Nummeriert, also wahr?
Über Pseudo-Präzision — wenn eine korrekte Rechnung mehr behauptet, als ihre Daten tragen. Auch bei uns.
Eine Schuldenforderung kann rechnerisch exakt und sachlich unbegründet sein. Australiens Robodebt-System hat diesen Widerspruch nicht erfunden. Es hat ihn nur ungewöhnlich deutlich gemacht.
Für Sozialleistungen war entscheidend, welches Einkommen einer Person in jedem einzelnen Zweiwochenzeitraum zuzurechnen war. Die Steuerbehörde verfügte dagegen meist über einen Gesamtbetrag für einen längeren Zeitraum. Blieb eine Abweichung zwischen beiden Datenbeständen ungeklärt, verteilte das System diesen Gesamtbetrag gleichmäßig auf die betreffenden Zweiwochenzeiträume. Aus dieser Verteilung errechnete es eine konkrete Schuld.
Die Rechenoperation konnte bis auf den Dollar korrekt ausgeführt sein. Ob der Betrag die wirkliche Schuld traf, hing jedoch an einer Verteilung, die niemand beobachtet hatte.
Aus einer Abweichung wurde eine Forderung
Vor Robodebt war der Abgleich mit den Steuerdaten ein Hinweis für eine weitere Prüfung. Beschäftigte der Behörde forderten Lohnabrechnungen an und konnten sich an frühere Arbeitgeber wenden. Erst wenn sich die tatsächlichen Einkünfte nicht ermitteln ließen, sahen die damaligen Leitlinien eine Durchschnittsbildung als letztes Mittel vor. Der Bericht des Commonwealth Ombudsman von 2017 beschreibt, wie sich diese Arbeitsweise änderte: Die Behörde verzichtete im neuen Online-Verfahren darauf, Informationen selbst bei Dritten einzuholen. Nun mussten die Betroffenen die Abweichung erklären und ihre Einkünfte für die einzelnen Zeiträume belegen. Reagierten sie nicht oder blieben Angaben lückenhaft, füllte das System die Lücken mit dem errechneten Durchschnitt. Der Ombudsman hielt zugleich fest, dass das System korrekt rechnen konnte, wenn die tatsächlichen Einkünfte für jeden Zweiwochenzeitraum vollständig eingegeben wurden. Das Problem lag in der Qualität und der Rolle der Ersatzdaten, nicht in jeder Rechenregel des Systems.
Damit wechselte die Zahl ihre Funktion. Derselbe Datenabgleich, der zuvor eine Untersuchung auslöste, konnte nun eine Forderung hervorbringen. Praktisch wanderte die Arbeit der Widerlegung zu der Person, gegen die sich diese Forderung richtete. Die rechtliche Pflicht des Commonwealth, eine Schuld tragfähig zu begründen, wanderte nicht mit. Die Automatisierung beschleunigte deshalb mehr als eine Berechnung. Sie veränderte den Weg, auf dem eine Behauptung bestritten werden musste.
Das ist der entscheidende Punkt an Pseudo-Präzision. Sie liegt nicht notwendig in einer falschen Formel oder in zu vielen Nachkommastellen. Sie entsteht, wenn eine Zahl mehr behaupten darf, als ihre Datengrundlage hergibt. Die Steuerdaten belegten ein Gesamteinkommen. Für den berechneten Zweiwochenbetrag kam eine Annahme hinzu: Das Einkommen sei gleichmäßig zugeflossen. Bei gleichbleibendem Lohn kann diese Annahme passen. Bei Gelegenheitsarbeit, schwankendem oder unterbrochenem Einkommen kann sie den entscheidenden Sachverhalt verfehlen.
Die 95 Prozent brauchen ihre eigene Einschränkung
Noch vor der breiten Einführung verglich die Behörde 229 Fälle, für die bereits eine manuelle Berechnung vorlag. Der Abschlussbericht der Royal Commission von 2023 hält dies in Band 1 auf Seite 43 fest: In 55,9 Prozent dieser Fälle ergab die Durchschnittsmethode eine höhere Schuld, in 39,3 Prozent eine niedrigere. Etwas mehr als 95 Prozent der Ergebnisse wichen damit von der manuellen Berechnung ab.
Diese Zahl ist aufschlussreich. Sie ist aber keine nachträglich ermittelte Fehlerquote für sämtliche Robodebt-Forderungen. Der interne Vergleich umfasste 229 Fälle; der Bericht bietet keine Grundlage, sie als repräsentative Stichprobe für das gesamte Programm auszugeben. Der Vergleich belegt weder, dass jede Forderung falsch war, noch dass die Abweichungen stets zulasten der Betroffenen gingen. Er zeigt etwas Engeres und für das Verfahren Wichtigeres: Die gleichmäßige Verteilung reproduzierte in diesem Bestand fast nie den Betrag, den eine Prüfung der tatsächlichen Zweiwocheneinkünfte ergeben hatte.
