Freitextanalyse mit KI: Beispiele und Musterfragen

Ein Beispiel für eine gute offene Frage ist „Was müsste sich ändern, damit Ihre Arbeit nächste Woche leichter wird?”. Ein Beispiel für eine schlechte ist „Haben Sie noch Anmerkungen?”. Der Unterschied entscheidet über die ganze Auswertung, denn eine KI-Freitextanalyse kann nur so gut sein wie die Antworten, die hereinkommen. Was eine offene Frage auswertbar macht, ist nicht ihre Länge, sondern ihre Bauart: konkret, auf eine erlebbare Situation bezogen, ohne Ja-Nein-Falle, und mit einer Nachfrage, die eine knappe Antwort vertieft.

Dieser Artikel zeigt konkrete Musterbeispiele guter und schlechter offener Fragen im direkten Vergleich, ein durchgespieltes Nachfrage-Beispiel, eine Checkliste, ob eine Antwort überhaupt auswertbar ist, und ein Beispiel, wie aus Rohantworten eine besprechbare Übersicht wird.

Auf einen Blick

• Frag nach einer Situation, nicht nach einer Meinung. „Beschreiben Sie eine Situation, in der die Zusammenarbeit gut oder schlecht lief” liefert Substanz. „Sind Sie zufrieden?” liefert ein Etikett.
• Eine Sache pro Frage. Wer nach Software und Einführung gleichzeitig fragt, bekommt eine Antwort, die sich keinem der beiden Themen sauber zuordnen lässt und deshalb schwer clustern ist.
• Keine Suggestion. „Finden Sie auch, dass zu viele Sitzungen stattfinden?” nimmt die Antwort vorweg und misst am Ende die eigene Vermutung.
• Immer eine Nachfrage vorsehen. Auf ein knappes „die Kommunikation ist schlecht” gehört ein „Was meinen Sie damit konkret?”. Erst die zweite Aussage ist auswertbar.
• Die Checkliste vor der Auswertung. Konkret, Situation, Warum, kein blosses Schlagwort. Was diese vier Punkte trifft, trägt die Analyse.
• Ein Beispiel ist erst gut, wenn aus den Antworten eine Übersicht wird. Alles davor ist Vorbereitung.

Inhaltsverzeichnis

1. Gute gegen schwache offene Fragen im Vergleich
2. Das Nachfrage-Beispiel: aus knapp wird auswertbar
3. Musterfragen für typische Themen
4. Die Checkliste: ist diese Antwort auswertbar?
5. Vom Rohtext zur besprechbaren Übersicht
6. Wo Beispielfragen an ihre Grenzen stossen
7. Häufig gestellte Fragen

Gute gegen schwache offene Fragen im Vergleich

Der Unterschied zwischen einer auswertbaren und einer unbrauchbaren offenen Frage ist fast immer derselbe: Die schwache Frage fragt nach einer Meinung oder einem Ja-Nein-Urteil, die gute nach einer konkreten, erlebten Situation. Eine offene Frage ist nicht automatisch gut, nur weil sie offen ist. Sie muss so gebaut sein, dass die Antwort einen Sachverhalt enthält und nicht bloss eine Stimmung.

Schwache Frage	Bessere Fassung	Warum
Haben Sie noch Anmerkungen?	Was müsste sich ändern, damit Ihre Arbeit nächste Woche leichter wird?	Die offene Aufforderung erzeugt „nein” und „passt”. Die konkrete Frage nennt einen Zeitraum und einen Anlass und lädt zum Erzählen ein.
Sind Sie mit der Zusammenarbeit zufrieden?	Beschreiben Sie eine Situation aus dem letzten Monat, in der die Zusammenarbeit im Team gut oder schlecht lief.	Die Ja-Nein-Frage misst eine Meinung. Die Fassung fragt nach einer Episode, die man auswerten kann.
Wie finden Sie die neue Software und die Einführung?	Wo hat Sie die neue Software zuletzt ausgebremst?	Zwei Themen in einer Frage ergeben eine nicht zuordenbare Antwort. Eine Sache pro Frage macht die Antwort clusterbar.
Finden Sie auch, dass zu viele Sitzungen stattfinden?	Welche Sitzung der letzten zwei Wochen hat Ihnen am wenigsten gebracht, und warum?	Die erste Fassung suggeriert das Ergebnis. Die zweite fragt neutral nach einer konkreten Situation und einem Warum.
Was denken Sie über die Führung?	Erzählen Sie von einem Moment, in dem Sie sich von Ihrer Führungskraft gut oder schlecht unterstützt gefühlt haben.	„Über die Führung” ist zu weit und ergibt Schlagworte. Der erzählte Moment liefert das Warum, das eine Likertskala offenlässt.

