Triangulation
In diesem Beitrag
Was versteht man unter Triangulation?
Triangulation bezeichnet in der empirischen Forschung die systematische Kombination mehrerer Methoden, Datenquellen, Theorien oder Perspektiven zur Untersuchung desselben Forschungsgegenstands. Das Ziel ist es, durch die Zusammenführung verschiedener Zugänge ein valideres, vollständigeres und robusteres Bild der untersuchten Realität zu gewinnen.
Der Begriff geht auf den Soziologen Norman Denzin zurück, der in den 1970er Jahren vier grundlegende Formen der Triangulation unterschied:
- Datentriangulation: Verwendung unterschiedlicher Datenquellen (z. B. verschiedene Zeitpunkte, Orte oder Personengruppen)
- Investigator-Triangulation: Einbeziehung mehrerer Forschender, die unabhängig voneinander erheben oder auswerten
- Theoretische Triangulation: Interpretation der Daten aus unterschiedlichen theoretischen Blickwinkeln
- Methodentriangulation: Einsatz verschiedener Erhebungs- oder Auswertungsmethoden, z. B. Kombination von Interviews und Fragebögen
Besonders verbreitet ist die Methodentriangulation, die häufig als Mixed-Methods-Ansatz umgesetzt wird – also die Kombination quantitativer und qualitativer Verfahren innerhalb einer Studie.
Warum ist Triangulation für statistische Analysen wichtig?
Jede Forschungsmethode hat ihre blinden Flecken. Fragebögen erfassen gut, was Menschen denken oder angeben – aber nicht immer, was sie tatsächlich tun. Beobachtungen zeigen Verhalten, aber nicht die dahinterliegenden Motive. Einzelne Statistiken können durch Ausreißer oder Stichprobenprobleme verzerrt sein.
Triangulation erhöht die Validität einer Studie, weil Befunde, die sich über mehrere Methoden oder Quellen hinweg bestätigen, als deutlich glaubwürdiger gelten als solche, die nur auf einem einzigen Instrument beruhen. Man spricht in diesem Zusammenhang auch von konvergenter Validität: Wenn unabhängige Messungen zum gleichen Ergebnis kommen, steigt das Vertrauen in den Befund erheblich.
Triangulation dient aber nicht nur der Absicherung – sie kann auch neue Erkenntnisse liefern. Wenn quantitative und qualitative Befunde auseinandergehen, ist das kein Fehler, sondern ein wertvoller Hinweis darauf, dass die Realität komplexer ist als zunächst angenommen.
Praxisbeispiel zu Triangulation
Eine Forscherin untersucht, ob ein neues Schulprogramm die Lesekompetenz von Grundschulkindern verbessert. Sie setzt Triangulation auf mehreren Ebenen ein:
| Triangulationsform | Konkrete Umsetzung |
|---|---|
| Methodentriangulation | Standardisierter Lesetest (quantitativ) + Lehrerinterviews (qualitativ) |
| Datentriangulation | Messung zu Beginn, nach drei Monaten und am Schuljahresende |
| Investigator-Triangulation | Zwei unabhängige Forschende werten die Interviews getrennt aus |
| Theoretische Triangulation | Interpretation der Befunde aus lernpsychologischer und soziologischer Perspektive |
Die Testergebnisse zeigen eine statistisch signifikante Verbesserung der Leseleistung. Die Lehrerinterviews bestätigen dies und liefern zusätzlich Hinweise darauf, dass vor allem Kinder mit Deutsch als Zweitsprache besonders stark profitiert haben – ein Befund, der im quantitativen Test allein nicht sichtbar geworden wäre.
Durch die Triangulation kann die Forscherin nicht nur sagen, dass das Programm wirkt, sondern auch für wen und unter welchen Bedingungen – ein deutlich substanzielleres Ergebnis als eine reine Signifikanzaussage.
