Der Durchschnitt hat kein Gesicht

„Ihr kennt vermutlich alle diese Karte“, sagt der Mann zu Beginn, und man kennt sie tatsächlich: die sogenannte World IQ Map, eine Weltkarte, auf der die Länder nach ihrem durchschnittlichen Testwert eingefärbt sind, als handle es sich um Niederschlagsmengen. Er heißt Elias Gudwis, nennt sich Wissenschaftsphilosoph, und er verspricht, der Sache „von A bis Z“ auf den Grund zu gehen, „evidenzbasiert, nüchtern und apolitisch“. Zweiundvierzig Minuten später steht ein Fazit, das zwei Dinge sagt: Die Unterschiede in den Mittelwerten sind real, und ein erheblicher Teil ist wahrscheinlich genetisch bedingt – wie groß, sei unklar. Zwischen diesen beiden Sätzen liegt die eigentliche Frage. Die Karte zeigt Zahlen. Woher sie kommen, zeigt sie nicht.

Man muss sein Argument in seiner Stärke hören, bevor man es prüft, und in seiner Reihenfolge. Die Unterschiede der Testmittelwerte zwischen Nationen und Gruppen seien real, sagt er, „wissenschaftlich unstrittig“. Er nennt Zahlen: Ostasien um 105, Subsahara-Afrika um 70, Afroamerikaner um 85. Er sagt sogleich, das seien Durchschnitte, die über den Einzelnen nichts aussagen, und sie seien nicht unverrückbar. Er räumt ein, die Datenlage sei „ziemlich heterogen“, die Subsahara-Werte „methodologisch ein bisschen heikel“. Dann baut er auf. Die Zahlen deckten sich mit den PISA-Ergebnissen. Die Einwände der Testkritiker, dass ein Test bei verschiedenen Gruppen verschieden misst, dass Achsenabschnitt und Steigung der Vorhersage sich verschieben, seien klein und statistisch beherrschbar. Der Testwert korreliere auf Länderebene mit Reaktionszeit und Hirnvolumen. Und hier holt er eine alte Geschichte: Samuel Morton habe 1849 Schädelvolumina gemessen, Stephen Jay Gould habe 1981 versucht, Morton und seine Daten zu diskreditieren, und eine Neuauswertung von 2011 habe Morton bestätigt und Gould Fehler nachgewiesen.

Der zweite Teil ist der eigentlich starke. Die Erblichkeit des Testwerts steige mit dem Alter, von etwa 20 Prozent bei Kindern auf etwa 80 Prozent bei Erwachsenen, ein Befund aus westlichen Zwillingsstudien, und er sagt selbst, diese Zahl lasse sich nicht auf Nationen übertragen, weil deren Umwelten nicht vergleichbar seien. Doch innerhalb einer westlichen Gesellschaft, folgert er aus der Minnesota-Adoptionsstudie, sei die geteilte Umwelt „irrelevant“: Schwarze Adoptivkinder in weißen Familien hätten mit sieben Jahren etwa 95 Punkte gehabt, als Jugendliche 89, und koreanische Adoptierte in Schweden zeigten keinen Effekt des Adoptionsalters oder der Bildung ihrer Eltern. Die Gruppenunterschiede innerhalb einer Gesellschaft seien deshalb „maßgeblich genetisch“. Bei der Frage, wie viel der Lücke zwischen Afroamerikanern und Subsahara-Afrika genetisch sei, gibt es für ihn keine evidenzbasierte Antwort; er schätze den Umwelteffekt eher etwas größer ein und könne falsch liegen. Ernährung, Blei, der niederländische Hungerwinter 1944/45 erklärten wenig. Sein Fazit: Die Unterschiede seien real, ein erheblicher Anteil wahrscheinlich genetisch, aber nicht vollständig, das Ausmaß unklar, es fehlten systematische Studien. Und er warnt vor statistischer Überkontrolle: Wer in Beobachtungsstudien Lebensumstände herausrechnet, die ihrerseits mit Intelligenz verflochten sind, rechnet womöglich echte Unterschiede mit heraus. Dann die Warnung des Genetikers David Reich: Wer Befunde leugne, manövriere sich in eine Ecke. Das ist kein Strohmann. Es ist die hereditäre Position, wie sie heute vorgetragen wird, mit ihren eigenen Vorbehalten.

