Cronbachs Alpha in der Bachelorarbeit 2026: berechnen, interpretieren und berichten (SPSS, R, jamovi)

Du hast einen Fragebogen mit fünf Items zur Arbeitszufriedenheit, sieben Items zur Resilienz und acht Items zur Kundenbindung ausgewertet – und deine Betreuungsperson fragt: „Wie reliabel sind deine Skalen?“ In fast jeder empirischen Bachelorarbeit mit Fragebogen ist die Antwort ein Wert: Cronbachs Alpha. Er gehört zu den am häufigsten berichteten und zugleich am häufigsten missverstandenen Kennzahlen. Dieser Beitrag erklärt dir, was Cronbachs Alpha tatsächlich misst, wann du es berechnen darfst, wie du es in SPSS, R und jamovi bestimmst, wie du die Ausgabe liest und wie du das Ergebnis im Methodenteil formulierst.

Er richtet sich an Studierende der Psychologie, der Betriebswirtschaft, der Sozialen Arbeit, der Pflege und der Pädagogik, die mit Multi-Item-Skalen arbeiten. Die Rechenbeispiele sind erfunden und dienen nur der Veranschaulichung; die Quellen zu den Aussagen findest du jeweils im Text.

Was Cronbachs Alpha misst – und was nicht

Lee J. Cronbach hat den Koeffizienten 1951 in Psychometrika 16(3), 297–334 beschrieben. Cronbachs Alpha ist ein Mass für die interne Konsistenz einer Skala: Es sagt aus, wie stark die Items einer Skala miteinander zusammenhängen. Sind die Items einer Skala „Arbeitszufriedenheit“ hoch untereinander korreliert, ist Alpha hoch; messen sie unterschiedliche Dinge, ist Alpha niedrig.

Wichtig sind drei Einschränkungen, die in Gutachten regelmässig auftauchen:

• Alpha ist kein Beweis für Validität. Eine Skala kann hoch reliabel sein und trotzdem das falsche Konstrukt messen. Reliabilität ist die Voraussetzung, nicht der Nachweis der Gültigkeit.
• Alpha ist kein Beweis für Eindimensionalität. Ein hoher Wert bedeutet nicht automatisch, dass alle Items nur ein Konstrukt erfassen. Ob eine Skala eindimensional ist, prüfst du mit einer Faktorenanalyse; wie das geht, erklärt der Beitrag zur explorativen Faktorenanalyse.
• Alpha hängt von der Itemzahl ab. Je mehr Items, desto höher fällt Alpha tendenziell aus – auch bei mässiger Interkorrelation. Ein Alpha von .80 bei 20 Items sagt weniger als bei 5 Items.

Die Grundbegriffe Reliabilität und Validität findest du im Beitrag Reliabilität und Validität in der Forschung; hier geht es um die konkrete Anwendung von Alpha.

Wann du Cronbachs Alpha berechnest – und wann nicht

Berechne Alpha für jede Multi-Item-Skala, aus der du einen Skalenwert (Mittelwert oder Summe) bildest. Typische Fälle: Zufriedenheitsskalen, Einstellungsskalen, Persönlichkeitsskalen, Belastungsskalen. Keinen Sinn ergibt Alpha in diesen Situationen:

• Einzelitems: Mit einer Frage lässt sich keine interne Konsistenz bestimmen.
• Sammelindizes: Wenn du Items zusammenfasst, die verschiedene Sachverhalte erfassen (zum Beispiel „Anzahl Weiterbildungen“, „Alter“, „Betriebszugehörigkeit“) und die nicht dasselbe Konstrukt abbilden sollen, ist Alpha nicht aussagekräftig.
• Dichotome Items: Bei Ja/Nein-Antworten oder richtig/falsch-Aufgaben verwendest du den Spezialfall KR-20 (Kuder-Richardson-Formel 20), der auf Kuder und Richardson (1937) in Psychometrika 2(3), 151–160 zurückgeht. Statistikprogramme berechnen bei dichotomen Items mit der Alpha-Funktion denselben Wert.
• Zweiitem-Skalen: Bei nur zwei Items ist die Korrelation der beiden Items (und eine Spearman-Brown-Korrektur) aussagekräftiger als Alpha.

