---
url: "https://questionstar.de/blog/delphi-methode/"
title: "Delphi-Methode: Ablauf, Beispiel und Konsens richtig bestimmen"
description: "Wie eine Delphi-Befragung funktioniert: Expertenpanel, Runden, Feedback und Konsens. Mit Beispiel für zwei Runden, Vor- und Nachteilen und Tipps für die Abschlussarbeit."
lastmod: "2026-11-03"
type: "blog"
---

# Delphi-Methode: Ablauf, Beispiel und Konsens richtig bestimmen

*Wie führe ich eine Delphi-Befragung durch, und wann haben die Experten wirklich Konsens erreicht?*

Wie eine Delphi-Befragung funktioniert: Expertenpanel, Runden, Feedback und Konsens. Mit Beispiel für zwei Runden, Vor- und Nachteilen und Tipps für die Abschlussarbeit.

Bei der Delphi-Methode beurteilen ausgewählte Expertinnen und Experten ein Thema in mehreren Runden. Nach jeder Runde sehen alle eine Zusammenfassung der Gruppenantworten und können ihr Urteil überdenken, ohne zu wissen, wer aus dem Panel was geantwortet hat. So lassen sich Einschätzungen zu Fragen bündeln, auf die es noch keine gesicherte Antwort gibt. Eine Übereinstimmung am Ende zeigt, dass sich dieses Panel unter diesen Regeln angenähert hat. Ein Beweis, dass es recht hat, ist sie nicht.

Betrachten wir gleich ein Beispiel. Eine Hochschule möchte Anforderungen an einen neuen Forschungsdaten-Service priorisieren. Ein Expertengremium soll beurteilen, welche Anforderungen wichtig und unter welchen Bedingungen sie umsetzbar sind. Nach einer ersten Befragung sehen die Teilnehmenden eine Zusammenfassung und bewerten erneut. Am Ende sind die Antworten ähnlicher. Hat das Verfahren damit einen richtigen Plan gefunden?

Die Annäherung ist zunächst ein Ergebnis dieses Gremiums und dieses Verfahrens. Um sie einzuordnen, muss man wissen, wer teilgenommen hat, welches Feedback es gab und was als Übereinstimmung galt. Diese Entscheidungen fallen deshalb vor der ersten Runde, nicht erst beim Lesen der Ergebnisse. Im Folgenden zeige ich Ihnen den Ablauf Runde für Runde, einen Beispielfragebogen für zwei Runden und eine Rechnung, an der Sie sehen, wie leicht ein scheinbarer Konsens entsteht. Der Hochschulfall und alle Zahlen sind erfundene Lehrbeispiele.

## Was ist die Delphi-Methode?

Beginnen wir mit einem Alltagsbeispiel. Fünf Freunde schätzen, wie lange die Fahrt in den Urlaubsort dauern wird. Jeder schreibt seine Zahl auf einen Zettel, ohne sich mit den anderen abzusprechen. Dann sammelt jemand die Zettel ein und liest vor: Die Schätzungen liegen zwischen fünf und neun Stunden, die meisten bei sechs. Einer schreibt dazu: „Freitags ist am Autobahnkreuz vor der Stadt immer Stau.“ Jetzt darf jeder noch einmal schätzen. Wer die Strecke kennt, bleibt vielleicht bei seiner Zahl. Wer an den Stau nicht gedacht hatte, korrigiert sich. Niemand muss sich vor den anderen rechtfertigen, und der Lauteste am Tisch setzt sich nicht automatisch durch.

Genau das ist der Kern der Delphi-Methode. Möhring und Schlütz definieren die Delphi-Befragung als „wiederholte Befragung von Expertinnen und Experten mit kontrolliertem Feedback“, in erster Linie für Prognosen (*Die Befragung in der Medien- und Kommunikationswissenschaft*, 2019, Abschnitt 5.4, S. 168, [Verlags-DOI](https://doi.org/10.1007/978-3-658-25865-8)). Ziel ist, einen Gruppenkonsens „oder auch begründeten Dissens“ über ein Thema zu erzielen.

Übrigens, der Name verweist auf das Orakel von Delphi im antiken Griechenland (Nasa, Jain und Juneja 2021, Einleitung). Entwickelt wurde die Methode im Kontext technisch-militärischer Entwicklungen und diente ursprünglich der Technikfolgenabschätzung (Möhring und Schlütz 2019, S. 168).

### Die vier Merkmale

Als Grundmerkmale nennt Aichholzer, gestützt auf Rowe und Wright (1999), vier Punkte (*The Delphi Method*, in Bogner, Littig und Menz, *Interviewing Experts*, 2009, Kapitel 12, S. 252, [Verlags-DOI](https://doi.org/10.1057/9780230244276)):

1. **Anonymität:** Die Teilnehmenden sehen nicht, wer was geantwortet hat.
2. **Wiederholung:** mindestens zwei Runden.
3. **Kontrollierte Rückmeldung:** Das Forschungsteam fasst die Antworten zusammen und gibt sie zurück.
4. **Statistische Zusammenfassung:** meist Median oder Mittelwert mit Angaben zur Streuung.

Anonymität und Rückmeldung sollen eine Art virtuelle Diskussion ermöglichen, die nicht von Status, Gruppendruck oder Rhetorik verzerrt wird (Aichholzer 2009, S. 252-253). Das Verfahren ist damit mehr als derselbe Fragebogen zweimal. Die Rückmeldung ist ein geplanter Eingriff in den Urteilsprozess. Eine Änderung kann bedeuten, dass jemand ein bislang unbekanntes Argument berücksichtigt hat. Sie kann auch aus dem Wunsch entstehen, sich der Gruppe anzunähern. Aus der Veränderung allein lässt sich die Ursache nicht ablesen.

