Beim Mixed-Methods-Ansatz führst du Zahlen und Worte systematisch zusammen. Du sammelst harte, statistische Fakten (quantitativ) und kombinierst sie mit tiefgehenden, persönlichen Einblicken (qualitativ). Der Kern dieser Methode liegt nicht nur im parallelen Sammeln, sondern in der bewussten Verzahnung beider Datensätze bei der Auswertung.
Im Folgenden zeigen wir dir die vier wichtigsten Mixed-Methods-Designs und erklären dir genau, wie du das passende Modell für deine eigene Bachelorarbeit auswählst und praktisch anwendest.
Inhaltsverzeichnis
Was versteht man unter Mixed-Methods?
Mixed-Methods ist ein Forschungsansatz, bei dem du in einer einzigen wissenschaftlichen Arbeit sowohl qualitative (z. B. Interviews) als auch quantitative (z. B. Umfragen) Daten erhebst und auswertest. Ziel ist es, durch die Kombination beider Datentypen ein tieferes und vollständigeres Verständnis deines Forschungsproblems zu erlangen.
Viele Studierende machen den Fehler, einfach eine Umfrage und ein Interview durchzuführen, ohne die Ergebnisse aufeinander zu beziehen. Das ist keine Mixed-Methods-Studie, sondern lediglich methodischer Wildwuchs. Du musst die Daten aktiv integrieren, beispielsweise indem du statistische Ausreißer durch Zitate aus Interviews erklärst.
Mixed-Methods-Designs
Sobald du dich für diese Methodik entscheidest, musst du festlegen, in welcher Reihenfolge und mit welcher Gewichtung du die Daten erhebst. Es gibt nicht das eine perfekte Forschungsdesign für alle Arbeiten.
Welches Design du wählst, hängt ausschließlich von deiner Forschungsfrage ab. Wenn du beispielsweise eine bestehende Theorie testen willst, gehst du anders vor, als wenn du ein völlig neues Phänomen erkundest. Deine Fragestellung diktiert den Ablauf.
Um das richtige Design für deine Arbeit zu finden, solltest du diese zentralen Auswahlkriterien systematisch prüfen:
- Gewichtung (Priorisierung): Welche Methode (qualitativ oder quantitativ) ist für die Beantwortung deiner Hauptfrage wichtiger, oder sind beide gleichwertig?
- Zeitliche Abfolge (Timing): Erhebst du die Daten gleichzeitig (parallel) oder nacheinander (sequenziell)?
- Integration (Mischung): An welchem Punkt deiner Arbeit führst du die beiden Datensätze zusammen (z. B. bei der Datenerhebung, der Auswertung oder erst in der finalen Interpretation)?
Triangulationsdesign
Das Triangulationsdesign ist der Klassiker unter den Mixed-Methods-Ansätzen. Dein Ziel hierbei ist es, ein und dasselbe Phänomen gleichzeitig von zwei verschiedenen Seiten zu beleuchten, um zu prüfen, ob beide Methoden zum selben Ergebnis kommen.
Der Ablauf erfordert striktes Zeitmanagement. Du erhebst die qualitativen und quantitativen Daten exakt zur selben Zeit, wertest sie zunächst getrennt voneinander aus und vergleichst die Ergebnisse erst im letzten Schritt. Ein häufiger Fehler ist, die Fragebögen und Interviews inhaltlich zu unterschiedlich zu gestalten. Achte darauf, dass beide Instrumente exakt dieselben Konzepte abfragen, sonst kannst du die Ergebnisse am Ende nicht vergleichen.
Schauen wir uns an, wie das in der Schulforschung aussieht:
Beispiel: Lernmethoden an Schulen beim Triangulationsdesign
Du untersuchst die Effektivität von Gruppenarbeit im Mathematikunterricht. Während eines Semesters lässt du 100 Schüler regelmäßig standardisierte Fragebögen zu ihrem Lernerfolg ausfüllen (quantitativ). Im exakt selben Zeitraum führst du wöchentliche Beobachtungen und Leitfadeninterviews mit drei ausgewählten Lehrkräften durch (qualitativ). Am Ende stellst du die Umfragewerte der Schüler den Einschätzungen der Lehrkräfte gegenüber, um ein valides Gesamtbild zu erhalten.
Eingebettetes Design
Beim eingebetteten Design (Embedded Design) gibt es eine klare Hierarchie. Du definierst eine dominierende Hauptmethode, die das Gerüst deiner Arbeit bildet, und eine untergeordnete Nebenmethode, die lediglich unterstützende Daten liefert.
Der ideale Anwendungszeitpunkt für dieses Vorgehen ist, wenn eine einzelne Methode zwar ausreicht, um die Hauptforschungsfrage zu beantworten, du aber für einen bestimmten Teilaspekt oder zur Absicherung der Rahmenbedingungen zusätzliche Informationen benötigst. Die Einbettung kann vor, während oder nach der Haupterhebung stattfinden. Vermeide es, der Nebenmethode im Methodikkapitel zu viel Raum zu geben; halte den Fokus strikt auf der Hauptmethode.
