Kurzantwort: In-vivo-Kodierung ist eine Methode der qualitativen Kodierung im ersten Zyklus, bei der jeder Code eine kurze Wendung ist, die wortwörtlich von der teilnehmenden Person übernommen und in Anführungszeichen gesetzt wird. Sie bewahrt die Sprache der Teilnehmenden unverändert, bevor Sie abstrahieren. Verwenden Sie sie für explorative, grounded-theory-basierte oder sprachsensible Studien; greifen Sie zur deskriptiven oder Prozesskodierung, wenn Sie vergleichbare Thema- oder Handlungsbezeichnungen brauchen.
In-vivo-Kodierung ist meist die erste Kodierungsmethode, der Studierende im Coding Manual von Saldaña begegnen, und eine der am leichtesten unmerklich falsch angewandten. Die Regel klingt banal (verwenden Sie die Worte der Teilnehmenden), doch in der Praxis paraphrasieren Analysierende, glätten die Grammatik, übernehmen Wendungen aus dem Redebeitrag der Interviewenden oder setzen eigene Konzepte in Anführungszeichen. Dieser Leitfaden gibt eine präzise Definition, zwei ausgearbeitete Beispiele, einen direkten Vergleich von In-vivo-, deskriptiver und Prozesskodierung sowie eine Checkliste, mit der Sie in einem Methodenkapitel belegen können, dass Ihr In-vivo-Durchgang tatsächlich wörtlich ist.
\n\nEr behandelt außerdem die Frage des Jahres 2026, die Betreuende inzwischen stellen: Kann ein KI-Werkzeug In-vivo-Kodierung leisten? Die Kurzfassung lautet, dass Sprachmodelle exakte Textstellen gut finden, aber schlecht dem Drang widerstehen, sie zu paraphrasieren. Deshalb braucht die Methode bei Softwareeinsatz striktere Vorgaben als die meisten anderen Kodierverfahren.
\n\nZuletzt aktualisiert: 7. Oktober 2026
\n\n\"es arbeitet einfach gegen mich\", nicht Usability-Frust.In-vivo-Kodierung ist eine Methode der qualitativen Datenanalyse, bei der jeder Code ein Wort oder eine kurze Wendung ist, die wörtlich aus der gesprochenen oder geschriebenen Sprache der teilnehmenden Person stammt. Das lateinische in vivo, „in dem, was lebt“, ist der Kern des Verfahrens: Der Code bleibt in der lebendigen Sprache der Daten, statt in akademisches oder produktbezogenes Vokabular übersetzt zu werden.
\nDer Begriff stammt aus der Grounded Theory, wo Anselm Strauss In-vivo-Codes (Begriffe, die die untersuchten Menschen tatsächlich verwenden) von Codes unterschied, die die Forschenden selbst konstruieren. Johnny Saldaña's The Coding Manual for Qualitative Researchers machte sie zu einer der Standardmethoden des ersten Zyklus; die 5. Auflage (SAGE, 2025) beschreibt mehr als 35 Kodierungsmethoden und ergänzt eine Diskussion generativer KI. Ein Review vom 27. Juni 2026 in The Qualitative Report fasst die Haltung der Auflage zusammen: Rechnergestützte Werkzeuge sind unterstützend, während Interpretation, kontextuelles Urteil und ethische Verantwortung bei den Forschenden bleiben.
\nDie Methode erscheint auch unter den Bezeichnungen wörtliche Kodierung (verbatim coding), literale Kodierung und Kodierung indigener Begriffe (siehe den Wiley-Eintrag „In Vivo Coding“ in der International Encyclopedia of Communication Research Methods). Üblich ist es, In-vivo-Codes in Anführungszeichen zu setzen, damit jede Person, die das Codebuch liest, erkennen kann, welche Bezeichnungen von Teilnehmenden stammen und welche von den Analysierenden.
