Auswertungsmethoden: das passende Verfahren für deine Daten

Zwei Diplomarbeiten liegen bei der Defensio auf dem Tisch. In der einen stecken vierzig Diagramme, in der anderen ein Mittelwert und drei Interviewzitate. Die zweite bekommt die bessere Note, weil ihre Auswertung zur Frage passt.

Genau darum geht es bei den Auswertungsmethoden. Auswertungsmethoden sind die geregelten Verfahren, mit denen du erhobenes Material aufbereitest, verdichtest und prüfst, damit daraus eine Antwort auf deine Forschungsfrage wird. Welches Verfahren infrage kommt, hängt an drei Dingen: an deiner Fragestellung, an der Art deines Materials und bei Zahlen zusätzlich am Skalenniveau. Am Ende dieses Beitrags kannst du deine eigene Entscheidung begründen, statt sie zu behaupten.

📌 Das Wichtigste im Überblick

• Das Erkenntnisinteresse bestimmt das Verfahren, nicht der Datenumfang.
• Vor jeder Auswertung steht die Aufbereitung des Materials.
• Das Skalenniveau begrenzt, welche Kennzahl erlaubt ist.
• Qualitatives Material durchläuft Aufnahme, Transkript und Kodierung.
• Ein p-Wert misst laut ASA (2016) keine Hypothesenwahrscheinlichkeit.

Was sind Auswertungsmethoden?

Auswertungsmethoden sind geregelte, nachvollziehbare Verfahren, mit denen erhobenes Material geordnet, verdichtet und gedeutet wird. Sie beginnen dort, wo die Erhebung endet, und hören dort auf, wo aus Zahlen oder Texten eine begründete Antwort auf die Forschungsfrage geworden ist.

Die Begriffe Auswertungsverfahren, Analyseverfahren und Datenauswertung meinen dasselbe, keiner davon ist fachlich genauer. Entscheidend ist eine andere Unterscheidung, nämlich die zwischen Aufbereitung, Auswertung und Interpretation. Wer diese drei Schritte vermischt, verliert die Nachvollziehbarkeit, an der eine empirische Arbeit gemessen wird.

Aufbereitung: der Schritt, den fast alle überspringen

Bevor du eine einzige Kennzahl berechnest, muss das Material sauber sein. Statistik Austria trennt in ihren Standard-Dokumentationen bei der Plausibilitätsprüfung ausdrücklich zwischen unmöglichen Angaben, die zwingend korrigiert werden müssen, und unwahrscheinlichen, aber möglichen Angaben, die nur geprüft werden. Ein Geburtsdatum in der Zukunft gehört zur ersten Gruppe, ein Studienabschluss mit 18 Jahren zur zweiten (Statistik Austria, Standard-Dokumentation, abgerufen am 23.08.2026).

Der zweite Aufbereitungsschritt betrifft fehlende Werte. Statistik Austria unterscheidet dabei zwischen dem Ausfall ganzer Erhebungseinheiten und dem Fehlen einzelner Werte und fasst unter Imputation alle Verfahren zusammen, mit denen fehlende Werte geschätzt und ersetzt werden. Für eine studentische Arbeit reicht es meist, fehlende Werte offen auszuweisen und den Umgang damit zu begründen. Verschwiegen werden dürfen sie nicht.

Auswertungsmethode wählen: drei Leitfragen

Die Auswertungsmethode ergibt sich, wenn du drei Leitfragen der Reihe nach beantwortest: Was willst du herausfinden, welches Material liegt vor, und auf welchem Skalenniveau ist es gemessen? Erst die dritte Frage grenzt so weit ein, dass am Ende ein konkretes Verfahren übrig bleibt.

Auch die österreichische Lehre trennt die beiden quantitativen Welten sauber. Die Universität Wien führt in ihrem Erweiterungscurriculum zur Statistik zuerst deskriptive Methoden und Grundkenntnisse statistischer Schlussfolgerungen ein und behandelt Inferenz und Datenanalyse in einem eigenen, weiterführenden Curriculum. Diese Reihenfolge ist kein Zufall, sondern die Logik der Auswertung selbst.

