Wie extrahiert man Daten aus einem Fragebogen?

Was bedeutet Datenextraktion aus einem Fragebogen?

Daten aus einem Fragebogen zu extrahieren bedeutet mehr als das bloße Herunterladen einer CSV-Datei aus einem Online-Tool. Es ist der kontrollierte Prozess, bei dem rohe Fragebogenantworten in einen strukturierten, analysierbaren Datensatz überführt werden – mit dokumentierten Variablen, definierten Kodierungen und bereinigten Werten.

Dieser Prozess liegt zeitlich zwischen der Datenerhebung und der eigentlichen statistischen Analyse. Fehler in Kodierung, Filterführung oder fehlenden Werten können spätere Kennzahlen, Tests und Modelle systematisch verzerren – weshalb eine sorgfältige Datenvorbereitung unverzichtbar ist, bevor Sie die erste deskriptive Statistik berechnen.

Für Studierende, die eine Bachelorarbeit oder Masterarbeit mit einer Fragebogenerhebung schreiben, ist dieser Schritt besonders kritisch: Hier entscheidet sich, ob die Auswertung auf einem soliden Fundament steht oder ob sich methodische Schwächen durch die gesamte Arbeit ziehen.

Rohdaten aus Survey-Tools exportieren

Der erste praktische Schritt ist der Export der Rohdaten aus dem jeweiligen Erhebungstool. Die gängigsten Plattformen im wissenschaftlichen Kontext sind LimeSurvey, SoSci Survey, Qualtrics, Google Forms und Microsoft Forms. Jede dieser Plattformen exportiert Daten in unterschiedlichen Formaten.

Gängige Exportformate im Überblick

Wenn Ihr Tool einen direkten SPSS-Export (.sav) anbietet, sollten Sie diesen bevorzugen – er überträgt Variablennamen, Labels und Antwortkategorien bereits vorstrukturiert. Bei einem reinen CSV-Export müssen Sie diese Informationen manuell nachtragen.

Was der Rohdaten-Export typischerweise enthält

Ein unbearbeiteter Export aus Qualtrics oder SoSci Survey enthält neben den eigentlichen Antworten häufig administrative Metadaten, die für Ihre Analyse nicht relevant sind:

• Startzeit und Endzeitpunkt der Befragung
• IP-Adressen der Befragten
• Fortschrittsbalken-Werte und Statusangaben
• Interne Identifikationsnummern des Tools
• Antwortdauer pro Frage

Diese Spalten müssen vor der weiteren Verarbeitung entfernt werden – sowohl aus Datenschutzgründen als auch um den Datensatz übersichtlich zu halten. Identifizierende Variablen wie IP-Adressen oder E-Mail-Adressen sind vor der Archivierung oder Weitergabe des Datensatzes grundsätzlich zu entfernen.

Datensatz bereinigen und strukturieren

Nach dem Export haben Sie einen Rohdatensatz – aber noch keinen analysierbaren. Die Bereinigung ist der Schritt, bei dem Sie systematisch prüfen, ob die Daten vollständig, plausibel und konsistent sind.

Schritt 1: Vollständigkeit und Struktur prüfen

Öffnen Sie den Datensatz zunächst in Ihrem bevorzugten Programm (SPSS, R, Excel) und verschaffen Sie sich einen Überblick:

• Stimmt die Anzahl der Zeilen (Fälle) mit der erwarteten Anzahl an Teilnehmenden überein?
• Sind alle Fragebogenvariablen als Spalten vorhanden?
• Haben Variablennamen eine klare, konsistente Benennung (z. B. item_01, item_02)?
• Sind numerische Antworten tatsächlich als Zahlen gespeichert und nicht als Text?

Schritt 2: Unvollständige und ungültige Fälle identifizieren

Nicht jeder exportierte Datensatz entspricht einem gültigen Fragebogen. Typische Gründe für Ausschluss:

• Abbruch: Teilnehmende haben den Fragebogen nicht vollständig ausgefüllt
• Straight-lining: Identische Antworten auf alle Items einer Skala (Hinweis auf mangelnde Sorgfalt)
• Unrealistische Bearbeitungszeiten: Sehr kurze Ausfüllzeiten deuten auf Schätzantworten hin
• Ausschlusskriterien: Personen, die die Zielgruppendefinition nicht erfüllen (z. B. falsche Altersgruppe)

Dokumentieren Sie jeden Ausschluss mit einer klaren Begründung. In Ihrer Abschlussarbeit müssen Sie im Methodenteil nachvollziehbar darlegen, wie viele Fälle Sie aus welchem Grund entfernt haben.

