Neurofactor
Zurück zur Wissensdatenbank
Forschungsmethoden

Wie misst man Assoziationen?

Wie misst man Assoziationen? Vergleichen Sie freie Assoziation, direkte Bewertungen und IAT. Mit Forschungsplanung, Auswertung, Reliabilität und Interpretation.

Martijn den Otter 8 Min. Lesezeit29.9.2026
Wie misst man Assoziationen?

Möchten Sie wissen, was Menschen mit Ihrer Marke, Ihrem Unternehmen als Arbeitgeber oder Ihrem Produkt verbinden? Klären Sie zuerst, ob Sie spontane Wörter, eine direkte Bewertung, eine vergleichsweise leicht hergestellte Verbindung oder einen Zusammenhang mit einer konkreten Entscheidung suchen, denn diese Fragen erfordern unterschiedliche Messungen. Gute Assoziationsforschung verbindet Forschungsfrage, Aufgabe und Ergebnisinterpretation.

Kurze Antwort

Assoziationen messen bedeutet hier: mit einer dokumentierten Aufgabe untersuchen, welche Verbindungen Menschen zwischen einem Gegenstand und anderen Begriffen, Bildern oder Bewertungen herstellen. Das Ergebnis hängt von Aufgabe, Reizen, Teilnehmenden und Kontext ab.

Sie können Menschen direkt antworten lassen oder eine Verbindung indirekt über Aufgabenleistungen untersuchen, beispielsweise mit einem IAT. Legen Sie vorher fest, welches Ergebnis Sie brauchen. Halten Sie das Nennen einer Assoziation, ihre Bewertung und ihre Bedeutung für eine Entscheidung getrennt erkennbar.

Explizit und implizit: Was meinen wir damit?

In diesem Artikel heißt eine Messung explizit, wenn jemand die erfragte Assoziation oder Bewertung direkt angibt. Bei einer impliziten Messung wird die relevante Beziehung indirekt aus Aufgabenleistungen abgeleitet.

Greenwald und Lai unterscheiden „indirekt gemessen“ von der theoretischen Aussage „unbewusst“. Außerdem erläutern sie, dass interne Konsistenz und Test-Retest-Reliabilität unterschiedliche Aspekte der Messpräzision beurteilen. Greenwald & Lai, 2020.

Verwenden Sie im Forschungsbriefing konkrete Formulierungen: Was macht die Person, welche Daten werden erfasst und welche Schlussfolgerung möchten Sie daraus ziehen? Die Bezeichnung „implizit“ sollte diese Erklärung nicht ersetzen. Behandeln Sie einen Unterschied zwischen Methoden als erklärungsbedürftigen Befund, ohne eine Antwort vorab zur verborgenen Wahrheit zu erklären.

Welche Methode passt zu welcher Frage?

Die folgende Tabelle ist eine praktische Planungshilfe. Sie bietet Ausgangspunkte für einen Forschungsvorschlag, keine feste Rangfolge von Methoden.

FrageMöglicher AnsatzWas sollte der Vorschlag klären?
Welche Wörter oder Bilder fallen Menschen ein?Freie AssoziationGenauer Hinweisreiz, Antwortanweisung und Kodierung
Wie passend oder positiv wird ein Merkmal bewertet?Direkte Bewertung mit definierter SkalaBedeutung der Skala und Antwortmöglichkeit „unbekannt“
Welche relative Verknüpfung lässt sich leichter verarbeiten?Passend gestalteter IATVerglichene Kategorien, Aufgabe, Auswertung und Interpretationsrichtung
Wie unterscheiden sich Leistungen nach verschiedenen vorausgehenden Reizen?Ausgearbeitete PrimingaufgabeAufgabenvariante und Interpretation des Effekts
Hängen Assoziationen mit Entscheidungen zusammen?Zusätzliche Entscheidungs- oder VerhaltensmessungEntscheidungssituation, Ergebnismaß und Bezug zur Assoziationsmessung

Bitten Sie für jede vorgeschlagene Aufgabe um Belege für die konkrete Anwendung. „Reaktionszeitmessung“ ist noch keine vollständige Methodenbeschreibung. Dieser Artikel behandelt den IAT ausführlicher; er liefert kein ausführbares Primingprotokoll.

Mit freien Assoziationen beginnen

Bei freier Assoziation erhält eine Person einen Hinweisreiz, etwa einen Markennamen, und nennt dazu passende Wörter. De Deyne und Kollegen erhoben in Small World of Words mehrere Antworten pro Hinweisreiz, um Wortassoziationen abzubilden. De Deyne et al., 2019.

