Frau nimmt an Wahlumfrage am Notebook teil

Fehlertoleranz bei Wahlumfragen

Q: Ab welchem Unterschied ist ein Vorsprung signifikant?

Ein Unterschied zwischen zwei Parteien ist statistisch signifikant, wenn er größer ist als die doppelte Fehlertoleranz. Bei n=1.000 und Werten um 25-30% ist ein Unterschied ab etwa 4-5 Prozentpunkten signifikant.

BWU Redaktion · Aktualisiert: 2026 · Lesezeit: 8 Minuten

Key-Facts

Definition: Maximal erwartbare Abweichung des Umfragewerts vom wahren Wert
Synonyme: Schwankungsbreite, Margin of Error, Stichprobenfehler
Typischer Bereich: ±1,4 bis ±3,1 Prozentpunkte (bei n=1.000)
Konfidenzniveau: Üblicherweise 95% (d.h. in 95 von 100 Fällen liegt der wahre Wert im Intervall)

Wenn Medien berichten, die CDU/CSU liege bei 30% und die SPD bei 28%, klingt das wie ein klarer Vorsprung. Doch ohne die Fehlertoleranz zu kennen, lässt sich diese Aussage nicht bewerten. Bei einer Schwankungsbreite von ±2,8 Prozentpunkten könnte die SPD in Wahrheit genauso stark oder sogar stärker sein als die Union.

Dieser Ratgeber erklärt, was die Fehlertoleranz genau ist, wie sie berechnet wird und warum sie für die richtige Einordnung von Wahlumfragen unverzichtbar ist.

Was ist die Fehlertoleranz?

Die Fehlertoleranz — auch Schwankungsbreite oder Margin of Error genannt — gibt an, in welchem Bereich der wahre Wert mit einer bestimmten Wahrscheinlichkeit liegt. Sie entsteht, weil eine Umfrage nur eine Stichprobe der Bevölkerung befragt, nicht die gesamte Grundgesamtheit.

Wenn eine Umfrage die CDU/CSU bei 30% sieht und die Fehlertoleranz ±2,8% beträgt, bedeutet das: Der wahre Wert liegt mit 95% Wahrscheinlichkeit zwischen 27,2% und 32,8%. In 5 von 100 Fällen kann der wahre Wert auch außerhalb dieses Bereichs liegen.

Fehlertoleranz nach Umfragewert und Stichprobe

Die Fehlertoleranz ist nicht für alle Parteien gleich. Sie ist am größten bei Werten um 50% und kleiner bei extremen Werten (nahe 0% oder 100%):

Umfragewert	n = 1.000	n = 1.500	n = 2.000	n = 2.500
5%	±1,4%	±1,1%	±1,0%	±0,9%
10%	±1,9%	±1,5%	±1,3%	±1,2%
20%	±2,5%	±2,0%	±1,8%	±1,6%
30%	±2,8%	±2,3%	±2,0%	±1,8%
40%	±3,0%	±2,5%	±2,1%	±1,9%
50%	±3,1%	±2,5%	±2,2%	±2,0%

Das hat praktische Konsequenzen: Für eine Partei mit 5% (nahe der Fünf-Prozent-Hürde) beträgt die Fehlertoleranz „nur“ ±1,4 Prozentpunkte — relativ gesehen sind das aber 28% ihres Wertes. Ob die Partei tatsächlich 3,6% oder 6,4% hat, ist ein gewaltiger Unterschied.

Wann ist ein Unterschied signifikant?

Ein Vorsprung zwischen zwei Parteien ist statistisch signifikant, wenn er größer ist als die kombinierte Fehlertoleranz. Als Faustregel: Der Unterschied muss größer sein als das 1,4-fache der einfachen Fehlertoleranz.

Praxisbeispiel

CDU/CSU: 30% | SPD: 26% | Stichprobe: 1.000

Fehlertoleranz CDU/CSU: ±2,8% → Bereich: 27,2%–32,8%

Fehlertoleranz SPD: ±2,7% → Bereich: 23,3%–28,7%

Die Bereiche überschneiden sich (27,2–28,7%) → Der Vorsprung von 4 Punkten ist nicht eindeutig signifikant.

Frau schaut unterwegs Umfragewerte auf dem Handy — Ohne Kenntnis der Fehlertoleranz werden kleine Unterschiede in Umfragen leicht überinterpretiert.