Die Faustregel dahinter ist einfach: Wenn zwei Personen dieselbe Frage sehr unterschiedlich verstehen können, misst sie nichts Zuverlässiges. Und wenn niemand aus der zu erwartenden Antwort ableiten kann, was sich ändern soll, war es die falsche Frage.

Das Nachfrage-Beispiel: aus knapp wird auswertbar

Selbst eine gute Frage bringt manchmal eine knappe Antwort. Der entscheidende Schritt ist dann nicht, mehr Fragen für alle zu stellen, sondern genau eine gezielte Nachfrage für die Person, die gerade geantwortet hat. Der Unterschied zwischen einem statischen Formular und einem Dialog lässt sich am kürzesten an einem Verlauf zeigen:

Frage: Was müsste sich ändern, damit die Zusammenarbeit im Team besser läuft?

Antwort: Die Kommunikation ist schlecht.

Nachfrage: Danke. Was meinen Sie damit konkret? Woran haben Sie das zuletzt gemerkt?

Antwort: Entscheidungen werden getroffen, ohne dass wir vorher gefragt werden. Letzte Woche wurde die Schichtplanung geändert, und wir haben es erst am Aushang gesehen.

Nachfrage: Was hätte in dem Moment geholfen?

Antwort: Eine kurze Info vorher, auch wenn die Entscheidung schon feststeht. Dann fühlt es sich nicht an, als würde über uns hinweg entschieden.

Aus einem Schlagwort, das für sich genommen nur „irgendetwas mit Kommunikation” bedeutet, ist damit ein benennbarer Sachverhalt geworden: Entscheidungen werden ohne vorherige Information umgesetzt. Das ist der Unterschied zwischen einer Antwort, über die man spekulieren muss, und einem Befund, aus dem sich eine Massnahme formulieren lässt. Die Nachfrage „Was meinen Sie damit konkret?” ist dabei bewusst neutral: Sie holt Substanz, ohne eine Antwort zu suggerieren.

Genau so lässt sich eine Befragung als Dialog führen, in dem nach jeder knappen Antwort eine Rückfrage kommt, in der Sprache der antwortenden Person und wahlweise per Chat oder Sprachinput. Weil die Tiefe aus der Nachfrage kommt und nicht aus der Menge, braucht es dafür deutlich weniger Fragen als in einem klassischen Bogen.

Musterfragen für typische Themen

Die folgenden Beispiele lassen sich auf die eigene Organisation übertragen. Jede ist so gebaut, dass sie nach einer konkreten Situation fragt und damit eine auswertbare Antwort erzeugt. Zu jeder gehört eine mögliche Nachfrage, die eine knappe Antwort vertieft.

Zusammenarbeit im Team

• Beschreiben Sie eine Situation aus den letzten Wochen, in der die Zusammenarbeit besonders gut oder besonders schlecht lief. → Nachfrage: Was hat den Unterschied gemacht?
• Wo hakt es zwischen Ihrem Bereich und den angrenzenden Teams am häufigsten? → Nachfrage: Woran machen Sie das fest?

Arbeitslast und Prozesse

• Was hat Sie in der letzten Woche am meisten Zeit gekostet, ohne dass es etwas gebracht hat? → Nachfrage: Was müsste sich ändern, damit das wegfällt?
• Wo hat Sie ein Werkzeug oder ein Prozess zuletzt ausgebremst? → Nachfrage: Was genau ist passiert?

