Inhaltsverzeichnis
Eine Hypothese ist eine begründete Vermutung über einen Zusammenhang, die du empirisch überprüfst. Sie macht aus deiner offenen Forschungsfrage eine testbare Aussage und gibt deiner Datenerhebung eine klare Richtung.
Kurzantwort: Eine gute Hypothese ist präzise, theoretisch fundiert, empirisch testbar und falsifizierbar. Sie formuliert einen erwarteten Zusammenhang zwischen Variablen, den du mit deiner Methode überprüfen kannst.
Schnellentscheidung: Braucht deine Arbeit überhaupt Hypothesen?
Typen und Kriterien: Gerichtet vs. ungerichtet, fünf Qualitätskriterien.
Templates und Platzierung: Formulierungshilfen mit Pflichtangaben und Aufbau-Logik.
Brauche ich Hypothesen? Schnellentscheidung
Nicht jede Masterarbeit braucht Hypothesen. Ob du welche formulierst, hängt von deinem Forschungsdesign und deiner Methode ab.
Quantitativ-konfirmatorisch: Du testest einen vermuteten Zusammenhang mit statistischen Verfahren. Hypothesen sind hier Standard.
Quantitativ-explorativ: Du erkundest Zusammenhänge ohne feste Erwartung. Hypothesen möglich, aber als „explorativ" kennzeichnen.
Qualitativ: Statt Hypothesen nutzt du offene Forschungsfragen oder Leitfragen. Die Kategorien entstehen aus den Daten.
Literaturarbeit/deskriptiv: Du beschreibst oder systematisierst Wissen. Forschungsfragen reichen aus.
Mixed Methods: Hypothesen nur für den quantitativen Teil. Der qualitative Teil arbeitet mit Leitfragen.
Faustregel: Wenn du statistische Tests durchführst, um Zusammenhänge oder Unterschiede zu prüfen, brauchst du Hypothesen. Wenn du Phänomene verstehen, beschreiben oder interpretieren willst, arbeitest du mit Forschungsfragen. Kläre die Erwartungen mit deiner Betreuung, da Konventionen je nach Fach variieren.
Was ist eine Hypothese?
Eine Hypothese ist eine wissenschaftlich begründete Annahme über einen Zusammenhang zwischen zwei oder mehr Variablen. Anders als eine bloße Vermutung basiert sie auf theoretischen Überlegungen oder bisherigen Forschungsergebnissen. Du formulierst sie vor der Datenerhebung und testest sie anschließend mit deiner gewählten Methode.
Der Begriff stammt aus dem Griechischen und bedeutet „Unterstellung" oder „Grundlage". In der Wissenschaft dient die Hypothese als Brücke zwischen Theorie und Empirie. Du leitest aus der Theorie eine Erwartung ab und prüfst, ob die Realität dieser Erwartung entspricht.
Beispiel: Du hast gelesen, dass Stress die Konzentrationsfähigkeit beeinträchtigt. Daraus leitest du die Hypothese ab: „Je höher das Stresslevel von Studierenden, desto niedriger ihre Konzentrationsfähigkeit in Prüfungssituationen." Diese Aussage kannst du mit einem Fragebogen und einem Konzentrationstest überprüfen.
Hypothese vs. Forschungsfrage: Der Unterschied
Die Forschungsfrage ist offen formuliert und beschreibt, was du herausfinden willst. Die Hypothese ist eine Antwort auf diese Frage, die du empirisch überprüfst. Während die Forschungsfrage fragt, gibt die Hypothese eine vorläufige Antwort.
„Wie hängt die Nutzungsdauer von Social Media mit dem Wohlbefinden von Studierenden zusammen?"
Offen formuliert, fragt nach einem Zusammenhang ohne Richtungsvorgabe.
„Je höher die tägliche Social-Media-Nutzungsdauer, desto niedriger das subjektive Wohlbefinden von Studierenden."
Geschlossen, gerichtet, gibt eine erwartete Antwort.
In vielen Masterarbeiten hast du beides: eine übergeordnete Forschungsfrage und davon abgeleitete Hypothesen. Die Forschungsfrage gibt die Richtung vor, die Hypothesen konkretisieren, was du testest.
