Wie kann man Fragebogen auswerten?

Was bedeutet es, einen Fragebogen auszuwerten?

Einen Fragebogen auszuwerten bedeutet, die gesammelten Rohdaten systematisch aufzubereiten, zu analysieren und so zu interpretieren, dass sie Ihre Forschungsfrage beantworten. Das klingt zunächst abstrakt, lässt sich in der Praxis aber in klar aufeinanderfolgende Schritte gliedern: von der Dateneingabe und Bereinigung über deskriptive Kennzahlen bis hin zu statistischen Tests und einer verständlichen Ergebnisdarstellung.

Wichtig ist dabei eine Einsicht, die in der Methodenliteratur immer wieder betont wird: Fehler durch einen unzureichenden Fragebogen lassen sich in späteren Phasen der Datenerhebung und Analyse kaum noch kompensieren. Die Qualität Ihrer Auswertung hängt also unmittelbar von der Qualität Ihres Messinstruments ab. Wer erst bei der Auswertung merkt, dass eine Frage missverständlich formuliert war, steht vor einem methodischen Problem, das kein statistisches Verfahren lösen kann.

Für eine Umfrage in einer Bachelorarbeit oder Masterarbeit gilt außerdem: Die Auswertung muss nicht nur rechnerisch korrekt sein, sie muss auch transparent nachvollzogen werden können – von Erstkorrektoren genauso wie von Gutachtenden.

Schritt 1: Datenvorbereitung und Kodierung

Bevor Sie auch nur eine Kennzahl berechnen, müssen Ihre Daten in auswertbare Form gebracht werden. Dieser Schritt wird von Studierenden regelmäßig unterschätzt – dabei entscheidet er maßgeblich über die Qualität aller folgenden Analysen.

Kodierung der Antworten

Jede Antwortkategorie erhält einen numerischen Wert. Bei einer 5-Punkte-Likert-Skala bedeutet das typischerweise: 1 = „trifft gar nicht zu“, 2 = „trifft eher nicht zu“, bis hin zu 5 = „trifft voll zu“. Nominale Variablen wie Geschlecht oder Studiengang werden ebenfalls numerisch kodiert, jedoch ohne implizierte Rangfolge.

Bei negativ gepolten Items – also Aussagen, die in umgekehrter Richtung formuliert sind – müssen Sie die Werte vor der Analyse umpolen. Andernfalls würde ein hoher Rohwert einmal Zustimmung und einmal Ablehnung bedeuten, was jede Mittelwertberechnung verzerrt.

Fehlende Werte identifizieren

Prüfen Sie systematisch, welche Fragen unbeantwortet geblieben sind. Überlegen Sie, ob es sich um zufällig fehlende Werte handelt oder ob ein Muster erkennbar ist – etwa dass bestimmte Gruppen bestimmte Fragen übersprungen haben. Das ist nicht nur ein technisches, sondern ein inhaltliches Problem: Auswertungen sollten neben Prozentwerten auch Kodierung, fehlende Werte und methodische Einschränkungen transparent dokumentieren.

Plausibilitätsprüfung

Schauen Sie sich die Häufigkeitsverteilungen Ihrer Variablen frühzeitig an. Gibt es Werte außerhalb des Wertebereichs? Haben einzelne Personen alle Fragen mit demselben Wert beantwortet (sogenannte Straight-Lining)? Solche Auffälligkeiten sollten vor der Hauptanalyse bereinigt oder zumindest begründet dokumentiert werden.

Schritt 2: Deskriptive Statistik – der erste Blick auf die Daten

Die deskriptive Statistik beschreibt Ihre Stichprobe und gibt einen Überblick über die Verteilung der Antworten. Sie bildet die Grundlage für alle weiterführenden Analysen und ist in nahezu jeder Abschlussarbeit unverzichtbar.

Häufigkeiten und Prozentangaben

Für kategoriale Variablen (nominale und ordinale Daten) berichten Sie absolute und relative Häufigkeiten. Beispiel: „68 % der Befragten gaben an, täglich digitale Lernmittel zu nutzen (n = 136).“ Diese Darstellung ist direkt verständlich und bildet die Basis für Balken- oder Kreisdiagramme.

Mittelwert, Median und Streuung

Für metrische Variablen – und bei ausreichender Itemanzahl auch für Likert-Skalen – berechnen Sie:

• Arithmetisches Mittel (): Durchschnittswert aller Antworten
• Median: Mittlerer Wert der sortierten Antworten – robuster gegenüber Ausreißern
• Standardabweichung (): Durchschnittliche Abweichung vom Mittelwert
• Minimum und Maximum: Zeigen die tatsächlich genutzte Bandbreite der Skala

Stichprobenbeschreibung nicht vergessen

Ein häufig übersehener Teil der deskriptiven Auswertung ist die genaue Beschreibung Ihrer Stichprobe: Wie viele Personen haben teilgenommen? Wie ist die Zusammensetzung nach Alter, Geschlecht, Studiengang o. Ä.? Und: Wie hoch war der Rücklauf?

