Kurzantwort: Diskursanalyse ist eine Familie qualitativer Methoden, die untersucht, was Sprache bewirkt: wie sie Identitäten aufbaut, Probleme rahmt und Macht stabilisiert oder herausfordert. Anders als die thematische Analyse, die fragt, was Teilnehmende gesagt haben, fragt die Diskursanalyse, wie und warum es so gesagt wurde. Wählen Sie eine Tradition (kritisch, diskursive Psychologie, foucaultsch oder nach Gee) bereits vor der Datenerhebung, denn jede impliziert eine andere Forschungsfrage und Analyseeinheit.
Diskursanalyse in der qualitativen Forschung ist oft die Methode, zu der Doktorandinnen und Doktoranden greifen, wenn die thematische Analyse zu flach wirkt. Ihre Interviews sind voll von Abschwächungen, Rechtfertigungen, übernommenen Wendungen und institutioneller Fachsprache, und der interessante Befund ist nicht das Thema, sondern die Art, wie Menschen darüber sprechen. Dieser Leitfaden erklärt, was Diskursanalyse ist, vergleicht ihre vier wichtigsten Traditionen, beschreibt ein schrittweises Vorgehen mit einem durchgearbeiteten Beispiel und zeigt, wo KI-Werkzeuge helfen und wo die Forschung von 2026 ihnen Grenzen zieht.
\n\nDiskursanalyse ist die qualitative Untersuchung von Sprache im Gebrauch. Sie betrachtet Gespräch und Text als soziales Handeln: Menschen nutzen Wörter, um zu rechtfertigen, zu beschuldigen, einzuschließen, auszuschließen, zu überzeugen und sich selbst und andere zu positionieren. Die Analystin oder der Analyst untersucht Wortwahl, Metaphern, Grammatik, Argumentationsstruktur und den weiteren sozialen Kontext, um zu erklären, was ein Diskurs bewirkt und was er denkbar oder sagbar macht.
\nDie Daten können Interviewtranskripte, Fokusgruppengespräche, Politikdokumente, Zeitungsartikel, Social-Media-Beiträge oder Besprechungsaufnahmen sein. Was sich ändert, ist die Frage. Eine thematisch arbeitende Forscherin fragt: „Was sagen Pflegekräfte über die Arbeitsbelastung?“ Eine diskursanalytisch arbeitende Forscherin fragt: „Wie konstruieren Pflegekräfte die Arbeitsbelastung als persönliches Versagen oder als institutionelles Problem, und was ermöglicht jede dieser Konstruktionen?“
\n\nWie Gee in An Introduction to Discourse Analysis feststellt, ist kein einzelner Ansatz allein richtig. Verschiedene Ansätze passen zu verschiedenen Fragen. Die folgende Tabelle fasst die vier Traditionen zusammen, denen Sie in Sozialwissenschaften, Gesundheitsforschung, Bildungsforschung und Managementforschung am ehesten begegnen.