Typen von Hypothesen
Je nach Erkenntnisstand und Forschungsdesign wählst du unterschiedliche Hypothesentypen. Die Wahl beeinflusst, welchen statistischen Test du später verwendest.
Du sagst vorher, in welche Richtung der Zusammenhang geht. Mehr von X führt zu mehr (oder weniger) von Y.
„Je höher die Arbeitszufriedenheit, desto geringer die Fluktuationsabsicht."
Geeignet, wenn Theorie oder frühere Studien eine Richtung nahelegen. Erlaubt einseitige Tests mit höherer statistischer Power. Wichtig: Die Richtung muss vorab theoretisch begründet und vor der Analyse festgelegt sein.
Du vermutest einen Zusammenhang, aber nicht die Richtung. Es gibt einen Unterschied oder Zusammenhang, aber du weißt nicht, ob positiv oder negativ.
„Es besteht ein Zusammenhang zwischen Führungsstil und Mitarbeitermotivation."
Geeignet bei widersprüchlicher Literatur oder neuen Forschungsfeldern. Erfordert zweiseitige Tests.
Diese beiden bilden ein Paar. Die Nullhypothese behauptet, dass kein Effekt existiert. Die Alternativhypothese ist deine Forschungshypothese, die einen Effekt annimmt.
„Homeoffice hat keinen Einfluss auf die Produktivität."
„Homeoffice hat einen Einfluss auf die Produktivität."
Statistische Tests prüfen, ob du die Nullhypothese ablehnen kannst. Bei Ablehnung spricht das Ergebnis für deine Alternativhypothese.
Begriffliche Klarheit: Die Alternativhypothese (H₁) ist deine eigentliche Forschungshypothese, die einen Effekt annimmt. Die Nullhypothese (H₀) ist das statistische Gegenstück, das keinen Effekt behauptet. Verwende im gesamten Dokument einheitlich die Schreibweise H₀/H₁.
Kausal oder Zusammenhang? Die richtige Formulierung
Ein häufiger Fehler: Kausale Formulierungen bei korrelativen Designs. Ob du „führt zu", „bewirkt" oder „steht in Zusammenhang mit" schreibst, hängt von deinem Forschungsdesign ab.
Du erhebst Daten zu einem Zeitpunkt und prüfst statistische Zusammenhänge.
Erlaubte Formulierungen: „steht in Zusammenhang mit", „geht einher mit", „korreliert mit", „hängt zusammen mit"
Du misst zu mehreren Zeitpunkten, ohne eine Variable zu manipulieren.
Erlaubte Formulierungen: „sagt vorher", „geht zeitlich voraus", „ist prädiktiv für", „ist assoziiert mit". Kausale Begriffe nur bei starkem Design mit Kontrollvariablen und theoretischer Begründung.
Du manipulierst aktiv eine Variable (z.B. Treatment vs. Kontrolle) mit Randomisierung und kontrollierst Störvariablen.
Erlaubte Formulierungen: „führt zu", „hat einen Effekt auf", „erhöht/senkt". Kausalaussagen nur bei sauberer Randomisierung und Kontrolle von Störvariablen; sonst vorsichtiger formulieren.
„Social-Media-Nutzung führt zu geringerem Wohlbefinden."
Impliziert Kausalität, die mit einer einmaligen Befragung nicht belegbar ist.
„Höhere Social-Media-Nutzung geht mit geringerem Wohlbefinden einher."
Beschreibt den statistischen Zusammenhang ohne Kausalbehauptung.
Prüffrage: Kann ich mit meinem Design die zeitliche oder manipulative Richtung belegen? Wenn nein, formuliere korrelativ. Im Zweifel ist die vorsichtigere Formulierung die wissenschaftlich sauberere.
Kriterien für gute Hypothesen
Eine wissenschaftliche Hypothese muss bestimmte Qualitätskriterien erfüllen. Diese Kriterien helfen dir bei der Selbstprüfung und unterscheiden eine gute Hypothese von einer vagen Vermutung.
Die Hypothese muss sich mit Daten überprüfen lassen. Du brauchst messbare Variablen und eine Methode, um den Zusammenhang zu testen.
„Glückliche Menschen haben eine bessere Aura."
„Personen mit höherer Lebenszufriedenheit zeigen weniger physiologische Stressreaktionen."
Variablen sind klar definiert. Es ist eindeutig, was gemessen wird und bei wem.