Beispiel: Eingebettetes Design in einer Interventionsstudie
Deine Hauptmethode ist ein großes quantitatives Experiment, bei dem du die Wirksamkeit eines neuen Vokabeltrainingsprogramms durch Vorher-Nachher-Tests misst. Um jedoch sicherzustellen, dass die Schüler das Programm überhaupt richtig bedienen, bettest du eine kleine qualitative Methode ein: Du bittest fünf Schüler, während der ersten Nutzung laut zu denken (Thinking-Aloud-Protokoll). Diese qualitativen Daten dienen nur dazu, die reibungslose technische Umsetzung des Haupt-Experiments zu sichern.
Explanatives Design
Das explanative Design (erklärendes Design) folgt einer strikten chronologischen Abfolge. Du beginnst immer mit der quantitativen Datenerhebung und schließt erst danach eine qualitative Phase an.
Die Funktion der qualitativen Daten ist hierbei rein erklärend. Du nutzt sie, um überraschende, widersprüchliche oder besonders signifikante Ergebnisse aus der ersten quantitativen Phase zu interpretieren. Die Zahlen zeigen dir, was passiert ist, und die anschließenden Gespräche erklären dir, warum es passiert ist. Ein typischer Fallstrick ist, die Interviewfragen schon vor der Auswertung der Umfrage festzulegen. Warte zwingend die statistischen Ergebnisse ab, bevor du deinen qualitativen Leitfaden erstellst.
Beispiel: Explanatives Design in der Motivationsforschung
Du führst eine universitätsweite Online-Umfrage zur Prüfungsangst durch (quantitativ). Die Auswertung ergibt überraschenderweise, dass Studierende im dritten Semester signifikant mehr Angst haben als Erstsemester. Um dieses statistische Phänomen zu verstehen, lädst du gezielt zehn Studierende aus dem dritten Semester zu Tiefeninterviews ein (qualitativ). Ihre detaillierten Aussagen erklären dir die Hintergründe der statistischen Auffälligkeit.
Exploratives Design
Das explorative Design (erkundendes Design) dreht den chronologischen Spieß um. Du startest mit der qualitativen Datenerhebung, um ein noch unbekanntes Thema zu erforschen und allererste Hypothesen oder Theorien zu bilden.
Sobald du durch Interviews oder Beobachtungen Variablen identifiziert und ein Modell entwickelt hast, folgt im zweiten Schritt die quantitative Überprüfung. Du testest an einer großen Stichprobe, ob sich deine im kleinen Kreis gefundenen Erkenntnisse verallgemeinern lassen. Dieses Design ist extrem arbeitsaufwendig, da du oft ein komplett neues Messinstrument (wie einen eigenen Fragebogen) aus den qualitativen Daten entwickeln musst.
Beispiel: Exploratives Design in der Marktforschung
Ein Unternehmen möchte eine Smartwatch für Senioren entwickeln. Da noch nicht klar ist, welche Funktionen dieser Zielgruppe wichtig sind, führst du zunächst offene Fokusgruppen mit Senioren durch (qualitativ). Aus den genannten Wünschen (z. B. große Tasten, Notrufknopf) leitest du konkrete Hypothesen ab. Anschließend erstellst du einen standardisierten Fragebogen und testest diese Hypothesen an 1.000 Senioren, um herauszufinden, ob die Wünsche repräsentativ für den gesamten Markt sind (quantitativ).
Fazit und abschließende Gedanken
Mixed-Methods helfen dir, komplexe Forschungsfragen ganzheitlich zu beantworten. Du hast gesehen, dass die bewusste Kombination aus qualitativen und quantitativen Daten tiefere Einblicke liefert, als es eine Methode allein könnte. Ob du die Daten gleichzeitig erhebst, wie beim Triangulationsdesign, oder sequenziell vorgehst, wie beim explanativen oder explorativen Design, die Wahl hängt immer von deinem spezifischen Forschungsziel ab. Ebenso wichtig ist es, die Hierarchie beider Methoden klar zu definieren, so wie es das eingebettete Design verlangt.
Dokumentiere jeden deiner methodischen Schritte extrem präzise. Erkläre in deinem Methodikkapitel nicht nur, welches Design du gewählt hast, sondern begründe detailliert, warum genau dieses Design die beste Wahl für deine spezifische Fragestellung war. Eine saubere, nachvollziehbare methodische Begründung ist der Schlüssel zu einer sehr guten Benotung.
Jan Neumann ist Dozent an einer Hochschule im Bereich Sozialwissenschaften. Mit einem Doktortitel in Sozialwissenschaften von der Ruprecht-Karls-Universität Heidelberg und über 8 Jahren Erfahrung in der Lehre ist er ein ausgewiesener Experte. Jan Neumann hat bereits 132 Artikel bei uns veröffentlicht und ist bekannt für seine Kompetenz in der Erstellung von Anleitungen, Beispielen und Formulierungshilfen für wissenschaftliche Arbeiten. Als akademischer Berater unterstützt er Studierende dabei, ihre wissenschaftlichen Projekte erfolgreich zu gestalten. Sein praxisorientierter Ansatz und seine fundierte Fachkenntnis machen ihn zu einem gefragten Dozenten und Berater in der akademischen Welt.
Entdecke die Artikel des Autors