{"id":88010,"date":"2012-08-22T18:50:18","date_gmt":"2012-08-22T13:20:18","guid":{"rendered":"https:\/\/vwo.com\/blog\/how-to-calculate-ab-test-sample-size\/"},"modified":"2026-01-09T18:03:44","modified_gmt":"2026-01-09T12:33:44","slug":"wie-man-die-ab-test-stichprobengroesse-berechnet","status":"publish","type":"post","link":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/","title":{"rendered":"Wie berechnet man die Stichprobengr\u00f6\u00dfen f\u00fcr A\/B-Tests?"},"content":{"rendered":"\n

(Dieser Beitrag ist eine wissenschaftliche Erkl\u00e4rung der optimalen Stichprobengr\u00f6\u00dfe f\u00fcr Ihre Tests, damit diese statistisch korrekt sind. <\/em>Die Testberichterstattung von VWO ist so konzipiert<\/em><\/a>, dass Sie Ihre Zeit nicht mit der Suche nach p-Werten oder der <\/em>Bestimmung der statistischen Signifikanz<\/em><\/a> verschwenden – die Plattform meldet die „Gewinnwahrscheinlichkeit“ und macht die Testergebnisse leicht interpretierbar. Melden Sie sich f\u00fcr <\/em>eine kostenlose Testversion<\/em><\/a> hier an.<\/em>)<\/p>\n\n\n

„Wie gro\u00df muss die Sample Size sein?“<\/strong><\/h3>\n\n\n

In der Online-Welt sind die M\u00f6glichkeiten f\u00fcr A\/B-Testings<\/a> so gut wie unbegrenzt. Und in der Tat werden viele Experimente durchgef\u00fchrt<\/a>, deren Ergebnisse nach den Regeln des Null-Hypothesen-Tests interpretiert werden: Sind diese Ergebnisse statistisch signifikant<\/a>?<\/p>\n\n\n\n

Ein wichtiger Aspekt bei der Arbeit der Datenbankanalysten ist deshalb die Festlegung geeigneter Stichprobengr\u00f6\u00dfen<\/a> f\u00fcr diese Tests.<\/p>\n\n\n\n

Kostenlos herunterladen: A\/B-Testing Leitfaden<\/em><\/strong><\/a><\/h2>\n\n\n\n

Anhand eines Alltagsfalles besprechen wir einige aktuelle Ans\u00e4tze zur Berechnung der erforderlichen Stichprobengr\u00f6\u00dfe<\/a>.<\/p>\n\n\n

Der Fall zur Berechnung der Stichprobengr\u00f6\u00dfe:<\/strong><\/h4>\n\n\n

Ein Marketer hat sich eine Alternative f\u00fcr eine Landing Page<\/a> ausgedacht und m\u00f6chte diese Alternative testen. Die urspr\u00fcngliche Landing Page hat eine bekannte Conversion von 4%. Die erwartete Conversion der alternativen Seite betr\u00e4gt 5%. Der Marketer fragt also den Analysten: „Wie gro\u00df sollte die Stichprobe sein, um mit statistischer Signifikanz<\/a> nachzuweisen, dass die Alternative besser ist als das Original?“<\/p>\n\n\n

L\u00f6sung: „Standard-Stichprobenumfang“<\/strong><\/h4>\n\n\n

Der Analyst gibt aus Gewohnheit an: Split-Run (A\/B-Test) mit jeweils 5.000 Beobachtungen und einem einseitigen Test mit einer Reliabilit\u00e4t von .95.<\/p>\n\n\n\n

Was geschieht hier?<\/em><\/p>\n\n\n\n

Was passiert, wenn man zwei Stichproben zieht, um den Unterschied zwischen den beiden zu sch\u00e4tzen, wobei ein einseitiger Test mit einer Reliabilit\u00e4t von .95 durchgef\u00fchrt wird? Sie k\u00f6nnen dies veranschaulichen, indem Sie unendlich viele Stichproben mit jeweils 5.000 Beobachtungen aus einer Population mit einer Conversion von 4% ziehen und den Unterschied in der Conversion pro Paar (pro ‚Test‘) zwischen den beiden Stichproben in einem Diagramm darstellen.<\/p>\n\n\n\n

Abbildung 1: Stichprobenverteilung f\u00fcr die Differenz zwischen zwei Proportionen mit p1=p2=.04 und n1=n2=5.000; ein Signifikanzbereich ist f\u00fcr alpha=.05 (Reliabilit\u00e4t= .95) bei einem einseitigen Test angegeben.<\/em><\/p>\n\n\n

\n
\"Sampling<\/figure>\n<\/div>\n\n\n

Dieses Diagramm spiegelt das wider, was formal als „Stichprobenverteilung f\u00fcr die Differenz zwischen zwei Proportionen“ bezeichnet wird. Es ist die Wahrscheinlichkeitsverteilung aller m\u00f6glichen Stichprobenergebnisse, die f\u00fcr die Differenz zwischen p1=p2=.04 und n1=n2=5.000 berechnet wurden. Diese Verteilung ist die Grundlage – die Referenzverteilung – f\u00fcr den <\/strong>Nullhypothesentest<\/strong><\/a>. <\/strong>Die Nullhypothese lautet, dass es keinen Unterschied zwischen den beiden Landing Pages gibt. Dies ist die Verteilung, die f\u00fcr die eigentliche Entscheidung \u00fcber Signifikanz oder Nicht-Signifikanz verwendet wird.<\/p>\n\n\n\n

p=.04 bedeutet 4% Conversion. Statistiker sprechen in der Regel von Proportionen, die zwischen 0 und 1 liegen k\u00f6nnen, w\u00e4hrend in der Alltagssprache meist von Prozents\u00e4tzen die Rede ist. Um der Tabelle gerecht zu werden, wird die Proportionsschreibweise verwendet.<\/p>\n\n\n\n

Diese Wahrscheinlichkeitsverteilung l\u00e4sst sich grob mit dieser spss-Syntax nachbilden (thirty paired samples from a population.sps<\/a>). Nicht unendlich, aber 30 Mal werden zwei Stichproben mit p1=p2=.04 und n1=n2=5.000 gezogen. Die Differenz zwischen den beiden Stichproben wird dann in einem Histogramm mit der eingegebenen Normalverteilung dargestellt (das letzte Diagramm im Output). Diese Normalkurve wird der Kurve in Abbildung 1 recht \u00e4hnlich sein. Der Grund f\u00fcr die Durchf\u00fchrung dieses Experiments ist die Demonstration des Wesens einer Stichprobenverteilung.<\/p>\n\n\n\n

