Ratingskala: Arten, Beispiele und Gestaltung

Was ist eine Ratingskala? Arten und Beispiele, passende Stufenzahl, Mitte und „weiß nicht“, unipolare und bipolare Skalen sowie Tipps zur Auswertung.

Eine Ratingskala, im Alltag auch Bewertungsskala genannt, ist ein Antwortformat, mit dem Befragte ein Objekt, eine Aussage oder eine Eigenschaft auf vorgegebenen, geordneten Stufen beurteilen, etwa von „sehr unzufrieden“ bis „sehr zufrieden“ oder von 0 bis 10 (Jacob et al. 2019, S. 284). Es gibt sie als Wort- und Zahlenskala, als Schieberegler und mit Symbolen wie Sternen, die Likert-Skala ist nur ihre bekannteste Form. Gut auswertbar wird sie, wenn ihre Stufen gleichmäßig abgestuft sind (bei zwei Gegenpolen: gleich viele Stufen auf beiden Seiten), wenn sie meist fünf bis sieben Stufen hat, eine Mitte dort anbietet, wo eine neutrale Haltung möglich ist, und „weiß nicht“ neben die Skala stellt statt in ihre Mitte.

Dieser Artikel beantwortet fünf Fragen der Reihe nach:

1. Was ist eine Ratingskala, und was unterscheidet sie von Likert-Skala und Rangfolge?
2. Welche Arten von Ratingskalen gibt es, mit Beispielen?
3. Wie viele Stufen, mit oder ohne Mitte, und wohin gehört „weiß nicht“?
4. Unipolar oder bipolar, wie beschriften und in welcher Richtung?
5. Wie werten Sie eine Ratingskala aus: Mittelwert, Median oder Top-Box?

In den Erhebungen 2006 bis 2014 des ALLBUS, der großen Bevölkerungsumfrage der deutschen Sozialwissenschaften, wurde bei 48 bis 71 % aller Fragen eine Skala oder eine Liste mit Antwortkategorien vorgelegt (Schnell 2019, S. 75, Fn. 22). Entsprechend viele Fehler, die ich in Fragebögen sehe, stecken nicht im Fragetext, sondern in der Skala darunter: sieben lange Beschriftungen nebeneinander auf dem Smartphone, „weiß nicht“ als mittlere Stufe, Zahlen von -3 bis +3 bei einer Frage nach Wichtigkeit. Solche Gestaltungsfehler können Antworten beeinflussen und bleiben in der Auswertung leicht unbemerkt.

Was ist eine Ratingskala?

Eine Ratingskala, auch Bewertungs- oder Beurteilungsskala genannt, ist ein Antwortformat mit geordneten Stufen, auf denen Befragte selbst angeben, wo sie auf einer Merkmalsdimension stehen. Möhring und Schlütz nennen Ratingskalen „Intensitätsfragen, die der abgestuften Messung von Einstellungen, Meinungen oder Verhalten dienen“ (Möhring und Schlütz 2019, S. 86). Gefragt wird in der Regel nach dem Grad der Wichtigkeit oder der Zustimmung (Jacob et al. 2019, S. 284), ebenso nach Zufriedenheit, Wahrscheinlichkeit oder Häufigkeit.

Die Befragten bilden zuerst ihr Urteil und ordnen es dann einer Stufe zu (Schnell 2019, S. 75). Damit das bei allen gleich funktioniert, deckt eine gute Ratingskala das ganze Antwortspektrum ab, benachbarte Stufen überschneiden sich kaum, und alle Befragten verstehen jede Stufe gleich (Krosnick et al. 2005, S. 36, zitiert nach Schnell 2019, S. 76).

Ratingskala, Likert-Skala, Rangfolge: der Unterschied

Im Alltag werden die Begriffe oft vermischt, die Lehrbücher trennen sie (Malhotra und Birks 2007, S. 341-342; Marx 2026, Folie 24):

Rangfolge und Konstantsumme sind vergleichende Verfahren: Ihre Ergebnisse gelten nur relativ zu den übrigen Objekten der Liste (Malhotra und Birks 2007, S. 341). Bei einer Ratingskala bewertet jemand jedes Objekt für sich (Malhotra und Birks 2007, S. 342). Jacob et al. erklären den Unterschied an drei Eissorten: Mit Schulnoten können Vanille, Schoko und Erdbeere alle ein „gut“ bekommen. In einer Rangfolge muss eine Sorte auf Platz 3, und ob Platz 3 „ungenießbar“ oder „fast so gut wie die anderen“ bedeutet, bleibt offen. Wenn mehrere Objekte gleich gut abschneiden dürfen, und das dürfte nach Jacob et al. der Regelfall sein, oder wenn Sie das absolute Niveau wissen wollen, nehmen Sie eine Ratingskala (Jacob et al. 2019, S. 184-185).