Also prüfen, und zwar dort, wo die Karte am sichersten tut. Die 70 für Subsahara-Afrika stammt aus einer Datensammlung, die der Psychologe Richard Lynn über Jahrzehnte zusammentrug. Im Jahr 2010 sichtete Jelte Wicherts in Amsterdam mit zwei Kollegen die Studienlage noch einmal, systematisch, mit festen Ein- und Ausschlusskriterien und Rückrechnung auf britische Normen. Sie kamen auf etwa 82. Zwölf Punkte Unterschied, je nachdem, wer die Papiere ordnet. Die Zahl auf der Karte ist also ein Streitpunkt, kein Datum, und Gudwis sagt es selbst, nur leiser als die Karte. Dazu kommt die Bewegung der Zahlen in der Zeit. James Flynn fiel auf, dass Testwerte in vielen Ländern über das zwanzigste Jahrhundert um rund drei Punkte pro Jahrzehnt stiegen, in Norwegen fallen sie seit den Kohorten der siebziger Jahre wieder. Wer die Mittelwerte zweier Weltregionen als Eigenschaften liest, müsste auch seine Urgroßeltern nahe der Grenze zur Schwachbegabung ansiedeln. Niemand tut das. Die hereditäre Seite hat darauf eine ernste Antwort: Die Zugewinne über die Generationen hängen kaum an g, dem allgemeinen Faktor, an dem die Gruppenunterschiede hängen; Jan te Nijenhuis und Henk van der Flier fanden 2013 in einer Metaanalyse sogar einen negativen Zusammenhang. Der Flynn-Effekt zeigt also, wie stark Umwelt Testwerte verschieben kann. Was die Lücke zwischen Gruppen verursacht, entscheidet er nicht.

Dann die Schädel. In Philadelphia maß Samuel Morton in den vierziger Jahren des neunzehnten Jahrhunderts Hunderte von Schädeln aus, füllte sie, wog die Füllung, ordnete die Völker. Gould erzählte 1981 in „The Mismeasure of Man“, Mortons Vorurteil habe die Hand geführt. 2011 nahm ein Team um Jason Lewis dreihundertacht dieser Schädel erneut in die Hand und fand: Morton hatte nicht manipuliert, seine Messungen waren im Großen zuverlässig, und Gould hatte beim Nachrechnen selbst Fehler gemacht. So weit hat Gudwis recht. Aber die Geschichte ist dort nicht zu Ende. Michael Weisberg prüfte 2014 Goulds Argumente einzeln und hielt die meisten für stichhaltig; Jonathan Kaplan, Massimo Pigliucci und Joshua Banta kamen 2015 unter dem Titel „Gould on Morton, Redux“ zu dem Schluss, Gould habe recht gehabt, Mortons Analyse zu verwerfen, aber unrecht zu glauben, aus diesem Datensatz sei eine bessere zu gewinnen. Das Urteil „Gould war ideologisch, Morton hatte recht“ ist glatter, als die Akten es erlauben. Und selbst wo heutige Messungen Unterschiede im Hirnvolumen zeigen, bleibt die Frage dieselbe: Auch die Größe eines Gehirns hängt an Ernährung und Gesundheit in der Kindheit. Sie verschiebt das Rätsel, sie löst es nicht.