Der Modalwert des Unterschieds in der Umwandlung zwischen den beiden Gruppen ist Null. Das macht Sinn, denn beide Gruppen stammen aus der gleichen Population mit einem Umsatz von 4%. Abweichungen von Null sowohl nach links (Original schneidet besser ab) als auch nach rechts (Alternative schneidet besser ab) k\u00f6nnen und werden zuf\u00e4llig auftreten. Je weiter sie jedoch von Null abweichen, desto geringer ist die Wahrscheinlichkeit, dass sie auftreten. Der rosa Bereich mit dem Zeichen Alpha ist der Signifikanzbereich oder Unzuverl\u00e4ssigkeit=1-Zuverl\u00e4ssigkeit=1-.95.<\/p>\n\n\n\n

Wenn bei einem Test der Unterschied in der Conversion zwischen der alternativen Seite und der Originalseite in den rosafarbenen Bereich f\u00e4llt, dann wird die Nullhypothese – dass es keinen Unterschied zwischen den beiden Seiten gibt – zugunsten der Hypothese verworfen, dass die alternative Seite eine h\u00f6here Conversion als die Originalseite liefert. Die Logik dahinter ist, dass ein solches Ergebnis ein eher „seltenes“ Ergebnis w\u00e4re, falls die Nullhypothese tats\u00e4chlich wahr w\u00e4re.<\/p>\n\n\n\n

Die x-Achse in Abbildung 1 zeigt nicht den Wert der Teststatistik (in diesem Fall Z), wie es normalerweise der Fall w\u00e4re. Der \u00dcbersichtlichkeit halber wurde der konkrete Unterschied in der Conversion zwischen den beiden Landing Pages dargestellt.<\/p>\n\n\n\n

Wenn also in einem Split-Run-Test die alternative Landing Page eine um 0,645% h\u00f6here oder h\u00f6here Conversion Rate als die urspr\u00fcngliche Landing Page liefert (und damit in den Signifikanzbereich f\u00e4llt), dann wird die Nullhypothese, die besagt, dass es keinen Unterschied in der Conversion zwischen den Landing Pages gibt, zugunsten der Hypothese<\/a> verworfen, dass die Alternative besser abschneidet (die 0,645% entsprechen einem statistischen Z-Wert von 1,65).<\/p>\n\n\n\n

Der Vorteil des Ansatzes „Standard-Stichprobenumfang“ ist, dass durch die Wahl eines festen Stichprobenumfangs eine gewisse Standardisierung eingebracht wird. Verschiedene Tests sind vergleichbar und haben in dieser Hinsicht „die gleiche Chance“.<\/p>\n\n\n\n

Der Nachteil dieses Ansatzes ist, dass die Wahrscheinlichkeit, die Nullhypothese abzulehnen, wenn die Nullhypothese (H0<\/sub> ) wahr ist, bekannt ist, n\u00e4mlich das selbst gew\u00e4hlte Alpha von.05, w\u00e4hrend die Wahrscheinlichkeit, H0<\/sub> nicht <\/em>abzulehnen, wenn H0<\/sub> nicht <\/em>wahr ist, unbekannt <\/em>bleibt. Es handelt sich um zwei Fehlentscheidungen<\/em>, die als Fehler Typ 1 bzw. Typ 2<\/a> bezeichnet werden.<\/p>\n\n\n\n

Ein Fehler vom Typ 1 oder Alpha <\/strong>liegt vor, wenn H0 <\/sub> abgelehnt wird, obwohl H0<\/sub> tats\u00e4chlich wahr ist. Alpha ist die Wahrscheinlichkeit, dass das Ergebnis eines Tests einen Effekt f\u00fcr die Manipulation aufweist, w\u00e4hrend auf Populationsebene tats\u00e4chlich kein Effekt vorhanden ist. 1-Alpha ist die Wahrscheinlichkeit, die Nullhypothese<\/a> zu akzeptieren, wenn sie wahr ist – eine korrekte Entscheidung –<\/em>. Dies wird als Reliabilit\u00e4t <\/strong>bezeichnet.<\/strong><\/p>\n\n\n\n

Ein Fehler Typ 2<\/a>, oder Beta<\/strong>, wird gemacht, wenn H0 <\/sub> nicht <\/em>verworfen wird, obwohl H0<\/sub> nicht <\/em>wahr ist. Beta ist die Wahrscheinlichkeit zu sagen, dass das Ergebnis eines Tests keinen Effekt f\u00fcr die Manipulation hat, w\u00e4hrend er auf Populationsebene tats\u00e4chlich vorhanden ist. 1-Beta ist die Chance, die Nullhypothese abzulehnen, wenn sie nicht wahr ist – eine korrekte Entscheidung –<\/em>. Dies wird als Power <\/strong>bezeichnet.<\/p>\n\n\n\n

Die Aussagekraft ist eine Funktion von Alpha, Stichprobengr\u00f6\u00dfe und Effekt (der Effekt ist hier der Unterschied in der Conversion zwischen den beiden Landing Pages, d. h. auf Populationsebene der Mehrwert der alternativen Seite im Vergleich zur urspr\u00fcnglichen Seite). Je kleiner Alpha, Stichprobengr\u00f6\u00dfe oder Effekt, desto geringer ist die Aussagekraft.<\/p>\n\n\n\n

In diesem Beispiel wird Alpha vom Analysten auf 0,05 gesetzt. Die Stichprobengr\u00f6\u00dfe wird ebenfalls vom Analysten festgelegt: 5000 f\u00fcr die urspr\u00fcngliche und 5000 f\u00fcr die alternative Stichprobe. Bleibt noch der Effekt. Und der tats\u00e4chliche Effekt ist per Definition unbekannt. Es ist jedoch nicht unrealistisch, kommerzielle Ziele oder Erfahrungswerte als Ankerwert zu verwenden, wie es im vorliegenden Fall vom Marketer formuliert wurde: eine erwartete Verbesserung von 4% auf 5%. W\u00e4re dieser Effekt tats\u00e4chlich eingetreten, w\u00fcrde der Marketer nat\u00fcrlich statistisch signifikante Ergebnisse in einem Test finden wollen.<\/p>\n\n\n\n

