In fast jedem Fragebogen steht am Ende dieses eine Feld: "Möchten Sie uns noch etwas mitteilen?" Und in fast jeder Auswertung ist genau dieses Feld der Teil, der nie richtig ausgewertet wird. Die geschlossenen Items sind in einer Stunde durch SPSS. Die 400 Freitextantworten landen in einer Excel-Spalte, werden einmal überflogen, und drei besonders eindrückliche Zitate schaffen es in den Ergebnisteil.
Das ist schade, denn die offenen Antworten sind oft die einzige Stelle, an der etwas auftaucht, das ihr nicht schon vorher gefragt habt.
Warum offene Antworten anders sind als Interviews
Die Methodenliteratur behandelt beide unter "qualitative Daten", aber in der Praxis unterscheiden sie sich erheblich:
- Sie sind kurz. Oft ein bis drei Sätze. Kein Kontext, keine Nachfrage, keine Möglichkeit zur Klärung.
- Es sind viele. 400 Antworten sind normal, 2.000 sind keine Seltenheit. Bei Interviews sind zwanzig schon ein großes Projekt.
- Sie sind ungleich verteilt. Ein Teil der Befragten schreibt "passt", ein anderer einen halben Aufsatz. Beides ist gültig und beides zählt gleich viel.
- Sie haben keine Sprecherstruktur. Es gibt kein "I:" und "B:". Jede Antwort steht für sich.
Dieser letzte Punkt ist praktisch wichtiger, als er klingt: Viele QDA-Werkzeuge sind für Transkripte gebaut und erwarten eine Sprecherstruktur. Bei Freitextantworten ist die Analyseeinheit einfach die einzelne Antwort — eine Zeile, ein Fall.
Der übliche Fehler: nach Häufigkeit sortieren
Die verbreitetste Auswertung offener Antworten ist eine Wortwolke oder eine Häufigkeitsliste. Beides ist fast wertlos, aus einem einfachen Grund: Die häufigsten Wörter sind die, nach denen ihr gefragt habt. Fragt ihr nach der Wartezeit, steht "Wartezeit" ganz oben. Das habt ihr vorher gewusst.
Interessant ist das Gegenteil — die Kategorie, die in vierzig von 400 Antworten auftaucht, nach der aber niemand gefragt hat. Die findet ihr nur, wenn ihr induktiv kategorisiert statt zu zählen.
Ein sauberes Vorgehen in fünf Schritten
- Eine Antwort pro Zeile. Exportiert die Spalte aus SPSS, LimeSurvey, Qualtrics oder Excel als CSV. Leere Antworten und reine Platzhalter ("-", "keine") könnt ihr drinlassen; sie fallen bei der Kategorienbildung ohnehin heraus.
- Induktiv kategorisieren. Kategorien aus dem Material entwickeln, nicht aus dem Fragebogen ableiten. Jede Kategorie braucht eine Definition, die eine zweite Person anwenden könnte, und ein wörtliches Ankerbeispiel.
- Kategoriensystem prüfen und überarbeiten. Zusammenführen, was dasselbe meint. Trennen, was zusammengefallen ist. Das ist eure wissenschaftliche Eigenleistung und lässt sich nicht delegieren.
- Alles codieren, mit Beleg. Jede Zuordnung braucht ein wörtliches Zitat. Ohne Beleg ist eine Kategorie eine Behauptung.
- Häufigkeiten erst am Schluss. Jetzt ist Zählen sinnvoll — weil ihr Kategorien zählt, die aus dem Material stammen, und nicht Wörter, die aus eurer Frage stammen.
Was sich automatisieren lässt — und was nicht
Schritt 2 und Schritt 4 sind mechanisch und skalieren schlecht mit der Hand. Genau dort ist KI-Unterstützung sinnvoll: einen Vorschlag für ein Kategoriensystem erzeugen, und dieses fixierte System anschließend konsistent auf alle 400 Antworten anwenden — mit einem wörtlichen Beleg pro Zuordnung, den ihr prüfen könnt.
Schritt 3 bleibt bei euch, und Schritt 5 ist ohnehin nur noch Arithmetik. Die Interpretation — was diese Kategorien über eure Population aussagen — schreibt euch kein Werkzeug.
Ein praktischer Hinweis: Achtet darauf, dass Minderheitenpositionen erhalten bleiben. Die Kategorie, die dreimal vorkommt, ist oft die interessanteste, und ein Verfahren, das nur die häufigsten Muster behält, wirft sie weg.
Und die kurzen Antworten?
"Passt schon" ist eine gültige Antwort und gehört in die Auswertung. Eine hohe Zahl zufriedener Kurzantworten ist ein Befund, kein Rauschen — und sie fehlt in genau den Ergebnisteilen, die nur mit den ausführlichen, meist kritischen Antworten arbeiten. Das ist eine stille Verzerrung, die häufiger vorkommt, als man denkt.
Fazit
Offene Fragen sind der Teil eures Fragebogens, in dem die Befragten etwas sagen können, das ihr nicht vorgesehen habt. Sie deshalb auf drei illustrative Zitate zu reduzieren, ist die teuerste Abkürzung im gesamten Auswertungsprozess.
Wenn ihr sehen wollt, wie ein Kategoriensystem mit Belegzitaten aussieht: Beispielanalyse ansehen, ohne Account. Oder ladet eure CSV-Spalte hoch und probiert es an eigenem Material — drei Analysen kostenlos, ohne Kreditkarte. Zur Frage, was ihr vor dem Upload datenschutzrechtlich klären solltet: DSGVO und KI-Auswertung.