---
url: "https://questionstar.de/blog/repraesentativitaet/"
title: "Repräsentativität: Wann ist eine Umfrage repräsentativ?"
description: "Was eine repräsentative Stichprobe ausmacht, warum Größe allein nicht reicht und wie Sie die Repräsentativität Ihrer Umfrage prüfen und ehrlich berichten."
lastmod: "2026-11-03"
type: "blog"
---

# Repräsentativität: Wann ist eine Umfrage repräsentativ?

*Ist meine Umfrage repräsentativ?*

Mehr Antworten machen eine Umfrage nicht repräsentativ. Hier lesen Sie, worauf es wirklich ankommt, wie Sie Ihre Stichprobe prüfen und wie Sie die Grenzen ehrlich berichten.

„Ist Ihre Umfrage repräsentativ?“ Diese Frage hören Studierende spätestens im Kolloquium. HR- und CX-Verantwortliche hören sie, wenn die Geschäftsführung „belastbare Zahlen“ sehen möchte. Die kurze Antwort: Eine Umfrage ist repräsentativ, wenn ihre Stichprobe die Grundgesamtheit in den Merkmalen abbildet, auf die es für Ihre Fragestellung ankommt, auch in denen, die Sie nicht nachprüfen können. Verlässlich erreichen Sie das nur mit einer Zufallsauswahl, und auch die liefert nur ein näherungsweise genaues Abbild. Deshalb verwendet die Methodenlehre das Wort streng genommen nur für Zufallsstichproben. Die Zahl der Antworten allein macht eine Umfrage nicht repräsentativ.

Im Folgenden zeige ich Ihnen, woran das liegt, wie Sie Ihre eigene Umfrage prüfen und wie Sie das Ergebnis so beschreiben, dass Ihr Betreuer oder Ihre Chefin damit arbeiten kann. Wie viele Personen Sie befragen sollten, beantwortet unser Rechner: [Stichprobengröße berechnen](/blog/stichprobenrechner/). Hier geht es um die andere Hälfte der Frage: wer diese Personen sind.

## Was bedeutet repräsentativ?

Betrachten wir ein Beispiel aus der Küche. Sie kochen einen großen Topf Suppe und wollen wissen, ob genug Salz drin ist. Dafür müssen Sie nicht den ganzen Topf essen. Ein Löffel reicht, vorausgesetzt, Sie haben vorher gut umgerührt. Dann schmeckt jeder Löffel ungefähr wie die ganze Suppe. Ob der Topf fünf oder fünfzig Liter fasst, spielt kaum eine Rolle.

Hat sich das Salz dagegen am Boden gesammelt, sagt Ihnen ein Löffel von der Oberfläche wenig. Ein größerer Löffel von der Oberfläche hilft auch nicht. Sie schmecken dann nur sehr genau die oberste Schicht.

Genau so funktioniert eine Stichprobe. Der Topf ist die Grundgesamtheit, also alle Menschen, über die Sie etwas aussagen möchten. Der Löffel ist die Stichprobe. Das Umrühren entspricht der Zufallsauswahl: Jede Person der Grundgesamtheit hat eine bekannte Chance größer als null, in die Stichprobe zu gelangen. Der Bäcker aus unserem Artikel zur [Berechnung der Stichprobengröße](/blog/berechnung-stichprobengroesse/) sticht an verschiedenen Stellen ins Brot. Die Suppe zeigt, was passiert, wenn man immer an derselben Stelle probiert.

Übrigens, „repräsentativ“ ist kein statistischer Fachbegriff. Laut Schumann (2019, S. 84) wird das Wort in der Literatur unterschiedlich definiert. Eine „repräsentative Umfrage“ ist bei ihm nur die Kurzform für eine Umfrage, die auf einer sauber angelegten Zufallsstichprobe beruht. Jacob, Heinz und Décieux (2019, S. 71) sehen es genauso.

### Repräsentativ für wen?

Schumann (2019, S. 84-85) unterscheidet drei Gruppen.

Die **Zielpopulation** sind alle, über die Sie etwas aussagen wollen. Nehmen wir eine Studentin, die für ihre Bachelorarbeit die Lernorte der Studierenden ihres Fachbereichs in der Prüfungsphase untersucht.