Ein Beispiel mag helfen, dieses Konzept deutlich zu machen und die Bedeutung der Potenz zu verdeutlichen: Nehmen wir an, die tats\u00e4chliche (=Populations-) Conversion der alternativen Seite betr\u00e4gt tats\u00e4chlich 5%. Die Stichprobenverteilung f\u00fcr die Differenz zwischen zwei Anteilen mit Conversion1=4%, Conversion2=5% und n1=n2=5.000 wird in Kombination mit der zuvor gezeigten Stichprobenverteilung f\u00fcr die Differenz zwischen zwei Anteilen mit Conversion1=Conversion2=4% und n1=n2=5.000 aufgetragen (Abbildung 1).<\/p>\n\n\n\n

Abbildung 2: Stichprobenverteilungen f\u00fcr die Differenz zwischen zwei Proportionen mit p1=p2=.04, n1=n2=5.000 (rote Linie) und p1=.04, p2=.05, n1=n2=5.000 (gestrichelte blaue Linie), mit einem einseitigen Test und einer Reliabilit\u00e4t von .95.<\/em><\/p>\n\n\n

\n
\"Figure<\/figure>\n<\/div>\n\n\n

Die gestrichelte blaue Linie zeigt die Stichprobenverteilung der Differenz der Conversion Rates zwischen Original und Alternative, wenn in Wirklichkeit (auf Populationsebene) die Originalseite 4% und die alternative Seite 5% Conversion erzielt, bei Stichproben von jeweils 5.000. Die Stichprobenverteilung f\u00fcr den Fall, dass H0<\/sub> wahr ist – die rote Linie – hat sich grunds\u00e4tzlich nach rechts verschoben. Der Modalwert dieser neuen Verteilung mit dem angenommenen Effekt von 1% ist nat\u00fcrlich 1%, mit zuf\u00e4lligen Abweichungen sowohl nach links als auch nach rechts.<\/p>\n\n\n\n

Nun werden alle Ergebnisse, d. h. Testergebnisse, auf der rechten Seite der gr\u00fcnen Linie (die den Signifikanzbereich markiert) als signifikant angesehen. Alle Beobachtungen auf der linken Seite der gr\u00fcnen Linie gelten als nicht <\/em>signifikant. Der Bereich unter der „blauen“ Verteilung links von der Signifikanzlinie ist Beta, die Chance, H0<\/sub> nicht zur\u00fcckzuweisen, wenn H0<\/sub> tats\u00e4chlich nicht wahr ist (eine falsche Entscheidung), und er umfasst 22% dieser Verteilung.<\/p>\n\n\n\n

Damit ist die Fl\u00e4che unter der blauen Verteilung rechts von der Signifikanzlinie die Potenzfl\u00e4che, und diese Fl\u00e4che deckt 78% der Stichprobenverteilung ab. Die Wahrscheinlichkeit, H0<\/sub> zu verwerfen, wenn H0<\/sub> nicht wahr ist, ist eine richtige Entscheidung.<\/p>\n\n\n\n

Die Aussagekraft dieses spezifischen Tests mit seinen spezifischen Parametern betr\u00e4gt also .78.<\/p>\n\n\n\n

In 78% der F\u00e4lle, in denen dieser Test durchgef\u00fchrt wird, ergibt sich ein signifikanter Effekt und folglich eine Ablehnung von H0<\/sub>. Das k\u00f6nnte akzeptabel sein, oder vielleicht auch nicht; das ist eine Frage, \u00fcber die sich Marketer und Analysten einigen m\u00fcssen.<\/p>\n\n\n\n

Keine einfache Sache, aber wichtig. Nehmen wir zum Beispiel an, dass die Erwartung einer 10%igen Steigerung des Umsatzes sowohl realistisch als auch kommerziell interessant w\u00e4re: 4,0% beim Original gegen\u00fcber 4,4% bei der Alternative. Dann \u00e4ndert sich die Situation wie folgt.<\/p>\n\n\n\n

Abbildung 3: Stichprobenverteilungen f\u00fcr die Differenz zwischen zwei Anteilen mit p1=p2=.040, n1=n2=5.000 (rote Linie) und p1=.040, p2=.044, n1=n2=5.000 (gestrichelte blaue Linie), mit einem einseitigen Test und einer Reliabilit\u00e4t von .95.<\/em><\/p>\n\n\n

\n
\"Figure<\/figure>\n<\/div>\n\n\n

Unter diesen Umst\u00e4nden w\u00e4re der Test nicht sehr sinnvoll, sondern sogar kontraproduktiv, da die Wahrscheinlichkeit, dass ein solcher Test zu einem signifikanten Ergebnis f\u00fchrt, nur 0,26 betr\u00e4gt.<\/p>\n\n\n\n

Die oben genannten Zahlen wurden mit der Anwendung „Gpower<\/strong>“ berechnet und erstellt:<\/p>\n\n\n\n

Dieses Programm berechnet die erreichte Performance <\/strong>f\u00fcr viele Arten von Tests, basierend auf der gew\u00fcnschten Stichprobengr\u00f6\u00dfe, Alpha und dem vermuteten Effekt.<\/p>\n\n\n\n

Ebenso kann der erforderliche Stichprobenumfang <\/strong>aus der gew\u00fcnschten Performance, Alpha und dem erwarteten Effekt berechnet werden, das erforderliche Alpha <\/strong>kann aus der gew\u00fcnschten Performance, dem Stichprobenumfang und dem erwarteten Effekt berechnet werden und der erforderliche Effekt <\/strong>kann aus der gew\u00fcnschten Performance, Alpha und dem Stichprobenumfang berechnet werden.<\/p>\n\n\n\n

Sollte eine Trennsch\u00e4rfe von 0,95 bei einem angenommenen p1=.040, p2=.044 angestrebt werden, so betr\u00e4gt der erforderliche Stichprobenumfang jeweils 54.428.<\/p>\n\n\n\n

