Welche Beispiele gibt es für Forschungsdesigns?

Was ist ein Forschungsdesign – und warum brauchen Sie eines?

Ein Forschungsdesign ist mehr als die Entscheidung, ob Sie einen Fragebogen einsetzen oder Interviews führen. Es ist der übergeordnete Plan, der Ihre Forschungsfrage, Ihre erkenntnistheoretische Position, Ihre Datenerhebung und Ihre Auswertungsstrategie zu einer kohärenten Forschungslogik verbindet.

In der Methodenliteratur wird das Forschungsdesign als Brücke zwischen dem, was untersucht werden soll, und dem, wie es untersucht wird, beschrieben. Ohne dieses Gerüst entstehen empirische Arbeiten, die entweder die falschen Daten erheben oder die richtigen Daten falsch interpretieren.

Die konkrete Wahl des Designs hängt dabei von vier Faktoren ab: dem Forschungsproblem, dem Erkenntnisinteresse, der theoretischen Perspektive und den verfügbaren Ressourcen – nicht von persönlichen Vorlieben für Statistik oder Interviews. Das ist ein wichtiger Hinweis, der in Abschlussarbeiten häufig übersehen wird.

Beispiele für quantitative Forschungsdesigns

Quantitative Designs sind darauf ausgerichtet, Hypothesen zu prüfen, Zusammenhänge zu messen oder Gruppen zu vergleichen. Sie arbeiten mit standardisierten Instrumenten und numerischen Daten. Zu den wichtigsten Beispielen in empirischen Abschlussarbeiten zählen:

Survey-Design (Querschnittsstudie)

Das Survey-Design ist das mit Abstand häufigste quantitative Design in Bachelor- und Masterarbeiten. Sie erheben zu einem Zeitpunkt Daten von einer möglichst repräsentativen Stichprobe – typischerweise über einen standardisierten Fragebogen.

Beispiel: Eine Studie untersucht den Zusammenhang zwischen wahrgenommenem Stress und Prokrastinationsverhalten bei Studierenden im deutschsprachigen Raum. Die Daten werden einmalig per Online-Fragebogen erhoben und anschließend per Regressionsanalyse ausgewertet.

Das Survey-Design ist schnell umsetzbar, erlaubt große Stichproben und ist für viele Fragestellungen geeignet. Sein wesentlicher Nachteil: Kausalaussagen sind nicht möglich, da keine Manipulation von Variablen stattfindet.

Längsschnittdesign (Panelstudie)

Beim Längsschnittdesign werden dieselben Personen zu mehreren Zeitpunkten befragt oder gemessen. So lassen sich Veränderungen über die Zeit beobachten.

Beispiel: Studierende werden zu Beginn und am Ende eines Semesters zu ihrer Selbstwirksamkeitserwartung befragt, um zu prüfen, ob ein Mentoring-Programm messbare Veränderungen bewirkt hat.

Längsschnittstudien sind für Abschlussarbeiten anspruchsvoller zu realisieren, da die Stichprobenpflege aufwendig ist und Panelausfälle methodisch adressiert werden müssen.

Vergleichendes Design

Beim Gruppenvergleichsdesign werden zwei oder mehr Gruppen hinsichtlich einer oder mehrerer Variablen miteinander verglichen, ohne dass eine experimentelle Manipulation stattfindet.

Beispiel: Vollzeit- und Teilzeitstudierende werden hinsichtlich ihrer Zufriedenheit mit der Studienorganisation verglichen. Die statistische Auswertung erfolgt per t-Test oder Mann-Whitney-U-Test.

Beispiele für qualitative Forschungsdesigns

Qualitative Designs zielen nicht auf Messung, sondern auf Verstehen. Sie rekonstruieren Bedeutungen, Perspektiven und Prozesse, die sich in Zahlen nicht abbilden lassen. Die Methodenliteratur unterscheidet mehrere etablierte Strategien, die jeweils eine eigene Forschungslogik mitbringen.