Die Reihenfolge lässt sich nicht umdrehen. Wer zuerst ein Verfahren aussucht, weil es in der Lehrveranstaltung vorkam, und danach die Fragestellung passend zurechtbiegt, liefert eine Arbeit ab, die formal korrekt rechnet und inhaltlich nichts beantwortet.

Quantitative Auswertungsmethoden: beschreiben und schließen

Quantitative Auswertungsmethoden zerfallen in zwei Gruppen: Die deskriptive Statistik beschreibt das vorliegende Material, die Inferenzstatistik schließt von der Stichprobe auf die Grundgesamtheit. In einer empirischen Arbeit brauchst du beide, weil die eine ohne die andere folgenlos bleibt oder in der Luft hängt.

Gerechnet wird immer in dieser Reihenfolge. Die deskriptive Auswertung zeigt, wie deine Stichprobe zusammengesetzt ist und ob die Werte überhaupt plausibel wirken. Erst danach lohnt die Frage, ob ein gefundener Unterschied auch außerhalb der Stichprobe Bestand hätte. Die Details dazu stehen im Beitrag zu deskriptiver Statistik und Inferenzstatistik.

Deskriptive Statistik: das eigene Material beschreiben

Die deskriptive Statistik fasst dein Material in wenigen Kennzahlen zusammen, ohne über die Stichprobe hinauszugehen. Dazu zählen Häufigkeiten und Anteile, Lagemaße wie arithmetisches Mittel, Median und Modus, Streuungsmaße wie Spannweite, Standardabweichung und Varianz sowie Zusammenhangsmaße wie der Korrelationskoeffizient. Ein Korrelationskoeffizient liegt zwischen -1 und +1, wobei 0 keinen linearen Zusammenhang anzeigt.

Ein Denkfehler taucht hier besonders oft auf: Eine Korrelation belegt keine Ursache. Steigen zwei Merkmale gemeinsam, kann ein drittes, gar nicht erhobenes Merkmal dahinterstecken. Für Kausalaussagen brauchst du ein Untersuchungsdesign, das andere Erklärungen ausschließt, keinen höheren Korrelationswert.

Wie genau ist eine Schätzung aus einer Stichprobe?

Jede Zahl aus einer Stichprobe ist unscharf, weil sie eben nicht aus einer Vollerhebung stammt. Statistik Austria weist diese Unschärfe in ihren Erhebungen mit zwei Maßen aus: mit dem relativen Stichprobenfehler bei 95 Prozent Sicherheit und mit dem Variationskoeffizienten, dem relativen Stichprobenfehler bei 68 Prozent Sicherheit. Der Variationskoeffizient ist dabei der Standardfehler geteilt durch die geschätzte Häufigkeit.

Für deine Arbeit heißt das: Ein Anteilswert ohne Angabe zur Genauigkeit ist eine halbe Aussage. Wer 62 Prozent berichtet, sollte dazusagen, auf wie vielen Fällen dieser Wert beruht. Bei kleinen Teilgruppen wird die Unschärfe so groß, dass die Zahl nichts mehr trägt.

Inferenzstatistik: von der Stichprobe auf die Grundgesamtheit schließen

Die Inferenzstatistik prüft mit Signifikanztests, ob ein in der Stichprobe gefundener Unterschied auch in der Grundgesamtheit plausibel ist. Das übliche Werkzeug ist der Hypothesentest: Du stellst der Nullhypothese eine Alternativhypothese gegenüber und berechnest, wie gut die Daten zur Nullhypothese passen.

An dieser Stelle steht in vielen Ratgebern eine falsche Aussage. Die American Statistical Association hat 2016 sechs Grundsätze zum p-Wert veröffentlicht, von denen zwei mit dem verbreiteten Missverständnis aufräumen: Ein p-Wert misst weder die Wahrscheinlichkeit, dass die untersuchte Hypothese wahr ist, noch die Größe oder Bedeutsamkeit eines Effekts (American Statistical Association, 2016). Ein Test kann die Nullhypothese verwerfen, beweisen kann er sie nie.

Welches statistische Verfahren passt zu welchem Skalenniveau?

