Datenarten
Autor: Cindy HeinzemannVeröffentlicht am 22. September 2025Zuletzt aktualisiert am 9. November 2026

Lesezeit: ca. 6 Minuten | Q-Learning Snack
Kurz gesagt: Datenarten werden in qualitative und quantitative Daten unterschieden. Qualitative Daten sind nominal oder ordinal, quantitative Daten diskret oder stetig. Die Datenart bestimmt, welche statistischen Kennzahlen sich sinnvoll berechnen lassen – der Modalwert ist immer bestimmbar. Wir lieben Daten, weil sie uns helfen, fundierte Entscheidungen zu treffen und die Welt besser zu verstehen. Daten ermöglichen es uns, Muster zu erkennen, Trends vorherzusagen und Probleme zu lösen. Aber nicht alle Daten können auf die gleiche Weise verwendet werden, daher unterscheiden wir folgende Datenarten: Qualitative Daten erfassen nicht messbare Informationen wie Meinungen, Verhaltensweisen oder Erfahrungen. Sie können nicht für numerische Auswertungen herangezogen werden. Man unterscheidet dabei ... Sie kategorisieren Informationen ohne eine bestimmte Reihenfolge oder numerischen Wert. Beispiele sind Geschlecht, Farben oder Wohnorte. Sie dienen dazu, Objekte oder Personen in Gruppen einzuteilen für Vergleiche oder Analysen. Sie ordnen Informationen in eine sinnvolle Reihenfolge oder Rangfolge, wie z. B. Bewertungen ("gut", "besser", "am besten") oder Zufriedenheitsskalen. Sie zeigen relative Positionen, aber der Abstand zwischen den Werten ist nicht gleichmäßig. Ordinale Daten werden häufig in Umfragen oder Beurteilungen verwendet, um Präferenzen oder Meinungen darzustellen. Quantitative Daten messen numerische Informationen, z. B. Größe, Gewicht oder Einkommen. Sie ermöglichen genaue Berechnungen und statistische Analysen, um Trends zu erkennen, Vorhersagen zu treffen und fundierte Entscheidungen zu treffen. Hier unterscheidet man... Sie sind zählbar und ganzzahlig und nehmen feste, begrenzte Werte an. Sie werden verwendet, um Häufigkeiten oder Bestandsmengen darzustellen, z.B. Anzahl von Kindern in einer Klasse oder Autos auf einem Parkplatz. Man kann sie nicht halbieren, da halbe Autos oder ein halber Fehler beispielsweise keinen Sinn ergeben. Sie können jeden beliebigen Wert innerhalb eines Intervalls annehmen, wie z. B. Höhe, Gewicht oder Zeit. Sie ermöglichen präzise Messungen und werden in Bereichen wie Wissenschaft und Wirtschaft genutzt, um kontinuierliche Veränderungen zu analysieren und Optimierungspotenziale daraus abzuleiten.
Qualitative Daten
Nominale Daten
Ordinale Daten
Quantitative Daten
Diskrete Daten
Stetige Daten
| Merkmal | Datenart | Eigenschaften | Beispiele | Statistische Kennzahlen |
|---|---|---|---|---|
| qualitatives Merkmal | nominal | Ausprägung | Beruf Farbe Ausfallursache | Modalwert |
| qualitatives Merkmal | ordinal | Rangfolge Abstände der Ränge nicht quantitativ | Schulnoten Schadensgruppen Kleidergrößen | Modalwert Median |
| quantitatives Merkmal | diskret | ganzzahlig abzählbare Ausprägung | Anzahl Vorgänge produzierte Menge Anzahl Fehler Anzahl fehlerhafter Teile | Modalwert Median Mittelwert Spannweite Standardabweichung Varianz |
| quantitatives Merkmal | stetig | beliebig beliebiger Wert innerhalb eines Intervalls | Zeit Länge Temperatur | Modalwert Median Mittelwert Spannweite Standardabweichung Varianz |
Statistische Kennzahlen wie Mittelwert, Median, Standardabweichung etc. sind aus diesen Gründen nicht für alle Datenarten ermittelbar. Der Modalwert jedoch (oder Modus) kann immer ermittelt werden, denn es ist in jedem Datensatz der Wert, der am häufigsten vorkommt. Selbst bei nominalen Daten kann man somit durch den Modalwert bestimmen, welcher Beruf beispielsweise in einer Altersgruppe zwischen 20 und 30 am häufigsten erlernt wird oder welche Ursache im Straßenverkehr am häufigsten zu Unfällen beigetragen hat. Ohne Daten gäbe es also keine Weiterentwicklung, denn sie helfen uns zu verstehen, in welche Richtung wir besser werden können oder müssen, in jedem Bereich!