Auch der Begriff „anonym“ braucht Präzision: Sind einzelne Antworten nur gegenüber den anderen Panelmitgliedern verborgen? Kennt das Forschungsteam die Identität? Was könnte eine detaillierte Begründung verraten? Die Verfahrensbeschreibung sollte diese Ebenen erklären, statt pauschal Anonymität zu versprechen.

### Varianten

Aichholzer (2009, S. 259) unterscheidet nach Rauch (1979) drei Grundtypen. Das **klassische Delphi** zielt auf eine Gruppenmeinung, etwa bei einer Prognose. Das **Policy-Delphi** macht die Sichtweisen von Interessenvertretern sichtbar. Das **Entscheidungs-Delphi** bereitet Entscheidungen vor. Beim **Real-Time-Delphi** gibt es keine getrennten Runden, die Gruppenantworten sind online laufend sichtbar (Aichholzer 2009, S. 270). Hier geht es um das Delphi mit getrennten Runden, das Sie in Abschlussarbeiten und Projekten oft sehen.

## Ablauf einer Delphi-Befragung in Schritten

Möhring und Schlütz (2019, S. 169-170) beschreiben Befragungswellen mit Auswertung dazwischen. Für die Praxis sind das sieben Schritte.

1. **Ziel und Gegenstand festlegen.** Prognose, priorisierte Liste, gemeinsame Formulierung oder Landkarte offener Streitpunkte? Diese Ziele brauchen nicht dieselben Regeln.
2. **Expertenpanel auswählen.** Die Personen werden bewusst nach ihrer Nähe zur Fragestellung ausgewählt, nicht zufällig. Planen Sie eine Reserve für Ausfälle ein. [Expertenpanel](#panel)
3. **Konsensregel und Ende festlegen.** Was zählt als Übereinstimmung, nach wie vielen Runden ist Schluss? [Konsens definieren](#konsens)
4. **Runde 1 durchführen.** Alle füllen den Fragebogen für sich aus. Er enthält meist Skalen, oft auch offene Fragen und eine Frage danach, wie sicher sich jemand seines Urteils ist (Möhring und Schlütz 2019, S. 169).
5. **Auswerten und Rückmeldung vorbereiten.** Die Antworten werden tabelliert und so aufbereitet, dass alle einen Eindruck von der Gruppenmeinung erhalten (Möhring und Schlütz 2019, S. 169). [Feedback gestalten](#feedback)
6. **Runde 2 und gegebenenfalls weitere Runden.** Alle bewerten erneut. Wer deutlich abweicht, begründet das oft, und die Begründungen gehen in die nächste Runde ein (Möhring und Schlütz 2019, S. 169-170). [Beispielfragebogen](#beispiel)
7. **Ergebnis berichten.** Der Bericht nennt die Konsensregel, die Antwortenden je Runde, geänderte Aussagen und den verbliebenen Dissens. [Dokumentieren](#dokumentieren)

### Wie viele Runden?

Nach Aichholzer (2009, S. 252) sind es in der Regel zwei, selten mehr Runden. Nach Möhring und Schlütz (2019, S. 170) wird meist eine dritte angeschlossen, und ob sich eine vierte lohnt, hängt vom Ziel ab.

Größere Änderungen der Urteile beschränken sich nach Rowe und Wright (1999) auf die ersten Runden, und die Motivation sinkt mit jeder weiteren Runde deutlich (Aichholzer 2009, S. 267). Mein Rat: Legen Sie vor dem Start eine Abbruchregel fest. Ein Beispiel: Zwei Runden sind fest. Eine dritte Runde gibt es nur für Anforderungen, die nach Runde 2 umstritten sind, also mindestens 50 %, aber weniger als 75 % der gültigen Bewertungen in den beiden oberen Stufen haben. Danach ist Schluss, und was dann noch umstritten ist, dokumentieren Sie als Dissens. Eine erreichte Schwelle beweist dabei noch keine Stabilität der Urteile. Bei zehn Bewertungen kann eine einzige geänderte Antwort den Anteil um 10 Prozentpunkte verschieben, wie das Beispiel A2 weiter unten zeigt.

## Das Expertenpanel auswählen

Im Hochschulbeispiel sollen Anforderungen für eine spätere Entscheidung geordnet werden. Das Team fragt deshalb keine repräsentative Stichprobe aller Forschenden, sondern wählt Personen mit relevantem Wissen und unterschiedlichen Perspektiven bewusst aus: Forschende aus mehreren Fächern, IT-Support, Bibliothek, Datenschutz und eine Doktorandin als Nutzerin. Ausschlaggebend ist die Nähe zum Anwendungszweck, Repräsentativität steht nicht im Vordergrund (Möhring und Schlütz 2019, S. 170).

Wer als Experte gilt, hängt von der Fragestellung ab (Möhring und Schlütz 2019, S. 169, Fußnote 84). Im österreichischen Technologie-Delphi kamen bewusst auch Personen aus Unternehmen, Verwaltung, Verbänden und Vertretungen der Nutzer dazu. Der Grund: Spezialisierung engt den Blick ein, und Experten neigen zu übertriebenem Optimismus (Tichy 2004, zitiert bei Aichholzer 2009, S. 260). Begründen Sie die Zusammensetzung. „Fachleute aus unserem Netzwerk“ reicht als Begründung nicht. Welche Erfahrung war erforderlich, welche Rolle fehlt, welche Interessenkonflikte gibt es?

