Andrei N. Kolmogorow

Moskau, kurz nach der Revolution. Ein junger Mann, kaum zwanzig Jahre alt, hat bereits als Schaffner bei der Eisenbahn gearbeitet, studiert gleichzeitig Mathematik, Geschichte und Metallurgie, und bewegt sich durch eine Welt, in der politische Ordnungen zerfallen und geistige Ordnungen neu entstehen. Er stammt aus einer biografisch zerklüfteten Herkunft: Die Mutter starb bei seiner Geburt, der Vater war abwesend, aufgezogen wurde er von einer Tante und deren Schwestern, die nach damals fortschrittlichen pädagogischen Ideen eine kleine Schule organisierten. Für viele wäre das der Stoff einer schwierigen Lebensgeschichte gewesen. Für Andrei Nikolajewitsch Kolmogorow wurde es der Ausgangspunkt eines Denkens, das ausgerechnet dort nach Halt suchte, wo alles unsicher schien. Nicht im Pathos des Zufalls, sondern in seiner präzisen Ordnung. Als der russische Mathematiker Nikolai Nikolajewitsch Lusin ihn im Jahr 1921 als Schüler annahm, begann eine Laufbahn, die nicht weniger wollte, als der Wahrscheinlichkeit selbst ein Fundament zu geben.

Aus einem zerrissenen Anfang in die Mathematik

Kolmogorows Lebensanfang war von Brüchen geprägt. Seine Mutter starb am 25. April 1903 bei seiner Geburt in Tambow auf der Reise von der Krim nach Tunoschna bei Jaroslawl, wo ihr Vater lebte. Der Vater, Nikolai Katajew, Sohn eines Priesters und Landwirt, kümmerte sich nicht um den Jungen; er fiel 1919 im Bürgerkrieg. Kolmogorow wuchs deshalb bei der Schwester seiner Mutter, Wera Jakowlewna Kolmogorowa, auf. Gemeinsam mit ihren Schwestern organisierte sie eine kleine Schule, die sich an fortschrittlichen pädagogischen Ideen orientierte. Man kann darin rückblickend fast schon eine Vorahnung sehen: Noch bevor Kolmogorow die Mathematik systematisierte, lernte er in einer Umgebung, die Bildung nicht als bloßes Auswendiglernen, sondern als geistige Formung verstand.

Nach dem Umzug nach Moskau im Jahr 1910 besuchte er zunächst ein privates, später öffentliches Gymnasium. Im Jahr 1920 schloss er die Schule ab, arbeitete eine Zeit lang als Schaffner bei der Eisenbahn und begann dann an der Universität Moskau zu studieren. Bemerkenswert ist die Breite seiner frühen Interessen. Er belegte nicht nur Mathematik, sondern parallel auch Veranstaltungen am Mendelejew-Institut für Chemie und Technologie, studierte russische Geschichte und beschäftigte sich sogar mit Katastern von Landbesitzern im Nowgorod des 15. und 16. Jahrhunderts. Diese intellektuelle Weite ist keine biografische Nebensache. Sie erklärt, warum Kolmogorow später nie bloß als Spezialist auftrat, sondern als ein Denker, der Strukturen suchte – in Zahlen, in Texten, in Naturprozessen und zuletzt sogar in Kunst, Literatur und Musik.

Lusin, Moskau und der Aufstieg eines Ausnahmegeistes

Im Jahr 1921 nahm ihn Nikolai N. Lusin als Schüler an. Das war ein entscheidender Schritt. Lusin gehörte zu jener Generation russischer Mathematiker, die Analysis, Mengenlehre und Maßtheorie auf höchstem Niveau betrieb. Kolmogorow stieg in diese Welt mit atemberaubender Geschwindigkeit auf. Früh zeigte sich jene seltene Mischung aus technischer Kraft und begrifflicher Kühnheit, die seine Arbeiten auszeichnen sollte. Später veröffentlichte Kolmogorow rund 500 wissenschaftliche Aufsätze – ein Werk von einer Breite, das von Wahrscheinlichkeitstheorie, Maßtheorie und Turbulenz bis zu Informationstheorie, Logik und algorithmischer Komplexität reicht.

