Ergebnisteil schreiben: Quantitative Ergebnisse klar aufbauen und darstellen

Du hast die Statistik gerechnet, Tabellen exportiert und vielleicht sogar signifikante Werte gefunden — aber sobald du den Ergebnisteil schreiben willst, wirkt alles gleichzeitig relevant. Soll die Stichprobe vor den Hypothesentests kommen? Müssen Mittelwerte in den Text oder nur in die Tabelle? Darfst du schon erklären, warum ein Effekt auftritt, oder gehört das erst in die Diskussion? Genau an dieser Stelle verlieren viele Studierende an deutschsprachigen Hochschulen den roten Faden: Sie schreiben Zahlen nacheinander ab, statt ein Ergebniskapitel mit klarer Leserführung aufzubauen. Dadurch entsteht ein Text, der zwar „statistisch“ aussieht, aber die Forschungsfrage nicht sauber beantwortet.

Ein quantitativer Ergebnisteil berichtet deine Daten in einer nachvollziehbaren Reihenfolge: erst Datenbasis, dann deskriptive Befunde, danach inferenzstatistische Tests passend zu Forschungsfragen oder Hypothesen. Tabellen und Abbildungen verdichten Zahlen; der Fließtext benennt nur die Muster, die für deine Forschungslogik relevant sind. Erklärungen, Ursachen, Einordnung in Literatur und praktische Folgen gehören in die Diskussion, nicht in den Ergebnisteil.

In diesem Leitfaden

• Wie kann man den Ergebnisteil schreiben, ohne den roten Faden zu verlieren?
• Welche Reihenfolge passt für quantitative Ergebnisse?
• Wie unterscheidet man Ergebnisse vs Diskussion sauber?
• Wie stellt man Tabellen und Abbildungen im Ergebniskapitel sinnvoll dar?
• Wie schreibt man zu jedem statistischen Test einen klaren Ergebnisabsatz?
• Wie sehen konkrete Formulierungen für quantitative Ergebnisse aus?
• Welche Fehler machen Studierende häufig beim Ergebnisteil schreiben?
• Wie prüft man, ob das Ergebniskapitel vollständig und lesbar ist?

Wie kann man den Ergebnisteil schreiben, ohne den roten Faden zu verlieren?

Den Ergebnisteil schreiben gelingt am besten, wenn du ihn nicht als Sammlung einzelner Statistikwerte behandelst, sondern als Antwortstruktur auf deine Forschungsfrage. Jede Tabelle, jeder Absatz und jeder Test muss erkennbar dazu beitragen, eine Teilfrage oder Hypothese zu beantworten. Der rote Faden entsteht durch Reihenfolge, Wiederholung gleicher Berichtsmuster und klare Übergänge zwischen deskriptiven und inferenzstatistischen Ergebnissen.

Die Leitfrage als Sortierprinzip

Der Ergebnisteil ist kein Statistikprotokoll. Er zeigt, welche Befunde aus deiner Analyse hervorgegangen sind und wie diese Befunde zu deiner Untersuchung passen. Deskriptive Statistik bedeutet: Du beschreibst Daten, etwa Mittelwerte, Standardabweichungen, Häufigkeiten oder Verteilungen. Inferenzstatistik bedeutet: Du prüfst, ob Unterschiede, Zusammenhänge oder Modelle über deine Stichprobe hinaus interpretiert werden können, etwa mit t-Test, ANOVA, Korrelation oder Regression.

Wenn deine Forschungsfrage lautet „Besteht ein Zusammenhang zwischen Prüfungsangst und Lernzeit bei Bachelorstudierenden?“, braucht der Ergebnisteil nicht alle denkbaren Variablen aus deinem Fragebogen. Er braucht die Stichprobenbeschreibung, passende Kennwerte für Prüfungsangst und Lernzeit sowie den Zusammenhangstest. Zusatzvariablen gehören nur hinein, wenn sie vorher methodisch begründet wurden.

Für die Vorbereitung hilft eine Struktur, die Forschungsfrage, Variablen und Hypothesen verbindet. Falls diese Verbindung noch unscharf ist, lohnt sich ein Blick auf das Variablenmodell mit Messindikatoren, bevor du den Ergebnistext formulierst.