### Wie viele Experten braucht eine Delphi-Studie?

Eine feste Zahl gibt es nicht. Nach Parentè und Anderson-Parentè (1987) gibt es keine feste Obergrenze, als Untergrenze werden mindestens zehn Personen empfohlen, und zwar nach Abzug der Ausfälle (zitiert bei Aichholzer 2009, S. 262). In der medizinischen Forschung reicht die Spanne veröffentlichter Studien nach einer Übersicht von Nasa, Jain und Juneja (2021, Abschnitt „Size“) von 10 bis 1000 Personen, meist liegt sie zwischen 10 und 100. Für die kleinen Arbeitsgruppen im österreichischen Technologie-Delphi wurden rund zwei Dutzend Personen eingeladen, weil man mit bis zu 50 % Ausfall rechnete. Teilgenommen haben 14 bis 23 pro Themenfeld (Aichholzer 2009, S. 262).

### Ausfälle zwischen den Runden einplanen

Panels verlieren Teilnehmende. Zahlreiche Delphi-Befragungen haben deutliche Probleme mit dem Rücklauf zwischen erster und zweiter Welle. Drilling (2000) deutet das so, dass manche Expertinnen und Experten nur ihre eigene Stellungnahme abgeben wollen und dann aussteigen (zitiert bei Möhring und Schlütz 2019, S. 170).

Rechnen wir mit angenommenen Werten. Die Hochschule möchte in der letzten Runde zehn Bewertungen haben. Sie erwartet, dass 80 % der Eingeladenen an Runde 1 teilnehmen und davon 85 % auch an Runde 2. Rechnerisch sind das 10 / (0,8 × 0,85) ≈ 14,7, aufgerundet 15 Einladungen. Damit sind im Mittel 10,2 Teilnehmende in Runde 2 zu erwarten. Wenn alle unabhängig voneinander teilnehmen, kommen aber nur mit einer Wahrscheinlichkeit von ≈ 66 % wirklich mindestens zehn zusammen. Wenn mindestens zehn erforderlich sind, brauchen Sie eine zusätzliche Reserve. Planen Sie mit Ihren eigenen Erfahrungswerten, lieber vorsichtig.

Was hilft gegen Ausfälle? Nennen Sie gute Argumente für die Teilnahme und geben Sie den Zeitaufwand jeder Welle realistisch an, denn nach der ersten Welle wissen alle, wie viel Arbeit sie macht (Möhring und Schlütz 2019, S. 170). Im österreichischen Technologie-Delphi gehörten ein persönliches Anschreiben, eine Erinnerung nach drei Wochen und telefonisches Nachfassen dazu (Aichholzer 2009, S. 266).

## Wichtigkeit und Umsetzbarkeit getrennt bewerten

„Diese Anforderung ist sinnvoll und kurzfristig umsetzbar“ enthält zwei Bewertungen. Eine Person kann sie wichtig finden und die Umsetzung trotzdem für schwierig halten. Das Team fragt deshalb getrennt und nennt bei der Umsetzbarkeit einen Zeitraum und die verfügbaren Ressourcen.

Zusätzlich ist eine Möglichkeit vorgesehen, eine Anforderung mangels Kenntnis nicht zu bewerten. Fehlende Kenntnis wird nicht als geringe Wichtigkeit codiert. In jeder Zusammenfassung steht, wie viele Personen die Frage tatsächlich beurteilt haben. Auch im österreichischen Technologie-Delphi wurde nur ausgewertet, wer bei einer Aussage mindestens mittlere eigene Fachkenntnis angab (Aichholzer 2009, S. 261 und 267).

Prüfen Sie außerdem die Begriffe. Wenn alle „Dokumentation“ wichtig finden, denkt die eine vielleicht an eine Anleitung für den ersten Login und der andere an ein technisches Handbuch.

Als Faustregel, nicht als Grenzwert: Eine Delphi-Aussage sollte nicht länger als 20 Wörter und konkret sein, und eine Expertengruppe sollte nicht mehr als 25 Aussagen bewerten (Parentè und Anderson-Parentè 1987, zitiert bei Aichholzer 2009, S. 262). Wie Sie einzelne Aussagen sauber formulieren, zeige ich in [Fragen formulieren: wie aus einer Idee eine belastbare Frage wird](/blog/fragen-formulieren-tipps-fur-die-ausformulierung-von-fragen/).

## Vorher definieren, was Übereinstimmung bedeutet

Eine eigene Planungsnotiz kann fünf Entscheidungen enthalten:

| Entscheidung | Was vor Runde 1 feststehen sollte |
|------|------|
| Gegenstand | konkrete Formulierung und Bewertungsdimension |
| Übereinstimmung | welche Kategorien oder Kennwerte und welche begründete Regel zählen |
| Bezugsgröße | Umgang mit fehlenden Angaben und fehlender Kenntnis |
| Weiterbearbeitung | wann Anforderungen unverändert bleiben, präzisiert oder erneut bewertet werden |
| Ende | maximale Runden und Vorgehen bei ungelöstem Dissens |

Wie nötig diese Notiz ist, zeigt eine Untersuchung von Diamond und Kollegen an 100 zufällig gezogenen englischsprachigen Delphi-Studien aus den Jahren 2000 bis 2009. Nur 72 nannten eine Definition von Konsens. Die häufigste Definition war die prozentuale Übereinstimmung (25 Studien), mit 75 % als Median der verwendeten Schwellenwerte. In 86 Studien kamen die Autoren zu dem Schluss, Konsens sei erreicht, aber nur in 42 davon war vorher eine Schwelle festgelegt. Nur in 23 Studien hing das Ende davon ab, ob Konsens erreicht war ([Diamond et al., 2014, Abstract](https://pubmed.ncbi.nlm.nih.gov/24581294/)).

