Kaum ein Wort löst in der Sprechstunde so viel Unsicherheit aus wie „Hypothese“ — dabei ist das Prinzip einfach: Eine Hypothese ist eine begründete, prüfbare Vermutung über einen Zusammenhang oder Unterschied. Schwierig wird es nur, weil die meisten Anleitungen bei der Definition aufhören und genau da, wo es hakt — beim Formulieren — alleine lassen. Dieser Leitfaden geht den ganzen Weg: Arten, Gütekriterien, die Schritt-für-Schritt-Ableitung aus deiner Forschungsfrage, zwölf Beispiele in Gut/Schlecht-Paaren und die Verbindung zur Auswertung.
Was eine Hypothese ist — und was nicht
Eine Hypothese ist eine aus Theorie und Forschungsstand abgeleitete Aussage über die Beziehung zwischen mindestens zwei Variablen, die sich mit Daten prüfen und widerlegen lässt. Keine Hypothesen sind: Fragen („Hängt X mit Y zusammen?“ — das ist deine Forschungsfrage), Fakten („Viele Beschäftigte arbeiten im Homeoffice“), Werturteile („Homeoffice ist gut“) und unprüfbare Allaussagen („Führung ist entscheidend für alles“). Die Faustregel: Wenn kein denkbares Datenmuster deine Aussage widerlegen könnte, ist es keine Hypothese.
Die Arten im Überblick
- Zusammenhangshypothese: Je mehr X, desto mehr/weniger Y. (→ Korrelation/Regression)
- Unterschiedshypothese: Gruppe A unterscheidet sich von Gruppe B in Y. (→ t-Test/ANOVA)
- Veränderungshypothese: Y verändert sich von Messzeitpunkt 1 zu 2 (z. B. durch eine Intervention). (→ t-Test für verbundene Stichproben)
- Gerichtet vs. ungerichtet: „A ist zufriedener als B“ (gerichtet) vs. „A und B unterscheiden sich“ (ungerichtet). Gerichtet nur, wenn Theorie oder Forschungsstand die Richtung hergeben — dann aber auch so formulieren.
- H1 und H0: Deine inhaltliche Vermutung ist die Alternativhypothese (H1); die Nullhypothese (H0) behauptet „kein Zusammenhang/Unterschied“ und ist das, was der statistische Test eigentlich prüft. In der Arbeit formulierst du üblicherweise die H1 aus — die H0 ergibt sich daraus.
Die fünf Gütekriterien einer guten Hypothese
- Theoriebasiert: Sie folgt begründet aus Literatur oder Modell — nicht aus dem Bauch. Ein Satz Herleitung gehört vor jede Hypothese.
- Prüfbar und falsifizierbar: Es gibt ein Datenmuster, das sie widerlegen würde.
- Präzise: Zwei klar benannte Variablen, eine klare Beziehung — keine „und irgendwie auch“-Konstruktionen.
- Operationalisierbar: Beide Variablen sind messbar (validierte Skala, Zählgröße, Gruppenzugehörigkeit).
- Widerspruchsfrei und sparsam: Pro Hypothese eine Beziehung — keine Doppelaussagen in einem Satz.
In vier Schritten von der Forschungsfrage zur Hypothese
An unserer bekannten Beispielstudie (Homeoffice und Arbeitszufriedenheit, N = 118):
Schritt 1 — Forschungsfrage fixieren: „Wie hängt der Homeoffice-Anteil mit der Arbeitszufriedenheit zusammen?“
Schritt 2 — Variablen und Richtung aus der Theorie ableiten: UV = Homeoffice-Anteil (Tage/Woche), AV = Arbeitszufriedenheit (validierte Skala). Das Job-Demands-Resources-Modell legt nahe: Autonomiegewinn → positive Richtung.
Schritt 3 — präzise formulieren: H1: Je höher der Homeoffice-Anteil, desto höher die Arbeitszufriedenheit. (Implizit: H0 = kein Zusammenhang.)
Schritt 4 — Prüfweg festlegen: beide Variablen metrisch → Pearson-Korrelation; Bericht mit r, p und Einordnung der Effektstärke. So wandert jede Hypothese mit fertigem Prüfplan in die Methodik.
12 Beispiele: so nicht — sondern so
- ❌ „Homeoffice ist gut für Mitarbeiter.“ → ✅ „Je höher der Homeoffice-Anteil, desto höher die Arbeitszufriedenheit.“ (Werturteil → prüfbarer Zusammenhang)
- ❌ „Gibt es Unterschiede zwischen Führungskräften und Mitarbeitenden?“ → ✅ „Führungskräfte weisen eine höhere Arbeitszufriedenheit auf als Beschäftigte ohne Führungsverantwortung.“ (Frage → gerichtete Unterschiedshypothese)
- ❌ „Social Media beeinflusst junge Menschen stark.“ → ✅ „Je höher die tägliche Instagram-Nutzungsdauer, desto geringer die Körperzufriedenheit weiblicher Studierender.“ (vage → zwei messbare Variablen plus Richtung)
- ❌ „KI verändert das Recruiting und die Bewerber finden das unterschiedlich gut, je nach Alter und Erfahrung.“ → ✅ „Bewerber:innen bewerten eine KI-gestützte Vorauswahl als weniger fair als eine menschliche Vorauswahl.“ (Dreifach-Aussage → eine Beziehung pro Hypothese)
- ❌ „Gute Führung ist der wichtigste Faktor überhaupt.“ → ✅ „Transformationale Führung hängt positiv mit dem Arbeitsengagement zusammen.“ (unfalsifizierbare Allaussage → benanntes Konstrukt, benannte Beziehung)
- ❌ „Das Seminar verbessert vielleicht die Noten.“ → ✅ „Die Teilnahme am Schreibtraining erhöht die Punktzahl im Schreibtest vom ersten zum zweiten Messzeitpunkt.“ („vielleicht“ → Veränderungshypothese mit Messplan)
Wie viele Hypothesen — und wohin damit?