Abbildung 4: Stichprobenverteilungen f\u00fcr die Differenz zwischen zwei Anteilen mit p1=p2=.040 (rote Linie) und p1=.040, p2=.044 (gestrichelte blaue Linie), unter Verwendung eines einseitigen Tests, mit einer Reliabilit\u00e4t von .95 und einer Potenz von .95.<\/em><\/p>\n\n\n

\n
\"Figure<\/figure>\n<\/div>\n\n\n

Diese Abbildung zeigt Informationen, die in den vorherigen Diagrammen fehlen. Sie vermittelt auch einen Eindruck von der Schnittstelle des Programms.<\/p>\n\n\n\n

Kostenlos herunterladen: A\/B-Testing Leitfaden<\/em><\/strong><\/a><\/h2>\n\n\n\n

Wichtige Aspekte der Power-Analyse <\/strong>sind die sorgf\u00e4ltige Bewertung der Folgen der Ablehnung der Nullhypothese, wenn die Nullhypothese tats\u00e4chlich zutrifft – z. B. wird auf der Grundlage der Testergebnisse eine kostspielige Kampagne unter der Annahme durchgef\u00fchrt, dass sie ein Erfolg sein wird, und dieser Erfolg stellt sich nicht ein -, und die Folgen der Nichtablehnung der Nullhypothese, wenn die Nullhypothese nicht zutrifft – z. B. wird auf der Grundlage der Testergebnisse eine Kampagne nicht durchgef\u00fchrt, obwohl sie ein Erfolg gewesen w\u00e4re.<\/p>\n\n\n

L\u00f6sung: „Standardanzahl der Conversions“<\/strong><\/h4>\n\n\n

Der Analyst gibt an: Split-Run mit mindestens 100 Conversions pro konkurrierender Seite und ein einseitiger Test mit einer Reliabilit\u00e4t von .95.<\/p>\n\n\n\n

Im aktuellen Fall mit einer erwarteten Conversion der Originalseite von 4% und einer erwarteten Conversion der Alternativseite von 5% wird ein Minimum von 2.500 Beobachtungen pro Seite empfohlen.<\/p>\n\n\n\n

Bei der Pr\u00fcfung der Potenz zeigt dieses Szenario jedoch eine Potenz von nur wenig mehr als 0,5.<\/p>\n\n\n\n

Abbildung 5: Stichprobenverteilungen f\u00fcr die Differenz zwischen zwei Proportionen mit p1=p2=.04, n1=n2=2500 (rote Linie) und p1=.04, p2=.05, n1=n2=2500 (gestrichelte blaue Linie) unter Verwendung eines einseitigen Tests mit einer Reliabilit\u00e4t von .95.<\/em><\/p>\n\n\n

\n
\"Figure<\/figure>\n<\/div>\n\n\n

F\u00fcr eine bessere Aussagekraft sollte ein gr\u00f6\u00dferer Effekt vorhanden sein, eine gr\u00f6\u00dfere Stichprobe gew\u00e4hlt oder Alpha erh\u00f6ht werden, z. B. auf 0,2:<\/p>\n\n\n

\n
\"Figure<\/figure>\n<\/div>\n\n\n

Ein Alpha von 0,2 ergibt eine Potenz von 0,8. Die Aussagekraft ist akzeptabler; der „Preis“ f\u00fcr diese h\u00f6here Aussagekraft besteht in einer gr\u00f6\u00dferen Chance, H0<\/sub> abzulehnen, wenn H0 <\/sub>tats\u00e4chlich wahr ist.<\/p>\n\n\n\n

Auch hier spielen gesch\u00e4ftliche Erw\u00e4gungen, die die Auswirkungen von Alpha und Beta betreffen, eine wichtige Rolle bei solchen Entscheidungen.<\/p>\n\n\n\n

Der Ansatz „Standardanzahl von Conversions“ mit seiner Faustregel f\u00fcr die Anzahl der Conversions setzt tats\u00e4chlich eine Art Grenze f\u00fcr Effektgr\u00f6\u00dfen, die noch sinnvoll getestet werden k\u00f6nnen (d. h. mit einer angemessenen Aussagekraft). In dieser Hinsicht beinhaltet er auch eine Art Standardisierung, und das ist an sich kein Problem, solange seine Konsequenzen verstanden und anerkannt werden.<\/p>\n\n\n

L\u00f6sung: „Signifikantes Probenergebnis“<\/strong><\/h4>\n\n\n

Der Analytiker gibt an: Split Run mit gen\u00fcgend Beobachtungen, um ein statistisch signifikantes Ergebnis zu erhalten, wenn im Test der vermutete Effekt tats\u00e4chlich auftritt, einseitig getestet mit einer Reliabilit\u00e4t von .95.<\/p>\n\n\n\n

Das klingt ein wenig seltsam, und das ist es auch. Leider wird diese Logik in der Praxis h\u00e4ufig angewandt. Die erforderliche Stichprobengr\u00f6\u00dfe wird grunds\u00e4tzlich unter der Annahme berechnet, dass der vermutete Effekt in der Stichprobe tats\u00e4chlich auftritt.<\/p>\n\n\n\n

Im verwendeten Beispiel: Wenn in einem Test das Original eine Umwandlung von 4% und die Alternative 5% hat, dann w\u00e4ren 2.800 F\u00e4lle pro Gruppe notwendig, um statistische Signifikanz zu erreichen. Dies l\u00e4sst sich mit der zugeh\u00f6rigen spss-Syntax (limit at significant test result.sps) demonstrieren.<\/p>\n\n\n\n

Diese Art von Berechnungen wird von verschiedenen Online-Tools angewendet, die die Berechnung der Stichprobengr\u00f6\u00dfe anbieten. Bei diesem Ansatz wird das Konzept des Zufallsstichprobenfehlers ignoriert und somit das Wesen der Inferenzstatistik und der Nullhypothesenpr\u00fcfung au\u00dfer Acht gelassen. In der Praxis ergibt dies immer eine Trennsch\u00e4rfe von 0,5 plus einen kleinen zus\u00e4tzlichen \u00dcberschuss.<\/p>\n\n\n\n

Abbildung 7: Stichprobenverteilungen f\u00fcr die Differenz zwischen zwei Anteilen mit p1=p2=.04, n1=n2=2800 (rote Linie) und p1=.04, p2=.05, n1=n2=2800 (gestrichelte blaue Linie), unter Verwendung eines einseitigen Tests, mit einer Reliabilit\u00e4t von .95.<\/em><\/p>\n\n\n

