Qualitative Forschung 101: Methoden, Analyse und KI-gestützte Werkzeuge (Leitfaden 2026)

Geschrieben von Fengming Liu (UCL) · Geprüft von Prof. Shubin Yu (HEC Paris) · May 2026 · Aktualisiert: 2026-05-30 · 18 min read

Qualitative Forschung ist die Art und Weise, wie wir den Dingen einen Sinn geben, die sich mit Zahlen allein nicht erklären lassen — warum Menschen die Entscheidungen treffen, die sie treffen, wie sie ihre Erfahrungen beschreiben und welche Bedeutung sie der Welt um sie herum beimessen. Sie treibt Studien in Psychologie, Gesundheitswesen, Bildung, Marketing und User Experience an und steht hinter nahezu jeder tiefgreifenden Erkenntnis, die mit der Frage „warum?“ beginnt.

Dieser Leitfaden führt durch den gesamten Bogen einer qualitativen Studie: was qualitative Forschung ist, die Methoden zur Datenerhebung, wie man diese Daten durch Codierung und thematische Analyse auswertet und wie man die Arbeit streng und ethisch hält. Er behandelt außerdem etwas, das die meisten einführenden Leitfäden auslassen — wie KI-moderierte Interviews und computergestützte Textanalyse das Feld umgestalten und wo sie helfen im Vergleich dazu, wo eine menschliche Forscherin oder ein menschlicher Forscher nach wie vor unersetzlich ist.

Was ist qualitative Forschung?

Qualitative Forschung ist eine Untersuchungsmethode, die nicht-numerische Daten — Wörter, Beobachtungen, Bilder und Aufnahmen — sammelt und interpretiert, um Konzepte, Erfahrungen und die Bedeutungen, die Menschen ihnen geben, zu verstehen. Während quantitative Forschung misst, wie viel oder wie viele, erklärt qualitative Forschung warum und wie. Sie ist explorativ, interpretativ und im Kontext verankert statt in der Statistik.

Statt eine feste Hypothese an einer großen Stichprobe zu prüfen, beginnen qualitativ Forschende meist mit einer offenen Frage und lassen Muster aus reichhaltigen, detaillierten Schilderungen entstehen. Einige Kennzeichen prägen den Ansatz:

Naturalistisch — sie untersucht Menschen in ihren realen Umgebungen, nicht unter kontrollierten Laborbedingungen.
Interpretativ — die Aufgabe der Forschenden besteht darin, Bedeutung zu verstehen, nicht nur Verhalten aufzuzeichnen.
Induktiv — Theorien und Themen werden aus den Daten heraus aufgebaut, statt ihnen im Voraus auferlegt zu werden.
Kontextreich — Erkenntnisse bleiben mit den Situationen und Stimmen verbunden, aus denen sie stammen.
Iterativ — Erhebung und Analyse finden oft in überlappenden Zyklen statt, von denen jeder den nächsten prägt.

Was sind qualitative Daten?

Qualitative Daten sind alle Informationen, die Qualitäten statt Mengen erfassen — Sprache, Verhalten, Bilder und Klang. Sie sind in der Regel unstrukturiert, das heißt, sie kommen nicht in ordentlichen Zeilen und Spalten an, und sie müssen meist transkribiert, organisiert und codiert werden, bevor sie analysiert werden können. Ein einzelner Satz in einem Interview kann mehr interpretatives Gewicht tragen als eine ganze Spalte von Umfragewerten.

Beispiele für qualitative Daten

Transkripte aus Tiefeninterviews
Fokusgruppendiskussionen und die Gruppendynamik darin
Offene Umfrageantworten
Feldnotizen aus Beobachtung oder Ethnografie
Persönliche Dokumente — Tagebücher, Briefe, Aufzeichnungen
Social-Media-Beiträge, Bewertungen und Forenthreads
Fotografien, Videos und Bildschirmaufnahmen
Audioaufnahmen und ihr Tonfall, ihre Pausen und Betonungen
Sitzungsprotokolle, Strategiedokumente und Berichte
Forschungsmemos und reflektierende Notizen

