Fossil-based analyses of clades' diversification patterns require taxonomic expertise and appropriate methodology

Die Autoren kritisieren die Studie von Gardiner et al. zu Neoselachier-Diversifizierungsmustern, da diese aufgrund unzureichender taxonomischer Expertise, fehlerhafter Fossilien-Daten und ungeeigneter Methodik zu Ergebnissen gelangt, die im Widerspruch zum wissenschaftlichen Konsens über das K/Pg-Massenaussterben und die jüngere Artenvielfalt stehen.

Das Wesentliche

🦈 Der Fall des „falschen Zählens": Warum eine neue Studie über Haie die Wahrheit verpasst hat

Stellen Sie sich vor, Sie versuchen, die Geschichte einer großen Familie zu erzählen – sagen wir, die der Haie. Sie haben einen riesigen, alten Schrank voller alter Tagebücher, Fotos und Briefe (das sind die Fossilien). Um zu verstehen, wie die Familie gewachsen ist, wer gestorben ist und wer überlebt hat, müssen Sie diese Dokumente sorgfältig lesen und ordnen.

Eine neue Studie (die wir hier „GEA" nennen) hat versucht, genau das zu tun. Sie haben einen Computer-Künstlichen-Intelligenz-Algorithmus (eine Art super-smarter Roboter) benutzt, um die Daten aus dem Schrank zu analysieren. Die Ergebnisse dieser Studie waren schockierend: Sie behaupteten, dass die Haie den großen Katastrophen vor 66 Millionen Jahren (dem Asteroideneinschlag, der die Dinosaurier auslöschte) fast nichts anhaben konnte. Sie sagten, die Haie seien kaum geschrumpft und hätten sich sofort wieder erholt.

Das Problem: Die Autoren dieses neuen Artikels sagen: „Moment mal! Das kann nicht stimmen." Sie haben sich die Daten der GEA-Studie genauer angesehen und festgestellt, dass der Roboter nicht nur die Daten falsch gelesen hat, sondern dass die Daten selbst voller Fehler stecken.

Hier ist, was schiefgelaufen ist, erklärt mit einfachen Vergleichen:

1. Der „Fotokopier-Fehler" (Falsche Namen)

Stellen Sie sich vor, Sie finden ein altes Foto, auf dem ein Mann steht, aber das Etikett ist unscharf. Es steht dort: „Vielleicht Herr Müller?" oder „Ähnlich wie Herr Müller?".
Die GEA-Studie hat alle diese unsicheren Etiketten einfach als „Herr Müller" abgestempelt.

• Das Ergebnis: Plötzlich taucht „Herr Müller" in Zeiten auf, in denen er gar nicht gelebt hat. In der Studie bedeutet das: Haie, die vor 66 Millionen Jahren ausgestorben waren, tauchten plötzlich in der Zeit danach auf. Der Computer dachte also: „Aha, sie haben überlebt!" Dabei waren es nur falsche Etiketten.
• Die Realität: Fast 84 % der Haie, die als „Überlebende" gelistet waren, waren in Wahrheit gar keine. Es waren nur Verwechslungen.

2. Der „Geister-Schrank" (Ungeprüfte Daten)

Die GEA-Studie hat Daten aus einer riesigen Datenbank gesammelt. Aber sie haben auch viele Einträge übernommen, bei denen niemand wusste, woher das Foto kam.

• Der Vergleich: Es ist, als würde man ein Buch über die Geschichte der Familie schreiben und 40 % der Seiten mit Geschichten füllen, die niemand verifiziert hat, keine Bilder haben und von niemandem unterschrieben wurden.
• Das Ergebnis: Diese „Geister-Daten" haben die Zahlen aufgebläht. Sie haben Haie in Zeiten platziert, in denen sie gar nicht existierten, nur weil jemand in einem alten Buch einen Namen hingeschrieben hatte, ohne Beweise zu liefern.

3. Der „Zeitmaschinen-Fehler" (Falsche Altersangaben)

Manchmal sind Fossilien in Gesteinsschichten vermischt, weil Wasser oder Tiere sie verschoben haben (wie ein durcheinandergeratenes Deckenstapel).

• Der Vergleich: Die GEA-Studie hat einige dieser vermischten Schichten einfach als „Mischung aus Vor- und Nach-Katastrophe" behandelt.
• Das Ergebnis: Das ließ es so aussehen, als hätten Haie, die nur vor der Katastrophe lebten, sie überlebt. In Wahrheit waren sie nur in einer Schicht begraben, die durch Erdbeben oder Tiere nach oben geschoben wurde.