Fallstudiendesign

Die Fallstudie untersucht ein reales Phänomen in seinem natürlichen Kontext – ausführlich im eigenen Abschnitt besprochen. Sie eignet sich besonders dann, wenn die Grenze zwischen Phänomen und Kontext unklar ist und mehrere Datenquellen genutzt werden sollen.

Beispiel: Die Implementierung eines neuen Qualitätsmanagementsystems in einem mittelständischen Unternehmen wird anhand von Dokumentenanalysen, Interviews und Beobachtungsprotokollen untersucht.

Grounded Theory

Die Grounded Theory zielt darauf ab, aus empirischen Daten heraus eine gegenstandsbegründete Theorie zu entwickeln. Charakteristisch ist das theoretische Sampling: Neue Teilnehmende werden so lange einbezogen, bis theoretische Sättigung erreicht ist.

Beispiel: Wie verarbeiten Erstgenerations-Studierende den Übergang von der Schule in die Universität? Über sukzessive Interviews und systematische Kodierung wird ein Prozessmodell entwickelt, das die zentralen Mechanismen dieses Übergangs beschreibt.

Phänomenologisches Design

Phänomenologische Studien erfassen die gelebte Erfahrung von Menschen mit einem bestimmten Phänomen. Im Vordergrund steht nicht der Ablauf oder die Struktur eines Prozesses, sondern die subjektive Bedeutung.

Beispiel: Wie erleben Pflegekräfte das Arbeiten unter anhaltender Personalnot? Über tiefenstrukturierte Interviews wird die Essenz dieser Erfahrung herausgearbeitet.

Ethnografisches Design

Ethnografien untersuchen Gruppen, Kulturen oder Gemeinschaften durch intensive Feldarbeit – oft über lange Zeiträume. Die Forschungsperson ist Teil des Feldes.

Beispiel: Eine Forscherin verbringt mehrere Monate in einem Startup-Unternehmen, um die informellen Entscheidungsprozesse im Team durch teilnehmende Beobachtung und Feldnotizen zu dokumentieren.

Narrative Forschung

Das narrative Design interessiert sich für Lebensgeschichten, Erfahrungsberichte und Erzählstrukturen. Es rekonstruiert, wie Menschen ihrem Erleben Sinn geben.

Beispiel: Biographische Interviews mit Rückkehrmigrantinnen und -migranten werden ausgewertet, um Muster der Identitätsarbeit nach langer Abwesenheit aus dem Herkunftsland zu verstehen.

Eine systematische Übersicht der qualitativen Forschungsdesigns zeigt, wie stark sich diese Ansätze in ihrer epistemologischen Grundannahme unterscheiden – was direkte Konsequenzen für Sampling, Erhebung und Auswertung hat.

Beispiele für Mixed-Methods-Designs

Mixed-Methods-Designs kombinieren qualitative und quantitative Ansätze – aber nicht einfach als additive Sammlung zweier Methoden. Entscheidend ist, dass die Integration beider Stränge Teil des Designs selbst ist und zur Beantwortung der Forschungsfrage beiträgt.

Explanatory Sequential Design

Zuerst werden quantitative Daten erhoben und ausgewertet. In einem zweiten Schritt werden qualitative Daten erhoben, um die quantitativen Befunde zu erklären oder zu vertiefen.

Beispiel: Eine Fragebogenstudie zeigt, dass bestimmte Berufsgruppen deutlich geringere Arbeitszufriedenheit aufweisen. Im Anschluss werden qualitative Interviews geführt, um zu verstehen, welche konkreten Erfahrungen hinter diesen Zahlen stehen.

Exploratory Sequential Design

Hier ist die Reihenfolge umgekehrt: Qualitative Daten werden zuerst erhoben, um ein Phänomen zu explorieren. Die Ergebnisse fließen dann in die Entwicklung eines quantitativen Instruments ein.