Wo qualitative Forschung eingesetzt wird

Qualitative Methoden sind an keine einzelne Disziplin gebunden. Sie tauchen überall dort auf, wo menschliche Erfahrung, Sprache oder Kultur Gegenstand der Untersuchung ist:

Psychologie — gelebte Erfahrungen von psychischer Gesundheit, Identität und Verhalten
Gesundheitswesen und Pflege — Patientenerfahrung, Therapietreue, Versorgungsqualität
Bildung — Lernerfahrungen, Unterrichtsdynamik, Lehrplanwirkung
Soziologie und Anthropologie — Kultur, soziale Strukturen und Gruppenverhalten
Marketing und Konsumforschung — Markenwahrnehmung, Motivation, Entscheidungsfindung
UX- und Produktforschung — Usability, Bedürfnisse und das „Warum“ hinter dem Nutzerverhalten
Politikwissenschaft und öffentliche Politik — Einstellungen, Narrative und Sichtweisen von Interessengruppen

Qualitative vs. quantitative Forschung

Der klarste Weg, qualitative Forschung zu verstehen, besteht darin, sie ihrem Gegenstück gegenüberzustellen. Die beiden Ansätze beantworten unterschiedliche Fragen und sind in unterschiedlichen Situationen am stärksten.

Dimension	Qualitative Forschung	Quantitative Forschung
Kernfrage	Warum und wie?	Wie viel, wie viele, wie oft?
Datentyp	Wörter, Bilder, Beobachtungen	Zahlen und Messungen
Zweck	Erkunden, verstehen, interpretieren	Messen, prüfen, verallgemeinern
Stichprobengröße	Klein, gezielt (purposiv)	Groß, repräsentativ
Analyse	Codierung, thematische Interpretation	Statistische Prüfung
Schlussweise	Überwiegend induktiv	Überwiegend deduktiv
Typisches Ergebnis	Themen, Narrative, Theorie	Statistiken, Korrelationen, Modelle
Rolle der Forschenden	Aktive Interpretierende	Distanzierte Beobachtende

Keiner ist abstrakt betrachtet besser. Wenn Sie wissen wollen, welcher Prozentsatz der Kund:innen im letzten Quartal abgewandert ist, ist das quantitativ. Wenn Sie wissen wollen, warum sie gegangen sind und wie sie die Erfahrung beschreiben, ist das qualitativ.

Mixed Methods: beides gemeinsam nutzen

Viele der stärksten Studien kombinieren beides in einem Mixed-Methods-Design. Qualitative Interviews könnten die Themen und die Sprache zutage fördern, die Menschen verwenden, was dann eine groß angelegte quantitative Umfrage informiert — oder Umfragedaten könnten ein überraschendes Muster offenbaren, das qualitative Folgeinterviews erklären helfen. Gemeinsam genutzt sagen die Zahlen, was geschieht, und die Wörter sagen, warum.

Eine qualitative Studie planen

Gute qualitative Forschung wird gestaltet, nicht improvisiert. Bevor auch nur ein einziges Interview erhoben wird, prägen vier Planungsentscheidungen alles Weitere.

1. Die Forschungsfrage

Qualitative Forschungsfragen sind offen und explorativ. Sie beginnen mit Wörtern wie „wie“, „was“ oder „auf welche Weise“ und vermeiden es, eine Antwort vorauszusetzen. „Wie erleben Studierende der ersten Generation den Übergang an die Universität?“ lädt zur Entdeckung ein; „Verbessert Nachhilfe die Noten?“ tut das nicht.

2. Die theoretische Perspektive (Paradigma)

Jede:r Forschende bringt Annahmen darüber mit, was als Wissen zählt. Sie zu benennen hält die Arbeit ehrlich. Häufige Paradigmen sind Konstruktivismus (Realität ist sozial konstruiert und vielfältig), Interpretivismus (Ziel ist es, Bedeutung zu verstehen) und kritische Theorie (Forschung sollte Machtstrukturen offenlegen und herausfordern). Ihr Paradigma bestimmt, welche Methoden passen und wie Sie interpretieren, was Sie finden.

