Wie Sie Ihre Stichprobengröße berechnen

Die Stichprobengröße ist die Anzahl der abgeschlossenen Antworten, die notwendig ist, damit Ihre Ergebnisse Ihre Grundgesamtheit zuverlässig repräsentieren. In der Demoskopie spiegelt die Definition der Stichprobengröße auch wider, wie präzise Ihre Schätzungen sind, da Faktoren wie Stichprobengröße versus Grundgesamtheit, Fehlerspanne und Konfidenzniveau die statistische Aussagekraft wesentlich beeinflussen.

Eine klar definierte Stichprobengröße zeigt Ihnen, wie sicher Sie Muster in Ihren Daten interpretieren können und ob sich Ihre Ergebnisse auf die größere Zielgruppe, die Sie untersuchen möchten, übertragen lassen.

In diesem Leitfaden erfahren Sie, wie die Stichprobengröße funktioniert, wie Sie die passende Stichprobe für Ihre Umfrage bestimmen und wie Sie Ihre Stichprobengröße berechnen, unabhängig davon, ob Sie eine schnelle Stimmungsumfrage oder eine umfassende Studie planen.

Die Stichprobengröße​​ ist die Anzahl der abgeschlossenen Beantwortungen, die notwendig sind, damit Ihre Ergebnisse Ihre Grundgesamtheit zuverlässig repräsentieren. Sie lässt sowohl den Umfang Ihrer Zielgruppe als auch das gewünschte Maß an Präzision erkennbar werden. Mit einer passenden Stichprobengröße gewährleisten Sie, dass Ihre Ergebnisse statistisch aussagekräftig sind und nicht auf Zufall beruhen.

Ihre ideale Stichprobengröße hängt von Faktoren wie der Größe der Grundgesamtheit (Population), der Fehlerspanne und dem Konfidenzniveau ab. Die meisten Teams nutzen Standardwerte und bestätigen die benötigte Anzahl abgeschlossener Beantwortungen mit einem Stichprobenrechner. Klare Eingaben und eine konsistente Herangehensweise bilden die Basis für fundierte Meinungsforschung, unabhängig von der Zielgruppe oder Anwendung.

Bevor Sie Ihre Stichprobengröße berechnen, sollten wir uns ansehen, wie diese mit der Beantwortungs- und Abschlussquote zusammenhängt.

Angenommen, Sie senden Ihre Befragung an eine Gruppe von 1.000 Personen. Wenn 400 Personen diese öffnen, liegt Ihre Beantwortungsquote bei 40 %. In den meisten Fällen wird Ihre Umfrage aber nicht von jeder Person abgeschlossen, die sie öffnet. Öffnen 400 Personen die Befragung, aber nur 200 Personen übermitteln ihre Beantwortungen, dann liegt die Abschlussquote bei 50 %.

Auch wenn Beantwortungs- und Abschlussquote Ihre Stichprobengröße nicht direkt festlegen, bestimmen sie, wie viele Personen Sie einladen müssen, um die gewünschte Anzahl abgeschlossener Beantwortungen zu erhalten. Berücksichtigen Sie diese Quoten, dann stellen Sie sicher, dass Ihre finale Stichprobe repräsentativ ist und zur Zuverlässigkeit sowie statistischen Signifikanz Ihrer Ergebnisse beiträgt.

Die Stichprobengröße Ihrer Erhebung wird durch drei Faktoren festgelegt: die Größe der Zielpopulation, die akzeptable Fehlerspanne und das benötigte Konfidenzniveau. Diese drei Einstellungen bestimmen in ihrer Gesamtheit die Stichprobengröße, die nötig ist, um in den Ergebnissen statistisch signifikante Unterschiede zu erkennen. Je klarer Ihre Angaben dabei sind, desto einfacher lässt sich die erforderliche Zahl an Abschlüssen mit einem Stichprobenrechner bestätigen.

Die Population ist die gesamte Gruppe, die sich in Ihren Ergebnissen zeigen soll. Bei sehr großen Populationen pendelt sich die benötigte Stichprobengröße ein; ab etwa 100.000 Personen benötigen Sie meist ungefähr gleich viele Umfrageabschlüsse, unabhängig davon, wie groß die Gesamtgruppe ist. Macht Ihre geplante Stichprobe einen erheblichen Anteil an der Grundgesamtheit aus (etwa 5 % oder mehr), können Sie die Korrektur endlicher Populationen anwenden und so die erforderliche Zahl der Abschlüsse leicht reduzieren.

Die Fehlerspanne gibt an, wie präzise Ihre Schätzungen sein müssen. Teams starten oft mit ±5 %; bei besonders wichtigen Entscheidungen wird meist auf ±3 % verringert, um die Schwankungen zu minimieren. Kleinere Fehlerspannen erfordern größere Stichproben, da sie weniger Unsicherheit in den Ergebnissen zulassen.