Vom Analyseoutput zum Lesetext

Statistikprogramme geben oft mehr aus, als du berichten musst. SPSS, R, Jamovi, JASP oder Excel liefern Tabellen mit vielen Spalten, Zwischenschritten und technischen Informationen. Dein Ergebniskapitel darf diesen Output nicht einfach kopieren. Es übersetzt relevante Ergebnisse in einen wissenschaftlichen Text.

Ein brauchbarer Arbeitsablauf sieht so aus:

1. Markiere im Output nur die Werte, die zu Forschungsfrage, Hypothese oder Variablenbeschreibung gehören.
2. Entscheide, welche Werte in eine Tabelle gehören und welche im Fließtext genannt werden müssen.
3. Ordne die Ergebnisse in der Reihenfolge deiner Forschungsfragen oder Hypothesen.
4. Schreibe pro Ergebnisblock einen kurzen Absatz mit Test, Richtung, Wert und Befund.
5. Prüfe jeden Satz auf Diskussionselemente wie „weil“, „vermutlich“, „zeigt die Ursache“ oder „lässt sich dadurch erklären“.

Welche Reihenfolge passt für quantitative Ergebnisse?

Für quantitative Ergebnisse eignet sich meist eine Reihenfolge von allgemein nach spezifisch: Datenbasis, Stichprobe, Datenprüfung, deskriptive Statistik, Hypothesentests oder Modellanalysen. Dadurch wissen Leser:innen zuerst, welche Daten vorliegen, bevor sie Tests und Effekte beurteilen. Innerhalb der Testabschnitte folgt die Ordnung entweder den Forschungsfragen, Hypothesen oder Variablengruppen.

Standardaufbau eines quantitativen Ergebniskapitels

Ein typisches Ergebniskapitel in einer Seminararbeit, Forschungsarbeit oder im Ergebniskapitel Bachelorarbeit kann folgendermaßen aufgebaut sein:

1. Datenbasis und Stichprobe: Anzahl der gültigen Fälle, Ausschlüsse, zentrale Merkmale der Teilnehmenden.
2. Datenqualität: fehlende Werte, Ausreißer, Reliabilität von Skalen, ggf. Voraussetzungstests.
3. Deskriptive Ergebnisse: Mittelwerte, Standardabweichungen, Häufigkeiten, Verteilungen.
4. Ergebnisse zu Forschungsfrage 1 oder Hypothese 1: Testverfahren, Kennwerte, Signifikanz, Effekt.
5. Ergebnisse zu weiteren Forschungsfragen oder Hypothesen: gleiches Berichtsmuster.
6. Kurzer Ergebnisüberblick: nur falls deine Prüfungsordnung oder Betreuungsperson einen knappen Zwischenstand erwartet; keine Diskussion.

Diese Reihenfolge ist keine starre Pflicht. Wenn du z. B. eine reine deskriptive Studie ohne Hypothesentest schreibst, kann der Ergebnisteil nach Variablenblöcken oder Themenbereichen aufgebaut werden. Bei mehreren experimentellen Gruppen ist oft die Gruppenzuordnung der natürliche Rahmen.

Beispiele aus verschiedenen Fächern

In der Psychologie könnte eine Arbeit zur Prüfungsangst zunächst Alter, Studiensemester und Geschlecht der Stichprobe berichten, danach Mittelwerte der Prüfungsangstskala und anschließend eine Korrelation zwischen Prüfungsangst und Lernzeit. Der Text muss nicht erklären, warum Studierende mit höherer Angst weniger oder mehr lernen; er berichtet nur den statistischen Zusammenhang.

In den Gesundheitswissenschaften oder der Pflege könnte eine quantitative Untersuchung zur Medikamentenadhärenz älterer Patient:innen nach Entlassung in die häusliche Pflege zunächst die Stichprobe beschreiben, danach Adhärenzwerte und anschließend Gruppenunterschiede nach Unterstützung durch Angehörige darstellen. Angaben zu Versorgungsstrukturen und möglichen Gründen gehören später in die Diskussion.