Für eine eigene Studie könnten Sie fragen: „Welche Wörter fallen Ihnen ein, wenn Sie an diesen Arbeitgeber denken?“ Bestimmen Sie vorher, wie viele Antworten Sie erbitten und ob Teilnehmende diese erläutern dürfen. Erfassen Sie Originalantworten, bevor Sie sie unter einem Thema zusammenfassen.

Bewahren Sie auch die genaue Frage auf. „Was finden Sie an diesem Arbeitgeber attraktiv?“ verlangt bereits eine positive Auswahl. Das ist eine andere Aufgabe als eine offene Assoziationsfrage. Sind beide relevant, berichten Sie sie als getrennte Bestandteile.

Fragen Sie anschließend, was ein Wort für die betreffende Person bedeutet. „Groß“ könnte in Ihrer Untersuchung als viele Möglichkeiten, aber auch als unpersönlich erläutert werden. Eine Interpretation sollte auf die gegebene Erklärung zurückführbar bleiben. Eine allgemeine Wortdatenbank kann die Vorbereitung unterstützen; Aussagen über Ihre Zielgruppe brauchen passende Daten.

Von der spontanen Antwort zur gezielten Bewertung

Nach einer explorativen Phase können Sie Merkmale gezielt bewerten lassen. Definieren Sie dabei:

  1. Den Gegenstand: Bewertet jemand eine Marke, ein Produkt, eine Anzeige oder ein konkretes Erlebnis?
  2. Das Merkmal: Geht es etwa um Zuverlässigkeit, Attraktivität oder Wiedererkennbarkeit?
  3. Die Skala: Was bedeuten die Antwortkategorien, und wie wird „weiß ich nicht“ behandelt?
  4. Den Kontext: Welche Informationen hat die Person vorher gesehen und in welcher Reihenfolge?
  5. Die Darstellung: Zeigen Sie Prozentwerte, Verteilungen oder einen begründeten zusammengesetzten Wert?

Dies ist eine redaktionelle Planungshilfe. Eine Skala von „--“ bis „++“ kann als vereinbarte Kodierung dienen, wenn die Kategorien klar sind. Behandeln Sie sie ohne zusätzliche Begründung als ordinal: Die Abstände zwischen Kategorien sind nicht automatisch gleich. Wandeln Sie das Ergebnis nicht stillschweigend in einen Prozentwert der Assoziationsstärke um.

Was misst ein IAT?

Greenwald, McGhee und Schwartz führten den Implicit Association Test 1998 ein. Die Aufgabe vergleicht Klassifikationsleistungen, wenn zwei Zielkategorien unterschiedlich mit zwei Attributkategorien auf gemeinsame Antworttasten gelegt werden. Das Ergebnis betrifft eine relative Assoziation innerhalb dieses Vergleichs. Greenwald et al., 1998.

Ein Forschungsvorschlag muss deshalb den vollständigen Vergleich benennen. Schreiben Sie nicht nur „Wir messen, wie vertrauenswürdig Marke A wirkt“, sondern nennen Sie auch die andere Zielkategorie und beide Attributkategorien. Ohne diese Informationen lässt sich ein Wert schwer beurteilen.

Bezeichnen Sie eine eigene schnelle Ja/Nein-Frage nicht automatisch als IAT. Lassen Sie bei jeder Aufgabenvariante erläutern, welcher wissenschaftlichen Methode sie folgt und was angepasst wurde. Markenforschung braucht außerdem Belege für ihre eigene Anwendung; eine klassische Veröffentlichung validiert nicht automatisch Ihre Wörter, Marken oder Zielgruppe.

Wie wird der Wert berechnet?

Greenwald, Nosek und Banaji beschrieben 2003 eine verbesserte IAT-Auswertung. Der D-Wert standardisiert Unterschiede zwischen Aufgabenblöcken anhand der Reaktionszeitstreuung; der Algorithmus enthält auch Regeln für Fehler und ungewöhnliche Reaktionen. Greenwald et al., 2003.

Verlangen Sie im Briefing die gewählte Algorithmusvariante, Wertrichtung, Ausschlussregeln und Analyseversion. Lassen Sie angeben, wie viele Beobachtungen und Teilnehmende nach der Qualitätsprüfung verbleiben. Dieser Artikel liefert weder einen eigenen Auswertungsalgorithmus noch universelle Grenzwerte.