Antworten kodieren und ein Codebook anlegen

Kodierung bedeutet, dass Sie jeder Antwortkategorie einen numerischen Wert zuweisen, der maschinell verarbeitet werden kann. Bei geschlossenen Fragen (z. B. Likert-Skalen, Ja/Nein-Fragen, Mehrfachantworten) passiert dies idealerweise bereits im Survey-Tool – bei manuellen oder papierbasierten Erhebungen müssen Sie die Kodierung selbst vornehmen.

Beispiel: Likert-Skala kodieren

Eine fünfstufige Antwortskala von „stimme gar nicht zu“ bis „stimme voll zu“ wird typischerweise wie folgt kodiert:

Das Codebook – das Herzstück der Dokumentation

Ein Codebook hält für jede Variable im Datensatz fest:

• Variablenname (z. B. zufriedenheit_01)
• Variablenlabel (die ursprüngliche Frageformulierung)
• Skalenniveau (nominal, ordinal, metrisch)
• Antwortkategorien und zugehörige Codes
• Kodierung fehlender Werte
• Eventuelle Transformationen (z. B. invertierte Items)

Für Datensätze in Excel empfiehlt sich ein eigenes Tabellenblatt namens „Codebook“, in das die Variablennamen aus der Datentabelle als erste Spalte übertragen werden. So bleibt die Dokumentation direkt mit dem Datensatz verknüpft. Auch bei der späteren Archivierung oder Weitergabe von Forschungsdaten ist ein vollständiges Codebook unverzichtbar: Forschungsdaten müssen in ausreichendem Detail dokumentiert sein, damit Replikation durch andere Forschende möglich wird.

Wenn Sie Ihren Fragebogen von Beginn an methodisch sauber aufgebaut haben, erleichtert das die Kodierungsphase erheblich – denn gut formulierte Fragen lassen sich direkt in eindeutige Variablen überführen.

Fehlende Werte behandeln

Fehlende Werte sind in praktisch jedem Fragebogendatensatz vorhanden. Entscheidend ist, wie Sie mit ihnen umgehen – und dass Sie das Vorgehen transparent dokumentieren.

Arten fehlender Werte

In der Methodenliteratur werden drei Typen unterschieden:

• MCAR (Missing Completely at Random): Das Fehlen hängt weder von der Variablen selbst noch von anderen Variablen ab – der günstigste Fall.
• MAR (Missing at Random): Das Fehlen hängt von anderen beobachteten Variablen ab, aber nicht vom fehlenden Wert selbst.
• MNAR (Missing Not at Random): Das Fehlen hängt vom Wert der fehlenden Variable selbst ab – der problematischste Fall.

Umgang mit fehlenden Werten in der Praxis

Für Abschlussarbeiten sind folgende Strategien üblich:

• Listenweiser Ausschluss (Listwise Deletion): Fälle mit einem oder mehreren fehlenden Werten werden vollständig ausgeschlossen. Einfach, aber kann die Stichprobengröße erheblich reduzieren.
• Paarweiser Ausschluss: Nur bei der jeweiligen Analyse werden Fälle mit fehlenden Werten auf den betroffenen Variablen ausgeschlossen.
• Multiple Imputation: Fehlende Werte werden auf Basis anderer Variablen geschätzt – methodisch robust, aber aufwändiger. In R und SPSS verfügbar.

Für die Auswertung in einer Bachelorarbeit ist listenweiser Ausschluss in den meisten Fällen ausreichend – vorausgesetzt, der Anteil fehlender Werte ist gering (unter 5 %) und Sie begründen das Vorgehen kurz im Methodenteil.

Offene Antworten und qualitative Daten extrahieren

Enthält Ihr Fragebogen offene Fragen, stehen Sie vor einer anderen Herausforderung: Diese Antworten lassen sich nicht einfach in Zahlencodes überführen, sondern müssen inhaltsanalytisch aufbereitet werden.

Vorgehen bei offenen Antworten

Der typische Ablauf für offene Fragen in einem ansonsten quantitativen Fragebogen:

1. Exportieren Sie die offenen Antworten als separate Spalte (Text).
2. Lesen Sie alle Antworten durch und entwickeln Sie ein Kategoriensystem.
3. Kodieren Sie jede Antwort einer oder mehreren Kategorien zu.
4. Überführen Sie die Kategorien in numerische Variablen für die quantitative Auswertung – oder analysieren Sie sie separat als qualitative Daten.