Rücklaufquoten sind kein rein organisatorisches Detail – sie sind ein Qualitätsmerkmal. In publizierter Online-Forschung liegt die durchschnittliche Rücklaufquote bei etwa 44 %. Liegt Ihre Quote deutlich darunter, sollten Sie in der Diskussion auf mögliche Nonresponse-Verzerrungen eingehen – also darauf, ob bestimmte Gruppen systematisch seltener geantwortet haben könnten.

Schritt 3: Inferenzstatistik und Hypothesentests

Wenn Ihre Forschungsfrage über eine reine Beschreibung hinausgeht – also wenn Sie Gruppen vergleichen, Zusammenhänge prüfen oder Unterschiede auf die Grundgesamtheit schließen wollen –, kommen inferenzstatistische Verfahren zum Einsatz.

Typische Fragestellungen und passende Tests

Neben dem p-Wert sollten Sie grundsätzlich auch eine Effektstärke berichten – etwa Cohens d beim t-Test, η² bei der ANOVA oder r bei Korrelationsanalysen. Der p-Wert allein sagt nichts über die praktische Bedeutsamkeit eines Befunds aus.

Welches Skalenniveau bestimmt welche Methode?

Das Skalenniveau Ihrer Variablen ist die wichtigste Weiche für die Methodenwahl. Ein häufiger Fehler ist, ordinale Daten (z. B. einzelne Likert-Items) wie metrische zu behandeln und darauf Mittelwertberechnungen oder t-Tests anzuwenden, für die diese Skala streng genommen nicht geeignet ist.

• Nominal: Kategorien ohne Rangfolge (z. B. Geschlecht, Studiengang) → Häufigkeiten, Chi-Quadrat
• Ordinal: Rangfolge ohne gleiche Abstände (z. B. einzelne Likert-Items) → Median, Rangkorrelation, Mann-Whitney
• Metrisch (intervall/ratio): Gleiche Abstände (z. B. Alter in Jahren, Summenwerte aus Skalen) → Mittelwert, t-Test, ANOVA, Regression

In der Praxis werden Summenwerte oder Mittelwerte aus mehreren Likert-Items häufig als metrisch behandelt – das ist in der Forschung verbreitet und methodisch vertretbar, sollte aber in der Arbeit kurz begründet werden. Wie Sie dabei konkret vorgehen, erklärt der Beitrag zur Auswertung von Umfragedaten ausführlich.

Offene Fragen qualitativ auswerten

Nicht jede Frage in einem Fragebogen liefert numerische Daten. Offene Fragen – also Freitextfelder, in denen Befragte in eigenen Worten antworten – erfordern ein anderes Vorgehen.

Kategorienbildung und Inhaltsanalyse

Der gängigste Ansatz ist die qualitative Inhaltsanalyse: Die Antworten werden gelesen, inhaltlich ähnliche Aussagen zu Kategorien zusammengefasst und diese Kategorien dann ausgezählt oder interpretiert. Wie das methodisch sauber funktioniert, zeigt der Beitrag zur Frage, ob man Fragebögen qualitativ auswerten kann.

Für größere Textmengen bietet sich die Methode nach Mayring an, bei der Kategorien entweder induktiv aus dem Material entwickelt oder deduktiv aus einer Theorie abgeleitet werden. Eine ausführliche Erklärung finden Sie im Beitrag zur Auswertung nach Mayring.

Mischung aus quantitativ und qualitativ

Viele Fragebögen kombinieren geschlossene und offene Fragen. Das ist methodisch sinnvoll: Die geschlossenen Fragen liefern vergleichbare Kennzahlen, die offenen Fragen erlauben Nuancen und Erklärungen, die im vorgegebenen Antwortraster nicht erfasst werden können. In der Auswertung sollten Sie beide Stränge klar voneinander trennen und dann im Ergebnisteil sinnvoll aufeinander beziehen.

Welche Software eignet sich?

Die Wahl der Software hängt von Ihren Vorkenntnissen, dem Umfang der Daten und den Anforderungen Ihrer Hochschule ab. Es gibt keine universell „beste“ Lösung – aber klare Empfehlungen für verschiedene Situationen.