\n\nNehmen Sie eine Zeile aus einem fiktiven Onboarding-Interview:
\n\n„Ich habe das Setup nicht fertig gemacht. Ich habe ständig darauf gewartet, dass es mir sagt, was es will, und das hat es nie getan. Also habe ich einfach den Tab geschlossen und bin zurück zur Tabelle gegangen.“
| Kodierungsmethode | Angewandter Code | Was erhalten bleibt | Was verloren geht |
|---|---|---|---|
| In vivo | \"darauf gewartet, dass es mir sagt, was es will\" | Das mentale Modell der Teilnehmenden: Sie erwarteten, geführt zu werden | Vergleichbarkeit mit Teilnehmenden, die es anders formuliert haben |
| Deskriptiv | Setup-Abbruch | Wo im Ablauf das Ereignis liegt | Warum es geschah, in deren Worten |
| Prozess | Zurückwechseln zum alten Tool | Die Handlung und ihre Richtung | Die emotionale Färbung des Aufgebens |
| Konzept / analytisch | Verletzung der Erwartung an Anleitung | Ein Konstrukt, mit dem sich theoretisieren lässt | Der gesamte Originalwortlaut; die Abstraktion gehört nun Ihnen |
Der Konzeptcode ist nicht falsch. Er ist schlicht eine Behauptung, und die Disziplin der In-vivo-Kodierung besteht darin, diese Behauptung im zweiten Zyklus offen zu treffen, statt im ersten Zyklus zufällig.
\n\nEine fiktive Lehrkraft am Anfang ihrer Laufbahn, befragt für eine Studie zur Arbeitsbelastung:
\n\n„Sonntage sind inzwischen praktisch Schultage. Du korrigierst nicht wirklich, du trägst es nur die ganze Zeit im Kopf mit dir herum, und mein Partner nennt es das Sonntagsgrauen.“
Vertretbare In-vivo-Codes sind \"Sonntage sind inzwischen praktisch Schultage\", \"es die ganze Zeit im Kopf mit sich herumtragen\" und \"das Sonntagsgrauen\". Ein deskriptiver Code wäre Wochenendarbeitsbelastung; ein Prozesscode wäre Gedankenkreisen über die Arbeit. Beachten Sie, dass \"das Sonntagsgrauen\" die Formulierung des Partners ist, über die die Teilnehmende berichtet. Behalten Sie sie, aber notieren Sie, dass es sich um berichtete Rede handelt: Zu wessen Sprache ein Code gehört, ist Teil der Daten.
Diese drei Verfahren des ersten Zyklus werden am häufigsten verwechselt. Der Unterschied liegt darin, woraus der Code besteht. In-vivo-Codes sind die Worte der Teilnehmenden; deskriptive Codes sind das Substantiv der Analysierenden für ein Thema; Prozesscodes sind die vom Verb abgeleitete Handlungsbezeichnung der Analysierenden. Alle drei sind legitim, und viele Studien kombinieren sie.
\n| Kriterium | In-vivo-Kodierung | Deskriptive Kodierung | Prozesskodierung |
|---|---|---|---|
| Code besteht aus | Exakten Worten der Teilnehmenden, in Anführungszeichen | Wort oder kurzer Substantivgruppe der Analysierenden | Vom Verb abgeleiteter Handlungsbezeichnung der Analysierenden (z. B. „Abwägen“) |
| Beantwortet die Frage | Wie formulieren die Teilnehmenden es? | Worum geht es in dieser Passage? | Was tun die Menschen? |
| Beispiel (Lehrkräfte-Interview) | \"das Sonntagsgrauen\" | Wochenendarbeitsbelastung | Gedankenkreisen über die Arbeit |
| Vergleichbarkeit über Fälle hinweg | Gering, bis sie im zweiten Zyklus gruppiert werden | Hoch | Hoch bei Abläufen und Routinen |
| Am besten geeignet für | Explorative, grounded-theory-basierte, sprach- oder marginalisierte-Stimmen-sensible Studien | Inventare, Dokumentenanalyse, große oder gemischte Datensätze | Routinen, Veränderungen über die Zeit, Interaktion und Strategie |
| Hauptrisiko | Ausufernde Codeliste; Paraphrasen schleichen sich ein | Bedeutung wird zu Themen eingeebnet | Handlung wird dort unterstellt, wo keine ist |
| Eignung für KI-Unterstützung | Nur exakte Extraktion von Textstellen, mit Herkunftsangabe | Gut für erste Entwürfe; Abdeckung prüfen | Mittel; prüfen, ob der Akteur stimmt |
Eine verbreitete Mischform ist In-vivo plus Prozesskodierung im ersten Zyklus, gefolgt von fokussierter oder axialer Kodierung, um beides in Kategorien zu bündeln. Wie aus Codes Kategorien und Themen werden, zeigt Codes vs. Kategorien vs. Themen, und zur Abfolge der Grounded Theory siehe offenes, axiales und selektives Kodieren.
\n\nIn-vivo-Kodierung ist pro Transkript langsamer als deskriptive Kodierung und erzeugt eine größere, unordentlichere Anfangs-Codeliste. Dieser Tausch lohnt sich in vier Situationen.