Voraussetzungen vor der Berechnung

1. Umpolen: Negativ formulierte Items („Ich fühle mich bei der Arbeit oft überfordert“) müssen vor der Berechnung umgepolt werden, sonst sinkt Alpha künstlich oder wird sogar negativ. Prüfe die Codierung jedes Items.
2. Fehlende Werte: Entscheide, wie du mit Lücken umgehst (listenweiser Ausschluss, Mittelwertersetzung bei wenigen fehlenden Antworten pro Person). Dokumentiere die Regel. Der Beitrag zu fehlenden Werten zeigt die Optionen.
3. Dimensionalität: Berechne Alpha pro Dimension, nicht über Skalen verschiedener Konstrukte hinweg. Hat dein Instrument laut Originalpublikation drei Subskalen, brauchst du drei Alphas.
4. Stichprobe: Alpha ist ein Stichprobenkennwert. Berechne ihn für deine Daten und übernimm nicht einfach den Wert aus der Originalstudie.

So berechnest du Cronbachs Alpha

In SPSS

Menü Analysieren → Skala → Reliabilitätsanalyse. Schiebe alle Items einer Skala in das Feld „Items“, wähle als Modell „Alpha“ und klicke unter „Statistiken“ auf „Skala, wenn Item gelöscht“ und „Korrelationen“. Die Ausgabe enthält Cronbachs Alpha, die Item-Skala-Statistiken (korrigierte Item-Skala-Korrelation und Alpha bei Weglassen des Items) und die Interkorrelationsmatrix.

In R

Mit dem Paket psych berechnest du Alpha mit dem Befehl psych::alpha(daten[, c("zuf1","zuf2","zuf3","zuf4","zuf5")]). Die Ausgabe zeigt Alpha, die Item-Statistiken und die Änderung von Alpha beim Weglassen einzelner Items. Mit check.keys = TRUE prüft die Funktion, ob Items umgepolt werden sollten; wende das aber bewusst an und kontrolliere die Meldung.

In jamovi

Im Menü Factor → Reliability Analysis wählst du die Items aus und aktivierst Cronbachs α sowie „Item-rest correlation“ und „α if item dropped“. Auch McDonalds ω lässt sich dort ausgeben, was für die Diskussion unten nützlich ist.

Wie du die Ausgabe liest

Richtwerte – und ihre Grenzen

Tavakol und Dennick (2011) halten im International Journal of Medical Education 2, 53–55 fest, dass es unterschiedliche Angaben zu akzeptablen Alpha-Werten gibt, die von 0.70 bis 0.95 reichen. Ein niedriger Wert kann an einer geringen Itemzahl, schwacher Interkorrelation oder heterogenen Konstrukten liegen; ein sehr hoher Wert (über 0.90) kann auf Redundanz hindeuten. Für deine Arbeit heisst das: Die gängige Faustregel „ab .70 akzeptabel“ ist eine Orientierung, kein Gesetz. Begründe deine Bewertung und verweise auf eine Quelle.

Die Tabelle fasst Orientierungswerte zusammen, wie sie in der Literatur üblich sind; sie ist keine Norm. Massgeblich ist, was in deinem Fachgebiet und bei deiner Betreuungsperson akzeptiert wird.

Beispiel einer Item-Statistik (illustrativ)

Das folgende Beispiel ist erfunden. Eine Skala „Arbeitszufriedenheit“ hat fünf Items; Cronbachs Alpha für die gesamte Skala beträgt .78.

Lesehilfe: Item 5 korreliert nur schwach mit der übrigen Skala (.18), und Alpha würde steigen, wenn du es streichen würdest (von .78 auf .82). Das ist ein Hinweis, dass das Item etwas anderes misst. Streiche es aber nicht automatisch: Entscheide inhaltlich. Gehört „Bezahlung“ nach der Theorie zum Konstrukt, begründest du, warum du es trotzdem behältst oder getrennt auswertest. Streichst du es, dokumentierst du das und nennst beide Alpha-Werte.