Die **Auswahlgesamtheit** sind alle, die überhaupt eine Chance haben, eingeladen zu werden. Verteilt die Studentin ihren Link in den WhatsApp-Gruppen ihres Jahrgangs, sind das die Mitglieder dieser Gruppen. Wer in keiner Gruppe ist, kann nicht teilnehmen.

Die **Inferenzpopulation** ist die Gruppe, auf die Sie am Ende tatsächlich schließen können. Antworten zum Beispiel die berufsbegleitend Studierenden aus Zeitmangel gar nicht, können Sie über sie nichts sagen, auch wenn sie eingeladen waren.

Das Ziel ist, dass diese drei Gruppen möglichst gut übereinstimmen. Für wen Ihre Ergebnisse gelten sollen, legen Sie deshalb vor der Befragung fest, nicht erst bei der Auswertung.

### Repräsentativ in welchen Merkmalen?

Keine Stichprobe bildet alle Eigenschaften einer Grundgesamtheit ab, dafür ist sie zu klein (Schumann 2019, S. 84, Fußnote 7, mit Verweis auf Diekmann). Die praktische Frage lautet: Welche Merkmale hängen mit dem zusammen, was Sie messen? Bei der Zufriedenheit von Beschäftigten sind das zum Beispiel Bereich, Schichtarbeit und Betriebszugehörigkeit. Die Haarfarbe ist es nicht. Bei unserer Studentin, die nach Lernorten fragt, zählt, ob jemand in Vollzeit oder berufsbegleitend studiert.

## Größe ist nicht Repräsentativität

Der berühmteste Beleg dafür ist 90 Jahre alt. Vor der US-Präsidentschaftswahl 1936 schrieb die Zeitschrift „Literary Digest“ 10 Millionen Amerikaner an. Die Adressen stammten von Abonnenten, aus Telefonbüchern und aus Mitgliederlisten von Clubs. 2,4 Millionen Fragebögen kamen zurück. Die Prognose: Der Republikaner Alfred Landon gewinnt deutlich, Franklin D. Roosevelt bekommt nur 43 % der Stimmen. Tatsächlich gewann Roosevelt haushoch, mit rund 61 % aller Stimmen und 62 % der Stimmen für die beiden großen Kandidaten. George Gallup sagte den Sieg Roosevelts richtig voraus, mit einer quotierten Stichprobe, die nur einen Bruchteil so groß war (Jacob, Heinz und Décieux 2019, S. 71-72).

Die Autoren nennen zwei Gründe für das Scheitern. Erstens die Auswahl: Wer 1936 ein Telefon besaß oder in einem Club war, gehörte überdurchschnittlich oft zur Mittel- und Oberschicht und wählte eher republikanisch. Zweitens der Rücklauf: In unteren Schichten schickten weniger Menschen den Fragebogen zurück. Bei einer schon in der Anlage verfehlten Auswahl hilft kein noch so großer Stichprobenumfang, so die Autoren. Der Fehler wiederholt sich nur im großen Maßstab.

### Durchgerechnet: eine Mitarbeiterbefragung

Ein Betrieb hat 1.000 Beschäftigte, 600 im Büro und 400 in der Produktion. Nehmen wir an, wir kennen die Wahrheit: Im Büro sind 70 % zufrieden, in der Produktion 40 %. Insgesamt sind also

0,6 × 70 % + 0,4 × 40 % = **58 %** zufrieden.

Die Befragung läuft über einen Link im Intranet. Im Büro sitzen alle am Rechner, in der Produktion kaum jemand. Es antworten 350 Personen aus dem Büro und 50 aus der Produktion, zusammen 400. Ein Rücklauf von 40 %, auf den viele stolz wären. Das Ergebnis:

(350 × 70 % + 50 × 40 %) / 400 = (245 + 20) / 400 = **66 %** zufrieden.

Die Umfrage liegt 8 Prozentpunkte zu hoch. Rechnet man mit 400 Antworten die übliche Fehlerspanne aus (95 % Konfidenzniveau, mit Korrektur für die endliche Grundgesamtheit), kommt man auf etwa ±3,6 Prozentpunkte. Das klingt präzise. Die Spanne von rund 63 bis 70 % enthält den wahren Wert von 58 % aber nicht.