3. Die Literaturrecherche

Eine Literaturrecherche verortet Ihre Studie in dem, was bereits bekannt ist. Sie zeigt die Lücke, die Ihre Forschung füllt, schärft Ihre Frage und verhindert, dass Sie wiederentdecken, was das Feld vor Jahren geklärt hat. In induktiven Designs halten manche Forschende die Recherche zu Beginn bewusst knapp, damit bestehende Theorie nicht beeinflusst, was sie in den Daten bemerken.

4. Stichprobenziehung und Sättigung

Qualitative Studien nutzen purposive Stichprobenziehung — die Auswahl von Teilnehmenden, die reichhaltig zur Frage Auskunft geben können, nicht einen zufälligen Querschnitt. Stichprobengrößen sind bewusst klein. Sie erheben so lange Daten, bis Sie Sättigung erreichen: den Punkt, an dem neue Interviews keine neuen Themen mehr hervorbringen. Bei vielen Interviewstudien liegt das irgendwo zwischen 12 und 30 Teilnehmenden, auch wenn die richtige Zahl stets vom Thema abhängt.

Qualitative Forschungsmethoden

„Methode“ bezieht sich darauf, wie Sie Daten erheben. Die wichtigsten qualitativen Methoden erfassen jeweils einen anderen Ausschnitt menschlicher Erfahrung, und viele Studien kombinieren mehr als eine.

Interviews

Das Tiefeninterview ist das Arbeitspferd der qualitativen Forschung: ein geführtes Eins-zu-eins-Gespräch, das die Erfahrungen, Überzeugungen und Denkweisen einer Person herausarbeitet. Interviews reichen von strukturiert (ein festes Skript) über halbstrukturiert (ein Leitfaden plus Raum, interessanten Fäden zu folgen) bis hin zu unstrukturiert (eine lose, gesprächige Erkundung). Halbstrukturierte Interviews sind am häufigsten, weil sie Konsistenz über die Teilnehmenden hinweg mit der Freiheit zum Nachfragen ausbalancieren.

Fokusgruppen

Eine Fokusgruppe bringt eine kleine Zahl von Teilnehmenden zusammen — meist 6 bis 10 —, um ein Thema als Gruppe zu diskutieren. Was Fokusgruppen auszeichnet, ist die Interaktion: Menschen bauen aufeinander auf, fordern einander heraus und reagieren aufeinander, wodurch geteilte Normen und Meinungsverschiedenheiten zutage treten, die ein Eins-zu-eins-Interview verpassen würde. Sie werden in der Marktforschung, der Politikarbeit und im Produktdesign breit eingesetzt. Der Kompromiss ist, dass dominante Stimmen leisere verdrängen können, weshalb gekonnte Moderation wichtig ist.

Beobachtung und Ethnografie

Beobachtungsforschung bedeutet, Verhalten zu beobachten und aufzuzeichnen, während es sich auf natürliche Weise entfaltet. Ethnografie geht noch weiter: Die Forschenden tauchen über einen längeren Zeitraum, oft als Teilnehmende, in eine Gemeinschaft oder Umgebung ein, um Kultur von innen heraus zu verstehen. Diese Methoden zeigen, was Menschen tatsächlich tun — was nicht immer das ist, was sie in einem Interview zu tun behaupten.

Fallstudien

Eine Fallstudie ist eine eingehende Untersuchung einer einzelnen abgegrenzten Einheit — einer Person, Organisation, eines Ereignisses oder Programms — und stützt sich meist auf mehrere Datenquellen zugleich. Fallstudien sind kraftvoll, wenn der Kontext untrennbar mit dem Phänomen verbunden ist und wenn man Tiefe statt Breite anstrebt.

Dokumenten- und Inhaltsanalyse

Nicht alle qualitativen Daten werden aus erster Hand erhoben. Forschende analysieren auch vorhandene Materialien — Strategiedokumente, Medienberichterstattung, historische Aufzeichnungen, Online-Bewertungen oder Social Media —, um zu verstehen, wie ein Thema gerahmt und diskutiert wird. Dies ist eine natürliche Brücke zu den computergestützten Methoden, die später in diesem Leitfaden behandelt werden.