Stolperstelle: Vage Begriffe wie „verbessert", „beeinflusst" oder „wirkt sich aus" ohne Spezifikation der Richtung oder der gemessenen Indikatoren.
Die Hypothese basiert auf Theorie oder bisherigen Forschungsergebnissen. Du kannst begründen, warum du diesen Zusammenhang erwartest.
Frag dich: Welche Theorie oder welche Studien legen diesen Zusammenhang nahe? Wenn du keine Begründung findest, ist die Hypothese möglicherweise willkürlich.
Es muss prinzipiell möglich sein, die Hypothese zu widerlegen. Wenn jedes denkbare Ergebnis die Hypothese bestätigt, ist sie nicht wissenschaftlich.
„Motivation kann manchmal die Leistung beeinflussen."
„Je höher die intrinsische Motivation, desto höher die Arbeitsleistung."
Die Überprüfung der Hypothese trägt zum Erkenntnisgewinn bei. Sie adressiert eine Lücke im Forschungsstand oder hat praktische Relevanz.
Frag dich: Warum ist es wichtig zu wissen, ob diese Hypothese stimmt? Welchen Beitrag leistet die Bestätigung oder Widerlegung?
Hypothesen formulieren: Schritt für Schritt
Die Formulierung von Hypothesen folgt einem systematischen Prozess. Du leitest sie aus deiner Forschungsfrage und dem theoretischen Rahmen ab.
- Forschungsfrage analysieren. Welche Variablen enthält deine Forschungsfrage? Was ist die unabhängige Variable (Prädiktor; Ursache nur bei experimentellem Design)? Was ist die abhängige Variable (Kriterium oder Ergebnis)? Bei Vergleichsfragen: Welche Gruppen vergleichst du?
- Theorie heranziehen. Was sagt die Fachliteratur zu diesem Zusammenhang? Gibt es etablierte Theorien, die eine Richtung nahelegen? Welche Ergebnisse zeigen bisherige Studien? Die Theorie liefert die Begründung für deine Erwartung.
- Richtung festlegen. Basierend auf der Theorie entscheidest du: Formulierst du gerichtet (wenn die Theorie eine Richtung nahelegt) oder ungerichtet (wenn die Literatur widersprüchlich ist oder keine Richtung erkennbar)?
- Hypothese ausformulieren. Verwende eine klare Struktur. Bei gerichteten Hypothesen: „Je höher/niedriger X, desto höher/niedriger Y." Bei Unterschiedshypothesen: „Gruppe A zeigt höhere/niedrigere Werte in Y als Gruppe B."
- Prüfung an den Kriterien. Ist die Hypothese testbar, präzise, theoretisch fundiert, falsifizierbar und relevant? Wenn nicht, überarbeite die Formulierung.
Formuliere zuerst deine Forschungshypothese (H₁) und leite dann die Nullhypothese (H₀) ab. Die H₀ ist das Gegenteil: „Es besteht kein Zusammenhang" oder „Es gibt keinen Unterschied".
Wo stehen Hypothesen im Aufbau?
Die Platzierung der Hypothesen folgt einer klaren Logik: Du leitest sie her, bevor du sie testest. Die Hypothesen tauchen an mehreren Stellen in deiner Arbeit auf, jeweils mit unterschiedlicher Funktion.
Einleitung: Du stellst die Hypothesen nach der Forschungsfrage kurz vor, typischerweise am Ende der Einleitung. Hier reicht eine Aufzählung ohne ausführliche Begründung.
Theorieteil / Forschungsstand: Hier leitest du jede Hypothese aus der Theorie oder bisherigen Forschung her. Am Ende eines Theorie-Abschnitts oder Kapitels formulierst du die zugehörige Hypothese. Die Herleitung endet mit einem Satz wie: „Daraus ergibt sich folgende Hypothese: H₁: Je höher X, desto höher Y."
Methodenteil: Du beschreibst, wie du jede Hypothese testest. Welche Variablen operationalisierst du wie? Welchen statistischen Test verwendest du? Eine Übersichtstabelle kann helfen: Hypothese, Variablen, Messinstrument, Testverfahren.
