Relatives vs. absolutes Risiko: So interpretierst du Gesundheitsstudien richtig

Gesundheitsnachrichten begegnen dir täglich: in Online-Portalen, in der Apotheken-Umschau, auf Social Media oder in Gesprächen mit Freund:innen. Viele Meldungen klingen eindeutig – „Risiko halbiert“, „doppelt so gefährlich“, „senkt die Sterblichkeit deutlich“. Doch hinter diesen Formulierungen steckt oft eine entscheidende Lücke: Worauf bezieht sich diese Veränderung eigentlich?

Um Studien sinnvoll zu verstehen, musst du relative und absolute Risiken unterscheiden. Das ist keine Spitzfindigkeit, sondern der Unterschied zwischen „klingt dramatisch“ und „ist in der Praxis relevant“. Besonders in Deutschland und Österreich, wo Prävention (z. B. Vorsorgeuntersuchungen, Impfempfehlungen, Herz-Kreislauf-Checks) eine große Rolle spielt und Medienberichte häufig internationale Studien aufgreifen, lohnt sich ein klarer Blick auf Zahlen.

In diesem Beitrag bekommst du ein praxisnahes Werkzeugset: Definitionen, Rechenbeispiele, typische Fallen, Checklisten, sowie Hinweise dazu, wie Studien im DACH-Raum (Deutschland/Österreich) kommuniziert werden – inklusive Begriffe wie RR, ARR und NNT. Du wirst am Ende Schlagzeilen schneller entzaubern und besser einschätzen können, ob eine Maßnahme für dich (oder Patient:innen, falls du im Gesundheitsbereich arbeitest) wirklich etwas bringt.

Warum die Unterscheidung von Risiken so wichtig ist

Das Wort „Risiko“ hat im Alltag eine starke emotionale Wirkung. Wenn wir „50 % höheres Risiko“ lesen, stellen wir uns häufig ein konkretes, großes Problem vor. Doch ohne Kontext kann die Aussage irreführend sein.

Risiko ist nicht gleich Risiko

Ein Risiko ist eine Wahrscheinlichkeit, dass ein Ereignis eintritt – zum Beispiel ein Herzinfarkt in den nächsten 10 Jahren, eine Nebenwirkung nach einer Impfung oder die Diagnose einer bestimmten Erkrankung. Der Knackpunkt: Eine Veränderung dieser Wahrscheinlichkeit lässt sich relativ oder absolut darstellen.

• Relatives Risiko beschreibt das Verhältnis zweier Risiken (z. B. „halbiert“, „verdoppelt“).
• Absolutes Risiko beschreibt den konkreten Unterschied in Prozentpunkten (z. B. „von 2 % auf 1 %“).

Beides ist mathematisch korrekt – aber die Interpretation und die Wirkung auf Leser:innen sind sehr unterschiedlich.

Warum Medien oft relative Zahlen bevorzugen

Relative Effekte klingen meist spektakulärer. Ein „50 % geringeres Risiko“ verkauft sich besser als „1 Prozentpunkt weniger“. Das bedeutet nicht, dass Journalist:innen absichtlich täuschen – häufig werden Ergebnisse aus Pressemitteilungen übernommen, in denen relative Angaben dominieren.

Gerade bei Präventionsthemen (Ernährung, Bewegung, Supplements) oder bei Screening-Fragen (Mammografie, PSA-Test) führt die Darstellung als relativer Effekt schnell zu Überschätzung oder Angst. Deshalb ist es hilfreich, Zahlen selbst in absolute Größen zu übersetzen.

Grundbegriffe: Relatives Risiko, absolutes Risiko und Risikodifferenz

Absolutes Risiko (AR): die Basiszahl

Das absolute Risiko ist die Wahrscheinlichkeit, dass ein Ereignis in einer bestimmten Gruppe eintritt. Beispiel: In einer Gruppe von 1.000 Personen bekommen 20 innerhalb eines Jahres eine bestimmte Diagnose. Dann beträgt das absolute Risiko:

20 / 1.000 = 2 %

Wichtig: Das absolute Risiko hängt immer von der betrachteten Zeitspanne und der Population ab (Alter, Vorerkrankungen, Lebensstil, Region). Ein 10-Jahres-Risiko ist nicht mit einem 1-Jahres-Risiko vergleichbar.

