Mixed-Methods-Forschung – Designleitfaden für die Integration quantitativer und qualitativer Daten

"Rein quantitativ bleibt es oberflächlich, rein qualitativ lässt sich nicht generalisieren" — jedes Team, das Forschung kontinuierlich betreibt, stößt früher oder später auf diese Mauer. Wenn der Top-2-Box-Wert in einer Umfrage sinkt, sagen die Zahlen allein nicht, warum er sinkt. Ob ein Thema, das in Interviews als "wichtig" beschrieben wird, tatsächlich ein verbreitetes Anliegen der gesamten Kundschaft ist, lässt sich daraus nicht prüfen.

Als Methodologie, die diese Lücke schließt, wurde seit Ende der 1980er Jahre die Mixed-Methods-Forschung (Mixed Methods Research) systematisch ausgebaut. Dieser Beitrag ordnet, gestützt auf das System von Creswell & Plano Clark (2017), die vier Grunddesigns, den Zeitpunkt der Datenintegration, die Analyseintegration über Joint Displays und die qualitative Bewertung der Meta-Inferenz. "Sowohl eine Umfrage als auch ein Interview durchzuführen" als Mixed-Methods zu bezeichnen, ist technisch unpräzise: Erst wenn beides gezielt kombiniert wird, um neue Erkenntnisse zu erzeugen, handelt es sich um Mixed-Methods. Wir machen sichtbar, wo dieser Unterschied liegt.

1. Warum Mixed-Methods nötig sind — Grenzen einzelner Methoden

Ausgangspunkt zum Verständnis von Mixed-Methods ist die strukturelle Frage, "warum eine einzelne Methode nicht reicht". Die Grenzen von quantitativer und qualitativer Forschung sind die Voraussetzung für die Diskussion der Komplementarität.

Grenzen quantitativer Erhebungen

• Das "Warum" lässt sich nicht erfassen: Der Kontext hinter den Zahlen, die Erfahrungen und Gefühle der Antwortenden sind aus Antwortoptionen nicht ersichtlich
• Unvorhergesehene Probleme werden nicht entdeckt: Probleme, die außerhalb der vordefinierten Antwortoptionen auftreten, erscheinen nicht in den Daten
• Unausgesprochene Probleme bleiben unerreichbar: Wenn die Kundschaft selbst ein Problem nicht bewusst wahrnimmt, kann es nicht einmal als Frage formuliert werden

Grenzen qualitativer Erhebungen

• Nicht generalisierbar: Da die Stichprobengröße klein ist, bleibt unklar, ob eine bestimmte Aussage ein Anliegen der gesamten Kundschaft ist
• Häufigkeit und Verbreitung "wichtig wirkender Stimmen" bleiben verborgen: Wie viel Prozent der Gesamtheit ein in Interviews stark betontes Thema entspricht, ist unbekannt
• Vergleiche sind schwierig: Für segmentübergreifende oder zeitliche Vergleiche fehlt die statistische Absicherung

Die Struktur der Komplementarität — Greenes Klassifikation von 5 Zwecken

Greene, J. C., Caracelli, V. J., & Graham, W. F. (1989). Toward a conceptual framework for mixed-method evaluation designs klassifiziert die Zwecke des Einsatzes von Mixed-Methods in fünf Kategorien.

1. Triangulation (Triangulation): Dasselbe Phänomen mit unterschiedlichen Methoden bestätigen, um die Robustheit der Schlussfolgerung zu erhöhen
2. Komplementarität (Complementarity): Einen mit einer Methode gemessenen Aspekt erklärt die jeweils andere
3. Entwicklung (Development): Das Ergebnis einer Methode dient als Input für das Design der anderen
4. Initiation (Initiation): Widersprüche und Paradoxien werden gezielt gesucht, um neue Fragen zu erzeugen
5. Erweiterung (Expansion): Der Forschungsumfang wird auf andere Aspekte ausgedehnt

Diese fünf Kategorien begründen, dass es nicht um "einfach beides durchführen", sondern um "designgeleitetes Kombinieren" geht. Der erste Schritt im Mixed-Methods-Design besteht darin, zu Projektbeginn festzulegen, "welche dieser fünf wir anstreben".

