Was zählt alles zum Forschungsdesign?

Was ist Forschungsdesign – und warum ist es mehr als eine Methode?

Das Forschungsdesign ist der übergeordnete Rahmen einer wissenschaftlichen Studie. Es umfasst alle Entscheidungen, die vor, während und nach der Datenerhebung die Qualität und Aussagekraft der Ergebnisse bestimmen. Kurz gesagt: Das Forschungsdesign verbindet Forschungsfrage, Variablen, Datenerhebung und Analyse zu einer kohärenten Struktur.

Viele Studierende verwechseln das Forschungsdesign mit der Erhebungsmethode – also der Frage, ob man einen Fragebogen oder ein Interview einsetzt. Das ist jedoch nur ein Baustein von vielen. In der Fachliteratur wird Forschungsdesign als Rahmen aus Methoden und Verfahren beschrieben, mit dem Daten zu bestimmten Variablen gesammelt und analysiert werden – und dieser Rahmen umfasst weit mehr als die Wahl eines Instruments.

Das hat praktische Konsequenzen: Fehler im Forschungsdesign lassen sich statistisch meist nicht vollständig korrigieren. Wer beispielsweise eine falsche Stichprobenstrategie wählt oder relevante Störvariablen nicht im Design kontrolliert, kann das in der Auswertung kaum noch ausgleichen. Deshalb lohnt es sich, das Forschungsdesign von Anfang an sorgfältig zu planen.

Die zentralen Bestandteile des Forschungsdesigns im Überblick

Zum Forschungsdesign zählen mehrere eng miteinander verknüpfte Planungsebenen. Die folgende Tabelle gibt einen strukturierten Überblick über die wichtigsten Bestandteile:

Diese Bestandteile sind keine unabhängigen Checklistenpunkte – sie bedingen und beeinflussen sich gegenseitig. Die Wahl der Forschungsfrage bestimmt den methodischen Ansatz, der methodische Ansatz beeinflusst den Samplingplan, und der Samplingplan wiederum schränkt die Auswertungsverfahren ein.

Forschungsfrage, Ziel und theoretischer Rahmen

Jedes Forschungsdesign beginnt mit einer präzisen Forschungsfrage. Sie gibt die Richtung vor und bestimmt, welche Designentscheidungen überhaupt sinnvoll sind. Eine explorative Frage (»Wie erleben Pflegende die Einführung digitaler Dokumentationssysteme?«) führt zu einem anderen Design als eine explanative Frage (»Beeinflusst Stresserleben die Schlafqualität bei Studierenden?«).

Neben der Forschungsfrage gehört der theoretische Rahmen zum Forschungsdesign. Dieser umfasst:

• Den Bezug zu bestehenden Theorien und Modellen
• Die Herleitung und Operationalisierung der zentralen Konstrukte
• Die Formulierung von Hypothesen (bei explanativer Forschung)
• Die Abgrenzung des Untersuchungsgegenstands

Wie man eine gute Forschungsfrage entwickelt und welche Typen es gibt, erläutert unser Beitrag zu den vier Arten von Forschungsfragen. Wer konkrete Formulierungshilfen sucht, findet in den Beispielen für Forschungsfragen praxisnahe Orientierung für verschiedene Fachbereiche.

Methodischer Ansatz: quantitativ, qualitativ oder gemischt?

Eine der grundlegendsten Designentscheidungen betrifft den methodischen Ansatz. Hier unterscheidet man grob drei Richtungen:

Quantitative Forschungsdesigns

Quantitative Designs zielen auf die Messung und statistische Analyse von Variablen ab. Sie eignen sich für Hypothesenprüfungen, Zusammenhangs- und Kausalanalysen sowie für Studien, bei denen Generalisierbarkeit eine Rolle spielt. Typische Designvarianten sind Querschnitt-, Längsschnitt- und experimentelle Designs. Eine Übersicht der quantitativen Forschungsdesigns zeigt, wann welches Vorgehen passend ist.

Qualitative Forschungsdesigns

Qualitative Designs sind auf das Verstehen von Bedeutungen, Prozessen und sozialen Phänomenen ausgerichtet. Sie arbeiten mit Interviewdaten, Beobachtungen oder Dokumenten und folgen einer anderen Auswertungslogik als quantitative Ansätze. Zu den gängigen Varianten zählen Grounded Theory, Phänomenologie und Ethnografie. Die verschiedenen qualitativen Forschungsdesigns werden in einem eigenen Beitrag vertieft behandelt.