\n| Ansatz | Leitfrage | Analyseeinheit | Typische Daten | Gut geeignet, wenn… |
|---|---|---|---|---|
| Kritische Diskursanalyse (Fairclough) | Wie reproduziert oder widersetzt sich Sprache Macht und Ungleichheit? | Text, diskursive Praxis und soziale Praxis (drei Dimensionen) | Policy-Dokumente, Medien, Organisationsdokumente, Interviews | Ihre Frage betrifft Ideologie, Macht oder sozialen Wandel |
| Diskursive Psychologie (Potter und Wetherell) | Was tun Menschen mit ihrer Rede in dieser Interaktion? | Redebeiträge, Darstellungen (accounts), interpretative Repertoires | Natürlich vorkommende Gespräche, Interviews, Fokusgruppen | Sie untersuchen Einstellungen, Identität oder Verantwortlichkeit als sprachliches Handeln |
| Foucaultsche Diskursanalyse | Was ermöglicht ein Diskurs zu wissen, zu sagen oder zu sein? | Diskursive Formationen, Subjektpositionen, historische Verschiebungen | Archive, Fachtexte, Leitlinien über die Zeit | Ihre Frage betrifft, wie Kategorien (z. B. „Patient“, „Nutzer“) entstanden sind |
| Gees Ansatz | Wie erzeugt Sprache Bedeutung, Identitäten, Beziehungen und Politik? | Äußerungen, analysiert anhand von „Bauaufgaben“ (building tasks) | Interviews, Unterrichtsgespräche, Alltagsgespräche | Sie wünschen ein strukturiertes, lehrbares Instrumentarium, das in der Bildungsforschung verbreitet ist |
Die Wahl zwischen ihnen ist eine Designentscheidung, keine stilistische. Ong, Beaumont, Caine und Slemon (2024) beschreiben zwei Masterstudentinnen der Pflegewissenschaft, die zwischen Fairclough und Foucault wählen, und kommen zu dem Schluss, dass die Entscheidung vom inhaltlichen Schwerpunkt, dem methodischen Wissen der Forschenden sowie ihrer Positionalität und ihren Interessen abhängt (International Journal of Qualitative Methods, 2024).
\n\nDie drei Methoden werden oft verwechselt, weil sie dieselben Transkripte verwenden können. Der Unterschied liegt in der Frage, die Sie stellen, und darin, was als Befund gilt.
\nEin praktischer Test: Würden Ihre Befunde überleben, wenn Sie die Zitate umformulieren, dann betreiben Sie wahrscheinlich thematische Analyse. Würde eine Umformulierung den Befund zerstören, weil genau der Wortlaut, die Abschwächung oder die Metapher der Kern ist, dann betreiben Sie Diskursanalyse. Für Lebensgeschichten und Abfolgen sollten Sie stattdessen narrative Analyse in Betracht ziehen.
\n\nDie folgenden Schritte sind ein allgemeines Gerüst. Passen Sie sie an die gewählte Tradition an und zitieren Sie in Ihrem Methodenteil die Standardwerke dieser Tradition zum Vorgehen.
\nNehmen Sie einen fiktiven Interviewauszug von einer Krankenhausleitung: „Natürlich wollen wir alle den Patienten mehr Zeit geben, aber die Realität ist, dass das System es einfach nicht zulässt.“
\nEine thematisch arbeitende Analystin würde dies als „Zeitdruck“ kodieren. Eine diskursanalytisch arbeitende Analystin würde argumentieren, dass hier ein verantwortungsverschiebendes Repertoire sichtbar wird, und würde dann im gesamten Korpus prüfen, wann dieses Repertoire auftritt, wer es verwendet und was es verstummen lässt.
\n\nWir verwenden diese von Qualitati erstellte Checkliste, bevor wir einem Forschungsteam Diskursanalyse empfehlen. Wenn Sie nicht mindestens fünf Punkte abhaken können, dient der Studie womöglich eine andere Methode besser.
\nTeilweise. LLMs können einen ersten Entwurf der Rahmung und der Argumentationsstruktur liefern, übersehen aber implizite Bedeutung, und die Interpretation muss eine menschliche Analystin oder ein menschlicher Analyst leisten.
\nDie direkteste Evidenz stammt von Francesca Cristiano und Emiliano Giovannetti vom Institut für Computerlinguistik des italienischen Nationalen Forschungsrats (CNR-ILC). In einer Pilotstudie, veröffentlicht am 22. Juni 2026 in Umanistica Digitale, erstellten sie einen konsensbasierten Goldstandard von drei menschlichen Ratern, die dreißig Meinungsartikel aus ideologisch unterschiedlichen Zeitungen zur Medienberichterstattung über den Angriff vom 7. Oktober analysierten. Ein LLM beantwortete dieselben analytischen Fragen. Es schnitt bei makro- und superstrukturellen Merkmalen gut ab, hatte aber Schwierigkeiten mit mikrostrukturellen Merkmalen wie der Erkennung von Euphemismen. Eine kürzere Fassung erschien im Mai auf dem LLMs4SSH-Workshop bei LREC 2026. Die Autorinnen und Autoren folgern, dass LLMs am besten als Hilfsmittel der Interpretation zu behandeln sind, nicht als Ersatz für menschliche Analystinnen und Analysten.
