Viele Studierende wählen ihren Studiengang danach aus, ob Statistik darin vorkommt. Nicht weil sie das Fach so spannend finden, sondern weil sie es vermeiden wollen. Das finde ich schade, denn dahinter steckt meistens ein Gedanke, der schlicht nicht stimmt: „Ich kann kein Mathe, also kann ich auch keine Statistik.“
Darüber habe ich kürzlich mit Christian Wolf von Fernstudi.tv gesprochen. Er hat mich in seinen Podcast eingeladen, und wir haben rund eine Stunde lang aufgedröselt, was Statistik wirklich ist, wozu man sie braucht, und warum der erste Schritt oft der schwierigste ist, aber nicht weil es zu schwer ist, sondern weil man schon aufgegeben hat, bevor man angefangen hat.
Ich bin Daniela Keller, ich lebe in der Nähe von Würzburg, habe Mathematik studiert und die Statistik-Akademie gegründet. Ich helfe Studierenden, Promovierenden und Wissenschaftler:innen dabei, ihre Statistik wirklich zu verstehen und selbst umzusetzen, nicht für mich, sondern für sie selbst. Und was ich dabei immer wieder erlebe, ist: Es scheitert fast nie an der Methode. Es scheitert am Glaubenssatz, der vorher schon da war.
Ich war in Mathe auch nicht immer gut
Das ist vielleicht das Erste, was ich dir sagen möchte: Ich war in Mathe in der siebten und achten Klasse wirklich nicht gut. Schlechte Noten, echte Kämpfe. Und ich bin auch heute noch schlecht im Kopfrechnen. Wenn meine früheren Nachhilfeschüler schneller im Kopf gerechnet haben als ich, dann war das keine Seltenheit.
„Ich war in Mathe nicht immer gut in der Schule, muss ich dazu sagen. Ich hatte auch wirklich ein paar Jahre lang richtig schlechte Noten und richtig zu kämpfen.“
Daniela Keller
Was mich trotzdem zum Mathestudium gebracht hat, war nicht eine plötzliche Begabung, sondern analytisches Denken. Ich konnte Systeme durchdenken, mich reindenken, auch wenn der Lehrer es nicht gut erklärt hatte. Das hat sich mit Fleiß irgendwann so entwickelt, dass am Ende der Schulzeit der Mathe-Leistungskurs auf meinem Abiturzeugnis stand. Und dann, weil ich nicht wusste, was ich sonst machen sollte, habe ich Mathe studiert.
Das klingt vielleicht nicht nach einem großen Plan. Und das war es auch nicht. Ich habe einfach probiert.
Statistik ist ein Werkzeug, kein Talent
Was ich in all meinen Jahren der Beratung immer wieder erlebe: Statistik wird für etwas gehalten, das man entweder kann oder nicht. Fast wie ein Talent, das man hat oder eben nicht.
Das stimmt nicht.
„Die Mathematik und gerade die Statistik, wie wir sie jetzt hier benutzen, ist ja einfach nur ein Werkzeug, ist einfach nur ein Tool und das kann wirklich jeder lernen.“
Daniela Keller
Jeder, der ganz normal die Schule absolviert hat, kann Statistik im wissenschaftlichen Sinne verstehen. Du musst keine Integralrechnung können. Du musst keine Formeln auswendig wissen. In der angewandten Statistik, also wenn du vor deinen eigenen Daten sitzt und eine Forschungsfrage auswerten willst für die Bachelor- oder Masterarbeit, rechnest du selbst gar nichts. Das macht die Software.
Was du brauchst, ist Verständnis. Verstehen, was eine Grundgesamtheit ist. Verstehen, was Signifikanz bedeutet. Verstehen, wann welche Methode passt und warum. Das ist erlernbar. Das ist Handwerk.