\nInformeller Prozess einebnet, zerstört das Signal.Promovierende und akademisch Forschende, die für eine Dissertation oder einen Artikel Kodierung des ersten Zyklus durchführen; Forschungsgruppen, die zwei Kodierende brauchen, um vergleichbare Codebücher zu erstellen; qualitative und Marktforschungsunternehmen in Branchen mit starkem Insider-Vokabular (Kliniker, Entwickler, Händler, Lehrkräfte); sowie UX- und Insights-Teams, die Discovery-Interviews führen.
\n\nVerzichten Sie darauf oder stufen Sie sie zu einer Stichprobenprüfung herab, wenn Sie in großem Umfang gegen einen etablierten Rahmen kodieren; wenn Ihre Transkripte maschinelle Übersetzungen sind (der „wörtliche“ Wortlaut ist dann bereits der des Übersetzers, siehe ob Sie Interviews vor der KI-Analyse übersetzen sollten); wenn die Forschungsfrage auf Häufigkeit statt auf Bedeutung zielt; oder wenn die Transkriptqualität so schlecht ist, dass wörtliche Wendungen Artefakte der Spracherkennung statt der Sprechenden sind.
\n\n| Wenn Ihr Ziel ist… | Verwenden Sie | Warum |
|---|---|---|
| Zu hören, wie Teilnehmende das Problem selbst rahmen | In-vivo | Codes können den Daten nicht vorauseilen |
| Abzubilden, was in welcher Reihenfolge geschah | Deskriptive / Prozesskodierung | Über Fälle hinweg vergleichbar |
| Ein bestehendes Framework zu prüfen | Deduktiv / a priori Codebuch | Abdeckung und Reliabilität; siehe die Codebuch-Vorlage |
| Theorie von Grund auf aufzubauen | In-vivo, dann fokussierte / axiale Kodierung | Abfolge der Grounded Theory; siehe thematische Analyse vs. Grounded Theory |
| Themen über Hunderte offene Antworten zu zählen | Inhaltsanalyse oder LLM-gestützte Kodierung | In-vivo aggregiert nicht; siehe LLMs vs. ML bei der Kodierung offener Antworten |
Große Sprachmodelle werden darauf trainiert, flüssige, normalisierte, abstrahierte Sprache zu erzeugen. In-vivo-Kodierung verlangt das Gegenteil: unpolierte, den Teilnehmenden gehörende Sprache. Bitten Sie ein allgemeines Modell, „dieses Transkript zu kodieren“, und es liefert meist Konzeptcodes in Analysten-Sprache wie Onboarding-Reibung oder Vertrauensbarriere, weil genau so Kodierung in seinen Trainingsdaten aussieht. Das Modell arbeitet nicht fehlerhaft; es beantwortet eine andere Frage, als ein In-vivo-Durchgang stellt.
Die Evidenz spricht dafür, genau zu benennen, was Sie delegieren. In einer CHI-2026-Studie zu ChatQDA, einem quelloffenen, lokal laufenden LLM-Kodierwerkzeug, berichteten Forschende von bedingtem Vertrauen: Sie schätzten das System für die explizite Extraktion von Inhalten, bezweifelten es jedoch bei tieferer Interpretation, weil die quelloffenen Modelle eher oberflächliche Aussagen erkannten, die im Gespräch nahe beieinanderlagen. Das ist eine kleine Studie (vier Teilnehmende, je ein Transkript mit 5 Seiten), also behandeln Sie sie als Hinweis auf Fehlermuster, nicht als Effektstärke.
\nGemessen an der In-vivo-Kodierung ist diese Einschränkung praktisch. Die Wendung zu finden, die eine teilnehmende Person tatsächlich benutzt hat, und sie an ihrer Zeile zu verankern, ist eine Aufgabe des Abrufs. Zu entscheiden, dass drei verschiedene Wendungen ein Konstrukt bilden, ist eine interpretative Aufgabe, und diese sollten Sie behalten. Eine Studie aus dem Jahr 2025 in Sociological Methods & Research zu qualitativer Kodierung mit generativen LLMs fand, dass Modelle beim Abgleich mit manuell kodierten Ergebnissen die Leistung überwachter ML-Verfahren erreichen können. Die Arbeit zu QualAnalyzer argumentiert, dass die praktische Anforderung die Prüfbarkeit des Prozesses ist: Jeder Code muss auf die Textstelle zurückführbar sein, die ihn erzeugt hat. Für die In-vivo-Kodierung ist die Nachvollziehbarkeit bis auf die Textstelle genau die Definition von Korrektheit.