Ergebnisteil: Du berichtest die Testergebnisse hypothesenweise. Beispiel: „Zur Prüfung von H₁ wurde eine Korrelationsanalyse durchgeführt. Es zeigte sich ein signifikanter positiver Zusammenhang (r = .42, p < .01). H₁ wird damit unterstützt."
Diskussion: Du interpretierst, was Bestätigung oder Widerlegung bedeutet. Warum wurde H₂ nicht bestätigt? Welche Implikationen hat das Ergebnis zu H₁?
Nummeriere Hypothesen fortlaufend: H₁, H₂, H₃. Bei Unterhypothesen: H₁a, H₁b. Verwende im gesamten Dokument dieselbe Schreibweise.
Im Fließtext verweist du mit „Hypothese 1 (H₁)" bei der ersten Nennung, danach reicht „H₁". Unterhypothesen nur verwenden, wenn eine Haupthypothese mehrere Teilaspekte hat, die separat getestet werden.
Hypothesen Beispiele aus verschiedenen Fächern
Hier findest du konkrete Beispiele für Hypothesen aus verschiedenen Fachbereichen. Jedes Beispiel zeigt eine gerichtete Alternativhypothese mit der zugehörigen Nullhypothese.
„Je höher die wahrgenommene Arbeitsplatzunsicherheit, desto niedriger das Engagement von Mitarbeitenden in KMU."
„Es besteht kein Zusammenhang zwischen wahrgenommener Arbeitsplatzunsicherheit und Mitarbeiterengagement."
„Studierende, die regelmäßig Achtsamkeitsübungen praktizieren, berichten niedrigere Prüfungsangst als Studierende ohne Achtsamkeitspraxis."
„Es besteht kein Unterschied in der Prüfungsangst zwischen Studierenden mit und ohne Achtsamkeitspraxis."
„Je höher der sozioökonomische Status der Eltern, desto höher die Bildungsaspirationen von Jugendlichen."
„Der sozioökonomische Status der Eltern hat keinen Einfluss auf die Bildungsaspirationen von Jugendlichen."
„Pflegekräfte mit höherer emotionaler Intelligenz zeigen geringere Burnout-Symptome als Pflegekräfte mit niedrigerer emotionaler Intelligenz."
„Emotionale Intelligenz steht in keinem Zusammenhang mit Burnout-Symptomen bei Pflegekräften."
„Die wahrgenommene Benutzerfreundlichkeit einer App hat einen positiven Einfluss auf die Nutzungsintention bei über 60-Jährigen."
„Die wahrgenommene Benutzerfreundlichkeit hat keinen Einfluss auf die Nutzungsintention bei über 60-Jährigen."
Templates zum Kopieren
Diese Templates helfen dir bei der Formulierung. Ersetze die Platzhalter durch deine eigenen Angaben. Zu jeder Hypothese gehören Pflichtangaben, die du im Methodenteil dokumentierst.
„Je höher/niedriger [unabhängige Variable X], desto höher/niedriger [abhängige Variable Y] bei [Population Z]."
Pflichtangaben: Population (z.B. Studierende deutscher Hochschulen), Operationalisierung X (z.B. Skala XY, 5 Items), Operationalisierung Y (z.B. standardisierter Test AB), Erhebungszeitpunkt/-raum.
Beispiel: „Je höher die Teamkohäsion (Group Cohesion Scale), desto höher die Innovationsleistung (Anzahl umgesetzter Ideen/Quartal) in Projektteams mittelständischer IT-Unternehmen."
„[Gruppe A] zeigt höhere/niedrigere Werte in [Variable Y] als [Gruppe B]."
Pflichtangaben: Definition der Gruppen (Kriterium für Zuordnung), Operationalisierung Y, Stichprobe und Setting.
Beispiel: „Führungskräfte mit absolvierter Coaching-Ausbildung (mind. 120h zertifiziert) zeigen höhere Werte im Empathie-Subskala des EQ-i als Führungskräfte ohne Coaching-Ausbildung."
„Es besteht ein Zusammenhang zwischen [Variable X] und [Variable Y] bei [Population Z]."
Pflichtangaben: Operationalisierung beider Variablen, Population, ggf. Begründung, warum keine Richtung angenommen wird.
Beispiel: „Es besteht ein Zusammenhang zwischen Persönlichkeitstyp (Big Five Inventory) und bevorzugtem Lernstil (VARK-Fragebogen) bei Studierenden im ersten Semester."
