Einen Fragebogen zusammenzuklicken dauert heute eine halbe Stunde. Das ist ein Fortschritt und ein Problem zugleich, denn die Geschwindigkeit verdeckt, wo die eigentliche Arbeit liegt: Die meisten Befragungen scheitern nicht am Werkzeug, sondern an Fragen, die sich hinterher nicht auswerten lassen. Der Fehler fällt erst auf, wenn die Daten da sind – und dann ist er nicht mehr zu reparieren.
Da wir immer wieder gefragt werden, worauf es beim Fragebogenentwurf wirklich ankommt, wollen wir das Thema einmal von vorne aufziehen: vom Erkenntnisziel über die Wahl der Fragetypen und Skalen bis zu den handwerklichen Fehlern, die in fast jedem selbstgebauten Fragebogen stecken.
Vom Ende her denken
Die wichtigste Entscheidung fällt, bevor die erste Frage geschrieben ist: Welche Aussage wollen Sie am Ende treffen können? „Wir wollen wissen, wie zufrieden unsere Kunden sind“ ist kein Erkenntnisziel, sondern eine Themenangabe. Ein Erkenntnisziel klingt so: „Wir wollen wissen, ob die Zufriedenheit mit dem Support von der Kontakthäufigkeit abhängt, damit wir entscheiden können, ob mehr Personal etwas ändern würde.“
Der Unterschied ist praktisch: Aus dem zweiten Satz ergibt sich, welche Variablen der Datensatz enthalten muss – Zufriedenheit mit dem Support, Kontakthäufigkeit, vermutlich noch Kundensegment als Kontrollgröße. Aus dem ersten ergibt sich nichts. Wer für jede geplante Auswertung vorher aufschreibt, welche zwei, drei Variablen sie braucht, hat den halben Fragebogen bereits strukturiert – und merkt sofort, welche Lieblingsfrage keine Auswertung hat, die sie rechtfertigt.
Fragetypen: das Werkzeug zur Frage, nicht umgekehrt
Für die meisten Zwecke reichen vier Grundtypen. Einfachauswahl für sich ausschließende Kategorien, Mehrfachauswahl für alles, was gleichzeitig zutreffen kann, Skalenfragen für Bewertungen und Einstellungen, offene Fragen für das, was Sie noch nicht wissen. Dazu die Matrix, wenn mehrere Aussagen dieselbe Skala teilen – sparsam eingesetzt, denn lange Matrizen sind der zuverlässigste Weg, Befragte in ein Antwortmuster zu treiben, bei dem ab Zeile fünf nur noch die mittlere Spalte geklickt wird.
Interessant wird es dort, wo die Grundtypen nicht mehr ausreichen. Wer wissen will, was Kunden wirklich wichtig ist, bekommt mit einer Wichtigkeitsskala nur, dass alles wichtig ist – dafür gibt es MaxDiff und Conjoint. Wer herausfinden will, welche Produktmerkmale begeistern und welche nur vorausgesetzt werden, braucht das Kano-Modell mit seinem funktionalen und dysfunktionalen Fragenpaar. Für Weiterempfehlung hat sich der NPS etabliert, für Imagemessung das semantische Differenzial. Solche Spezialtypen von Hand nachzubauen ist der häufigste Grund für nicht auswertbare Daten – die Auswertungslogik gehört zum Fragetyp, nicht in eine Excel-Nacharbeit.
Skalen: die Fünf-Punkte-Frage
Bei Skalenfragen entscheiden drei Dinge über die Qualität der Daten, und keines davon ist Geschmackssache.
Gerade oder ungerade? Eine ungerade Skala hat eine Mitte, eine gerade zwingt zur Tendenz. Die Mitte ist kein Fehler – manche Befragte sind tatsächlich unentschieden, und wer ihnen die Mitte nimmt, erzeugt keine Meinung, sondern Rauschen. Erzwungene Entscheidungen lohnen sich nur, wenn die Mitte inhaltlich keinen Sinn ergibt.
Wie viele Stufen? Fünf oder sieben sind der Standard, und der Unterschied ist kleiner als die Diskussion darüber. Wichtiger ist Konsistenz: Wer im selben Fragebogen zwischen Fünfer- und Zehnerskalen wechselt, macht die Ergebnisse untereinander unvergleichbar und die Befragung anstrengender.
Beschriftete oder unbeschriftete Stufen? Mindestens die Endpunkte brauchen Worte („stimme überhaupt nicht zu“ … „stimme voll und ganz zu“), sonst interpretiert jede Person die Zahlen anders. Und die Richtung sollte im ganzen Fragebogen gleich bleiben – eine gedrehte Skala in der Mitte des Fragebogens produziert zuverlässig invertierte Antworten von allen, die schnell lesen.
Formulierungen: die vier Klassiker
Fast jeder handgeschriebene Fragebogen enthält mindestens einen dieser Fehler, und alle vier sind in der Auswertung unheilbar.
