Seit 2019 im DACH-RaumSeit 2019
50+ Statistik-Experten50+ Experten
Über 1.200 Projekte1.200+ Projekte
Alle StatistikprogrammeAlle Programme
Express möglichExpress
Statistik-Ratgeber

Wie wertet man Befragungen aus?

Fragebogen / Umfrage · Maximilian Fuchs · 18. Mai 2026 · 10 Min. Lesezeit

Was bedeutet „Befragung auswerten“ eigentlich?

Die Auswertung einer Befragung umfasst weit mehr als das Berechnen von Prozentwerten. Sie beginnt mit der Datenaufbereitung, schließt die Prüfung auf fehlende Werte und Datenqualität ein und führt über deskriptive Statistik bis zu inferenzstatistischen Tests – je nach Forschungsfrage.

Für Ihre Abschlussarbeit ist entscheidend, dass die einzelnen Schritte methodisch sauber dokumentiert und nachvollziehbar sind. Dabei spielt es keine Rolle, ob Sie 80 oder 800 Antworten ausgewertet haben: Die Logik der Auswertung bleibt dieselbe.

Gut zu wissen Die Auswertung einer Befragung folgt einem festen Ablauf: Datenaufbereitung → Qualitätsprüfung → Deskription → Inferenz → Interpretation. Wer diesen Ablauf kennt, verliert beim Schreiben der Methodik nicht den Überblick.

Schritt 1: Daten aufbereiten und kodieren

Bevor Sie auch nur eine Häufigkeitstabelle erstellen, müssen Ihre Rohdaten analysierbar gemacht werden. Das betrifft vor allem drei Aufgaben:

  • Kodierung: Antworten erhalten numerische Codes. „Stimme voll zu“ wird z. B. zu 5, „Stimme gar nicht zu“ zu 1.
  • Umkodierung: Negativ gepolte Items müssen invertiert werden, bevor Skalen gebildet werden.
  • Variablenbezeichnungen: Vergeben Sie eindeutige Variablennamen (z. B. stress_item1, stress_item2), damit die Datei auch nach Wochen noch lesbar ist.

Wie genau dieser Schritt in der Praxis aussieht – von der Datenstruktur bis zur Indexbildung – erklärt unser Beitrag zum Kodieren von Fragebogendaten für die Auswertung.

Dubletten und Ausreißer entfernen

Prüfen Sie außerdem, ob Teilnehmende mehrfach geantwortet haben (bei Online-Befragungen häufig), und ob einzelne Fälle durch extrem unwahrscheinliche Antwortkombinationen auffallen. Solche Fälle sollten Sie dokumentieren – entweder begründet ausschließen oder im Ergebnisteil als Einschränkung benennen.

Schritt 2: Fehlende Werte prüfen und behandeln

Fehlende Werte sind in Befragungsdaten fast immer vorhanden – und sie sind keine technische Nebensache. Das Ignorieren des zugrunde liegenden Ausfallmechanismus oder eine falsche Annahme darüber kann zu stark verzerrten Schätzungen und erhöhter Varianz führen.

Für die Praxis bedeutet das: Bevor Sie Mittelwerte berichten oder Gruppenvergleiche anstellen, müssen Sie das Muster der fehlenden Werte analysieren und eine begründete Strategie wählen.

Drei gängige Strategien im Überblick

Strategien zum Umgang mit fehlenden Werten
Strategie Wann sinnvoll? Risiko
Listenweiser Ausschluss (Complete Case Analysis) Wenige Fehlwerte, zufälliges Muster (MCAR) Reduzierte Stichprobengröße, höhere Varianz
Einzelne Items ausschließen (Paarweiser Ausschluss) Item-Nonresponse bei einzelnen Fragen Unterschiedliche N je nach Analyse
Imputation Viele Fehlwerte, systematisches Muster (MAR, MNAR) Komplexer, erfordert Begründung und Dokumentation

Bei der Imputation werden fehlenden Werten plausible Ersatzwerte zugewiesen – häufig unter Einbeziehung von Prädiktorvariablen aus dem Datensatz. Besonders bei einkommens- oder bildungsbezogenen Fragen ist zu beachten, dass die Wahrscheinlichkeit, eine Frage nicht zu beantworten, oft mit dem tatsächlichen Ausprägungswert zusammenhängt (MNAR – Missing Not at Random). Das macht eine einfache Imputation ohne Begründung methodisch riskant.

Schritt 3: Rücklaufquote und Nonresponse dokumentieren

Viele Studierende berichten zwar die Anzahl auswertbarer Fragebögen, vernachlässigen aber die transparente Dokumentation von Rücklauf und Ausfällen. Das ist methodisch problematisch: Rücklauf, Ausfälle und Fallstatus beeinflussen direkt die Aussagekraft Ihrer Ergebnisse und müssen daher nach dokumentierten Fallstatus-Codes transparent berichtet werden.

Was gehört in die Dokumentation?

  • Wie viele Personen wurden kontaktiert oder eingeladen?
  • Wie viele haben den Fragebogen vollständig ausgefüllt?
  • Wie viele haben ihn abgebrochen (und an welcher Stelle)?
  • Wie viele haben sich aktiv verweigert?
  • Wie viele konnten nicht erreicht werden?