Die Geschichte der Likert-Skala erzählt Likert-Skalen: alles Wichtige, das Zusammenfassen mehrerer Items Aggregation von Multi-Item-Likert-Skalen.

Welche Arten von Ratingskalen gibt es?

Die Lehrbücher unterscheiden Ratingskalen nach der Darstellung der Stufen: verbal, numerisch oder grafisch, oft kombiniert (Jacob et al. 2019, S. 185). Malhotra und Birks trennen außerdem kontinuierliche Skalen (eine Stelle auf einer Linie) von diskreten mit festen Stufen, darunter Likert-Skala, semantisches Differential und Stapel-Skala (Malhotra und Birks 2007, S. 342 und 347; Marx 2026, Folie 56).

Für jede Art gilt: Die Skala muss zur Frage passen. Auf „Wie zufrieden sind Sie ...?“ antwortet niemand sinnvoll mit „stimme zu“.

Verbale und numerische Skalen

Die verbale Skala ist der Normalfall. Fertige Formulierungen für 14 Bereiche von Zustimmung bis Häufigkeit finden Sie in der Liste verbreiteter Likert-Skalen. Bei numerischen Skalen bekommen nur Anfang und Ende ein Wort, dazwischen stehen Zahlen (Jacob et al. 2019, S. 192). Von Schulnoten raten Möhring und Schlütz eher ab, weil der Abstand zwischen 1 und 2 meist größer empfunden wird als zwischen 5 und 6 (Möhring und Schlütz 2019, S. 88).

Schieberegler und kontinuierliche Skalen

Bei einer kontinuierlichen Ratingskala markieren Befragte eine Stelle auf einer Linie zwischen zwei Polen (Malhotra und Birks 2007, S. 348; Marx 2026, Folie 47).

Die Feinheit ist oft nur scheinbar. In Bevölkerungsumfragen mit Skalen von 0 bis 100 ist mehr als die Hälfte der Antworten durch 5 teilbar, die meisten davon durch 10 (Schnell 2019, S. 81, Fn. 35). Für Jacob et al. überfordern schon mehr als sieben Stufen die meisten Menschen, erst recht 101 Messpunkte, das metrische Niveau sei „ein reines Artefakt des Instruments“ (Jacob et al. 2019, S. 190). Nehmen Sie einen Schieberegler also, wenn Befragte ein Gefühl stufenlos ausdrücken sollen, nicht in der Hoffnung auf feinere Daten.

Sterne, Smileys und andere Symbole

Symbolskalen ersetzen die Worte durch Bilder. Die häufigste Form sind Smiley-Skalen (Schnell 2019, S. 84), in der Forschung als Gesichter- oder Kunin-Skala bekannt, meist mit fünf oder sieben Gesichtern (Jacob et al. 2019, S. 189). Sie gelten als besonders anschaulich, vor allem für Kinder (Malhotra und Birks 2007, S. 354; Möhring und Schlütz 2019, S. 89). Vergleichende Studien mit Wortskalen sind selten, und ältere Befragte sprechen auf das Format tendenziell weniger an (Schnell 2019, S. 84).

Sterne sind für ein schnelles Gesamturteil praktisch, was drei Sterne bedeuten, legt aber niemand fest. Beschriften Sie deshalb zumindest die Enden, etwa „1 Stern = sehr schlecht, 5 Sterne = sehr gut“. Mischen Sie in einem Fragebogen nicht viele verschiedene grafische Skalen, die Abwechslung schlägt schnell in Überforderung um (Jacob et al. 2019, S. 192).

Semantisches Differential und Stapel-Skala

Das semantische Differential, auch Polaritätsprofil genannt, geht auf Osgood (1952) zurück (zitiert nach Jacob et al. 2019, S. 193). Es besteht aus mehreren, meist siebenstufigen Skalen mit gegensätzlichen Adjektiven an den Enden, etwa „modern“ und „altmodisch“. Für das Profil richten Sie die Codes aller Paare gleich aus und verbinden die Mittelwerte oder Mediane als Linie (Malhotra und Birks 2007, S. 350; Marx 2026, Folie 52). Die Streuung je Paar zeigt, wo sich die Befragten einig sind und wo nicht. Zwei Regeln sind wichtig: Die Paare müssen echte Gegensätze sein, und die positiven Begriffe stehen mal links, mal rechts, damit niemand gedankenlos immer dieselbe Seite ankreuzt (Jacob et al. 2019, S. 194).