Statistik im Alltag: du machst sie schon
Statistik ist kein Studienfach, das du nach der Abgabe deiner Arbeit nie wieder brauchst. Du wendest sie schon an, meistens ohne es zu merken. Wenn du deinen Blutdruck über eine Woche trackst und dir den Durchschnitt anschaust, ist das deskriptive Statistik. Wenn du im Marketing einen Split-Test auswirfst, ist das angewandte Statistik. Wenn eine Studie in der Zeitung steht und du dich fragst, wie viele Leute da eigentlich befragt wurden, denkst du schon statistisch.
„Wenn dir die Marketingabteilung was hinlegt, dann wirst du auch einschätzen können, wie valide es ist. Haben die da zehn Leute befragt oder 1000?“
Daniela Keller
Das ist der eigentliche Wert: nicht nur eine Bachelorarbeit damit zu bestehen, sondern ein Werkzeug zu haben, um Daten und Aussagen einzuschätzen und fundierte Entscheidungen zu treffen.
Was du wirklich wissen musst, bevor du anfängst
Ein Fehler, den ich immer wieder sehe: Studierende denken, sie müssen alle Statistikmethoden kennen, bevor sie mit ihrer Arbeit starten können. Das ist nicht so.
Was du brauchst, ist ein Grundverständnis, wie quantitative Forschung funktioniert. Dafür möchte ich ein paar Begriffe kurz erklären, die wirklich jeder kennen sollte:
Die Grundgesamtheit ist die Gruppe, über die deine Forschungsfrage eine Aussage machen soll: Fernstudierende, alle deutschsprachigen oder nur in bestimmten Fächern? Das musst du klar definieren, weil deine Ergebnisse später genau für diese Gruppe gelten.
Die Stichprobe ist die Gruppe, die du tatsächlich befragst. Wo deine Stichprobe herkommt, beeinflusst direkt, wie belastbar deine Ergebnisse am Ende sind.
Signifikanz ist ein Begriff, der viel Verwirrung stiftet. Statistisch signifikant heißt nicht, dass ein Ergebnis besonders bedeutsam oder wichtig ist. Es heißt nur, dass der gemessene Zusammenhang überzufällig ist, also nicht einfach durch Zufall in deinen Daten entstanden sein dürfte. Dafür gibt es den sogenannten p-Wert. Wenn er kleiner ist als 0,05, sagen wir, das Ergebnis ist signifikant. Aber Vorsicht: ein signifikantes Ergebnis kann trotzdem inhaltlich winzig und praktisch bedeutungslos sein. Das musst du dann einordnen.
Wie du die richtige Methode findest
Die Frage, welche Methode für meine Forschungsfrage die richtige ist, ist eine der häufigsten in meiner Beratung. Und es gibt dafür einen klaren Prozess.
Du startest immer mit deinen Hypothesen, nicht mit der Methode. Die Forschungsfrage ist oft etwas offener, aus ihr leitest du ganz konkrete, präzise Hypothesen ab. Jede Hypothese hat ein klares Statement: gibt es einen Zusammenhang oder nicht? Die Nullhypothese sagt immer: es gibt keinen. Und dein Signifikanztest versucht, diese Nullhypothese abzulehnen.
Dann schaust du auf deine Variablen: Was hast du gemessen? Geschlecht, Alter, Lernzeit, Prüfungsnote? Metrisch, nominal oder ordinal? Hast du Daten aus einem Messzeitpunkt oder aus mehreren? Wenn du das weißt, wird die Methodenwahl schon viel klarer. Ob es eine Korrelation, eine ANOVA oder ein t-Test wird, ergibt sich fast von selbst. Dann prüfst du noch die Voraussetzungen der Methode in den Daten und gehst rein.
Die richtige Software wählen
SPSS ist an vielen Hochschulen verbreitet, gut zum Durchklicken geeignet und für die meisten Studienarbeiten völlig ausreichend. Wenn deine Hochschule keinen Zugang anbietet, gibt es Studierendenlizenzen online. R und Python bieten mehr Flexibilität, erfordern aber mehr Einarbeitungszeit und lohnen sich vor allem, wenn man länger damit arbeiten möchte. Wer es einfach mag, kann auch mit Online-Tools wie numiqo starten.