Relatives Risiko (RR): Verhältnis zweier Risiken

Das relative Risiko (RR) ist das Verhältnis des Risikos in der Interventionsgruppe (z. B. Medikament) zum Risiko in der Kontrollgruppe (z. B. Placebo).

RR = Risiko (Intervention) / Risiko (Kontrolle)

• RR = 1 bedeutet: kein Unterschied.
• RR < 1 bedeutet: Risiko ist geringer in der Interventionsgruppe.
• RR > 1 bedeutet: Risiko ist höher in der Interventionsgruppe.

Oft liest du statt RR auch Begriffe wie „Risikoreduktion um X %“. Das ist meist die relative Risikoreduktion (RRR). Sie wird so berechnet:

RRR = 1 − RR

Absolute Risikoreduktion (ARR): Unterschied in Prozentpunkten

Die absolute Risikoreduktion (ARR) ist die Differenz zwischen dem Risiko in der Kontrollgruppe und dem Risiko in der Interventionsgruppe:

ARR = Risiko (Kontrolle) − Risiko (Intervention)

Sie wird in Prozentpunkten ausgedrückt (z. B. 2 % minus 1 % = 1 Prozentpunkt).

Number Needed to Treat (NNT): wie viele müssen profitieren, damit eine Person profitiert?

Ein besonders anschauliches Maß ist die Number Needed to Treat (NNT). Sie zeigt, wie viele Personen behandelt werden müssen, um ein Ereignis zu verhindern.

NNT = 1 / ARR (wenn ARR als Dezimalzahl eingesetzt wird, z. B. 0,01)

Je kleiner die NNT, desto stärker ist der Nutzen – zumindest bezogen auf das betrachtete Ereignis und die Zeitspanne.

Ein Rechenbeispiel, das Schlagzeilen entzaubert

Beispiel: „Risiko halbiert“ – aber was heißt das konkret?

Angenommen, eine Studie untersucht ein Präventionsmedikament gegen ein Ereignis (z. B. Herzinfarkt) über 5 Jahre.

• Kontrollgruppe: 2 von 100 Personen erleiden das Ereignis → 2 %
• Interventionsgruppe: 1 von 100 Personen erleiden das Ereignis → 1 %

Jetzt lassen sich verschiedene Kennzahlen berechnen:

• Absolute Risikoreduktion (ARR): 2 % − 1 % = 1 Prozentpunkt
• Relatives Risiko (RR): 1 % / 2 % = 0,5
• Relative Risikoreduktion (RRR): 1 − 0,5 = 50 %
• NNT: 1 / 0,01 = 100

Alle Aussagen sind korrekt – doch sie wirken unterschiedlich:

• „50 % weniger Risiko“ klingt nach einem großen Durchbruch.
• „1 Prozentpunkt weniger“ wirkt bescheidener.
• „100 Menschen müssen 5 Jahre behandelt werden, damit 1 Ereignis verhindert wird“ ist sehr konkret.

Welche Darstellung ist „die richtige“? Für Entscheidungen im Alltag (Nutzen vs. Aufwand/Nebenwirkungen/Kosten) sind absolute Effekte und NNT oft hilfreicher. Relative Zahlen sind nützlich, um Studien untereinander zu vergleichen – aber nur, wenn das Basisrisiko ähnlich ist.

Relative und absolute Risiken unterscheiden: typische Missverständnisse

Missverständnis 1: „50 % Risiko“ wird als 50 % Wahrscheinlichkeit verstanden

Wenn Menschen „50 % Risikoreduktion“ lesen, wird das oft fälschlich als „Ich habe jetzt nur noch 50 % Chance, krank zu werden“ interpretiert. Tatsächlich bedeutet es nur: halb so hoch wie vorher. Wenn das Ausgangsrisiko sehr klein ist, bleibt es klein.

Missverständnis 2: Relative Zahlen ohne Ausgangswert sind kaum interpretierbar

„Doppelt so hohes Risiko“ ist ohne Basiswert praktisch leer. Ein Beispiel:

• Ausgangsrisiko 0,1 % → verdoppelt = 0,2 % (plus 0,1 Prozentpunkt)
• Ausgangsrisiko 10 % → verdoppelt = 20 % (plus 10 Prozentpunkte)

Beide sind „100 % höher“ – aber die Bedeutung ist völlig verschieden.

Missverständnis 3: „Signifikant“ heißt nicht „wichtig“

Statistische Signifikanz sagt, dass ein Effekt wahrscheinlich nicht durch Zufall entstanden ist (unter Modellannahmen). Sie sagt nicht, dass der Effekt groß oder klinisch relevant ist. Eine sehr große Studie kann winzige absolute Unterschiede „signifikant“ machen.