2. Die vier Grunddesigns

Creswell, J. W., & Plano Clark, V. L. (2017). Designing and Conducting Mixed Methods Research (3rd ed.) ordnet die Kerndesigns der Mixed-Methods in vier Kategorien. Welches in der Praxis gewählt wird, hängt von Zweck, Zeitplan und Forschungspersonal ab.

Als Auswahlleitlinie für die Praxis empfiehlt es sich für Teams, die sich erstmals an Mixed-Methods versuchen, mit dem konvergenten oder eingebetteten Design zu beginnen. Erklärend-sequenziell und explorativ-sequenziell sind Designs, die bei unzureichender Einschätzung von Zeit und Ressourcen leicht scheitern.

3. Design des Zeitpunkts der Datenerhebung

Hinter der Wahl des Mixed-Methods-Designs liegen — über die vier oben genannten Designs hinaus — drei Designachsen. Werden die Optionen jeder Achse bewusst gewählt, lassen sich die Varianten der vier Designs fein justieren.

Selbst bei einem konvergenten Design unterscheiden sich beispielsweise "quantitativ dominant, Integration bei der Analyse" und "gleichgewichtig, Integration bei der Interpretation" stark in der Art, wie das Joint Display erstellt und der Abschlussbericht aufgebaut wird. Werden die drei Achsen in der Projektplanung explizit notiert, lässt sich die Unschärfe in der späteren Integrationsphase reduzieren.

4. Analytische Integration von quantitativ und qualitativ (Joint Display)

Am schwierigsten in der Umsetzung von Mixed-Methods ist die Phase der Integration (Integration). Statistische Daten und Textdaten nur nebeneinanderzustellen ist noch keine Mixed-Methods — es sind konkrete Verfahren nötig, um beide in eine einzige Analyseeinheit zu überführen.

Joint Display (integrierte Darstellung)

Eine zentral durch Fetters, M. D., Curry, L. A., & Creswell, J. W. (2013). Achieving integration in mixed methods designs—principles and practices ausgearbeitete Methode. Quantitative und qualitative Daten werden in einer einzigen Tabelle oder Abbildung parallel dargestellt, sodass die Leserschaft das Verhältnis beider auf einen Blick erfassen kann.

Typisches Beispiel:

| Kundensegment | NPS | Empfehlungsgrund (typische Aussage) | Verbesserungswunsch (typische Aussage) |
| Power User    | +42 | "Wegen der Analysefunktionen kann ich nicht mehr zu anderen Anbietern" | "Die mobile UI ist veraltet" |
| Casual User   | +8  | "Funktioniert immerhin" | "Die erste Einrichtung ist kompliziert" |
| Detractor     | −35 | "Schlechtes Preis-Leistungs-Verhältnis" | "Der Support reagiert langsam" |

Sieht man sich diese Matrix an, wird sichtbar, was in jedem Segment passiert — sowohl aus Sicht der Zahlen als auch aus Sicht der konkreten Stimmen. Das ist die Stärke des Joint Displays.

Pillar Integration Process (PIP)

Ein vierstufiges Verfahren zum systematischen Aufbau eines Joint Displays, vorgeschlagen von Johnson, R. E., Grove, A. L., & Clarke, A. (2019). Pillar Integration Process: A Joint Display Technique to Integrate Data in Mixed Methods Research.

1. Einzelne Datenaufbereitung: Quantitativ und qualitativ jeweils einzeln analysieren und zusammenfassen
2. Auflistung der Einzeldaten: Beide Seiten als parallele Listen aufbereiten
3. Zusammenführung der Daten: Gemeinsame Themen und Widersprüche durch Mustererkennung extrahieren
4. Neue Erkenntnisse aus den zusammengeführten Daten ableiten: Interpretationen, die einzeln nicht erreichbar wären, in Sprache fassen

Besonders die "Mustererkennung" in Schritt 3 ist zentral; lehnt man sich hier zu sehr auf eine Seite (quantitativ oder qualitativ), verliert Mixed-Methods an Bedeutung.

Qualitative Bewertungskriterien der Integration — Fit / Confirmation / Discordance

Fetters et al. (2013) schlagen drei Sichtweisen zur Bewertung der Integrationsqualität vor.

• Fit (Passung): Ob die quantitativen und qualitativen Ergebnisse logisch konsistent sind
• Confirmation (Bestätigung): Ob eine Seite die andere stützt oder ihr widerspricht
• Discordance (Dissonanz): Lässt sich erklären, warum ein gefundener Widerspruch entstanden ist?