Die Stapel-Skala ist eine Alternative, wenn sich kein sinnvolles Gegensatzpaar findet. Ein einzelner Begriff steht in der Mitte, Befragte geben mit Zahlen von -5 bis +5 ohne Null an, wie gut er zutrifft (Malhotra und Birks 2007, S. 350-351; Marx 2026, Folie 55).

Sonderfall NPS: die Skala von 0 bis 10

Die bekannteste elfstufige Ratingskala gehört zum Net Promoter Score: Befragte beantworten auf einer Skala von 0 bis 10, wie wahrscheinlich eine Weiterempfehlung ist (Reichheld 2003, zitiert nach Marx 2026, Folie 77). Für den Score werden die Antworten drei Gruppen zugeordnet: Promotoren, Passive und Kritiker (auch Detraktoren). Wie das geht, steht im Artikel Net Promoter Score.

Wie viele Stufen braucht eine Ratingskala?

Die folgenden Abschnitte gehen die Teile einer Skala der Reihe nach durch:

Eine einzig richtige Zahl von Stufen gibt es nicht. Traditionell gelten fünf bis neun als angemessen (Malhotra und Birks 2007, S. 351; Marx 2026, Folie 58). Für allgemeine Bevölkerungsumfragen halten Jacob et al. fünf Stufen vielfach für die beste Lösung (Jacob et al. 2019, S. 193).

Meine Empfehlung für die Praxis:

• Fünf Stufen als Standard. Für Gruppenvergleiche und Summenwerte aus mehreren Items reichen sie (Malhotra und Birks 2007, S. 352).
• Sieben Stufen bei einer kundigen Zielgruppe oder wenn Sie Zusammenhänge rechnen wollen, denn mit weniger Kategorien fällt die Korrelation tendenziell kleiner aus (Malhotra und Birks 2007, S. 352).
• Elf Stufen (0 bis 10) nur, wenn Sie mit einer etablierten Kennzahl wie dem NPS vergleichbar bleiben wollen.

Wie Involvement, Objekt, Erhebungsweg und Auswertung die Zahl verschieben, erklärt Likert-Skalen: alles Wichtige, eine kurze Entscheidungstabelle „5 oder 7 Stufen?“ steht in der Liste verbreiteter Likert-Skalen. Die fünf Entscheidungen im Überblick: Likert-Skalen: fünf Aspekte.

Ratingskala mit oder ohne Mitte?

Eine ungerade Zahl von Stufen hat eine Mitte, eine gerade nicht. Die Regel aus dem Lehrbuch: Wenn eine neutrale Antwort zumindest für einen Teil der Befragten möglich ist, nehmen Sie eine ungerade Zahl. Eine gerade Zahl passt, wenn Sie bewusst eine Entscheidung erzwingen wollen oder es keine neutrale Position gibt (Malhotra und Birks 2007, S. 352; Marx 2026, Folie 60). Die Abwägung im Einzelnen steht in Likert-Skalen: alles Wichtige.

Für die Mitte spricht, was ohne sie passiert: Auf Papier tragen manche ihre eigene Mitte ein, online brechen manche ab. Schnell hält sie deshalb für empfehlenswert (Schnell 2019, S. 83). In einer Meta-Analyse fanden Scherpenzeel und Saris (1997) keinen Einfluss der Mitte auf die Reliabilität, wohl aber eine bessere Validität mit Mitte (zitiert nach Möhring und Schlütz 2019, S. 91).

Gegen die Mitte spricht, dass sie mehrdeutig ist: neutrale Haltung, „teils teils“, Unsicherheit, Desinteresse oder stiller Protest (Möhring und Schlütz 2019, S. 91). Sie kann auch ein sozial verträgliches „weiß nicht“ verbergen (Sturgis et al. 2012, zitiert nach Schnell 2019, S. 83). Stufenzahl, Mitte und „weiß nicht“ entscheiden Sie deshalb zusammen.

„Weiß nicht“ und „nicht zutreffend“: neben die Skala, nicht in die Mitte

Die Mitte ist eine Position auf der Skala. „Weiß nicht“ oder „kann ich nicht beurteilen“ ist keine Position, sondern die Aussage, dass die Grundlage für ein Urteil fehlt. Schnell rät, gerade bei Ratingskalen eine eigene Antwort für diejenigen vorzusehen, die ein Objekt mangels Erfahrung nicht beurteilen können (Schnell 2019, S. 81-82). Diese Antwort steht am Ende der Skala und ist durch einen Abstand oder eine Linie sichtbar von ihr getrennt (Schnell 2019, S. 112).