Jetzt kommt der Teil, in dem das Argument am stärksten ist, und zugleich die Stelle, an der es sich entscheidet. Thomas Bouchard fasste 2013 zusammen, was Zwillingsstudien seit Jahrzehnten zeigen: Die Erblichkeit des Testwerts steigt mit dem Alter und erreicht bei Erwachsenen in westlichen Industrieländern etwa 0,80, der Anteil der geteilten Familienumwelt sinkt auf etwa 0,10. Das ist belegt, und die Umweltseite tut gut daran, es nicht wegzureden. Nur sagt diese Zahl etwas anderes, als es scheint. Richard Lewontin hat es 1970 in ein Bild gefasst, das seither jeder kennt, der sich mit der Frage befasst: Man nehme genetisch vielfältiges Saatgut, säe eine Handvoll auf ein gedüngtes Beet und eine auf ein karges. In jedem Beet ist der Größenunterschied der Pflanzen fast ganz erblich. Der Unterschied zwischen den Beeten geht allein auf den Boden zurück. Erblichkeit ist eine Auskunft über die Streuung innerhalb eines Beetes, nie über den Abstand zwischen zweien.

Gudwis kennt das Beet, er sagt selbst, die 80 Prozent ließen sich nicht auf Nationen übertragen, weil deren Rahmenbedingungen verschieden sind. Innerhalb einer westlichen Gesellschaft aber nimmt er ein gemeinsames „allgemeines C“ an, gleiche Grundversorgung, gleiche Schulen, für alle Gruppen. Stehen die Gruppen einer Gesellschaft im selben Beet? Das ist der Punkt, an dem sich der Streit entscheidet, und man muss genau hinsehen. Eric Turkheimer untersuchte 2003 siebenjährige Zwillinge nach Einkommen der Eltern: In armen Familien erklärte die geteilte Umwelt rund 60 Prozent der Testvarianz, die Gene fast nichts; in wohlhabenden war es nahezu umgekehrt. Die Nachprüfungen fielen uneinheitlich aus, in den Vereinigten Staaten moderat, in Westeuropa und Australien oft null. Aber genau diese Uneinheitlichkeit ist der Punkt: Die Umwelt, die „irrelevant“ wird, ist die Umwelt dort, wo sie schon ausgeglichen ist. Wo das nicht gilt, gilt die Zahl nicht. Ein Wert, der in den Vereinigten Staaten anders ausfällt als in Westeuropa, beschreibt Lebensverhältnisse, nicht Menschen.

Die Minnesota-Studie ist ein Spiegel, und jeder sieht darin sein Bild. Sandra Scarr und Richard Weinberg suchten in den siebziger Jahren in Minneapolis weiße Familien, die schwarze oder gemischte Kinder adoptiert hatten, und testeten die Kinder mit sieben und noch einmal mit siebzehn Jahren. Gudwis nennt die unkorrigierten Werte, 95 und dann 89, und erklärt den Abfall mit der statistischen Regression zur Mitte und mit der Erblichkeit, die im Jugendalter steigt. Rechnet man den Flynn-Effekt heraus, wie John Loehlin es 2000 tat, fallen alle Gruppen, aber der Abstand zu den weißen Adoptierten bleibt, etwa zwanzig Punkte mit sieben, knapp achtzehn mit siebzehn. Hereditaristen wie Lynn lasen das als genetisch. Die Autoren selbst lasen es umweltlich: Das soziale Umfeld sei die dominante Größe für die Gruppenmittel. Loehlin wies auf ungleiche Bedingungen vor der Geburt hin. Und Scarr schrieb 1998, mit dem Abstand von zwei Jahrzehnten, die Studie stütze beide Lesarten, man hätte agnostisch bleiben sollen. Gudwis' Deutung ist eine legitime. Sie ist nicht die der Frauen und Männer, die die Kinder gemessen haben, und sie ist nicht die einzige, die die Zahlen tragen.