Und doch wäre es irreführend, Kolmogorow nur als Produktionsmaschine mathematischer Originalität zu lesen. Seine Größe lag nicht allein in der Zahl der Arbeiten, sondern in ihrem Charakter. Er fragte immer wieder nach den tragenden Strukturen. Was sind die minimalen Voraussetzungen, unter denen ein Begriff wirklich belastbar wird? Wann ist ein Resultat nur technisch, wann wirklich grundlegend? Gerade diese Neigung erklärt, warum ausgerechnet er im Jahr 1933 das Buch schrieb, das der Wahrscheinlichkeitstheorie ihre bis heute maßgebliche Form gab.

1933: Das Buch, das dem Zufall ein Fundament gab

Im Jahr 1933 erschien im Heidelberger Springer-Verlag auf Deutsch Kolmogorows Lehrbuch "Grundbegriffe der Wahrscheinlichkeitsrechnung". Schon der Titel ist von fast demonstrativer Nüchternheit. Hier wird nicht über Glück, Risiko, Fortuna oder das Spiel des Zufalls philosophiert. Hier werden Grundbegriffe gesetzt. Genau darin lag die historische Leistung. Kolmogorow machte aus einer Disziplin, die sich aus Glücksspiel, Statistik, Physik und Intuition gespeist hatte, eine axiomatisch klare mathematische Theorie.

Die Grundidee war radikal und zugleich elegant: Wahrscheinlichkeit sollte nicht länger über anschauliche Beispiele oder lose Plausibilität motiviert werden, sondern auf wenigen, klaren Regeln ruhen. Er formulierte die Wahrscheinlichkeit als Maß auf einer Menge von Ereignissen. Vereinfacht gesagt: Zuerst beschreibt man, welche möglichen Ergebnisse ein Zufallsexperiment überhaupt haben kann. Dann legt man fest, welche Teilmengen davon als Ereignisse gelten. Und schließlich ordnet man diesen Ereignissen Zahlen zu, die sich an bestimmten Axiomen orientieren. Das klingt abstrakt, war aber genau die Abstraktion, die der Disziplin gefehlt hatte.

Die Axiome 

Kolmogorows Leistung bestand darin, der Wahrscheinlichkeitstheorie eine Form zu geben, die zugleich schlicht und tragfähig ist. Seine Axiome wirken zunächst fast selbstverständlich, doch genau diese Nüchternheit macht ihre Stärke aus. Sie definieren, welche Mindestregeln jede vernünftige Wahrscheinlichkeitszuweisung erfüllen muss.

Das erste Axiom besagt, dass Wahrscheinlichkeiten niemals negativ sein können. Für jedes Ereignis A gilt also: P(A)≥0.

Abb. 01: Axiom 1 [Quelle: Eigene Abbildung]

Das klingt banal, ist aber grundlegend. Eine Wahrscheinlichkeit von minus 20 Prozent wäre keine "ungewöhnliche" Wahrscheinlichkeit, sondern überhaupt keine sinnvolle Wahrscheinlichkeit. Das Axiom sagt damit: Wahrscheinlichkeiten messen eine Form von Möglichkeit oder Gewichtung, aber niemals eine negative Größe.

Das zweite Axiom besagt, dass der gesamte Ergebnisraum die Wahrscheinlichkeit 1 hat: P(Ω)=1.

Ω bezeichnet dabei die Menge aller möglichen Ergebnisse. Wenn man also alle denkbaren Ausgänge eines Zufallsvorgangs zusammen betrachtet, dann muss sicher sein, dass irgendeiner davon eintritt. Die Zahl 1 steht hier für Gewissheit bzw. das "sichere Ereignis". Dieses Axiom verankert die Wahrscheinlichkeitsskala: 0 bedeutet Unmöglichkeit, 1 bedeutet Sicherheit.