Nun schickt die Personalabteilung zwei Erinnerungen. Am Ende haben alle 600 Büroangestellten geantwortet, aus der Produktion weiterhin nur 50. Ergebnis: (420 + 20) / 650 = **68 %**. Mehr Antworten, größerer Fehler.

Die Fehlerspanne misst nur den Zufallsfehler, also die Schwankung, die entsteht, weil man nicht alle befragt. Gegen eine schiefe Auswahl ist sie blind. Die amerikanische Fachgesellschaft AAPOR stellt deshalb klar, dass eine Fehlerspanne nur für Stichproben mit bekannten Auswahlwahrscheinlichkeiten gilt. Für Stichproben, in die sich Menschen selbst eintragen, sollte sie nicht angegeben werden (AAPOR, Stellungnahme zur Fehlerspanne, und Baker et al. 2013).

## Wie entsteht eine repräsentative Stichprobe?

Es gibt im Kern zwei Wege.

Der erste ist die **Zufallsauswahl**. Sie brauchen dafür eine Liste, die Ihre Zielpopulation möglichst vollständig enthält, etwa die Personalliste oder die Kundendatei. Daraus ziehen Sie per Zufall, bei kleinen Gruppen laden Sie oft gleich alle ein. Dann verschiebt sich das Problem zu denen, die nicht antworten. Ob diese Ausfälle mit dem Thema zusammenhängen, lässt sich selten prüfen, denn dafür bräuchte man gerade die fehlenden Daten (Schumann 2019, S. 105).

Der zweite ist die **Quotenauswahl**. Sie legen fest, wie viele Personen mit bestimmten Merkmalen in die Stichprobe sollen, zum Beispiel 52 % Frauen und 48 % Männer wie in der Grundgesamtheit. Wer innerhalb dieser Vorgaben befragt wird, bleibt offen. Auf der Straße spricht der Interviewer eher Menschen an, die freundlich wirken und leicht zu erreichen sind (Malhotra und Birks 2007, S. 413-414). Online füllt sich die Quote mit denen, die den Link zuerst sehen.

Dass auch Quoten danebenliegen können, zeigte sich ausgerechnet bei Gallup. 1948 sagte sein Institut mit einer Quotenstichprobe den Sieg von Thomas Dewey voraus. Gewonnen hat Harry Truman (Jacob, Heinz und Décieux 2019, S. 17). Die Schlagzeile der Chicago Daily Tribune „Dewey Defeats Truman“ eröffnet in meinem Kurs „Grundlagen der Umfrageforschung“ das Kapitel über Stichproben ([Folie 118](/lehrbuch/grundlagen-der-umfrageforschung/kapitel-4/folie-118.html)).

Quoten haben noch eine zweite Tücke. Werden Geschlecht und Studiengang unabhängig voneinander quotiert, kann die Stichprobe in beiden Merkmalen stimmen und trotzdem schief sein. Sollen von 100 Befragten 50 Frauen und 50 Männer sein und außerdem 50 aus BWL und 50 aus VWL, dann sind diese Vorgaben auch erfüllt, wenn alle Frauen BWL und alle Männer VWL studieren. Jacob, Heinz und Décieux (2019, S. 88-89) zeigen das an echten Studierendenzahlen.

Wie gut Quotenstichproben sind, ist in der Fachwelt umstritten (Jacob, Heinz und Décieux 2019, S. 90, und Malhotra und Birks 2007, S. 414). Einig sind sich alle: Eine Quotenstichprobe stimmt bei den quotierten Merkmalen, bei allen anderen ist das eine Hoffnung, keine Gewissheit (Schumann 2019, S. 98).

Eine kompakte Übersicht mit Stärken und Schwächen finden Sie im [Kapitel 4 „Stichproben“ unseres Lehrbuchs](/lehrbuch/grundlagen-der-umfrageforschung/kapitel-4/folie-134.html).

## Online-Umfragen und Repräsentativität

Kann eine Online-Umfrage repräsentativ sein? Das hängt vor allem davon ab, wie die Menschen zu Ihrem Fragebogen kommen.