Widersprüche sind kein Scheitern, sondern Anlass für neue Fragen. Der Widerspruch "die Zufriedenheit ist quantitativ hoch, in den Interviews überwiegt aber Unzufriedenheit" lässt sich als Hinweis auf Antwortstil oder eine Verschiebung des Messgegenstands lesen.

5. Qualitative Bewertung der Meta-Inferenz (Meta-inference)

Der finale Output von Mixed-Methods ist es, eine Meta-Inferenz (Meta-inference) zu erzeugen, die "nur quantitativ" oder "nur qualitativ" nicht erreichbar wäre.

Tashakkori, A., & Teddlie, C. (Eds.). (2010). SAGE Handbook of Mixed Methods in Social & Behavioral Research (2nd ed.) schlägt vor, die Qualität der Meta-Inferenz nach neun Kriterien zu bewerten. Praxisrelevant zusammengefasst sind die folgenden Sichtweisen entscheidend.

• Transparenz der Schlussfolgerung: Lässt sich nachvollziehen, aus welchen Daten wie zur Schlussfolgerung gelangt wurde?
• Passung des Designs: Passt das gewählte Design (eines der vier) zum Forschungszweck?
• Validität der Analyse: Erfüllen die quantitative und die qualitative Analyse jeweils die methodischen Standards?
• Integrationsgrad der Daten: Wird über Joint Display oder PIP tatsächlich integriert?
• Konsistenz der Interpretation: Sind die aus quantitativen und qualitativen Daten abgeleiteten Schlussfolgerungen logisch konsistent?

Für den Berichtsaufbau ist die Mindestbedingung für Transparenz, die drei Abschnitte "quantitative Ergebnisse", "qualitative Ergebnisse" und "integrierte Erkenntnis aus beiden (Meta-Inferenz)" explizit getrennt darzustellen.

6. Sicht der Redaktion — Fallstricke in der Praxis

Aus der Position, die Branchenartikel und veröffentlichte Fälle kontinuierlich verfolgt, hier mit Nachdruck fünf Punkte, die in der Umsetzung von Mixed-Methods immer wirken.

1. "Beides durchführen" nicht "Mixed-Methods" nennen

Beides zu machen, ist noch keine Mixed-Methods. Wenn in der Designphase nicht entschieden ist, "wie quantitative und qualitative Daten integriert werden", handelt es sich lediglich um eine Parallelerhebung, und eine Meta-Inferenz entsteht nicht. Bevor intern propagiert wird "wir machen Mixed-Methods", sollte sich zuerst in einem Satz schreiben lassen, welcher der fünf Zwecke von Greene angestrebt wird.

2. Die Integrationsphase unbedingt in den Zeitplan aufnehmen

In der Abfolge Erhebung → Analyse (quantitativ und qualitativ getrennt) → Integration → Interpretation → Bericht wird die Integrationsphase (Joint-Display-Erstellung, PIP-Durchführung) leicht unterschätzt — und ganz am Ende bleibt es bei "es ist keine Zeit mehr, deshalb stellen wir einfach beide Ergebnisse nebeneinander". Als Richtwert sollten mindestens 20 % der Projektzeit der Integrationsphase zugewiesen werden.

3. Beim explorativen sequenziellen Design wird die Zeit falsch eingeschätzt

Von Interviews über die Skalenentwicklung bis zur Überprüfung in der Hauptstudie dauert es typischerweise 3 bis 6 Monate. Teams mit einer Projektlaufzeit unter zwei Monaten sollten nicht erzwungenermaßen das explorative sequenzielle Design wählen, sondern mit dem konvergenten oder eingebetteten Design beginnen.

4. Widersprüche nicht als "Scheitern" behandeln

Wenn quantitative und qualitative Ergebnisse widersprüchlich sind, ist das kein Designfehler, sondern ein Einstieg zu neuen Erkenntnissen. Erklären Sie "warum es zu Widersprüchen kam" mit drei oder mehr Hypothesen und nutzen Sie sie als Ausgangspunkt für eine zusätzliche Erhebung oder das nächste Projekt. Ein Bericht, der Widersprüche verbirgt und schreibt "im Großen und Ganzen übereinstimmend", beschädigt den Wert von Mixed-Methods am stärksten.

