Die Umfrage ist beendet. 137 Datensätze im Export, drei Wochen Rekrutierung, endlich genug Fälle. Dann öffnest du die Tabelle und siehst es: 14 Personen haben abgebrochen, nachdem sie die Einverständniserklärung angeklickt hatten. 9 haben den kompletten Fragebogen in unter 90 Sekunden ausgefüllt. 11 haben bei einer 24-Item-Skala durchgehend dieselbe Antwortkategorie angekreuzt. 4 Datensätze sind bis auf die Sekunde identisch und kommen aus derselben Sitzung. Von 137 bleiben, wenn du ehrlich bist, vielleicht 96 übrig.
Das ist keine Katastrophe. Das ist der Normalfall — und es ist der Arbeitsschritt zwischen Erhebung und Auswertung, den fast keine Anleitung beschreibt.
Warum das kein Randproblem ist
Unaufmerksames Antworten ist ein gut dokumentiertes methodisches Phänomen, kein Verdacht. Meade und Craig haben 2012 in Psychological Methods (17, 437–455) systematisch untersucht, wie sich sorglos ausgefüllte Fragebögen identifizieren lassen, und mehrere unabhängige Indikatoren gegenübergestellt. Huang, Curran, Keeney und Poposki haben 2012 im Journal of Business and Psychology (27(1), 99–114) gezeigt, dass sich solche Fälle nicht nur erkennen, sondern durch die Gestaltung des Fragebogens auch reduzieren lassen.
Der Grund, warum du das nicht ignorieren darfst: Unaufmerksame Antworten sind kein zufälliges Rauschen, das sich herausmittelt. Sie verzerren systematisch. Wer durchgehend die Skalenmitte ankreuzt, senkt die Varianz und damit jede Korrelation. Wer durchgehend „stimme voll zu“ ankreuzt, erzeugt Scheinzusammenhänge zwischen inhaltlich unabhängigen Skalen — und lässt zugleich Cronbachs Alpha steigen, sodass deine Reliabilitätsprüfung ausgerechnet dann gut aussieht, wenn die Daten am schlechtesten sind.
Die sechs Prüfungen, die du in einer Stunde durchführst
- Bearbeitungszeit. Die meisten Online-Tools protokollieren sie. Faustregel: Rechne mit rund zwei Sekunden pro Item als absolute Untergrenze für sinnvolles Lesen. Bei 40 Items sind das etwa 80 Sekunden — wer schneller ist, hat nicht gelesen. Setze die Grenze vor dem Blick in die Verteilung und begründe sie mit deiner eigenen Pretest-Zeit.
- Long String / Straightlining. Zähle die längste Serie identischer Antworten pro Person. Bei einer Skala mit umgepolten Items ist eine Serie von 15 gleichen Antworten praktisch ausgeschlossen. In Excel geht das mit einer Hilfsspalte, in SPSS über eine Zählfunktion.
- Instruktions-Items. Wenn du eines eingebaut hast („Kreuzen Sie hier bitte ‚trifft gar nicht zu‘ an“), ist die Prüfung trivial. Wenn nicht: Merke es dir für das nächste Mal — es ist der einzige Indikator, der schon während der Erhebung wirkt.
- Inhaltliche Widersprüche. Umgepolte Item-Paare, die dieselbe Sache in entgegengesetzter Richtung messen, müssen negativ zusammenhängen. Tun sie es bei einer Person nicht, ist das ein Signal — und zugleich der Grund, warum umgepolte Items überhaupt in einen Fragebogen gehören.
- Duplikate und automatisierte Antworten. Prüfe identische Antwortmuster, identische Zeitstempel und, sofern erhoben, wiederholte Sitzungskennungen. Bei über soziale Netzwerke verbreiteten Umfragen mit Verlosung ist Mehrfachteilnahme die Regel, nicht die Ausnahme.
- Abbrüche und Vollständigkeit. Lege fest, ab welchem Anteil beantworteter Zielvariablen ein Fall in die Auswertung geht. Ein Fall mit ausgefüllter Hauptskala und fehlender Demografie ist etwas anderes als einer, der nach Frage drei endet. Wie du mit den verbleibenden Lücken innerhalb eingeschlossener Fälle umgehst, steht im Beitrag zu fehlenden Werten — das ist eine andere Frage als die, die hier behandelt wird.
Die eine Regel, die alles trägt
Lege deine Ausschlusskriterien fest, bevor du die Ergebnisse ansiehst — und schreibe sie auf, bevor du den ersten Fall löschst.