\n
\"Figure7:<\/figure>\n<\/div>\n\n\n

Mit diesem System wird zwar auch eine Art Standardisierung vorgenommen, n\u00e4mlich bei der Performance, aber das ist nicht das offensichtliche Ziel, f\u00fcr das diese Methode erfunden wurde.<\/p>\n\n\n

L\u00f6sung: „Standard-Reliabilit\u00e4t und Performance“<\/strong>
<\/h4>\n\n\n

Der Analyst gibt an: Split Run mit einer Aussagekraft von .8 und einer Reliabilit\u00e4t von .95 bei einem einseitigen Test.<\/p>\n\n\n\n

Im aktuellen Fall mit 4% Conversion f\u00fcr die Originalseite und 5% erwarteter Conversion f\u00fcr die alternative Seite, alpha=.05 und power=.80, empfiehlt Gpower zwei Stichproben von 5313.<\/p>\n\n\n\n

Abbildung 8: Stichprobenverteilungen f\u00fcr die Differenz zwischen zwei Proportionen mit p1=p2=.04 (rote Linie) und p1=.04, p2=.05 (gestrichelte blaue Linie), unter Verwendung eines einseitigen Tests mit Reliabilit\u00e4t .95 und Power .80.<\/em><\/p>\n\n\n

\n
\"Figure<\/figure>\n<\/div>\n\n\n

Bei diesem Ansatz werden die gew\u00fcnschte Reliabilit\u00e4t, der erwartete Effekt und die <\/em>gew\u00fcnschte Aussagekraft f\u00fcr die Berechnung des erforderlichen Stichprobenumfangs herangezogen.<\/p>\n\n\n\n

Jetzt hat der Analytiker die Wahrscheinlichkeit im Griff, mit der ein erwarteter\/gew\u00fcnschter\/notwendiger Effekt zu statistisch signifikanten Ergebnissen in einem Test f\u00fchrt, n\u00e4mlich .8.<\/p>\n\n\n\n

Einige Online-Tools, z. B. der Rechner f\u00fcr die Dauer von Split Tests<\/a> von VWO, verwenden bei der Berechnung der Stichprobengr\u00f6\u00dfe das Konzept der Power.<\/p>\n\n\n\n

In einer Pr\u00e4sentation von VWO „Visitors needed for A\/B testing<\/a>“ wird eine Potenz von 0,8 als \u00fcbliches Ma\u00df genannt.<\/p>\n\n\n\n

Man kann sich fragen, warum das eine akzeptable Regel sein sollte? Warum kann die Gr\u00f6\u00dfe der Performance und die Gr\u00f6\u00dfe der Reliabilit\u00e4t nicht dynamischer genutzt werden?<\/p>\n\n\n

L\u00f6sung: „Gew\u00fcnschte Reliabilit\u00e4t und Performance“<\/strong><\/h4>\n\n\n

Der Analyst gibt an: Splitlauf mit gew\u00fcnschter Performance und Reliabilit\u00e4t <\/strong>in einem einseitigen Test.<\/p>\n\n\n\n

Es folgt eine Diskussion dar\u00fcber, was in diesem Fall akzeptable Performance und Zuverl\u00e4ssigkeit ist, mit der Schlussfolgerung, dass beide 90% betragen. Ergebnis laut Gpower, 2 mal 5.645 Beobachtungen:<\/p>\n\n\n\n

Abbildung 9: Stichprobenverteilungen f\u00fcr die Differenz zwischen zwei Proportionen mit p1=p2=.04 (rote Linie) und p1=.04, p2=.05 (gestrichelte blaue Linie), unter Verwendung eines einseitigen Tests mit Reliabilit\u00e4t=.90 und Potenz=.90.<\/em><\/p>\n\n\n

\n
\"Figure<\/figure>\n<\/div>\n\n\n

Was, wenn der Marketer sagt: „Es dauert zu lange, so viele Beobachtungen zu sammeln. Die Landing Page wird dann nicht mehr wichtig sein. Es ist Platz f\u00fcr insgesamt 3.000 Testbeobachtungen. Reliabilit\u00e4t <\/strong>ist genauso wichtig wie Performance. Der Test sollte m\u00f6glichst durchgef\u00fchrt werden und eine Entscheidung sollte folgen“?<\/p>\n\n\n\n

Ergebnis auf der Grundlage dieser Einschr\u00e4nkung: Reliabilit\u00e4t und Aussagekraft liegen beide bei 0,75. Wenn dies f\u00fcr die Betroffenen keine Probleme aufwirft, kann der Test auf der Grundlage von Alpha=.25 und Power=.75 fortgesetzt werden.<\/p>\n\n\n\n

Abbildung 10: Stichprobenverteilungen f\u00fcr die Differenz zwischen zwei Proportionen mit p1=p2=.04, n1=n2=1500 (rote Linie) und p1=.04, p2=.05, n1=n2=1500 (gestrichelte blaue Linie), unter Verwendung eines einseitigen Tests mit gleicher Reliabilit\u00e4t<\/em> <\/strong>und Potenz.<\/em><\/p>\n\n\n

\n
\"Figure<\/figure>\n<\/div>\n\n\n

Dieser Ansatz erm\u00f6glicht eine flexible Wahl von Reliabilit\u00e4t und Performance. Nachteilig ist die fehlende Standardisierung<\/p>\n\n\n

Schlussfolgerung<\/strong><\/h2>\n\n\n

Es gibt mehrere Ans\u00e4tze zur Berechnung des erforderlichen Stichprobenumfangs, die von fragw\u00fcrdiger Logik bis hin zu sehr fundiert reichen.<\/p>\n\n\n\n

Bei strategisch wichtigen „entscheidenden Experimenten“ wird die umfassendste Methode bevorzugt, bei der sowohl die „gew\u00fcnschte Reliabilit\u00e4t als auch die Power“ in die Berechnung einbezogen werden. Wenn es keine M\u00f6glichkeit gibt, gegen fr\u00fchere Effekte zu pr\u00fcfen, kann ein Effekt mit Hilfe eines Pilotversuchs mit „Standard-Stichprobengr\u00f6\u00dfe“ oder „Standard-Anzahl von Conversions“ gesch\u00e4tzt werden.<\/p>\n\n\n\n