So liest du eine Studie: Schritt-für-Schritt-Anleitung

1) Was ist das Ereignis (Outcome)?

Prüfe, was wirklich gemessen wurde. Häufig werden Surrogatmarker (z. B. Cholesterinwert, Blutdruck) berichtet, obwohl Patient:innen eigentlich harte Endpunkte interessieren (z. B. Herzinfarkt, Schlaganfall, Lebensqualität, Gesamtsterblichkeit).

2) Wie groß ist das Basisrisiko?

Suche nach der Ereignisrate in der Kontrollgruppe. Ohne diese Zahl sind relative Angaben schwer einzuordnen. Gute Studien geben beides an: absolute Risiken und relative Effekte.

3) Wie lange wurde beobachtet?

Ein Effekt über 3 Monate ist anders zu bewerten als über 10 Jahre. Gerade bei chronischen Erkrankungen und Prävention (z. B. Diabetes, Herz-Kreislauf) sind Zeiträume entscheidend.

4) Wer wurde untersucht?

Frage dich, ob die Studienpopulation zu dir passt. Alter, Geschlecht, Vorerkrankungen, Medikamente, Lebensstil. Ergebnisse aus einer Hochrisikogruppe lassen sich nicht 1:1 auf die Allgemeinbevölkerung übertragen.

5) Welche Kennzahl wird berichtet?

Achte auf Begriffe wie:

• RR (relatives Risiko)
• OR (Odds Ratio, häufig bei Fall-Kontroll-Studien; kann Risiken überzeichnen, wenn Ereignisse häufig sind)
• HR (Hazard Ratio, oft bei Zeit-bis-Ereignis-Analysen)
• ARR (absolute Risikoreduktion)
• NNT (Number Needed to Treat)

Wenn nur OR/HR genannt werden, ist zusätzliche Vorsicht nötig: Diese Kennzahlen sind nicht immer intuitiv und werden in Medien häufig wie RR interpretiert, was nicht immer korrekt ist.

Typische Darstellungsfallen in Gesundheitskommunikation

Relativer Effekt ohne absolute Zahlen

Wenn du in einer Meldung nur liest „senkt das Risiko um 30 %“, frage sofort nach: 30 % wovon? Ohne Basisrisiko kann niemand beurteilen, ob das ein großer oder kleiner Nutzen ist.

Relative Risiken bei seltenen Ereignissen

Bei seltenen Ereignissen wirken relative Steigerungen dramatisch. Beispiel: Eine Nebenwirkung steigt von 1 zu 2 Fällen pro 10.000. Das ist eine Verdopplung (100 % mehr), aber absolut sind es 1 zusätzlicher Fall pro 10.000.

Komposit-Endpunkte (zusammengefasste Outcomes)

Studien fassen manchmal mehrere Ereignisse zusammen (z. B. „Herzinfarkt, Schlaganfall oder Tod“). Das kann statistisch sinnvoll sein, aber es kann auch Effekte „aufhübschen“, wenn hauptsächlich weniger schwere Ereignisse reduziert werden, während harte Endpunkte unverändert bleiben.

Relative Risiken vs. absolute Risiken bei Screenings

Bei Früherkennungsprogrammen ist die Kommunikation besonders tricky: Screenings können Diagnosen früher entdecken, ohne die Sterblichkeit zu senken (Stichworte: Lead-time Bias, Überdiagnose). Hier sind absolute Zahlen über Nutzen und Schaden (falsch-positive Befunde, unnötige Eingriffe) entscheidend.

Praktische Beispiele aus Alltagsthemen (DACH-Kontext)

Beispiel 1: Herz-Kreislauf-Prävention

Viele Präventionsmaßnahmen (z. B. Blutdrucksenkung, Statine bei hohem Risiko) zeigen relative Effekte, die stabil wirken. Aber der absolute Nutzen hängt stark davon ab, ob jemand ein hohes oder niedriges Ausgangsrisiko hat.

Eine Person mit bereits bestehender Gefäßerkrankung (Sekundärprävention) hat meist ein höheres Basisrisiko als jemand ohne Vorerkrankung. Daher kann dieselbe relative Risikoreduktion in der Sekundärprävention eine deutlich größere absolute Risikoreduktion bedeuten.