Abb. 02: Axiom 2 [Quelle: Eigene Abbildung]

Das dritte Axiom beschreibt, wie Wahrscheinlichkeiten zusammengesetzt werden. Für zwei Ereignisse A und B, die sich gegenseitig ausschließen – also nicht gleichzeitig eintreten können –, gilt: P(A∪B) = P(A) + P(B).

Wenn also entweder das eine oder das andere Ereignis eintritt, und beide sich nicht überschneiden, dann ist die Wahrscheinlichkeit des "Oder" einfach die Summe der Einzelwahrscheinlichkeiten. Allgemeiner formuliert Kolmogorow dies sogar für beliebig viele paarweise disjunkte Ereignisse. Genau dadurch wird die Theorie anschlussfähig für komplexe Modelle mit vielen möglichen Zuständen.

Abb. 03: Axiom 3 [Quelle: Eigene Abbildung]

Gerade in dieser formalen Zurückhaltung liegt die eigentliche Kraft der Axiomatik. Kolmogorow schrieb nicht vor, ob man im konkreten Fall eine Binomialverteilung, eine Poissonverteilung, eine Normalverteilung oder ein Szenariomodell wählen müsse. Er tat etwas Grundsätzlicheres: Er definierte, unter welchen Bedingungen eine Aussage über Wahrscheinlichkeit überhaupt mathematisch konsistent ist. Dadurch konnten sehr unterschiedliche Fragestellungen – Münzwürfe, Schadensereignisse, Kreditausfälle, Maschinendefekte, Cyberattacken oder Lieferkettenunterbrechungen – in dieselbe Sprache übersetzt werden.

Genau deshalb war Kolmogorows Werk aus dem Jahr 1933 keine bloße Lehrbuchübung, sondern eine Art "Grundgesetz der modernen Wahrscheinlichkeitstheorie". Es schuf den Rahmen, innerhalb dessen spätere Modelle, Verteilungen und Anwendungen überhaupt erst sauber formuliert und geprüft werden konnten. Für das Risikomanagement ist das bis heute zentral: Wer mit Wahrscheinlichkeiten arbeitet, braucht nicht nur Daten und Modelle, sondern auch ein klares Verständnis dafür, wann diese Modelle überhaupt logisch und mathematisch tragfähig sind [vgl. Romeike/Stallinger 2021, S. 53 f.].

Warum das für das Risikomanagement entscheidend ist

Hier beginnt die Brücke zum modernen Risikomanagement. Wer heute Risiken modelliert, arbeitet fast immer auf kolmogorowschem Boden – oft ohne es zu bemerken. Schadensverteilungen, Szenarioverteilungen, Ausfallwahrscheinlichkeiten, Stochastische Simulationen, Value-at-Risk-Modelle oder Stresstests setzen stillschweigend voraus, dass es einen wohldefinierten Wahrscheinlichkeitsraum gibt, dass Ereignisse sauber beschrieben werden können und dass die zugewiesenen Wahrscheinlichkeiten konsistent sind.

Genau dort liegt auch die Frage der Modellvalidität. Ein Modell ist nicht schon deshalb valide, weil es Zahlen produziert. Es ist nur dann valide, wenn die mathematische Struktur und die empirische Beschreibung der Wirklichkeit zueinander passen. Kolmogorows Axiomatik garantiert nicht, dass jedes konkrete Risikomodell gut ist. Aber sie macht sichtbar, woran ein Modell scheitern kann: an unsauberen Ereignisdefinitionen, an verdeckten Abhängigkeiten, an falsch angesetzten Verteilungen, an einem vermischten oder unklaren Zustandsraum.

