Likert-Skala auswerten 2026: Einzelitem oder Skala, Median oder Mittelwert — und wie du es berichtest

Die Befragung ist durch, im Datensatz stehen 24 Items mit Antwortwerten von 1 bis 5 — und jetzt beginnt die Diskussion, die in jedem zweiten Betreuungsgespräch geführt wird: Darf man über Likert-Antworten einen Mittelwert bilden? Die Frage klingt akademisch. Sie entscheidet aber darüber, welche Tabellen in deinem Ergebnisteil stehen und welche Tests du überhaupt rechnen darfst.

Die brauchbare Antwort ist nicht «ja» und nicht «nein», sondern: Es kommt darauf an, ob du ein einzelnes Item oder eine aus mehreren Items gebildete Skala auswertest. Diese eine Unterscheidung löst fast den ganzen Streit.

Item oder Skala — die Unterscheidung, an der alles hängt

Ein Likert-Item ist eine einzelne Aussage mit einer abgestuften Zustimmungsskala: «Ich fühle mich im Studium gut betreut» mit fünf Stufen von «trifft überhaupt nicht zu» bis «trifft voll zu». Dieses Item ist ordinal. Die Reihenfolge steht fest, die Abstände nicht: Der Weg von «trifft eher nicht zu» zu «teils/teils» ist psychologisch nicht garantiert derselbe wie der von «trifft eher zu» zu «trifft voll zu».

Eine Likert-Skala im ursprünglichen Sinn ist etwas anderes: mehrere Items, die dasselbe Konstrukt messen, zu einem Summen- oder Mittelwert zusammengefasst. Aus fünf Items mit je fünf Stufen entsteht ein Wert mit vielen möglichen Ausprägungen, der sich in der Praxis wie eine metrische Variable verhält. Für solche Skalenwerte sind Mittelwert, Standardabweichung und parametrische Verfahren die verbreitete und in den meisten Fachrichtungen akzeptierte Praxis.

Daraus folgt eine Arbeitsregel, die du im Methodenteil in zwei Sätzen begründen kannst:

• Einzelitem → Häufigkeiten, Median und Modus, Rangverfahren.
• Skala aus mehreren Items → Mittelwert und Standardabweichung, parametrische Verfahren — nach vorheriger Prüfung der internen Konsistenz.

Vor der Auswertung: drei Schritte, die niemand überspringen sollte

1. Umgepolte Items zurückdrehen

Gut gebaute Fragebogen enthalten negativ formulierte Items, damit niemand mechanisch dieselbe Spalte ankreuzt. Diese Items müssen vor jeder Skalenbildung umkodiert werden — bei fünf Stufen über die Formel «6 minus Wert». Wer das vergisst, erhält eine Skala, deren interne Konsistenz zusammenbricht, und sucht den Fehler dann stundenlang an der falschen Stelle. Prüfe nach dem Umkodieren stichprobenartig zwei Fälle von Hand.

2. Interne Konsistenz prüfen

Bevor du mehrere Items zusammenfasst, brauchst du einen Beleg dafür, dass sie überhaupt dasselbe messen. Der übliche Kennwert dafür und seine Interpretation sind im Beitrag zu Reliabilität und Validität beschrieben. Wichtig für die Praxis: Ein einzelnes Item, das die Konsistenz deutlich senkt, darfst du entfernen — aber du berichtest, dass und warum du es getan hast.

3. Fehlende Antworten klären

Entscheide vorab, ab wie vielen beantworteten Items ein Skalenwert überhaupt gebildet wird. Eine verbreitete Regel: Der Mittelwert wird berechnet, wenn mindestens 80 Prozent der Items beantwortet sind, sonst bleibt der Fall bei dieser Skala fehlend. Auch das ist ein Satz für den Methodenteil, kein stiller Klick.

Deskriptiv berichten: was bei welcher Ebene sinnvoll ist

Für Einzelitems ist die Häufigkeitstabelle die ehrlichste Darstellung: absolute und relative Häufigkeiten je Stufe, dazu Median und gegebenenfalls Modus. Eine oft genutzte Verdichtung ist die Zusammenfassung der beiden Zustimmungsstufen zu einem Prozentwert («72 Prozent stimmten eher oder voll zu»). Das ist verständlich und korrekt — solange du die vollständige Verteilung ebenfalls zeigst und nicht nur den zusammengefassten Wert.

