Nein, deine Arbeit ist nicht gescheitert. Bewertet wird, ob deine Fragestellung sinnvoll war, dein Vorgehen sauber und deine Interpretation ehrlich — nicht, ob das Ergebnis in eine bestimmte Richtung zeigt. Ein nicht signifikantes Ergebnis ist ein Ergebnis. Gefährlich wird es erst, wenn du versuchst, doch noch etwas Signifikantes zu finden.
Was bedeutet „nicht signifikant“ eigentlich genau?
Ein nicht signifikantes Ergebnis bedeutet: Deine Daten liefern nicht genug Anhaltspunkte, um die Nullhypothese zu verwerfen. Das ist etwas grundlegend anderes als: „Es gibt keinen Effekt.“
Der Unterschied ist keine Wortklauberei, sondern der häufigste inhaltliche Fehler in Ergebniskapiteln. „Kein Nachweis eines Effekts“ und „Nachweis, dass kein Effekt existiert“ sind zwei verschiedene Aussagen, und nur die erste ist durch einen nicht signifikanten Test gedeckt. Wenn du die zweite behauptest, ist das ein Fehler, der auch dann auffällt, wenn sonst alles stimmt.
Merksatz für dein Ergebniskapitel: Abwesenheit eines Nachweises ist kein Nachweis der Abwesenheit.
Warum ist ein Nullbefund trotzdem wertvoll?
Weil die veröffentlichte Literatur systematisch zu wenige davon enthält. Studien mit deutlichen Ergebnissen werden häufiger publiziert als solche ohne — mit der Folge, dass das Gesamtbild eines Forschungsfelds tendenziell zu optimistisch ausfällt.
Dein Nullbefund korrigiert dieses Bild in seinem kleinen Ausschnitt. Das ist ein echter Beitrag, und du darfst ihn auch so benennen. Wer diesen Zusammenhang in der Diskussion sauber herleitet, zeigt Verständnis für Wissenschaft als Prozess — und das wird in aller Regel positiv bewertet.
Wie stark dieser Effekt in deinem Feld ist, kannst du sogar prüfen: Ein Abgleich mit den klinischen Studienregistern DRKS und ClinicalTrials.gov zeigt dir, wie viele Studien angemeldet, aber nie veröffentlicht wurden.
Was darf ich jetzt auf keinen Fall tun?
Es gibt eine kurze Liste von Reaktionen, die eine gute Arbeit in eine angreifbare verwandeln:
- Weitertesten, bis etwas signifikant wird. Wenn du genügend Zusammenhänge prüfst, findest du zufällig welche. Wer zwanzig Tests rechnet und den einen signifikanten berichtet, produziert ein Artefakt.
- Hypothesen nachträglich anpassen. Die Hypothese so umformulieren, dass sie zum Ergebnis passt, und sie dann als vorab aufgestellt darstellen — das ist der schwerwiegendste der hier genannten Fehler.
- Ausreißer entfernen, bis der p-Wert stimmt. Ausschlüsse müssen inhaltlich begründet und vorab festgelegt sein, nicht ergebnisgesteuert.
- Gruppen neu zuschneiden, bis ein Unterschied auftaucht.
- Das Ergebnis verschweigen und nur die deskriptiven Statistiken zeigen.
Nichts davon ist nötig — und alles davon ist im Kolloquium gefährlicher als das nicht signifikante Ergebnis selbst. Explorative Zusatzanalysen sind übrigens erlaubt; sie müssen nur ausdrücklich als explorativ gekennzeichnet werden und dürfen nicht als Hypothesenprüfung ausgegeben werden.
Wie ordne ich mein Ergebnis richtig ein?
Der p-Wert allein ist eine dünne Grundlage. Drei Ergänzungen machen aus einem mageren Ergebniskapitel ein starkes:
Die Effektstärke
Die Effektstärke sagt, wie groß der beobachtete Zusammenhang oder Unterschied ist — unabhängig davon, ob er signifikant wurde. Sie ist deshalb gerade bei Nullbefunden aufschlussreich: Ein kleiner, nicht signifikanter Effekt in einer kleinen Stichprobe erzählt eine andere Geschichte als ein Effekt nahe null.
Berichte die Effektstärke immer mit, und interpretiere sie inhaltlich statt nur die üblichen Einordnungen zu zitieren. Die eigentliche Frage lautet nicht, ob der Effekt „klein“ heißt, sondern ob eine Veränderung dieser Größenordnung in deinem Anwendungsfeld praktisch etwas bedeuten würde.