In der Betriebswirtschaftslehre könnte eine Befragung zu Homeoffice und Arbeitszufriedenheit zuerst die Beschäftigtengruppen, dann Skalenwerte zu Autonomie und Zufriedenheit und danach eine Regressionsanalyse berichten. Wenn Kundendienstmitarbeitende niedrigere Zufriedenheitswerte zeigen, wird im Ergebnisteil nur der Unterschied berichtet, nicht die organisationale Erklärung.

Schwache und stärkere Reihenfolge im Vergleich

Schwache Reihenfolge im Ergebnisteil	Stärkere Reihenfolge im Ergebnisteil
„Zuerst kommt eine Regression, danach werden Alter und Geschlecht beschrieben.“	„Zuerst werden Stichprobe und gültige Fälle beschrieben, danach die Variablen und erst dann die Regression.“
„Alle SPSS-Tabellen werden nacheinander eingefügt.“	„Nur Tabellen mit berichtsrelevanten Kennwerten werden aufgenommen; technische Zwischenausgaben bleiben weg.“
„Die Ergebnisse werden nach der Reihenfolge im Fragebogen berichtet.“	„Die Ergebnisse werden nach Forschungsfragen und Hypothesen berichtet.“
„Nach jedem p-Wert folgt eine Interpretation mit Literaturbezug.“	„Nach jedem p-Wert folgt nur der Befund; Literaturbezug kommt in die Diskussion.“

Wenn du vor dem Ergebnistext noch unsicher bist, ob deine Kapitelstruktur trägt, kann die hierarchische Kapitelstruktur einer wissenschaftlichen Arbeit helfen, Ergebnis-, Methoden- und Diskussionsteil voneinander abzugrenzen.

Wie unterscheidet man Ergebnisse vs Diskussion sauber?

Ergebnisse berichten, was deine Analyse ergeben hat; die Diskussion erklärt, bewertet und verknüpft diese Befunde mit Theorie, Literatur und Limitationen. Die einfache Prüfregel lautet: Sobald du Ursachen, Gründe, Folgen oder theoretische Bedeutung formulierst, bist du nicht mehr im Ergebnisteil. Die Trennung Ergebnisse vs Diskussion schützt deine Arbeit vor Vermischung von Befund und Interpretation.

Was in den Ergebnisteil gehört

Im Ergebnisteil stehen beobachtete Werte und geprüfte Zusammenhänge. Dazu zählen Stichprobengröße, gültige Fälle, Mittelwerte, Standardabweichungen, Häufigkeiten, Korrelationskoeffizienten, Teststatistiken, Freiheitsgrade, p-Werte, Konfidenzintervalle und Effektstärken. Je nach Fach und Betreuungsvorgaben können auch Reliabilitätswerte wie Cronbachs Alpha oder Voraussetzungstests berichtet werden.

Ein Ergebnissatz kann lauten: „Zwischen Prüfungsangst und Lernzeit zeigte sich ein negativer Zusammenhang, r = -0,32, p = 0,018.“ Dieser Satz nennt Richtung, Stärke und statistische Prüfung. Er erklärt noch nicht, warum der Zusammenhang besteht.

Auch bei nicht signifikanten Ergebnissen bleibt der Ergebnisteil sachlich: „Der Unterschied zwischen den beiden Gruppen war statistisch nicht signifikant, t(78) = 1,21, p = 0,230.“ Du musst nicht versuchen, aus jedem nicht signifikanten Ergebnis eine Geschichte zu machen.

Was in die Diskussion verschoben wird

Die Diskussion beantwortet Fragen wie: Passt der Befund zur Literatur? Welche theoretische Erklärung ist plausibel? Welche Einschränkungen hat die Messung? Welche Bedeutung hat der Effekt für Praxis oder Forschung im Bachelor- oder Masterstudium? Diese Elemente sind wichtig, aber im Ergebnisteil verfrüht.

Ein häufiger Grenzfall ist das Wort „zeigt“. In vielen Fällen ist es im Ergebnisteil zulässig: „Die Tabelle zeigt höhere Mittelwerte in Gruppe A.“ Problematisch wird es, wenn daraus eine Erklärung entsteht: „Die Tabelle zeigt, dass Gruppe A aufgrund besserer Betreuung erfolgreicher ist.“ Der erste Satz berichtet, der zweite interpretiert.

