Wie kann ich die Daten einer Umfrage auswerten?
In diesem Beitrag
- Was bedeutet Umfragedaten auswerten?
- Schritt 1 – Daten vorbereiten und bereinigen
- Schritt 2 – Fehlende Werte behandeln
- Schritt 3 – Deskriptive Statistik: Den Datensatz beschreiben
- Schritt 4 – Inferenzstatistik: Hypothesen prüfen
- Schritt 5 – Offene Fragen auswerten
- Welche Software eignet sich zur Umfrageauswertung?
- Transparenz und Dokumentation: Warum beides unverzichtbar ist
Was bedeutet Umfragedaten auswerten?
Die Auswertung von Umfragedaten bezeichnet den Prozess, aus rohen Antworten einer Befragung belastbare, interpretierbare Ergebnisse zu gewinnen. Das klingt zunächst nach einer rein technischen Aufgabe – in Wirklichkeit stecken dahinter mehrere methodische Entscheidungen, die bereits vor der eigentlichen Berechnung getroffen werden müssen.
Im Kern umfasst eine vollständige Umfrageauswertung fünf Arbeitsschritte: Datenaufbereitung, Umgang mit fehlenden Werten, deskriptive Analyse, inferenzstatistische Tests (sofern Hypothesen vorhanden sind) sowie die Darstellung und Interpretation der Ergebnisse. Wer diese Schritte systematisch durchläuft, legt nicht nur eine solide Grundlage für seine Ergebnisse, sondern erfüllt auch die methodischen Anforderungen, die an wissenschaftliche Abschlussarbeiten gestellt werden.
Schritt 1 – Daten vorbereiten und bereinigen
Bevor Sie auch nur eine Häufigkeitstabelle erstellen, müssen Ihre Rohdaten in einen analysierbaren Zustand gebracht werden. Dieser Schritt wird von Studierenden häufig unterschätzt – und ist gleichzeitig einer der wichtigsten.
Codierung und Variablenstruktur
Jede Antwortoption Ihres Fragebogens braucht einen numerischen Code. Eine Likert-Skala von „stimme überhaupt nicht zu“ bis „stimme voll zu“ wird typischerweise mit 1 bis 5 codiert. Dichotome Ja/Nein-Antworten erhalten die Codes 0 und 1. Diese Codierungen werden in einem sogenannten Codebuch festgehalten.
Darüber hinaus sollten Sie prüfen, ob alle Variablen im richtigen Format vorliegen: Sind kategoriale Variablen als nominal oder ordinal hinterlegt? Sind metrische Werte tatsächlich als Zahlen und nicht als Text gespeichert?
Datenbereinigung
Zur Bereinigung gehört das Ausschließen unvollständiger, widersprüchlicher oder offensichtlich unernst ausgefüllter Fragebögen. Gängige Ausschlusskriterien sind:
- Fragebögen mit mehr als 20–30 % fehlender Antworten
- Antwortmuster, die auf Straight-Lining (stets dieselbe Antwortoption) hindeuten
- Bearbeitungszeiten, die deutlich unter der Mindestzeit liegen
- Logisch inkonsistente Antworten (z. B. widersprüchliche Angaben beim Alter)
Wie bei allen guten wissenschaftlichen Praktiken gilt: Dokumentieren Sie jeden Ausschluss mit einer kurzen Begründung. Variablen, Codierungen, Filter und alle Änderungen an der Rohdatei sollten so nachvollziehbar festgehalten werden, dass andere Forschende Ihre Entscheidungen verstehen und reproduzieren können. Das ist keine bürokratische Pflicht, sondern ein Qualitätsmerkmal.
Schritt 2 – Fehlende Werte behandeln
Kaum ein Umfragedatensatz ist vollständig. Teilnehmende überspringen Fragen, brechen vorzeitig ab oder antworten bei bestimmten Items nicht. Der Umgang mit diesen Missing Values hat direkten Einfluss auf die Validität Ihrer Ergebnisse.
Drei gängige Strategien
| Strategie | Beschreibung | Geeignet wenn… |
|---|---|---|
| Listenweiser Ausschluss | Alle Fälle mit mindestens einem fehlenden Wert werden ausgeschlossen | Anteil fehlender Werte gering (< 5 %) und zufällig verteilt |
| Paarweiser Ausschluss | Nur für die jeweilige Berechnung relevante Fälle werden ausgeschlossen | Unterschiedliche Stichprobengrößen pro Analyse akzeptabel |
| Imputation | Fehlende Werte werden durch geschätzte Werte ersetzt | Systematische Ausfälle, höherer Anteil fehlender Werte |
Wichtig: Fehlende Werte einfach zu ignorieren kann zu verzerrten Ergebnissen führen, wenn die Ausfälle nicht zufällig sind. Die Imputation fehlender Werte erfordert dabei mehrere methodische Entscheidungen – darunter die Wahl des Imputationsverfahrens, die Anzahl der imputierten Datensätze und die Auswahl geeigneter Prädiktorvariablen. In Ihrer Arbeit sollten Sie in jedem Fall begründen, welche Strategie Sie gewählt haben.
