Teilnehmende in EMA-Studien pseudonym zuordnen
EMA-Daten sind nur auswertbar, wenn sich Messzeitpunkte derselben Person zuordnen lassen. Das erfordert keine Klarnamen: Ein stabiles Pseudonym pro Person genügt – und ist datenschutzrechtlich der deutlich bessere Weg.
Pseudonymisierte Daten bleiben personenbezogene Daten im Sinne der DSGVO, solange eine Zuordnung möglich ist. Pseudonymität ist Datenminimierung, keine Anonymität.
So funktioniert die Zuordnung in QueryMe
- 1
Teilnehmendencodes erzeugen
Nach dem Veröffentlichen erzeugen Sie im Teilen-Bereich Codes. Jeder Code steht für einen Studienplatz und bleibt über alle Messzeitpunkte hinweg derselbe Schlüssel.
- 2
Code an eine Person vergeben
Verteilen Sie Codes einzeln, nicht als offene Liste. Wer welchen Code erhalten hat, wissen nur Sie – und diese Zuordnungsliste gehört nicht in die Studiendaten.
- 3
Gerät einmalig einschreiben
Teilnehmende geben den Code einmal ein; danach werden Signale und Antworten diesem Studienplatz zugeordnet, ohne dass Name oder E-Mail-Adresse erhoben werden.
- 4
Export mit Pseudonym auswerten
Im CSV-Export erscheint pro Zeile der Studienplatz als Gruppierungsvariable. Damit rechnen Sie Mehrebenenmodelle, ohne Klarnamen zu verarbeiten.
Regeln, die Ihre Daten sauber halten
- Zuordnungsliste (Code ↔ Person) getrennt von den Studiendaten aufbewahren und nach Abschluss löschen, wenn sie nicht mehr gebraucht wird.
- Keine identifizierenden Freitextfragen („Wie heißen Sie?“, „In welchem Kurs bei wem?“) – Freitexte sind die häufigste Quelle unbeabsichtigter Identifizierbarkeit.
- Kleine Subgruppen vermeiden: Kombinationen wie Studiengang + Alter + Geschlecht können Einzelpersonen identifizierbar machen.
- Codes nicht wiederverwenden, wenn eine Person die Studie abbricht – sonst mischen sich zwei Personen in einem Verlauf.
- In der Einwilligung erklären, wie die Zuordnung erfolgt und wie eine Löschung beantragt werden kann.
Löschanfragen und Studienabbruch
Weil jeder Studienplatz einen eigenen Schlüssel hat, lässt sich eine Löschanfrage gezielt umsetzen: Sie identifizieren den Code über Ihre getrennte Liste und entfernen die zugehörigen Daten. Ohne Pseudonym wäre das nicht möglich – ein weiterer Grund, Codes sauber zu dokumentieren.
Häufige Fragen
Warum nicht einfach die E-Mail-Adresse als Kennung nutzen?
Weil sie unnötig personenbezogen ist. Ein Code erfüllt denselben Zweck, reduziert das Risiko bei einem Datenabfluss und erleichtert die Argumentation gegenüber Ethikkommission und Datenschutzbeauftragten.
Können Teilnehmende zwei Geräte nutzen?
Planen Sie ein Gerät pro Studienplatz. Signale und Antwortfenster hängen am eingeschriebenen Gerät; mehrere Geräte pro Code erschweren die Compliance-Berechnung.
Sind die Daten damit anonym?
Nein. Solange eine Zuordnung über Ihre Liste möglich ist, sind die Daten pseudonym. Anonym wären sie erst, wenn die Zuordnung endgültig und für alle Beteiligten unmöglich ist.
Passend weiterlesen
DSGVO-konforme Umfrage
Rollen, Rechtsgrundlagen und was Sie als Forschende verantworten.
Compliance berechnen und verbessern
Formel, Kennzahlen und praxisnahe Maßnahmen bei niedrigen Antwortquoten.
EMA-Daten exportieren
CSV nach R, SPSS und Excel bringen – Long-Format richtig verarbeiten.
Experience Sampling (ESM/EMA)
Signalplanung, Antwortfenster und Web-Push – so laufen wiederholte Alltagsmessungen in QueryMe.
Codes erzeugen und Studie starten
Nach dem Veröffentlichen erhalten Sie Studienlink und Teilnehmendencodes direkt im Teilen-Bereich.