Im Ergebnisteil unpassend	Im Ergebnisteil besser
„Die höhere Zufriedenheit der Homeoffice-Gruppe lässt sich durch mehr Autonomie erklären.“	„Die Homeoffice-Gruppe erreichte einen höheren Mittelwert in der Arbeitszufriedenheit als die Präsenzgruppe.“
„Die Pflegeintervention war erfolgreich, weil Patient:innen besser aufgeklärt wurden.“	„Die Interventionsgruppe wies nach vier Wochen höhere Adhärenzwerte auf als die Kontrollgruppe.“
„Die Hypothese wurde bewiesen.“	„Die Ergebnisse sprechen für Hypothese 1; ein Beweis im strengen Sinn wird nicht formuliert.“
„Das Ergebnis ist überraschend und widerspricht der Theorie.“	„Der beobachtete Zusammenhang war positiv und statistisch signifikant.“

Wie stellt man Tabellen und Abbildungen im Ergebniskapitel sinnvoll dar?

Tabellen und Abbildungen sind sinnvoll, wenn sie Zahlen übersichtlicher zeigen als ein langer Absatz. Eine Tabelle eignet sich für genaue Kennwerte, mehrere Variablen oder Gruppenvergleiche; eine Abbildung eignet sich für Muster, Verläufe oder Unterschiede, die visuell schneller erfassbar sind. Der Text darf Tabellen nicht abschreiben, sondern muss die für die Forschungsfrage relevanten Befunde hervorheben.

Wann eine Tabelle besser ist

Eine Tabelle passt, wenn Leser:innen konkrete Werte vergleichen sollen. Bei quantitativen Arbeiten sind das häufig Mittelwerte, Standardabweichungen, Fallzahlen, Prozentsätze, Korrelationen oder Regressionskoeffizienten. Wenn du quantitative Ergebnisse darstellen möchtest, solltest du jede Tabelle auf eine erkennbare Funktion reduzieren.

Eine deskriptive Tabelle könnte z. B. folgende Spalten enthalten: Variable, n, Mittelwert, Standardabweichung, Minimum und Maximum. Bei Gruppenvergleichen kommen Gruppenmittelwerte und Testwerte hinzu. Für eine Korrelationsmatrix reichen Variablennamen, Korrelationskoeffizienten und Signifikanzmarkierungen, sofern deine Hochschule diese Darstellung akzeptiert.

Wichtig ist: Tabellen sind keine Ablage für alles, was dein Statistikprogramm ausgibt. Technische Spalten wie „Std. Error Mean“ oder „95% Confidence Interval of the Difference“ brauchst du nur, wenn sie fachlich oder formal gefordert sind. Sonst überladen sie den Ergebnisteil.

Für eine klare Kennwertauswahl lohnt sich ergänzend der Artikel zur deskriptiven Statistik als klare Kennwertübersicht.

Wann eine Abbildung besser ist

Eine Abbildung passt, wenn ein Muster im Vordergrund steht: Gruppenunterschiede, Verläufe über Messzeitpunkte oder Zusammenhänge in einem Streudiagramm. In einer gesundheitswissenschaftlichen Studie kann ein Liniendiagramm z. B. zeigen, wie sich Schmerzwerte vor, während und nach einer Intervention entwickeln. In einer Bildungsstudie kann ein Balkendiagramm Lernmotivation in drei Unterrichtsformen vergleichen.

Abbildungen sollten nicht dekorativ sein. Wenn eine Grafik nur dieselben zwei Mittelwerte zeigt, die in einem Satz verständlich wären, ist sie überflüssig. Wenn sie jedoch Trends sichtbar macht, kann sie den Ergebnistext entlasten.

Beschriftungen müssen konsistent sein: gleiche Variablennamen wie im Methodenteil, gleiche Gruppennamen wie in den Hypothesen, gleiche Dezimalstellen innerhalb einer Tabelle. Der Ergebnisteil wirkt sofort ungeordnet, wenn eine Variable einmal „Zufriedenheit“, dann „Arbeitszufriedenheit“ und später „Job Satisfaction“ heißt.