Vom Rohdatensatz zum Berichtssatz: der Ablauf in fünf Schritten

1. Items der Skala zuordnen. Lege in einer Tabelle fest, welche Fragebogenfragen zu welcher Skala gehören, und halte fest, welche negativ formuliert sind.
2. Umpolen und prüfen. Kehre die negativen Items um (bei einer 5-stufigen Skala: neuer Wert = 6 minus alter Wert) und kontrolliere stichprobenartig einzelne Datensätze.
3. Alpha pro Skala berechnen. Notiere Alpha, Itemzahl und die Anzahl der gültigen Fälle.
4. Item-Statistik lesen. Achte auf Items mit sehr niedriger Trennschärfe und auf Items, deren Weglassen Alpha deutlich erhöhen würde. Entscheide mit Blick auf die Theorie, nicht nur auf die Zahl.
5. Skalenwert bilden und berichten. Erst nach der Reliabilitätsprüfung bildest du Mittelwert oder Summe und verwendest den Skalenwert in den Hypothesentests. Berichte Alpha im Methodenteil, nicht erst im Ergebnisteil.

Diese Reihenfolge schützt dich vor einem häufigen Fehler: Ergebnisse werden ausgewertet, bevor die Skalen geprüft sind, und später stellt sich heraus, dass eine Skala nicht trägt. Dann müssten alle Hypothesentests wiederholt werden. Ergänzend zur Reliabilität gibt es weitere Verfahren: die Test-Retest-Reliabilität (dieselbe Gruppe wird zweimal befragt), die Split-Half-Methode (die Items werden in zwei Hälften geteilt und verglichen) und bei qualitativen Daten die Übereinstimmung zwischen Codierenden. Für eine Bachelorarbeit mit Querschnittsbefragung ist Alpha in aller Regel das Mass der Wahl, weil nur eine Erhebung nötig ist.

Was du im Methodenteil schreibst

Der Berichtssatz enthält die Skala, die Itemzahl, die Quelle der Skala und Alpha in deiner Stichprobe. Beispiel (erfundene Werte): „Die Arbeitszufriedenheit wurde mit fünf Items erfasst (Antwortformat 1 = trifft gar nicht zu bis 5 = trifft völlig zu). Die interne Konsistenz der Skala war in dieser Stichprobe akzeptabel (Cronbachs α = .78; N = 112).“ Ergänze bei mehreren Skalen eine Tabelle:

Wenn ein Wert unter deiner Schwelle liegt, benenne das offen in den Grenzen der Arbeit und diskutiere, wie das die Aussagekraft der Ergebnisse einschränkt. Eine ehrliche Einordnung wird von Gutachtenden besser bewertet als ein stillschweigend gestrichenes Item.

Kritik an Alpha: Was du in der Diskussion erwähnen kannst

In der Methodenliteratur wird Alpha seit Jahren diskutiert. Klaas Sijtsma (2009) hat in Psychometrika 74(1), 107–120 auf die sehr begrenzte Aussagekraft von Alpha hingewiesen; Jose Cortina (1993) hat im Journal of Applied Psychology 78(1), 98–104 beschrieben, wie Alpha von Itemzahl und Interkorrelation abhängt. Andrew Hayes und Jacob Coutts (2020) empfehlen in Communication Methods and Measures 14(1), 1–24, McDonalds Omega statt Alpha zu verwenden, bemerken aber auch, dass sich Omega und Alpha in vielen praktischen Fällen kaum unterscheiden. Keith Taber (2018) erklärt in Research in Science Education 48(6), 1273–1296, wie Alpha beim Entwickeln und Berichten von Instrumenten zu verwenden ist.

