Der Datensatz ist da, SPSS ist offen, und im Menü stehen vierzig Verfahren zur Auswahl. Welches davon darfst du überhaupt rechnen? Diese Frage entscheidet über die Note, nicht die Menge der Diagramme am Ende.
Damit sind wir bei den Auswertungsmethoden. Auswertungsmethoden sind die festgelegten Verfahren, mit denen du erhobene Daten aufbereitest, verdichtest und prüfst, damit sie deine Forschungsfrage beantworten. Welches Verfahren erlaubt ist, hängt an drei Dingen: an deiner Fragestellung, an der Art deiner Daten und bei Zahlen zusätzlich am Skalenniveau. Am Ende dieses Beitrags erkennst du in einer Minute, welche Verfahren für deinen Datensatz ausscheiden.
📌 Das Wichtigste im Überblick
- Das Erkenntnisinteresse bestimmt das Verfahren, nicht die Datenmenge.
- Das Skalenniveau begrenzt, welche Kennzahl erlaubt ist.
- SPSS stuft neue Variablen automatisch als metrisch ein.
- Qualitative Daten durchlaufen Aufnahme, Transkript und Kodierung.
- Ein p-Wert misst laut ASA (2016) keine Hypothesenwahrscheinlichkeit.
Kostenlos Umfrage erstellen
Mit empirio.ai erstellst du in wenigen Minuten eine moderne Online-Umfrage – mit Hosting in der EU.
- Umfrage per KI
- Per Drag & Drop anpassen
- Auswertung in Echtzeit
Was sind Auswertungsmethoden?
Auswertungsmethoden sind festgelegte, nachvollziehbare Verfahren, mit denen erhobene Daten geordnet, verdichtet und gedeutet werden. Sie beginnen dort, wo die Erhebung endet, und hören dort auf, wo aus Zahlen oder Texten eine begründete Antwort auf die Forschungsfrage geworden ist.
Auswertungsverfahren, Analyseverfahren und Datenauswertung meinen dasselbe, keiner der Begriffe ist fachlich genauer. Wichtiger ist eine andere Unterscheidung, nämlich die zwischen Aufbereitung, Auswertung und Interpretation. Aufbereitung macht das Material überhaupt analysierbar: fehlende Werte prüfen, Antworten kodieren, Aufnahmen verschriften.
Auswertung gewinnt aus dem aufbereiteten Material Kennzahlen oder Kategorien. Interpretation deutet diese Ergebnisse vor dem Hintergrund der Forschungsfrage und des Forschungsstands. Wer die Interpretation schon in die Auswertung zieht, verliert genau die Nachvollziehbarkeit, an der eine empirische Arbeit gemessen wird.
Auswertungsmethode wählen: drei Leitfragen
Die Auswertungsmethode ergibt sich, wenn du drei Leitfragen der Reihe nach beantwortest: Was willst du herausfinden, welche Art von Daten liegt vor, und auf welchem Skalenniveau sind sie gemessen? Erst die dritte Frage grenzt so weit ein, dass am Ende ein konkretes Verfahren übrig bleibt.
Die Methodenberatung der Universität Zürich formuliert den Zusammenhang klar: Neben dem Ziel der Untersuchung ist auch die Qualität der Daten ausschlaggebend für die Wahl der Analysemethode, denn die Verfahren unterscheiden sich darin, welches Skalenniveau die verwendeten Variablen aufweisen müssen (Methodenberatung UZH, abgerufen am 23.08.2026). Ziel und Datenqualität zusammen ergeben die Methode.
| Leitfrage | Was du prüfst | Was daraus folgt |
|---|---|---|
| Erkenntnisinteresse | beschreiben, vergleichen oder verstehen | Beschreiben führt zur Statistik, Verstehen zur Textanalyse |
| Datenart | Zahlen oder Text, Bild, Ton | Zahlen erlauben Kennwerte, Text verlangt Kategorien |
| Skalenniveau | nominal, ordinal, intervall oder ratio | begrenzt die zulässigen Kennzahlen und Tests |
Die Reihenfolge lässt sich nicht umdrehen. Wer zuerst ein Verfahren aussucht, weil es im Seminar vorkam, und danach die Fragestellung passend zurechtbiegt, liefert eine Arbeit ab, die formal korrekt rechnet und inhaltlich nichts beantwortet.
Das Skalenniveau bestimmt, was du rechnen darfst
Das Skalenniveau legt fest, welche Kennzahl und welcher Test bei deinen Daten überhaupt zulässig sind. Nominale Daten geben nur Häufigkeiten her, ordinale zusätzlich Rangaussagen und den Median, intervall- und ratioskalierte Daten erst das arithmetische Mittel und alles, was darauf aufbaut.