Für Skalenwerte berichtest du Mittelwert, Standardabweichung, Spannweite und Fallzahl, dazu die Anzahl der Items und den Reliabilitätskennwert. Ein häufiger Fehler ist, die Skalenwerte in Zehntelstufen zu interpretieren: Ein Unterschied von 3,41 zu 3,52 ist selten eine Aussage wert. Prüfe stattdessen mit einem Test — und mit einer Effektstärke.

Grafisch ist das gestapelte Balkendiagramm die beste Wahl für mehrere Items nebeneinander: Jede Zeile ein Item, jede Farbe eine Antwortstufe. Ein Balkendiagramm der Mittelwerte sieht ordentlicher aus und verschweigt genau die Information, die den Leser interessiert — nämlich ob die Antworten gestreut oder polarisiert waren.

Welcher Test passt zu welcher Frage

Die Testwahl folgt derselben Logik wie die deskriptive Darstellung.

• Zwei unabhängige Gruppen, Einzelitem: Rangtest für zwei unabhängige Stichproben.
• Zwei unabhängige Gruppen, Skalenwert: t-Test für unabhängige Stichproben, falls die Verteilung das zulässt.
• Mehr als zwei Gruppen, Einzelitem: Rangvarianzanalyse für unabhängige Stichproben.
• Zwei Messzeitpunkte, Einzelitem: Vorzeichen-Rang-Test für verbundene Stichproben.
• Zwei Items oder Skalen im Zusammenhang: bei Einzelitems eine Rangkorrelation nach Spearman, bei Skalenwerten in der Regel Pearson.
• Zusammenhang zwischen einer Antwortstufe und einem kategorialen Merkmal: nach Zusammenfassung zu wenigen Kategorien ein Chi-Quadrat-Test in der Kreuztabelle — mit dem Nachteil, dass die Rangordnung dabei verloren geht.

Ein pragmatischer Hinweis, der viel Zeit spart: Rechne bei Einzelitems im Zweifel beides, parametrisch und rangbasiert. Kommen beide zum selben Schluss, berichtest du das rangbasierte Ergebnis und erwähnst in einem Halbsatz, dass die parametrische Variante zum selben Befund führt. Damit ist die Methodendiskussion vorweggenommen.

Antworttendenzen: warum die Verteilung manchmal mehr über das Instrument sagt als über die Befragten

Likert-Daten sind besonders anfällig für systematische Antwortmuster, und drei davon solltest du benennen können, weil sie in der Diskussion fast immer als Einwand kommen.

• Zustimmungstendenz. Manche Befragte kreuzen unabhängig vom Inhalt eher zustimmend an. Umgepolte Items sind genau dafür da: Wer bei einer Aussage und ihrer Verneinung beide Male zustimmt, produziert einen inneren Widerspruch, den du im Datensatz sehen kannst.
• Tendenz zur Mitte. Wenn sich ein auffällig grosser Anteil auf die mittlere Stufe konzentriert, liegt das oft nicht an echter Unentschiedenheit, sondern an einer zu abstrakten Frage oder an fehlender Erfahrung mit dem Gegenstand. Ein Blick auf die Häufigkeitstabelle einzelner Items reicht meist, um solche Kandidaten zu identifizieren.
• Soziale Erwünschtheit. Bei sensiblen Themen — eigene Leistung, Umgang mit Regeln, Zufriedenheit mit Vorgesetzten — verschiebt sich die Verteilung Richtung des sozial Akzeptierten. Erkennbar ist das an Decken- oder Bodeneffekten: Fast alle Antworten liegen auf der obersten oder untersten Stufe, die Standardabweichung ist auffällig klein.

Was du damit machst, ist einfach: Du berichtest den Befund, nennst die naheliegende Erklärung und ziehst die Konsequenz für die Interpretation. Ein Item mit einem Deckeneffekt kann keine Unterschiede zwischen Gruppen zeigen — nicht weil es keine gibt, sondern weil die Skala oben zu Ende ist. Dieser Satz gehört in die Limitationen und wertet deine Arbeit auf, statt sie zu schwächen.