Text und Tabelle verbinden

Vor oder nach jeder Tabelle braucht es einen Satz, der sie in den Text einbindet. Nicht ausreichend ist: „Die Ergebnisse stehen in Tabelle 2.“ Besser ist: „Tabelle 2 zeigt die deskriptiven Kennwerte der drei Skalen; auffällig ist der höhere Mittelwert der Autonomieskala im Vergleich zur Kontrollskala.“

Der Text sollte dann nicht jede Zelle wiederholen. Wenn die Tabelle fünf Variablen enthält, nenne nur die zwei oder drei Werte, die für Forschungsfrage oder Hypothese relevant sind. Bei einer Regressionsanalyse kannst du im Text den signifikanten Prädiktor und die erklärte Varianz nennen, während die Tabelle alle Koeffizienten zeigt.

Ein gutes Muster lautet: erst Verweis auf Tabelle oder Abbildung, dann zentraler Befund, dann statistischer Kennwert. Beispiel: „Wie Tabelle 3 zeigt, war Arbeitsautonomie ein signifikanter Prädiktor der Arbeitszufriedenheit, β = 0,41, p < 0,001.“

Wie schreibt man zu jedem statistischen Test einen klaren Ergebnisabsatz?

Ein klarer Ergebnisabsatz nennt den Zweck des Tests, die beteiligten Variablen oder Gruppen, den Befund, die Teststatistik und die Aussage zur Hypothese. Der Absatz bleibt kurz und wiederholt bei jedem Test dieselbe innere Reihenfolge. Dadurch können Leser:innen die Ergebnisse auch bei mehreren Hypothesen schnell vergleichen.

Der Vier-Satz-Baustein

Für viele quantitative Arbeiten reicht ein einfacher Baustein aus vier Sätzen. Er verhindert, dass du entweder zu knapp berichtest oder zu früh interpretierst:

1. Ziel des Tests: „Zur Prüfung von Hypothese 1 wurde der Zusammenhang zwischen Prüfungsangst und Lernzeit untersucht.“
2. Deskriptiver Kontext: „Prüfungsangst lag im Mittel bei M = 3,42 (SD = 0,81), Lernzeit bei M = 7,60 Stunden pro Woche (SD = 2,95).“
3. Testergebnis: „Es zeigte sich ein negativer Zusammenhang, r = -0,32, p = 0,018.“
4. Bezug zur Hypothese: „Hypothese 1 wurde damit unterstützt.“

Dieser Baustein funktioniert für Korrelationen, t-Tests, Varianzanalysen und Regressionen, muss aber an das Verfahren angepasst werden. Beim t-Test nennst du Gruppen, Mittelwerte, Teststatistik und p-Wert. Bei Regressionen nennst du Modellgüte, relevante Prädiktoren und Richtung der Effekte.

Wenn du unsicher bist, welcher Test zu deiner Fragestellung passt, hilft der Beitrag zur Entscheidung zwischen statistischen Tests.

Nicht signifikante Ergebnisse berichten

Nicht signifikante Ergebnisse gehören in den Ergebnisteil, wenn sie zu einer Forschungsfrage oder Hypothese gehören. Du lässt sie nicht weg, nur weil sie „nicht schön“ aussehen. Gerade bei Bachelor- und Masterarbeiten wirkt es sauberer, wenn auch nicht bestätigte Hypothesen transparent berichtet werden.

Formuliere nicht: „Es konnte leider kein Ergebnis gefunden werden.“ Ein nicht signifikanter Test ist ein Ergebnis. Besser: „Der Unterschied zwischen Studierenden mit und ohne Nebenjob war nicht statistisch signifikant, t(102) = 0,88, p = 0,381.“ Wenn du Effektstärken berichtest, kannst du ergänzen: „Die Effektstärke war gering, d = 0,17.“

Vermeide außerdem Überdeutungen wie „Es gibt keinen Unterschied“. Statistisch sauberer ist: „Es zeigte sich kein statistisch signifikanter Unterschied.“ Diese Formulierung lässt offen, dass Stichprobengröße, Messgenauigkeit oder Streuung eine Rolle spielen können. Die Einordnung dieser Punkte folgt später in der Diskussion.

Hypothesenbezug ohne Übertreibung

Viele Studierende schreiben: „Hypothese 1 wurde bewiesen.“ In empirischen Arbeiten ist „bewiesen“ meist zu stark. Besser sind Formulierungen wie „unterstützt“, „nicht unterstützt“ oder „teilweise unterstützt“. So bleibst du präzise und vermeidest überzogene Aussagen.

