Rensis Likert veröffentlichte die Skala, die seinen Namen trägt, 1932 in einer Monografie mit dem Titel „A Technique for the Measurement of Attitudes“. Sie bot fünf Antworten, die im Original von „strongly approve“ bis „strongly disapprove“ reichten. Seinen Namen sprach er „Lick-ert“ aus, sagen Kollegen, denen er sich vorgestellt hat, und seither tut das so gut wie niemand.
Den Namen falsch auszusprechen ist die eine Tradition. Über die Zahl zu streiten ist die andere. Irgendwo will heute ein Team eine Umfrage starten, und der Start hängt fest, weil man sich nicht einig ist, ob die Zufriedenheitsfrage fünf Punkte haben soll oder sieben. Jemand findet sieben wissenschaftlicher. Jemand hat gelesen, zehn sei genauer. Die Person, die die Umfrage geschrieben hat, würde gern nach Hause gehen.
Der Streit läuft seit neunzig Jahren, und das ist ein Hinweis. Fragen, bei denen die Antwort viel ausmacht, werden in der Regel irgendwann entschieden.
Was die Tests ergaben
An den Rändern gibt es einen echten Befund. Im meistzitierten Vergleich bewerteten Menschen dieselben Dinge auf Skalen jeder Länge von zwei bis elf Punkten und dann auf einer Skala mit 101. Die Skalen mit zwei, drei und vier Punkten schnitten schlecht ab, bei Reliabilität, bei Validität und bei ihrer Fähigkeit, Befragte zu unterscheiden. Mit jedem zusätzlichen Punkt wurde die Qualität besser, bis etwa sieben. Jenseits von zehn begann die Beständigkeit der Antworten von einem Mal zum nächsten zu sinken.
Es gibt also einen Boden und eine Decke. Bei zu wenigen Punkten landen Leute mit verschiedenen Ansichten im selben Kästchen. Bei zu vielen verlangt man ihnen Unterscheidungen ab, die sie nicht treffen können. Niemand kennt den Unterschied zwischen einer 62 und einer 67, am wenigsten die Person, die sie vergeben hat.
Zwischen Boden und Decke zeigt die Evidenz nicht mehr in eine Richtung. Bei Zustimmungsfragen ergaben Tests in europäischen Ländern, dass fünf Punkte bessere Daten lieferten als sieben oder elf. Für Einzelbewertungen in der Usability-Forschung kam ein Praktiker in seinem Überblick über die Belege zu dem Schluss, dass sieben Punkte ein wenig besser sind als fünf, aber nicht viel. Sein Beispiel lohnt einen Blick. Bei einer Fünf-Punkte-Fassung eines gängigen Usability-Fragebogens versuchten Befragte in etwa 2,5 % von 858 Antworten, einen Punkt zwischen zwei Optionen zu markieren, eine 3,5. Bei einer Sieben-Punkte-Fassung tat das bei 840 Antworten niemand. Ein paar Leute wünschen sich manchmal eine feinere Skala als fünf.
Derselbe Überblick endet mit einem Satz, den man im Meeting laut vorlesen sollte. Wenn du darüber diskutierst, ob eine Skala fünf oder sieben Punkte haben soll, heißt es dort, hast du vermutlich schon zu viel Zeit darauf verwendet.
Was die Antworten stärker bewegt
Die Zeit ist woanders besser angelegt, denn andere Entscheidungen bei einer Bewertungsfrage wiegen deutlich schwerer.
Die erste ist die Beschriftung. Eine Skala, die an jedem Punkt ein Wort trägt, von „sehr schwierig“ bis „sehr einfach“, sagt den Leuten, was jede Antwort bedeutet. Eine Skala, die nur die Enden beschriftet, überlässt die Mitte der Fantasie, und die 3 des einen ist die 4 der anderen. Experimente, die beide verglichen, fanden die vollständig beschriftete Variante zuverlässiger. Das ist auch das praktische Argument für kürzere Skalen. Fünf klare Wörter sind leicht zu finden. Elf sind es nicht, weshalb lange Skalen meist mit Zahlen und einem Stoßgebet daherkommen.
