Statistik-Glossar

Konstrukt

Englisch: Construct / Latente Variable · Maximilian Fuchs · 24. April 2026 · 4 Min. Lesezeit

In diesem Beitrag

Was versteht man unter Konstrukt?
Warum ist Konstrukt wichtig?
Praxisbeispiel

Was versteht man unter Konstrukt?

Ein Konstrukt ist ein theoretisches Konzept, das nicht direkt beobachtet oder gemessen werden kann, sondern nur über indirekte Indikatoren erschlossen wird. In der Wissenschaft spricht man auch von einer latenten Variable – also einer verborgenen Größe, die hinter messbaren Merkmalen steckt.

Typische Konstrukte in der sozial- und verhaltenswissenschaftlichen Forschung sind zum Beispiel:

Intelligenz
Motivation
Zufriedenheit (z. B. Arbeitszufriedenheit)
Stress oder psychisches Wohlbefinden
Einstellungen und Persönlichkeitseigenschaften

Da diese Konzepte nicht direkt greifbar sind, werden sie über Indikatoren gemessen – meist in Form von Items auf einem Fragebogen. Die Indikatoren sind die beobachtbaren Variablen, das Konstrukt ist die dahinterliegende, theoretisch angenommene Größe.

Einfach erklärt Stell dir vor, du willst wissen, wie intelligent jemand ist. Intelligenz selbst kannst du nicht direkt sehen oder anfassen. Du kannst aber Aufgaben stellen – etwa Denksportaufgaben, Gedächtnistests oder Sprachaufgaben – und aus diesen Antworten schließen, wie intelligent jemand ist. Intelligenz ist in diesem Fall das Konstrukt, die einzelnen Aufgaben sind die Indikatoren.

Warum ist Konstrukt für statistische Analysen wichtig?

Das Konzept des Konstrukts ist zentral für jede empirische Forschung, die mit nicht direkt messbaren Konzepten arbeitet. Wer ein Konstrukt messen möchte, muss zunächst klar definieren, was dieses Konstrukt beinhaltet – das nennt sich konzeptuelle Definition. Anschließend folgt die operationale Definition: Man legt fest, wie das Konstrukt konkret erhoben wird, zum Beispiel durch einen Fragebogen.

Für statistische Analysen hat das weitreichende Konsequenzen: Ein Konstrukt kann nur dann sinnvoll analysiert werden, wenn die verwendeten Indikatoren es tatsächlich messen. Dazu werden Gütekriterien geprüft:

Reliabilität: Misst das Instrument das Konstrukt zuverlässig und konsistent?
Validität: Misst das Instrument wirklich das, was es messen soll – und nicht etwas anderes?

Methoden wie die Faktorenanalyse oder Strukturgleichungsmodelle werden speziell eingesetzt, um Konstrukte aus mehreren Indikatoren zu extrahieren, ihre Messqualität zu prüfen und Zusammenhänge zwischen verschiedenen Konstrukten zu modellieren.

Häufiger Fehler Ein verbreitetes Missverständnis ist, Konstrukt und Indikator gleichzusetzen. Die Antwort auf eine einzelne Fragebogen-Frage ist kein Konstrukt – sie ist ein Indikator. Das Konstrukt steht auf einer übergeordneten, theoretischen Ebene. Wird dieser Unterschied ignoriert, entstehen Messfehler und inhaltlich falsche Schlussfolgerungen.

Gut zu wissen In der Forschung unterscheidet man zwischen reflektiven und formativen Konstrukten. Bei reflektiven Konstrukten spiegeln die Indikatoren das Konstrukt wider – das Konstrukt verursacht gewissermaßen die Ausprägungen der Items. Bei formativen Konstrukten hingegen definieren die Indikatoren das Konstrukt gemeinsam, sie bilden es also erst. Diese Unterscheidung hat direkte Auswirkungen auf die Wahl der statistischen Methode.

Praxisbeispiel zu Konstrukt

Eine Forscherin möchte in ihrer Masterarbeit die Arbeitszufriedenheit von Beschäftigten untersuchen. Arbeitszufriedenheit ist ein Konstrukt – niemand kann sie direkt beobachten. Die Forscherin entwickelt daher einen Fragebogen mit fünf Items, die verschiedene Aspekte der Zufriedenheit abbilden sollen:

Tabelle 1. Beispielhafte Items zur Messung des Konstrukts „Arbeitszufriedenheit“
Item-Nr.	Formulierung
1	Ich bin mit meiner Arbeit insgesamt zufrieden.
2	Meine Arbeit macht mir Freude.
3	Ich fühle mich in meinem Team wohl.
4	Meine Arbeit empfinde ich als sinnvoll.
5	Ich würde meinen Arbeitgeber weiterempfehlen.

Jedes dieser Items ist ein Indikator für das Konstrukt Arbeitszufriedenheit. Die Forscherin prüft zunächst mit einer Reliabilitätsanalyse (z. B. Cronbachs Alpha), ob die Items konsistent dasselbe messen. Anschließend nutzt sie eine konfirmatorische Faktorenanalyse, um zu überprüfen, ob die Items tatsächlich einem gemeinsamen Konstrukt zuzuordnen sind. Erst wenn diese Qualitätsprüfungen bestanden sind, zieht sie aus den fünf Items einen Mittelwert als Messwert für das Konstrukt – und kann damit weiterrechnen.