\n\nWenn Sie ein Modell für einen ersten In-vivo-Durchgang verwenden, begrenzen Sie es gegen seine Voreinstellungen:
\n\n\nGib für jedes bedeutsame Segment zurück: (1) den Code als exakte, wörtlich aus dem Transkript kopierte Textstelle, 2–8 Wörter, keine Paraphrase, keine Synonyme, keine Umstellung; (2) die Zeile oder den Zeitstempel, aus der bzw. dem er stammt; (3) den Sprecher. Erstelle keine Kategorien, Themen oder analytischen Bezeichnungen. Wenn keine Textstelle im Segment die Bedeutung allein trägt, gib
\nNO_VERBATIM_SPANzurück, statt eine Bezeichnung zu erfinden. Bewahre Grammatik, Umgangssprache, Abschwächungen und Flüche der sprechenden Person genau so, wie sie gesprochen wurden.
Der Ausweg NO_VERBATIM_SPAN ist wichtig. Ohne ihn erzeugt ein Modell, das nach wörtlichen Codes gefragt wird, nahezu wörtliche: eine zitatähnliche Zeichenfolge, die kein Zitat ist. Das ist die Fehlerklasse, die in unserem Beitrag zu halluzinierten Zitaten in der qualitativen Analyse behandelt wird.
Ein Originalbaustein von Qualitati. Führen Sie sie über jeden In-vivo-Durchgang aus, ob von Menschen oder KI-gestützt, bevor das Codebuch in einen zweiten Zyklus geht. Ein Punkt je Kriterium; 8 oder mehr ist vertretbar, 5–7 braucht einen Reparaturdurchgang, unter 5 ist Kodierung mit Analysten-Stimme, die sich nur in Anführungszeichen hüllt.
\n\"es arbeitet einfach gegen mich\" besteht; \"Usability-Reibung\" besteht nicht, selbst in Anführungszeichen.Qualitati ist eine europäische, preisgünstige Plattform für qualitative Forschung für Universitäten und Forschungsunternehmen, mit Datenschutz und DSGVO als zentralen Prioritäten. Zwei Bestandteile berühren die In-vivo-Kodierung unmittelbar.
\nAuch die Datenerhebung ist wichtig. In-vivo-Kodierung ist nur so gut wie die Sprache, mit der sie arbeitet. KI-moderierte Interviews, die nachfassen, statt die erste Antwort hinzunehmen, liefern mehr kodierbares wörtliches Material, und der Active-Listener-Modus hält eine menschliche Interviewperson mit Echtzeit-Impulsen am Steuer, wenn es auf die Formulierung ankommt. Forschung in 10 Sprachen macht Checklistenpunkt 9 praktisch statt bloß wünschenswert.
\nQualitati veröffentlicht Preise pro Credit-Nutzung und startet kostenlos mit 30 monatlichen Credits, ohne Kreditkarte.
\n\nIn-vivo-Kodierung skaliert nicht, und das ist teilweise Absicht. Hundert Transkripte mit wörtlichen Codes sind keine Analyse, sondern ein Konkordanzverzeichnis. Das Ergebnis muss von einer Person reduziert werden, die bereit ist, die Abstraktion zu verantworten. Teams, die In-vivo-Kodierung übernehmen und den zweiten Zyklus überspringen, enden mit reichhaltigen, unbrauchbaren Daten.
\nWörtlich ist nicht dasselbe wie authentisch. Eine Wendung gehört nur dann der teilnehmenden Person, wenn das Transkript korrekt ist, die moderierende Person sie nicht zuerst eingebracht hat und keine Übersetzung sie erzeugt hat. Fehlerraten der Spracherkennung sind nicht über alle Akzente gleich verteilt (siehe Akzentverzerrung bei der Transkription), daher kann die wörtliche Treue über Ihre Stichprobe ungleich verteilt sein.
\nDie KI-Evidenzbasis ist dünn und neu. Die hier zitierten Studien sind Nutzerstudien mit kleinem N und explorative Vergleiche, keine Benchmarks mit etablierter Konstruktvalidität. Hinweis zur menschlichen Prüfung: Wenn Ihr Methodenteil behauptet, ein KI-gestützter Durchgang habe die Stimme der Teilnehmenden bewahrt, braucht diese Behauptung Ihre eigene dokumentierte Überprüfung an Ihren eigenen Daten.
\n\nIn-vivo-Codes verwenden die exakten Worte der Teilnehmenden in Anführungszeichen; deskriptive Codes verwenden das eigene Wort oder die Substantivgruppe der Analysierenden, um das Thema einer Passage zusammenzufassen. In-vivo bewahrt Stimme und Rahmung; deskriptive Kodierung liefert vergleichbare Themenbezeichnungen über Fälle hinweg. Viele Studien verwenden beide im ersten Zyklus.