Für eine Bachelorarbeit sind zwei bis fünf Hypothesen üblich, für eine Masterarbeit drei bis sieben — lieber wenige sauber hergeleitete als zehn lose Behauptungen, denn jede Hypothese verpflichtet dich zu Herleitung, Test und Diskussion. Platziert werden sie am Ende des Theorieteils, jeweils direkt nach ihrer Herleitung (nummeriert: H1, H2 …), und in Methodik, Ergebnis- und Diskussionsteil in exakt derselben Nummerierung wieder aufgegriffen. Welcher Test zu welcher Hypothese gehört, steht im Testwahl-Leitfaden; wie daraus ein Fragebogen wird, im Fragebogen-Leitfaden; der ganze Forschungsprozess im Überblick: Quantitative Forschung.
Typische Fehler beim Hypothesen-Aufstellen
- Hypothese ohne Herleitung — sie fällt vom Himmel statt aus der Theorie.
- Frage statt Aussage formuliert.
- Nicht operationalisierbar: Konstrukte, für die es keine Messung gibt.
- Doppel- und Dreifachaussagen in einer Hypothese — unprüfbar in einem Test.
- Gerichtet ohne Grund (oder ungerichtet trotz klarer Befundlage).
- Hypothesen nachträglich an die Ergebnisse angepasst — wissenschaftlich unsauber und im Kolloquium ein gefundenes Fressen.
- Kausalsprache bei korrelativem Design: „führt zu“ darfst du nur bei experimentellen Designs schreiben — sonst „hängt zusammen mit“.
Wo KI hilft — und wo sie aufhört
Als Sparring ist KI hier legitim: Formulierungs-Feedback („Ist diese Hypothese präzise und falsifizierbar?“) oder das Durchspielen von Varianten. Was sie dir nicht abnehmen kann: die Herleitung aus echter, geprüfter Literatur — genau danach wird im Kolloquium gefragt, und von einer KI vorgeschlagene Belege musst du ohnehin im Original verifizieren. Was generell gilt: Welche KI ist für die Bachelorarbeit erlaubt?
Wenn du Unterstützung brauchst
Wenn deine Betreuung die Hypothesen zum dritten Mal zurückschickt oder Theorieteil und Empirie nicht zusammenfinden: Unsere Autor:innen mit Methodenerfahrung (mindestens Masterabschluss) entwickeln mit dir saubere, theoretisch hergeleitete Hypothesen samt Operationalisierung und Prüfplan — als Teil einer fundierten Mustervorlage, die du durcharbeitest und zu deiner eigenen Arbeit machst. Die anschließende Auswertung übernehmen wir auf Wunsch komplett: statistische Auswertung. Schildere uns kurz Forschungsfrage und Stand: unverbindlich anfragen.
Häufige Fragen
Wie formuliere ich eine Hypothese für die Bachelorarbeit?
In vier Schritten: Forschungsfrage fixieren, Variablen und Richtung aus der Theorie ableiten, als präzise Je-desto- oder Unterschiedsaussage formulieren („Je höher X, desto höher Y“ / „Gruppe A zeigt mehr Y als Gruppe B“) und direkt den passenden statistischen Test zuordnen.
Wie viele Hypothesen braucht eine Bachelorarbeit?
Üblich sind zwei bis fünf (Masterarbeit: drei bis sieben). Entscheidend ist nicht die Anzahl, sondern dass jede Hypothese theoretisch hergeleitet, prüfbar und mit einem konkreten Test verbunden ist.
Was ist der Unterschied zwischen H0 und H1?
H1 (Alternativhypothese) ist deine inhaltliche Vermutung über einen Zusammenhang oder Unterschied; H0 (Nullhypothese) behauptet das Gegenteil — keinen Effekt. Statistische Tests prüfen die H0: Ist das Ergebnis unter ihr sehr unwahrscheinlich (p unter dem Signifikanzniveau), wird sie zugunsten der H1 verworfen.
Braucht eine qualitative Arbeit Hypothesen?
In der Regel nein — qualitative Forschung arbeitet mit offenen Forschungsfragen und entwickelt Annahmen aus dem Material heraus. Hypothesen im strengen Sinn gehören zur quantitativen, hypothesenprüfenden Forschung.