Beispiel 2: Impfungen und Nebenwirkungen

Bei Impfungen ist es sinnvoll, Nutzen und Risiken nebeneinander als absolute Zahlen zu betrachten. Medienberichte über Nebenwirkungen verwenden teils relative Anstiege, während die Grundhäufigkeit sehr niedrig ist. Gleichzeitig kann der Nutzen (verhinderte Hospitalisierungen) in bestimmten Alters- oder Risikogruppen absolut hoch sein.

Gerade in Deutschland und Österreich werden Entscheidungen häufig an Empfehlungen von STIKO (DE) oder dem Nationalen Impfgremium (AT) ausgerichtet. Diese Gremien betrachten typischerweise nicht nur relative Effekte, sondern auch absolute Nutzen-Schaden-Abwägungen je Alters- und Risikogruppe.

Beispiel 3: Ernährung, Alkohol und „Risiko steigt um X %“

Ernährungsstudien (oft Beobachtungsstudien) liefern häufig relative Risiken: „X erhöht das Krebsrisiko um 20 %“. Hier ist besonders wichtig:

• Handelt es sich um eine assoziative Aussage (Korrelation) oder um eine randomisierte Studie (Kausalität wahrscheinlicher)?
• Wie hoch ist das absolute Risiko für die betrachtete Krebsart in der jeweiligen Altersgruppe?
• Welche Confounder (Rauchen, Bewegung, sozioökonomischer Status) wurden kontrolliert?

Ohne absolute Basiszahlen und Kontext bleibt die praktische Bedeutung unklar.

Checkliste: Fragen, die du bei jeder Risiko-Meldung stellen solltest

Die 10-Sekunden-Version

• Wie hoch ist das Risiko ohne Maßnahme? (Kontrollgruppe, Basisrisiko)
• Wie hoch ist es mit Maßnahme? (Interventionsgruppe)
• Ist die Zahl relativ oder absolut?

Die gründliche Version

• Welche Population? Passt sie zu mir (Alter, Geschlecht, Vorerkrankungen)?
• Welche Dauer? Über welchen Zeitraum gilt die Aussage?
• Welche Kennzahl? RR, OR, HR, ARR, NNT?
• Welcher Endpunkt? Harte Endpunkte oder Surrogatmarker?
• Welche Nebenwirkungen/Schäden? Und sind diese absolut beziffert?
• Wie groß ist die Unsicherheit? (Konfidenzintervall, Streuung)
• Finanzierung/Interessenkonflikte? Transparenz kann helfen, Bias zu erkennen.

Konfidenzintervalle: Warum „ungefähr“ zur Ehrlichkeit gehört

Seriöse Studien berichten Effekte mit Konfidenzintervallen (meist 95 %). Sie zeigen, in welchem Bereich der wahre Effekt plausibel liegen könnte. Ein RR von 0,80 klingt gut – aber wenn das 95%-Intervall 0,50 bis 1,10 ist, ist die Aussage unsicher und könnte auch „kein Effekt“ beinhalten.

Für die Alltagseinordnung gilt: Je breiter das Intervall, desto unsicherer. Gerade bei kleinen Studien oder seltenen Ereignissen sind Intervalle oft breit.

Odds Ratio (OR) vs. Relative Risk (RR): eine häufige Verwechslung

Viele Schlagzeilen beruhen auf Odds Ratios, besonders bei Fall-Kontroll-Studien. Das Problem: OR kann größer wirken als RR, wenn das Ereignis nicht selten ist.

Beispiel (vereinfacht): Wenn ein Ereignis häufig ist, kann eine OR von 2,0 einem RR von deutlich weniger als 2 entsprechen. Deshalb gilt:

• OR ≈ RR nur dann, wenn das Ereignis selten ist.
• Bei häufigen Ereignissen kann OR die Wirkung überzeichnen.

Wenn du also „Odds Ratio“ liest, lohnt es sich besonders, nach absoluten Risiken zu suchen oder nach Studien, die RR/ARR berichten.

Relatives vs. absolutes Risiko in der Arztpraxis: so werden Entscheidungen besser

In Deutschland und Österreich werden Entscheidungen idealerweise gemeinsam getroffen (Shared Decision Making): Patient:in und Ärzt:in besprechen Nutzen, Risiken, Alternativen und persönliche Präferenzen. Dabei helfen absolute Zahlen, weil sie konkret sind.