Excel für die eigentliche Datenanalyse empfehle ich nie. Es ist keine Statistiksoftware und es passieren Dinge, die in einer sauberen Datenanalyse nicht passieren dürfen, zum Beispiel falsch sortierte Zeilen. Für die Dateneingabe ist Excel in Ordnung. Danach wechselst du in eine richtige Statistiksoftware.
Daten aufbereiten, bevor du losrechnest
Bevor du auch nur einen Test rechnest, schaust du dir deine Daten an. Was ist der Minimumwert beim Alter, was ist der Maximumwert? Wenn da 123 steht, weißt du schon ohne Statistik, dass da etwas nicht stimmt. Das sagt dir nicht die Software, das sagt dir dein gesunder Menschenverstand. Du gehst in die entsprechende Zeile, schaust, ob sich jemand vertippt hat, und entscheidest, was du damit machst. Das kostet Zeit und ist keine glamouröse Phase der Analyse, aber sie ist entscheidend. Wer schlechte Daten analysiert, bekommt schlechte Ergebnisse.
Wenn das Ergebnis nicht so kommt, wie erhofft
Sehr oft höre ich in der Beratung: „Bei mir kommt nichts raus.“ Was die Leute meinen: Ihr p-Wert ist nicht signifikant. Und sie sind enttäuscht, weil sie dachten, ein nicht-signifikantes Ergebnis sei kein Ergebnis.
Das stimmt nicht.
„Es ist auch ein Ergebnis, dass man keinen signifikanten Zusammenhang nachweisen kann. Und das gehört zur Wissenschaft dazu.“
Daniela Keller
Wenn dein Ergebnis nicht signifikant ist, darfst du nicht sagen, es gibt keinen Zusammenhang. Du kannst nur sagen, du konntest keinen nachweisen. Deine Aufgabe war es, die Frage zu untersuchen. Das hast du getan. Jetzt diskutierst du, was dieses Ergebnis bedeuten könnte. Und wenn unerwartete Dinge passieren, wenn ein Test nicht funktioniert oder ein Wert nicht signifikant wird, dann hast du am Ende sogar mehr zu diskutieren. Das ist Futter für den Diskussionsteil, kein Versagen.
Transparenz ist das Wichtigste
Egal welche Entscheidungen du in deiner Analyse triffst, begründe sie. Wenn du einen Ausreißer rausgenommen hast, schreib warum. Wenn du eine bestimmte Methode gewählt hast, erkläre das Warum. Wer deine Arbeit liest, sieht nicht deinen Datensatz. Er sieht nur das, was du aufschreibst. Wenn er das nachvollziehen kann, kann er dir glauben. Meistens wäre die Antwort auf entstehende Fragen ganz einfach, sie wurde nur nie aufgeschrieben.
Statistik Akademie: wie ich dir dabei helfen kann
Wer mehr lernen möchte, kann in die Statistik Akademie schauen. Es ist ein Mitgliederbereich mit Videos, Tutorials, Beispieldatensätzen und einem FAQ mit fast 1000 beantworteten Fragen. Du nimmst dir, was du gerade brauchst, kein Mensch muss alles wissen. Außerdem gibt es einen SPSS-Kurs und einen R-Kurs, wenn du lieber durch einen Prozess geführt werden möchtest.
Das vollständige Gespräch mit Christian Wolf findest du hier: Fernstudi.tv Podcast mit Daniela Keller. Wir reden dort auch über Selbständigkeit mit Kleinkindern, über Statistik im Sport und über einen Boxsack im Arbeitszimmer.
Dieser Artikel basiert auf meinem Gespräch im Podcast „Fernstudi.tv“ mit Christian Wolf (Juni 2025).
Ich bin Statistik-Expertin aus Leidenschaft und bringe Dir auf leicht verständliche Weise und anwendungsorientiert die statistische Datenanalyse bei. Mit meinen praxisrelevanten Inhalten und hilfreichen Tipps wirst Du statistisch kompetenter und bringst Dein Projekt einen großen Schritt voran.