4. Der falsche Rechenweg (Die Mathematik)

Selbst wenn die Daten stimmen würden, hat die GEA-Studie die Zahlen falsch berechnet.

• Der Vergleich: Stellen Sie sich vor, Sie zählen die Menschen in einem Raum.
  • Die GEA-Methode: Sie zählen, wie viele Menschen am Montag im Raum waren, und wie viele am Dienstag. Wenn am Dienstag weniger da sind, sagen sie: „Oh, die Zahl ist gesunken." Aber sie fragen nicht: Wer ist gestorben? Wer ist neu gekommen?
  • Die richtige Methode: Man muss wissen, wie viele Menschen gestorben sind, um zu verstehen, wie schlimm die Katastrophe war.
• Das Ergebnis: Die GEA-Studie hat die Katastrophe dramatisch unterschätzt. Sie sagten, nur 10 % der Haie seien gestorben. Wenn man die Daten richtig korrigiert und die echte Mathematik anwendet, waren es eher 60 % bis 90 %. Das ist ein riesiger Unterschied!

🎯 Das Fazit in einem Satz

Die neue Studie sagt im Grunde: „Man kann keine Geschichte über die Vergangenheit erzählen, wenn man die alten Bücher nicht selbst gelesen und überprüft hat."

Die Autoren warnen davor, die Ergebnisse der GEA-Studie zu glauben. Wenn wir glauben, Haie seien so widerstandsfähig gegen Aussterben wie die GEA-Studie behauptet, könnten wir denken, sie brauchen keinen Schutz. Aber die Wahrheit ist: Haie haben in der Vergangenheit massive Verluste erlitten und sind heute wieder stark bedroht. Wir brauchen also Expertenwissen (Menschen, die Haie kennen) und saubere Daten, bevor wir Computer-Modelle laufen lassen. Sonst erzählen wir nur eine falsche Geschichte.

Technische Zusammenfassung

Titel: Fossilbasierte Analysen von Diversifizierungsmustern von Kladen erfordern taxonomische Expertise und geeignete Methodik

Autoren: Guillaume Guinot et al.

---

1. Problemstellung

Die Abschätzung von Diversifizierungsmustern im tiefen geologischen Zeitalter und die Rekonstruktion der Entstehung der heutigen Biodiversität stellen große Herausforderungen in der Makroevolution dar. Fossile Daten sind hierfür essenziell, weisen jedoch oft eine heterogene zeitliche und geografische Verteilung auf.
Das vorliegende Paper kritisiert eine kürzlich veröffentlichte Studie von Gardiner et al. (GEA), die ein Deep-Learning-Modell und einen Fossilvorkommens-Datensatz nutzten, um die Artenvielfalt der Neoselachier (moderne Haie und Rochen) über die letzten 145 Millionen Jahre zu schätzen.
Kernproblem: Die Ergebnisse von GEA widersprechen dem aktuellen wissenschaftlichen Konsens. GEA behauptet, dass die Neoselachier-Diversität im Kreidezeitalter anstieg, vom K/Pg-Massenaussterben (Kreide/Paläogen, ca. 66 Ma) kaum betroffen war (nur ~10% Artenverlust) und im mittleren Eozän ihren Höhepunkt erreichte, bevor sie bis zur Gegenwart abnahm. Die Autoren des vorliegenden Papers argumentieren, dass diese Diskrepanzen auf eine Kombination aus unvollständigen, unverifizierten und fehlerhaften Fossildaten sowie einer unangemessenen Methodik zurückzuführen sind.

2. Methodik der Kritik und Überprüfung

Die Autoren führten eine kritische Neubewertung des von GEA verwendeten Datensatzes und der angewandten Methodik durch:

• Datensatz-Validierung: Der von GEA genutzte Datensatz (eine Kombination aus der Paleobiology Database und Shark-References) wurde manuell überprüft. Die Autoren konzentrierten sich auf Überlebende und Opfer des K/Pg-Ereignisses.
• Taxonomische Prüfung:
  • Überprüfung der taxonomischen Zuordnung von Arten und Gattungen, die die K/Pg-Grenze überschreiten.
  • Identifizierung von Fehlern bei unsicheren Nomenklaturen (z. B. „cf.", „aff.", „?"), die in GEA fälschlicherweise als gesicherte Arten behandelt wurden.
  • Ausschluss von Einträgen ohne Beleg (keine Abbildungen, keine Exemplarnummern, keine Beschreibungen).
  • Korrektur veralteter Taxonomien und falscher Zuordnungen zu höheren taxonomischen Ebenen (z. B. Familienordnungen).
• Stratigraphische Prüfung: Überprüfung der Alterszuweisungen von Fundstellen. Ein spezifisches Beispiel ist die Lokalität #1155 in Marokko, deren Alter fälschlicherweise als Maastrichtium-Danien angegeben wurde, obwohl es sich um eine durch Bioturbation vermischte Schicht handelt.
• Methodische Analyse: Vergleich der von GEA verwendeten Berechnungsmethode (Netto-Änderung der Artenvielfalt zwischen zwei Zeitintervallen) mit dem etablierten Standard (Berechnung der Aussterberate basierend auf Opfern und Überlebenden innerhalb eines definierten Aussterbeintervalls).