So könntest du nachfragen (ohne Statistik-Seminar)

• „Wie viele von 100 oder 1.000 profitieren davon wirklich?“
• „Wie viele haben Nebenwirkungen – und wie häufig?“
• „Gilt das für mein Alter und meine Vorerkrankungen?“
• „Über welchen Zeitraum ist der Nutzen zu erwarten?“

Solche Fragen bringen das Gespräch schnell von abstrakten Prozenten zu einer Entscheidung, die zu deinem Leben passt.

Wie du aus relativen Angaben absolute Risiken abschätzen kannst

Manchmal findest du in Artikeln nur relative Angaben. Dann kannst du mit einem geschätzten Basisrisiko arbeiten – zum Beispiel aus dem Text, aus Leitlinien, aus einem Risikorechner oder aus Angaben der Kontrollgruppe im Originalpaper.

Mini-Rechenregel

• Neues Risiko ≈ Basisrisiko × RR
• Absolute Veränderung ≈ Basisrisiko − neues Risiko

Beispiel: Basisrisiko 4 %, RR = 0,75 → neues Risiko 3 %. Absolute Risikoreduktion: 1 Prozentpunkt.

Wichtig: Das ist eine Vereinfachung und gilt nur, wenn RR sinnvoll anwendbar ist und Basisrisiko sowie Population vergleichbar sind.

Wann relative Risiken trotzdem sinnvoll sind

Relative Kennzahlen sind nicht „schlecht“. Sie sind in der Forschung und für den Vergleich hilfreich – solange man sie richtig einordnet.

• Vergleich zwischen Studien: RR ist oft stabiler als absolute Risiken, wenn Populationen ähnliche Grundrisiken haben.
• Mechanistische Plausibilität: Bei Medikamenten kann ein konsistentes relatives Muster über Subgruppen hinweg auf einen robusten Effekt hindeuten.
• Kommunikation von Verhältnisänderungen: In manchen Kontexten (z. B. Epidemiologie) ist die Verhältnisänderung zentral.

Entscheidend bleibt: Für individuelle Entscheidungen brauchst du fast immer zusätzlich die absolute Dimension.

Typische Formulierungen übersetzen: von Marketingdeutsch zu Klartext

„Senkt das Risiko um 30 %“

Meist: relative Risikoreduktion. Frage nach: „Von wie viel auf wie viel?“

„Doppelt so häufig“

Meist: relatives Risiko oder Odds Ratio. Frage nach: „Wie häufig ist es insgesamt?“

„X von 10.000“

Das sind absolute Zahlen – häufig hilfreich, besonders bei seltenen Nebenwirkungen.

„Signifikant reduziert“

Frage nach: „Wie groß ist die Reduktion absolut – und ist sie klinisch relevant?“

Zusatz: Grafiken und Achsenskalierung – wenn Bilder täuschen

Nicht nur Zahlen, auch Diagramme können manipulativ wirken, ohne dass jemand lügt. Eine gekürzte y-Achse lässt Unterschiede riesig erscheinen, obwohl sie in absoluten Prozentpunkten klein sind.

Wenn du eine Grafik siehst, achte auf:

• Beginnt die Achse bei 0? Wenn nicht, kann der Effekt überbetont sein.
• Welche Einheit? Prozent, Prozentpunkte, Fälle pro 1.000?
• Welche Zeitspanne? Pro Jahr, über 5 Jahre, Lebenszeitrisiko?

Fazit: So behältst du bei Gesundheitsstudien den Überblick

Gesundheitsstudien sind wertvoll – aber ihre Ergebnisse werden in der Öffentlichkeit oft verkürzt dargestellt. Wer relative und absolute Risiken unterscheiden kann, erkennt schneller, ob eine Schlagzeile wirklich Substanz hat.

Merke dir drei Kernpunkte:

• Relative Effekte beschreiben Verhältnisse – sie klingen oft größer, als sie im Alltag wirken.
• Absolute Effekte (Prozentpunkte, Fälle pro 1.000) zeigen, wie viel sich tatsächlich ändert.
• NNT übersetzt Nutzen in eine greifbare Zahl und hilft bei Entscheidungen – besonders wenn Nebenwirkungen, Kosten oder Aufwand relevant sind.

Wenn du das nächste Mal „um 50 % reduziert“ liest, hast du jetzt ein einfaches Gegenmittel: Frage nach dem Ausgangsrisiko – und rechne es in absolute Zahlen um. Genau dort beginnt echte Gesundheitskompetenz.