Die Personalabteilung bearbeitet Anfragen zügig.
Stimme ganz und gar nicht zu · Stimme nicht zu · Teils teils · Stimme zu · Stimme ganz zu
(abgesetzt, nur bei Fragen, die nicht jeder beurteilen kann) Kann ich nicht beurteilen

Anbieten sollten Sie die Antwort nur dort, wo jemandem Wissen, Erfahrung oder Beobachtung tatsächlich fehlen kann, nicht bei Fragen nach der eigenen Zufriedenheit. Die Regel und ihre Begründung stehen im Artikel Skalenniveau.

„Nicht zutreffend“ bedeutet noch etwas anderes: Die Frage betrifft mich nicht. Online ersetzen Sie diese Antwort besser durch eine Filterfrage, die die Bewertung nur denen zeigt, die sie abgeben können. Was passiert, wenn eine Ausweichantwort in der Auswertung als Zahl mitgerechnet wird, rechnet der Artikel Skalenniveau durch: Derselbe Datensatz ergibt je nach Kodierung einen Mittelwert zwischen 3,5 und 4,1.

Unipolar oder bipolar? Und warum bipolare Skalen symmetrisch sein müssen

Eine unipolare Skala misst, wie stark eine Eigenschaft vorhanden ist, von „gar nicht“ bis „sehr“. Eine bipolare Skala spannt sich zwischen zwei Gegenpolen auf, etwa von Ablehnung bis Zustimmung oder von unzufrieden bis zufrieden (Möhring und Schlütz 2019, S. 89).

Unipolare Skalen sind verbreiteter, leichter zu konstruieren und auszuwerten, eine eindeutige Empfehlung gibt es aber nicht (Möhring und Schlütz 2019, S. 89 und 92). Bei Wichtigkeit gibt es kein Gegenteil, nur „weniger“. Eine Skala von „sehr unwichtig“ bis „sehr wichtig“ mit -2 bis +2 unterstellt einen Gegenpol, den es nicht gibt.

Minus-Plus-Skalen wecken die Vorstellung eines bipolaren Konstrukts, und der negative Bereich wird dann unter Umständen kaum genutzt. Jacob et al. empfehlen deshalb positive Zahlen (Jacob et al. 2019, S. 192).

Eine bipolare Ratingskala sollte balanciert sein, also gleich viele positive wie negative Stufen haben (Malhotra und Birks 2007, S. 352; Marx 2026, Folie 59). Möhring und Schlütz zeigen an einer Umfrage von eBay aus dem Jahr 2009, wie es schiefgeht: „sehr schlecht, schlecht, angemessen, gut, sehr gut, besonders gut“. Drei Stufen liegen über „angemessen“, nur zwei darunter, und das verzerrt die Ergebnisse (Möhring und Schlütz 2019, S. 88). Malhotra und Birks halten eine unbalancierte Skala mit mehr Stufen auf einer Seite für möglicherweise angemessen, wenn eine schiefe Verteilung zu erwarten ist, und verlangen dann, die Unwucht in der Auswertung zu berücksichtigen (Malhotra und Birks 2007, S. 352). Ich rate davon ab: Eine Skala mit mehr positiven als negativen Stufen zieht die Antworten zur positiven Seite (Marx 2026, Folie 59), und Sie können nicht mehr trennen, was Meinung ist und was Skala. Die Zustimmungs-, Zufriedenheits- und Wichtigkeitsskalen unter „Verbreitete Skalen“ in QUESTIONSTAR sind gleichmäßig aufgebaut, die bipolaren unter ihnen symmetrisch.

Eine unipolare Skala hat keine zwei Seiten, hier zählen gleich groß wirkende Schritte. Die Wörter im Beispiel oben folgen der Intensitätsskala bei Jacob et al. (Jacob et al. 2019, S. 189).

Alle Stufen beschriften oder nur die Enden?

Nach Malhotra und Birks verbessert eine Beschriftung jeder Stufe Genauigkeit und Reliabilität nicht unbedingt, sie kann aber Mehrdeutigkeit verringern (Malhotra und Birks 2007, S. 353). Das Lehrbuch sieht keine eindeutige Evidenz dafür, dass die Beschriftung aller Punkte besser ist als die ausgewählter (Marx 2026, Folie 62). Einige Lehrbücher raten dennoch zu Worten an jeder Stufe, etwa Schnell (Schnell 2019, S. 81).