Das Konfidenzniveau gibt an, wie oft Sie bei Wiederholung der Umfrage mit einer anderen Stichprobe ähnliche Ergebnisse erwarten würden. 95 % Konfidenz ist ein bewährter Standard, 90 % Konfidenz genügt, wenn Schnelligkeit zählt und Sie mit weniger Umfrageabschlüssen auskommen möchten, während 99 % Konfidenz noch mehr Sicherheit bietet, jedoch meist eine größere Stichprobe erfordert. Diese Faktoren bestimmen gemeinsam die statistisch signifikante Stichprobengröße Ihrer Umfrage.

Am schnellsten berechnen Sie die Stichprobengröße mit einem Stichprobenrechner. Geben Sie einfach die Population, die gewünschte Fehlerspanne und das Konfidenzniveau ein, und der Rechner zeigt Ihnen, wie viele abgeschlossene Beantwortungen Sie für ein statistisch zuverlässiges Ergebnis benötigen.

Möchten Sie die Berechnung im Detail nachvollziehen, finden Sie hier die Standardformel zur Berechnung der Stichprobengröße für eine Anteilschätzung:

Beispiel:

Angenommen, Ihre Grundgesamtheit beträgt 10.000.000 und Sie wählen 95 % Konfidenz (z = 1,96), eine Fehlerspanne von ±5 % (E = 0,05) sowie p = 0,5, dann ergibt die Formel:

n≈384,16

Aufgerundet benötigen Sie 385 abgeschlossene Beantwortungen, um Ergebnisse für eine Population von 10 Millionen unter diesen Bedingungen einzuschätzen. Sie können diese Zahl im Stichprobenrechner überprüfen oder verschiedene Szenarien durchspielen und Ihre Angaben je nach gewünschter Präzision anpassen.

Nachdem Sie die gewünschte Stichprobengröße festgelegt haben, benötigen Sie eine Methode zur zufälligen Auswahl der Teilnehmenden. Ein einfacher Weg ist die Generierung einer Zufallsstichprobe in Excel, um diese ohne Auswahlverzerrung auszuwählen.

Sie möchten schnell abschätzen, wie viele Personen an Ihrer Befragung teilnehmen sollten? In der folgenden übersichtlichen Tabelle finden Sie eine Orientierung. Alles, was Sie brauchen, ist die Anzahl der Personen in Ihrer Zielgruppe und die gewünschte Fehlerspanne (3–10 %). Diese Mindestanzahl an Umfrageabschlüssen basiert auf einem Konfidenzniveau von 95 % und einer Antwortverteilung von 50 % (p = 0,5), sofern nicht anders angegeben.

*Prozentangaben geben eine Fehlerspanne von 3 %, 5 % und 10 % an

Bei medizinischen Forschungen sollten Sie eine niedrigere Fehlerspanne von z. B. 3 % festlegen. Wenn Sie jedoch eine Stichprobe für eine Umfrage zur Kundenzufriedenheit auswählen, eignet sich eine höhere Fehlerspanne von beispielsweise 10 % möglicherweise besser.

Eine gute Stichprobengröße hängt davon ab, wie präzise Ihre Ergebnisse sein müssen, wie vielfältig Ihre Grundgesamtheit ist und wie risikobehaftet die zu treffende Entscheidung ist. Größere Stichproben ermöglichen engere Fehlerspannen, höhere Konfidenzniveaus und fundiertere Analysen von Teilgruppen. Doch größer ist nicht immer besser. Bei manchen Erhebungen zählen wertvolles qualitatives Feedback oder die Gesamtbeteiligung mehr als die exakte Erfüllung eines Stichprobengrößenziels.

Im Folgenden sehen Sie, in welchen Situationen eine größere Stichprobe tatsächlich einen Unterschied macht.

Ist höchste Genauigkeit erforderlich, etwa bei medizinischen Studien, Policy-Forschung oder sicherheitsrelevanten Änderungen, dann sollten Sie in der Regel eine größere Stichprobe mit einer kleinen Fehlerspanne (oft ±3 %) und ein Konfidenzniveau von mindestens 95 % wählen.

Diese Einstellungen verringern die Schwankungen und sorgen dafür, dass Ihre Schätzungen die gesamte Population widerspiegeln. Besonders geeignet ist hier die Wahrscheinlichkeitsstichprobe, da jede Person eine bekannte Auswahlwahrscheinlichkeit hat und die Ergebnisse eine fundierte, belastbare Ableitung erlauben.

Für Entscheidungen wie den Eintritt in neue Märkte, Preisstudien oder Markenforschung können über eine mittelgroße bis große Stichprobe die Ergebnisse nach Region, demografischen Gruppen oder Kundentypen segmentiert werden.