Eine oft verwendete Schwelle wie 75 % ist deshalb kein universeller Gütenachweis. In ihrer Übersicht zur medizinischen Forschung berichten Nasa, Jain und Juneja (2021, Abschnitt „Consensus“), dass die verwendeten Prozentschwellen zwischen 50 % und 97 % liegen und oft willkürlich gewählt sind. Die Regel muss zur eigenen Aufgabe begründet werden.

### Welche Kennwerte üblich sind

Für die Konsensregel bieten sich drei Bausteine an, die Sie einzeln oder kombiniert nutzen können.

- **Anteil in benannten Kategorien:** zum Beispiel der Anteil der gültigen Bewertungen in den beiden oberen Stufen „eher wichtig“ und „sehr wichtig“.
- **Lage:** Median oder Mittelwert. Der Median ist der Wert in der Mitte, wenn man alle Bewertungen der Größe nach ordnet.
- **Streuung:** etwa der Interquartilsabstand. Er gibt an, wie breit die mittlere Hälfte der Bewertungen liegt. Je kleiner er ist, desto näher liegen die Urteile beieinander.

Im erfundenen Projekt berichtet das Team den Anteil klar benannter Kategorien und die vollständige Verteilung. Die Grenze wird fachlich begründet und nicht nachträglich so verschoben, dass eine gewünschte Anforderung sie gerade erreicht. Für umstrittene Anforderungen legt das Protokoll fest, ob sie eine weitere Runde bekommen, umformuliert oder als ungelöst eingestuft werden. Dann sieht man der Schlussliste an, wie sie entstanden ist.

## Feedback zwischen den Runden: die Minderheit sichtbar halten

Für die zweite Runde erhalten alle dieselbe Zusammenfassung: Verteilung der Bewertungen, Zahl der gültigen Antworten, kurze anonymisierte Begründungen verschiedener Positionen und die eigene frühere Bewertung, sofern das Protokoll deren Rückgabe vorsieht. Das ist mein Vorschlag, nicht die einzige Form. In der Beschreibung von Möhring und Schlütz (2019, S. 169) wird die eigene Antwort gar nicht zurückgegeben, sondern nur der Gruppendurchschnitt.

Eine einzelne Kennzahl kann eine wichtige Spaltung verdecken. Betrachten wir die erfundene Anforderung „Schulung zur Anonymisierung von Interviewdaten“. Zwölf Personen bewerten sie auf einer Skala von 1 („sehr unwichtig“) bis 5 („sehr wichtig“). Drei vergeben eine 5, drei eine 4, drei eine 2 und drei eine 1. Niemand wählt die Mitte.

Der Mittelwert ist (3 × 5 + 3 × 4 + 3 × 2 + 3 × 1) / 12 = 36 / 12 = 3,0. Auch der Median liegt bei 3,0, nämlich in der Mitte zwischen der sechsten Bewertung (2) und der siebten (4). Beide Kennzahlen sagen „weder wichtig noch unwichtig“, obwohl genau diese Antwort niemand gegeben hat. Tatsächlich gibt es zwei Lager. Eine Rückmeldung, die nur „Median 3“ meldet, lädt alle ein, sich in einer Mitte zu treffen, die es gar nicht gibt.

Zeigen Sie deshalb die vollständige Verteilung. Fassen Sie die Begründungen nach transparenten Regeln zusammen und wählen Sie nicht nur Kommentare aus, die Ihre eigene Präferenz stützen. Vielleicht zeigt sich dann, dass das eine Lager an Fächer mit vielen Interviews denkt und das andere an Fächer, die nur mit Messdaten arbeiten. Dann ist der Dissens selbst das Ergebnis.

Formulieren Sie die Einladung zur zweiten Bewertung sachlich, wie im Beispiel unten, und fragen Sie in beiden Fällen nach Gründen, ob jemand seine Bewertung ändert oder beibehält. Eine abweichende Person muss sich nicht stärker rechtfertigen als eine Person, die sich der Mehrheit anschließt. Die nächste Runde prüft nicht, ob jemand die richtige Gruppenantwort gelernt hat.

## Beispiel: Delphi-Fragebogen für Runde 1 und Runde 2

So könnte der Fragebogen für die Hochschule aussehen. Er ist ein eigenes, erfundenes Lehrbeispiel und keine geprüfte Skala. Zu jeder Anforderung stellt der Bogen zwei Fragen: „Wie wichtig ist diese Anforderung für den neuen Service?“ und „Wie leicht ist sie in den nächsten zwölf Monaten mit dem vorhandenen Personal umsetzbar?“ Beide Skalen sind fünfstufig und symmetrisch mit neutraler Mitte, „kann ich nicht beurteilen“ steht abgesetzt.

> **Wichtigkeit:** sehr unwichtig · eher unwichtig · weder wichtig noch unwichtig · eher wichtig · sehr wichtig
> 
> **Umsetzbarkeit:** sehr schwer umsetzbar · eher schwer umsetzbar · weder leicht noch schwer umsetzbar · eher leicht umsetzbar · sehr leicht umsetzbar
> 
> (abgesetzt) kann ich nicht beurteilen

### Runde 1

| Nr. | Anforderung |
|------|------|
| A1 | Der Service stellt Dokumentation bereit. |
| A2 | Eine Beratung zum Datenmanagementplan ist innerhalb von fünf Arbeitstagen möglich. |
| A3 | Forschende können Daten mit Versionsverwaltung speichern. |
| A4 | Es gibt eine Schulung zur Anonymisierung von Interviewdaten. |
| A5 | Ein zentraler Katalog beschreibt alle Datensätze der Hochschule. |

Zu jeder Anforderung gibt es ein offenes Feld: „Was hat Sie bei Ihrer Bewertung am stärksten beeinflusst?“ Am Ende fragt der Bogen: „Welche Anforderung fehlt in dieser Liste?“ Diese offene Frage bringt Aspekte ein, an die das Forschungsteam nicht gedacht hat. A1 („Dokumentation“) ist bewusst zu ungenau formuliert, weil das in der Praxis so oft vorkommt. Was daraus in Runde 2 wird, zeige ich [weiter unten](#dokumentieren).

