Übung 1 - Reproduzierbare Analysen

FS 2026

Author

Gidon Frischkorn

Wiederholung & Vertiefung: Reproduzierbare Analysen

In dieser Übung beschäftigen wir uns mit den Grundprinzipien reproduzierbarer Datenanalysen. Reproduzierbarkeit bedeutet, dass eine Analyse von anderen Personen — oder von Ihnen selbst zu einem späteren Zeitpunkt — mit denselben Daten und demselben Code zu identischen Ergebnissen führt.

Wenn Sie die Inhalte der Vorlesung nochmal vertiefen wollen, empfehle ich Ihnen folgendes Video:

Was macht eine Analyse reproduzierbar?

Eine reproduzierbare Analyse zeichnet sich durch folgende Merkmale aus:

  1. Klare Projektstruktur: Alle Dateien sind sinnvoll in Ordnern organisiert
  2. Relative Pfade: Keine absoluten Pfade (C:/Users/...), die von einem bestimmten Rechner abhängen
  3. Dokumentierter Code: Skripte sind kommentiert und erklären was jeder Schritt macht
  4. Versionskontrolle: Änderungen am Code werden nachverfolgt (z. B. mit Git)
  5. Abhängigkeiten dokumentiert: Verwendete Pakete und ihre Versionen sind festgehalten

Übungen

Beantworten Sie die folgenden Fragen zu den Grundkonzepten reproduzierbarer Analysen. Die Fragen können Sie direkt auf dieser Seite beantworten.

Wie in den Übungen finden Sie unter den Übungsfragen die webr Konsole, die Ihnen das Schreiben und Durchführen von R Code direkt auf der Website ermöglicht. Wenn viele Studierenden die Übungen parallel machen, dann kann es sein, dass webr langsam wird.

Um den Code den Sie geschrieben haben auszuführen drücken Sie entweder Run Code, damit der gesamte Code ausgeführt wird. Alternativ können Sie auch einzelne Zeilen ausführen, indem sie CTRL+Enter (Windows) oder CMD+Enter (Mac) drücken.

Eine Kollegin schickt Ihnen ihr R-Skript zur Datenanalyse. Welche der folgenden Merkmale sprechen dafür, dass das Skript reproduzierbar ist?

Ein reproduzierbares Skript kann von anderen (oder von Ihnen selbst später) exakt nachvollzogen und ausgeführt werden — ohne manuelle Eingriffe oder Rätselraten.

Korrekt: Alle verwendeten Pakete werden am Anfang des Skripts mit library() explizit geladen — so ist auf den ersten Blick klar, welche Abhängigkeiten die Analyse hat. Andere wissen sofort, welche Pakete sie installieren müssen, um das Skript auszuführen.

Falsch: Das Skript enthält keine Kommentare, weil “der Code selbst verständlich ist” — das ist ein Trugschluss. Code erklärt wie etwas gemacht wird, aber nicht warum. Ohne Kommentare wird das Skript schwer verständlich, auch für die Autorin selbst nach einigen Wochen. Häufiger Fehler: Unterschätzen, wie schnell man eigenen Code vergisst.

Korrekt: Das Skript läuft vollständig durch, wenn es von Anfang bis Ende ausgeführt wird — ohne manuelle Zwischenschritte wie “jetzt Datei X öffnen und Wert Y kopieren”. Vollständige Automatisierung ist der Kern von Reproduzierbarkeit. Wenn andere (oder Sie selbst) das Skript ausführen, erhalten sie exakt dieselben Ergebnisse.

Falsch: Die Analyseergebnisse wurden manuell in Excel übertragen und dort weiterverarbeitet — das unterbricht die Analysekette. Der manuelle Schritt ist nirgendwo dokumentiert und kann nicht rekonstruiert werden. Excel-Berechnungen sind nicht nachvollziehbar, weil Formeln überschrieben oder gelöscht werden können.

Welche der folgenden Aussagen beschreiben korrekte Merkmale einer reproduzierbaren Datenanalyse?

Reproduzierbarkeit bedeutet, dass eine Analyse mit denselben Daten und demselben Code zu identischen Ergebnissen führt — unabhängig davon, wer die Analyse durchführt oder auf welchem Computer sie ausgeführt wird.

Korrekt: Alle Analyseschritte in Skripten dokumentieren — nur so können andere (oder Sie selbst in der Zukunft) jeden Schritt exakt nachvollziehen und wiederholen. Jeder Klick, jede Transformation, jede Berechnung muss im Code stehen.

Falsch: Point-and-Click-Analysen mit Excel und Screenshots — die Klicks werden nirgendwo dokumentiert. Ein Screenshot zeigt nur das Endergebnis, nicht den Weg dorthin. Niemand (auch Sie selbst nach ein paar Wochen nicht) kann die Analyse rekonstruieren oder überprüfen.

Korrekt: Relative Pfade verwenden — absolute Pfade wie C:/Users/Max/Dokumente/... funktionieren nur auf dem Computer, auf dem sie geschrieben wurden. Relative Pfade ermöglichen es, das gesamte Projekt auf einen anderen Computer zu übertragen, ohne Pfade manuell anpassen zu müssen.

Falsch: setwd() mit festen Pfaden verwenden — setwd("C:/Users/Max/...") ist ein absoluter Pfad, der nur auf diesem einen Computer existiert. Wenn eine Kollegin das Skript öffnet, schlägt setwd() mit einem Fehler fehl, weil der Pfad auf ihrem Computer nicht existiert. Das Projekt ist nicht portabel.

Sie beginnen ein neues Analyseprojekt in R. Welche der folgenden Eigenschaften einer Ordnerstruktur unterstützen reproduzierbare Analysen?

Eine klare Ordnerstruktur ist die Grundlage reproduzierbarer Analysen — sie macht auf den ersten Blick erkennbar, welche Dateien wozu gehören.

Korrekt: Rohdaten, verarbeitete Daten, Skripte und Ergebnisse werden in separaten Unterordnern gespeichert (z. B. Daten_Roh/, Daten_Verarbeitet/, R_Skripte/, Ergebnisse/). Das unterstützt Reproduzierbarkeit und Kollaboration: Andere (oder Sie selbst nach Monaten) erkennen sofort, wo welche Dateien liegen und was die Analyse macht.

Falsch: Alle Dateien in einem einzigen Ordner ohne Unterstruktur — bei mehr als 10-15 Dateien wird das schnell unübersichtlich. Stellen Sie sich vor: 50 Dateien in einem Ordner, gemischt Rohdaten, Skripte, Ergebnisse, Abbildungen — niemand findet sich zurecht.

Korrekt: Die Rohdaten werden niemals direkt verändert oder überschrieben — sie bleiben im Originalzustand erhalten. Nur so ist der gesamte Analyseprozess rekonstruierbar: Von den ursprünglichen Daten über alle Transformationen bis zum Endergebnis. Wenn Rohdaten überschrieben werden, ist die Analyse nicht mehr nachvollziehbar.

Falsch: Skripte und Daten direkt auf dem Desktop ablegen — sobald der Rechner gewechselt wird oder jemand anderes die Analyse nachvollziehen will, funktioniert nichts mehr. Desktop-Speicherung ist nicht portabel und nicht professionell.

Nutzen Sie eine Suchmaschine, wenn Sie nicht wissen welche Funktionen Ihnen ein bestimmtes Ergebnis liefern.