Ein positiver oder negativer Wert ist erst mit der zugehörigen Kodierung verständlich. Ergänzen Sie den Bericht deshalb um einen Satz wie: „Ein höherer Wert bedeutet innerhalb dieser Aufgabe eine relativ stärkere Verknüpfung von Kategorie X mit Attribut Y gegenüber der festgelegten anderen Kombination.“ Setzen Sie X und Y entsprechend dem tatsächlichen Protokoll ein. Bezeichnen Sie den Wert nicht als Kaufwahrscheinlichkeit oder Marktanteil.

Reize und Durchführung vorher prüfen

Die Empfehlungen von Greenwald und Kollegen betonen unter anderem bekannte Kategorien, gut zuordenbare Beispiele und einen Pilottest mit der vorgesehenen Teilnehmendengruppe. Zudem fordern sie eine transparente Dokumentation von Reizen und Verfahren. Greenwald et al., 2022.

Erstellen Sie dafür ein Dossier mit endgültigen Texten, Bildern, Anweisungen und Aufgabenreihenfolge. Dokumentieren Sie den Umgang mit möglichen Reihenfolgeeffekten, etwa durch eine begründete Verteilung der Startreihenfolgen. Testen Sie auch die technische Durchführung auf den tatsächlich verwendeten Geräten.

Bei Forschung auf Niederländisch, Englisch und Deutsch ist Übersetzung eine überprüfungsbedürftige Designentscheidung. Lassen Sie Teilnehmende jeder Sprache beurteilen, ob Kategorien und Wörter wie beabsichtigt verstanden werden. Legen Sie fest, ob Sie Ergebnisse je Sprache beschreiben oder zwischen Sprachen vergleichen möchten und welche Belege dieser Vergleich benötigt.

Reliabilität und Validität getrennt beurteilen

Nutzen Sie im Forschungsplan diese Arbeitsfragen:

  • Interne Konsistenz: Wie stimmig tragen Teile der Messung zum beabsichtigten Wert bei?
  • Test-Retest-Reliabilität: Inwieweit bleiben Unterschiede zwischen Teilnehmenden bei Wiederholung unter vergleichbaren Bedingungen erhalten?
  • Validität: Welche Daten stützen die Interpretation, die Sie dem Wert geben möchten?

Bitten Sie um Belege passend zu Ihrer Anwendung. Eine Aussage über einen Gruppenmittelwert benötigt andere Begründungen als eine feste Klassifikation einer einzelnen Person. Planen Sie die Stichprobe anhand von Forschungsfrage, Vergleich, gewünschter Präzision und erwarteten Ausschlüssen. Eine allgemeine Mindestanzahl passt nicht zu jeder Untersuchung.

Berichten Sie bei quantitativen Schlussfolgerungen die relevante Unsicherheit und bei qualitativer Deutung Datengrundlage und abweichende Antworten. Verändert sich ein Wert bei Wiederholung, untersuchen Sie sowohl mögliche Kontextänderungen als auch Messunsicherheit. Ein Reliabilitätskennwert ersetzt keine inhaltliche Validierung.

Assoziationen mit Entscheidung und Zielgruppe verbinden

In dieser Wissensdatenbank bezeichnet eine assoziative Zielgruppe eine abgegrenzte Gruppe von Menschen, die in einem konkreten Entscheidungskontext auf Grundlage ähnlicher Assoziationen entscheidet. Dies ist eine Arbeitsdefinition. Assoziationsmessungen liefern Bausteine für diese Abgrenzung; auch der Zusammenhang mit Entscheidungen muss untersucht werden.

Halten Sie die Schritte erkennbar: Welche Assoziationen wurden gefunden, wer teilt sie und welches Ergebnis hängt damit zusammen? Erfassen Sie für die letzte Frage ein passendes Entscheidungs- oder Verhaltensmaß. Ein Zusammenhang darf als Zusammenhang berichtet werden. Eine kausale Aussage braucht ein Forschungsdesign, das alternative Erklärungen ausreichend berücksichtigt.

Wenn EEG vorgeschlagen wird, fragen Sie nach der zusätzlichen Forschungsfrage, dem Maß und der Interpretation. Wandeln Sie ein EEG-Ergebnis ohne gesonderte Validierung nicht in einen Assoziations-, Präferenz- oder Kaufwert um. Methoden zu kombinieren ist besonders nützlich, wenn ihre Rollen vorher klar sind.