### Runde 2: wie die Rückmeldung aussieht

In Runde 2 steht vor jeder Bewertung ein kurzer Block mit dem Ergebnis der ersten Runde. Für A2 sähe das so aus:

> **A2: Eine Beratung zum Datenmanagementplan ist innerhalb von fünf Arbeitstagen möglich.**
> 
> Ergebnis Runde 1, Wichtigkeit (12 gültige Bewertungen):
> sehr unwichtig 1 · eher unwichtig 2 · weder wichtig noch unwichtig 2 · eher wichtig 4 · sehr wichtig 3
> Median: eher wichtig
> 
> Begründungen aus Runde 1, gekürzt:
> „Ohne feste Frist kommen Anträge mit Datenmanagementplan zu spät.“
> „Fünf Tage sind bei der jetzigen Besetzung nicht zu halten. Lieber eine realistische Frist.“
> 
> Prüfen Sie Ihre Einschätzung anhand der Rückmeldung. Sie können sie ändern oder beibehalten. Bitte begründen Sie Ihre Bewertung in beiden Fällen kurz.

Die beiden Begründungen stehen für zwei Positionen, nicht für die Mehrheit. Beachten Sie die zweite: Sie spricht eigentlich über Umsetzbarkeit, nicht über Wichtigkeit. Weitere symmetrische Skalen finden Sie in der [Liste verbreiteter Likert-Skalen](/blog/liste-verbreiteter-likert-skalen/).

Übrigens, in QUESTIONSTAR legen Sie die Expertinnen und Experten als Kontaktliste an und laden jede Person per E-Mail mit einem persönlichen Link ein. Erinnerungen gehen nur an diejenigen, die noch nicht geantwortet haben. Die zweite Runde legen Sie als Kopie des ersten Fragebogens an, verschicken sie an dieselbe Kontaktliste und setzen vor jede Anforderung einen Infotext mit der Rückmeldung. Verwenden Sie für beide Runden einen stabilen Teilnehmerschlüssel und prüfen Sie vor dem Versand anhand eines Testkontakts, dass er in beiden Exporten identisch ausgegeben wird. Mehr zum Einsatz in Hochschulen finden Sie unter [Umfragen in der akademischen Forschung](/einsatzfelder/akademische-forschung/).

Auch eine anonyme Befragung können Sie mit persönlichen Links und Erinnerungen verschicken. Im Ergebnis sehen Sie dann nicht, wer was geantwortet hat. Entscheiden Sie deshalb vor Runde 1, welche Variante Sie brauchen. Mit der anonymen Einstellung erhalten Sie die Gruppenrückmeldung je Runde, eine personenbezogene Verknüpfung der Runden ist dabei aber nicht vorgesehen. Wer jeder Person ihre frühere Bewertung zurückgeben oder wie im folgenden Beispiel nur dieselben Personen vergleichen will, braucht die Variante, in der die Antworten über den Teilnehmerschlüssel verknüpft sind. Die Anonymität besteht dann gegenüber den anderen Teilnehmenden, nicht gegenüber dem Forschungsteam. Sagen Sie das in der Einladung offen.

**Delphi-Befragung starten: kostenlos**

Legen Sie Ihr Panel als Kontaktliste an, verschicken Sie Runde 1 mit persönlichen Links und bereiten Sie Runde 2 als Kopie mit Rückmeldung vor. Halten Sie vorher fest, was als Konsens zählt.

[Kostenlos starten](/order/?code=free)

## Durchgerechnet: Was nach Runde 2 wirklich passiert ist

Das Team hat vor Runde 1 festgelegt: Eine Anforderung gilt als „wichtig im Konsens“, wenn mindestens 75 % der gültigen Bewertungen in den beiden oberen Stufen liegen. Die 75 % sind eine Wahl für dieses Beispiel, keine allgemeine Regel. „Kann ich nicht beurteilen“ zählt nicht als gültige Bewertung.

Eingeladen waren, wie oben berechnet, 15 Personen. An Runde 1 haben 12 teilgenommen, das sind 12 / 15 = 80 %. An Runde 2 haben 10 dieser 12 teilgenommen, also 10 / 12 ≈ 83 %. Das Team lag damit knapp unter seiner Annahme und kam gerade auf die zehn Bewertungen, die es brauchte.

### Anforderung A2: Konsens erreicht?

Die mittlere Spalte lässt sich nur berechnen, wenn die Antworten derselben Personen über beide Runden verknüpft sind.

|  | Runde 1, alle | Runde 1, nur wer auch in Runde 2 geantwortet hat | Runde 2 |
|------|------|------|------|
| Gültige Bewertungen | 12 | 10 | 10 |
| Einzelwerte, geordnet | 1, 2, 2, 3, 3, 4, 4, 4, 4, 5, 5, 5 | 2, 3, 3, 4, 4, 4, 4, 5, 5, 5 | 2, 3, 4, 4, 4, 4, 4, 5, 5, 5 |
| davon „eher wichtig“ oder „sehr wichtig“ | 7 | 7 | 8 |
| Anteil obere zwei Stufen | 7 / 12 ≈ 58 % | 7 / 10 = 70 % | 8 / 10 = 80 % |
| Median | 4 | 4 | 4 |
| Interquartilsabstand (oberes minus unteres Quartil) | 4,25 minus 2,75 = 1,50 | 4,75 minus 3,25 = 1,50 | 4,75 minus 4,00 = 0,75 |

Auf den ersten Blick ist das ein Erfolg: Der Anteil steigt von ≈ 58 % auf 80 %, die Schwelle von 75 % ist überschritten, die Streuung halbiert sich.