3. Wichtige Beiträge und Ergebnisse

A. Fehler im Fossilvorkommens-Datensatz

Die Überprüfung ergab massive Fehlerquellen im GEA-Datensatz, die die Ergebnisse verzerrten:

1. Fehlerhafte Behandlung unsicherer Nomenklatur: 7,4 % der Einträge (1.821 Vorkommen), die ursprünglich als unsicher („cf.", „aff.") gekennzeichnet waren, wurden willkürlich als gesicherte Arten behandelt. Dies führte zu künstlich hohen Zahlen an K/Pg-Überlebenden.
2. Inklusion unverifizierter Daten: 39 % der Einträge (9.561 Vorkommen) basierten auf keinen physischen Belegen (keine Illustrationen oder Spezimennummern). Diese sollten eigentlich ausgeschlossen werden.
3. Fehlerhafte Alterszuweisungen: Durch falsche Altersangaben (z. B. bei gemischten Schichten) wurden kreidezeitliche Arten fälschlicherweise als Überlebende des K/Pg-Ereignisses klassifiziert.
4. Fehlende Daten: Wichtige Opferarten und Typuslokalitäten wurden aufgrund des Ausschlusses von Literatur vor 1970 ignoriert.

B. Ergebnisse der Neuberechnung

Nach Bereinigung der Daten (Korrektur der Taxonomie und des Alters) änderten sich die Schlussfolgerungen drastisch:

• K/Pg-Aussterbeereignis: Während GEA einen Artenverlust von nur ~10 % (bzw. eine Netto-Änderung von -32 %) berechnete, ergab die Neuberechnung mit korrigierten Daten und der konventionellen Methode eine Aussterberate von 93,53 % für Arten (und 65,29 % für Gattungen).
• Vergleich mit anderen Studien: Die korrigierten Werte stimmen mit früheren Schätzungen (z. B. 62,63 % basierend auf Bayes'scher Modellierung) überein, die von einem massiven Einbruch und einer verzögerten Erholung ausgehen.
• Methodische Kritik: Die von GEA verwendete Methode, die bloße Netto-Änderung der Artenvielfalt zwischen zwei Zeitintervallen vergleicht, ignoriert die zugrunde liegenden Speziations- und Aussterberaten. Dies führt zu irreführenden Ergebnissen, da verschiedene evolutionäre Geschichten zu ähnlichen Diversitätskurven führen können.

4. Bedeutung und Fazit

• Warnung vor „Black-Box"-Methoden: Das Paper unterstreicht, dass Deep-Learning-Modelle und große Datensätze ohne tiefgreifende taxonomische Expertise und manuelle Datenvalidierung zu fehlerhaften Ergebnissen führen können. Die reine Quantität der Daten (Anzahl der Vorkommen) kompensiert keine qualitativen Fehler in der Taxonomie oder Stratigraphie.
• Konservatismus vs. Realität: Die Studie warnt davor, dass die Unterschätzung des K/Pg-Aussterbens durch GEA den falschen Eindruck erweckt, Neoselachier seien widerstandsfähig gegen Massenaussterben. Tatsächlich zeigen die korrigierten Daten, dass diese Gruppe in der Vergangenheit massive Verluste erlitt.
• Implikationen für den Artenschutz: Da Neoselachier heute stark bedroht sind, ist ein korrektes Verständnis ihrer historischen Resilienz (oder deren Fehlen) entscheidend für den Naturschutz. Die Fehleinschätzung könnte zu falschen Annahmen über ihre Fähigkeit führen, sich von aktuellen anthropogenen Bedrohungen zu erholen.
• Empfehlung: Die Autoren raten dringend davon ab, den von GEA verwendeten, fehlerhaften Datensatz für weitere Analysen der Diversifizierung zu nutzen, und betonen die Notwendigkeit einer strengen taxonomischen Kuratierung und geeigneter methodischer Ansätze in der Paläobiologie.