**Der offene Link.** Sie posten den Link auf Instagram oder im Newsletter, und wer Lust hat, macht mit. Das ist eine Gelegenheitsstichprobe mit Selbstauswahl. Solche Stichproben sind für keine definierbare Grundgesamtheit repräsentativ (Malhotra und Birks 2007, S. 412). Für explorative Studien, die erst Ideen sammeln, taugen sie trotzdem. Viele gute Bachelorarbeiten arbeiten genau so. Sie dürfen das Ergebnis nur nicht als repräsentativ verkaufen.

**Das Online-Panel.** Wird aus einem Panel eine Zufallsstichprobe gezogen, ist sie zunächst nur für das Panel repräsentativ. Ob das Panel selbst die Bevölkerung abbildet, hängt davon ab, wie es rekrutiert wurde. Viele Online-Panels entstehen durch Selbstanmeldung, und es bleiben eher die Motivierten dabei (Jacob, Heinz und Décieux 2019, S. 92-93). Fragen Sie den Anbieter deshalb nach dem Rekrutierungsweg, nicht nur nach den Quoten.

**Die vollständige Liste.** Hier sind Online-Umfragen stark. Jacob, Heinz und Décieux (2019, S. 126) halten sie vor allem dann für gut geeignet, wenn eine Adressliste zugrunde liegt, etwa eine Kundenkartei oder das E-Mail-Verzeichnis einer Hochschule oder eines Unternehmens. Für HR und CX ist das der Normalfall. Sie können alle einladen oder per Zufall ziehen, gezielt nachfassen und hinterher vergleichen, wer geantwortet hat. Achten Sie darauf, ob wirklich alle auf der Liste stehen. Beschäftigte ohne dienstliche E-Mail-Adresse, wie in unserem Produktionsbeispiel, brauchen einen eigenen Zugang, etwa einen QR-Code am Schwarzen Brett oder ein Tablet im Pausenraum.

Übrigens, in QUESTIONSTAR können Sie [Quoten](/funktionen/) pro Antwortoption oder Teilnehmerprofil festlegen, also eine Höchstmenge je Gruppe, und bestimmen, was passiert, wenn eine Quote voll ist: weiter zum Befragungsende, in einen anderen Pfad oder eine freundliche Absage. So verhindern Sie, dass eine Gruppe die Stichprobe überschwemmt. Mit Screening-Fragen halten Sie Personen heraus, die nicht zu Ihrer Grundgesamtheit gehören. Erinnerungen per E-Mail gehen nur an diejenigen, die noch nicht geantwortet haben. Fehlende Gruppen holt eine Quote aber nicht herbei. In unserem Beispiel würde eine Quote das Büro begrenzen, aus der Produktion käme dadurch keine einzige Antwort mehr. Repräsentativität garantiert das alles nicht, denn auch eine volle Quote sagt nichts darüber, wer innerhalb der Quote geantwortet hat.

**Quoten festlegen und Rücklauf im Blick behalten: Umfrage kostenlos erstellen**

Legen Sie Quoten für die Merkmale fest, auf die es in Ihrer Studie ankommt, und erinnern Sie gezielt diejenigen, die noch nicht geantwortet haben.

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

## Gewichtung: wann sie hilft und wann nicht

Ist die Stichprobe schief, liegt ein Gedanke nahe: Man rechnet sie gerade. Das nennt man Gewichtung, bei Ausfällen auch Redressment. Jede Gruppe bekommt das Gewicht „Anteil in der Grundgesamtheit (Soll) geteilt durch Anteil in der Stichprobe (Ist)“. Schumann (2019, S. 106) rechnet vor: Frauen zwischen 50 und 60 Jahren machen 8,3 % der Wahlberechtigten aus, in der Stichprobe nur 7,1 %. Jede dieser Frauen zählt dann mit 8,3 / 7,1 = 1,17.

Wenden wir das auf unsere Mitarbeiterbefragung an. Das Büro stellt 60 % der Belegschaft, aber 87,5 % der Antworten. Gewicht: 0,6 / 0,875 = 0,69. Die Produktion stellt 40 % der Belegschaft, aber nur 12,5 % der Antworten. Gewicht: 0,4 / 0,125 = 3,2. Die 350 Antworten aus dem Büro zählen dann zusammen wie rund 240 Personen (350 × 0,69), die 50 aus der Produktion wie 160 (50 × 3,2). Gewichtet ergibt sich (240 × 70 % + 160 × 40 %) / 400 = (168 + 64) / 400 = 58 %, also wieder der wahre Wert.