SPSS

SPSS ist an deutschen Hochschulen nach wie vor die am weitesten verbreitete Software für die quantitative Fragebogenauswertung. Die grafische Oberfläche macht viele Analysen zugänglich, ohne dass man Code schreiben muss. Für Studierende ohne Programmiererfahrung ist SPSS daher oft der schnellste Einstieg. Eine Schritt-für-Schritt-Anleitung bietet der Beitrag zur Fragebogenauswertung mit SPSS.

R und Python

R und Python bieten deutlich mehr Flexibilität, erfordern aber eine Einarbeitungszeit in die jeweilige Syntax. Wer bereits mit einer dieser Sprachen vertraut ist, kann damit umfangreiche Auswertungen schnell und reproduzierbar durchführen.

Excel

Für einfache Häufigkeitsauszählungen, Mittelwerte und Diagramme ist Excel eine praktische Option – besonders wenn die Daten ohnehin schon in einer Excel-Tabelle vorliegen. Bei komplexeren Tests stößt Excel jedoch schnell an seine Grenzen. Wie das in der Praxis funktioniert, erklärt der Beitrag Wie wertet man eine Umfrage in Excel aus?

Jamovi und JASP

Beide Programme sind kostenlos, haben eine übersichtliche Oberfläche und eignen sich für Studierende, die keine SPSS-Lizenz haben. Jamovi kann direkt mit R-Paketen erweitert werden und bietet damit einen guten Mittelweg zwischen Benutzerfreundlichkeit und Analysekraft.

Kostenlose Online-Tools

Wer seine Umfrage direkt in einem Online-Tool erstellt hat, kann dort oft auch einfache Auswertungen vornehmen. Was kostenlose Lösungen leisten können und wo ihre Grenzen liegen, zeigt der Beitrag Wie kann ich kostenlos eine Umfrage erstellen und auswerten?

Ergebnisse darstellen und dokumentieren

Eine Auswertung ist erst dann vollständig, wenn die Ergebnisse so dargestellt sind, dass andere sie nachvollziehen können. Das gilt sowohl für die Tabellen und Grafiken im Ergebnisteil als auch für die methodischen Entscheidungen, die Sie im Methodenteil Ihrer Arbeit beschreiben.

Tabellen und Grafiken

Häufigkeiten lassen sich gut als Balkendiagramme visualisieren. Mittelwertvergleiche zwischen Gruppen werden oft als Fehlerbalkendiagramme dargestellt, die auch die Streuung sichtbar machen. Für die Frage, wie Fragebogenergebnisse standardmäßig dargestellt werden, lohnt sich ein Blick in den Beitrag Wie werden die Ergebnisse eines Fragebogens angezeigt?

Transparenz als Qualitätsmerkmal

Fachgesellschaften für Umfrageforschung nennen Transparenz ausdrücklich als Qualitätskriterium: Statistische Anpassungen, Gewichtungen und Kodierungsentscheidungen sollen so dokumentiert werden, dass Leserinnen und Leser nachvollziehen können, wie Rohdaten in Ergebnisse überführt wurden. Für Ihre Abschlussarbeit bedeutet das: Beschreiben Sie im Methodenteil nicht nur, welche Tests Sie verwendet haben, sondern auch warum – und welche Voraussetzungen Sie geprüft haben.

Dazu gehört auch die Angabe von Stichprobengröße, Rücklauf, möglichen Verzerrungen und den Grenzen der Generalisierbarkeit. Eine Auswertung, die nur Tabellen liefert, aber die eigene Methodik nicht reflektiert, wird in wissenschaftlichen Kontexten selten als vollständig bewertet.

Häufige Fehler bei der Fragebogenauswertung

In der Praxis begegnen bestimmte Fehler immer wieder – unabhängig vom Fach und vom Umfang der Arbeit. Die folgende Liste fasst die häufigsten zusammen:

Wenn Sie unsicher sind, ob Ihr gewähltes Verfahren zu Ihren Daten und Ihrer Fragestellung passt, lohnt es sich, die methodische Planung frühzeitig zu klären. Die Seite zur Fragebogenentwicklung und -auswertung für empirische Abschlussarbeiten gibt einen Überblick darüber, wie eine solche methodische Begleitung aussehen kann – von der Skalenwahl über die Auswertungsstrategie bis zur Ergebnisdarstellung.

Für eine umfassende und professionelle Analyse Ihrer Umfragedaten bietet sich außerdem die Möglichkeit an, einen Fragebogen auswerten zu lassen – sinnvoll etwa dann, wenn komplexere Verfahren wie Faktorenanalysen, Strukturgleichungsmodelle oder multivariate Regressionen zum Einsatz kommen sollen.