Bei mehreren Hypothesen kannst du eine kleine Übersicht am Ende des Ergebnisteils nutzen. Diese Übersicht sollte knapp bleiben und keine Gründe nennen. Beispiel:

Hypothese	Ergebnis	Berichtete Grundlage
H1: Prüfungsangst hängt negativ mit Lernzeit zusammen.	Unterstützt	r = -0,32, p = 0,018
H2: Frauen und Männer unterscheiden sich in der Lernzeit.	Nicht unterstützt	t(96) = 0,74, p = 0,462
H3: Autonomie sagt Arbeitszufriedenheit positiv vorher.	Unterstützt	β = 0,41, p < 0,001

Wie sehen konkrete Formulierungen für quantitative Ergebnisse aus?

Gute Ergebnisformulierungen sind knapp, prüfbar und frei von Ursachenbehauptungen. Sie nennen zuerst, was analysiert wurde, dann den statistischen Befund und bei Bedarf den Bezug zur Hypothese. Ein Ergebnisse wissenschaftliche Arbeit Beispiel sollte wie ein berichteter Befund klingen, nicht wie eine persönliche Bewertung.

Beispiel: Sozialwissenschaften und Psychologie

Angenommen, eine sozialpsychologische Seminararbeit untersucht, ob wahrgenommene soziale Unterstützung mit Studienzufriedenheit zusammenhängt. Eine schwache Version wäre:

Schwach: „Die Studierenden waren zufriedener, wenn sie mehr Unterstützung bekommen haben, was zeigt, dass soziale Kontakte im Studium sehr wichtig sind.“

Diese Version mischt Ergebnis und Diskussion. Sie bleibt ungenau, nennt keinen Test und behauptet bereits Bedeutung. Stärker wäre:

Stärker: „Zwischen wahrgenommener sozialer Unterstützung und Studienzufriedenheit zeigte sich ein positiver Zusammenhang, r = 0,46, p < 0,001. Höhere Unterstützungswerte gingen somit mit höheren Zufriedenheitswerten einher.“

Die stärkere Version nennt Variablen, Richtung und Kennwerte. Der zweite Satz übersetzt den Zusammenhang in verständliche Sprache, ohne Theorie oder Ursachen einzubauen.

Beispiel: Pflege und Gesundheitswissenschaften

In einer pflegewissenschaftlichen Arbeit zur Medikamentenadhärenz nach Krankenhausentlassung könnte ein Ergebnisabsatz so aussehen:

„Die Adhärenzwerte unterschieden sich zwischen Patient:innen mit strukturierter Entlassungsberatung und Patient:innen ohne strukturierte Entlassungsberatung. Die Beratungsgruppe erreichte höhere Adhärenzwerte (M = 4,12, SD = 0,58) als die Vergleichsgruppe (M = 3,61, SD = 0,74). Der Unterschied war statistisch signifikant, t(84) = 3,51, p < 0,001, d = 0,76.“

Dieser Absatz bleibt im Ergebnisraum. Er sagt nicht, dass Beratung „die Ursache“ war, sofern das Design diese Aussage nicht eindeutig zulässt. Auch wenn ein quasi-experimentelles Design vorliegt, gehört die methodische Vorsicht in Diskussion und Limitationen.

Beispiel: Bildungswissenschaft oder Management

In einer bildungswissenschaftlichen Untersuchung zu digitalem Feedback und Lernmotivation könnte der Ergebnisteil berichten:

„Die drei Feedbackgruppen unterschieden sich in der Lernmotivation. Die einfaktorielle Varianzanalyse ergab einen statistisch signifikanten Unterschied zwischen den Gruppen, F(2, 117) = 5,84, p = 0,004. Post-hoc-Vergleiche zeigten höhere Motivationswerte in der Gruppe mit individuellem Feedback als in der Gruppe mit automatisiertem Standardfeedback.“

In einer Managementarbeit zu Führungsverhalten und Arbeitszufriedenheit könnte eine Regression berichtet werden:

„Das Regressionsmodell zur Vorhersage der Arbeitszufriedenheit war statistisch signifikant, F(3, 146) = 18,29, p < 0,001, und erklärte 27 % der Varianz. Transformationale Führung war ein positiver Prädiktor der Arbeitszufriedenheit, β = 0,38, p < 0,001.“

Beide Beispiele nennen die statistische Struktur. Die Diskussion kann später erklären, wie diese Befunde zur Theorie, zu bisherigen Studien oder zu praktischen Maßnahmen passen.