Beispiel: Fokusgruppen mit Patientinnen und Patienten liefern die Grundlage für die Entwicklung eines validierten Fragebogens zur Behandlungszufriedenheit, der anschließend an einer größeren Stichprobe getestet wird.

Convergent Parallel Design

Qualitative und quantitative Daten werden parallel und unabhängig voneinander erhoben. Die Ergebnisse beider Stränge werden erst in der Interpretationsphase zusammengeführt und verglichen.

Beispiel: Zur Evaluation eines Schulprogramms werden gleichzeitig Testergebnisse der Schülerinnen und Schüler ausgewertet und Lehrkräfte in Interviews befragt. Konvergierende und divergierende Befunde werden gemeinsam interpretiert.

Experimentelle und quasi-experimentelle Designs im Detail

Experimentelle Designs sind die stärkste methodische Grundlage für Kausalaussagen. Sie manipulieren eine unabhängige Variable (Treatment) und messen deren Effekt auf eine abhängige Variable – unter Kontrolle von Störvariablen durch Randomisierung.

Randomisiertes Kontrollgruppendesign (RCT)

Das klassische Experiment weist Teilnehmende per Zufall einer Experimental- oder Kontrollgruppe zu. Beide Gruppen werden zu mindestens zwei Zeitpunkten gemessen.

Beispiel: Eine Interventionsstudie prüft, ob ein achtsamkeitsbasiertes Training die Prüfungsangst bei Studierenden reduziert. Die Experimental­gruppe nimmt am Training teil, die Kontrollgruppe nicht. Prüfungsangst wird vor und nach der Intervention gemessen.

Die Stärke dieses Designs liegt in seiner internen Validität: Durch die Randomisierung werden systematische Unterschiede zwischen den Gruppen minimiert. Ein klassisches Referenzwerk zu experimentellen und quasi-experimentellen Designs mit vollständiger Validitätsanalyse zeigt jedoch, dass auch scheinbar einfache Vorher-Nachher-Designs durch Testeffekte, Reifung oder historische Ereignisse kompromittiert werden können.

Ein-Gruppen-Pretest-Posttest-Design

Eine Gruppe wird vor und nach einem Treatment gemessen, ohne dass eine Kontrollgruppe existiert. Dieses Design ist einfach umzusetzen, aber methodisch schwach: Es kann nicht ausgeschlossen werden, dass die beobachtete Veränderung auf andere Ursachen zurückgeht als auf das Treatment.

Beispiel: Seminarteilnehmende werden vor und nach einem Methodenworkshop zu ihrem Statistikwissen befragt. Ohne Kontrollgruppe bleibt offen, ob ein Lernzuwachs tatsächlich auf den Workshop zurückzuführen ist.

Quasi-experimentelles Design

Wenn eine zufällige Zuweisung nicht möglich ist – etwa weil natürliche Gruppen (Schulklassen, Abteilungen) untersucht werden – kommt ein quasi-experimentelles Design zum Einsatz. Die Logik ähnelt dem Experiment, aber die fehlende Randomisierung schränkt die Kausalinterpretation ein.

Beispiel: Zwei Schulklassen werden verglichen: Eine erhält Unterricht mit digitalen Lernmitteln, die andere mit klassischen. Da die Klassen nicht per Zufall gebildet wurden, müssen Vortest-Unterschiede statistisch kontrolliert werden.

Wer sich für den Aufbau experimenteller Studien interessiert, findet im Beitrag zu experimentellen Forschungsdesigns eine ausführliche methodische Einordnung.

Fallstudiendesign – Einzel-, Eingebettet und Mehrfall

Das Fallstudiendesign verdient eine gesonderte Betrachtung, weil es eines der vielseitigsten und gleichzeitig am häufigsten missverstandenen Designs in empirischen Abschlussarbeiten ist.