KI-moderierte Interviews: eine neue Methode

Einer der größten jüngeren Umbrüche in der qualitativen Forschung ist das Aufkommen KI-moderierter Interviews — Interviews, die von einer konversationellen KI geführt werden, die Fragen stellt, Antworten zuhört und in Echtzeit nachfragt, per Stimme oder Text. Die KI arbeitet anhand eines von Forschenden gestalteten Interviewleitfadens, passt ihre Nachfragen aber an jede:n Teilnehmende:n an, so wie es eine gekonnte menschliche Moderation täte.

Das ist aus drei praktischen Gründen bedeutsam. Erstens Skalierung: Eine KI-Moderation kann Hunderte von Interviews parallel führen, zu jeder Stunde und in vielen Sprachen, sodass qualitative Tiefe nicht länger dadurch begrenzt ist, wie viele Sitzungen ein Forschungsteam persönlich besetzen kann. Zweitens Konsistenz: Jede:r Teilnehmende erhält denselben kalibrierten Ansatz, was die tägliche Variation zwischen menschlichen Interviewenden beseitigt. Drittens Geschwindigkeit: Die Transkription erfolgt automatisch, und die Analyse kann sofort beginnen.

KI-Moderation ersetzt nicht das Urteilsvermögen der Forschenden — sie erweitert ihre Reichweite. Die Forschenden gestalten weiterhin die Studie, schreiben den Leitfaden, setzen die ethischen Leitplanken und interpretieren die Ergebnisse. Die KI übernimmt die repetitiven, skalierbaren Teile der Feldarbeit.

Die ehrlichen Vorbehalte: KI-Moderationen können subtile emotionale Signale verpassen, die ein Mensch erfassen würde, und sensible Themen können einen menschlichen Bezug erfordern. Gut eingesetzt sind sie am besten als eine kraftvolle neue Methode im Werkzeugkasten zu verstehen, statt als pauschaler Ersatz für menschengeführte Interviews. Auf die Ethik hiervon kommen wir weiter unten zurück.

Wie man qualitative Daten analysiert

Datenerhebung ist nur die halbe Arbeit. Die Analyse ist, wie aus rohen Transkripten und Feldnotizen Erkenntnisse werden. Der Prozess ist systematisch, auch wenn er mit unordentlichem, menschlichem Material umgeht.

Schritt 1: Transkription

Audio und Video müssen zunächst zu Text werden. Transkription verbrauchte früher Stunden pro Interview; KI-Sprache-zu-Text erzeugt nun in Minuten ein nahezu vollständiges Transkript, sodass die Forschenden nur noch die Genauigkeit überprüfen und bedeutsame nonverbale Details wie lange Pausen oder Lachen erfassen müssen.

Schritt 2: Codierung

Codierung ist das Herzstück der qualitativen Analyse: das Versehen von Datensegmenten mit kurzen Schlagworten, die ihre Bedeutung erfassen, sodass man sie über den Datensatz hinweg gruppieren und vergleichen kann. Es gibt zwei grundlegende Ansätze, und die meisten Studien mischen sie:

Induktive (offene) Codierung — Codes entstehen aus den Daten selbst, ohne vorgegebene Liste. Am besten, wenn Sie etwas Neues erkunden.
Deduktive Codierung — Sie beginnen mit einem aus Theorie oder früherer Forschung abgeleiteten Codebuch und wenden es auf die Daten an. Am besten beim Prüfen oder Erweitern bestehender Rahmenmodelle.

Codes werden dann in breitere Kategorien und Kategorien in Themen organisiert — ein Prozess, der manchmal als Übergang von offener zu axialer Codierung beschrieben wird.

Schritt 3: Thematische Analyse

Die thematische Analyse ist die am weitesten verbreitete Methode, um Bedeutungsmuster über einen Datensatz hinweg zu identifizieren. Das bekannte sechsphasige Rahmenmodell von Braun and Clarke gibt ihr eine klare Struktur:

Vertrautmachen — die Daten lesen und wiederholt lesen, bis Sie sie gut kennen.
Erste Codes generieren — bedeutsame Merkmale systematisch über den Datensatz hinweg auszeichnen.
Nach Themen suchen — verwandte Codes zu Themenkandidaten gruppieren.
Themen überprüfen — Themen anhand der codierten Daten und des gesamten Datensatzes prüfen.
Themen definieren und benennen — festlegen, worum es bei jedem Thema geht und worum nicht.
Verschriftlichung — die Themen in ein analytisches Narrativ einweben, gestützt auf lebendige Zitate.