Fiktives Beispiel: Zuverlässigkeit eines Lieferdienstes

Ein Lieferdienst möchte verstehen, was Kunden unter Zuverlässigkeit verstehen. Dieses Beispiel ist vollständig fiktiv und enthält weder Messergebnisse noch nachgewiesene kommerzielle Effekte.

BestandteilVorgeschlagene ForschungsfrageVorläufige Darstellungsform
ExplorationWelche Erfahrungen und Wörter werden spontan genannt?Kodierte Antworten mit Erläuterungen
Direkte BewertungWie wird beispielsweise ein eingehaltenes Lieferversprechen bewertet?Antwortverteilung je definiertem Merkmal
Mögliche indirekte AufgabeLässt sich eine vorab festgelegte relative Verknüpfung untersuchen?Aufgabenwert mit vollständigem Vergleich und Unsicherheit
EntscheidungsteilWelche Lieferoption wird bei gegebenem Preis und Zeitfenster gewählt?Entscheidungen im beschriebenen Szenario

Angenommen, das Team hält „schnell“ zunächst für den Kern von Zuverlässigkeit. Die Exploration sollte Raum für andere Bedeutungen lassen, etwa Zusagen einzuhalten oder unbeschädigt zu liefern. Legen Sie die endgültige Messaufgabe erst fest, nachdem der untersuchte Begriff geklärt ist.

Ein IAT ist hier ein möglicher Folgeschritt, kein Pflichtbestandteil. Lassen Sie zuerst beurteilen, ob Kategorien und Beispiele eine geeignete Aufgabe bilden. Kann eine direkte Frage oder Entscheidungsaufgabe die Frage besser beantworten, richten Sie den Vorschlag darauf aus.

Die abschließende Empfehlung sollte zeigen, welche Daten sie stützen. Dieses Beispiel sagt nicht voraus, welches Merkmal das größte Gewicht erhält.

Häufige Fehler

  • Eine nicht genannte Assoziation ohne Berücksichtigung der Fragestellung als nicht vorhanden behandeln.
  • Häufigkeit, positive Bewertung und Entscheidungsrelevanz als denselben Wert darstellen.
  • Jede schnelle Antwortaufgabe IAT nennen.
  • Erst nach Betrachtung der Ergebnisse günstige Ausschlussregeln wählen.
  • Einen Gruppenunterschied in eine sichere Aussage über jede Person übersetzen.
  • Eine Sprachversion oder einen neuen Reizsatz automatisch als vergleichbar behandeln.
  • Einen statistischen Zusammenhang als Beleg für eine Kaufursache formulieren.

Nutzen Sie diese Punkte zur Prüfung von Angebot, Analyse und Bericht. Das Forschungsdossier sollte den Weg von Antwort oder Aufgabenleistung zur Empfehlung nachvollziehbar machen.

Wählen Sie einen Messplan, der Ihre Frage beantworten kann

Ein guter Plan benennt untersuchte Assoziation, Vergleich, Teilnehmende, Aufgabe und Interpretationsgrenzen. Verlangen Sie Originalreize, Auswertungsregeln, Qualitätsprüfung und eine begründete Verbindung zu Ihrer Entscheidung. So wird klar, welche Schlussfolgerung die Daten tragen und welche Anschlussfrage offenbleibt.

Begriffe

Assoziationen messen
Assoziationen messen bedeutet hier: mit einer dokumentierten Aufgabe untersuchen, welche Verbindungen Menschen zwischen einem Gegenstand und anderen Begriffen, Bildern oder Bewertungen herstellen.
Explizite und implizite Messung
In diesem Artikel heißt eine Messung explizit, wenn jemand die erfragte Assoziation oder Bewertung direkt angibt. Bei einer impliziten Messung wird die relevante Beziehung indirekt aus Aufgabenleistungen abgeleitet.
Implicit Association Test
Greenwald, McGhee und Schwartz führten den Implicit Association Test 1998 ein. Die Aufgabe vergleicht Klassifikationsleistungen, wenn zwei Zielkategorien unterschiedlich mit zwei Attributkategorien auf gemeinsame Antworttasten gelegt werden. Das Ergebnis betrifft eine relative Assoziation innerhalb dieses Vergleichs.
IAT-D-Wert
Greenwald, Nosek und Banaji beschrieben 2003 eine verbesserte IAT-Auswertung. Der D-Wert standardisiert Unterschiede zwischen Aufgabenblöcken anhand der Reaktionszeitstreuung; der Algorithmus enthält auch Regeln für Fehler und ungewöhnliche Reaktionen.
Reliabilität und Validität
Nutzen Sie im Forschungsplan diese Arbeitsfragen:
Assoziative Zielgruppe
In dieser Wissensdatenbank bezeichnet eine **assoziative Zielgruppe** eine abgegrenzte Gruppe von Menschen, die in einem konkreten Entscheidungskontext auf Grundlage ähnlicher Assoziationen entscheidet. Dies ist eine Arbeitsdefinition. Assoziationsmessungen liefern Bausteine für diese Abgrenzung; auch der Zusammenhang mit Entscheidungen muss untersucht werden.