Schritt 3 – Deskriptive Statistik: Den Datensatz beschreiben
Die deskriptive Auswertung bildet das Herzstück jeder Umfrageanalyse. Hier beschreiben Sie, wie Ihre Stichprobe zusammengesetzt ist und wie die Antworten verteilt sind – bevor Sie irgendwelche Schlussfolgerungen ziehen.
Stichprobenbeschreibung
Typischerweise beginnt der Ergebnisteil mit der Beschreibung der Stichprobe: Alter, Geschlecht, Bildungsstand, Berufsgruppe – je nachdem, welche soziodemografischen Merkmale Sie erhoben haben. Diese Angaben helfen Lesenden, die Reichweite und Übertragbarkeit der Ergebnisse einzuschätzen.
Häufigkeiten und Kennwerte
Für die einzelnen Items berechnen Sie je nach Skalenniveau unterschiedliche Kennwerte:
- Nominale Variablen (z. B. Geschlecht, Berufsfeld): Absolute und relative Häufigkeiten, Modus
- Ordinale Variablen (z. B. Likert-Skalen): Häufigkeiten, Median, ggf. Mittelwert (bei hinreichend symmetrischer Verteilung)
- Metrische Variablen (z. B. Alter, Einkommen): Mittelwert, Standardabweichung, Minimum, Maximum
Ein typisches Maß für Likert-Skalen ist der Mittelwert über alle Antwortenden, ergänzt durch die Standardabweichung als Streuungsmaß. Wie die Ergebnisse anschließend am besten präsentiert werden, hängt von der Fragestellung ab – mehr dazu erfahren Sie im Beitrag zur Darstellung von Fragebogenergebnissen.
Skalenbildung und Indexwerte
Wenn mehrere Items ein gemeinsames Konstrukt erfassen (z. B. „Arbeitszufriedenheit“), werden sie häufig zu einer Skala zusammengefasst. Dafür prüfen Sie zunächst die interne Konsistenz – üblicherweise mit Cronbachs Alpha. Ein Wert von α ≥ 0,70 gilt in der Forschungspraxis als akzeptabel.
Cronbachs Alpha
Dabei ist k die Anzahl der Items, die Varianz des jeweiligen Items und die Gesamtvarianz der Skala.
Schritt 4 – Inferenzstatistik: Hypothesen prüfen
Wenn Ihre Arbeit Hypothesen enthält – zum Beispiel „Gruppe A unterscheidet sich signifikant von Gruppe B in ihrer Bewertung von X“ –, kommen inferenzstatistische Verfahren ins Spiel. Welcher Test geeignet ist, hängt von der Anzahl der Gruppen, dem Skalenniveau und der Verteilung der Daten ab.
Typische Tests in der Umfrageauswertung
| Fragestellung | Verfahren | Voraussetzung |
|---|---|---|
| Unterschied zwischen 2 Gruppen (metrisch) | t-Test für unabhängige Stichproben | Normalverteilung, Varianzhomogenität |
| Unterschied zwischen 2 Gruppen (ordinal) | Mann-Whitney-U-Test | Ordinales Skalenniveau |
| Unterschied zwischen ≥ 3 Gruppen (metrisch) | Einfaktorielle ANOVA | Normalverteilung, Varianzhomogenität |
| Zusammenhang zweier metrischer Variablen | Pearson-Korrelation | Linearität, Normalverteilung |
| Zusammenhang nominaler Variablen | Chi-Quadrat-Test | Mindestbesetzung der Zellen |
| Einfluss mehrerer Prädiktoren | Lineare oder logistische Regression | Je nach Skalenniveau der AV |
Neben dem p-Wert sollten Sie immer auch eine Effektstärke berichten – etwa Cohens d beim t-Test oder η² bei der ANOVA. Ein statistisch signifikantes Ergebnis sagt noch nichts darüber aus, wie bedeutsam ein Unterschied in der Praxis wirklich ist. Mehr zur konkreten Durchführung finden Sie in unserem Beitrag zum Fragebogen auswerten mit SPSS.
Schritt 5 – Offene Fragen auswerten
Offene Fragen liefern wertvolle Einblicke – sie lassen sich aber nicht einfach in eine Häufigkeitstabelle überführen. Sie müssen zunächst codiert werden, bevor eine quantitative oder qualitative Auswertung möglich ist.