Weitere analytische Ansätze

Grounded Theory — baut eine Theorie direkt aus den Daten durch ständigen Vergleich auf; ideal, wenn keine bestehende Theorie passt.
Inhaltsanalyse — kategorisiert das Vorkommen von Konzepten in Texten systematisch und zählt es oft.
Narrative Analyse — konzentriert sich auf die Geschichten, die Menschen erzählen, und wie sie sie konstruieren.
Diskursanalyse — untersucht, wie Sprache Bedeutung konstruiert und Macht widerspiegelt.

Computergestützte Textanalyse für qualitative Daten

Wenn Datensätze wachsen — Tausende offener Antworten, Jahre von Bewertungen, Hunderte von Transkripten —, hat manuelle Codierung allein Mühe mitzuhalten. Computergestützte Textanalyse wendet natürliche Sprachverarbeitung (NLP) und maschinelles Lernen an, um große Mengen qualitativen Texts zu analysieren und Muster zutage zu fördern, deren Auffinden ein menschliches Team Wochen kosten würde.

Zu den häufigsten Techniken zählen:

Topic Modeling — Algorithmen (wie LDA oder neuere einbettungsbasierte Methoden), die Cluster gemeinsam auftretender Wörter erkennen und die latenten Themen zutage fördern, die sich durch ein Korpus ziehen.
Sentimentanalyse — Klassifikation von Text nach emotionalem Tonfall, nützlich, um zu verfolgen, wie sich Gefühl über einen Datensatz verschiebt.
Eigennamen- und Schlüsselwortextraktion — automatisches Herausziehen der wichtigen Personen, Organisationen und Konzepte.
LLM-gestützte Codierung — Einsatz großer Sprachmodelle, um Codes und Themen vorzuschlagen, die die Forschenden dann überprüfen, verfeinern und freigeben.

KI-gestützte Codierung vs. manuelle Codierung

Die Wahl ist kein Entweder-oder — der stärkste Arbeitsablauf nutzt KI für Geschwindigkeit und Breite und die Forschenden für Urteilsvermögen und Tiefe. So vergleichen sie sich:

Faktor	Manuelle Codierung	KI-gestützte Codierung
Geschwindigkeit	Langsam — Tage bis Wochen	Schnell — Minuten bis Stunden
Konsistenz	Variiert mit Ermüdung und Codierperson	Hochgradig konsistent über den Datensatz
Skalierung	Begrenzt durch menschliche Arbeitsstunden	Bewältigt sehr große Datensätze
Nuance und Kontext	Stark — erfasst Ironie, Subtext	Verbessert sich, kann aber Feinheiten verpassen
Kontrolle der Forschenden	Vollständig	Forschende überprüfen und geben frei
Transparenz	Vollständig nachvollziehbar	Erfordert Sorgfalt, um prüfbar zu bleiben
Kosten	Hoch im Arbeitsaufwand	Niedrig pro Einheit, nach Einrichtung

Der sich abzeichnende Konsens ist ein Human-in-the-Loop-Modell: Die KI liefert einen ersten Durchgang von Codes und Themen über den gesamten Datensatz, und die Forschenden validieren, korrigieren und interpretieren. Dies bewahrt die Geschwindigkeit der Berechnung und zugleich die interpretative Strenge, die gute qualitative Arbeit ausmacht.