Führung und Unterstützung

• Erzählen Sie von einem Moment, in dem Sie sich von Ihrer Führungskraft gut oder schlecht unterstützt gefühlt haben. → Nachfrage: Was hätten Sie sich in dem Moment gewünscht?
• Wann haben Sie zuletzt eine Rückmeldung erhalten, mit der Sie konkret weiterarbeiten konnten? → Nachfrage: Was war daran hilfreich?

Auffällig ist, was diese Fragen nicht tun: Keine fragt „Sind Sie zufrieden?”, keine fragt nach einer Eigenschaft, keine packt zwei Themen in einen Satz. Genau das macht die Antworten später clusterbar, weil jede Antwort zu genau einem Thema gehört.

Die Checkliste: ist diese Antwort auswertbar?

Wenn die Antworten zurückkommen, hilft ein einfacher Test, bevor man sie in eine Auswertung gibt. Halten Sie eine Antwort gegen diese vier Punkte. Was mehrere Häkchen bekommt, trägt die Analyse. Was nur ein Schlagwort ist, hätte eine Nachfrage gebraucht.

Prüfpunkt	Was er bedeutet
Konkret	Die Antwort nennt Konkretes, nicht nur „schlecht” oder „gut”.
Situation	Die Antwort benennt eine erlebte Situation, kein allgemeines Urteil.
Warum	Die Antwort enthält einen Grund, nicht nur eine Feststellung.
Kein blosses Schlagwort	Die Antwort steht für sich, ohne dass man raten muss, was gemeint ist.

Ein Beispiel macht den Test greifbar. „Die Kommunikation ist schlecht” bekommt kein einziges Häkchen: nicht konkret, keine Situation, kein Warum, ein reines Schlagwort. Nach einer Nachfrage wird daraus „Entscheidungen werden getroffen, ohne dass wir vorher gefragt werden, letzte Woche bei der Schichtplanung”. Diese Fassung trifft alle vier Punkte. Genau darin liegt der Wert der Nachfrage: Sie hebt eine Antwort von unauswertbar auf auswertbar, und sie tut es im Moment der Erhebung, wenn die Situation der Person noch präsent ist, nicht Wochen später in der Auswertung, wo sie niemand mehr nachfragen kann.

Vom Rohtext zur besprechbaren Übersicht

Angenommen, die Fragen sind gut gestellt und die Nachfragen haben ihre Arbeit getan. Dann liegen am Ende hunderte oder tausende Freitextantworten vor, und niemand kann sie mehr von Hand überblicken. Genau hier setzt die KI-Auswertung an, und sie tut zwei Dinge.

Erstens bündelt sie ähnliche Aussagen zu Themen, auch wenn sie unterschiedlich formuliert sind. „Zu viele Sitzungen”, „wir sitzen den halben Tag in Meetings” und „die Meeting-Kultur frisst meine Zeit” landen im selben Thema, obwohl kein einziges Wort identisch ist. So wird sichtbar, was oft und was selten genannt wird. Zweitens ordnet sie jedem Thema eine Stimmung zu, damit erkennbar ist, ob darüber eher positiv, negativ oder gemischt geschrieben wurde. So entsteht aus einer unlesbaren Menge Text eine Übersicht, über die ein Team tatsächlich sprechen kann.

Statt konkrete Zahlen zu erfinden, lässt sich das Ergebnis so beschreiben: Ein Thema tritt häufig auf und wird überwiegend als Ärgernis formuliert, ein anderes wird seltener genannt, aber ausnahmslos positiv. Beide gehören ins Gespräch, aber nicht mit demselben Gewicht. Entscheidend bleibt eine Bedingung: Zu jeder Zusammenfassung müssen die Originalzitate abrufbar sein. Wer „viele nennen die Arbeitslast” liest, muss die konkreten Sätze dahinter aufrufen können. Ohne diese Rückbindung ist die schönste Verdichtung nur eine Behauptung, mit ihr wird sie überprüfbar. Wer eine solche Übersicht dann in eine Management-Summary übernimmt, sollte die Stimmungsangaben als Tendenz behandeln, nicht als exakten Wert. Wie diese Auswertung im Detail funktioniert und wo ihre Grenzen liegen, steht im Haupteintrag Freitext- und Sentimentanalyse mit KI und im Schwesterbeitrag Freitextanalyse mit KI: Nachteile und Kritik.