\nJa. Weil die Codes aus den Daten statt aus einem vorab bestehenden Rahmen stammen, ist In-vivo-Kodierung eine induktive, datengetriebene Methode. Sie kann neben einem deduktiven Codebuch laufen, als Kontrolle darauf, wofür der Rahmen keinen Platz hat.
\nNein. Ein Zitat ist ein Beleg, den Sie präsentieren; ein In-vivo-Code ist ein Label, mit dem Sie analysieren. Der Code ist kurz genug, um im Datensatz wiederzukehren, und er hängt an einer Textstelle, nicht an einem illustrativen Absatz.
\nSo kurz, dass er ein Label ist, und so lang, dass er die Bedeutung allein trägt. Zwei bis acht Wörter ist der übliche Bereich. Ein ganzer Satz ist meist ein Zitat, das noch nicht kodiert wurde.
\nEs kann den Extraktionsschritt unter strengen Vorgaben sinnvoll leisten (exakte Textstellen, Zeilenverweise, eine ausdrückliche Ablehnungsoption), sollte aber nicht entscheiden, welche verschiedenen Wendungen dasselbe bedeuten. Die ChatQDA-Studie von CHI 2026 fand genau diese Spaltung: akzeptabel bei oberflächlicher Extraktion, schwächer bei Bedeutung, die über ein Transkript verteilt ist.
\nEin zweiter Zyklus: Muster-, fokussierte oder axiale Kodierung, die In-vivo-Codes zu Kategorien bündelt, danach die Entwicklung von Themen. In Saldañas Rahmung ist der erste Zyklus bewusst vorläufig; ihn als endgültig zu behandeln, ist der häufigste Fehlgebrauch der Methode.
\n\nIn-vivo-Kodierung ist eine kleine, strenge Disziplin mit überproportionaler Wirkung: Sie zwingt den ersten Durchgang durch Ihre Daten, in der Sprache der Teilnehmenden zu bleiben, sodass jede spätere Abstraktion eine sichtbare Entscheidung wird statt einer unsichtbaren. Diese Disziplin wird wichtiger, je mehr KI in den Kodierprozess einzieht, denn der Standard eines flüssigen Modells ist, sofort zu abstrahieren. Setzen Sie KI für exakte Extraktion mit Herkunftsangabe ein, und behalten Sie das Urteil darüber, was diese Textstellen bedeuten.
\nStarten Sie kostenlos mit 30 Credits und führen Sie einen Kodierdurchgang des ersten Zyklus im QDA Workspace aus, oder sehen Sie sich die transparenten Preise an. Vergleichen Sie Werkzeuge? Dann sehen Sie, wie Qualitati sich gegenüber NVivo, ATLAS.ti, MAXQDA und KI-nativen Forschungsplattformen einordnet, oder erstellen Sie ein Konto und kodieren Sie noch heute ein Transkript.
\n","related":[{"slug":"interpretative-phenomenological-analysis-guide-2026","title":"Interpretative Phänomenologische Analyse (IPA): 7 Schritte","description":"Was ist interpretative phänomenologische Analyse? IPA-Schritte nach Terminologie von 2022 (PETs, GETs), Stichprobengröße, Beispiel und Qualitätscheckliste.","category":"Qualitative Methoden","date":"2026-09-29","readTime":"11 Min. Lesezeit","author":"Qualitati Research Team"},{"slug":"content-analysis-vs-thematic-analysis-2026","title":"Inhaltsanalyse vs. thematische Analyse: Ein Leitfaden","description":"Inhaltsanalyse zählt und kategorisiert, thematische Analyse deutet Bedeutung. Der Leitfaden 2026 hilft bei der Wahl, mit KI-Workflow und Entscheidungsmatrix.","category":"Qualitative Methoden","date":"2026-07-19","readTime":"12 Min. Lesezeit","author":"Qualitati Research Team"},{"slug":"codes-categories-themes-qualitative-analysis-2026","title":"Codes, Kategorien und Themen in der qualitativen Analyse","description":"Codes kennzeichnen Daten, Kategorien bündeln verwandte Codes, Themen deuten Bedeutung. Der Leitfaden 2026 zur Hierarchie mit KI-gestütztem Workflow.","category":"Qualitative Methoden","date":"2026-06-27","readTime":"12 Min. Lesezeit","author":"Qualitati Research Team"}]}