Cronbachs Alpha: interne Konsistenz berechnen und interpretieren

Fachlich verantwortet von Prof. Dr. Alexander Holtermann · Stand 16.10.2026 · 5 Min. Lesezeit

Cronbachs Alpha misst, wie einheitlich die Items einer Skala dasselbe Merkmal erfassen. Werte ab 0,7 gelten als akzeptabel, ab 0,8 als gut.

Das Wichtigste in Kürze

Cronbachs Alpha ist das gebräuchlichste Maß für die interne Konsistenz, also die Reliabilität einer Skala aus mehreren Items.
Formel: α = k / (k − 1) · (1 − Σsᵢ² / s²_X). Alpha steigt, wenn die Items stark miteinander korrelieren und wenn die Skala mehr Items hat.
Faustregel: ab 0,7 akzeptabel, ab 0,8 gut, ab 0,9 sehr gut. Werte über 0,95 können auf überflüssige, fast gleich formulierte Items hindeuten.
Negativ formulierte Items musst Du vor der Berechnung umpolen. Ein vergessenes Umpolen erkennst Du an einer negativen Trennschärfe.
Prüfe zusätzlich die korrigierte Item-Trennschärfe (ab etwa 0,3) und „Alpha, wenn Item gelöscht“, um schwache Items zu finden.

Was misst Cronbachs Alpha?

Viele Merkmale wie Prüfungsangst, Motivation oder Zufriedenheit misst Du nicht mit einer einzigen Frage, sondern mit einer Skala aus mehreren Items. Die Idee: Jedes Item erfasst das Merkmal etwas ungenau, zusammen wird die Messung verlässlicher. Das klappt aber nur, wenn alle Items wirklich dasselbe messen.

Cronbachs Alpha (Cronbach, 1951; englisch Cronbach’s alpha) prüft genau das. Es ist ein Maß für die interne Konsistenz, eine Form der Reliabilität (Zuverlässigkeit). Ein hohes Alpha heißt: Personen, die bei einem Item hohe Werte angeben, tun das auch bei den anderen Items. Alpha liegt typischerweise zwischen 0 und 1; negative Werte deuten auf einen Fehler hin, meist ein nicht umgepoltes Item.

Die Formel

Cronbachs Alpha setzt die Summe der einzelnen Itemvarianzen ins Verhältnis zur Varianz des Summenwerts:

α = k / (k − 1) · (1 − Σsᵢ² / s²_X)

Dahinter steckt eine einfache Überlegung: Hängen die Items zusammen, ist die Varianz der Summe deutlich größer als die Summe der Einzelvarianzen, weil die Kovarianzen dazukommen. Der Bruch wird dann klein, Alpha groß. Sind die Items unabhängig, ist die Summenvarianz gleich der Summe der Itemvarianzen, und Alpha wird 0.

Symbol	Bedeutung
k	Anzahl der Items
sᵢ²	Varianz von Item i (Stichprobenvarianz, Teiler n − 1)
s²_X	Varianz des Summenwerts aller Items je Person

Rechenbeispiel mit drei Items

Sechs Befragte beantworten drei Items zur Prüfungsangst auf einer Skala von 1 (trifft nicht zu) bis 5 (trifft voll zu). Zum Nachrechnen gibst Du im Reliabilitäts-Rechner jedes Item als eigene Zeile ein, die Personen in derselben Reihenfolge.

Person	Item 1	Item 2	Item 3	Summe
A	4	5	4	13
B	3	3	2	8
C	5	4	4	13
D	2	3	2	7
E	4	4	5	13
F	3	2	3	8
Varianz	1,10	1,10	1,47	8,67

Interpretation: Ab wann ist Alpha gut?

Für die Bewertung gibt es verbreitete Faustregeln. Die wichtigste Grenze in Abschlussarbeiten ist 0,7. Beachte aber, dass Alpha mit der Zahl der Items steigt: Eine Skala mit 20 Items erreicht leicht 0,9, eine mit drei Items hat es schwerer. Für kurze Skalen sind Werte um 0,6 bis 0,7 daher nicht automatisch schlecht.

Alpha setzt voraus, dass die Skala eindimensional ist; ein hohes Alpha beweist das aber nicht. Prüfe die Dimensionalität mit einer Faktorenanalyse.
Alpha ist eine Untergrenze der Reliabilität, wenn die Items unterschiedlich stark mit dem Merkmal zusammenhängen. Eine Alternative ist McDonalds Omega.
Alpha ist eine Eigenschaft Deiner Stichprobe, nicht des Fragebogens. Berichte deshalb immer Dein eigenes Alpha, auch bei etablierten Skalen.