Das funktioniert aber nur, wenn die 50 Antwortenden aus der Produktion so denken wie die 350, die nicht geantwortet haben. Genau das wissen Sie nicht. Nehmen wir an, geantwortet haben vor allem Schichtleitungen, weil sie öfter am Rechner sitzen. Sie sind zufriedener, sagen wir 60 % statt 40 %. Dann ergibt die Gewichtung 0,6 × 70 % + 0,4 × 60 % = 66 %. Ungewichtet wären es in diesem Fall (245 + 30) / 400 = 69 %. Die Gewichtung holt also nur 3 von 11 Prozentpunkten zurück. Mehr kann sie nicht, denn sie hat nur die Meinung von 50 Personen mit 3,2 multipliziert.

Dazu kommt ein Preis, der oft übersehen wird: Ungleiche Gewichte machen das Ergebnis unsicherer. In unserem Beispiel tragen 50 Personen 40 % des Ergebnisses. Jede einzelne Antwort aus der Produktion wiegt fast fünfmal so viel wie eine aus dem Büro. Nach einer gängigen Näherung des Statistikers Leslie Kish zählen die 400 gewichteten Antworten so viel wie etwa 240 ungewichtete.

Für Gewichte nach Alter und Geschlecht sprechen Jacob, Heinz und Décieux (2019, S. 93) von der nicht überprüfbaren Hoffnung, dass sich damit auch alle anderen Merkmale anpassen. Wenn Sie gewichten, gehört das Verfahren in den Bericht (Malhotra und Birks 2007, S. 488). Und Gewichte, die bestimmte Kunden wegen ihres Umsatzes stärker zählen, beantworten eine andere Frage. Weisen Sie solche Ergebnisse getrennt aus.

Wenn Sie gewichten müssen, exportieren Sie die Rohdaten als SPSS-, CSV- oder Excel-Datei und gewichten in SPSS, Stata oder R (zum Beispiel mit dem Paket „survey“). Mein Rat für die meisten Abschlussarbeiten und internen Befragungen: erst prüfen und offen berichten. Gewichten nur, wenn Sie gute Referenzdaten haben und begründen können, warum die Antwortenden in jeder Gruppe den Nichtantwortenden ähneln.

## Repräsentativität prüfen und sauber berichten {#repraesentativitaet-pruefen-und-sauber-berichten}

Mit Daten der Grundgesamtheit können Sie prüfen, wo Ihre Stichprobe in bekannten Merkmalen nachweislich abweicht. Repräsentativität beweist das nicht. Die Vorbereitung beginnt vor der Erhebung, denn vergleichen können Sie nur, was Sie abgefragt haben.

1. Besorgen Sie Referenzdaten: Hochschulstatistik oder Studierendensekretariat, HR-System, Kundendatenbank oder für die Bevölkerung das Statistische Bundesamt (Destatis).
2. Fragen Sie genau diese Merkmale ab, in denselben Kategorien. Wer „unter 30“ fragt, kann nicht mit „18 bis 24“ vergleichen.
3. Stellen Sie beides in einer Tabelle gegenüber.
4. Bewerten Sie jede Abweichung danach, ob das Merkmal mit Ihrer Forschungsfrage zusammenhängt.

Betrachten wir ein Beispiel mit erfundenen Zahlen. Unsere Studentin hat 212 Antworten über WhatsApp- und Instagram-Gruppen gesammelt. Thema: Lernorte in der Prüfungsphase.

| Merkmal | Fachbereich (Hochschulstatistik) | Stichprobe (n = 212) | Abweichung |
|------|------|------|------|
| Frauen | 52 % | 68 % (144) | +16 Punkte |
| Studiengang BWL | 55 % | 74 % (157) | +19 Punkte |
| Studiengang Wirtschaftsinformatik | 25 % | 12 % (25) | -13 Punkte |
| Studiengang VWL | 20 % | 14 % (30) | -6 Punkte |
| Masterstudium | 30 % | 12 % (25) | -18 Punkte |
| Berufsbegleitend | 15 % | 3 % (6) | -12 Punkte |

Die Stichprobe enthält deutlich mehr Frauen, mehr BWL- und mehr Bachelorstudierende als der Fachbereich, also vor allem Menschen aus dem Umfeld der Autorin. Bei Gelegenheitsstichproben ist das normal. Am wichtigsten ist die letzte Zeile. Berufsbegleitend Studierende lernen vermutlich anders, oft abends und zu Hause. Mit 6 Antworten lässt sich über sie nichts sagen. Ein Gesamtwert wie „62 % lernen in der Prüfungsphase in der Bibliothek“ beschreibt deshalb vor allem Vollzeitstudierende im Bachelor.