Induktive und deduktive Codierung
Bei der deduktiven Codierung entwickeln Sie ein Kategoriensystem vorab auf Basis der Theorie und ordnen die Antworten diesen Kategorien zu. Bei der induktiven Codierung entstehen die Kategorien direkt aus dem Material heraus. In der Praxis wird häufig eine Kombination beider Ansätze verwendet.
Nach der Codierung können Sie auch für offene Antworten Häufigkeiten bilden: Wie viele Personen haben Kategorie X genannt? Welche Themen dominieren? Für eine tiefergehende Auswertung qualitativer Daten lohnt sich ein Blick auf die Analyse qualitativer Umfrageantworten.
Welche Software eignet sich zur Umfrageauswertung?
Die Wahl der Software hängt von Ihren Vorkenntnissen, der Komplexität der Analyse und den Anforderungen Ihrer Hochschule ab. Die verbreitetsten Optionen im akademischen Bereich sind:
- SPSS: Weit verbreitet in Sozial- und Wirtschaftswissenschaften, bietet eine grafische Benutzeroberfläche und eignet sich gut für Einsteiger. Fast alle gängigen Umfrage-Tests sind direkt über Menüs zugänglich.
- R: Kostenlos, sehr flexibel und für komplexe Analysen geeignet. Erfordert Einarbeitung, bietet aber auch Pakete speziell für Survey-Daten (z. B.
survey). - Jamovi: Basiert auf R, hat aber eine zugängliche grafische Oberfläche – ideal, wenn Sie die Einstiegshürde von R scheuen.
- Excel: Für einfache Häufigkeitsauszählungen und Diagramme geeignet, stößt bei komplexeren Tests jedoch schnell an Grenzen.
- MAXQDA: Speziell für qualitative und Mixed-Methods-Auswertungen, einschließlich der Codierung offener Antworten.
Für eine vollständige Schritt-für-Schritt-Anleitung zur Auswertung in SPSS – von der Dateneingabe bis zu inferenzstatistischen Tests – steht Ihnen unser Artikel Umfrage auswerten als weiterführende Ressource zur Verfügung.
Transparenz und Dokumentation: Warum beides unverzichtbar ist
Eine häufig übersehene Dimension der Umfrageauswertung ist die methodische Transparenz. Es reicht nicht, Ergebnisse zu präsentieren – Sie müssen auch nachvollziehbar machen, wie sie zustande gekommen sind.
Was in den Methodenteil gehört
Laut Best-Practice-Empfehlungen für die Berichterstattung von Umfrageauswertungen sollten folgende Angaben im Methodenteil Ihrer Arbeit enthalten sein:
Methodenteil-Checkliste für Umfrageauswertungen
- Beschreibung des Stichprobenziehungsverfahrens und der Grundgesamtheit
- Stichprobengröße und Rücklaufquote
- Erhebungszeitraum und -instrument (inkl. Version des Fragebogens)
- Umgang mit fehlenden Werten (Ausschluss oder Imputation, mit Begründung)
- Codierungsregeln für offene und geschlossene Items
- Verwendete statistische Verfahren (mit Angabe der Software und Version)
- Signifikanzniveau und berichtete Effektstärken
- Mögliche Verzerrungen (Non-Response-Bias, Selbstselektion)
Diese Anforderungen sind nicht akademischer Selbstzweck. Eine Auswertung, die methodisch transparent dokumentiert ist, kann von anderen Forschenden nachvollzogen und auf Fehler überprüft werden – ein Grundprinzip wissenschaftlicher Praxis. Daten sollten dabei so detailliert dokumentiert werden, dass eine unabhängige Prüfung der Ergebnisse möglich ist.
Wenn Sie beim Auswerten Unterstützung benötigen
Der beschriebene Prozess von der Datenbereinigung über die Skalenbildung bis hin zu inferenzstatistischen Tests umfasst viele Entscheidungen, die Methodenwissen voraussetzen. Gerade wenn Ihre Auswertung im Rahmen einer Abschlussarbeit stattfindet, lohnt es sich, frühzeitig methodische Begleitung in Anspruch zu nehmen. Die professionelle Unterstützung bei Fragebogen und Umfrageauswertung umfasst dabei nicht nur die Berechnung, sondern auch die Interpretation und die korrekte Darstellung im Ergebnisteil.
Wer konkret eine strukturierte Auswertung benötigt, kann außerdem den Service Fragebogen auswerten lassen in Anspruch nehmen – von der Datenpräparation bis zum fertig kommentierten Ergebnisteil.