Empirische Studien zur Interpretation von Wahrscheinlichkeitsbegriffen zeigen, dass genau hier ein praktisches Problem qualitativer Risikobewertungen liegt. Selbst scheinbar eindeutige Ereigniszustände werden in Expertenschätzungen und Befragungen häufig nicht axiomatisch sauber behandelt: Das ausgeschlossene Ereignis wird nicht zwingend mit p = 0 und das sichere Ereignis nicht zwingend mit p = 1 beschrieben. In der Studie von Berger wurde dem Begriff "ausgeschlossen" zwar im Median der Wert 0 % zugeordnet, jedoch nannten 25 % der Befragten Werte von 10 % oder mehr. Noch deutlicher war die Abweichung beim Begriff "sicher": Der Median lag bei 95 %, das 25 %-Quartil sogar bei 70 %. Damit wird sichtbar, dass sprachliche Wahrscheinlichkeitsbegriffe ohne präzise Ereignisdefinition und numerische Kalibrierung keine belastbare Grundlage für Risikoaggregation, Szenarioanalyse oder stochastische Simulation bilden. Die Kolmogoroff-Axiome lösen dieses Problem nicht automatisch, sie machen es aber methodisch sichtbar: Ein Wahrscheinlichkeitsmodell setzt voraus, dass der Zustandsraum, die Ereignisse und die Grenzfälle des Unmöglichen und Sicheren eindeutig definiert sind.

Man könnte auch sagen: Kolmogorow lieferte das Fundament, aber kein Gebäude ist allein deshalb stabil, weil sein Fundament mathematisch korrekt beschrieben ist. Wer im Risikomanagement ein Modell validiert, prüft letztlich, ob das darüber errichtete Gebäude noch auf diesem Fundament steht oder ob zwischen Theorie und Realität längst Risse entstanden sind.

Das Missverständnis der Sicherheit

Gerade darin liegt eine oft übersehene Pointe. Kolmogorows Axiomatik macht die Wahrscheinlichkeitstheorie strenger, aber nicht die Welt sicherer. Sie beseitigt keine Unsicherheit; sie macht sie formal behandelbar. Das ist ein großer Unterschied. Ein sauber definiertes Modell kann trotzdem empirisch falsch sein. Eine konsistente Wahrscheinlichkeitsverteilung kann trotzdem am Problem vorbeigehen. Eine elegante Simulation kann trotzdem auf unangemessenen Annahmen beruhen.

Für das Risikomanagement ist das eine heilsame Lektion. Modellvalidität ist nicht bloß ein technischer Abgleich von Rechenschritten, sondern eine Prüfung der Anschlussfähigkeit von Mathematik und Wirklichkeit. Stimmen die Ereignisdefinitionen? Sind die Annahmen über Unabhängigkeit haltbar? Wird der relevante Zustandsraum vollständig erfasst? Sind Extremereignisse als Randphänomene modelliert, obwohl sie systemisch wirken können? Kolmogorow beantwortet diese Fragen nicht im Einzelfall – aber er macht sie unausweichlich.

Mehr als Wahrscheinlichkeit: Der Lehrer Kolmogorow

Kolmogorows Werk erschöpfte sich nicht in Grundlagenforschung. Er engagierte sich über Jahrzehnte intensiv für die Förderung begabter Kinder und Jugendlicher. Unter seiner Initiative entstand an der Moskauer Universität ein Internat mit den Schwerpunkten Mathematik und Physik, die spätere Spezialschule Nr. 18, oft einfach Kolmogorow-Schule genannt. Dort unterrichtete er nicht nur Mathematik, sondern hielt auch Vorlesungen über Kunst, Literatur und Musik. Das ist mehr als eine biografische Ergänzung. Es zeigt, dass Kolmogorow Bildung nicht als Verengung, sondern als Formung des ganzen Denkens verstand.

Schon in den 1930er Jahren interessierte er sich für Mathematikpädagogik in Schulen. Gemeinsam mit Pawel Sergejewitsch Alexandrow, einem bedeutenden sowjetischen Mathematiker und Spezialisten für Topologie, organisierte er im Jahr 1935 Wettbewerbe für mathematisch begabte Schüler – frühe Vorläufer der späteren Mathematikolympiaden. Auch hierin zeigt sich sein Grundzug: Mathematik war für ihn nie bloß ein Spezialgebiet, sondern eine Kulturtechnik der Präzision.

