DoE-Happen #059Serie: Warum ist mancher Faktoreffekt nicht signifikant?Anwender3 Min. Lesezeitaktualisiert am 21.11.2026
Kurz gesagt
Bestimmt ein einziger Faktor das Ergebnis – hier der Katalysatortyp, der über Gel oder Nicht-Gel entscheidet –, verdeckt er alle anderen Effekte. Das Screening wirkt gescheitert, liefert aber die wichtigste Erkenntnis: Erst wenn dieser Faktor richtig eingestellt ist, lassen sich die übrigen Faktoren sinnvoll untersuchen.
Im Auftakt dieser Serie habe ich typische Ursachen zusammengestellt, warum Faktoreffekte manchmal nicht sichtbar werden. Heute geht es um die erste: Ein dominanter Faktor überdeckt alle anderen Einflüsse.
Das Fallbeispiel: ein injizierbares Hydrogel
Um diese Ursache greifbar zu machen, habe ich einen Anwendungsfall konstruiert. In der frühen Entwicklung eines biofunktionalen Hydrogels zur lokalen Wirkstofffreisetzung wird ein robuster Gelzustand angestrebt: Das Gel soll sich bei Raumtemperatur leicht applizieren lassen und nach der Injektion eine elastische Matrix bilden.
Die Zielgrößen
Das mechanische Verhalten des Gels wird über zwei rheologische Zielgrößen beschrieben:
- Komplexer Schubmodul |G*| (Pa): beschreibt die Gesamtsteifigkeit.
- Phasenwinkel δ (°): beschreibt das Materialverhalten – δ < 25° heißt elastisch dominiert (gewünscht), δ > 60° heißt viskos dominiert (kein Gel).
Ein funktionierendes Gel zeigt also hohe |G*|-Werte und niedrige δ-Werte. Ziel war ein Screening früher Prozessparameter, die die Gelbildung beeinflussen könnten.
Die Faktoren
| Faktor | Beschreibung | Typ | Stufen (niedrig/hoch) |
|---|---|---|---|
| A | Mischgeschwindigkeit | quantitativ | 200 / 600 U/min |
| B | Feuchtigkeitsgehalt | quantitativ | 5 % / 15 % |
| C | Vorvermahlung | quantitativ | 2 min / 10 min |
| D | Katalysatortyp | qualitativ | A / B |
- Mischgeschwindigkeit: bestimmt den Energieeintrag und damit die Verteilung der Reagenzien.
- Feuchtigkeitsgehalt: beeinflusst die Beweglichkeit der Reaktionspartner und damit die Reaktionskinetik.
- Vorvermahlung: vergrößert die Oberfläche und homogenisiert die Feststoffe.
- Katalysator: startet die Gelbildung – zwei Typen mit möglicherweise grundlegend verschiedenen Wirkmechanismen.
Das Design
Gewählt wurde ein klassisches Screening: ein fraktioniertes faktorielles Design mit zwei Stufen (2⁴⁻¹, Auflösung IV) – acht Versuche statt sechzehn. Dazu kamen drei Centerpoints (Versuche 9–11) zur Prüfung der Reproduzierbarkeit.

Was zeigen die Daten?
Die Ergebnisse waren überraschend deutlich – und ernüchternd:
- Katalysator B erzeugte in allen vier Versuchen ein vernetztes Gel (|G*| ≈ 3.000 Pa, δ ≈ 15°).
- Katalysator A führte zu keiner Gelbildung (|G*| < 100 Pa, δ um 70°).
Die drei übrigen Faktoren zeigten keinerlei Signifikanz. Der Grund: Mit Katalysator A findet keine Vernetzung statt, die Daten dieser Hälfte sind fachlich nicht interpretierbar. Die Effekte von Mischgeschwindigkeit, Feuchte und Vorvermahlung werden vom Katalysator-Effekt vollständig überdeckt.

Was zeigt der Overview Plot?
- Replicates: Zwei klar getrennte Gruppen. Katalysator B liefert konsistent hohe Werte, Katalysator A flache, kaum verwertbare Daten. Die drei Centerpoints sind sehr gut reproduzierbar – allerdings liegen alle drei bei Katalysator A, also im Bereich ohne Gelbildung.