5. Im Berichtsaufbau die "Integration" explizit machen

Quantitative und qualitative Ergebnisse in getrennte Kapitel zu legen und am Ende in der "Diskussion" zu vermischen, lässt die Mixed-Methods-Charakteristik verschwinden. Lassen Sie mindestens ein Joint Display im Bericht, um Beweise der Integration zu hinterlassen. Die Leserschaft erwartet eine Form, in der "was wurde dadurch erkannt, dass beides betrachtet wurde" auf einem Blatt verstanden werden kann.

7. Umsetzung von Mixed-Methods mit dem Umfragetool Kicue

Im Folgenden wird die Verwendung von Kicue beim Betrieb von Mixed-Methods-Forschung zusammengefasst. Der Bereich, den Kicue eigenständig abdeckt, und der Bereich, der mit externen Tools verbunden werden sollte, werden explizit dargestellt.

• Quantitativer Teil: Strukturierte Datenerhebung mit SA / MA / Matrix / Skalen-Fragen
• Qualitativer Teil: Texterhebung mit offenen Fragen (OA / FA), abgeschlossen innerhalb desselben Formulars
• Verwaltung von Respondenten-IDs: Jeder Antwort wird eine Benutzer-ID zugewiesen, sodass quantitative und qualitative Daten desselben Antwortenden verknüpft werden
• CSV-Export: Quantitative und qualitative Rohdaten als CSV abrufen und in externen Analysetools wie R / Python / Excel / Atlas.ti / NVivo für die integrierte Analyse und die Erstellung von Joint Displays verwenden
• Auswahl von Kandidaten für zusätzliche Interviews: Antwortende eines bestimmten Segments (z. B. NPS Detractor) werden aus der CSV extrahiert, um eine Einladungsliste für Follow-up-Interviews zu erstellen

In der Mixed-Methods-Forschung ist entscheidend, "ob die quantitativen und qualitativen Daten desselben Antwortenden verknüpft werden können". Da Kicue die Respondenten-ID bewahrt, wird die Verknüpfungsarbeit zur Erstellung von Joint Displays erleichtert.

Als verwandte Beiträge ergänzen Unterscheidung quantitativer und qualitativer Erhebungen, Design offener Fragen, Praxis der KI-Analyse offener Antworten und Prüfung von Reliabilität und Validität die konkreten Werkzeuge für jede Phase der Mixed-Methods.

Literatur

• Creswell, J. W., & Plano Clark, V. L. (2017). Designing and Conducting Mixed Methods Research (3rd ed.). SAGE Publications.
• Tashakkori, A., & Teddlie, C. (Eds.). (2010). SAGE Handbook of Mixed Methods in Social & Behavioral Research (2nd ed.). SAGE Publications.
• Greene, J. C., Caracelli, V. J., & Graham, W. F. (1989). Toward a conceptual framework for mixed-method evaluation designs. Educational Evaluation and Policy Analysis, 11(3), 255-274.
• Fetters, M. D., Curry, L. A., & Creswell, J. W. (2013). Achieving integration in mixed methods designs—principles and practices. Health Services Research, 48(6 Pt 2), 2134-2156.
• Bryman, A. (2007). Barriers to integrating quantitative and qualitative research. Journal of Mixed Methods Research, 1(1), 8-22.
• Onwuegbuzie, A. J., & Leech, N. L. (2006). Linking research questions to mixed methods data analysis procedures. The Qualitative Report, 11(3), 474-498.
• Johnson, R. E., Grove, A. L., & Clarke, A. (2019). Pillar Integration Process: A Joint Display Technique to Integrate Data in Mixed Methods Research. Journal of Mixed Methods Research, 13(3), 301-320.

Wenn Sie die quantitative und qualitative Analyse auf einer einzigen Plattform integrieren möchten, probieren Sie das kostenlose Umfragetool Kicue aus. Von der Erhebung strukturierter Daten mit SA / Matrix / Skalen-Fragen, über die Erhebung qualitativer Daten mit offenen Fragen, bis zum Respondenten-ID-verknüpften CSV-Export für die Joint-Display-Erstellung und die Auswahl von Kandidaten für Follow-up-Interviews — Sie können die Grundlage für Ihren gesamten Mixed-Methods-Forschungsworkflow in einem einzigen Konto aufbauen.