Das Konfidenzintervall
Ein Konfidenzintervall zeigt den Bereich plausibler Werte. Es macht den Unterschied zwischen zwei sehr verschiedenen Nullbefunden sichtbar:
- Ein enges Intervall um null spricht dafür, dass der Effekt tatsächlich klein ist — hier darfst du vorsichtig inhaltlich argumentieren.
- Ein breites Intervall, das große Effekte in beide Richtungen einschließt, heißt schlicht: Deine Daten reichen nicht aus, um die Frage zu beantworten.
Diese Unterscheidung ist der stärkste einzelne Satz, den du über einen Nullbefund schreiben kannst — und die meisten Abschlussarbeiten schreiben ihn nicht.
Die Teststärke
Die Teststärke beschreibt, wie gut deine Untersuchung überhaupt in der Lage war, einen vorhandenen Effekt zu entdecken. War die Stichprobe klein und der erwartete Effekt moderat, war ein nicht signifikantes Ergebnis von vornherein wahrscheinlich — unabhängig davon, ob der Effekt existiert.
Das gehört in deine Limitationen, und zwar konkret formuliert: nicht „die Stichprobe war klein“, sondern eine Aussage darüber, welche Effektgrößen deine Untersuchung realistisch hätte aufdecken können.
Wie sieht das konkret aus?
Ein Beispiel für den Unterschied zwischen einer schwachen und einer starken Formulierung desselben Befunds.
Schwach: „Der Zusammenhang war nicht signifikant. Es konnte leider kein Effekt nachgewiesen werden. Für zukünftige Forschung wird eine größere Stichprobe empfohlen.“
Stark: „Der geprüfte Zusammenhang erreichte keine statistische Signifikanz. Die beobachtete Effektstärke lag im kleinen Bereich, das Konfidenzintervall schloss sowohl vernachlässigbare als auch moderate Effekte ein. Die Daten erlauben daher keine Aussage darüber, ob ein praktisch bedeutsamer Zusammenhang besteht. Angesichts des Stichprobenumfangs war die Untersuchung vor allem geeignet, größere Effekte aufzudecken; kleinere blieben außerhalb ihrer Reichweite.“
Die zweite Fassung ist nicht länger, weil sie mehr Fachbegriffe enthält, sondern weil sie drei Fragen beantwortet, die die erste offenlässt: Wie groß war der Effekt? Was schließt das Intervall ein? Was konnte die Untersuchung überhaupt leisten?
Wie formuliere ich das im Ergebniskapitel?
Sachlich und ohne Entschuldigung. Drei Bausteine reichen:
- Der Befund: Was wurde geprüft, was kam heraus, inklusive Effektstärke und Intervall.
- Die Einordnung: Was folgt daraus — und was ausdrücklich nicht.
- Die Erklärungsansätze: Warum könnte das so sein? Hier gehören inhaltliche Überlegungen hin, nicht nur methodische Selbstkritik.
Vermeide entschuldigende Formulierungen wie „leider konnte kein Effekt nachgewiesen werden“. Das Wort leider signalisiert, dass du ein bestimmtes Ergebnis gewollt hättest — und genau diese Haltung soll wissenschaftliches Arbeiten vermeiden.
Welche Erklärungen sind plausibel?
Arbeite die Möglichkeiten systematisch ab, statt bei einer stehen zu bleiben:
- Es gibt tatsächlich keinen relevanten Effekt. Die einfachste Erklärung, und oft die richtige.
- Der Effekt existiert, ist aber kleiner als angenommen — und deine Untersuchung war zu klein, um ihn zu zeigen.
- Die Messung war zu ungenau. Ein unzuverlässiges Instrument verwässert jeden Zusammenhang. Ob deine Konstrukte sauber messbar gemacht wurden, entscheidet sich schon bei der Operationalisierung von Variablen und Indikatoren.
- Die Stichprobe passte nicht zur Fragestellung — etwa zu homogen, sodass Variation fehlt.
- Der Effekt tritt nur unter Bedingungen auf, die in deiner Erhebung nicht vorkamen.
Diese Liste ist zugleich dein Ausblick: Jede Erklärung führt zu einem konkreten Vorschlag für weitere Forschung — und ein Ausblick, der aus deinen eigenen Befunden folgt, ist deutlich stärker als die übliche Floskel von der „größeren Stichprobe“.