Vier Varianten sind gängig (Marx 2026, Folie 63):

Zwingend ist nur, dass beide Pole eindeutig benannt sind. Bei ungerader Stufenzahl ist oft auch eine Beschriftung der Mitte sinnvoll, nötig ist sie nicht immer: Häufig ergibt sich die Mitte von selbst. Ob Sie auch die Zwischenstufen beschriften, ist nach der Forschung nicht entscheidend: Ein klarer Vorteil vollständig beschrifteter Skalen ist nicht belegt (Marx 2026, Folie 62). Praktisch heißt das: Bei fünf Stufen nehmen Sie eine fertige, voll beschriftete Skala aus der Liste verbreiteter Likert-Skalen. Ab sieben Stufen und bei Skalen von 0 bis 10 beschriften Sie die Pole, wo es hilft auch die Mitte, und nummerieren die Stufen. Die Beschriftung steht so nah wie möglich an den Antwortfeldern (Malhotra und Birks 2007, S. 353). Mehr dazu in Likert-Skalen: alles Wichtige.

In welcher Richtung? Die Reihenfolge der Stufen

Ob eine Skala mit dem negativen oder dem positiven Ende beginnt, ist keine Geschmacksfrage. Die Richtung kann Antworten beeinflussen (Lamp 2004, zitiert nach Möhring und Schlütz 2019, S. 90). In einer Telefonumfrage waren die Mittelwerte zum zuerst genannten Skalenende hin verschoben (Yan und Keusch 2015, zitiert nach Möhring und Schlütz 2019, S. 91-92). In westlichen Ländern entspricht es der Leserichtung, kleine Werte links oder oben und große Werte rechts oder unten anzuordnen (Tourangeau et al. 2004, zitiert nach Möhring und Schlütz 2019, S. 90).

Daraus folgen drei Regeln:

1. Hoher Wert für hohe Ausprägung. „Stimme überhaupt nicht zu“ bekommt die 1, „stimme voll und ganz zu“ die 5 (Möhring und Schlütz 2019, S. 92). Wenn Zahlen und Worte zusammen erscheinen, zeigen sie in dieselbe Richtung, also „sehr häufig (5) bis nie (1)“, nicht „sehr häufig (1)“ (Schnell 2019, S. 81).
2. Eine Richtung im ganzen Fragebogen. Wer bei Frage 3 links „sehr zufrieden“ liest und bei Frage 4 links „sehr unzufrieden“, kreuzt leicht das Falsche an. Ausnahme: Im semantischen Differential wechseln Sie die Polung absichtlich (Jacob et al. 2019, S. 194).
3. Stufen nie zufällig mischen. Zufällige Reihenfolge ist für ungeordnete Antwortlisten gedacht, eine Skala verliert dadurch ihre Ordnung. Mehr dazu in Reihenfolgeeffekte in Umfragen.

Ratingskalen auf dem Smartphone

Die Datenqualität unterscheidet sich zwischen Smartphone, Tablet und PC insgesamt kaum, einige Frageformen wie Schieberegler sind am Smartphone aber schlechter zu bedienen (Antoun et al. 2017; Tourangeau et al. 2017, beide zitiert nach Möhring und Schlütz 2019, S. 147-148).

Was das für die Skala heißt:

• Die ganze Skala muss ohne Scrollen sichtbar sein. Im Zweifel ordnen Sie die Stufen untereinander an, das empfiehlt Schnell fast immer. Nebeneinander passen nur wenige kurze Stufen. Alle Stufen stehen einheitlich in einer Spalte oder in einer Zeile, mit gleichen Abständen (Schnell 2019, S. 112).
• Matrixfragen sparsam einsetzen. Eine Matrix, also mehrere Aussagen mit derselben Skala in einer Tabelle, spart Platz, verleitet aber zu mechanischen Mustern („zwei links, zwei rechts“). Schnell rät deshalb im Allgemeinen davon ab (Schnell 2019, S. 114). Halten Sie Matrizen kurz, lange Batterien ermüden (Möhring und Schlütz 2019, S. 87).
• Schieberegler nur mit Grund. Wenn eine Stufenskala dasselbe leistet, ist sie am Smartphone die sicherere Wahl. In QUESTIONSTAR zählt ein Regler erst als beantwortet, wenn er bewegt wurde. In anderen Werkzeugen prüfen Sie im Test, an welcher Stelle der Regler beim Öffnen steht und ob ein nicht bewegter Regler als Antwort gespeichert wird.
• Auf mehreren Geräten testen. Was auf dem Bildschirm des Teams tadellos aussieht, kann auf anderen Geräten ganz anders wirken (Möhring und Schlütz 2019, S. 147).