Aus diesen Angaben ergibt sich die Response Rate – und damit ein wichtiges Qualitätsmerkmal Ihrer Erhebung. In der Forschungspraxis gilt: Liegt die Unit Response Rate unter 80 % oder die Item Response Rate für zentrale Variablen unter 70 %, sollte eine Nonresponse-Bias-Analyse geplant werden, bevor die inhaltliche Interpretation der Ergebnisse beginnt.

Welche Stichprobenmethode Sie ursprünglich gewählt haben, beeinflusst dabei, wie Sie den Nonresponse methodisch einordnen.

Schritt 4: Deskriptive Analyse – Häufigkeiten, Mittelwerte, Streuung

Die deskriptive Auswertung ist das Herzstück jeder Befragungsauswertung. Sie beschreibt, was in Ihren Daten tatsächlich passiert – bevor Sie Hypothesen testen oder Zusammenhänge modellieren.

Häufigkeitstabellen und Prozentwerte

Für nominale und ordinale Variablen (z. B. Geschlecht, Bildungsabschluss, Likert-Items) sind absolute und relative Häufigkeiten das Standardwerkzeug. Berichten Sie grundsätzlich beides – und geben Sie bei fehlenden Werten an, ob sich die Prozentwerte auf die Gesamtfallzahl oder die gültigen Fälle beziehen.

Mittelwert und Standardabweichung

Für metrische Variablen – und unter bestimmten Voraussetzungen auch für Likert-Skalen – berichten Sie Mittelwert () und Standardabweichung (). Diese beiden Kennwerte zusammen geben ein vollständiges Bild der Verteilung.

Mittelwert einer Befragungsvariablen

Kreuztabellen für Gruppenvergleiche

Wenn Sie wissen wollen, ob sich zwei Gruppen in ihrer Antwortverteilung unterscheiden (z. B. Frauen vs. Männer bei einer Einstellungsfrage), sind Kreuztabellen der erste Schritt. Sie zeigen die gemeinsame Verteilung zweier kategorialer Variablen und bilden die Basis für den Chi-Quadrat-Test.

Schritt 5: Inferenzstatistische Verfahren wählen

Ob und welche inferenzstatistischen Tests Sie einsetzen, hängt von Ihren Forschungshypothesen und dem Skalenniveau Ihrer Variablen ab. Ein häufiger Fehler ist es, die Testwahl dem Zufall zu überlassen oder pauschal denselben Test für alle Fragestellungen zu verwenden.

Entscheidungshilfe: Welches Verfahren wann?

Übersicht inferenzstatistischer Verfahren für Befragungsdaten
Fragestellung Skalenniveau Verfahren
Unterschied zwischen 2 Gruppen Metrisch t-Test für unabhängige Stichproben
Unterschied zwischen 3+ Gruppen Metrisch ANOVA
Zusammenhang zweier Variablen Metrisch Pearson-Korrelation, lineare Regression
Zusammenhang zweier Variablen Ordinal Spearman-Korrelation
Häufigkeitsverteilung / Unabhängigkeit Nominal/Ordinal Chi-Quadrat-Test
Vorhersage einer abhängigen Variable Metrisch (AV) Multiple Regression

Welche statistische Analysemethode für Ihren Fragebogen am besten geeignet ist, hängt nicht nur vom Skalenniveau, sondern auch von der Verteilung Ihrer Daten und der Stichprobengröße ab. Bei der Wahl zwischen ANOVA und t-Test hilft außerdem unser Beitrag zum Thema, wann man eine ANOVA und wann einen t-Test verwenden sollte.

Voraussetzungen prüfen

Parametrische Tests wie der t-Test oder die ANOVA setzen bestimmte Voraussetzungen voraus – insbesondere Normalverteilung der Residuen und Varianzhomogenität. Prüfen Sie diese Voraussetzungen immer vorab und berichten Sie das Ergebnis in Ihrer Methodik.

Besonderheit: Likert-Skalen auswerten

Likert-Skalen gehören zu den am häufigsten eingesetzten Messinstrumenten in empirischen Abschlussarbeiten – und zu den am häufigsten falsch ausgewerteten. Die Kernfrage lautet: Dürfen Sie Mittelwerte bilden, oder müssen Sie auf Mediane zurückgreifen?

In der Praxis hat sich eine pragmatische Haltung durchgesetzt: Bei Skalen mit 5 oder mehr Abstufungen und annähernder Normalverteilung sind Mittelwerte und parametrische Tests methodisch vertretbar. Voraussetzung ist, dass Sie die Skalenstruktur vorab auf Reliabilität (z. B. Cronbachs Alpha) und auf inhaltliche Konsistenz geprüft haben.

Eine ausführliche Anleitung dazu, wie man Likert-Skalen korrekt auswertet, finden Sie in unserem separaten Beitrag – inklusive der Frage, wann eine Summenskalenbildung sinnvoll ist.