Und selbst wenn alle Zeilen gepasst hätten: Wer in WhatsApp-Gruppen aktiv ist und Umfragen von Kommilitonen ausfüllt, ist vielleicht auch fleißiger als der Durchschnitt. Das zeigt keine Strukturtabelle.

### Formulierungen für den Methodenteil

So oder ähnlich können Sie die Grenzen in Ihrer Abschlussarbeit beschreiben:

> „Die Stichprobe wurde als Gelegenheitsstichprobe über studentische Gruppen in sozialen Medien gewonnen. Sie ist daher nicht repräsentativ für die Studierenden des Fachbereichs. Ein Vergleich mit der Hochschulstatistik zeigt eine Überrepräsentation von Frauen und BWL-Studierenden sowie eine deutliche Unterrepräsentation berufsbegleitend Studierender (Tabelle X).“

> „Die Ergebnisse sind als Tendenzen innerhalb der befragten Gruppe zu verstehen. Auf Fehlerspannen wird verzichtet, da diese eine Zufallsauswahl voraussetzen.“

> „Für berufsbegleitend Studierende liegen zu wenige Antworten vor. Eine gezielte Befragung dieser Gruppe wäre ein sinnvoller nächster Schritt.“

In den Bericht an die Geschäftsführung gehört dasselbe: wer eingeladen war, wer geantwortet hat, welche Gruppen fehlen und was das für die Zahlen bedeutet. Für unser Mitarbeiterbeispiel etwa so:

> „Eingeladen waren alle 1.000 Beschäftigten. Geantwortet haben 350 von 600 im Büro und 50 von 400 in der Produktion. Der Gesamtwert von 66 % Zufriedenheit spiegelt deshalb vor allem das Büro. Für die Produktion sind die Zahlen nicht belastbar.“

### Tendenzen statt Repräsentativität

„Tendenzen statt Repräsentativität“ beschreibt genau, was Ihre Daten können. Viele Abschlussarbeiten wollen gar nicht schätzen, wie viel Prozent aller Studierenden etwas tun. Sie prüfen, ob zwei Dinge zusammenhängen, zum Beispiel Lernort und Prüfungsangst. Schumann (2019, S. 106, Fußnote 56) weist für Ausfälle in Zufallsstichproben darauf hin, dass Anteile und Mittelwerte in der Regel stärker betroffen sind als Zusammenhänge. Für Gelegenheitsstichproben ist das nur ein Hinweis. Hängt die Teilnahme selbst mit beiden Merkmalen zusammen, kann auch ein Zusammenhang verzerrt sein, etwa wenn Studierende mit starker Prüfungsangst eine Umfrage zum Prüfungsstress gar nicht erst öffnen. Wie Sie den Methodenteil insgesamt aufbauen, lesen Sie in unserem Artikel [Wie schreibe ich meine Abschlussarbeit?](/blog/wie-schreibe-ich-meine-abschlussarbeit/).

## Häufige Fragen zur Repräsentativität

### Ab wie vielen Teilnehmenden ist eine Umfrage repräsentativ?

Es gibt keine Zahl, ab der eine Umfrage repräsentativ wird. Die Größe bestimmt, wie genau Ihr Ergebnis ist, vorausgesetzt, die Auswahl war zufällig. Wie viele Antworten Sie für eine bestimmte Genauigkeit brauchen, zeigt unser [Stichprobenrechner](/blog/stichprobenrechner/). Ist die Auswahl schief, machen auch 2,4 Millionen Antworten es nicht besser.

### Ist eine Online-Umfrage repräsentativ?

Über einen offenen Link in sozialen Medien nicht, denn die Teilnehmenden wählen sich selbst aus. Auf Basis einer vollständigen Liste, etwa aller Beschäftigten oder Kunden, kann sie gute Voraussetzungen haben. Dann entscheidet, wer antwortet und wer nicht.