Mit zunehmender Heterogenität der Grundgesamtheit, d. h. bei Unterschieden hinsichtlich Alter, Wohnort, Einkommen oder anderen Merkmalen, benötigen Sie meist mehr abgeschlossene Beantwortungen, damit jede Teilgruppe ausreichend vertreten ist. Eine Fehlerspanne von etwa ±3–5 % ist in der Regel passend, um diese Detailtiefe in der Analyse zu unterstützen.

Ist Ihre Zielgruppe klein und klar definiert (zum Beispiel 20 bis 100 Teilnehmende bei Events oder Usability-Tests), brauchen Sie keine große Stichprobe, um wichtige Erkenntnisse zu gewinnen. Schriftliches Feedback, Antworten auf offene Fragen und Beteiligungsmuster sind in solchen Fällen oft wertvoller als das Erreichen einer bestimmten Stichprobengröße.

Vorausgesetzt, Sie haben mögliche Verzerrungen im Blick, ist eine Vollerhebung der Gruppe oder ein pragmatischer nicht-probabilistischer Ansatz in solchen Fällen meist ausreichend.

In all diesen Szenarien gilt: Der Nutzen größerer Stichproben nimmt mit wachsender Größe ab. Ab einer bestimmten Populationsgröße bleibt die erforderliche Stichprobengröße nahezu konstant, und Anpassungen mittels Korrektur endlicher Populationen sind nur notwendig, wenn Ihre Stichprobe einen bedeutenden Anteil der Gesamtgruppe ausmacht.

Das Stichprobendesign legt fest, wie Sie Personen für Ihre Umfrage auswählen, und beeinflusst, ob Sie am Ende eine repräsentative Stichprobe und verlässliche Ergebnisse erhalten. Ein durchdachtes Design hilft, Stichprobenverzerrungen zu minimieren und stellt sicher, dass Ihre Stichprobe die gewünschte Population repräsentiert.

Stichprobenverfahren lassen sich in zwei Gruppen einteilen: probabilistische (Wahrscheinlichkeitsstichproben) und nicht-probabilistische Stichproben. Beide Gruppen umfassen eine ganze Reihe gängiger Methoden.

Probabilistische Stichproben geben jeder Person in Ihrer Zielgruppe eine bekannte Auswahlwahrscheinlichkeit. Dieses Verfahren ist die Grundlage für eine repräsentative Stichprobe, erlaubt fundiertere Schlussfolgerungen und reduziert Stichprobenverzerrungen.

Es gibt vier gängige Methoden der Wahrscheinlichkeitsstichprobe, die jeweils für unterschiedliche Forschungszwecke geeignet sind.

Bei der einfachen Zufallsstichprobe hat jedes Mitglied Ihrer Grundgesamtheit die gleiche Auswahlwahrscheinlichkeit, die Auswahl erfolgt dabei oft per Losverfahren oder Zufallszahlengenerator. Diese Methode minimiert Verzerrungen, da die Auswahl wirklich zufällig erfolgt, setzt jedoch voraus, dass eine vollständige und korrekte Liste der gesamten Population vorliegt. Dies kann bei großen oder dezentralen Gruppen eine Herausforderung darstellen.

Systematische Stichproben wählen Personen in regelmäßigen Abständen aus, zum Beispiel jeden 50. Namen auf einer Liste. Das Verfahren ist schnell, effizient und besonders bei geordneten Daten einfach umsetzbar. Hat jedoch die Liste ein zugrundeliegendes Muster, das mit dem Intervall korrespondiert (etwa, wenn jeder 50. Eintrag eine ähnliche Eigenschaft teilt), kann ungewollt eine Verzerrung entstehen.

Geschichtete Stichproben teilen Ihre Grundgesamtheit in sinnvolle Untergruppen, beispielsweise nach Altersgruppen, Regionen oder Kundentypen, und ziehen dann innerhalb jeder Gruppe eine Zufallsstichprobe. Diese Methode ist besonders geeignet, wenn die Repräsentation von Teilgruppen wichtig ist, weil Ihre Stichprobe so die Vielfalt Ihrer Zielgruppe abbildet. Der Nachteil: Sie benötigen von Anfang an genaue Informationen über Ihre Schichten, und die Umsetzung erfordert mehr Planung.

Clusterstichproben, auch Klumpenstichproben genannt, unterteilen Ihre Grundgesamtheit in Gruppen, etwa nach Stadtvierteln, Schulen oder Filialstandorten. Anschließend wählen Sie zufällig einige Cluster aus und befragen alle Personen innerhalb dieser ausgewählten Gruppen. Diese Methode ist praktisch und kosteneffizient bei großen, geografisch weit verteilten Populationen, kann aber zu einem höheren Stichprobenfehler führen, falls die Cluster sehr unterschiedlich sind.