Besonderheit: Offene Fragen auswerten

Offene Fragen liefern qualitative Daten – und erfordern damit eine andere Auswertungslogik als geschlossene Items. Hier stehen zwei grundsätzliche Wege offen:

  • Inhaltsanalyse nach Mayring: Systematische Kategorienbildung auf Basis des Textmaterials. Geeignet, wenn Sie inhaltliche Muster identifizieren und nachvollziehbar dokumentieren wollen.
  • Häufigkeitsbasierte Auswertung: Kodierung offener Antworten in Kategorien mit anschließender quantitativer Auswertung. Geeignet, wenn Sie viele Kurzantworten haben und eine statistische Einbettung anstreben.

Ob Ihr Fragebogen eher qualitativ oder quantitativ ausgewertet werden sollte, hängt dabei wesentlich vom Fragetyp und Ihrer Forschungsfrage ab. Eine detaillierte Darstellung der qualitativen Auswertungslogik bietet unser Beitrag zur Auswertung nach Mayring.

Einfach erklärt Offene Fragen in einer ansonsten quantitativen Befragung werden häufig als Ergänzung genutzt: Sie helfen dabei, unerwartete Antwortmuster aus den geschlossenen Items zu erklären oder zu kontextualisieren. Das macht die Arbeit reichhaltiger – erhöht aber auch den Auswertungsaufwand erheblich.

Welche Software eignet sich für die Auswertung?

Die Wahl der Auswertungssoftware hängt von Ihren Vorkenntnissen, der Komplexität Ihrer Analysen und den Anforderungen Ihrer Hochschule ab. Die gängigsten Optionen im Überblick:

  • SPSS: Weit verbreitet in Psychologie und Sozialwissenschaften, menügeführt, gut dokumentiert. Besonders für Einsteiger geeignet. Eine Schritt-für-Schritt-Anleitung bietet unser Beitrag zum Fragebogen auswerten mit SPSS.
  • R: Kostenfrei, sehr leistungsfähig, aber steilere Lernkurve. Ideal für komplexe Analysen und reproduzierbare Auswertungen.
  • Jamovi: Kostenfreie, SPSS-ähnliche Oberfläche auf R-Basis. Gut für Einsteiger ohne Programmierkenntnisse.
  • Excel: Für einfache Häufigkeitsauszählungen und Grafiken ausreichend, für inferenzstatistische Analysen nicht empfehlenswert.
  • MAXQDA: Für qualitative Inhaltsanalysen und Mixed-Methods-Designs.

Wer unsicher ist, welches Verfahren zur eigenen Fragestellung passt, findet beim professionellen Fragebogen-Service von QuantExpert methodische Begleitung – von der Konstruktion bis zur fertigen Auswertung.

Typische Fehler bei der Auswertung

In der Praxis begegnen uns immer wieder dieselben Stolpersteine. Diese sollten Sie kennen und von Anfang an vermeiden:

Häufiger Fehler Fehlende Werte werden stillschweigend ignoriert oder pauschal ausgeschlossen, ohne den zugrunde liegenden Mechanismus zu prüfen. Das kann zu systematisch verzerrten Ergebnissen führen – insbesondere wenn bestimmte Gruppen systematisch häufiger keine Angaben machen.
  • Skalenniveau falsch einschätzen: Ordinale Daten werden wie metrische behandelt, ohne die Voraussetzungen zu prüfen.
  • Keine Reliabilitätsprüfung: Skalen werden gebildet und interpretiert, ohne Cronbachs Alpha oder eine andere Reliabilitätskennzahl zu berichten.
  • Rücklauf nicht dokumentiert: Es wird nur die Endfallzahl genannt, nicht jedoch, wie viele Personen ursprünglich kontaktiert wurden und warum Ausfälle entstanden sind.
  • Signifikanz mit Relevanz verwechseln: Ein statistisch signifikantes Ergebnis bedeutet nicht automatisch, dass der Effekt praktisch bedeutsam ist. Berichten Sie immer auch Effektstärken.
  • Keine Voraussetzungsprüfung: Parametrische Tests werden eingesetzt, ohne Normalverteilung und Varianzhomogenität zu prüfen.
  • Skalenpole nicht dokumentiert: Es ist unklar, welche Ausprägung welchem Zahlenwert entspricht – das macht Ergebnisse für Lesende uninterpretierbar.

Wenn Sie sich bei einzelnen Analyseschritten unsicher sind oder einen zweiten Blick auf Ihre Datenstruktur benötigen, unterstützt Sie das Team von QuantExpert gerne beim professionellen Auswerten Ihres Fragebogens – von der Datenbereinigung bis zur interpretierten Ergebnisdarstellung.

Befragung auswerten Fragebogen Deskriptive Statistik Inferenzstatistik Fehlende Werte Likert-Skala Rücklaufquote SPSS

Ihr persönlicher Ansprechpartner

Maximilian Fuchs, M. Sc.

Teilen Sie uns mit, wie wir Ihnen helfen können.

  • Persönlicher Ansprechpartner
  • Schnelle Rückmeldung
  • Transparente Preise
  • Schutz Ihrer Daten

Fragen? Einfach anrufen!