Stichprobengröße für Umfragen berechnen.

Wie funktioniert die Berechnung?

Die Formel zur Stichprobenplanung stammt aus der frequentistischen Statistik und basiert auf der Normalapproximation der Binomialverteilung. Sie wird in Marktforschung, Sozialwissenschaften und akademischer Befragungsforschung gleichermaßen verwendet. Voraussetzung ist eine zufällige Stichprobenziehung.

Für eine unbekannte oder sehr große Grundgesamtheit gilt:

n = (z² × p × (1 − p)) / e²

Dabei ist z der kritische Wert der Standardnormalverteilung für das gewählte Konfidenzniveau (1,96 bei 95 %), p die erwartete Anteilsgröße in der Grundgesamtheit und e die maximale Fehlerspanne als Dezimalzahl.

Beispiel: Bei 95 % Konfidenzniveau, ±5 % Fehlerspanne und p = 50 % ergibt sich n = (1,96² × 0,5 × 0,5) / 0,05² = 384,16, aufgerundet also 385.

Endlichkeitskorrektur bei bekannter Grundgesamtheit

Ist Ihre Grundgesamtheit N bekannt und nicht wesentlich größer als n, überschätzt die Standardformel den tatsächlichen Bedarf. Die Finite Population Correction (FPC) korrigiert das:

n_korr = n / (1 + (n − 1) / N)

Bei N = 1.000 und n = 385 ergibt das: 385 / (1 + 384/1.000) ≈ 278 — knapp 28 % weniger. Bei N ≥ 10.000 fällt die Korrektur unter 4 % und ist praktisch vernachlässigbar.

Welches Konfidenzniveau ist das richtige?

Das Konfidenzniveau gibt an, mit welcher Wahrscheinlichkeit Ihr Messwert den wahren Wert in der Grundgesamtheit um nicht mehr als die Fehlerspanne verfehlt. Bei 95 % liegt der wahre Wert bei 19 von 20 Wiederholungen innerhalb Ihrer Spanne, bei 99 % bei 99 von 100.

In Marktforschung, Kundenbefragungen und wissenschaftlichen Abschlussarbeiten ist 95 % der übliche Standard. 99 % empfiehlt sich, wenn Fehlschätzungen besonders folgenreich wären, etwa bei Investitionsentscheidungen oder behördlichen Erhebungen. 90 % ist in explorativen Vorstudien vertretbar, wenn die Stichprobengröße ein knappes Gut ist.

Häufige Fehler bei der Stichprobenplanung

• Rücklaufquote nicht eingerechnet: Der Rechner gibt die Zahl der benötigten auswertbaren Antworten an. Bei 40 % erwartetem Rücklauf müssen Sie diesen Wert durch 0,4 teilen, um zu wissen, wie viele Personen angeschrieben werden sollten.
• Grundgesamtheit zu weit gefasst: Maßgeblich ist nicht die Gesamtbevölkerung, sondern genau die Zielgruppe, über die Sie eine Aussage treffen wollen, also zum Beispiel alle aktiven Kunden eines bestimmten Produkts.
• Fehlerspanne zu eng gewählt: ±3 % klingt präziser als ±5 %, verdreifacht aber in etwa den Stichprobenbedarf. Für explorative Studien reicht ±5 % in der Regel aus.
• p ohne Begründung auf 50 % belassen: Wenn Sie Vorwissen aus Pilotdaten oder der Literatur haben, passen Sie p entsprechend an. Eine informierte Schätzung kann den Stichprobenbedarf erheblich senken, ohne Präzision zu opfern.
• Online- und postalische Befragung gleichbehandelt: Bei Post- oder Telefonbefragungen sind Rücklaufquoten und Non-Response-Bias besonders kritisch. Hier großzügiger planen.

Wann ist dieser Rechner nicht ausreichend?

Dieser Stichprobenrechner ist für deskriptive Umfragen ohne Hypothesentest gemacht, also für Marktbefragungen, Kundenzufriedenheitsanalysen und empirische Abschlussarbeiten, bei denen Sie Anteile schätzen statt Hypothesen testen.

Sobald Sie einen statistischen Test durchführen wollen, ob sich zwei Gruppen unterscheiden (t-Test), ob ein Zusammenhang besteht (Korrelation), ob Häufigkeiten von einer Erwartung abweichen (Chi-Quadrat) oder ob mehrere Gruppen verglichen werden sollen (ANOVA), dann brauchen Sie eine Fallzahlplanung auf Basis einer Power-Analyse. Diese legt fest, wie groß Ihre Stichprobe sein muss, damit der Test empfindlich genug ist, einen tatsächlich vorhandenen Effekt zuverlässig zu erkennen.