Bei einem überwiegend qualitativ angelegten Fragebogen empfiehlt sich die systematische Inhaltsanalyse nach Mayring. Wie diese Methode konkret funktioniert, erläutert unser Beitrag zur Auswertung nach Mayring. Für rein qualitative Antworten bietet sich außerdem die Software MAXQDA an, die eine strukturierte Kategorisierung und Codierung von Texten unterstützt.

Wenn Sie sich fragen, wie qualitative Antworten aus Umfragen grundsätzlich methodisch angegangen werden, gibt unser Artikel zur Analyse qualitativer Umfrageantworten einen guten Einstieg.

Welche Software eignet sich für welchen Schritt?

Die Wahl der Software hängt davon ab, welches Format Ihre Rohdaten haben und welche Analyseschritte folgen sollen. Hier ein praxisorientierter Überblick:

SPSS

SPSS ist im sozialwissenschaftlichen und psychologischen Kontext die meistgenutzte Software für Fragebogendaten. Der direkte Import von .sav-Dateien aus LimeSurvey, SoSci Survey oder Qualtrics spart viel Aufwand. In der Variablenansicht lassen sich Variablenlabels, Wertlabels und fehlende Werte komfortabel dokumentieren. Wie Sie anschließend vorgehen, zeigt unser Ratgeber zum Fragebogen auswerten mit SPSS.

R

R bietet maximale Flexibilität beim Einlesen verschiedener Formate (CSV, Excel, SPSS) und ist besonders für komplexere Bereinigungsschritte geeignet. Das Paket haven liest SPSS-Dateien direkt ein, readxl verarbeitet Excel-Exporte. Ein einfaches Einlesebeispiel:

# CSV-Export aus Google Forms einlesen
library(readr)
daten <- read_csv("fragebogen_export.csv")

# SPSS-Export aus LimeSurvey einlesen
library(haven)
daten_spss <- read_sav("fragebogen_export.sav")

# Ersten Überblick verschaffen
str(daten_spss)
summary(daten_spss)

# Administrative Spalten entfernen (z.B. IP-Adresse, Zeitstempel)
daten_clean <- daten_spss[ , !names(daten_spss) %in% c("ipaddr", "startdate", "submitdate")]

Excel

Excel eignet sich gut für kleinere Datensätze und für die manuelle Erstellung eines Codebooks. Für komplexere statistische Analysen empfiehlt sich der Wechsel zu SPSS oder R. Nützlich ist Excel vor allem als Zwischenschritt: Rohdaten prüfen, administrative Spalten löschen, Codebook anlegen – und dann als CSV weiterexportieren.

Google Forms / ChatGPT

Wer Daten aus Google Forms erhoben hat und erste Einblicke gewinnen möchte, kann die exportierten Antworten auch mit KI-Tools aufbereiten. Ob und wie das sinnvoll ist, erklärt unser Beitrag dazu, ob ChatGPT Google-Forms-Antworten analysieren kann.

Typische Fehler bei der Datenextraktion

In der Beratungspraxis zeigt sich immer wieder, dass dieselben Fehler auftreten – und dass sie vermeidbar gewesen wären:

Besonders der letzte Punkt wird häufig unterschätzt: Wer im Laufe der Arbeit mehrere bereinigte Datensätze anlegt, verliert schnell den Überblick, welche Version die richtige ist. Benennen Sie Dateien konsequent, zum Beispiel: fragebogen_roh.sav, fragebogen_bereinigt_v1.sav, fragebogen_final.sav.

Wenn Sie anschließend wissen möchten, welche statistischen Verfahren für Ihren bereinigten Datensatz geeignet sind, gibt unser Beitrag zu den statistischen Analysemethoden für Fragebögen einen strukturierten Überblick. Und wer die Ergebnisse nach der Auswertung ansprechend darstellen möchte, findet in unserem Artikel zur Präsentation von Fragebogenergebnissen praktische Hinweise.

Falls Sie Unterstützung bei der methodisch sauberen Aufbereitung und Auswertung Ihrer Fragebogendaten benötigen – von der Rohdatei bis zur interpretierten Ergebnisdarstellung –, stehen die Statistiker bei QuantExpert gerne beratend zur Seite.