Ergebnisse interpretieren: Was deine Daten wirklich aussagen

1. Befund und Interpretation trennen

Beschreibe zuerst, was beobachtet wurde. Nenne die ausgewerteten Fälle, relevante Kennwerte und die dazugehörige Unsicherheit. Erst danach erläuterst du, wie der Befund zur Forschungsfrage und zur bisherigen Literatur passt.

Bei qualitativen Ergebnissen gilt die gleiche Trennung zwischen Material und Deutung: Ein Zitat zeigt eine konkrete Aussage. Dass es eine übergreifende Interpretation stützt, musst du am Materialvergleich erklären.

Lege für jeden Hauptbefund eine kleine Berichtskarte an: Frage, ausgewertete Fälle, Vergleich, Kennwert, Einheit, Unsicherheit und zugehörige Tabelle. Trenne diese Karte von einer zweiten Notiz zur Bedeutung des Befunds. So vermeidest du, dass eine plausible Erklärung als beobachtetes Ergebnis erscheint. Bei qualitativen Arbeiten kann dieselbe Logik mit Fallvergleich, Fundstellen und interpretierendem Memo umgesetzt werden. Entscheidend ist nicht, dass jede Disziplin dieselben Kennwerte verwendet, sondern dass Lesende den Weg vom Material zur behaupteten Aussage nachvollziehen können.

2. Den p-Wert nicht überinterpretieren

Ein p-Wert beschreibt unter einer festgelegten Nullhypothese und den Modellannahmen die Wahrscheinlichkeit, ein mindestens so extremes Testergebnis zu erhalten. Er ist weder die Wahrscheinlichkeit, dass die Nullhypothese wahr ist, noch die Größe eines Effekts.

Ein Ergebnis oberhalb einer gewählten Signifikanzschwelle beweist keine Wirkungslosigkeit. Umgekehrt bedeutet ein kleiner p-Wert nicht automatisch eine praktisch wichtige Veränderung. Betrachte Effektgröße, Unsicherheit und das gesamte Design.

Prüfe vor allem dichotome Formulierungen wie „wirkt“ oder „wirkt nicht“. Ein Ergebnis kann unpräzise sein, unterschiedliche plausible Effektgrößen zulassen oder durch Designgrenzen nur eingeschränkt interpretierbar bleiben. Die Wahl einer Signifikanzschwelle beseitigt diese Fragen nicht. Notiere deshalb getrennt, was der statistische Befund unter seinen Annahmen zeigt und was im Anwendungskontext wichtig wäre. Eine praktische Relevanzgrenze muss fachlich begründet werden; sie entsteht nicht automatisch aus einer allgemeinen Tabelle für kleine oder große Effekte. Berichte Unsicherheit nicht erst als nebensächlichen Schlusssatz.

Weiterführend: American Statistical Association: Statement on p-Values

3. Unterschiede verständlich berichten

Gib an, zwischen welchen Gruppen oder Zeitpunkten du vergleichst und in welcher Einheit das Ergebnis ausgedrückt ist. Ein Prozentwert ohne Nenner oder eine Veränderung ohne Ausgangswert lässt wichtige Informationen offen.

Lies das fiktive Zahlenbeispiel als reine Formulierungshilfe. Kontrolliere bei deinen eigenen Ergebnissen insbesondere Vorzeichen und Referenzgruppe: Ein negativer Unterschied kann je nach Reihenfolge etwas Günstiges oder Ungünstiges bedeuten. Beschrifte die Einheit und benenne, ob du Rohwerte, standardisierte Maße oder relative Änderungen berichtest. Für frequentistische Konfidenzintervalle darfst du die Überdeckungslogik nicht mit einer nachträglichen Wahrscheinlichkeit für den festen Parameter verwechseln. Nutze die Grenzen, um Präzision und fachlich relevante Möglichkeiten zu besprechen, nicht nur um einen Schwellenwert zu suchen.

Weiterführend: NIST/SEMATECH e-Handbook: Confidence Limits for the Mean

4. Eine belastbare Diskussion schreiben

Verknüpfe deine Interpretation mit passenden Quellen. Erkläre nicht nur, dass ein Ergebnis „mit der Literatur übereinstimmt“, sondern welcher Aspekt vergleichbar ist. Unterschiedliche Messinstrumente, Populationen oder Zeiträume können die Vergleichbarkeit einschränken.

Prüfe alternative Erklärungen und beschreibe die Grenzen deiner Untersuchung konkret. Formuliere daraus passende Anschlussfragen. Eine Beobachtungsstudie wird nicht dadurch zum Kausalnachweis, dass im Diskussionsteil das Wort „Einfluss“ verwendet wird.

Erstelle für die Diskussion eine Vergleichsmatrix mit eigenem Befund, passender Literatur, Gemeinsamkeiten, Unterschieden und möglicher Erklärung. Prüfe, ob Population, Instrument, Zeitraum und Analyse überhaupt vergleichbar sind. Widersprüche müssen nicht versteckt werden; sie können eine wichtige Grenze oder Anschlussfrage zeigen. Leite am Ende ausdrücklich zur Forschungsfrage zurück. Der Kapitelcheck kann unklare Bezüge und überstarke Formulierungen markieren, verifiziert aber keine Rechenwege. Zahlen und statistische Schlussfolgerungen kontrollierst du an der tatsächlichen Analyse und bei Bedarf mit fachlicher Unterstützung.