Es gibt eine Studie, in der das Beet tatsächlich gewechselt wurde. Klaus Eyferth testete 1961 Kinder deutscher Mütter und alliierter Besatzungssoldaten, die in den Kasernenstädten der Nachkriegszeit aufwuchsen, rund hundert mit afroamerikanischen, rund achtzig mit weißen Vätern, alle fünf bis dreizehn Jahre alt, alle mit demselben Test, dem HAWIK. Das Ergebnis: 96,5 gegenüber 97,2. Kein Unterschied, der den Namen verdient. Die Stichprobe war klein, die Kinder jung, die Soldaten vorausgewählt; das sind redliche Einschränkungen, und niemand sollte die Studie zum Beweis aufblasen. Aber sie zeigt, was möglich ist, wenn Herkunft und Umwelt einmal nicht zusammenfallen. Dazu kommt die Bewegung in den Vereinigten Staaten selbst: William Dickens und Flynn fanden 2006 in den Normierungsstichproben, dass die Lücke zwischen schwarzen und weißen Amerikanern zwischen 1972 und 2002 um fünf bis sechs Punkte geschrumpft war, etwa ein Drittel. Philippe Rushton und Arthur Jensen warfen ihnen Rosinenpickerei vor und konzedierten höchstens 3,4 Punkte; Dickens antwortete, die ausgelassenen Tests seien weniger zuverlässig. Wie man es dreht: Selbst nach der Rechnung der Kritiker hat sich die Lücke in dreißig Jahren bewegt.

Bleibt die Genetik im engeren Sinn. Polygene Scores sind Vorhersagen, die aus Tausenden kleiner Genvarianten gerechnet werden; sie sagen ein Merkmal nicht voraus, sie schätzen seine Wahrscheinlichkeit. Alicia Martin und Kollegen zeigten 2019, dass solche Scores bei Menschen europäischer Abstammung etwa viereinhalbmal so genau sind wie bei afrikanischer und etwa doppelt so genau wie bei ostasiatischer. Der Grund ist schlicht: Die Datenbanken sind voll von Europäern. Das Werkzeug ist auf ein Beet geeicht. Es ist kein Befund über Intelligenz, aber es sagt, warum die „direkten, systematisch groß angelegten Studien“, die Gudwis am Ende vermisst, so schwer zu haben sind. Und David Reich, der Zeuge des Schlusses? Seine Warnung vor dem Leugnen steht in einem Gastbeitrag für die New York Times vom 23. März 2018. Eine Woche später, am 30. März, schrieb er nach, Gene beeinflussten wahrscheinlich auch Verhalten und Kognition, und man könne nicht tun, als gebe es keine Unterschiede zwischen Populationen. Im selben Text schreibt er, alle solchen Unterschiede seien weit kleiner als die zwischen Individuen und sehr bescheiden. Er nennt keine Zahl und keine Rangfolge. Reich bezeugt, dass die Frage gestellt werden darf. Die Karte bezeugt er nicht.

Was bleibt also vom Argument? Mehr, als die Umweltseite gern hätte, und weniger, als die Karte behauptet. Die Lücken in den Messwerten sind da, und sie verschwinden nicht durch Umbenennung. Die Erblichkeit im Erwachsenenalter ist hoch, in westlichen Gesellschaften. Die Minnesota-Lücke blieb bis siebzehn. Das ist der harte Rest. Dagegen steht, dass die Zahl auf der Karte ein Streitpunkt ist, dass die Erblichkeit innerhalb eines Beetes über den Abstand zwischen Beeten schweigt, dass die Lücke sich in dreißig Jahren um drei bis sechs Punkte bewegte, dass die Eyferth-Kinder gleichzogen, dass die Autoren der Minnesota-Studie selbst anders lasen und dass die genetischen Werkzeuge bisher nur auf eine Gruppe geeicht sind. Gudwis' eigenes Fazit hält beides zusammen: „erheblicher Anteil wahrscheinlich genetisch“ und „Ausmaß unklar“. Ob das „wahrscheinlich“ trägt, hängt an der einen Annahme, dass Gruppen in derselben Gesellschaft im selben Beet stehen. Das ist der offene Punkt, nicht mehr und nicht weniger. Und an dieser Stelle hört die Statistik auf zu reden und die Philosophie fängt an. Denn die Frage dieser Ausgabe war nicht nur, woher die Unterschiede kommen. Sie war, was aus einem Mittelwert für den Menschen folgt, der vor einem steht.