Wo Beispielfragen an ihre Grenzen stossen

Eine Beispielfrage aus einem Artikel passt nie ohne Anpassung. Die Fragen müssen zur Rolle, zur Organisation und zur Sprache des Hauses passen, sonst antworten die Leute an der Sache vorbei. Eine Frage nach „der Zusammenarbeit im Team” trifft in einem Pflegebetrieb etwas anderes als in einer Verwaltung, und wer die Fragen wörtlich übernimmt, misst am eigenen Kontext vorbei.

Und der wichtigste Vorbehalt: Auch die beste Frage rettet keine Auswertung, wenn danach niemand nachfragt und die Antworten kurz bleiben. Garbage in, Garbage out gilt auch für gute Fragen, sobald die Erhebung statisch ist. Deshalb zählen zwei Dinge zusammen: die Bauart der Frage und die Fähigkeit der Befragung, bei einer knappen Antwort nachzuhaken. Eine ausführliche Auseinandersetzung mit den Grenzen der Methode steht in Freitextanalyse mit KI: Nachteile und Kritik. Wer die Formulierungsregeln und weitere gute gegen schwache Beispiele als druckfertige Vorlage möchte, findet sie beim Haupteintrag Freitext- und Sentimentanalyse mit KI.

Fazit

Ein gutes Beispiel für eine offene Frage erkennt man an vier Dingen: Es fragt nach einer konkreten Situation statt nach einer Meinung, es packt nur eine Sache in einen Satz, es suggeriert keine Antwort, und es sieht eine Nachfrage vor, die eine knappe Antwort vertieft. Aus „die Kommunikation ist schlecht” lässt sich keine Massnahme bauen, aus „Entscheidungen werden getroffen, ohne dass wir vorher gefragt werden” schon. Der ganze Unterschied zwischen einer beeindruckenden und einer nützlichen Auswertung liegt nicht im Analysemodell, sondern in der Qualität dessen, was analysiert wird.

Genau an dieser Stelle setzt Moodtalk an, und zwar früher, als man erwartet: nicht erst bei der Auswertung, sondern schon bei der Erfassung. Die Befragung läuft als Dialog. Auf eine knappe Antwort stellt der KI-Interview-Agent die Nachfrage, die zu genau dieser Antwort passt, in der Sprache der antwortenden Person und wahlweise per Chat oder Sprachinput. Dadurch kommen ganze Sachverhalte zurück statt Stichworte, und das mit deutlich weniger Fragen als in einem klassischen Bogen. Anschliessend werden die offenen Antworten nicht von Hand durchgelesen, sondern zu wenigen klaren Themen mit Stimmungsübersicht verdichtet, wobei die Originalzitate hinter jeder Zusammenfassung einsehbar bleiben und jede Sprache und Mundart auswertbar ist, bei Datenhaltung in der Schweiz. Wie eine Befragung als Ganzes aussieht, zeigt der Anwendungsfall Mitarbeitendenbefragung, und wie Organisationen die Erkenntnisse weiterverwenden, die Kundengeschichten. Wenn Sie offene Fragen stellen wollen, die tatsächlich Substanz liefern, sehen Sie sich Moodtalk an.

Verwandte Inhalte

• Freitextanalyse mit KI: Nachteile und Kritik
• Massnahmen ableiten nach der Mitarbeiterbefragung
• Anwendungsfall Mitarbeitendenbefragung
• Kundengeschichten
• Im Lexikon: Freitext- und Sentimentanalyse (mit KI) (Haupteintrag)
• Im Lexikon: Likertskala
• Im Lexikon: Management-Summary
• Im Lexikon: Mitarbeitendenbefragung
• Im Lexikon: KI-Wirkungsmessung