Alpha	übliche Bewertung
≥ 0,90	sehr gut (über 0,95 auf Redundanz prüfen)
0,80 bis 0,89	gut
0,70 bis 0,79	akzeptabel
0,60 bis 0,69	fragwürdig
unter 0,60	schwach, Skala überarbeiten

Umgepolte Items: der häufigste Fehler

Viele Skalen enthalten negativ formulierte Items, um Ja-Sage-Tendenzen zu erkennen. Bei einer Angstskala etwa: „Ich gehe entspannt in Prüfungen.“ Wer hier 5 ankreuzt, hat wenig Angst. Vor der Berechnung musst Du solche Items umpolen (rekodieren): Bei einer Skala von 1 bis 5 wird jeder Wert x zu 6 − x, allgemein (Minimum + Maximum) − x.

Vergisst Du das, bricht Alpha ein. Du erkennst den Fehler sofort an einer negativen Trennschärfe des betroffenen Items.

Item-Trennschärfe und Alpha ohne Item

Die korrigierte Item-Trennschärfe (corrected item-total correlation) ist die Korrelation eines Items mit der Summe der übrigen Items. Der Wert zeigt, wie gut ein Item zum Rest der Skala passt. Werte ab etwa 0,3 gelten als ausreichend, ab 0,5 als gut. „Alpha, wenn Item gelöscht“ zeigt, wie sich die Konsistenz ohne dieses Item verändern würde.

Item (Drei-Item-Beispiel)	korrigierte Trennschärfe	Alpha, wenn Item gelöscht
Item 1	,79	,77
Item 2	,67	,88
Item 3	,78	,78
Skala gesamt		α = ,87

Cronbachs Alpha in der Arbeit berichten

Nenne Alpha im Methodenteil bei der Beschreibung jeder Skala, mit der Zahl der Items und gegebenenfalls umgepolten Items. Nach APA steht Alpha ohne führende Null, weil es nicht größer als 1 werden kann. Hast Du Items entfernt, begründest Du das und nennst Alpha vorher und nachher.

Häufige Fragen

Was ist ein guter Wert für Cronbachs Alpha?

Ab 0,7 gilt Alpha als akzeptabel, ab 0,8 als gut und ab 0,9 als sehr gut. Bei sehr kurzen Skalen sind etwas niedrigere Werte vertretbar.

Warum ist mein Cronbachs Alpha negativ?

Fast immer, weil ein negativ formuliertes Item nicht umgepolt wurde. Prüfe die Trennschärfen: Ein Item mit negativer Trennschärfe ist der Kandidat.

Wie viele Items braucht man für Cronbachs Alpha?

Mindestens zwei, sinnvoll sind drei oder mehr. Bei nur zwei Items wird oft zusätzlich die Korrelation zwischen beiden berichtet.

Ist ein Alpha von 0,6 zu niedrig?

Es gilt als fragwürdig. Bei kurzen Skalen mit drei bis vier Items kann es vertretbar sein, wenn Du es offen in den Grenzen der Arbeit diskutierst.

Was ist der Unterschied zwischen Cronbachs Alpha und Intercoder-Reliabilität?

Alpha misst, ob mehrere Items dasselbe Merkmal erfassen. Die Intercoder-Reliabilität misst, ob mehrere Personen beim Codieren zum selben Ergebnis kommen, etwa mit Cohens Kappa.

Wie berechne ich Cronbachs Alpha in SPSS, R oder JASP?

In SPSS über Analysieren → Skalierung → Reliabilitätsanalyse, Modell Alpha; unter Statistiken Skala wenn Item gelöscht ankreuzen. In R zum Beispiel mit alpha() aus dem Paket psych. In JASP über das Modul Reliability, in jamovi über Factor → Reliability Analysis. Umgepolte Items vorher umcodieren.

Quellen und weiterführende Literatur

Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334.
Bortz, J., & Schuster, C. (2010). Statistik für Human- und Sozialwissenschaftler (7. Aufl.). Springer.
Eid, M., Gollwitzer, M., & Schmitt, M. (2017). Statistik und Forschungsmethoden (5. Aufl.). Beltz.

Was an Deiner Hochschule gilt, steht in Prüfungsordnung und Leitfaden Deines Fachs — die haben immer Vorrang.