- Summary of Fit: Das Modell ist insgesamt gut – aber nur wegen des dominanten Katalysators. Die anderen Faktoren tragen nichts bei.
- Coefficients: Nur der Katalysator ist signifikant, alle anderen Balken bleiben unter der Signifikanzgrenze.
- Residual Normal Probability: Kein Hinweis auf Ausreißer oder Modellfehler. Formal ist das Modell in Ordnung – mit elf Versuchen allerdings an der unteren Grenze.
- Observed vs. Predicted: Zwei Gruppen. Katalysator B wird gut vorhergesagt, bei Katalysator A ist keine sinnvolle Vorhersage möglich.
Warum verschwinden die anderen Effekte?
Erkenntnis
Wenn ein qualitativer Faktor über „funktioniert“ oder „funktioniert nicht“ entscheidet, schaltet er die Statistik für alle anderen Faktoren aus.
- Die übrigen Effekte werden statistisch überdeckt.
- Unterschiede innerhalb der nicht funktionierenden Gruppe (Katalysator A) sind reiner Zufall.
- Reale Effekte von Mahlung, Feuchte oder Mischgeschwindigkeit wirken nur in einer Teilgruppe – und sind im Gesamtmodell nicht nachweisbar.
Ein Blick in die Daten zeigt das: Innerhalb von Katalysator B unterscheiden sich die vier Gelwerte nur um rund 250 Pa – bei einem Niveau von 3.000 Pa. Ob das ein echter Effekt ist, lässt sich mit vier Versuchen nicht klären.
Ist das Screening gescheitert?
Nein. Das vermeintlich gescheiterte Screening liefert genau die Erkenntnis, die gebraucht wird: Ein Faktor ist ausschlaggebend. Solange er nicht richtig eingestellt ist – hier auf Katalysator B –, bleiben die Effekte der anderen Faktoren unklar und widersprüchlich.
Dieses DoE war kein Misserfolg. Es war der methodisch saubere Nachweis, dass manchmal ein einziger Faktor alles entscheidet. Der nächste Schritt ist ein neuer Versuchsplan mit Katalysator B als fester Einstellung – dann können Mischgeschwindigkeit, Feuchte und Vorvermahlung zeigen, was sie wirklich bewirken.
Wissen to Go
- Dominanter Faktor erkennen: Zwei klar getrennte Gruppen im Replicate Plot sind das typische Zeichen.
- Gutes Modell ≠ gutes Verständnis: Ein hohes R² kann allein von einem Faktor kommen.
- Centerpoints dorthin, wo es zählt: Reproduzierbarkeit sollte im funktionierenden Bereich geprüft werden.
- Nächster Schritt: Den dominanten Faktor festlegen und die übrigen Faktoren in einem neuen Design untersuchen.
Häufige Fragen – testen Sie Ihr Wissen
Einsteiger Woran erkenne ich, dass ein Faktor alles dominiert?
Typisch sind zwei klar getrennte Gruppen im Replicate Plot und im Observed-vs.-Predicted-Plot. Im Koeffizientenplot ist nur ein Balken signifikant, alle anderen bleiben klein.
Anwender Ist ein Screening mit nur einem signifikanten Faktor gescheitert?
Nein. Es zeigt, welcher Faktor zuerst richtig eingestellt werden muss. Danach lassen sich die übrigen Faktoren in einem neuen Versuchsplan sinnvoll untersuchen.
Anwender Wo sollten die Centerpoints liegen, wenn ein qualitativer Faktor im Plan ist?
Am besten bei jeder Stufe des qualitativen Faktors – mindestens aber im Bereich, der fachlich funktioniert. Liegen alle Centerpoints in der nicht funktionierenden Gruppe, sagt die Reproduzierbarkeit wenig über den interessanten Bereich.
Experte Wie geht es nach einem dominanten Faktor methodisch weiter?
Den dominanten Faktor festsetzen – hier Katalysator B – und die übrigen Faktoren in einem neuen Design mit eigenen Wiederholungen untersuchen. Im 2⁴⁻¹-Plan mit vier Gelversuchen lässt sich ein Effekt von rund 250 Pa nicht von der Streuung trennen.
Passt dazu
- WeiterlesenDoE-Happen #065: Warum ein starkes Gesamtmodell manchmal falsche Sicherheit gibt
- DoE-EntscheiderFaktoren-Wirkung