Die zweite ist, woraus die Skala besteht. Likerts Format bittet Leute, einer Aussage zuzustimmen oder sie abzulehnen, und eine Aussage lädt zur Zustimmung um ihrer selbst willen ein. Direkt nach der Sache zu fragen, wie einfach, wie oft, wie gut, misst sie besser, wie wir in Zustimmungsfragen erklären.
Die dritte ist, wer antwortet. Menschen in verschiedenen Ländern nutzen dieselbe Skala unterschiedlich. Manche greifen zu den Enden, andere bleiben in der Mitte, und zwar in einem Ausmaß, das weit größer ist als alles, was die Zahl der Punkte bewirken kann. Ein Team, das Märkte vergleicht, sollte sich um kulturelle Verzerrungen kümmern, lange bevor es sich um eine sechste und siebte Option sorgt.
Und die vierte ist, was danach mit den Antworten geschieht. Eine lange Skala verführt dazu, Bewertungen wie Messwerte zu behandeln. Die bekannteste Elf-Punkte-Frage der Geschäftswelt, die hinter dem Net Promoter Score, wird umgehend in drei Töpfe sortiert, von denen einer weggeworfen wird, sodass der größte Teil der Präzision, die man dem Kunden abverlangt hat, nie genutzt wird. Was das kostet, rechnen wir in Sagt der NPS Wachstum voraus? vor.
Die eine feste Regel
Es gibt einen Rat, bei dem sich Evidenz und Praktiker einig sind, und er hat nichts damit zu tun, welche Zahl die beste ist. Ändere die nicht, die du hast.
Eine Bewertung bedeutet nur im Vergleich etwas, mit dem letzten Quartal, mit einem anderen Segment, mit einem veröffentlichten Benchmark. Ändere die Skala, und der Vergleich ist kaputt. Eine 4,1 von 5 lässt sich nicht per Dreisatz in einen Wert auf der 7er-Skala umrechnen, weil Menschen die beiden Skalen nicht proportional nutzen. Was an Feinheit gewonnen wurde, geht an Historie um ein Vielfaches verloren. Wenn eine Skala sich ändern muss, lass alt und neu eine Runde lang nebeneinander laufen, damit die Nahtstelle sichtbar ist.
Bei einer Frage, die du neu schreibst, ist die Wahl nicht schwer. Nimm fünf Punkte für Zustimmungsfragen, für alles, was auf dem Handy gelesen wird, und überall dort, wo du an jeder Option ein Wort willst. Nimm sieben, wenn eine einzelne Bewertung das Ergebnis allein tragen muss und deine Befragten so etwas gewohnt sind. Vermeide zwei, drei und vier, außer bei Faktenfragen. Vermeide alles über zehn. Lass jede Skala in dieselbe Richtung laufen, gib Leuten ohne Erfahrung mit der Sache eine Möglichkeit, das zu sagen, und stell nach der Bewertung eine Frage nach dem Warum, denn in der Begründung steckt die Information. Unser Ratgeber zu Fragetypen in Umfragen behandelt die Alternativen zur Bewertung.
Dann schick die Umfrage ab. Likerts fünf Punkte halten seit 1932, ohne dass jemand bewiesen hätte, dass sechs besser gewesen wären, und das Team, das eine Woche auf die Frage verwendet hat, hat eine wertvolle Sache gelernt: dass es kaum einen Unterschied machte.
So hilft dir Diaform
In Diaform ist eine Bewertung eine Frage in einem Chat. Du schreibst sie als Einfachauswahl mit deinen eigenen beschrifteten Optionen, fünf oder sieben, wie du magst, und der KI-Interviewer fragt dann nach dem Warum und hakt bei vagen Antworten nach, so oft du es erlaubst. Jedes Gespräch bekommt eine Zusammenfassung mit wörtlichen Zitaten, sodass der Grund neben der Zahl steht. Diaform wählt deine Skala nicht aus und korrigiert nicht, wie verschiedene Kunden sie nutzen. Es gibt einen 14-tägigen kostenlosen Test.