Das Skalenniveau legt fest, welche Kennzahl und welcher Test bei deinem Material überhaupt erlaubt sind. Nominale Daten geben nur Häufigkeiten her, ordinale zusätzlich Rangaussagen und den Median, metrische Daten erst das arithmetische Mittel und alles, was darauf aufbaut.

Die folgende Übersicht bleibt bewusst knapp und deckt die Fälle ab, die in studentischen Arbeiten fast immer auftauchen. Was hinter den drei Stufen steckt, erklären wir im Beitrag zum Skalenniveau.

Diese Zuordnung ist keine Formalie. Ein arithmetisches Mittel über nominale Daten, etwa der durchschnittliche Studiengang, ergibt eine Zahl ohne Bedeutung, und genau solche Zahlen fallen bei der Defensio sofort auf.

⚠️ Achtung

Likert-Skalen sind streng genommen ordinal, weil die Abstände zwischen „stimme zu“ und „stimme eher zu“ nicht messbar gleich sind. Ob daraus trotzdem Mittelwerte gebildet werden dürfen, beantwortet die Methodenliteratur bis heute unterschiedlich. Auf der sicheren Seite bist du, wenn du zusätzlich Median und Häufigkeitsverteilung ausweist und im Methodenteil begründest, warum du so vorgehst.

Qualitative Auswertungsmethoden: vom Interview zur Kategorie

Qualitative Auswertungsmethoden verdichten Text-, Ton- oder Bildmaterial über ein Kategoriensystem zu einer Antwort auf die Forschungsfrage. Anders als Zahlen liegt dieses Material zunächst gar nicht in auswertbarer Form vor, deshalb steht am Anfang immer ein Aufbereitungsschritt.

Der Ablauf ähnelt sich über die Verfahren hinweg stark, auch wenn die Schulen ihre Vorgehensweise ganz unterschiedlich begründen. Drei Schritte durchläuft praktisch jede qualitative Auswertung.

Die drei Schritte jeder qualitativen Auswertung

1. Aufzeichnung. Interviews, Gruppendiskussionen oder Beobachtungen werden aufgenommen oder protokolliert, mit dokumentierter Einwilligung der befragten Personen.
2. Transkription. Die Aufnahme wird verschriftet, nach vorher festgelegten Regeln. Ob Dialekt, Sprechpausen und Füllwörter mitgeschrieben werden, hängt vom Verfahren ab und wird im Methodenteil begründet.
3. Kodierung. Das Transkript wird Abschnitt für Abschnitt Kategorien zugeordnet. Die Kategorien entstehen induktiv aus dem Material oder werden deduktiv aus Theorie und Leitfaden abgeleitet.

Verbreitete qualitative Verfahren im Überblick

Die qualitative Inhaltsanalyse ist im deutschsprachigen Raum das häufigste Verfahren in studentischen Arbeiten, und ihre Systematisierung hängt eng an einem österreichischen Standort: Philipp Mayring hat sie seit der Erstauflage von 1982 ausgearbeitet und die Verfahren über Jahre in Workshops an der Alpen-Adria-Universität Klagenfurt weiterentwickelt. Unterschieden wird die induktive Kategorienbildung von der deduktiven Kategorienanwendung, also der Strukturierung anhand eines vorab erstellten Kodierleitfadens.

Daneben stehen Verfahren mit anderer Logik. Die Grounded Theory nach Glaser und Strauss zielt auf Theoriebildung aus dem Material heraus und wechselt dafür laufend zwischen Erheben und Auswerten. Sequenzanalytische und hermeneutische Verfahren arbeiten sich sehr genau an einzelnen Textstellen ab und passen zu kleinen Fallzahlen. Welches Verfahren taugt, lässt sich nicht pauschal sagen, sondern folgt der Fragestellung.

Unser Literaturtipp: Mayring, Philipp (2010). Qualitative Inhaltsanalyse. Grundlagen und Techniken. 12. Auflage. Weinheim und Basel: Beltz. Eine englischsprachige Kurzfassung desselben Autors von 2014 steht frei zugänglich im Social Science Open Access Repository.