Zählen oder Messen: attributive und variable Daten
Video 1: Datenarten – vom Zählen und Messen. Quelle: Q-Learning Werden zum Beispiel die fehlerhaften Einheiten in einem Prozess gezählt, handelt es sich um attributive Daten. So kann die Qualität über den Beurteilungszeitraum beurteilt werden. Zu bedenken ist allerdings, dass die Fehlerrate bereits eingetretene Fälle dokumentiert. Die Prüf-, Nacharbeits- oder Entsorgungskosten sind bereits erzeugt. Ist in einem Prozess eine Messeinheit integriert, die z. B. die Temperatur einer Speiseeissorte erfasst, handelt es sich um variable Daten. Hier wird zwar ebenfalls die Qualität erfasst, jedoch mit erheblichen Vorteilen: Es können Trends oder kleine Unregelmäßigkeiten bereits erfasst werden, die noch nicht zu einem Fehler im Produkt führen. Es kann viel früher reagiert werden und so die Qualität aufrechterhalten werden. Geht man darauf ein und optimiert bzw. regelt früh nach, können bereits enorme Kosten an Nacharbeit oder Ausschuss gespart werden. Weiterhin gibt es die statistischen Verfahren, die es ermöglichen, Prognosen für den zukünftigen Verlauf zu erstellen. Je stabiler ein Prozess läuft, desto sicherer ist dann eine solche Prognose. SIX SIGMA oder LEAN Projektleiter kennen solche Prinzipien und bieten Vorgehen zur Optimierung an. Es werden für Auswertungen viel weniger Daten benötigt als bei attributiven Daten, also den gezählten Ereignissen. Eine häufige, allgemeine Ursache für Fehler ist die Streuung der Prozessleistung. Es geht darum, wie weit die Ergebnisse im Prozess streuen. Zur genauen Beurteilung steht die Standardabweichung zur Verfügung. Diese darf jedoch nur auf Basis variabler Daten erfasst werden. Methoden wie SIX SIGMA tragen den Begriff der Standardabweichung, das „sigma“, ja bereits im Namen. Mit variablen Daten kann schneller und präziser entschieden werden, so dass Probleme erkannt und verhindert werden können, bevor es zu fehlerhaften, im schlimmsten Fall nicht verkaufsfähigen Produkten kommt. Damit besteht ein guter Grund, über sinnvolle Messungen der Prozesse nachzudenken, um von der Reaktion in die kostengünstigere proaktive Handlung zu kommen.
Attributive Daten | Zählen
Variable Daten | Messen
Merke
FAQ: Häufige Fragen zu Datenarten
Was ist der Unterschied zwischen qualitativen und quantitativen Daten?
Woran erkennt man diskrete und stetige Daten?
Was ist der Unterschied zwischen attributiven und variablen Daten?
Welche Kennzahlen passen zu welcher Datenart?
Warum ist die Datenart in SIX SIGMA-Projekten wichtig?
Über den Autor

Cindy HeinzemannTraining, Coaching, Kursentwicklung
Dank ihrer langjährigen und umfassenden Erfahrung in der Leitung von LEAN- und SIX SIGMA-Projekten sowie im Coaching begleitet Cindy Heinzemann unsere Teilnehmenden zielgerichtet durch die Kurse. Mit ihrem fundierten Fachwissen und ihrer positiven Art versteht sie es, theoretische Inhalte mit praxisnahen Erfahrungsberichten zu verbinden und dadurch den Lernerfolg zu gewährleisten. Als zertifizierte Nachhaltigkeitsmanagerin (TÜV) liegt es ihr sehr am Herzen, die Zukunftsfähigkeit für Neuentwicklungen oder Verbesserungen von Produkten und/oder Prozessen als Selbstverständlichkeit zu berücksichtigen und somit nachhaltige Lösungen zu gewährleisten.Qualifikationen
SIX SIGMA Master Black Belt | DESIGN FOR SIX SIGMA Black Belt | LEAN Master
DESIGN FOR SIX SIGMA Black Belt
LEAN Master