Mixed-Methods-Designs

Mixed-Methods-Ansätze kombinieren quantitative und qualitative Elemente – sequenziell oder parallel. Sie bieten eine größere methodische Flexibilität, stellen aber auch höhere Anforderungen an die Designplanung, weil beide Logiken methodisch begründet und aufeinander abgestimmt werden müssen.

Stichprobe und Samplingplan

Der Samplingplan legt fest, aus welcher Population Daten erhoben werden, wie viele Fälle einbezogen werden und nach welchem Verfahren die Auswahl erfolgt. Dieser Bestandteil wird im Forschungsdesign häufig unterschätzt – dabei bestimmt er maßgeblich, ob die Ergebnisse auf eine größere Gruppe übertragen werden können.

Zur Stichprobenplanung gehören folgende Entscheidungen:

• Grundgesamtheit definieren: Wer oder was ist die Zielpopulation?
• Stichprobenverfahren wählen: Zufallsbasiert (z. B. einfache Zufallsstichprobe, geschichtete Stichprobe) oder nicht-zufallsbasiert (z. B. Gelegenheitsstichprobe, purposive Sampling)?
• Stichprobengröße bestimmen: Wie viele Fälle sind erforderlich, um die Fragestellung mit ausreichender statistischer Power zu beantworten?
• Ein- und Ausschlusskriterien festlegen: Welche Merkmale müssen Teilnehmende aufweisen oder nicht aufweisen?

Für quantitative Designs gilt dabei: Die Stichprobengröße sollte idealerweise bereits in der Planungsphase auf Basis eines Sampling- und Analyseplans festgelegt werden, nicht erst nach der Datenerhebung.

Datenerhebungsverfahren

Das Datenerhebungsverfahren beschreibt, wie die Daten tatsächlich gesammelt werden. Dieser Bestandteil des Forschungsdesigns umfasst nicht nur die Wahl des Instruments, sondern auch den Erhebungskontext, den Zeitpunkt und die Durchführungsbedingungen.

Typische Erhebungsverfahren nach Forschungsansatz:

Im Forschungsdesign muss das gewählte Erhebungsverfahren begründet werden – also warum es für die Forschungsfrage und den Untersuchungsgegenstand geeignet ist. Eine reine Auflistung des Instruments reicht methodisch nicht aus.

Wer sich für experimentelle Forschungsdesigns interessiert, findet dort eine vertiefte Erläuterung zu Kontrollgruppen, Randomisierung und internen Validitätsbedrohungen – einschließlich des randomisierten Studiendesigns als Goldstandard kausaler Forschung.

Operationalisierung, Messung und Validität

Ein Bestandteil des Forschungsdesigns, der in Abschlussarbeiten oft zu wenig Aufmerksamkeit erhält, ist die Operationalisierung. Sie beantwortet die Frage: Wie wird ein theoretisches Konstrukt – etwa »Arbeitszufriedenheit« oder »Stresserleben« – empirisch messbar gemacht?

Was zur Operationalisierung gehört

Zur Operationalisierung zählen die Auswahl oder Entwicklung geeigneter Messinstrumente (z. B. validierte Skalen), die Festlegung des Messniveaus (nominal, ordinal, metrisch) sowie die Begründung, warum das gewählte Instrument das intendierte Konstrukt tatsächlich erfasst.

Letzteres ist die Frage der Validität – und sie beginnt nicht erst in der Auswertung. In der Forschungspraxis gilt: Aus Survey-Daten lassen sich nur dann belastbare Schlüsse ziehen, wenn die eingesetzten Messinstrumente die intendierten Konstrukte tatsächlich abbilden – Validität ist damit ein fortlaufender Planungs- und Begründungsprozess, kein einmaliger Check.

Arten von Validität im Forschungsdesign

• Interne Validität: Können beobachtete Effekte tatsächlich auf die untersuchte Variable zurückgeführt werden?
• Externe Validität: Lassen sich die Ergebnisse auf andere Personen, Settings oder Zeitpunkte verallgemeinern?
• Konstruktvalidität: Misst das Instrument wirklich das theoretische Konstrukt, das gemessen werden soll?
• Inhaltsvalidität: Deckt das Instrument den relevanten Inhaltsbereich des Konstrukts vollständig ab?

Das Forschungsdesign muss diese Aspekte nicht nur berücksichtigen, sondern auch explizit begründen, warum das gewählte Vorgehen die Validitätsanforderungen erfüllt – oder welche Einschränkungen bestehen.

