In einer Kritik der Hempelschen Erklärungstheorie hat W. Stegmüller gezeigt, daß zur Erklärung nur die wirklichen Realgründe, also die Ursachen eines Ereignisses herangegezogen werden können, und W. C. Salmon hat darauf aufmerksam gemacht, daß in Erklärungen nur (statistisch) relevante Faktoren angeführt werden dürfen. Für die Theorie der wissenschaftlichen Erklärung ist daher heute die probabilistische Kausalitätstheorie von P. Suppes besonders interessant; denn Suppes versucht, den Begriff der Ursache statistisch zu fassen und auf den Begriff der (positiven) statistischen Relevanz zurückzuführen. In diesem Aufsatz werden deshalb die Grundzüge der Kausalitätstheorie von Suppes dargestellt und diskutiert. Dabei ergibt sich zunächst, daß Suppes' eigene Formulierung dieser Theorie nicht adäquat ist, da in ihr die Carnapsche Forderung des Gesamtdatums nicht hinreichend berücksichtigt wird. Diese Schwierigkeit kann jedoch überwunden werden, wenn man den Begriff der kausalen Abschirmung bzw. der nur scheinbaren Ursache - in engerer Anlehnung an die Überlegungen Salmons - etwas anders definiert als Suppes und wenn man darüberhinaus bei der Beurteilung der statistischen Relevanz einzelner Faktoren jeweils die Menge aller für ein gegebenes Ereignis statistisch relevanten Ereignisse berücksichtigt. Zum Abschluß wird kurz die Frage aufgeworfen, inwieweit es überhaupt sinnvoll sein kann, den Begriff der Kausalität statistisch zu definieren. Es wird argumentiert, daß sich diese Frage nicht definitiv beantworten läßt, da in diesem Zusammenhang Konventionen eine entscheidende Rolle spielen, daß es jedoch einige - wenn auch eher intuitive - Argumente gegen statistische Kausalitätstheorien gibt, die es wahrscheinlich machen, daß z.B. die Überlegungen J. L. Mackies zum Begriff der Kausalität unserem alltagssprachlichen Begriff der Verursachung sehr viel mehr gerecht werden als die Überlegungen von Suppes.