F\u00fcr die Mehrzahl der Entscheidungen im Laufe des Jahres wird aus Gr\u00fcnden der Vergleichbarkeit zwischen den Tests die „Standard-Reliabilit\u00e4t und -Performance“ empfohlen.<\/p>\n\n\n\n

Die Arbeit mit den empfohlenen Ans\u00e4tzen auf der Grundlage des kalkulierten Risikos f\u00fchrt zu einer wertvollen Optimierung und richtigen Entscheidungsfindung.<\/p>\n\n\n\n

Hinweis: Die in diesem Blog verwendeten Screenshots sind Eigentum des Autors.<\/em><\/p>\n\n\n

FAQs zum Stichprobenumfang bei A\/B-Testings<\/strong><\/h2>\n\n\n
Wie lautet die Formel zur Bestimmung der Stichprobengr\u00f6\u00dfe?<\/strong><\/a> <\/strong>

Es gibt mehrere Ans\u00e4tze zur Bestimmung der erforderlichen Stichprobengr\u00f6\u00dfe f\u00fcr A\/B-Tests. F\u00fcr strategisch wichtige „kritische Experimente“ ist die umfassendste Methode zu bevorzugen, bei der sowohl die „gew\u00fcnschte Reliabilit\u00e4t als auch die Aussagekraft“ in die Berechnung einbezogen werden.
<\/p> <\/div>

Wie gro\u00df sollte die erforderliche Stichprobe f\u00fcr einen A\/B-Test sein?<\/strong><\/a><\/strong>

In der Online-Welt sind die M\u00f6glichkeiten f\u00fcr A\/B-Tests f\u00fcr so gut wie alles immens. Die Stichprobengr\u00f6\u00dfe sollte gro\u00df genug sein, um mit statistischer Signifikanz nachzuweisen, dass die alternative Version besser ist als die urspr\u00fcngliche. <\/p> <\/div> <\/div>\n\n\n\n

<\/p>\n","protected":false},"excerpt":{"rendered":"