Alle Entscheidungen aus diesem Artikel auf einen Blick:

Ratingskala auswerten: Verteilung, Median, Mittelwert und Top-Box

Streng genommen liefert eine Ratingskala ordinale Daten (Jacob et al. 2019, S. 35). Ob und wie Sie trotzdem Mittelwerte rechnen dürfen, behandelt der Artikel Skalenniveau.

Eine Kennzahl, die in Berichten aus Unternehmen oft besser funktioniert als der Mittelwert, ist die Top-Box: der Anteil der Befragten, die die höchste Stufe gewählt haben. Die Top-2-Box fasst die höchste und die zweithöchste Stufe zusammen, die Bottom-2-Box spiegelbildlich die beiden unteren. Die Begriffe verwendet Linke für Mitarbeiterbefragungen und empfiehlt, neben Mittelwerten die Verteilung der einzelnen Werte anzusehen (Linke 2018, S. 105).

Durchgerechnet: Top-Box oder Top-2-Box? Zwei Schulungen, zwei Sieger

Warum der Mittelwert allein nicht reicht, zeigt das Beispiel mit zwei Filialen in der Liste verbreiteter Likert-Skalen. Hier geht es um die nächste Frage: Welche „Box“ berichten Sie?

Ein erfundenes Beispiel. Ein Softwareanbieter fragt nach zwei Schulungen je 50 Teilnehmende: „Wie zufrieden sind Sie mit der Schulung?“ Die Skala reicht von 1 (sehr unzufrieden) bis 5 (sehr zufrieden).

Nach der Top-Box liegt Schulung A vorn, nach der Top-2-Box Schulung B. Bei 50 Antworten je Gruppe und unabhängigen Gruppen ist aber nur der Unterschied in der Top-Box im zweiseitigen Test für zwei Anteile auf dem 5-%-Niveau signifikant (|z| = 3,46, Grenzwert 1,96). Die Top-2-Box unterscheidet sich um vier Personen oder 8 Prozentpunkte. Dieser Unterschied ist auf dem 5-%-Niveau nicht signifikant und mit zufälligen Stichprobenschwankungen vereinbar (|z| = 0,94).

Die Top-Box zeigt, wie viele sehr zufrieden sind. Die Top-2-Box zeigt, wie viele insgesamt zufrieden sind, und verdeckt den Unterschied zwischen „zufrieden“ und „sehr zufrieden“. Legen Sie die Kennzahl deshalb vor der Auswertung fest, nennen Sie im Bericht immer die Zahl der Antworten, etwa „Top-2-Box 72 % (n = 50)“, und zeigen Sie die Verteilung mit.

Drei Punkte sollten Sie vor jeder Rechnung prüfen:

• Ausweichantworten entfernen. „Kann ich nicht beurteilen“ gehört weder in den Mittelwert noch in den Nenner der Top-Box, siehe Skalenniveau.
• Umgekehrt formulierte Aussagen umpolen. Bei Skalen aus mehreren Aussagen müssen negativ formulierte Items vor der Zusammenfassung umkodiert werden, damit ein hoher Wert immer dasselbe bedeutet (Malhotra und Birks 2007, S. 349; Marx 2026, Folie 49). Mehr dazu in Reliabilität und Validität.
• Skalen verschiedener Länge nicht direkt vergleichen. Dieselbe Frage mit unterschiedlich vielen Stufen zu vergleichen, erfordert starke Annahmen (Schnell 2019, S. 80, Fn. 31).

Ratingskalen in QUESTIONSTAR

QUESTIONSTAR bietet für die gängigen Arten von Ratingskalen einen passenden Fragetyp (Hilfe: Verfügbare Fragetypen):

• Verbale und numerische Skalen: Fragetyp „Einfache Auswahl“, vertikal oder horizontal, im horizontalen Layout auf Wunsch mit Beschriftung der Pole.
• Mehrere Aussagen mit derselben Skala: Fragetyp „Matrix“, als einfache Matrix, als Side-by-Side-Matrix (etwa Wichtigkeit und Zufriedenheit nebeneinander) oder als semantisches Differential. Auf dem Smartphone zeigt sie standardmäßig jeweils eine Aussage und klappt sie nach der Antwort ein (Hilfe: Fragetyp Matrix).
• Schieberegler und grafische Skalen: Schieberegler (etwa von 0 bis 100), Regler mit Farbverlauf, Balken, Sterne und Gesichter.
• Fertige Skalen: Unter „Verbreitete Skalen“ im Frageneditor übernehmen Sie Antwortskalen mit einem Klick.
• Codes: Die Stufen werden automatisch mit 1, 2, 3 ... kodiert, eigene Werte sind möglich.
• Ausweichantwort: Als Ausweichantwort angelegt, zählt „kann ich nicht beurteilen“ nicht in den Mittelwert und wird separat ausgewertet.
• NPS: Bei der NPS-Frage legen Sie Anfang und Ende der Skala frei fest und bestimmen, welche Stufen als Detraktoren, Passive und Promotoren zählen. Den Score berechnet QUESTIONSTAR automatisch.
• Auswertung: Zu jeder Frage sehen Sie Anzahl, Prozent und kumulierte Prozent je Stufe sowie Median und Standardabweichung. Die Top-2-Box ist die Summe der beiden obersten Prozentwerte. Dazu kommen Korrelationen nach Pearson und Spearman, t-Tests und Kreuztabellen mit Chi-Quadrat. Für weitere Rechnungen exportieren Sie die Rohdaten als CSV, XLSX oder SPSS.