Schauen wir genauer hin. Zwei Personen haben Runde 2 nicht mehr beantwortet. Es waren ausgerechnet die beiden mit den niedrigsten Bewertungen, eine 1 und eine 2. Vergleicht man nur die zehn Personen, die beide Runden beantwortet haben, lag ihr Anteil schon in Runde 1 bei 70 %. Der Anstieg um ≈ 22 Prozentpunkte zerfällt also in zwei Teile:

- ≈ 12 Prozentpunkte (von ≈ 58 % auf 70 %) kommen allein daher, dass die beiden Kritiker fehlen.
- 10 Prozentpunkte (von 70 % auf 80 %) kommen aus geänderten Urteilen. In den verknüpften Einzeldaten unseres Lehrbeispiels sehen wir: Genau eine Person hat ihre Bewertung von 3 auf 4 geändert, alle anderen haben ihre Bewertung beibehalten.

Auch der Interquartilsabstand halbiert sich allein durch diese eine Änderung. Bei zehn Bewertungen reagiert er also stark auf einzelne Personen.

Kurz gesagt: Steigt die Zustimmung zwischen zwei Delphi-Runden, kann das an geänderten Urteilen oder am Ausfall abweichender Personen liegen. Unterscheiden lässt sich das nur mit verknüpften Antworten derselben Personen. Im Beispiel A2 gehen ≈ 12 der ≈ 22 Prozentpunkte auf den Ausfall zurück und 10 auf eine einzige geänderte Bewertung. Formal erfüllt A2 die Regel. Der Bericht sollte trotzdem sagen: „In Runde 2 haben die beiden Personen mit den niedrigsten Bewertungen aus Runde 1 nicht mehr teilgenommen.“

Und die Umsetzbarkeit? In Runde 2 haben dieselben zehn Personen A2 auch danach bewertet: zweimal „sehr schwer umsetzbar“, viermal „eher schwer umsetzbar“, zweimal „weder leicht noch schwer umsetzbar“ und zweimal „eher leicht umsetzbar“. Nur 2 / 10 = 20 % halten die Beratung binnen fünf Arbeitstagen also für eher leicht umsetzbar, 6 / 10 = 60 % für schwer, der Median liegt bei „eher schwer umsetzbar“. Das Ergebnis für A2 lautet damit: wichtig nach der vereinbarten Regel, mit dem jetzigen Personal aber schwer umsetzbar. Vor einer Entscheidung sind die Ressourcen zu prüfen.

### Anforderung A5: Welche Bezugsgröße?

Bei A5, dem zentralen Datenkatalog, haben in Runde 1 alle 12 Personen geantwortet. Vier davon wählten „kann ich nicht beurteilen“. Von den 8 gültigen Bewertungen liegen 6 in den beiden oberen Stufen. Das sind 6 / 8 = 75 %, die Schwelle ist genau erreicht.

Hätte das Team versehentlich alle 12 Antworten als Bezugsgröße genommen, läge der Anteil bei 6 / 12 = 50 %. Hätte es „kann ich nicht beurteilen“ als Mitte gezählt, läge der Anteil ebenfalls bei 50 %. Dieselben Antworten, zwei verschiedene Schlüsse. Deshalb gehört die Bezugsgröße in die Planungsnotiz, und im Bericht steht bei jeder Anforderung, wie viele Personen sie tatsächlich beurteilt haben.

### So rechnen Sie das mit Ihren Daten

Legen Sie „kann ich nicht beurteilen“ als Ausweichantwort an, nicht als Stufe der Skala. Eine solche Antwort zählt in QUESTIONSTAR nicht in den Mittelwert. Prüfen Sie mit einer Testantwort, dass sie auch nicht im Nenner Ihres Zustimmungsanteils steht, sonst entsteht der Fehler aus dem Beispiel A5. Den Interquartilsabstand und den Vergleich derselben Personen über zwei Runden rechnen Sie außerhalb. Dafür gibt es zwei Wege.

Vergeben Sie jeder Expertin und jedem Experten in beiden Runden dieselbe persönliche ID. Sie steht in den Antworten beider Runden und dient als Schlüssel. Die Kennung der einzelnen Antwort ist dagegen in jeder Runde neu und eignet sich nicht zum Verbinden.

Am einfachsten verbinden Sie QUESTIONSTAR per MCP mit einem KI-Assistenten wie ChatGPT oder Claude. Er führt beide Runden über diese persönliche ID zusammen und rechnet. Bitten Sie ihn zum Beispiel: „Verbinde Runde 1 und Runde 2 über die persönliche ID der Befragten. Berechne für Frage A2 in Runde 1 und in Runde 2 den Anteil der Antworten ‚eher wichtig‘ und ‚sehr wichtig‘, den Median und den Interquartilsabstand. Zähle ‚kann ich nicht beurteilen‘ nicht mit und nenne für jede Runde die Zahl der gültigen Bewertungen, einmal für alle und einmal nur für die Personen, die beide Runden beantwortet haben.“ Gerechnet wird dann vom Assistenten, nicht von QUESTIONSTAR. Der zweite Weg: Sie exportieren die Rohdaten beider Runden als CSV-, Excel- oder SPSS-Datei, führen die Dateien über die persönliche ID zusammen und rechnen in Excel, SPSS oder R. Prüfen Sie ein Ergebnis einmal von Hand nach. Für Quartile gibt es mehrere Rechenwege. Die Tabelle oben folgt Excel (QUARTILE.INKL). Nennen Sie im Bericht, wie Sie gerechnet haben.

