteilung von Kohlenstoff im Bodenprofil verändert (in den oberen Bodenschichten mehr C als mit Pflug, in den unteren weniger), nicht aber die Gesamtmenge des gespeicherten Kohlenstoffs. Zum anderen sind es Kolleg:innen aus dem BonaRes-Projekt, vor allem die Bodenkohlenstoff-Expert:innen von der TU München um Ingrid Kögel-Knabner und Martin Wiesmeier, die dieses Verständnis des aktuellen Standes der Forschung teilen. [Man sollte an dieser Stelle dazu sagen, dass es gleichwohl bekannt ist bzw. zum Stand der Forschung dazu gehört, dass die üblichen Begleitmaßnahmen eines Pflugverzichts, wie bspw. der Anbau von Zwischenfrüchten, durchaus einen signifikanten positiven Einfluss auf C-Speicherung haben.]

Was ich oben beschrieben habe, ist Wissen, das nicht aus meiner eigenen Forschung stammt. Und es sind Erkenntnisse, die ich nur sehr eingeschränkt eigenständig hinsichtlich ihrer Verlässlichkeit und Qualität einschätzen kann. Letztlich spielt hier Vertrauen eine sehr große Rolle – und das ist, was mir im oben verlinkten Beitrag von Mai Thi Nguyen Kim gefehlt hat, den ich ansonsten sehr gut fand. Ich vertraue in den Peer-Review (trotz des Wissens, dass er bei Weitem nicht perfekt ist), ich vertraue in das Renommee von Fachzeitschriften (tendenziell kann man sich auf Erkenntnisse, die in als führend geltenden Zeitschriften veröffentlicht wurden, eher verlassen – obwohl es auch hier Gegenbeispiele gibt, die zum Glück selten sind), ich vertraue nicht zuletzt der Expertise der Kolleg:innen, mit denen ich zusammenarbeite. Es ist kein blindes Vertrauen und das Prinzip der Triangulation (Abgleich von Informationen aus verschiedenen Quellen) ist hier sehr wichtig. Aber letztlich basiert sehr viel Wissen, über das ich verfüge – und jede:r andere Wissenschaftler:in auch, zumindest jenseits des eigenen Expertisebereichs im engeren Sinne –, auf informiertem Vertrauen in Verfahren (nicht: Autoritäten!) wie den Peer-Review oder (systematische) Literaturstudien, ergänzt durch Vertrauen in die eigene Kompetenz (und im Wissen um ihre Grenzen) zur eigenständigen Einschätzung der methodischen Qualität von Studien in angrenzenden Forschungsfeldern. Anders geht es leider nicht, denn niemand verfügt über die Zeit und die Kompetenz, alle für die eigene Forschung relevanten Erkenntnisse eigenständig zu verifizieren.

Und dies führt uns zu dem letzten Argument, das ich formulieren möchte und das letztlich auf Thomas Bayes zurückgeht, einen der wichtigsten Denker der statistischen Theorie (nach dem eines der beiden großen Theoriegebäude innerhalb der Statistik benannt ist, die Bayes’sche Statistik). Das Argument ist Folgendes: Mein aktueller Wissensstand zu einer jeden Frage kann als mein „Prior“ (A-priori-Verteilung bzw. prior probability distribution) bezeichnet werden, d. h. die Wahrscheinlichkeit(sverteilung), die ich dem Wahrheitswert einer bestimmten Aussage beimesse (z. B. dass Pflugverzicht per se nicht zur Erhöhung des Boden-C-Gehalts beiträgt), basierend auf dem Wissen, über das ich aktuell verfüge. Kommen neue Informationen bzw. neues Wissen hinzu – neue Studien, alte Studien, die ich nicht „auf dem Schirm“ hatte, neue Erkenntnisse zur Qualität der alten Studien, auf denen meine Priors basierten (im Extremfall: zurückgezogene Studien) –, ist es Zeit, die Priors zu aktualisieren (man spricht hier vom updating one’s priors). Der Stand der Forschung ist in keinem Feld und bezüglich keiner noch so „etablierten“ Frage in Stein gemeißelt. Er ist dynamisch und verändert sich über die Zeit. Und mein Wissen über den Stand der Forschung, insbesondere bezüglich Fragen, die jenseits meines eng umrissenen Expertisebereiches liegen, sowieso.

Wie ist also meine Aussage, dass „man […] ein Thema nicht perfekt und in allen Details verstehen [muss], um darüber Aussagen machen zu können“, zu bewerten? Ich würde behaupten, dass sie letztlich eine triviale Aussage ist, nahezu eine Tautologie. Perfektes Wissen und Verständnis aller Details ist hinsichtlich keiner Frage erreichbar – wenn ich alle Details verstehen würde, warum sollte ich dann noch Forschung betreiben? Und doch ist es gerade für mich als Wissenschaftler unerlässlich, möglichst viele relevante Details zu verstehen – zumindest im Sinne der Kenntnis des aktuellen Standes der Forschung. Wie ich oben versucht habe zu zeigen, handelt es sich hier um einen Mix aus Quellen- und Methodenkompetenz mit einer ordentlichen Portion informierten Vertrauens in wissenschaftliche Verfahren. Das ist nicht wirklich vollends zufriedenstellend und die Imperfektion, die diesem Wissenserlangungsprozess innewohnt, zwingt einen recht regelmäßig zum mitunter schmerzhaften Aktualisieren von Priors. Was ich glaube zu wissen, ist daher immer nur eine Momentaufnahme. Aber so funktioniert letztlich die Wissenschaft in einer Zeit, in der aufgrund des Umfangs und der Komplexität des akkumulierten Wissens Universalgenies eine längst ausgestorbene Spezies sind.