Sollte ich meine Fragestellung ändern?
In aller Regel nein. Die Fragestellung war vor der Erhebung sinnvoll, und sie ist es danach immer noch — Erkenntniswert entsteht nicht erst durch die Bestätigung.
Was du anpassen kannst, ist die Gewichtung: Ein Nullbefund verschiebt den Schwerpunkt deiner Arbeit von der Ergebnisinterpretation zur methodischen Diskussion. Das ist völlig legitim und macht die Arbeit oft anspruchsvoller. Falls du dagegen noch vor der Erhebung stehst und generell zweifelst, ob ein empirischer Zuschnitt der richtige ist, hilft der Vergleich zwischen empirischer und theoretischer Bachelorarbeit.
Häufig gestellte Fragen
Bekomme ich eine schlechtere Note, wenn meine Hypothese nicht bestätigt wurde?
Nicht deswegen. Bewertet werden Fragestellung, Methodik, Sorgfalt der Auswertung und Qualität der Diskussion. Eine sauber durchgeführte Untersuchung mit Nullbefund steht besser da als eine nachträglich zurechtgebogene mit signifikantem Ergebnis.
Kann ich einfach mehr Daten erheben, bis es signifikant wird?
Nein. Datenerhebung so lange fortzusetzen, bis ein Test signifikant wird, erhöht die Wahrscheinlichkeit eines Zufallsbefunds erheblich. Wenn du die Stichprobe aufstockst, muss das vorab geplant und im Methodenteil beschrieben sein.
Muss ich alle nicht signifikanten Tests berichten?
Ja, alle Analysen, die du zu deinen Hypothesen gerechnet hast. Selektives Berichten verzerrt das Bild und ist einer der häufigsten Kritikpunkte im Kolloquium.
Was ist der Unterschied zwischen Signifikanz und Relevanz?
Signifikanz ist eine statistische Aussage darüber, wie gut die Daten mit dem Zufall vereinbar sind; Relevanz ist eine inhaltliche Aussage über die Bedeutung der Größenordnung. Ein signifikanter Effekt kann praktisch bedeutungslos sein, ein nicht signifikanter praktisch bedeutsam.
Soll ich die Effektstärke auch bei nicht signifikanten Ergebnissen angeben?
Gerade dann. Sie ist die Information, die deinen Nullbefund interpretierbar macht — ohne sie bleibt nur die Aussage „nichts gefunden“.
Kann ich explorativ weitere Zusammenhänge prüfen?
Ja, solange du sie ausdrücklich als explorativ kennzeichnest und nicht als Hypothesenprüfung darstellst. Explorative Befunde sind Hinweise für künftige Untersuchungen, keine Belege.
Wie viel Platz sollte die Diskussion eines Nullbefunds einnehmen?
Mehr als bei einem klaren Ergebnis. Weil die Ergebnisdarstellung kürzer ausfällt, verschiebt sich das Gewicht — und genau dort kannst du zeigen, dass du deine Methode verstanden hast.
Welche Software brauche ich, um Effektstärken und Intervalle zu berechnen?
Jede gängige Statistiksoftware kann das. Welche für dich passt, vergleicht der Beitrag zu SPSS, jamovi und R.
Was mache ich, wenn meine Betreuung ein signifikantes Ergebnis erwartet?
Sprich früh darüber und bring die Einordnung mit — Effektstärke, Konfidenzintervall und eine Aussage zur Teststärke. Die Diskussion verläuft erfahrungsgemäß anders, wenn du nicht nur „nicht signifikant“ meldest, sondern zeigen kannst, was deine Daten überhaupt hätten aufdecken können.
Fazit
Ein nicht signifikantes Ergebnis kostet dich weder Note noch Abschluss — vorausgesetzt, du behandelst es als Befund und nicht als Panne. Berichte Effektstärke und Konfidenzintervall, unterscheide sauber zwischen „kein Nachweis“ und „kein Effekt“, benenne die Teststärke in den Limitationen und leite aus deinen Erklärungsansätzen einen konkreten Ausblick ab. Was deine Arbeit gefährdet, ist nicht der Nullbefund, sondern der Versuch, ihn wegzurechnen.
Wenn die Auswertung steht und es an Ergebniskapitel, Diskussion und Limitationen geht, kannst du deine Arbeit direkt im Editor aufbauen: Starte deine Abschlussarbeit mit Tesify — geschrieben wird sie zu 100 % von dir.