Vom Axiom zur algorithmischen Komplexität

Bemerkenswert ist, dass Kolmogorow sich am Ende seines Schaffens noch einmal einer Neubegründung der Wahrscheinlichkeit zuwandte – nun über die algorithmische Komplexitätstheorie. Die Frage lautete dort nicht mehr nur, mit welchem Maß man Ereignisse belegt, sondern wie sich der Informationsgehalt einzelner Objekte beschreiben lässt. Wie lang ist das kürzeste Programm, das eine gegebene Zeichenfolge erzeugt? Wann ist etwas wirklich zufällig – gerade deshalb, weil es sich nicht mehr komprimieren lässt?

Man könnte darin eine späte, fast poetische Schleife seines Werkes sehen. Der junge Kolmogorow gab der Wahrscheinlichkeit eine axiomatische Form. Der späte Kolmogorow fragte noch einmal nach der inneren Struktur des Zufälligen selbst. Beides gehört zusammen. Es zeigt, dass Fundament und Bewegung, Axiom und Anwendung, Strenge und Offenheit in seinem Werk nie Gegensätze waren.

Fazit: Das Fundament der Unsicherheit

Kolmogorow gehört zu jenen Gestalten der Wissenschaftsgeschichte, deren Leistung sich gerade deshalb schwer erzählen lässt, weil sie so grundlegend geworden ist. Man spürt sein Werk oft eher, als dass man es direkt sieht. Es liegt unter der Oberfläche vieler Modelle, Simulationen, Tests und Prognosen wie ein unsichtbares Tragwerk. Gerade deshalb lohnt der Blick zurück. Denn er erinnert daran, dass ernsthafte Arbeit mit Unsicherheit nicht mit spontanen Intuitionen beginnt, sondern mit sauberen Begriffen.
Für das moderne Risikomanagement ist das eine bleibende Mahnung. Modelle brauchen nicht nur Daten, Rechenleistung und hübsche Ausgabemasken. Sie brauchen ein Fundament. Und dieses Fundament besteht aus klaren Zustandsräumen, konsistenten Ereignisdefinitionen, nachvollziehbaren Wahrscheinlichkeiten und prüfbaren Annahmen. Wo dieser Unterbau fehlt, wird aus Modellierung leicht Zahlenrhetorik. Wo er tragfähig ist, beginnt die Möglichkeit vernünftiger Unsicherheitsarbeit.
Vielleicht ist das die eigentliche Aktualität Kolmogorows. Er hat dem Zufall nicht das Geheimnis genommen, aber dem Denken über ihn eine strukturierte Form gegeben. Und manchmal ist genau das die höchste Leistung einer Theorie: dass sie nicht die Welt beruhigt, sondern unser Urteil über sie belastbarer macht.

Quellenverzeichnis und weiterführende Literaturhinweise

• Kolmogoroff, Andrei Nikolajewitsch (1933): Grundbegriffe der Wahrscheinlichkeitsrechnung, Springer Verlag, Berlin 1933.
• Kolmogorov, Andrei Nikolayevich (1950): Foundations of the Theory of Probability. Chelsea Publishing Company, New York 1950.
• Kolmogorov, Andrei Nikolayevich (1965): Three Approaches to the Quantitative Definition of Information. In: Problems of Information Transmission, Bd. 1, Heft 1, S. 1–7.
• Romeike, Frank / Stallinger, M. (2021): Stochastische Szenariosimulation in der Unternehmenspraxis - Risikomodellierung, Fallstudien, Umsetzung in R, Springer Verlag, Wiesbaden 2021.
• Shiryaev, Albert Nikolayevich (Hrsg.) (2000): Kolmogorov in Perspective. American Mathematical Society, Providence, RI 2000.
• Yushkevich, Adolf Pavlovich (Hrsg.) (1992): A. N. Kolmogorov: Selected Works. Vol. II: Probability Theory and Mathematical Statistics. Kluwer Academic Publishers, Dordrecht 1992.