(Dieser Beitrag ist eine wissenschaftliche Erkl\u00e4rung der optimalen Stichprobengr\u00f6\u00dfe f\u00fcr Ihre Tests, damit diese statistisch korrekt sind. Die Testberichterstattung von VWO ist so konzipiert, dass Sie Ihre Zeit nicht mit der Suche nach p-Werten oder der Bestimmung der statistischen Signifikanz verschwenden – die Plattform meldet die „Gewinnwahrscheinlichkeit“ und macht die Testergebnisse leicht interpretierbar. Melden Sie…<\/p>\n","protected":false},"author":17,"featured_media":88011,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"post_read_time":0,"footnotes":""},"categories":[10586],"tags":[],"feature":[10491,10527],"industry-type":[],"product":[10626],"role":[10636],"region":[],"class_list":["post-88010","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-rechner","feature-ab-testing","feature-experimentation-platform-de"],"acf":[],"yoast_head":"\nWie berechnet man die Stichprobengr\u00f6\u00dfen f\u00fcr A\/B-Tests?<\/title>\n<meta name=\"description\" content=\"In diesem Beitrag erf\u00e4hrst du, wie du die richtige A\/B Test Stichprobengr\u00f6\u00dfe berechnest.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Wie berechnet man die Stichprobengr\u00f6\u00dfen f\u00fcr A\/B-Tests?\" \/>\n<meta property=\"og:description\" content=\"In diesem Beitrag erf\u00e4hrst du, wie du die richtige A\/B Test Stichprobengr\u00f6\u00dfe berechnest.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/\" \/>\n<meta property=\"og:site_name\" content=\"Blog\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/vwoofficial\/\" \/>\n<meta property=\"article:published_time\" content=\"2012-08-22T13:20:18+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-01-09T12:33:44+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/3\/2012\/08\/OG-image_How-to-Calculate-AB-Testing-Sample-Sizes.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1200\" \/>\n\t<meta property=\"og:image:height\" content=\"630\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Kees Schippers\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@VWO\" \/>\n<meta name=\"twitter:site\" content=\"@VWO\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Kees Schippers\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"15\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/\"},\"author\":{\"name\":\"Kees Schippers\",\"@id\":\"https:\/\/vwo.com\/blog\/de\/#\/schema\/person\/c430ae4e61c3fb5b63536e40ac4e6a52\"},\"headline\":\"Wie berechnet man die Stichprobengr\u00f6\u00dfen f\u00fcr A\/B-Tests?\",\"datePublished\":\"2012-08-22T13:20:18+00:00\",\"dateModified\":\"2026-01-09T12:33:44+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/\"},\"wordCount\":3020,\"publisher\":{\"@id\":\"https:\/\/vwo.com\/blog\/de\/#organization\"},\"image\":{\"@id\":\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/3\/2012\/08\/Feature-image_How-to-Calculate-AB-Testing-Sample-Sizes.png\",\"articleSection\":[\"Rechner\"],\"inLanguage\":\"de\"},{\"@type\":[\"WebPage\",\"FAQPage\"],\"@id\":\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/\",\"url\":\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/\",\"name\":\"Wie berechnet man die Stichprobengr\u00f6\u00dfen f\u00fcr A\/B-Tests?\",\"isPartOf\":{\"@id\":\"https:\/\/vwo.com\/blog\/de\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/3\/2012\/08\/Feature-image_How-to-Calculate-AB-Testing-Sample-Sizes.png\",\"datePublished\":\"2012-08-22T13:20:18+00:00\",\"dateModified\":\"2026-01-09T12:33:44+00:00\",\"description\":\"In diesem Beitrag erf\u00e4hrst du, wie du die richtige A\/B Test Stichprobengr\u00f6\u00dfe berechnest.\",\"breadcrumb\":{\"@id\":\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#breadcrumb\"},\"mainEntity\":[{\"@id\":\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#faq-question-1580295142333\"},{\"@id\":\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#faq-question-1580295173233\"}],\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#primaryimage\",\"url\":\"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/3\/2012\/08\/Feature-image_How-to-Calculate-AB-Testing-Sample-Sizes.png\",\"contentUrl\":\"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/3\/2012\/08\/Feature-image_How-to-Calculate-AB-Testing-Sample-Sizes.png\",\"width\":1200,\"height\":700},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/vwo.com\/blog\/de\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Rechner\",\"item\":\"https:\/\/vwo.com\/blog\/de\/rechner\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Wie berechnet man die Stichprobengr\u00f6\u00dfen f\u00fcr A\/B-Tests?\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/vwo.com\/blog\/de\/#website\",\"url\":\"https:\/\/vwo.com\/blog\/de\/\",\"name\":\"Blog\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\/\/vwo.com\/blog\/de\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/vwo.com\/blog\/de\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/vwo.com\/blog\/de\/#organization\",\"name\":\"VWO\",\"url\":\"https:\/\/vwo.com\/blog\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/vwo.com\/blog\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/3\/2018\/09\/VWOLogo.png\",\"contentUrl\":\"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/3\/2018\/09\/VWOLogo.png\",\"width\":780,\"height\":492,\"caption\":\"VWO\"},\"image\":{\"@id\":\"https:\/\/vwo.com\/blog\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/vwoofficial\/\",\"https:\/\/x.com\/VWO\",\"https:\/\/www.instagram.com\/vwoofficial\/\",\"https:\/\/www.linkedin.com\/company\/vwo\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/vwo.com\/blog\/de\/#\/schema\/person\/c430ae4e61c3fb5b63536e40ac4e6a52\",\"name\":\"Kees Schippers\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/vwo.com\/blog\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/9e9a4e152dff5ac17292f9a76fcfa21ef884b2261be21c19d830af52824d438b?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/9e9a4e152dff5ac17292f9a76fcfa21ef884b2261be21c19d830af52824d438b?s=96&d=mm&r=g\",\"caption\":\"Kees Schippers\"},\"description\":\"I am a passionate Marketing Data Analyst. I offer hands on training in Statistics & Data Mining with IBM SPSS, KNIME and R.\",\"url\":\"https:\/\/vwo.com\/blog\/de\/author\/keesschippers\/\"},{\"@type\":\"Question\",\"@id\":\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#faq-question-1580295142333\",\"position\":1,\"url\":\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#faq-question-1580295142333\",\"name\":\"Wie lautet die Formel zur Bestimmung der Stichprobengr\u00f6\u00dfe?\",\"answerCount\":1,\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Es gibt mehrere Ans\u00e4tze zur Bestimmung der erforderlichen Stichprobengr\u00f6\u00dfe f\u00fcr A\/B-Tests. F\u00fcr strategisch wichtige \\\"kritische Experimente\\\" ist die umfassendste Methode zu bevorzugen, bei der sowohl die \\\"gew\u00fcnschte Reliabilit\u00e4t als auch die Aussagekraft\\\" in die Berechnung einbezogen werden.<br \/>\",\"inLanguage\":\"de\"},\"inLanguage\":\"de\"},{\"@type\":\"Question\",\"@id\":\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#faq-question-1580295173233\",\"position\":2,\"url\":\"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#faq-question-1580295173233\",\"name\":\"Wie gro\u00df sollte die erforderliche Stichprobe f\u00fcr einen A\/B-Test sein?\",\"answerCount\":1,\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"In der Online-Welt sind die M\u00f6glichkeiten f\u00fcr A\/B-Tests f\u00fcr so gut wie alles immens. Die Stichprobengr\u00f6\u00dfe sollte gro\u00df genug sein, um mit statistischer Signifikanz nachzuweisen, dass die alternative Version besser ist als die urspr\u00fcngliche. \",\"inLanguage\":\"de\"},\"inLanguage\":\"de\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Wie berechnet man die Stichprobengr\u00f6\u00dfen f\u00fcr A\/B-Tests?","description":"In diesem Beitrag erf\u00e4hrst du, wie du die richtige A\/B Test Stichprobengr\u00f6\u00dfe berechnest.