Eine Fallstudie untersucht ein reales Phänomen in seinem natürlichen Kontext und nutzt dabei typischerweise mehrere Datenquellen – Interviews, Dokumente, Beobachtungen. Entscheidend ist: Die Wahl des Falls ist keine Vereinfachung, sondern eine methodische Entscheidung mit Konsequenzen für die Validität der Befunde.

Einzelfallstudie

Ein einzelner Fall wird intensiv und aus mehreren Perspektiven analysiert. Eine Einzelfallstudie ist dann methodisch gerechtfertigt, wenn es sich um einen kritischen, extremen, einzigartigen oder bisher unzugänglichen Fall handelt – jede dieser Begründungslogiken stellt andere Anforderungen an die Fallauswahl und die spätere Interpretation.

Beispiel: Eine Organisation, die als einzige in ihrer Branche eine vollständige Viertagewoche eingeführt hat, wird hinsichtlich ihrer internen Kommunikations- und Koordinationsprozesse untersucht.

Eingebettete Fallstudie (Embedded Case Study)

Innerhalb eines übergeordneten Falls werden mehrere Untereinheiten analysiert. Das ermöglicht eine differenziertere Betrachtung, ohne den Gesamtrahmen zu verlassen.

Beispiel: Eine Universität wird als übergeordneter Fall untersucht, wobei drei Fakultäten als Untereinheiten dienen. Innerhalb jeder Fakultät werden Leitungsinterviews und Studierendenbefragungen kombiniert.

Multiple Fallstudie

Mehrere Fälle werden parallel untersucht, um durch Vergleich robustere Aussagen zu ermöglichen. Die Logik dahinter ist die theoretische Replikation: Jeder weitere Fall kann bestehende Befunde bestätigen oder spezifische Bedingungen ihrer Gültigkeit aufzeigen.

Beispiel: Vier Unternehmen verschiedener Branchen werden daraufhin untersucht, wie sie Nachhaltigkeitsziele in ihre Unternehmenskommunikation integrieren. Ähnlichkeiten und Unterschiede zwischen den Fällen bilden die Grundlage für übergeordnete Schlussfolgerungen.

Welches Design passt zu Ihrer Arbeit?

Die Auswahl des Forschungsdesigns ist keine freie Kreativaufgabe – sie folgt einer Logik, die bei der Forschungsfrage beginnt. Stellen Sie sich drei Leitfragen:

• Was wollen Sie wissen? Soll etwas gemessen, erklärt, exploriert oder verstanden werden?
• Welchen Zugang haben Sie? Können Sie eine Stichprobe randomisieren, oder arbeiten Sie mit natürlichen Gruppen oder Einzelfällen?
• Wie viel Zeit und welche Ressourcen stehen zur Verfügung? Längsschnitt- und experimentelle Designs sind aufwendiger als Querschnittsbefragungen.

Wenn Sie unsicher sind, wo Ihre Forschungsfrage methodisch einzuordnen ist, lohnt sich ein Blick auf konkrete Beispiele für Forschungsfragen – denn Design und Frage bedingen einander. Wer hingegen noch keine Forschungsfrage formuliert hat, findet im Beitrag Wie kann ich meine Forschungsfrage formulieren? eine strukturierte Anleitung.

Die Entscheidung für ein Design sollte außerdem im Methodenteil Ihrer Arbeit explizit begründet werden – nicht nur benannt. Das bedeutet: Sie erklären, warum dieses Design zu Ihrer Fragestellung passt, welche Alternativen Sie verworfen haben und welche Einschränkungen sich aus der Wahl ergeben. Wie das konkret formuliert wird, zeigt der Beitrag zum Formulieren des Forschungsdesigns.

Umfassende Unterstützung bei der Planung und Umsetzung Ihres Forschungsdesigns – von der Hypothesenentwicklung bis zur statistischen Auswertung – bietet die methodische Begleitung für empirische Abschlussarbeiten bei QuantExpert.