Strenge sicherstellen: Vertrauenswürdigkeit in der qualitativen Forschung

Da sich qualitative Forschung nicht auf statistische Signifikanz stützt, hat sie ihre eigenen Qualitätsstandards. Das am häufigsten zitierte Rahmenmodell (Lincoln and Guba) definiert vier Kriterien der Vertrauenswürdigkeit:

Glaubwürdigkeit (Credibility) — sind die Erkenntnisse glaubhaft? Zu den Techniken zählen Member-Checking und die Triangulation mehrerer Datenquellen.
Übertragbarkeit (Transferability) — könnten die Erkenntnisse anderswo gelten? Erreicht durch dichte, detaillierte Beschreibung des Kontexts.
Verlässlichkeit (Dependability) — wäre der Prozess bei Wiederholung konsistent? Gestützt durch einen klaren, dokumentierten Prüfpfad.
Bestätigbarkeit (Confirmability) — sind die Erkenntnisse in den Daten verankert statt in der Voreingenommenheit der Forschenden? Gestützt durch Reflexivität und transparente Argumentation.

Ethische Überlegungen

Qualitative Forschung befasst sich mit den Geschichten von Menschen, oft zu sensiblen Themen, weshalb Ethik kein Kästchen am Ende ist — sie durchzieht das gesamte Projekt.

Informierte Einwilligung — Teilnehmende müssen verstehen, was die Studie umfasst, und frei der Teilnahme zustimmen.
Vertraulichkeit und Privatsphäre — Identitäten schützen und sensible Daten sichern, einschließlich der sorgfältigen Anonymisierung von Zitaten.
Voreingenommenheit — die Wege erkennen und minimieren, auf denen die Erwartungen der Forschenden prägen können, was sie hören und berichten.
Machtdynamiken — sich des Ungleichgewichts zwischen Forschenden und Teilnehmenden bewusst sein und daran arbeiten, es zu verringern.
Reflexivität — die eigenen Annahmen, Position und Einflussnahme auf die Forschung fortlaufend prüfen.

Ethik im Zeitalter der KI

KI-gestützte Methoden bringen neue Verantwortlichkeiten mit sich. Beim Einsatz von KI-Moderationen oder computergestützter Analyse sollten Forschende gegenüber Teilnehmenden über die Rolle der KI transparent sein, den Datenschutz wahren, wenn Text von externen Modellen verarbeitet wird, auf algorithmische Verzerrungen achten, wie die KI Antworten codiert oder interpretiert, und einen Menschen für jede veröffentlichte Erkenntnis verantwortlich halten. Das Prinzip ist einfach: KI kann die Arbeit unterstützen, aber sie kann das Urteilsvermögen nicht besitzen.

Ein durchgearbeitetes Beispiel

Um den gesamten Prozess an einem Ort zu sehen, stellen Sie sich eine Studie vor, die fragt: „Wie erleben Mitarbeitende im Homeoffice Zugehörigkeit am Arbeitsplatz?“

Design — eine halbstrukturierte Interviewstudie, konstruktivistisches Paradigma, purposive Stichprobe von 20 Remote-Beschäftigten.
Erhebung — 30- bis 45-minütige Interviews, automatisch geführt und transkribiert; die Forschenden überprüfen jedes Transkript.
Codierung — ein induktiver erster Durchgang (KI-gestützt) erzeugt Kandidatencodes wie „informeller Plausch“, „Sichtbarkeitsangst“ und „Ritual des täglichen Standups“, die die Forschenden verfeinern.
Themenbildung — Codes gruppieren sich zu Themen wie „Zugehörigkeit entsteht in kleinen Momenten“ und „Distanz nährt Zweifel an der eigenen Stellung“.
Validierung — Member-Checking mit einigen Teilnehmenden bestätigt, dass die Themen stimmig klingen.
Verschriftlichung — Themen werden mit repräsentativen Zitaten präsentiert und an die Literatur zur organisationalen Zugehörigkeit rückgebunden.

Werkzeuge für qualitative Forschung

Das richtige Werkzeug hängt von Ihrem Budget, Ihrem Bedarf an KI-Unterstützung und davon ab, wie sehr Sie eine sanfte Lernkurve schätzen. Hier ist ein ehrlicher Vergleich der wichtigsten Optionen.