Aus den Entscheidungen folgt nicht, dass jede denkbare Durchschnittsbildung unzulässig ist. Sie stellen enger fest, dass die Durchschnittsbildung hier allein nicht ausreichte, Existenz und Höhe einer Schuld zu begründen. Ob sie in einem anderen Fall sachlich und rechtlich trägt, hängt von den verfügbaren Belegen und vom jeweiligen Rechtsrahmen ab.
Im Sammelklageverfahren Prygodicz v Commonwealth of Australia (No 2) räumte der Commonwealth ein, dass Forderungen auf dieser Grundlage keine tragfähige rechtliche Basis hatten. Die gerichtliche Erklärung in Anlage C ist präzise begrenzt. Sie betrifft Entscheidungen, bei denen die Leistung vom Einkommen jedes einzelnen Zweiwochenzeitraums abhing, der Commonwealth ein höheres als das gemeldete Einkommen annahm und diese Annahme ausschließlich aus der gleichmäßigen Verteilung längerfristiger PAYG-Daten gewann — ohne Beleg für einen konstanten Zufluss oder eine andere Stütze der Annahme.
Für das breitere, auf Durchschnittsbildung beruhende Programm hielt das Gericht zugleich die Größenordnung fest: Mindestens 1,763 Milliarden australische Dollar waren gegen rund 433.000 Menschen geltend gemacht und etwa 751 Millionen Dollar von ungefähr 381.000 Menschen eingezogen worden. Diese Zahlen umfassen Forderungen, die ganz oder teilweise auf Durchschnittsbildung beruhten. Sie sind nicht die Kopfzahl der engeren Gruppe von Entscheidungen, die Anlage C beschreibt.
Keine Datenbank musste dafür lügen. Die Steuerdaten lieferten eine Summe, die Software verteilte sie, die Verwaltung gab dem Ergebnis eine neue Funktion, die Kommunikation verlagerte die praktische Arbeit der Widerlegung, anschließend folgte der Forderungseinzug. Autorität gewann die Zahl durch den Prozess um sie herum.
Der Verdacht gilt auch unseren eigenen Begriffen
Es wäre bequem, Robodebt als Geschichte über eine fremde Behörde und einen schlechten Algorithmus abzulegen. Dann bliebe die eigentliche Prüfung aus. Intelligence Architecture arbeitet selbst mit benannten Ebenen, nummerierten Schritten und Playbooks. Solche Formen sind nützlich. Sie halten Unterschiede fest und machen Arbeit besprechbar. Gerade deshalb können sie einer schwachen Behauptung ein belastbares Aussehen geben.
Ein Grundlagentext dieser Website ordnet die Arbeit tatsächlich in vier Tätigkeiten: Wahrnehmen, Deuten, Entscheiden, Handeln. Dort werden sie als praktisches Analysemodell beschrieben, nicht als linearer Ablauf oder universelles Gesetz. Diese Begrenzung ist keine redaktionelle Fußnote, sondern die Bedingung für den Gebrauch. Wenn die vier Unterscheidungen weder die Untersuchung verändern noch einen konkreten Bruch lokalisieren oder zu einer anderen Handlung führen, schafft die Vier nur Ordnung — keine Erkenntnis.
Für einen Reifegrad oder einen Readiness-Score gilt dieselbe Prüfung. Antworten aus verschiedenen Bereichen lassen sich zu einem Wert verdichten. Der Wert sagt jedoch erst dann etwas über eine Organisation aus, wenn die Aggregationsregel, fehlende Daten, Gegenbeispiele und die erlaubte Verwendung offengelegt sind. Andernfalls entsteht aus mehreren richtigen Einzelangaben durch eine unbeobachtete Annahme eine zu genaue Gesamtaussage.
Vor jedem Framework steht deshalb eine unbequeme Frage: Welche Aussage trägt die Beobachtung tatsächlich, bevor Modell, Begriff oder Diagramm etwas hinzufügen?
Robodebt scheiterte nicht daran, dass gerechnet wurde. Eine unbelegte Verteilung erhielt im Prozess den Rang beobachteten Einkommens und ihr Ergebnis den Rang einer Forderung. Unsere eigenen Begriffe und Nummerierungen verdienen dieselbe Prüfung. Sie schaffen Klarheit erst, wenn erkennbar bleibt, wo die Beobachtung endet.
