Bei einer Zufallsstichprobe bestimmt ein Zufallsmechanismus, welche Einheiten aus einer definierten Grundgesamtheit oder Auswahlgesamtheit gezogen werden. Statt Fälle nach Bequemlichkeit oder persönlichem Interesse auszuwählen, folgt die Ziehung einem festgelegten Prozess. Das ist entscheidend: Nur so entsteht eine verlässliche Basis für statistische Rückschlüsse – vorausgesetzt, Studiendesign und Auswertung passen.
Bei einer einfachen Zufallsstichprobe hat jede mögliche Stichprobe der gewählten Größe exakt die gleiche Chance, gezogen zu werden. Andere Wahrscheinlichkeitsauswahlen nutzen abweichende Verfahren, bei denen die Auswahlchancen nicht zwingend gleich sein müssen. Die Aussage „Wir haben zufällig Leute befragt“ greift daher zu kurz, solange die Methode nicht genau erklärt, wie die Auswahl tatsächlich ablief.
Die Ausgangsliste bestimmt, wer eine Chance hat
Angenommen, ein fiktives Software-Unternehmen wählt zufällig Accounts aus seiner aktuellen Kundenliste aus. Diese Ziehung kann methodisch völlig sauber sein – schließt aber ehemalige Kundinnen und Kunden, Nutzende unregistrierter Versionen und Interessierte komplett aus. Sie spiegelt eben nur diese Liste wider, nicht alle potenziellen Nutzer des Produkts.
Prüfe die Auswahlgesamtheit, bevor die Stichprobe gezogen wird. Entferne Dubletten, kläre die Teilnahmevoraussetzungen und decke Lücken auf. Lege fest, was genau die Untersuchungseinheit ist: eine Person, ein Account, ein Haushalt oder etwas anderes? Wer Accounts auswählt und anschließend jeden einzelnen Nutzenden darin als unabhängig gezogene Stichprobe behandelt, verfälscht das Studiendesign.
Das Australian Bureau of Statistics beschreibt Wahrscheinlichkeitsstichproben über bekannte Auswahlwahrscheinlichkeiten. Genau dieses Kriterium unterscheidet eine echte Zufallsstichprobe von einer willkürlichen Ansammlung verfügbarer Personen.
Wähle ein Design, das zur Zielgruppe passt
Eine einfache Zufallsstichprobe funktioniert gut, wenn eine passende Liste vorliegt. Bei einer geschichteten Stichprobe wird die Grundgesamtheit in definierte Gruppen unterteilt, aus denen separat gezogen wird. Richtig aufgesetzt, sichert das die Abdeckung wichtiger Subgruppen und erhöht die Präzision. Klumpen- oder mehrstufige Verfahren ziehen Gruppen oder aufeinanderfolgende Einheiten – das verlangt eine Auswertung, die diese Abhängigkeiten mit einberechnet.
Bei einer systematischen Stichprobe erfolgt die Auswahl in festen Intervallen nach einem zufälligen Startwert. Ob das sinnvoll ist, hängt auch von der Sortierung der Liste ab: Periodische Muster können sich mit dem Intervall überschneiden. Diese Methoden sind zwar verwandt, aber ihre Berechnungen zur statistischen Unsicherheit lassen sich keineswegs einfach austauschen.
Im Software-Beispiel könnte das Team getrennt nach Tarifstufen ziehen, um auch über ein kleineres Enterprise-Segment genug Daten zu erhalten. Unterscheiden sich die Auswahlquoten, muss das bei der Gesamtauswertung entsprechend gewichtet werden – statt einfach den Durchschnitt über alle Antworten zu bilden.
Auswahl, Teilnahme und Zuteilung sauber trennen
Eine zufällig ausgewählte Einladungsliste garantiert noch lange keine zufällige Gruppe von Teilnehmenden. Ein Non-Response-Bias bleibt ein Thema, wenn die Bereitschaft oder Möglichkeit zur Teilnahme mit dem Untersuchungsziel zusammenhängt. Behalte die Teilnahmequoten im Blick und prüfe relevante Unterschiede, soweit die Daten das zulassen.
Eine Zufallsstichprobe ist zudem nicht dasselbe wie eine randomisierte Zuteilung in einem A/B-Test. Die Stichprobe entscheidet darüber, wer überhaupt an der Studie teilnimmt; die Zuteilung bestimmt, welche Variante die Personen sehen. Ein Experiment kann eine Gelegenheitsstichprobe völlig zufällig aufteilen, ohne dadurch repräsentativ für den gesamten Markt zu sein.
Für explorative Interviews ist ein bewusstes Sampling (Purposive Sampling) oft sinnvoller, weil es gezielt auf bestimmte Erfahrungen oder Perspektiven ankommt. Eine Zufallsstichprobe dient einem ganz bestimmten methodischen Zweck – sie ist kein universelles Gütesiegel, das jede Research-Aktivität zwingend braucht.