Warum berichten Medien die Fehlertoleranz selten?

Die meisten Medienberichte über Wahlumfragen erwähnen die Fehlertoleranz nicht. Das hat mehrere Gründe:

Vereinfachung: Fehlerbalken machen Grafiken unübersichtlicher.
Dramaturgie: „CDU verliert 1 Punkt“ klingt spannender als „CDU bewegt sich innerhalb der Schwankungsbreite“.
Unkenntnis: Nicht alle Redaktionen verstehen die statistischen Grundlagen vollständig.

Auf bundestagwahlumfrage.de zeigen wir die Fehlertoleranz in unseren Analysen, damit Sie Umfragen richtig einordnen können.

Fehlertoleranz vs. systematische Fehler

Die Fehlertoleranz erfasst nur den zufälligen Stichprobenfehler. Sie berücksichtigt nicht:

Soziale Erwünschtheit: Befragte geben nicht ihre wahre Absicht an.
Non-Response: Bestimmte Gruppen verweigern die Teilnahme systematisch.
Gewichtungsfehler: Das statistische Modell korrigiert in die falsche Richtung.
House Effects: Institute haben systematische Tendenzen.

Der tatsächliche Fehler einer Umfrage kann daher größer sein als die rein statistische Fehlertoleranz. Bei der Analyse der Genauigkeit deutscher Wahlumfragen zeigt sich, dass die Gesamtabweichung im Schnitt etwa 1,0–2,0 Prozentpunkte beträgt.

2017: Alle sechs Institute unterschätzten die AfD systematisch

Zur Bundestagswahl am 24. September 2017 begingen sämtliche sechs großen deutschen Umfrageinstitute denselben Fehler: Sie unterschätzten die AfD systematisch. Allensbach prognostizierte 10 Prozent, Forsa 10 Prozent, Infratest dimap 11 Prozent. Das tatsächliche Ergebnis: 12,6 Prozent – die AfD wurde drittstärkste Kraft. Die Fehlertoleranz der einzelnen Umfragen (±2,5 Prozentpunkte) war rechnerisch korrekt, aber alle Institute lagen gleichzeitig in dieselbe Richtung falsch. Ursache war ein Social-Desirability-Bias: Befragte mit AfD-Sympathie gaben dies telefonisch seltener an als anonym. Die Kollektiv-Unterschätzung summierte sich auf 1,6–2,6 Prozentpunkte – weit mehr als die statistische Fehlertoleranz suggerierte.

2016: Brexit-Schock für die Demoskopie – wie alle Institute versagten

Das Brexit-Referendum 2016 war das demoskopische Desaster des Jahrzehnts: Alle Institute sagten "Remain" voraus. Ergebnis: "Leave" mit 51,9 Prozent. Analysen danach: Social-Desirability-Bias bei Leave-Wählern (ruhiges Pro-EU-Umfeld machte Brexit-Sympathie unsagbar), Unterrepräsentation bildungsferner Gruppen in Online-Panels, Unterschaetzung der Wahlbeteiligung in nordostenglichen Arbeiterstadten. Brexit lehrte die Demoskopie: Referenden sind schwerer vorherzusagen als Wahlen. In Deutschland profitierte INSA davon: Es hatte als einziges Institut Leave-Wahrscheinlichkeit angegeben.

Häufige Fragen

Was bedeutet Fehlertoleranz bei Umfragen?

Die Fehlertoleranz gibt an, wie weit ein Umfragewert vom wahren Wert in der Gesamtbevölkerung abweichen kann. Bei ±3% und einem gemessenen Wert von 30% liegt der wahre Wert mit 95% Wahrscheinlichkeit zwischen 27% und 33%.

Warum wird die Fehlertoleranz oft nicht angegeben?

Medien vereinfachen Umfrageergebnisse und lassen die Fehlertoleranz häufig weg. Dabei ist sie für die korrekte Interpretation entscheidend: Ohne Fehlertoleranz sind Unterschiede von 1–2 Prozentpunkten nicht einzuordnen.

Ab welchem Unterschied ist ein Vorsprung signifikant?

Ein Unterschied ist statistisch signifikant, wenn er größer ist als die kombinierte Fehlertoleranz beider Werte. Bei n=1.000 und Werten um 25–30% braucht es mindestens 4–5 Prozentpunkte Unterschied.