Datenauswertungsplan

Der Datenauswertungsplan ist ein weiterer integraler Bestandteil des Forschungsdesigns. Er legt fest, mit welchen Verfahren die erhobenen Daten analysiert werden – und diese Entscheidung sollte bereits vor der Datenerhebung getroffen werden, nicht danach.

Zum Auswertungsplan gehören:

• Die Wahl der statistischen Verfahren (z. B. t-Test, Regressionsanalyse, Varianzanalyse) oder qualitativer Analysemethoden (z. B. thematische Analyse, Grounded-Theory-Kodierung)
• Die Festlegung, welche Variablen als abhängig, unabhängig oder Kontrollvariablen behandelt werden
• Das Vorgehen bei fehlenden Werten und Ausreißern
• Die Prüfung der Voraussetzungen für die geplanten Verfahren
• Das Signifikanzniveau und ggf. die Poweranalyse zur Stichprobenabsicherung

Wer die Auswertungslogik bereits im Design mitdenkt, vermeidet einen der häufigsten Fehler in Abschlussarbeiten: den Datenauswertungsplan erst nach der Erhebung zu entwickeln – zu einem Zeitpunkt, an dem bestimmte Analysefragen gar nicht mehr beantwortbar sind.

Die methodische Begleitung bei der Forschungsplanung setzt genau hier an: Forschungsfrage, Design, Auswertungslogik und Darstellung werden gemeinsam entwickelt, nicht isoliert betrachtet.

Ethische Aspekte

Ethische Überlegungen sind kein Anhang des Forschungsdesigns – sie sind ein integraler Bestandteil davon. Das gilt insbesondere für Studien, die mit menschlichen Teilnehmenden arbeiten.

Zu den ethischen Designbestandteilen zählen:

• Informierte Einwilligung (Informed Consent): Teilnehmende müssen über Zweck, Ablauf und Risiken der Studie aufgeklärt werden und freiwillig zustimmen.
• Anonymisierung und Datenschutz: Der Umgang mit personenbezogenen Daten muss im Design geplant und rechtlich abgesichert sein (DSGVO).
• Risikoabwägung: Mögliche Belastungen für Teilnehmende müssen abgewogen und minimiert werden.
• Transparenz: Das Vorgehen muss so dokumentiert werden, dass es nachvollzogen und repliziert werden kann.

An vielen Hochschulen ist ein Ethikantrag oder zumindest eine ethische Reflexion im Methodenteil mittlerweile Standard – insbesondere in Psychologie, Medizin und Sozialwissenschaften. Im Forschungsdesign sollte dieser Aspekt daher von Anfang an eingeplant werden.

Häufige Fehler beim Forschungsdesign

Abschließend lohnt ein Blick auf die typischen Stolperstellen, die in Abschlussarbeiten immer wieder auftreten:

• Forschungsfrage und Design passen nicht zusammen: Eine kausale Frage wird mit einem rein deskriptiven Querschnittsdesign beantwortet.
• Stichprobe wird nicht begründet: Warum genau diese Personengruppe? Warum diese Größe? Fehlt diese Begründung, fehlt ein wesentliches Designelement.
• Messinstrumente werden nicht auf Validität geprüft: Ein selbst entwickelter Fragebogen ohne Pilotierung und Validierungsschritte liefert methodisch schwache Ergebnisse.
• Auswertungsplan kommt zu spät: Wer erst nach der Erhebung entscheidet, wie ausgewertet wird, riskiert, dass die erhobenen Daten die Fragestellung gar nicht beantworten können.
• Ethik wird vergessen: Fehlende Einwilligungserklärungen oder datenschutzrechtliche Lücken können dazu führen, dass Daten nicht verwendet werden dürfen.

Wie man das Forschungsdesign methodisch korrekt und vollständig verschriftlicht, erläutert der Beitrag Wie formuliert man das Forschungsdesign? Wer noch grundlegender ansetzen möchte, findet in der Übersicht zu den 7 Arten von Forschungsdesigns einen strukturierten Einstieg in die gängigen Designvarianten.

Das Forschungsdesign ist letztlich das Herzstück einer empirischen Arbeit. Wer es sorgfältig plant, legt die Basis für eine methodisch überzeugende Studie – und vermeidet Probleme, die sich später kaum noch beheben lassen. Wie man dabei systematisch vorgeht, zeigt unser Beitrag zum Forschungsdesign erstellen.