Welche Fehler machen Studierende häufig beim Ergebnisteil schreiben?

Studierende machen beim Ergebnisteil häufig Fehler, weil sie Analyseoutput, Ergebnisbericht und Interpretation vermischen. Besonders problematisch sind unklare Variablennamen, zu viele Tabellen, fehlende Hypothesenbezüge und Formulierungen, die Kausalität behaupten, obwohl das Design sie nicht trägt. Diese Fehler lassen sich meist beheben, wenn jeder Absatz eine eindeutige Funktion bekommt.

Typische Fehler mit Korrektur

1. Output-Abschrift statt Ergebnistext
   Beispiel: „In Tabelle 4 sieht man Mean, Std. Deviation, Std. Error Mean, Lower, Upper und Sig. (2-tailed).“
   Korrektur: Berichte nur die Werte, die Leser:innen brauchen: „Die Interventionsgruppe erreichte höhere Adhärenzwerte als die Vergleichsgruppe; der Unterschied war statistisch signifikant.“

2. Kausalität bei Korrelationsdaten
   Beispiel: „Mehr Social-Media-Nutzung führt zu schlechterer Konzentration.“
   Korrektur: Wenn du nur eine Korrelation berechnet hast, schreibe: „Höhere Social-Media-Nutzung hing mit niedrigeren Konzentrationswerten zusammen.“

3. Unklare Hypothesenentscheidung
   Beispiel: „Die Werte waren teilweise interessant, aber nicht alle signifikant.“
   Korrektur: Nenne jede Hypothese einzeln: „Hypothese 2 wurde nicht unterstützt, da der Gruppenunterschied nicht statistisch signifikant war.“

4. Tabellen ohne Textführung
   Beispiel: „Tabelle 5 zeigt die Regression.“ Danach folgt direkt die nächste Tabelle.
   Korrektur: Ergänze einen Befundsatz: „Tabelle 5 zeigt, dass Arbeitsautonomie der stärkste Prädiktor der Arbeitszufriedenheit war.“

5. Diskussion im Ergebnisteil
   Beispiel: „Die nicht signifikanten Werte lassen sich durch die kleine Stichprobe und die ungenaue Skala erklären.“
   Korrektur: Im Ergebnisteil nur berichten: „Der Zusammenhang war nicht statistisch signifikant.“ Stichprobe und Messung später diskutieren.

Vergleich: Vor und nach der Überarbeitung

Studentische Rohfassung	Überarbeitete Ergebnisfassung
„Die Befragten mit Homeoffice waren zufriedener, wahrscheinlich weil sie ihren Tag freier planen können.“	„Beschäftigte mit Homeoffice wiesen höhere Zufriedenheitswerte auf als Beschäftigte ohne Homeoffice, t(128) = 2,67, p = 0,009.“
„Die Hypothese stimmt, denn der p-Wert ist kleiner als 0,05.“	„Hypothese 1 wurde unterstützt; der Zusammenhang zwischen Autonomie und Arbeitszufriedenheit war positiv und statistisch signifikant, r = 0,39, p < 0,001.“
„Es gab keine Ergebnisse bei Geschlecht.“	„Der Unterschied in der Lernzeit zwischen den Geschlechtergruppen war nicht statistisch signifikant, t(94) = 0,52, p = 0,604.“

Die überarbeiteten Fassungen sind nicht komplizierter, sondern kontrollierter. Sie liefern Zahlen, Richtung und statistische Aussage, ohne mehr zu behaupten, als die Analyse trägt.

Wie prüft man, ob das Ergebniskapitel vollständig und lesbar ist?

Ein Ergebniskapitel ist vollständig, wenn alle angekündigten Forschungsfragen oder Hypothesen mit passenden Befunden beantwortet werden. Es ist lesbar, wenn Tabellen, Abbildungen und Text zusammenarbeiten, statt sich zu wiederholen. Eine letzte Prüfung sollte deshalb nicht nur Tippfehler suchen, sondern Logik, Vollständigkeit und Trennung von Ergebnis und Diskussion testen.