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/","og_locale":"de_DE","og_type":"article","og_title":"Wie berechnet man die Stichprobengr\u00f6\u00dfen f\u00fcr A\/B-Tests?","og_description":"In diesem Beitrag erf\u00e4hrst du, wie du die richtige A\/B Test Stichprobengr\u00f6\u00dfe berechnest.","og_url":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/","og_site_name":"Blog","article_publisher":"https:\/\/www.facebook.com\/vwoofficial\/","article_published_time":"2012-08-22T13:20:18+00:00","article_modified_time":"2026-01-09T12:33:44+00:00","og_image":[{"width":1200,"height":630,"url":"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/3\/2012\/08\/OG-image_How-to-Calculate-AB-Testing-Sample-Sizes.png","type":"image\/png"}],"author":"Kees Schippers","twitter_card":"summary_large_image","twitter_creator":"@VWO","twitter_site":"@VWO","twitter_misc":{"Verfasst von":"Kees Schippers","Gesch\u00e4tzte Lesezeit":"15\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#article","isPartOf":{"@id":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/"},"author":{"name":"Kees Schippers","@id":"https:\/\/vwo.com\/blog\/de\/#\/schema\/person\/c430ae4e61c3fb5b63536e40ac4e6a52"},"headline":"Wie berechnet man die Stichprobengr\u00f6\u00dfen f\u00fcr A\/B-Tests?","datePublished":"2012-08-22T13:20:18+00:00","dateModified":"2026-01-09T12:33:44+00:00","mainEntityOfPage":{"@id":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/"},"wordCount":3020,"publisher":{"@id":"https:\/\/vwo.com\/blog\/de\/#organization"},"image":{"@id":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#primaryimage"},"thumbnailUrl":"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/3\/2012\/08\/Feature-image_How-to-Calculate-AB-Testing-Sample-Sizes.png","articleSection":["Rechner"],"inLanguage":"de"},{"@type":["WebPage","FAQPage"],"@id":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/","url":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/","name":"Wie berechnet man die Stichprobengr\u00f6\u00dfen f\u00fcr A\/B-Tests?","isPartOf":{"@id":"https:\/\/vwo.com\/blog\/de\/#website"},"primaryImageOfPage":{"@id":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#primaryimage"},"image":{"@id":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#primaryimage"},"thumbnailUrl":"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/3\/2012\/08\/Feature-image_How-to-Calculate-AB-Testing-Sample-Sizes.png","datePublished":"2012-08-22T13:20:18+00:00","dateModified":"2026-01-09T12:33:44+00:00","description":"In diesem Beitrag erf\u00e4hrst du, wie du die richtige A\/B Test Stichprobengr\u00f6\u00dfe berechnest.","breadcrumb":{"@id":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#breadcrumb"},"mainEntity":[{"@id":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#faq-question-1580295142333"},{"@id":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#faq-question-1580295173233"}],"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#primaryimage","url":"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/3\/2012\/08\/Feature-image_How-to-Calculate-AB-Testing-Sample-Sizes.png","contentUrl":"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/3\/2012\/08\/Feature-image_How-to-Calculate-AB-Testing-Sample-Sizes.png","width":1200,"height":700},{"@type":"BreadcrumbList","@id":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/vwo.com\/blog\/de\/"},{"@type":"ListItem","position":2,"name":"Rechner","item":"https:\/\/vwo.com\/blog\/de\/rechner\/"},{"@type":"ListItem","position":3,"name":"Wie berechnet man die Stichprobengr\u00f6\u00dfen f\u00fcr A\/B-Tests?"}]},{"@type":"WebSite","@id":"https:\/\/vwo.com\/blog\/de\/#website","url":"https:\/\/vwo.com\/blog\/de\/","name":"Blog","description":"","publisher":{"@id":"https:\/\/vwo.com\/blog\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/vwo.com\/blog\/de\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/vwo.com\/blog\/de\/#organization","name":"VWO","url":"https:\/\/vwo.com\/blog\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/vwo.com\/blog\/de\/#\/schema\/logo\/image\/","url":"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/3\/2018\/09\/VWOLogo.png","contentUrl":"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/3\/2018\/09\/VWOLogo.png","width":780,"height":492,"caption":"VWO"},"image":{"@id":"https:\/\/vwo.com\/blog\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/vwoofficial\/","https:\/\/x.com\/VWO","https:\/\/www.instagram.com\/vwoofficial\/","https:\/\/www.linkedin.com\/company\/vwo"]},{"@type":"Person","@id":"https:\/\/vwo.com\/blog\/de\/#\/schema\/person\/c430ae4e61c3fb5b63536e40ac4e6a52","name":"Kees Schippers","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/vwo.com\/blog\/de\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/9e9a4e152dff5ac17292f9a76fcfa21ef884b2261be21c19d830af52824d438b?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/9e9a4e152dff5ac17292f9a76fcfa21ef884b2261be21c19d830af52824d438b?s=96&d=mm&r=g","caption":"Kees Schippers"},"description":"I am a passionate Marketing Data Analyst. I offer hands on training in Statistics & Data Mining with IBM SPSS, KNIME and R.","url":"https:\/\/vwo.com\/blog\/de\/author\/keesschippers\/"},{"@type":"Question","@id":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#faq-question-1580295142333","position":1,"url":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#faq-question-1580295142333","name":"Wie lautet die Formel zur Bestimmung der Stichprobengr\u00f6\u00dfe?","answerCount":1,"acceptedAnswer":{"@type":"Answer","text":"Es gibt mehrere Ans\u00e4tze zur Bestimmung der erforderlichen Stichprobengr\u00f6\u00dfe f\u00fcr A\/B-Tests. F\u00fcr strategisch wichtige \"kritische Experimente\" ist die umfassendste Methode zu bevorzugen, bei der sowohl die \"gew\u00fcnschte Reliabilit\u00e4t als auch die Aussagekraft\" in die Berechnung einbezogen werden.<br \/>","inLanguage":"de"},"inLanguage":"de"},{"@type":"Question","@id":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#faq-question-1580295173233","position":2,"url":"https:\/\/vwo.com\/blog\/de\/wie-man-die-ab-test-stichprobengroesse-berechnet\/#faq-question-1580295173233","name":"Wie gro\u00df sollte die erforderliche Stichprobe f\u00fcr einen A\/B-Test sein?","answerCount":1,"acceptedAnswer":{"@type":"Answer","text":"In der Online-Welt sind die M\u00f6glichkeiten f\u00fcr A\/B-Tests f\u00fcr so gut wie alles immens. Die Stichprobengr\u00f6\u00dfe sollte gro\u00df genug sein, um mit statistischer Signifikanz nachzuweisen, dass die alternative Version besser ist als die urspr\u00fcngliche. ","inLanguage":"de"},"inLanguage":"de"}]}},"_links":{"self":[{"href":"https:\/\/vwo.com\/blog\/de\/wp-json\/wp\/v2\/posts\/88010","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/vwo.com\/blog\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/vwo.com\/blog\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/vwo.com\/blog\/de\/wp-json\/wp\/v2\/users\/17"}],"replies":[{"embeddable":true,"href":"https:\/\/vwo.com\/blog\/de\/wp-json\/wp\/v2\/comments?post=88010"}],"version-history":[{"count":20,"href":"https:\/\/vwo.com\/blog\/de\/wp-json\/wp\/v2\/posts\/88010\/revisions"}],"predecessor-version":[{"id":104447,"href":"https:\/\/vwo.com\/blog\/de\/wp-json\/wp\/v2\/posts\/88010\/revisions\/104447"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/vwo.com\/blog\/de\/wp-json\/wp\/v2\/media\/88011"}],"wp:attachment":[{"href":"https:\/\/vwo.com\/blog\/de\/wp-json\/wp\/v2\/media?parent=88010"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/vwo.com\/blog\/de\/wp-json\/wp\/v2\/categories?post=88010"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/vwo.com\/blog\/de\/wp-json\/wp\/v2\/tags?post=88010"},{"taxonomy":"feature","embeddable":true,"href":"https:\/\/vwo.com\/blog\/de\/wp-json\/wp\/v2\/feature?post=88010"},{"taxonomy":"industry-type","embeddable":true,"href":"https:\/\/vwo.com\/blog\/de\/wp-json\/wp\/v2\/industry-type?post=88010"},{"taxonomy":"product","embeddable":true,"href":"https:\/\/vwo.com\/blog\/de\/wp-json\/wp\/v2\/product?post=88010"},{"taxonomy":"role","embeddable":true,"href":"https:\/\/vwo.com\/blog\/de\/wp-json\/wp\/v2\/role?post=88010"},{"taxonomy":"region","embeddable":true,"href":"https:\/\/vwo.com\/blog\/de\/wp-json\/wp\/v2\/region?post=88010"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}