Nicht-probabilistische Stichproben werden eingesetzt, wenn die Personen in Ihrer Grundgesamtheit keine gleiche oder bekannte Auswahlwahrscheinlichkeit haben. Diese Ansätze sind oft schneller, flexibler und kostengünstiger als probabilistische Methoden, bergen jedoch ein höheres Risiko von Stichprobenverzerrungen. Da die Auswahl nicht zufällig erfolgt, sind die Ergebnisse meist weniger repräsentativ für die gesamte Population.

Im Folgenden sind die fünf gängigsten nicht-probabilistischen Stichprobenverfahren und typische Einsatzbereiche aufgeführt.

Willkürliche Stichproben erfassen Antworten von den Personen, die am einfachsten erreichbar sind, zum Beispiel Kund:innen aus Ihrem E-Mail-Verteiler oder Besucher:innen Ihrer Website. Dieses Verfahren ist schnell und kostengünstig, weshalb es sich gut für explorative Studien oder erstes Feedback eignet. Da sich die Teilnehmenden aber meist selbst anhand ihrer Erreichbarkeit auswählen, spiegeln ihre Ansichten oft nicht die gesamte Zielgruppe wider.

Gezielte Stichproben wählen gezielt Personen aus, die über bestimmte Merkmale oder Fachkenntnisse verfügen, die für Ihre Untersuchung relevant sind. Dieses Verfahren wird häufig in qualitativen Studien eingesetzt, wenn Tiefgang vor Breite geht, beispielsweise bei Interviews mit Produktfachleuten oder langjährigen Kund:innen. Der Nachteil: Die Auswahl wird durch die Einschätzung der Forschenden beeinflusst, was zu Verzerrungen führen kann.

Ad-hoc-Stichproben oder Gelegenheitsstichproben beruhen darauf, dass Personen sich eigenständig für die Teilnahme an Ihrer Umfrage entscheiden, etwa durch einen Link auf einer Website oder in sozialen Medien. Dieses Verfahren ist leicht umzusetzen und ermöglicht schnelle Rückmeldungen. Allerdings sind darin häufig besonders motivierte Personen überrepräsentiert, zum Beispiel solche, die sehr zufrieden oder unzufrieden sind, wodurch die Ergebnisse verzerrt werden können.

Schneeballstichproben starten mit einer kleinen Gruppe von Teilnehmenden, die dann weitere Personen aus ihrem Umfeld für die Befragung gewinnen. Diese Methode ist hilfreich, sobald Sie schwer erreichbare oder sehr spezielle Zielgruppen untersuchen, denn sie erweitert Ihre Reichweite organisch. Die Einschränkung: Soziale Netzwerke bestehen oft aus Menschen mit ähnlichen Merkmalen, wodurch die Bandbreite der Perspektiven in Ihrer Stichprobe eingeschränkt sein kann.

Bei Quotenstichproben wird die Population in Kategorien wie Alter, Geschlecht oder Wohnort eingeteilt und für jede Kategorie wird eine bestimmte Quote festgelegt. Interviewer suchen so lange gezielt nach passenden Personen, bis alle Quoten erfüllt sind. So erreichen Sie schnell ein demografisches Gleichgewicht. Allerdings werden die Teilnehmenden innerhalb der einzelnen Quoten nicht zufällig ausgewählt, sodass weiterhin Auswahlverzerrung auftreten kann.

Brauchen Sie Unterstützung bei der Auswahl Ihrer Stichprobengröße? Vom professionellen Stichprobendesign bis zum Erreichen Ihres Zielmarkts: Wählen Sie das Feature, das zu Ihrem nächsten Schritt passt:

Sie benötigen keine fortgeschrittenen Statistikkenntnisse, um die richtige Stichprobengröße festzulegen. Ein paar klare Eingaben und ein schneller Check genügen. Beginnen Sie mit gängigen Standardwerten wie 95 % Konfidenzniveau und ±5 % Fehlerspanne und passen Sie diese Werte an, je nachdem wie präzise Ihre Ergebnisse sein sollen. Sobald Sie Population, Konfidenzniveau und Fehlerspanne festgelegt haben, nutzen Sie den Stichprobenrechner, um die Mindestzahl an abgeschlossenen Beantwortungen für Ihre Studie zu ermitteln.

Sobald Sie bereit sind, Ihre Befragung umzusetzen, können Sie kostenlos starten und diese blitzschnell erstellen. Erfordert Ihre Studie verifizierte Teilnehmende oder spezifische demografische Profile, dann unterstützt Sie SurveyMonkey Audience, gezielt die passenden Befragten zu erreichen, inklusive integrierte Qualitätskontrollen für fundierte Ergebnisse.