Drei Prüffragen vor der Abgabe

Erstens: Kann eine Person, die nur Methodenteil und Ergebnisteil liest, erkennen, welche Analyse zu welcher Frage gehört? Wenn nicht, fehlen Übergänge oder Hypothesenbezüge. Verwende wiederkehrende Einleitungen wie „Zur Prüfung von Hypothese 2…“ oder „Zur Beantwortung der zweiten Forschungsfrage…“.

Zweitens: Gibt es Werte ohne Funktion? Jede Zahl sollte eine Aufgabe haben. Wenn eine Tabelle fünf Kennwerte zeigt, die im Text nie aufgegriffen werden und für die Forschungsfrage keine Rolle spielen, ist sie wahrscheinlich zu breit. Wenn du dagegen einen p-Wert im Text nennst, aber keine Gruppenmittelwerte, fehlt oft der deskriptive Kontext.

Drittens: Gibt es Interpretationswörter? Markiere Wörter wie „weil“, „aufgrund“, „erklärt“, „belegt“, „überraschend“, „praktisch relevant“ oder „im Gegensatz zur Theorie“. Manche davon können im Ergebnisteil vorkommen, aber meist weisen sie auf Diskussionsanteile hin. Prüfe dann, ob der Satz wirklich nur einen Befund berichtet.

Vor dem Weiterarbeiten: Checkliste für den quantitativen Ergebnisteil

• Alle Forschungsfragen oder Hypothesen erscheinen im Ergebnisteil in erkennbarer Reihenfolge.
• Die Stichprobe und die Anzahl gültiger Fälle werden vor den Tests genannt.
• Deskriptive Kennwerte stehen vor inferenzstatistischen Tests.
• Jede Tabelle oder Abbildung wird im Fließtext eingeführt oder aufgegriffen.
• Der Text wiederholt nicht jede Tabellenzelle, sondern nennt zentrale Befunde.
• Teststatistiken, p-Werte und ggf. Effektstärken sind einheitlich formatiert.
• Nicht signifikante Ergebnisse werden transparent berichtet.
• Variablennamen stimmen mit Forschungsfrage, Methodenteil und Tabellen überein.
• Ursachen, Theoriebezug und Literaturvergleich wurden in die Diskussion verschoben.
• Hypothesen werden als unterstützt, teilweise unterstützt oder nicht unterstützt bezeichnet, nicht als „bewiesen“.
• Dezimalstellen, Abkürzungen und Tabellenbeschriftungen sind konsistent.

Anschluss an Methodik und Diskussion

Der Ergebnisteil steht zwischen Methode und Diskussion. Aus dem Methodenteil übernimmt er die angekündigten Variablen, Stichprobe und Verfahren. Wenn du im Ergebnisteil plötzlich Tests berichtest, die im Methodenteil nicht angekündigt wurden, entsteht eine Lücke. Dann musst du entweder die Methode ergänzen oder den Test entfernen.

Zur Diskussion führt der Ergebnisteil über die Befundlage. Du musst dort nicht noch einmal alle Zahlen wiederholen, sondern die Muster aufgreifen: Welche Hypothesen wurden unterstützt? Welche Befunde waren anders als erwartet? Welche Einschränkungen betreffen Messung, Stichprobe oder Design? Wenn du diese Grenze beachtest, wirkt die Arbeit klarer und fachlich kontrollierter.

Auch der Methodenteil sollte so geschrieben sein, dass Leser:innen die Ergebnisse nachvollziehen können. Falls du hier noch Lücken siehst, ist der Beitrag Methodikteil schreiben als klarer Forschungsablauf ein sinnvoller nächster Schritt.

Empfohlene interne Links

(Systemmetadaten — diesen Abschnitt nicht entfernen)

• Variablenmodell mit Messindikatoren
• Hierarchische Kapitelstruktur einer wissenschaftlichen Arbeit
• Deskriptive Statistik als klare Kennwertübersicht
• Entscheidung zwischen statistischen Tests
• Methodikteil schreiben als klarer Forschungsablauf