Reliabilität ist die Zuverlässigkeit oder Messgenauigkeit eines Verfahrens. Die Standards for Educational and Psychological Testing (AERA, APA und NCME 2014) beschreiben sie als Beständigkeit der Ergebnisse, wenn das Verfahren wiederholt wird. Ein Reliabilitätskoeffizient liegt meist zwischen 0 und 1. Je höher er ist, desto kleiner ist der Anteil zufälliger Messfehler an den beobachteten Unterschieden.
Grundlagen der Reliabilität: wahrer Wert und Messfehler
Die klassische Testtheorie zerlegt jeden beobachteten Wert in einen wahren Wert und einen Messfehler. Reliabilität ist dort das Verhältnis der Varianz der wahren Werte zur Varianz der beobachteten Werte. Weil die wahren Werte unbekannt sind, wird die Reliabilität geschätzt. Die Standards nennen drei Gruppen von Koeffizienten: aus Parallelformen, aus Testwiederholungen und aus der inneren Konsistenz einer einzigen Durchführung. Die Testhalbierung zählt zur inneren Konsistenz.
Vier Wege, die Reliabilität zu schätzen
| Methode | Vorgehen | Fallstrick |
|---|---|---|
| Retest | Derselbe Test wird denselben Personen zweimal vorgelegt; die Werte werden korreliert. | Lernen oder Entwicklung zwischen den Terminen verändert die Werte, ohne Messfehler zu sein. |
| Paralleltest | Zwei gleichwertige Testformen nach denselben Inhalts- und Kennwertvorgaben | Die Formen müssen tatsächlich austauschbar sein. |
| Testhalbierung | Der Test wird in zwei Hälften geteilt; die Korrelation wird auf die volle Länge hochgerechnet. | Die Hälften müssen inhaltlich und statistisch vergleichbar sein. |
| Interne Konsistenz | Zusammenhänge aller Items einer Durchführung, meist als Cronbachs Alpha | Alpha hängt von der Zahl der Items ab und zeigt keine Eindimensionalität. |
Für die Hochrechnung der Testhalbierung dient die Spearman-Brown-Formel; sie gibt an, wie sich die Reliabilität ändert, wenn ein Test mehr oder weniger Items hat (de Vet u. a. 2017). Das Konsistenzmaß Alpha stellte Lee J. Cronbach 1951 in der Zeitschrift Psychometrika vor. Die Koeffizienten sind nicht austauschbar, weil jeder Messfehler anders bestimmt (Standard 2.6). Wo Menschen urteilen, etwa Beobachtende im Assessment-Center, kommt die Übereinstimmung zwischen Beurteilenden hinzu.
Vier Karten. Retest an zwei Terminen, Fallstrick Lernen oder Entwicklung dazwischen. Paralleltest: zwei gleichwertige Formen, Fallstrick Formen nicht austauschbar. Testhalbierung: zwei Hälften, Hochrechnung mit Spearman-Brown, Fallstrick ungleiche Hälften. Interne Konsistenz mit Cronbachs Alpha, Fallstrick Alpha hängt von der Itemzahl ab. Darunter der Hinweis, dass die Koeffizienten nicht austauschbar sind.
Reliabilität im Studium der Wirtschaftspsychologie
Diagnostik als Studienfach nennen 56 von 95 erfassten Anbietern laut Recherche, Stand Oktober 2026, in Studiengangsnamen, Schwerpunkten oder Modullisten; Testtheorie, Testkonstruktion oder Psychometrie im Wortlaut finden sich bei 13 von 95. In Klausuren und Abschlussarbeiten geht es um diese Aufgaben:
- die passende Schätzmethode für ein Verfahren wählen und begründen
- Cronbachs Alpha einer Skala berechnen und deuten, etwa für eine Likert-Skala
- die Spearman-Brown-Formel auf eine verkürzte oder verlängerte Skala anwenden
- den Unterschied zwischen Reliabilität und Validität erklären
In der Praxis: Schwellenwerte als Konvention und Kritik an Alpha
Feste Grenzwerte sind Konventionen. Tavakol und Dennick (2011) berichten, dass in der Literatur Werte von 0,70 bis 0,95 als akzeptables Alpha genannt werden; sehr hohe Werte über 0,90 können auf überflüssige, fast gleiche Items hinweisen. Ein niedriges Alpha kann an wenigen Items, schwachen Zusammenhängen oder einem uneinheitlichen Merkmal liegen.
Sijtsma (2009) zeigt, dass Alpha eine untere Grenze der Reliabilität ist, die diese oft deutlich unterschätzt, und dass Alpha nichts über die innere Struktur eines Tests aussagt. Ob eine Skala nur ein Merkmal misst, prüft eher eine Faktorenanalyse. Unzuverlässige Werte schränken nach den Standards ein, wie genau sich Kriterien vorhersagen und Entscheidungen begründen lassen. Die Standards verlangen deshalb für jede geplante Verwendung von Testwerten passende Belege zur Reliabilität (Standard 2.0), ob in der Personalauswahl oder bei Skalen einer Mitarbeiterbefragung.
Für Entscheidungen über einzelne Personen reicht ein Koeffizient allein nicht. Mit dem Standardmessfehler lassen sich Vertrauensintervalle um einen berichteten Testwert bilden; ist ein Verfahren eingeführt, halten die Standards ihn deshalb meist für aussagekräftiger als den Koeffizienten. Auch Sijtsma weist darauf hin, dass Schätzungen aus einer einzigen Durchführung wie Alpha wenig über die Genauigkeit einer einzelnen Testleistung verraten.