Der Unterschied zwischen sauberer Datenbereinigung und Datenmanipulation liegt nicht in der Handlung, sondern im Zeitpunkt. Zwölf Fälle wegen zu kurzer Bearbeitungszeit auszuschließen ist methodisch einwandfrei, wenn die Zeitgrenze vorher stand. Dieselben zwölf Fälle auszuschließen, nachdem du gemerkt hast, dass deine Hypothese ohne sie signifikant wird, ist ein schwerer Verstoß gegen die gute wissenschaftliche Praxis — und in der Verteidigung genau die Frage, die kommt: „Wie sind Sie auf diese Grenze gekommen?“
Praktisch heißt das: eine halbe Seite im Methodenteil, geschrieben am Tag nach dem Feldende, in der du deine Kriterien nennst und begründest. Diese halbe Seite ist zugleich das, was deine Arbeit von den meisten anderen unterscheidet — und ein Baustein, den ein Datenmanagementplan ohnehin verlangt.
Das Ausschlussprotokoll: eine Tabelle, die du direkt übernehmen kannst
| Schritt | Kriterium | Ausgeschlossen | Verbleibend |
|---|---|---|---|
| Rohdatensatz | alle Aufrufe mit Zustimmung | — | 137 |
| 1 | Abbruch vor Ende der Hauptskala | 14 | 123 |
| 2 | Bearbeitungszeit unter 90 Sekunden | 9 | 114 |
| 3 | identische Antwort bei ≥ 15 aufeinanderfolgenden Items | 11 | 103 |
| 4 | Duplikate (identisches Antwortmuster und Zeitstempel) | 4 | 99 |
| 5 | Nichterfüllung eines Einschlusskriteriums (z. B. Studienfach) | 3 | 96 |
Diese Tabelle gehört an den Anfang deines Ergebnisteils, nicht in den Anhang. Sie beantwortet in fünf Zeilen die Frage, die jede Gutachterin stellt, und sie macht die Fallzahl nachvollziehbar, die in allen weiteren Analysen steht. Zur Platzierung und Formatierung von Tabellen im Fließtext siehe den Leitfaden zum Ergebnisteil.
Ergänze sie um zwei Sätze: Wie viele Fälle erfüllten mehrere Ausschlusskriterien gleichzeitig, und unterschieden sich die Ausgeschlossenen systematisch von den Verbliebenen? Der zweite Punkt lässt sich mit einem einzigen Chi-Quadrat-Test über Geschlecht oder Semester beantworten und kostet fünf Minuten.
Was du nicht tun darfst
- Einzelne Fälle löschen, weil sie „nicht passen“. Ein Fall wird nach einem Kriterium ausgeschlossen, das für alle gilt, oder gar nicht.
- Nach dem Ausschluss die Grenze verschieben. Wenn du die Zeitgrenze von 90 auf 120 Sekunden anhebst, weil dir das Ergebnis besser gefällt, hast du sie zu einem freien Parameter gemacht.
- Ausschlüsse verschweigen. Der Satz „Es wurden 96 Personen befragt“ ist falsch, wenn 137 teilgenommen haben. Richtig ist: „Von 137 begonnenen Fragebögen gingen 96 in die Auswertung ein.“
- Extremwerte in einer Variablen mit unaufmerksamen Fällen verwechseln. Ein Fall mit einem sehr hohen Einkommenswert ist ein inhaltlicher Sonderfall und wird anders behandelt als ein Fall, der die Fragen erkennbar nicht gelesen hat. Die beiden Entscheidungen gehören in getrennte Absätze.
Was du davon hast
Drei Dinge, alle konkret. Erstens werden deine Skalen messgenauer: Ohne Straightliner steigt die Trennschärfe der Items, und die Zusammenhänge, die du berichtest, sind die echten — was besonders zählt, wenn du eine Korrelationsanalyse rechnest, die auf Varianz angewiesen ist. Zweitens verlierst du das Argument „Ihre Ergebnisse könnten Artefakte sein“ in der Verteidigung. Drittens — und das ist der unterschätzte Punkt — führt die Bereinigung fast immer zu einem besseren Verständnis des eigenen Fragebogens: Du siehst, an welcher Stelle die Leute abgebrochen haben, und das ist die brauchbarste Rückmeldung zu deinem Instrument, die du je bekommen wirst.
Und falls die Fallzahl nach der Bereinigung unangenehm klein wird: Das ist ein anderes Problem, aber ein lösbares. Was du mit einer zu kleinen Stichprobe noch machen kannst, ist eigens beschrieben — ebenso, wie du den Rücklauf im laufenden Feld noch erhöhst. Eine kleine, saubere Stichprobe ist in jedem Fall besser als eine große, verunreinigte.
Vorbeugen ist billiger als bereinigen
Der Befund von Huang und Kollegen, den man leicht überliest: Unaufmerksames Antworten lässt sich nicht nur nachträglich erkennen, sondern durch die Gestaltung des Instruments von vornherein verringern. Vier Maßnahmen kosten dich zusammen zwanzig Minuten Vorbereitung.