Häufig gestellte Fragen

Welche Methode sollte ich für Assoziationsforschung wählen?

Beschreiben Sie zuerst, was Sie wissen und welche Entscheidung Sie treffen möchten. Nutzen Sie die Vergleichstabelle zur Besprechung eines Forschungsvorschlags. Lassen Sie erklären, warum Aufgabe und Ergebnismaß zu Ihrer Frage passen.

Muss ich immer einen IAT einplanen?

Nein. Fragen Sie, welche zusätzlichen Informationen die Aufgabe gegenüber den anderen Bestandteilen liefern soll. Nehmen Sie sie auf, wenn ihr Beitrag für Ihre Anwendung inhaltlich und methodisch begründet werden kann.

Wie viele Teilnehmende brauche ich?

Lassen Sie die Stichprobe anhand von Forschungsfrage, geplantem Vergleich, gewünschter Präzision und erwarteten Ausschlüssen begründen. Dieser Artikel nennt keine Mindestanzahl für sämtliche Assoziationsstudien.

Kann ich dieselbe Studie in drei Sprachen durchführen?

Arbeiten Sie mit einer gemeinsamen Forschungsfrage und prüfen Sie Wörter, Kategorien und Anweisungen je Sprache. Legen Sie vorher fest, ob Sie innerhalb jeder Sprache berichten oder Sprachen vergleichen möchten und welche Belege dafür erforderlich sind.

Was mache ich, wenn direkte und indirekte Ergebnisse abweichen?

Prüfen Sie zuerst, ob beide Aufgaben tatsächlich dieselbe Frage und denselben Vergleich betreffen. Betrachten Sie anschließend Durchführung, Datenqualität und Kontext. Dokumentieren Sie die Abweichung und formulieren Sie eine Folgeprüfung, statt ein Ergebnis automatisch vorzuziehen.

Welche Angaben sollte ich im Bericht finden?

Verlangen Sie Reize, Anweisungen, Teilnehmendenauswahl, Auswertungs- und Ausschlussregeln, Zahl nutzbarer Messungen, Unsicherheit und Interpretationsgrenzen. Jede Empfehlung sollte auf die stützenden Daten zurückverweisen.

Quellen

  1. 1.Simon De Deyne, Danielle J. Navarro, Amy Perfors, Marc Brysbaert, Gert Storms (2019). The “Small World of Words” English word association norms for over 12,000 cue words. Behavior Research Methods, 51, 987–1006. - Behavior Research Methods (2019)
  2. 2.Anthony G. Greenwald, Debbie E. McGhee, Jordan L. K. Schwartz (1998). Measuring individual differences in implicit cognition: The implicit association test. Journal of Personality and Social Psychology, 74(6), 1464–1480. - Journal of Personality and Social Psychology (1998)
  3. 3.Anthony G. Greenwald, Brian A. Nosek, Mahzarin R. Banaji (2003). Understanding and using the Implicit Association Test: I. An improved scoring algorithm. Journal of Personality and Social Psychology, 85(2), 197–216. - Journal of Personality and Social Psychology (2003)
  4. 4.Anthony G. Greenwald, Calvin K. Lai (2020). Implicit Social Cognition. Annual Review of Psychology, 71, 419–445. - Annual Review of Psychology (2020)
  5. 5.Anthony G. Greenwald, Miguel Brendl, Huajian Cai et al. (2022). Best research practices for using the Implicit Association Test. Behavior Research Methods, 54, 1161–1180. - Behavior Research Methods (2022)

Verwandte Themen

Geprüft von: Martijn den Otter · Zuletzt geprüft: 29.9.2026

Martijn den Otter

Martijn den Otter

Oprichter van Neurofactor. Expert in neuromarketing en consumentenpsychologie.

LinkedIn →