\nDas deckt sich mit dem, was wir bei KI-gestützter Kodierung allgemein sehen. Modelle fassen gut zusammen, was ein Text argumentiert, und sind schwächer bei dem, was er impliziert. Euphemismen, Ironie, strategische Vagheit und fehlende Akteure sind genau die Merkmale, die Diskursanalytikerinnen und -analytiker am meisten interessieren. Modelle können Zitate außerdem erfinden oder verändern, was für eine Methode, die auf dem genauen Wortlaut beruht, fatal ist. Siehe halluzinierte Zitate in der qualitativen Analyse mit LLMs.
\n\n| Aufgabe | An KI delegierbar? | Warum |
|---|---|---|
| Transkription und Korpusorganisation | Ja, mit Stichprobenprüfung | Mechanisch; wo es auf den genauen Wortlaut ankommt, am Audio überprüfen |
| Auffinden aller Vorkommen einer Wendung, eines Pronomens oder einer Metaphernfamilie | Ja | Suche und Abruf im großen Maßstab; die Forschenden lesen die Treffer |
| Zusammenfassung des Gesamtarguments oder der Rahmung eines Textes | Als erster Entwurf | Auf Makroebene ist die Übereinstimmung in den Belegen von 2026 am größten |
| Erkennen von Euphemismen, Ironie, Implikatur | Nein, menschlich geführt | Auf der Mikroebene, bei impliziter Bedeutung, scheiterten die Modelle |
| Verknüpfung von Diskurs mit Macht, Ideologie oder Geschichte | Nein, menschlich geführt | Dies ist die interpretative Behauptung der Studie; sie braucht Theorie und Reflexivität |
Qualitati ist eine europäische, preisgünstige qualitative Forschungsplattform für Universitäten und Forschungsunternehmen. Sie automatisiert keine Diskursanalyse, und wir finden, dass niemand dies behaupten sollte. Sie kann jedoch die Arbeit rund um das genaue Lesen beschleunigen:
\nFür wen das gedacht ist: Doktorandinnen und Doktoranden, Forschungsgruppen und Unternehmen für qualitative Forschung, die Transkripte und eine erste Kodierung erledigt haben möchten, damit sie ihre Zeit auf die Interpretation verwenden können. Sie können mit dem kostenlosen Tarif starten (30 Credits pro Monat, ohne Kreditkarte). Siehe Preise.
\n\nMethodische Anmerkung: Die oben genannte KI-Evidenz stammt aus einer einzigen Pilotstudie zu einem Korpus von Meinungsartikeln aus Zeitungen. Sie lässt sich womöglich nicht auf Interviewdaten oder andere Sprachen übertragen. Lassen Sie jedes KI-gestützte diskursanalytische Design von einer betreuenden Person mit methodischer Expertise prüfen.
\n\nEs ist die Untersuchung, wie Menschen Sprache verwenden, um etwas zu tun, etwa zu rechtfertigen, zu überzeugen, einzuschließen oder auszuschließen, und was dieser Sprachgebrauch über Identitäten, Beziehungen und Macht in einem bestimmten Kontext offenbart.
\nDie thematische Analyse erkennt Muster in dem, was Teilnehmende sagen. Die Diskursanalyse untersucht, wie sie es sagen und was diese Formulierung bewirkt. Das Umformulieren von Zitaten lässt thematische Befunde meist unberührt, zerstört aber diskursive.
\nDie vier häufigsten in den Sozialwissenschaften sind die kritische Diskursanalyse (Fairclough), die diskursive Psychologie (Potter und Wetherell), die foucaultsche Diskursanalyse und Gees Ansatz. Die Konversationsanalyse ist eng verwandt, aber eine eigenständige Methode.