Werkzeug	Typische Kosten	KI-gestützte Codierung	Integrierte Transkription	Lernkurve
NVivo	1.000 $+/Jahr	Begrenzt	Add-on	Steil
ATLAS.ti	$$	Ja (neuer)	Add-on	Mittel–steil
MAXQDA	$$	Begrenzt	Add-on	Mittel
Dovetail	$ (pro Platz)	Ja	Ja	Sanft
QualiTaTi	Kostenlose Stufe; Scholar ab 19 $/Monat	Ja — Kernfunktion	Ja, automatisch	Sanft

Traditionelle Desktop-Werkzeuge wie NVivo und ATLAS.ti sind tiefgehend und gut etabliert, aber teuer und anspruchsvoll zu erlernen. Neuere KI-native Plattformen führen Transkription, KI-gestützte Codierung und sogar KI-moderierte Interviews in einem einzigen Arbeitsablauf zusammen, was sowohl die Kosten als auch die Zeit bis zur Erkenntnis senkt — besonders wertvoll für Studierende und kleine Forschungsteams ohne institutionelle Lizenz.

Zentrale Erkenntnisse

Qualitative Forschung erklärt das Warum und Wie hinter menschlichem Verhalten anhand nicht-numerischer Daten wie Interviews, Beobachtungen und Texten.
Die zentralen Methoden sind Interviews, Fokusgruppen, Beobachtung/Ethnografie, Fallstudien und Dokumentenanalyse.
Die Analyse reicht von der Transkription über die Codierung bis zur thematischen Analyse, beurteilt nach Vertrauenswürdigkeit statt nach statistischer Signifikanz.
KI-moderierte Interviews und computergestützte Textanalyse fügen Skalierung, Geschwindigkeit und Konsistenz hinzu — am besten in einem Human-in-the-Loop-Modell eingesetzt.
Ethik und Strenge gelten durchgängig, und umso mehr, wenn KI Teil des Arbeitsablaufs ist.

Häufig gestellte Fragen

Was ist qualitative Forschung in einfachen Worten?

Es ist Forschung, die Erfahrungen, Bedeutungen und Verhalten anhand von Wörtern und Beobachtungen statt Zahlen untersucht, um zu verstehen, warum und wie etwas geschieht, statt wie viel davon es gibt.

Was ist der Unterschied zwischen qualitativer und quantitativer Forschung?

Qualitative Forschung erkundet Bedeutung anhand nicht-numerischer Daten und kleiner, purposiver Stichproben; quantitative Forschung misst und prüft mit numerischen Daten und großen, repräsentativen Stichproben. Viele Studien kombinieren beides in einem Mixed-Methods-Design.

Was sind die wichtigsten qualitativen Forschungsmethoden?

Die fünf häufigsten sind Tiefeninterviews, Fokusgruppen, Beobachtung und Ethnografie, Fallstudien sowie Dokumenten- oder Inhaltsanalyse.

Kann KI qualitative Analyse durchführen?

KI kann Interviews transkribieren, Codes vorschlagen, Topic Modeling und Sentimentanalyse durchführen und sogar Interviews im großen Maßstab moderieren. Sie funktioniert am besten in einem Human-in-the-Loop-Modell, bei dem die Forschenden die Studie gestalten und jede Erkenntnis validieren und interpretieren — KI beschleunigt die Arbeit, doch das interpretative Urteil bleibt menschlich.

Wie lange dauert die qualitative Datenanalyse?

Manuell können Codierung und thematische Analyse je nach Datensatzgröße Tage bis Wochen dauern. KI-gestützte Arbeitsabläufe können eine Erstcodierung in Minuten erzeugen, sodass die Forschenden ihre Zeit auf Überprüfung und Interpretation konzentrieren.

Ist qualitative Forschung verlässlich?

Ja, wenn sie streng durchgeführt wird. Statt nach statistischer Reliabilität wird qualitative Arbeit nach Vertrauenswürdigkeit beurteilt — Glaubwürdigkeit, Übertragbarkeit, Verlässlichkeit und Bestätigbarkeit —, gestützt durch Techniken wie Triangulation, Member-Checking, Prüfpfade und Reflexivität.

Wie viele Teilnehmende brauche ich für eine qualitative Studie?

Es gibt keine feste Zahl — Sie erheben Daten, bis Sie Sättigung erreichen, den Punkt, an dem neue Teilnehmende keine neuen Themen mehr offenbaren. Bei Interviewstudien sind das oft 12 bis 30 Personen, abhängig von der Komplexität des Themas.