Die vier Stufen bilden eine Hierarchie, und die läuft nur in eine Richtung. Eine Skala höheren Niveaus darfst du als Skala niedrigeren Niveaus behandeln, umgekehrt nicht: Aus dem Alter in Jahren lässt sich jederzeit die Kategorie „minderjährig ja oder nein“ bilden, aus der Kategorie aber nie wieder das Alter. Was hinter den Stufen steckt, erklären wir im Beitrag zum Skalenniveau.
| Skalenniveau | Zulässige Kennzahlen | Typische Verfahren |
|---|---|---|
| Nominal | Häufigkeit, Anteil, Modus | Kreuztabelle, Chi-Quadrat-Test |
| Ordinal | Median, Quartile, Rangkorrelation | rangbasierte Tests, Spearman-Korrelation |
| Intervall und Ratio | Mittelwert, Standardabweichung, Varianz | t-Test, Varianzanalyse, Pearson-Korrelation |
Das Beispiel, an dem es in der Schweiz sofort klickt
Schulnoten sind der Klassiker für eine Ordinalskala. Eine 6 ist klar besser als eine 3, das ist eine echte Rangaussage. Ob der Abstand zwischen 5 und 6 aber genauso gross ist wie der zwischen 2 und 3, lässt sich nicht behaupten. Genau deshalb ist der Median bei Noten die ehrlichere Kennzahl als der Notendurchschnitt, auch wenn im Alltag alle den Durchschnitt rechnen.
Die Stolperfalle in SPSS
SPSS stuft alle Variablen zunächst automatisch als metrisch ein und fasst Intervall- und Ratioskala unter der Bezeichnung „Skala“ zusammen. Das führt dazu, dass sich Verfahren rechnen lassen, für die die Daten das nötige Skalenniveau gar nicht aufweisen (Methodenberatung UZH, abgerufen am 23.08.2026).
Die Software warnt dich also nicht. Setze das Skalenniveau deshalb für jede Variable von Hand, bevor du die erste Analyse startest, und halte die Zuordnung in einer kurzen Liste fest. Diese Liste ist später die Grundlage für deinen Methodenteil.
⚠️ Achtung
Antworten auf einer Likert-Skala müssten grundsätzlich als ordinalskaliert betrachtet werden, weil sich nicht zwingend davon ausgehen lässt, dass alle Teilnehmenden die Abstände zwischen den Antworten als gleich wahrnehmen. In der Praxis werden solche Items trotzdem oft als intervallskaliert behandelt, wenn die Annahme plausibel erscheint. Weise in diesem Fall zusätzlich Median und Häufigkeitsverteilung aus und begründe die Entscheidung.
Quantitative Auswertungsmethoden: beschreiben und schliessen
Quantitative Auswertungsmethoden zerfallen in zwei Gruppen: Die deskriptive Statistik beschreibt die vorliegenden Daten, die Inferenzstatistik schliesst von der Stichprobe auf die Grundgesamtheit. Eine empirische Arbeit braucht 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 plausibel wirken. Erst danach lohnt die Frage, ob ein gefundener Unterschied auch ausserhalb der Stichprobe Bestand hätte. Die Details stehen im Beitrag zu deskriptiver Statistik und Inferenzstatistik.
Deskriptive Statistik: die eigenen Daten beschreiben
Die deskriptive Statistik fasst deine Daten in wenigen Kennzahlen zusammen, ohne über die Stichprobe hinauszugehen. Dazu gehören 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.
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. Liegen dir für zwei Gruppen Fallzahl und Treffer vor, kannst du den p-Wert berechnen.
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.
Kostenlos Umfrage erstellen
Mit empirio.ai erstellst du in wenigen Minuten eine moderne Online-Umfrage – mit Hosting in der EU.
- Umfrage per KI
- Per Drag & Drop anpassen
- Auswertung in Echtzeit
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 ihr Vorgehen ganz unterschiedlich begründen. Drei Schritte durchläuft praktisch jede qualitative Auswertung.
Die drei Schritte jeder qualitativen Auswertung
- Aufzeichnung. Interviews, Gruppendiskussionen oder Beobachtungen werden aufgenommen oder protokolliert, mit dokumentierter Einwilligung der befragten Personen.
- 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. Gerade bei Schweizer Interviews ist die Übertragung aus dem Dialekt ins Schriftdeutsche eine Entscheidung, die dokumentiert gehört.
- 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. Philipp Mayring hat sie seit der Erstauflage von 1982 systematisch ausgearbeitet und unterscheidet die induktive Kategorienbildung von der deduktiven Kategorienanwendung, also der Strukturierung anhand eines vorab erstellten Kodierleitfadens. Udo Kuckartz hat später eine eigene, stärker softwaregestützte Variante vorgelegt.
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 deiner Daten 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 bleiben am Ende die Vorgaben deiner Hochschule und deiner Betreuungsperson.
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: dem Skalenniveau in SPSS vertrauen
SPSS setzt neue Variablen automatisch auf „Skala“, also auf metrisch. Wer das übernimmt, rechnet Mittelwerte über Kategorien und t-Tests über Ränge, ohne dass die Software widerspricht. Prüfe deshalb jede Variable einzeln und korrigiere die Einstufung im Datensatz, bevor du die erste Analyse startest.
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, deiner Datenart 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 die Software entscheidet, was erlaubt ist. Das Skalenniveau entscheidet.
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
- Deine Zahlen liegen vor und du willst sie durchrechnen? Statistik-Rechner
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.