In der Sozialwissenschaft gibt es eine verbreitete Annahme: Deine Umgebung formt dein Verhalten. Verbringst du viel Zeit mit Menschen, die viel trinken, verschiebt sich dein eigenes Trinkverhalten nach oben. Das stimmt wahrscheinlich. Was mich an einem neuen systematischen Review mehr interessiert, ist die andere Hälfte. Deine Trinkgewohnheiten prägen auch, mit wem du am Ende Zeit verbringst.

Der Review, erschienen in Frontiers in Public Health, untersuchte 27 Studien, die eine Gesamtnetzwerkanalyse (GNA) auf vier Verhaltensweisen anwendeten: Rauchen, Alkoholkonsum, körperliche Aktivität und Ernährung. Ziel war es, nachzuverfolgen, wie sich diese Verhaltensweisen innerhalb sozialer Systeme verbreiten und festigen.

Was sie getan haben

Forscher durchsuchten sechs wissenschaftliche Datenbanken nach empirischen Studien, die GNA verwenden, gemäß den PRISMA-2020-Richtlinien. 27 Studien erfüllten die Kriterien.

Das entscheidende Filter-Kriterium war soziozentrische Daten. Die meiste Verhaltensforschung ist egozentrisch: Man befragt jemanden zu seinem persönlichen Netzwerk ("Mit wem verbringst du Zeit?"). GNA ist anders. Sie kartiert jede Beziehung innerhalb einer definierten Population. Das ist es, was GNA auszeichnet.

Was sie herausgefunden haben

Vier Mechanismen traten konsistent bei allen vier Verhaltensweisen auf:

  • Peer-Einfluss. Verbundene Menschen übernehmen gegenseitig Verhaltensweisen im Laufe der Zeit.
  • Homophilie. Menschen mit ähnlichem Verhalten clustern sich zusammen. Wer trinkt, landet in Kreisen mit Trinkenden.
  • Netzwerkkohäsion. Eng verflochtene Gruppen verstärken Verhaltensweisen stärker als locker verbundene.
  • Zentralität. Eine Handvoll strukturell zentraler Personen hat unverhältnismäßig großen Einfluss darauf, welche Normen sich in einem Netzwerk verbreiten.

GNA erwies sich zudem als gut geeignet, Verhaltenscluster zu identifizieren - Untergruppen, in denen sich ein Verhalten konzentriert hat - und ko-evolutionäre Dynamiken zu erfassen, bei denen sich Netzwerkstruktur und Verhalten gemeinsam über die Zeit verändern.

Die deutlichsten Befunde kamen aus Längsschnittstudien, die stochastische akteursorientierte Modelle (SAOMs) verwendeten: statistische Modelle, die zwei Effekte trennen sollen, die häufig vermischt werden. Selektion (du hast Freunde gewählt, die ähnlich trinken wie du) und Einfluss (deine Freunde haben dein Trinkverhalten verändert). Die meisten Studien fanden beide Effekte gleichzeitig am Werk.

Was das bedeutet

Die Trennung von Selektion und Einfluss ist die zentrale Erkenntnis. Die meisten Menschen betrachten ihre soziale Umgebung als etwas, das ihnen passiert ist. GNA zeigt die andere Richtung. Deine Gewohnheiten haben dazu beigetragen, diese Umgebung zu konstruieren.

Zentralität ist wahrscheinlich der am stärksten handlungsrelevante Befund. In jeder Gruppe sitzen einige wenige Menschen an strukturellen Knotenpunkten - viele Verbindungen, hohe Überschneidung zwischen Untergruppen. Ihr Verhalten setzt still die Norm. Wenn jemand Zentrales seinen Rhythmus beim Trinken verändert, tendiert der Cluster dazu, zu folgen. Das ist keine Handlungsempfehlung. So funktioniert Diffusion nun mal.

Der ko-evolutionäre Teil verdient Aufmerksamkeit. Netzwerkstruktur und Verhalten entwickeln sich gemeinsam. Das soziale System, in dem du heute bist, ist zum Teil ein Produkt der Gewohnheiten, die du in den letzten Jahren hattest.

Einschränkungen

27 Studien sind eine bescheidene Basis für einen solchen Review. Die Suche war zudem auf Englisch beschränkt, was nicht-westliche Forschung wahrscheinlich unterrepräsentiert. Die eingeschlossenen Studien variieren stark in Design, Population und methodischer Raffinesse - einige nutzten vollständige längsschnittliche SAOM-Ansätze, andere nicht. Diese Variation macht saubere Verallgemeinerungen schwierig.

Es gibt auch eine strukturelle Einschränkung, die die Autoren benennen: GNA erfordert vollständige Daten über ein gesamtes Netzwerk. Das ist logistisch anspruchsvoll und in standardmäßigen Public-Health-Kontexten selten machbar.

Quelle: Frontiers in Public Health, doi:10.3389/fpubh.2026.1834356