Umfragen haben sich zu einer unverzichtbaren Informationsquelle für soziale und politische Sachverhalte in modernen Gesellschaften entwickelt, wobei große Anforderungen an die Datenqualität bestehen. Gemeinsam mit sinkenden Teilnahmeraten und einem steigenden Bedarf an Feldarbeit führen höhere Erwartungen an die Datenqualität jedoch zu immer höheren Kosten. Dies hat in den vergangenen Jahren zu einem rasanten Anstieg von Online-Erhebungen geführt. Diese Erhebungen sind jedoch bezüglich der maximalen Fragenbogenlänge begrenzt, insbesondere im Vergleich zu Face-to-Face-Interviews. Es werden daher Methoden benötigt, die eine Komprimierung langer Fragebögen in kürzere Formate für Online-Erhebungen ermöglichen. Ein solcher Ansatz sind modulare Fragenbogendesigns, bei welchen die Befragten nicht mehr alle Fragen eines Fragenbogens beantworten. Stattdessen erhalten sie nur einen Teil des vollständigen Fragebogens, sogenannte Module. Fehlende Werte, welche aus den Fragen entstehen, die ein Befragter nicht erhalten hat, werden imputiert. Das Ziel dieses Projektes liegt in der Untersuchung, ob modulare Fragebogendesigns und die Imputation mit im Ergebnis kürzeren Online-Erhebungen, Alternative zu aufwendigen Face-to-Face-Erhebungen in sozialwissenschaftlichen Erhebungen darstellen können. Insbesondere wird evaluiert, ob solche Verfahren zu Daten mit der gewünschten hohen Qualität (im Sinne einer hohen Reliabilität und Validität) führen können - bei Verwendung geeigneter Imputationsmethoden und Imputationsmodellen sowie der gleichzeitigen Gewährleistung reduzierter Kosten. In diesem Projekt werden verschiedene Modularisierungsstrategien und Imputationsstrategien entwickelt und auf Basis von Kriterien bewertet, die für sozialwissenschaftliche Erhebungen von Bedeutung sind. Diese Strategien werden im Rahmen einer Monte-Carlo-Simulation verglichen. Diese Simulationsstudie wird auf Basis realexistierender Daten des German Internet Panels (GIP) durchgeführt.