- Kürze den Fragebogen. Die Aufmerksamkeit fällt mit der Länge; jede gestrichene Skala, die keine Hypothese bedient, verbessert die Qualität der übrigen.
- Baue zwei Instruktions-Items ein, eines im ersten und eines im letzten Drittel. Zwei sind besser als eines, weil ein einzelner Fehlgriff auch bei aufmerksamen Personen vorkommt.
- Polle einen Teil der Items um — das liefert dir die Widerspruchsprüfung gratis und verhindert mechanisches Durchklicken.
- Sag im Anschreiben, dass die Antworten geprüft werden. Der bloße Hinweis auf Qualitätskontrollen erhöht die Sorgfalt spürbar, ohne die Teilnahmebereitschaft zu senken.
Diese vier Punkte gehören in die Konstruktionsphase; wie du sie in einen vollständigen Fragebogen einbaust, steht in der Anleitung zum Erstellen einer Umfrage. Und ja: Das setzt voraus, dass du einen Pretest gemacht hast — der ist zugleich die einzige seriöse Quelle für deine spätere Zeitgrenze.
Häufige Fragen
Wie viel Prozent Ausschluss ist normal?
Es gibt keinen Richtwert, den du zitieren könntest, und du solltest auch keinen erfinden. Bei anonymen Online-Umfragen mit Anreiz liegt der Anteil erfahrungsgemäß deutlich höher als bei persönlich verteilten Fragebögen. Entscheidend ist nicht die Höhe, sondern dass jeder Ausschluss einem vorab formulierten Kriterium folgt.
Muss ich die ausgeschlossenen Fälle aufbewahren?
Ja. Der Rohdatensatz bleibt unverändert; die Bereinigung erfolgt über eine Filtervariable, nicht durch Löschen von Zeilen. So bleibt jeder Schritt reproduzierbar und du kannst die Analyse auch ohne Ausschlüsse rechnen.
Was, wenn ich die Bearbeitungszeit nicht erhoben habe?
Dann fällt dieser Indikator weg und du stützt dich auf Long String, umgepolte Items und Vollständigkeit. Schreibe im Methodenteil, dass die Zeit nicht verfügbar war — eine benannte Lücke ist kein Mangel, eine verschwiegene schon.
Darf ich Fälle ausschließen, die ein Instruktions-Item falsch beantwortet haben?
Ja, wenn du es vorher als Kriterium festgelegt hast. Ein einzelnes verfehltes Item als alleiniges Kriterium ist allerdings streng; üblich ist die Kombination aus zwei unabhängigen Indikatoren.
Gilt das alles auch für qualitative Daten?
In abgewandelter Form. Dort geht es nicht um Antwortmuster, sondern um Datenqualität im Sinne von Aufnahmequalität, Gesprächsdauer und Auskunftsbereitschaft — und die Entscheidung, ein Interview nicht auszuwerten, wird ebenso begründet und protokolliert.
Was mache ich mit Personen, die die Einschlusskriterien nicht erfüllen?
Ausschließen, aber getrennt berichten. Wer nicht zur Zielgruppe gehört, ist kein Qualitätsproblem, sondern ein Stichprobenproblem — und die Trennung dieser beiden Gründe in der Protokolltabelle ist ein Zeichen sauberer Arbeit.
Ist die Datenbereinigung mit meiner Einwilligungserklärung vereinbar?
Ja. Sie betrifft die Verwendung der Daten, nicht ihre Erhebung. Achte nur darauf, dass du keine Merkmale zur Identifizierung von Duplikaten heranziehst, die du in der Einwilligung nicht angekündigt hast.
Fazit
Zwischen „Erhebung abgeschlossen“ und „Auswertung begonnen“ liegt ein Arbeitsschritt, der eine Stunde dauert und über die Belastbarkeit deiner gesamten Ergebnisse entscheidet. Sechs Prüfungen, eine vorab festgelegte Kriterienliste, eine fünfzeilige Protokolltabelle im Ergebnisteil — mehr ist es nicht. Wer diesen Schritt überspringt, rechnet mit Daten, die er nicht kennt; wer ihn nachträglich improvisiert, riskiert den Vorwurf, das Ergebnis herbeigefiltert zu haben. Mach ihn zuerst, dokumentiere ihn sofort, und der Rest der Auswertung wird deutlich einfacher — auch die Frage, was zu tun ist, wenn am Ende nichts signifikant wird.
Wenn du dieses Kapitel und den restlichen Methodenteil sauber ausformulieren willst, ohne bei jeder Begründung neu zu formulieren, kannst du deine Abschlussarbeit mit Tesify strukturieren und schreiben.