Checkliste: Ratingskala vor dem Start prüfen

• Art, Stufen, Mitte: Wortskala mit fünf Stufen als Standard, sieben bei kundiger Zielgruppe, Mitte, wenn eine neutrale Haltung möglich ist.
• Bipolare Skala symmetrisch: gleich viele und gleich starke Stufen auf beiden Seiten. Unipolare Skala: gleichmäßige Schritte, keine Minuszahlen.
• Beide Pole eindeutig beschriftet, die Mitte dort, wo sie nicht von selbst klar ist.
• Richtung einheitlich im ganzen Fragebogen, hoher Code für hohe Ausprägung.
• „Kann ich nicht beurteilen“ nur bei Fragen, die nicht jeder beurteilen kann, abgesetzt von der Skala. „Nicht zutreffend“ durch Filterfrage ersetzt.
• Auf dem Smartphone getestet: ganze Skala ohne Scrollen sichtbar, Matrizen kurz, Schieberegler geprüft.
• Kennzahl für den Bericht vorher festgelegt (Mittelwert, Median, Top-Box oder Top-2-Box), Verteilung und n werden mitgezeigt.

Häufige Fragen zur Ratingskala und Bewertungsskala

Was ist eine Ratingskala?

Ein Antwortformat mit geordneten Stufen, auf denen Befragte ein Objekt, eine Aussage oder eine Eigenschaft beurteilen, etwa Zufriedenheit, Zustimmung oder Wichtigkeit (Jacob et al. 2019, S. 284). Die Stufen können mit Worten, Zahlen, Symbolen oder als Schieberegler dargestellt sein. Bewertungsskala und Beurteilungsskala meinen dasselbe.

Was ist der Unterschied zwischen Ratingskala und Likert-Skala?

Ratingskala ist der Oberbegriff. Ein Likert-Item erfasst die Zustimmung zu einer Aussage. Eine Likert-Skala im ursprünglichen Sinn fasst die Antworten auf mehrere solche Aussagen zu einem Wert pro Person zusammen (Malhotra und Birks 2007, S. 349). Heute heißen auch einzelne fünfstufige Wortskalen oft Likert-Skala (Jacob et al. 2019, S. 283).

Wie viele Stufen sollte eine Ratingskala haben?

Üblich sind fünf bis sieben, traditionell gelten fünf bis neun als angemessen (Malhotra und Birks 2007, S. 351). Fünf Stufen reichen für die meisten Umfragen, besonders für Gruppenvergleiche (Jacob et al. 2019, S. 193). Sieben lohnen sich bei einer kundigen Zielgruppe oder wenn Sie Zusammenhänge rechnen wollen.

Was ist der Unterschied zwischen einer unipolaren und einer bipolaren Skala?

Eine unipolare Skala misst die Stärke einer Eigenschaft von „gar nicht“ bis „sehr“, etwa Wichtigkeit oder Häufigkeit. Eine bipolare Skala reicht von einem Gegenpol zum anderen, etwa von „sehr unzufrieden“ bis „sehr zufrieden“ (Möhring und Schlütz 2019, S. 89).

Was ist ein semantisches Differential?

Ein Verfahren mit mehreren, meist siebenstufigen Ratingskalen zwischen gegensätzlichen Begriffen, etwa „modern“ und „altmodisch“. Die Bewertungen ergeben ein Profil, zum Beispiel das Image einer Marke (Jacob et al. 2019, S. 193-194).

Was ist der Unterschied zwischen Rating und Ranking?

Beim Rating bewertet jemand jedes Objekt für sich, mehrere Objekte dürfen gleich gut abschneiden. Beim Ranking bringt jemand die Objekte in eine Reihenfolge. Ob der letzte Platz schlecht oder nur etwas weniger gut ist, zeigt ein Ranking nicht. Wenn Sie das absolute Niveau wissen wollen, nehmen Sie ein Rating (Jacob et al. 2019, S. 184-185).