Für eine Bachelorarbeit reicht in der Regel Cronbachs Alpha. Wenn deine Betreuungsperson Omega verlangt oder du ein mehrdimensionales Instrument hast, gib beide Werte an. Ein Satz in der Diskussion genügt: „Cronbachs Alpha wurde als Mass der internen Konsistenz berichtet; es setzt Tau-Äquivalenz der Items voraus, die hier nicht geprüft wurde (vgl. Hayes & Coutts, 2020).“

Typische Fehler

• Alpha über den ganzen Fragebogen berechnen. Berechne es pro Skala bzw. Subskala.
• Umpolen vergessen. Ein negatives Alpha ist fast immer ein Codierfehler.
• Werte aus der Originalstudie übernehmen. Berichte Alpha für deine Stichprobe und nenne den Originalwert höchstens zum Vergleich.
• Items nach Gutdünken streichen. Streiche nur mit inhaltlicher Begründung und dokumentiere beide Werte.
• Alpha mit Validität gleichsetzen. Reliabilität sagt nichts darüber, ob du das richtige Konstrukt misst.
• Zu kleine Stichprobe. Bei sehr wenigen Antworten sind Alpha und seine Schätzung unsicher. Weise das aus; wie du die Stichprobengrösse begründest, zeigt der Beitrag zur Stichprobenbestimmung.
• Das Ergebnis nicht interpretieren. Eine Zahl ohne Einordnung („α = .74“) genügt nicht; schreibe, was sie für die Verwendbarkeit der Skala bedeutet.

Checkliste für den Methodenteil

1. Für jede Multi-Item-Skala steht die Itemzahl, die Quelle und das Antwortformat im Text.
2. Negativ formulierte Items sind umgepolt, die Regel steht in der Methodik.
3. Alpha ist für jede (Sub-)Skala in deiner Stichprobe berechnet.
4. Werte unter der gewählten Schwelle sind offen diskutiert.
5. Gestrichene Items sind begründet, beide Alpha-Werte sind genannt.
6. Die Einschränkung (Alpha ≠ Validität) steht in den Grenzen der Arbeit.

Wie du Skalenwerte bildest und Likert-Daten weiter auswertest, erklärt der Beitrag zu Likert-Skalen. Ein praktisches Anwendungsbeispiel für eine Zufriedenheitsskala findest du im Beitrag zur Kundenzufriedenheit in der Bachelorarbeit.

Wer beim Organisieren des Methodenkapitels Unterstützung sucht: Tesify hilft dir, deine Arbeit zu strukturieren – über 9’000 Studierende haben damit mehr als 15’000 Kapitel geschrieben, und der Text bleibt zu 100 % von dir geschrieben.

Häufige Fragen zu Cronbachs Alpha

Ab welchem Wert ist Cronbachs Alpha gut genug?

In der Literatur werden akzeptable Werte von etwa 0.70 bis 0.95 genannt; sehr hohe Werte können auf Redundanz hindeuten. Begründe deine Schwelle mit einer Quelle.

Darf ich Alpha für eine Skala mit nur drei Items berechnen?

Ja, aber Alpha fällt bei wenigen Items tendenziell niedrig aus. Nenne die Itemzahl und diskutiere die Einschränkung.

Was bedeutet ein negatives Alpha?

Meist wurden Items nicht umgepolt oder messen nicht dasselbe Konstrukt. Prüfe zuerst die Codierung.

Muss ich Alpha berechnen, wenn ich eine validierte Skala verwende?

Ja. Berichte Alpha für deine Stichprobe; der Wert aus der Originalstudie ersetzt das nicht.

Was ist der Unterschied zwischen Cronbachs Alpha und McDonalds Omega?

Beide sind Reliabilitätsmasse. Omega macht weniger strenge Annahmen über die Items; Alpha ist einfacher zu berechnen und deutlich verbreiteter.

Wie berichte ich Alpha bei mehreren Subskalen?

Für jede Subskala einzeln, am besten in einer Tabelle mit Itemzahl, Mittelwert, Standardabweichung und Alpha.

Reicht ein Alpha von .65?

Es ist grenzwertig. Benenne es als Einschränkung und begründe, warum die Skala trotzdem verwendet wird, etwa weil sie nur wenige Items hat.