Stichprobengröße (Konfidenz)

Mit der Berechnung der optimalen Stichprobengröße im Kontext des Konfidenzniveaus ermitteln Sie, wie viele Personen Sie für eine Umfrage oder Studie befragen müssen, um verlässliche Ergebnisse zu erhalten. Der Stichprobengröße (Konfidenz)-Rechner hilft Ihnen dabei, den richtigen Kompromiss zwischen statistischer Genauigkeit und praktischem Aufwand zu finden, sodass Sie mit Ihren Daten wirklich aussagekräftige Schlüsse ziehen können.

Was der Rechner leistet und wann Sie ihn einsetzen

Dieses Werkzeug ist für alle gedacht, die eine Marktforschung, eine akademische Studie oder eine interne Mitarbeiterbefragung planen. Es beantwortet die Frage: „Wie viele Antworten brauche ich mindestens, damit meine Ergebnisse mit einer bestimmten Wahrscheinlichkeit (dem Konfidenzniveau) innerhalb einer gewünschten Fehlerspanne (dem Margin of Error) liegen?“ Der Rechner berücksichtigt dabei drei zentrale Parameter: das gewünschte Konfidenzniveau (z. B. 95 % oder 99 %), den akzeptablen Stichprobenfehler und die erwartete Grundgesamtheit. Wenn Sie etwa die Kundenzufriedenheit in einem deutschen Mittelstandsunternehmen mit 500 Beschäftigten messen möchten, liefert Ihnen der Rechner die passende Zahl an Befragungen – und zwar bevor Sie wertvolle Zeit und Budget in eine zu kleine oder unnötig große Stichprobe stecken.

Die Formel Schritt für Schritt erklärt

Die Berechnung beruht auf der sogenannten Cochran-Formel, die für große oder unendliche Grundgesamtheiten verwendet wird:

n = Z² × p(1 – p) / e²

Die einzelnen Variablen bedeuten:

• n – die benötigte Stichprobengröße (Anzahl der Befragten)
• Z – der Z-Wert, der zum gewählten Konfidenzniveau gehört. Für 95 % Konfidenz verwenden Sie 1,96; für 99 % Konfidenz 2,576. Dieser Wert stammt aus der Standardnormalverteilung.
• p – die geschätzte Anteilswahrscheinlichkeit in der Grundgesamtheit. Wenn Sie keine konkrete Schätzung haben, setzen Sie p = 0,5 ein. Dann wird das Produkt p(1-p) maximal (0,25), und Sie erhalten die größtmögliche Stichprobe – ein sicherer Ansatz.
• e – der zulässige Stichprobenfehler, ausgedrückt als Dezimalzahl (z. B. 0,05 für ±5 Prozentpunkte). Ein kleinerer Fehler bedeutet eine größere Stichprobe.

Wenn Ihre Grundgesamtheit klein und genau bekannt ist (z. B. 1.200 Studierende an einer Fachhochschule oder 350 Mitarbeiter in einer Abteilung), kommt die Korrektur für endliche Populationen zum Einsatz:

n_angepasst = n / (1 + (n – 1) / N)
Hierbei steht N für die Gesamtgröße der Population. Diese Korrektur verhindert, dass Sie eine unnötig große Stichprobe ziehen, wenn Sie fast die gesamte Gruppe befragen müssten.

Zwei durchgerechnete Beispiele aus der Praxis

Beispiel 1: Kundenzufriedenheit bei einem lokalen Einzelhändler

Ein inhabergeführter Buchladen in München möchte wissen, wie zufrieden seine Kunden mit dem Service sind. Die Inhaberin entscheidet sich für ein Konfidenzniveau von 95 % (Z = 1,96) und einen maximalen Stichprobenfehler von ±4 Prozentpunkten (e = 0,04). Da sie keine früheren Werte hat, wählt sie p = 0,5.

Berechnung: n = 1,96² × 0,5 × (1 – 0,5) / 0,04² = 3,8416 × 0,25 / 0,0016 = 0,9604 / 0,0016 = 600,25 → aufgerundet 601 Kunden.

Der Buchladen benötigt also mindestens 601 vollständige Fragebögen, um mit 95 %iger Sicherheit sagen zu können, dass die Ergebnisse um maximal ±4 Prozentpunkte von der tatsächlichen Zufriedenheit abweichen. Da mit Nichtantworten zu rechnen ist, sollte der Laden etwa 750 bis 800 Kunden ansprechen.