Die Auswertungsmethode in der Abschlussarbeit beschreiben

Die Beschreibung der Auswertungsmethode gehört in den Methodenteil und beantwortet vier Fragen: Welches Verfahren hast du gewählt, warum passt es zur Fragestellung, wie bist du konkret vorgegangen, und welche Software war im Einsatz? Vier bis sechs Absätze reichen dafür meistens.

Entscheidend ist die Begründung, nicht die Aufzählung. Ein Satz wie „Die Daten wurden mit SPSS ausgewertet“ verrät nichts über eine methodische Entscheidung. Besser ist: „Da die abhängige Variable ordinal skaliert ist, wurde statt des t-Tests ein rangbasiertes Verfahren gewählt.“ Solche Sätze zeigen, dass du die Grenzen deines Materials kennst.

Schreibe den Methodenteil außerdem so, dass eine andere Person deine Auswertung wiederholen könnte. Genau darauf zielen die Gütekriterien Objektivität, Reliabilität und Validität, und genau daran scheitern Arbeiten, in denen viel gerechnet und wenig dokumentiert wurde. Maßgeblich ist am Ende das Curriculum deines Studiums und die Vorgabe deiner Betreuung.

Typische Fehler bei der Auswertung

Die meisten Abzüge in empirischen Arbeiten kommen nicht von falschen Formeln, sondern von vier wiederkehrenden Denkfehlern. Alle vier lassen sich vermeiden, solange du sie kennst, bevor du zu rechnen beginnst.

Fehler 1: die Methode vor der Fragestellung festlegen

Wer die Auswertungsmethode wählt, bevor die Forschungsfrage steht, baut die Arbeit von hinten auf. Heraus kommt eine Sammlung korrekt berechneter Kennzahlen, die zusammen keine Aussage ergeben. Formuliere deine Hypothesen, bevor du die erste Zeile in die Auswertungssoftware tippst.

Fehler 2: Kennzahlen berechnen, die das Skalenniveau nicht hergibt

Ein Mittelwert über Schulnoten, Rangplätze oder Antwortkategorien wirkt harmlos und bleibt trotzdem angreifbar. Prüfe für jede Variable einzeln, auf welchem Skalenniveau sie gemessen wurde, und halte das Ergebnis fest, bevor du auswertest. Zwanzig Minuten Aufwand ersparen dir eine unangenehme Nachfrage bei der Defensio.

Fehler 3: Signifikanz mit Bedeutsamkeit verwechseln

Ein signifikantes Ergebnis sagt nichts darüber, ob der gefundene Effekt groß oder praktisch relevant ist. Bei sehr großen Stichproben wird auch ein winziger Unterschied signifikant. Berichte deshalb neben dem p-Wert immer eine Effektstärke und ordne ein, was der Unterschied inhaltlich bedeutet.

Fehler 4: die Auswertung erst nach der Erhebung planen

Wer den Fragebogen fertig verschickt und sich erst danach überlegt, wie ausgewertet wird, stellt oft fest, dass eine entscheidende Frage im falschen Format gestellt wurde. Eine offene Frage lässt sich nicht nachträglich in eine Skala verwandeln. Plane die Auswertung deshalb schon, während du den Fragebogen erstellst.

Fazit

Die passende Auswertungsmethode steht in keiner Liste, sie ergibt sich aus deiner Fragestellung, deinem Material und deinem Skalenniveau. Wer diese drei Punkte vor der Erhebung klärt, erspart sich die unangenehme Erkenntnis, dass die schönsten Daten die falsche Frage beantworten.

Nicht das Material entscheidet über die Methode. Die Frage entscheidet über beides.

Wie es weitergeht

• Du willst wissen, wie sich die beiden Statistikarten unterscheiden? Deskriptive Statistik und Inferenzstatistik
• Du bist dir beim Messniveau deiner Variablen unsicher? Skalenniveau bestimmen
• Du suchst den Überblick über den ganzen Ablauf? Empirische Forschung

Die Auswertung schon beim Erstellen mitdenken?

Mit empirio.ai, einem Online-Umfrage-Tool aus Deutschland, siehst du Häufigkeiten, Kreuztabellen und Filter in einem Dashboard, das sich mit jeder neuen Antwort aktualisiert.

Umfrage erstellen und direkt auswerten