Was bedeutet Top-2-Box?

Die Top-2-Box ist der Anteil der Befragten, die eine der beiden höchsten Stufen gewählt haben, auf einer Fünferskala also 4 oder 5. Die Top-Box ist der Anteil an der höchsten Stufe allein (Linke 2018, S. 105). Berechnen Sie beide aus den gültigen Antworten, ohne „kann ich nicht beurteilen“.

Quellen

Antoun, C., Couper, M. P. und Conrad, F. G. (2017). Effects of Mobile versus PC Web on Survey Response Quality. Public Opinion Quarterly, 81(S1), 280-306. Zitiert nach Möhring und Schlütz (2019), S. 148.

Jacob, R., Heinz, A. und Décieux, J. P. (2019). Umfrage. Einführung in die Methoden der Umfrageforschung (4. Aufl.). Berlin/Boston: De Gruyter Oldenbourg.

Krosnick, J. A., Judd, C. M. und Wittenbrink, B. (2005). The Measurement of Attitudes. In D. Albarracín, B. T. Johnson und M. P. Zanna (Hrsg.), The Handbook of Attitudes (S. 21-76). Mahwah: Lawrence Erlbaum. Zitiert nach Schnell (2019), S. 76.

Lamp, E. (2004). Richtungseffekte bei Bildblattvorlagen im demoskopischen Face-to-face-Interview. ZA-Information, 54, 113-146. Zitiert nach Möhring und Schlütz (2019), S. 90.

Linke, R. (2018). Mitarbeiterbefragungen optimieren. Von der Befragung zum wirksamen Management-Instrument. Wiesbaden: Springer Gabler. DOI 10.1007/978-3-658-17722-5.

Malhotra, N. K. und Birks, D. F. (2007). Marketing Research. An Applied Approach (3rd European edition). Harlow: Pearson Education.

Marx, P. (2026). Grundlagen der Umfrageforschung. Foliensatz, Kapitel 2, Folien 24, 47, 49, 52, 55, 56, 57, 58, 59, 60, 61, 62, 63 und 77. QUESTIONSTAR. Lehrbuch.

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.

Reichheld, F. F. (2003). The One Number You Need to Grow. Harvard Business Review, 81(12). Zitiert nach Marx (2026), Folie 77.

Scherpenzeel, A. C. und Saris, W. E. (1997). The validity and reliability of survey questions: A meta-analysis of MTMM-studies. Sociological Methods & Research, 25, 341-383. Zitiert nach Möhring und Schlütz (2019), S. 91.

Schnell, R. (2019). Survey-Interviews. Methoden standardisierter Befragungen (2. Aufl.). Wiesbaden: Springer VS. DOI 10.1007/978-3-531-19901-6.

Sturgis, P., Roberts, C. und Smith, P. (2012). Middle Alternatives Revisited: How the neither/nor Response Acts as a Way of Saying „I Don't Know“? Sociological Methods & Research, 43(1), 15-38. Zitiert nach Schnell (2019), S. 83.

Tourangeau, R., Couper, M. P. und Conrad, F. (2004). Spacing, position, and order: Interpretive heuristics for visual features of survey questions. Public Opinion Quarterly, 68, 368-393. Zitiert nach Möhring und Schlütz (2019), S. 90.

Tourangeau, R., Maitland, A., Riviero, G., Sun, H., Williams, D. und Yan, T. (2017). Web Surveys by Smartphone and Tablets. Effects on Survey Responses. Public Opinion Quarterly, 81(4), 896-929. Zitiert nach Möhring und Schlütz (2019), S. 148.

Yan, T. und Keusch, F. (2015). The effects of the direction of rating scales on survey responses in a telephone survey. Public Opinion Quarterly, 79(1), 145-165. Zitiert nach Möhring und Schlütz (2019), S. 92.

Ich wünsche Ihnen Skalen, die alle Befragten gleich verstehen, und Ergebnisse, die genau das sagen, was die Skala messen kann.

Übrigens, das hier ist verwandt:

• Skalenniveau: Nominal-, Ordinal-, Intervall- und Verhältnisskala
• Liste verbreiteter Likert-Skalen
• Likert-Skalen: Alles, was Sie darüber wissen wollten

Dr. Paul Marx

Autor: Dr. Paul Marx
Dr. Paul Marx ist Gründer und Geschäftsführer von QUESTIONSTAR und war Professor für Marketing an der Universität Siegen.