Beispiel 2: Meinungsumfrage an einer kleinen Hochschule

Eine private Hochschule in Köln mit insgesamt 1.500 Studierenden möchte die Meinung zur neuen Mensa erfassen. Gefordert sind ein hohes Konfidenzniveau von 99 % (Z = 2,576) und ein enger Fehler von ±3 Prozentpunkten (e = 0,03). Auch hier wird mangels Vorkenntnissen p = 0,5 gesetzt.

Schritt 1 – unendliche Population: n = 2,576² × 0,5 × 0,5 / 0,03² = 6,6358 × 0,25 / 0,0009 = 1,65895 / 0,0009 = 1.843,28 → etwa 1.844 Studierende.

Da die Grundgesamtheit mit 1.500 Studierenden kleiner ist als die berechnete Stichprobe, muss die Korrektur für endliche Populationen angewandt werden:

Schritt 2 – Anpassung: n_angepasst = 1.844 / (1 + (1.844 – 1) / 1.500) = 1.844 / (1 + 1.843 / 1.500) = 1.844 / (1 + 1,2287) = 1.844 / 2,2287 ≈ 828 Studierende.

Nach der Korrektur reichen also 828 vollständige Antworten aus, obwohl die erste Formel fast die gesamte Studierendenschaft empfohlen hätte. Die Hochschule spart dadurch Zeit und vermeidet eine Überbefragung.

Häufige Fehler und wie Sie sie vermeiden

• Zu optimistische Fehlerschätzung: Viele setzen einen sehr kleinen Margenfehler (z. B. ±1 %) an, ohne zu bedenken, dass dies die benötigte Stichprobe drastisch vergrößert. Ein Fehler von ±3 % oder ±5 % ist für die meisten Zwecke völlig ausreichend und deutlich kostengünstiger.
• Vergessen der Endlichkeitskorrektur: Wer eine klar abgegrenzte, kleine Gruppe befragt (wie eine Belegschaft oder einen Jahrgang), aber ohne Korrektur rechnet, erhält viel zu hohe Zahlen. Die Faustregel lautet: Wenn die erste berechnete Stichprobe mehr als 5 % der Grundgesamtheit ausmacht, sollten Sie die Anpassung vornehmen.
• Verwechslung von Konfidenzniveau und Fehler: Der Z-Wert (z. B. 1,96 für 95 %) und der Fehler e (z. B. 0,05) sind unabhängig voneinander. Ein Konfidenzniveau von 99 % allein sagt noch nichts über die Genauigkeit der Schätzung aus – Sie brauchen immer beide Angaben.
• Ignorieren von Ausfällen: Wer genau die berechnete Zahl an Befragungen einholt, landet oft unter der erforderlichen Mindestzahl, weil Fragebögen unvollständig sind oder Personen nicht antworten. Planen Sie einen Puffer von 20 % bis 30 % mehr ein – insbesondere bei Online-Umfragen sind Ausfallquoten von 40 % keine Seltenheit.

Kurz und knapp: FAQ zur Stichprobengröße

Warum sollte ich bei unbekannter Anteilswahrscheinlichkeit p = 0,5 wählen?

Der Ausdruck p(1-p) erreicht sein Maximum bei p = 0,5 (nämlich 0,25). Mit diesem konservativen Wert stellen Sie sicher, dass Ihre Stichprobe groß genug ist, selbst wenn die tatsächliche Zustimmung oder der tatsächliche Anteil ganz anders ausfällt. Das ist die sicherste Methode, um eine zu kleine Stichprobe zu vermeiden, auch wenn der Rechner dadurch eine etwas höhere Zahl ausgibt.

Welches Konfidenzniveau ist für meine Studie das richtige?

Für die meisten Marktforschungs- und sozialwissenschaftlichen Untersuchungen ist 95 % (Z = 1,96) der etablierte Standard. Wenn Sie in der medizinischen Forschung oder in regulatorisch sensiblen Bereichen arbeiten, greifen Sie besser zu 99 % (Z = 2,576). Ein höheres Konfidenzniveau erhöht die Stichprobengröße jedoch spürbar – überlegen Sie, ob der zusätzliche Aufwand den Mehrwert rechtfertigt.

Muss ich wirklich immer eine so große Stichprobe ziehen?

Nein. Die Formel liefert eine Mindestgröße für eine bestimmte Genauigkeit. In der Praxis hängt die richtige Zahl auch von Ihrem Budget, Ihrer verfügbaren Zeit und der erwarteten Rücklaufquote ab. Wenn Sie nur 200 Antworten erhalten, können Sie trotzdem aussagekräftige Trends erkennen – nur die Fehlerspanne wird dann größer sein. Der Rechner gibt Ihnen eine fundierte Orientierung, keine starre Vorschrift.