Als personenbezogen markierte Fragen werden bei aktivierter Schutzfunktion nicht an den Assistenten übertragen. Nicht entsprechend markierte Antworten, insbesondere Freitexte, können trotzdem personenbezogene Angaben enthalten. Prüfen Sie vor der Übertragung, welche Antworten an den KI-Anbieter gehen und ob dessen Vertragsbedingungen für Ihre Daten geeignet sind.

## Vorteile und Nachteile der Delphi-Methode

Was spricht für eine Delphi-Befragung? Im Vergleich mit der Gruppendiskussion nennen Möhring und Schlütz (2019, S. 170) als Vorteile, dass dominierende Persönlichkeiten fehlen, dass unwichtige Informationen ausgeblendet werden und dass die Befragten nicht zur gleichen Zeit an einem Ort zusammenkommen müssen. Ich ergänze: Weil jede Person für sich antwortet, kommen auch leise Stimmen zu Wort.

Wie gut sind die Ergebnisse? Rowe und Wright (1999) haben 27 Evaluationsstudien ausgewertet. Insgesamt waren Delphi-Gruppen in der Übersicht tendenziell genauer als statistisch zusammengefasste Einzelurteile und unstrukturierte Diskussionsgruppen, jedoch nicht durchgängig besser als andere strukturierte Verfahren. Dass die Übereinstimmung über die Runden zunimmt, fand sich praktisch überall. Warum genau, blieb offen (Aichholzer 2009, S. 253-254).

Es gibt aber auch Nachteile. Möhring und Schlütz (2019, S. 170-171) nennen den Konsensdruck, der durch das Feedback entsteht, das starre Befragungsschema und den hohen zeitlichen Aufwand. Dazu kommen Einwände, die bis heute diskutiert werden (Möhring und Schlütz 2019, S. 171, Aichholzer 2009, S. 253):

- Der Konsens kann ein Artefakt des Verfahrens sein, weil es bequem ist, sich der Mehrheit anzuschließen.
- Das Forschungsteam bündelt die Antworten und hat damit großen Einfluss. Auch die Rückmeldung lässt sich manipulieren.
- Die bewusste Auswahl der Experten kann das Ergebnis lenken, und Fachleute können zugunsten ihres eigenen Fachs voreingenommen sein.
- In den letzten Runden sinkt der Rücklauf oft deutlich.

Mein Rat: Delphi lohnt sich, wenn es noch keine gesicherten Daten gibt und das Wissen auf viele Köpfe verteilt ist. Wenn Sie wissen wollen, wie verbreitet eine Meinung in einer Bevölkerung ist, brauchen Sie eine andere Befragung.

## Delphi-Befragung in der Bachelor- oder Masterarbeit

Viele Studierende denken an eine Delphi-Studie, weil das Verfahren strukturiert ist und ohne Reisen auskommt. Wegen des hohen Aufwands halten Möhring und Schlütz (2019, S. 172) wiederholte Befragungsdesigns für Abschlussarbeiten aber „nur bedingt geeignet“.

Klären Sie mit Ihrer Betreuung vorher:

- **Fragestellung:** Geht es um die Einschätzung unsicherer Sachverhalte durch Fachleute?
- **Panel:** Wer gilt als Experte, wie erreichen Sie diese Personen, mit wie vielen Ausfällen rechnen Sie?
- **Runden und Zeitplan:** Zwei feste Runden sind ein realistischer Rahmen. Planen Sie für jede Runde Feldzeit, Erinnerungen und die Auswertung dazwischen.
- **Konsensregel:** Welche Kennwerte, welche Schwelle, welche Bezugsgröße und warum?
- **Anonymität:** Was genau sichern Sie den Teilnehmenden zu, und wie verbinden Sie bei Bedarf die Runden?

Halten Sie die Liste der Aussagen kurz, denn jede Expertin und jeder Experte tut Ihnen in jeder Runde aufs Neue einen Gefallen. Wie Sie den Methodenteil insgesamt aufbauen, lesen Sie in [Wie schreibe ich meine Abschlussarbeit](/blog/wie-schreibe-ich-meine-abschlussarbeit/).

## Änderungen und ungelöste Punkte dokumentieren

Wird aus „Dokumentation bereitstellen“ in Runde 2 „eine deutsch- und englischsprachige Kurzanleitung für die erste Anmeldung bereitstellen“, hat sich der Gegenstand präzisiert. Die neue Bewertung misst nicht mehr dieselbe Aussage. Speichern Sie beide Versionen mit dem Änderungsgrund.

Auch die Zahl und Zusammensetzung der Antwortenden je Runde gehören in den Bericht. Das Beispiel A2 hat gezeigt, warum.

Wenn am geplanten Ende keine Übereinstimmung besteht, dokumentieren Sie Positionen, Bedingungen und verbleibende Prüfaufgaben. Ein Satz wie „im Panel unter diesen Bedingungen umstritten“ kann für die Entscheidung hilfreicher sein als ein erzwungener Konsens. Delphi ordnet Expertenurteile. Was Sie daraus schließen, verantworten Sie als Forschungsteam selbst.

## Häufige Fragen zur Delphi-Methode

### Wie viele Experten braucht eine Delphi-Studie?

Eine universelle Mindestzahl gibt es nicht. Parentè und Anderson-Parentè empfehlen mindestens zehn Personen nach Abzug möglicher Ausfälle, zitiert bei Aichholzer (2009, S. 262). Entscheidend sind Fragestellung, vertretene Perspektiven und Verfügbarkeit. Wie viele Sie dafür einladen, rechne ich [oben](#panel) vor.

