Wer Modelle trainiert oder Daten interpretiert, muss verstehen, dass Korrelation nur lineare Ko-Bewegung misst – nichtlineare Zusammenhänge (z.B. y=x²) liefern r≈0, obwohl eine starke Abhängigkeit besteht. Confounding Variables können Korrelationen erzeugen, die in die Irre führen.