Fünf Fehler, die in der Bewertung auffallen

1. Mittelwerte über Einzelitems ohne jede Begründung. Nicht verboten, aber begründungspflichtig — und mit Median daneben deutlich sicherer.
2. Umgepolte Items nicht zurückgedreht. Erkennbar an einer auffällig schlechten internen Konsistenz und an Korrelationen mit dem falschen Vorzeichen.
3. Skalenbildung ohne Reliabilitätsangabe. Wer Items zusammenfasst, muss zeigen, dass sie zusammengehören.
4. Die Mitte als «neutral» interpretieren. Die mittlere Stufe kann Unentschiedenheit, Ambivalenz oder Ausweichen bedeuten. Wenn dieser Anteil hoch ist, gehört das in die Diskussion, nicht in einen Nebensatz.
5. Nur Mittelwerte grafisch zeigen. Ein Balken bei 3,4 unterschlägt, ob alle bei 3 lagen oder die Hälfte bei 1 und die Hälfte bei 5.

Mustersätze für den Methodenteil

«Die Items wurden auf einer fünfstufigen Antwortskala von 1 (trifft überhaupt nicht zu) bis 5 (trifft voll zu) beantwortet. Negativ formulierte Items wurden vor der Auswertung umgepolt. Aus den sechs Items der Subskala wurde ein Mittelwert gebildet, sofern mindestens fünf Items beantwortet waren; die interne Konsistenz war zufriedenstellend. Einzelitems wurden ordinal ausgewertet und mit Median und Häufigkeitsverteilung berichtet.»

Zwei bis drei solcher Sätze ersetzen eine lange Rechtfertigung. Sie zeigen, dass du die Entscheidung bewusst getroffen hast — und genau das wird bewertet. Wie du die Zahlen anschliessend in den Fliesstext bringst, steht im Beitrag zum Aufbau des Ergebnisteils.

Häufige Fragen

Fünf, sechs oder sieben Stufen — spielt das eine Rolle?

Für die Auswertung kaum, für die Interpretation schon. Skalen mit gerader Stufenzahl erzwingen eine Tendenz, weil es keine Mitte gibt; Skalen mit ungerader Stufenzahl erlauben Ausweichen. Mehr Stufen erhöhen die Differenzierung, aber ab etwa sieben nutzen Befragte die Extreme kaum noch. Wichtig ist vor allem, dass du im Bericht angibst, wie viele Stufen deine Skala hatte und wie die Endpunkte beschriftet waren.

Darf ich Stufen nachträglich zusammenfassen?

Ja, wenn du es vorher festlegst und einheitlich anwendest. Aus fünf Stufen drei zu machen (Ablehnung, Mitte, Zustimmung) ist bei kleinen Fallzahlen oft nötig, damit die Zellen in einer Kreuztabelle gross genug bleiben. Nicht zulässig ist, die Grenze so lange zu verschieben, bis das Ergebnis passt.

Was mache ich mit der Option «keine Angabe»?

Sie gehört nicht in die Skala. Kodiere sie als fehlenden Wert, nicht als mittlere Stufe — sonst verschiebst du systematisch die Verteilung. Berichte anschliessend, wie viele Fälle betroffen waren.

Muss ich die Normalverteilung meiner Skalenwerte prüfen?

Wenn du parametrische Verfahren rechnest, ja — allerdings betrifft die Annahme streng genommen die Verteilung in der Grundgesamtheit beziehungsweise die Residuen, nicht die Rohwerte selbst. Bei grösseren Stichproben sind t-Test und Varianzanalyse gegenüber moderaten Abweichungen robust. Bei deutlich schiefen Verteilungen oder kleinen Gruppen weichst du auf Rangverfahren aus.

Kann ich eine Likert-Skala als abhängige Variable in einer Regression verwenden?

Einen Skalenwert aus mehreren Items: ja, das ist üblich. Ein einzelnes fünfstufiges Item: besser nicht mit linearer Regression, sondern mit einem Verfahren für geordnete Kategorien. Wenn dir das zu weit geht, ist der ehrlichere Weg, die Fragestellung auf einen Gruppenvergleich zurückzuführen.

Die Kurzfassung

Einzelitem heisst ordinal: Häufigkeiten, Median, Rangverfahren. Mehrere Items zu einer Skala zusammengefasst heissen quasi-metrisch: Mittelwert, Standardabweichung, parametrische Verfahren — nach Umpolung und Reliabilitätsprüfung. Zeige die Verteilung, nicht nur den Mittelwert, und schreibe zwei Sätze darüber, warum du es so gemacht hast. Damit ist deine Auswertung verteidigungsfähig.

Und wenn aus den Tabellen ein Kapitel werden muss: Tesify begleitet dich strukturiert durch deine Abschlussarbeit — von der Methodenbeschreibung bis zur Diskussion deiner Befunde.