### Wie viele Runden hat eine Delphi-Befragung?

Meist zwei oder drei (Aichholzer 2009, S. 252, Möhring und Schlütz 2019, S. 170). Legen Sie Zahl und Regel für eine weitere Runde vor dem Start fest, mehr [oben](#ablauf).

### Ist eine Delphi-Befragung anonym?

Gegenüber den anderen Teilnehmenden ja, das gehört zu den Grundmerkmalen (Aichholzer 2009, S. 252). Ob auch das Forschungsteam nicht sieht, wer was geantwortet hat, entscheiden Sie. Bei der hier beschriebenen anonymen Einstellung in QUESTIONSTAR ist eine personenbezogene Verknüpfung der Runden nicht vorgesehen ([mehr dazu](#beispiel)). Beschreiben Sie in der Einladung genau, wer was sehen kann.

### Wann ist Konsens erreicht?

Dann, wenn die Regel erfüllt ist, die Sie vor Runde 1 festgelegt haben. Eine allgemein gültige Schwelle gibt es nicht, und 28 von 100 untersuchten Studien nannten überhaupt keine Definition ([Diamond et al., 2014](https://pubmed.ncbi.nlm.nih.gov/24581294/)). Berichten Sie neben dem Kennwert immer die Verteilung und die Zahl der Antwortenden je Runde.

### Eignet sich die Delphi-Methode für die Bachelorarbeit?

Ja, wenn Sie den Aufwand realistisch planen. Möhring und Schlütz (2019, S. 172) halten wiederholte Befragungsdesigns für Abschlussarbeiten nur bedingt geeignet. Mit einem kleinen, gut erreichbaren Panel, zwei Runden und einer kurzen Liste von Aussagen ist eine Delphi-Studie aber machbar. Mehr dazu [oben](#abschlussarbeit).

### Was ist der Unterschied zu Experteninterview und Fokusgruppe?

Im Experteninterview sprechen Sie einzeln und meist offen mit jeder Person. In der Fokusgruppe diskutieren mehrere Personen gleichzeitig. Die Delphi-Befragung nutzt einen standardisierten Fragebogen und gibt die Gruppenantworten zurück. Die stärksten Berührungspunkte hat sie mit der Gruppendiskussion, ohne dass sich die Teilnehmenden treffen müssen (Möhring und Schlütz 2019, S. 170).

## Quellen

Aichholzer, G. (2009). The Delphi Method: Eliciting Experts' Knowledge in Technology Foresight. In A. Bogner, B. Littig und W. Menz (Hrsg.), Interviewing Experts (Kapitel 12, ab S. 252). Basingstoke: Palgrave Macmillan. [DOI 10.1057/9780230244276](https://doi.org/10.1057/9780230244276). Verwendet: S. 252-271.

Möhring, W. und Schlütz, D. (2019). Die Befragung in der Medien- und Kommunikationswissenschaft. Eine praxisorientierte Einführung (3. Aufl.). Wiesbaden: Springer VS. [DOI 10.1007/978-3-658-25865-8](https://doi.org/10.1007/978-3-658-25865-8). Abschnitt 5.4 und 5.5, S. 168-172.

Diamond, I. R. et al. (2014). Defining consensus: a systematic review recommends methodologic criteria for reporting of Delphi studies. Journal of Clinical Epidemiology, 67(4), 401-409. [DOI 10.1016/j.jclinepi.2013.12.002](https://doi.org/10.1016/j.jclinepi.2013.12.002), [PubMed](https://pubmed.ncbi.nlm.nih.gov/24581294/).

Nasa, P., Jain, R. und Juneja, D. (2021). Delphi methodology in healthcare research: How to decide its appropriateness. World Journal of Methodology, 11(4), 116-129. [DOI 10.5662/wjm.v11.i4.116](https://doi.org/10.5662/wjm.v11.i4.116).

Zitiert nach Aichholzer (2009): Rowe und Wright (1999), Parentè und Anderson-Parentè (1987), Rauch (1979), Tichy (2004). Zitiert nach Möhring und Schlütz (2019): Drilling (2000).

**Bereit für Ihre erste Delphi-Runde?**

Panel anlegen, Runde 1 mit persönlichen Links verschicken und Runde 2 mit Rückmeldung vorbereiten. Kostenlos starten, ohne Kreditkarte.

[Kostenlos starten](/order/?code=free)

Ich wünsche Ihnen ein engagiertes Panel und viel Erfolg mit Ihrer Delphi-Studie!

**Übrigens, das hier ist verwandt:**

- [Wie schreibe ich meine Abschlussarbeit](/blog/wie-schreibe-ich-meine-abschlussarbeit/)
- [Fragen formulieren: wie aus einer Idee eine belastbare Frage wird](/blog/fragen-formulieren-tipps-fur-die-ausformulierung-von-fragen/)
- [Liste verbreiteter Likert-Skalen](/blog/liste-verbreiteter-likert-skalen/)

*Dr. Paul Marx*

## Verwandte Artikel

- [wie-schreibe-ich-meine-abschlussarbeit](/blog/wie-schreibe-ich-meine-abschlussarbeit)
- [fragen-formulieren-tipps-fur-die-ausformulierung-von-fragen](/blog/fragen-formulieren-tipps-fur-die-ausformulierung-von-fragen)
- [liste-verbreiteter-likert-skalen](/blog/liste-verbreiteter-likert-skalen)

*Autor: Dr. Paul Marx — siehe [Über uns](/ueber-uns).*