### Reicht eine Quotenstichprobe?

Für viele praktische Zwecke ist sie ein vernünftiger Kompromiss. Sie sorgt aber nur dafür, dass die quotierten Merkmale stimmen. Schreiben Sie deshalb „nach Alter und Geschlecht quotiert“ und nicht einfach „repräsentativ“.

### Muss meine Bachelorarbeit repräsentativ sein?

Meistens nicht. Die meisten Bachelorarbeiten arbeiten mit Gelegenheitsstichproben, und Betreuende wissen das. Erwartet wird, dass Sie die Grenzen kennen und benennen. Klären Sie im Zweifel mit Ihrem Betreuer, ob Ihre Forschungsfrage Anteile schätzen oder Zusammenhänge untersuchen will.

### Was tun, wenn meine Stichprobe nicht repräsentativ ist?

Beschreiben Sie offen, welche Gruppen fehlen, wie im Abschnitt [Repräsentativität prüfen und sauber berichten](#repraesentativitaet-pruefen-und-sauber-berichten) gezeigt. Wenn noch Zeit ist, sprechen Sie gezielt die fehlenden Gruppen an. Ideen dafür finden Sie in unserem Artikel [Wo finde ich Probanden für meine Umfrage](/blog/wo-finde-ich-probanden/).

## Quellen

Jacob, R., Heinz, A. und Décieux, J. P. (2019). Umfrage. Einführung in die Methoden der Umfrageforschung (4. Aufl.). Berlin/Boston: De Gruyter. S. 16-17 (Literary Digest 1936, Gallup 1948), S. 71-72 (Grundgesamtheit und Stichprobe, Literary Digest), S. 88-90 (Quotenauswahl), S. 92-93 (Access-Panels), S. 126 (Onlinebefragungen).

Schumann, S. (2019). Repräsentative Umfrage. Praxisorientierte Einführung in empirische Methoden und statistische Analyseverfahren (7. Aufl.). Berlin/Boston: De Gruyter. S. 84-85 (Repräsentativität, Ziel-, Auswahl- und Inferenzpopulation), S. 98 (Quotenverfahren), S. 105-106 (Ausfälle, Redressment).

Malhotra, N. K. und Birks, D. F. (2007). Marketing Research: An Applied Approach (3rd European ed.). Harlow: Pearson. S. 412-414 (Gelegenheits- und Quotenstichproben), S. 488 (Gewichtung).

Marx, P. Grundlagen der Umfrageforschung (Kursfolien), Kapitel 4 „Stichproben“, Folien 118-134.

Baker, R., Brick, J. M., Bates, N. A. et al. (2013). Report of the AAPOR Task Force on Non-Probability Sampling. American Association for Public Opinion Research. Kurzfassung: Summary Report of the AAPOR Task Force on Non-probability Sampling. Journal of Survey Statistics and Methodology, 1(2), 90-143.

AAPOR (o. J.). Margin of Sampling Error/Credibility Interval (Stellungnahme). aapor.org.

**Bereit für die Erhebung?**

Umfrage erstellen, verteilen und auswerten. Kostenlos starten, ohne Kreditkarte.

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

Hinweise oder Korrekturen? Schreiben Sie an [redaktion@questionstar.de](mailto:redaktion@questionstar.de). Wir lesen alles und antworten persönlich.

Ich wünsche Ihnen viel Erfolg mit Ihrer Umfrage!

**Übrigens, das hier ist verwandt:**

- [Stichprobenrechner: Umfang der Stichprobe einfach berechnen](/blog/stichprobenrechner/)
- [Wo finde ich Probanden für meine Umfrage](/blog/wo-finde-ich-probanden/)
- [Berechnung der Stichprobengröße: technische Details einfach erklärt](/blog/berechnung-stichprobengroesse/)

Datum: 03.11.2026
Autor: Dr. Paul Marx

## Verwandte Artikel

- [stichprobenrechner](/blog/stichprobenrechner)
- [wo-finde-ich-probanden](/blog/wo-finde-ich-probanden)
- [berechnung-stichprobengroesse](/blog/berechnung-stichprobengroesse)

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