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

Statistik-Glossar

Kontrollgruppe

Control group · Maximilian Fuchs · 24. April 2026 · 4 Min. Lesezeit

Was versteht man unter Kontrollgruppe?

In einem experimentellen Studiendesign bezeichnet die Kontrollgruppe diejenige Gruppe von Versuchspersonen oder Beobachtungseinheiten, die keine experimentelle Behandlung (Intervention) erhält. Sie dient als Vergleichsmaßstab für die Experimentalgruppe (auch Treatmentgruppe genannt), die die zu untersuchende Intervention bekommt.

Das grundlegende Prinzip lässt sich so beschreiben: Wenn sich Experimental- und Kontrollgruppe in allen relevanten Merkmalen gleichen – und sich nur in der erhaltenen Behandlung unterscheiden –, dann können beobachtete Unterschiede im Ergebnis kausal auf die Intervention zurückgeführt werden. Dieses Prinzip setzt voraus, dass die Zuteilung zu den Gruppen zufällig erfolgt (Randomisierung).

Einfach erklärt Stell dir vor, du testest ein neues Medikament. Die Experimentalgruppe bekommt das echte Medikament, die Kontrollgruppe bekommt eine wirkungslose Tablette (Placebo). Am Ende vergleichst du beide Gruppen – so siehst du, ob das Medikament wirklich hilft oder ob der Effekt auch ohne aufgetreten wäre.

Je nach Studiendesign kann die Kontrollgruppe unterschiedlich gestaltet sein:

  • Placebo-Kontrollgruppe: Erhält eine Scheinbehandlung ohne Wirkstoff.
  • Wartelisten-Kontrollgruppe: Erhält die Intervention zeitverzögert nach Ende der Studie.
  • Treatment-as-usual-Gruppe: Erhält die übliche Standardbehandlung statt der neuen Intervention.
  • Unbehandelte Kontrollgruppe: Erhält gar keine Behandlung.

Warum ist die Kontrollgruppe für statistische Analysen wichtig?

Ohne Kontrollgruppe lässt sich in der Regel nicht beurteilen, ob ein beobachteter Effekt tatsächlich auf die Intervention zurückzuführen ist. Viele Veränderungen – zum Beispiel eine Verbesserung des Gesundheitszustands – könnten auch ohne jede Behandlung auftreten, etwa durch natürliche Genesungsverläufe, Reifungseffekte oder schlicht durch die Teilnahme an einer Studie (sog. Hawthorne-Effekt).

Statistisch gesehen ermöglicht die Kontrollgruppe den Vergleich zentraler Kennzahlen wie Mittelwerte, Anteile oder Ereignisraten zwischen den Gruppen. Gängige Verfahren sind etwa der t-Test, der Chi-Quadrat-Test oder Varianzanalysen (ANOVA). Die Kontrollgruppe liefert dabei den Referenzwert, gegen den der Behandlungseffekt berechnet wird.

Häufiger Fehler Viele Studien ziehen Schlussfolgerungen allein aus dem Vorher-Nachher-Vergleich innerhalb der Experimentalgruppe – ohne Kontrollgruppe. Das ist problematisch: Eine Verbesserung könnte auch ohne die Intervention eingetreten sein. Erst der Vergleich mit einer Kontrollgruppe erlaubt eine belastbare kausale Interpretation.
Gut zu wissen Die Qualität einer Kontrollgruppe hängt stark von der Randomisierung ab. Nur wenn die Zuteilung zufällig erfolgt, sind Experimental- und Kontrollgruppe im Durchschnitt vergleichbar – auch hinsichtlich unbekannter Störvariablen. Fehlt die Randomisierung (z. B. bei Beobachtungsstudien), spricht man von einer Vergleichsgruppe, nicht im strengen Sinne von einer Kontrollgruppe.

Praxisbeispiel zu Kontrollgruppe

Eine Psychologin untersucht, ob ein neues Stressbewältigungstraining (8 Wochen) das Wohlbefinden von Studierenden verbessert. Sie rekrutiert 60 Studierende und teilt sie per Zufallszuweisung in zwei Gruppen auf:

Tabelle 1. Studiendesign mit Experimental- und Kontrollgruppe
Gruppe Behandlung n Wohlbefinden vorher (Ø) Wohlbefinden nachher (Ø)
Experimentalgruppe Stressbewältigungstraining 30 52 Punkte 67 Punkte
Kontrollgruppe Keine Intervention 30 51 Punkte 54 Punkte

Ohne Kontrollgruppe könnte man denken, das Training habe das Wohlbefinden um 15 Punkte gesteigert. Der Blick auf die Kontrollgruppe zeigt jedoch: Auch ohne Intervention stieg das Wohlbefinden leicht – um 3 Punkte. Der tatsächlich auf das Training zurückführbare Effekt beträgt also etwa 12 Punkte (15 − 3). Dieser bereinigte Effekt ist die eigentlich relevante Kennzahl und kann anschließend mit einem statistischen Test auf Signifikanz geprüft werden.

Experimentaldesign Kausalität Randomisierung Experimentalgruppe Placebo Interventionsstudie Vergleichsgruppe Studiendesign

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!