„Der Zusammenhang zwischen [X] und [Y] wird durch [Moderator M] moderiert: Bei hoher Ausprägung von M ist der Zusammenhang stärker/schwächer."
Pflichtangaben: Operationalisierung aller drei Variablen, theoretische Begründung der Moderationsrichtung, geplante Auswertung (z.B. Regression mit Interaktionsterm).
Beispiel: „Der Zusammenhang zwischen Arbeitslast (Stunden/Woche) und Stress (PSS-10) wird durch soziale Unterstützung (F-SozU K-14) moderiert: Bei hoher sozialer Unterstützung ist der Zusammenhang schwächer."
Was ist ein Moderator? Ein Moderator ist eine Variable, die die Stärke oder Richtung eines Zusammenhangs zwischen zwei anderen Variablen beeinflusst. Statistisch testest du das mit einem Interaktionsterm in der Regression. Wenn der Interaktionsterm signifikant ist, liegt Moderation vor. Beispiel: Der Effekt von Stress auf Leistung könnte bei Personen mit hoher Resilienz schwächer sein als bei Personen mit niedriger Resilienz.
Abgrenzung zum Mediator: Ein Mediator erklärt, warum ein Zusammenhang besteht (Wirkmechanismus). Beispiel: Führungsstil → Motivation → Leistung. Die Motivation ist der Mediator, der den Effekt von Führungsstil auf Leistung vermittelt. Moderatoren verändern die Stärke eines Effekts, Mediatoren erklären den Wirkmechanismus.
Typische Fehler vermeiden
Hypothesen nachträglich anpassen (HARKing): Bei konfirmatorischen Studien formulierst du die Hypothesen vor der Datenauswertung und änderst sie danach nicht mehr. Das verhindert, dass du Hypothesen unbewusst an die Ergebnisse anpasst. Präregistrierung (Vorabfestlegung der Hypothesen und Analysen) ist Best Practice, aber im Masterarbeits-Kontext nicht überall verpflichtend. Kläre mit deiner Betreuung, ob eine formale Präregistrierung erwartet wird. Explorative Analysen sind erlaubt, müssen aber als solche gekennzeichnet werden.
Zu viele Hypothesen aufstellen: Jede Hypothese erfordert einen statistischen Test. Viele Tests erhöhen die Wahrscheinlichkeit falsch-positiver Ergebnisse (Alpha-Fehler-Kumulierung). Beschränke dich auf die Hypothesen, die direkt aus deiner Forschungsfrage folgen. Als Richtwert: zwei bis fünf Hypothesen sind für eine Masterarbeit angemessen. Bei mehr Tests: Lege vorab primäre und sekundäre Hypothesen fest, oder nutze eine Alpha-Adjustierung (z.B. Bonferroni-Korrektur, die allerdings konservativ ist – bei vielen Tests kann Holm-Bonferroni eine weniger strenge Alternative sein).
Hypothesen ohne theoretische Begründung: Jede Hypothese braucht eine Herleitung aus der Theorie oder bisherigen Forschung. „Ich vermute, dass..." reicht nicht. Im Theorieteil erklärst du, warum du diesen Zusammenhang erwartest.
Hypothese und Methode passen nicht zusammen: Eine Unterschiedshypothese erfordert Gruppenvergleiche, eine Zusammenhangshypothese erfordert Korrelations- oder Regressionsanalysen. Prüfe vor der Formulierung, ob dein Forschungsdesign den Test der Hypothese ermöglicht.
Testbar? Kann ich die Variablen messen und den Zusammenhang statistisch prüfen?
Präzise? Sind Variablen und Population klar definiert?
Begründet? Kann ich aus Theorie oder Forschung erklären, warum ich das erwarte?
Falsifizierbar? Ist ein Ergebnis denkbar, das die Hypothese widerlegt?
Relevant? Trägt die Prüfung zum Erkenntnisgewinn bei?
Nächste Schritte
Sobald deine Hypothesen formuliert und geprüft sind, hast du einen wichtigen Meilenstein erreicht. Die Hypothesen bestimmen, welche Daten du erheben musst und welche statistischen Tests du durchführst.