\nEs gibt keine feste Zahl. Diskursstudien legen Wert auf Tiefe, daher sind kleine, Zeile für Zeile analysierte Korpora üblich. Begründen Sie den Umfang mit Ihrer Frage und dem Reichtum der Daten; siehe unseren Leitfaden zu qualitativer Stichprobengröße und Informationsgehalt.
\nSie können einen ersten Entwurf der Gesamtrahmung liefern. Eine Pilotstudie von 2026 fand eine gute Übereinstimmung mit menschlichen Analystinnen und Analysten bei Merkmalen der Makroebene, aber schwächere Leistung bei impliziten Merkmalen der Mikroebene wie Euphemismen. Die menschliche Interpretation bleibt notwendig.
\n\nDiskursanalyse in der qualitativen Forschung belohnt Forschende, denen es darauf ankommt, wie etwas gesagt wird und nicht nur, was gesagt wird. Wählen Sie eine Tradition, die zu Ihrer Frage passt, halten Sie das Korpus klein genug für genaues Lesen, zeigen Sie Ihre Auszüge und nutzen Sie KI für die mechanische Arbeit rund um die Interpretation, nicht für die Interpretation selbst. Bereit, die Daten zu erheben und zu ordnen? Kostenlos mit 30 Credits starten oder Qualitati mit NVivo vergleichen.
\n\nCristiano, F., & Giovannetti, E. (2026, June 22). Can large language models support critical discourse analysis? A pilot experiment. Umanistica Digitale, 10(24), 47–65. doi.org/10.60923/issn.2532-8816/23143.
\nGiovannetti, E., & Cristiano, F. (2026, May). Exploring the use of large language models in critical discourse analysis: A consensus-based pilot study. LLMs4SSH @ LREC 2026, 18–22. ACL Anthology.
\nOng, Beaumont, Caine & Slemon (2024). Selecting approaches for discourse analysis: Thoughts on nursing research. International Journal of Qualitative Methods, 23. doi.org/10.1177/16094069241299658.
\nGee, J. P. An Introduction to Discourse Analysis: Theory and Method. Routledge.
\n\nZuletzt aktualisiert: 15. Oktober 2026. Dieser Leitfaden ist eine unabhängige redaktionelle Zusammenfassung; Qualitati ist mit den zitierten Autorinnen, Autoren oder Verlagen nicht verbunden.
\n","related":[{"slug":"gioia-methodology-qualitative-research-2026","title":"Gioia-Methodik: Leitfaden zur Datenstruktur mit Beispiel","description":"Die Gioia-Methodik erklärt: Konzepte erster Ordnung, Themen zweiter Ordnung, aggregierte Dimensionen, ein Beispiel, Kritik und was KI kann und nicht kann.","category":"Qualitative Datenanalyse","date":"2026-10-18","readTime":"11 Min. Lesezeit","author":"Qualitati Research Team"},{"slug":"what-is-abductive-analysis-qualitative-research-2026","title":"Was ist abduktive Analyse in der qualitativen Forschung?","description":"Abduktive Analyse entwickelt Theorie aus überraschenden Daten. Timmermans und Tavorys Schritte, abduktiv vs. induktiv vs. deduktiv und wo KI hilft.","category":"Qualitative Datenanalyse","date":"2026-10-17","readTime":"10 Min. Lesezeit","author":"Qualitati Research Team"},{"slug":"open-axial-selective-coding-2026","title":"Offenes, axiales und selektives Kodieren: Grounded Theory","description":"Offenes Kodieren benennt Konzepte, axiales verknüpft sie mit dem Paradigma, selektives integriert sie um eine Kernkategorie. Mit Beispielen und Checkliste.","category":"Qualitative Datenanalyse","date":"2026-09-24","readTime":"11 Min. Lesezeit","author":"Qualitati Research Team"}]}