David Hume ist der Älteste in dieser Runde und der Ernüchterndste. Für ihn ist die Herkunft der Unterschiede eine Tatsachenfrage, keine Sache der Vernunft oder des Wunsches, und Tatsachenfragen liefern bestenfalls Wahrscheinlichkeit, nie Gewissheit. Was er in den Daten sieht, ist das, was er überall sieht: eine beständige Verknüpfung, Gruppe A schneidet so ab, Gruppe B anders. Ob Anlage, Schule, Ernährung, Vorurteil oder das Instrument die Verknüpfung erzeugen, steht nicht in der Verknüpfung. Vom Mittelwert einer Gruppe auf den Einzelnen zu schließen, ist für Hume ein Induktionsschluss mit schwacher Stütze, der höchstens so weit trägt, wie Streuung und Überlappung es zulassen, und bei Menschen ist beides groß. Und selbst wenn ein Unterschied feststünde, folgte daraus kein Sollen; den Sprung vom Sein zum Sollen hat er ausdrücklich verboten. Hume selbst hat diesen Maßstab nicht immer angelegt: In seinem Essay „Of National Characters“ steht seit der Fassung von 1753 eine Fußnote, die Schwarzen eine von Natur geringere Begabung zuschreibt, gestützt auf Reiseberichte. Genau die Art von Schluss also, vor der seine eigene Erkenntnislehre warnt.

John Stuart Mill nimmt den Faden auf und zieht ihn in eine andere Richtung. In „Die Hörigkeit der Frau“ schreibt er 1869, niemand wisse, was die Natur der Frauen sei, solange man sie nur im Zustand erzwungener Abhängigkeit beobachte; was man natürlich nenne, sei zumeist das Erzeugnis von Sitte und Zwang. Das ist keine Behauptung der Gleichheit, es ist eine Sperre vor der vorschnellen Antwort. Seine Logik verlangt, Ursachen durch Vergleiche zu finden, in denen sich die Fälle in genau einem Umstand unterscheiden. Gruppen, die sich in Schulzeit, Besitz, Ernährung, Erwartung und Rechtslage unterscheiden, erfüllen die Bedingung nie. Zugleich würde Mill die Frage nicht verbieten, und das gilt gegen beide Lager: Die unbequeme Hypothese darf geprüft werden, weil sie wahr sein könnte oder weil sie die Gegenwahrheit davor bewahrt, zum toten Dogma zu erstarren. Nur ist Freiheit der Rede nicht Freiheit, aus der Rede Zurücksetzung abzuleiten. Hier trifft er auf Immanuel Kant, der dieselbe Sperre anders begründet. Im Reich der Zwecke, schreibt Kant in der Grundlegung, hat alles entweder einen Preis oder eine Würde. Ein Mittelwert ist die Währung des Preises. Ihn auf einen Menschen anzuwenden, ohne diesen Menschen zu prüfen, behandelt ihn als Exemplar, und das gilt auch für den wohlmeinenden Verwalter, der Förderung nach Gruppen zuteilt.