- Operationalisierung. Du legst fest, wie du deine Variablen konkret misst. Welche Skalen, Fragebögen oder Indikatoren verwendest du? Gibt es validierte Instrumente in der Literatur? Diese Entscheidungen dokumentierst du im Methodenteil. Mehr dazu findest du im Artikel zur Operationalisierung.
- Testverfahren wählen. Falls du mit Statistik arbeitest, wählst du jetzt den passenden Test. Zusammenhangshypothesen testest du mit Korrelationen oder Regressionen, Unterschiedshypothesen mit t-Tests oder Varianzanalysen. Die Wahl hängt von deinen Variablen, dem Skalenniveau und der Stichprobengröße ab.
- Schreiben beginnen. Starte mit der Hypothesenherleitung im Theorieteil, da du dort die argumentative Grundlage schaffst. Sobald die Herleitung steht, füge die Kurzversion in die Einleitung ein. Die Struktur für Methoden, Ergebnisse und Diskussion ergibt sich dann aus der Hypothesenreihenfolge.
Häufig gestellte Fragen
Wie nummeriere und verweise ich Hypothesen im Text?
Nummeriere Hypothesen fortlaufend mit H₁, H₂, H₃ usw. Bei Unterhypothesen nutze H₁a, H₁b. Im Fließtext verweist du mit „Hypothese 1 (H₁)" oder kurz „H₁". Im Ergebnisteil berichtest du hypothesenweise: „Zur Prüfung von H₁ wurde eine Korrelationsanalyse durchgeführt. Das Ergebnis unterstützt H₁ (r = .42, p < .01)." Die Werte sind Beispiele; berichte je nach Test zusätzlich Effektgröße und Konfidenzintervall. Achte auf konsistente Schreibweise im gesamten Dokument.
Wie viele Hypothesen sollte eine Masterarbeit haben?
Die Anzahl hängt von der Komplexität deiner Forschungsfrage ab. Typischerweise formulieren Masterarbeiten zwei bis fünf Hypothesen. Eine Haupthypothese plus ein bis drei Nebenhypothesen ist ein gängiges Muster. Mehr als fünf Hypothesen machen die Arbeit oft unübersichtlich und erhöhen das Risiko falsch-positiver Ergebnisse durch multiples Testen.
Darf ich Hypothesen nach dem Pretest anpassen?
Nach einem Pretest darfst du Formulierungen präzisieren, etwa wenn Items unklar waren. Die inhaltliche Richtung der Hypothese solltest du jedoch nicht ändern. Dokumentiere Anpassungen transparent im Methodenteil: „Aufgrund der Pretestergebnisse wurde Item X umformuliert." Wenn sich die Hypothese selbst ändert, kennzeichne die ursprüngliche Version und begründe die Änderung.
Wie formuliere ich Hypothesen bei Mixed-Methods-Designs?
Bei Mixed-Methods formulierst du Hypothesen nur für den quantitativen Teil. Der qualitative Teil arbeitet mit offenen Forschungsfragen oder Leitfragen. Beispiel: Quantitativ „H₁: Je höher X, desto höher Y", qualitativ „Wie erleben Betroffene den Zusammenhang zwischen X und Y?" Im Methodenteil erklärst du, wie beide Teile zusammenwirken.
Was passiert, wenn meine Hypothese nicht bestätigt wird?
Eine nicht bestätigte Hypothese ist kein Misserfolg. Du hast einen Zusammenhang wissenschaftlich geprüft und dokumentiert, dass er unter deinen Bedingungen nicht nachweisbar war. Das ist ein valides Ergebnis. Wichtig: Interpretiere im Diskussionsteil, warum die Hypothese nicht bestätigt wurde, und ziehe daraus Schlüsse für die Forschung.
Was ist der Unterschied zwischen Hypothese und These?
Eine Hypothese ist eine empirisch überprüfbare Vermutung über einen Zusammenhang, die du mit Daten testest. Eine These ist eine Behauptung oder Aussage, die du argumentativ begründest, aber nicht zwingend empirisch prüfst. In naturwissenschaftlichen und sozialwissenschaftlichen Arbeiten sind Hypothesen üblich, in geisteswissenschaftlichen Arbeiten eher Thesen.
Weitere interessante Artikel 
Abstract der Masterarbeit 
Eidesstattliche Erklärung 
Problemstellung der Masterarbeit