Zwei Fragen in einer. „Wie zufrieden sind Sie mit Preis und Leistung?“ – wer mit dem Preis zufrieden ist und mit der Leistung nicht, kann nicht antworten. Die Antwort, die trotzdem kommt, gehört zu keiner der beiden Fragen.
Suggestion. „Wie sehr schätzen Sie unseren preisgekrönten Support?“ misst nicht die Zufriedenheit, sondern die Höflichkeit. Neutrale Formulierungen fühlen sich blasser an und liefern die besseren Daten.
Verneinungen. „Stimmen Sie zu, dass der Prozess nicht unnötig kompliziert ist?“ – bei doppelter Verneinung weiß am Ende niemand mehr, was Zustimmung bedeutet. Auch die Befragten nicht.
Wissen voraussetzen. Fachbegriffe und interne Produktnamen zwingen Befragte zum Raten, und geraten wird zustimmend. Wer nach etwas fragt, das nicht alle kennen, braucht vorher eine Filterfrage.
Reihenfolge und Filterführung
Ein Fragebogen ist eine Dramaturgie. Am Anfang stehen leichte, konkrete Fragen, die niemanden abschrecken. Heikles – Einkommen, Kritik, Demografie – gehört ans Ende: Wer dort abbricht, hat den Rest schon beantwortet. Und thematische Blöcke bleiben zusammen, denn jeder Themenwechsel kostet Aufmerksamkeit.
Dazu kommen zwei Dinge, die man erst in der Auswertung zu schätzen lernt. Rotation: Antwortoptionen und Aussagenlisten werden in zufälliger Reihenfolge angezeigt, sonst sammelt die erste Position systematisch mehr Nennungen. Filterführung: Wer Frage 3 mit Nein beantwortet, darf die Fragen 4 bis 7 nie sehen. Das erspart den Befragten Unsinn („Wie zufrieden sind Sie mit einem Produkt, das Sie nicht nutzen?“) – und erzeugt zugleich die Struktur, auf die es in der Auswertung ankommt: Gefilterte Fragen haben eine andere Basis, und zehn Prozent der Nutzer eines Features sind eine andere Aussage als zehn Prozent aller Befragten. Diese Sprunglogik gehört in den Fragebogen, nicht in die nachträgliche Datenbereinigung.
Länge: kürzer, als Sie denken
Die Abbruchkurve ist unbarmherzig und mobil noch steiler als am Desktop. Als Faustregel gilt: zehn Minuten sind viel, fünfzehn sind ein Risiko, und jede Frage, deren Auswertung Sie nicht vorher benennen können, fliegt raus. Die härteste und beste Übung im ganzen Prozess ist das Streichen – nicht, weil Fragen schlecht wären, sondern weil jede zusätzliche Frage die Antwortqualität aller folgenden senkt.
Pflichtfragen verdienen dieselbe Strenge. Technisch erzwingbar ist alles; erzwungene Antworten auf Fragen, die jemand nicht beantworten kann oder will, sind aber keine Daten, sondern Datenmüll mit Vollständigkeitsgarantie.
Der Pretest, den fast alle auslassen
Bevor ein Fragebogen ins Feld geht, gehört er zweimal getestet. Erstens mit Menschen: Drei bis fünf Personen aus der Zielgruppe füllen ihn aus und denken dabei laut. Was sie missverstehen, werden Hunderte missverstehen. Zweitens mit Daten: Ein Dutzend Testantworten durchspielen und tatsächlich auswerten – erst dabei zeigt sich, ob die Variablen so codiert sind, dass die geplanten Auswertungen funktionieren, oder ob eine Mehrfachauswahl dort steht, wo die Analyse eine Einfachauswahl braucht.
Dieser zweite Test ist der Grund, warum Fragebogen und Auswertung in ein Werkzeug gehören: Wenn jede Antwort sofort eine sauber codierte Variable ist, kostet der Testdurchlauf zehn Minuten statt eines Excel-Nachmittags.
Zum Schluss, in eigener Sache
In DataLion decken 32 Fragetypen den Weg von der Einfachauswahl bis zu Kano, MaxDiff, semantischem Differenzial und Preissensitivität ab – jede Antwort wird dabei automatisch zur auswertbaren Variable, inklusive der Klassifikationslogik der Spezialtypen. Die Filter- und Sprunglogik sitzt im Builder, offene Antworten codiert die KI-Textanalyse nach Sentiment und Themen, und wer nicht bei null anfangen will, startet mit dem KI-Fragebogen-Generator oder einer der Vorlagen mit fertigen Fragenkatalogen.
Wie es nach dem Fragebogen weitergeht – vom Feld über die Auswertung bis zum Dashboard – steht unter Umfrage erstellen. Und wer den umgekehrten Weg sucht, weil die Daten schon da sind: Fragebogen auswerten in Excel erklärt, warum das geht, aber wehtut.