Zwischen Mill und Kant bleibt eine echte Reibung. Kant würde Mill vorhalten, der Nutzen könne den Einzelnen nie rechtfertigen: Eine Handlung werde nicht gerecht, weil ihre Folgen im Schnitt gut ausfallen, und wer im Namen der Wahrscheinlichkeit dem Einzelnen die Prüfung als Einzelnem verweigere, verletze seine Freiheit auch dann, wenn der Durchschnitt ein Plus ausweist. Mill könnte zurückgeben, die Pflicht, niemanden bloß als Mittel zu behandeln, bleibe unbestimmt, solange sie nicht sage, was Gruppenstatistik gegenüber dem Einzelnen überhaupt rechtfertigen könne; die Folgenprüfung gebe die schärfere Antwort, denn eine Gesellschaft, die Begabung nach Herkunft aussortiert, vergeudet die Talente, auf die sie angewiesen ist. Karl Popper stünde etwas abseits und stellte beiden Lagern dieselbe Frage: Was müsste sich zeigen, damit Sie Ihre Erklärung aufgeben? Wer jeden Unterschied im Nachhinein mit Diskriminierung erklärt, hat sich immunisiert. Wer ihn mit Genen erklärt, ohne zu sagen, welche Beobachtung ihn widerlegen würde, auch. Hume würde an dieser Stelle widersprechen, und das ist die zweite Reibung: Kühn vermuten und scharf widerlegen sei schön für die Physik. Hier aber seien die Daten beobachtend, die Störgrößen unzählig, und das Experiment, das die Ursache isolieren könnte, verbiete sich. Hier werde nichts widerlegt, nur gedeutet. Popper kannte den Einwand, den Duhem und Quine stark gemacht haben, dass nie eine Hypothese allein geprüft wird, sondern immer samt ihren Hilfsannahmen, Testfairness und Messgleichheit eingeschlossen. Er hielt es für einen Grund zu mehr Strenge, Hume hielte es für einen Grund zu weniger Gewissheit. Beide haben recht, und das ist unbequem.

John Rawls spricht zuletzt, und er spricht kaum über Ursachen, weil sein Argument sie nicht braucht. Hinter dem Schleier des Nichtwissens kennt niemand seine Gruppe, seine Begabung, seinen Platz in der Verteilung. Wer so wählt, wählt Regeln, die den Einzelnen nie nach dem Durchschnitt seiner Gruppe behandeln, weil er selbst dieser Einzelne sein könnte. Und er wählt das Differenzprinzip: Ungleichheiten sind nur erlaubt, wenn sie den am schlechtesten Gestellten nützen. Die Verteilung natürlicher Gaben ist für Rawls weder gerecht noch ungerecht, sie ist Lotterie. Ungerecht kann nur sein, wie Institutionen mit ihr umgehen. Deshalb ändert das Wort „angeboren“ an der Gerechtigkeitsfrage nichts; auch Geburtsstand und Vermögen der Eltern waren einmal natürlich erscheinende Tatsachen. Wo Armut und Schulqualität die Unterschiede mitformen, ist die Pflicht zur Abhilfe unmittelbar; wo Anlagen mitspielen, ist es die Pflicht zum Ausgleich der Erträge. Beides führt zum selben Ort. Das ist elegant, und es hat eine Schwäche, die Rawls kennt: Es sagt nichts darüber, ob man nachsehen darf. Für die Frage, die Gudwis stellt, ist Rawls kein Richter. Er ist die Erinnerung daran, dass ihre Antwort weniger entscheidet, als beide Seiten glauben.

Was bleibt, wenn die Karte verblasst? Es steht, dass die Testmittelwerte sich unterscheiden und dass niemand weiß, wie weit die Ursachen in den Genen liegen; Gudwis sagt es am Ende selbst. Es steht, dass die Erblichkeit innerhalb eines Beetes über den Abstand zwischen Beeten nichts aussagt, so oft man die Zahl auch wiederholt. Und es steht, dass die Verteilungen zweier Gruppen einander weit überlappen und dass deshalb kein Mittelwert sagt, wo der Mensch liegt, der gerade zur Tür hereinkommt. Die Karte hat auf diese Frage keine Antwort, weil sie dafür nicht gemacht ist. Gudwis behauptet das auch nicht. Er hat es gleich in der ersten Minute gesagt: Das seien Durchschnittswerte, die „natürlich nicht jedes einzelne Individuum“ betreffen. Der Durchschnitt hat kein Gesicht. Der Mensch vor einem hat eines. Man muss es ansehen.