Ein Forschungsdesign ist der Gesamtplan deiner empirischen Bachelorarbeit. Du stimmst Erkenntnisziel, mögliche Schlussfolgerungen, zeitlichen Verlauf, Daten, Fall- oder Stichprobenauswahl, Messung und Analyse aufeinander ab. Im Methodenkapitel benennst und begründest du diese Entscheidungen.
In diesem Artikel erfährst du, welche Designtypen es gibt, wie du den passenden wählst und wie du ihn im Methodenteil darstellst.
Ein Forschungsdesign ist passend, wenn Forschungsfrage, Fall- oder Stichprobenauswahl, Datenerhebung und Auswertung logisch zusammenspielen. Wähle kein Etikett zuerst; beschreibe die Entscheidungen so konkret, dass andere dein Vorgehen prüfen könnten.
-
Fünf Bausteine: Als praktische Orientierung nutzt dieser Artikel fünf Bausteine: Erkenntnisziel, Ausrichtung und Design, Daten oder Quellen, Fall- oder Stichprobenauswahl sowie Analyse und Schlussfolgerung.
-
Gestaltung: Die konkrete Gestaltung hängt außerdem von zeitlichem Verlauf, Intervention und Zuweisung oder Vergleich, Messung, Annahmen, Ethik und Machbarkeit ab.
-
Literaturarbeit: Literaturarbeiten brauchen ein begründetes Reviewdesign oder methodisches Vorgehen.
Hinweis zu Vorgaben: Struktur, Umfang und Formvorgaben variieren je nach Hochschule und Fachbereich. Prüfe deine Prüfungsordnung oder frag deine Betreuung. Hochschulvorgaben haben immer Vorrang.
Inhaltsverzeichnis
Was ist ein Forschungsdesign?
Das Forschungsdesign beschreibt, welchen Weg du einschlägst, um deine Forschungsfrage zu beantworten, und begründet, warum dieser Weg sinnvoll ist. Es zeigt das Zusammenspiel aller Komponenten: von der Fragestellung über die Datenerhebung bis zur Auswertung.
In der Einleitung deiner Bachelorarbeit skizzierst du das Forschungsdesign in ein bis zwei Sätzen. Im Methodenkapitel beschreibst du es ausführlich und begründest deine Entscheidungen. Die Betreuung prüft hier, ob dein Vorgehen zur Forschungsfrage passt und wissenschaftlichen Standards entspricht.
Forschungsdesign, Methodik und Methodologie
Die Begriffe werden oft verwechselt, beschreiben aber unterschiedliche Ebenen. Die Methodologie ist die theoretische Ebene: Sie fragt, wie Wissen grundsätzlich gewonnen werden kann. Ob du diese Position ausdrücklich behandelst, hängt von Fach, Forschungsansatz und Leitfaden ab.
Das Forschungsdesign ist die strategische Ebene: Es legt fest, welchen grundsätzlichen Ansatz du verfolgst (z. B. qualitative Fallstudie, quantitative Querschnittstudie) und wie die Bausteine zusammenwirken. Die Methodik ist die operative Ebene: Sie beschreibt die konkreten Verfahren zur Datenerhebung und Auswertung.
Beispiel: Dein Design ist eine qualitative Fallstudie. Deine Methodik besteht aus leitfadengestützten Interviews (Erhebung) und qualitativer Inhaltsanalyse nach Kuckartz (Auswertung). Das Design sagt, was du tust und warum. Die Methodik beschreibt, wie du es konkret umsetzt.
Fünf Bausteine des Forschungsdesigns
Die folgenden fünf Bausteine helfen dir, dein Forschungsdesign zu planen. Die Entscheidungen beeinflussen einander. Begründe auch zusätzliche Aspekte, die für deine Frage relevant sind.
Baustein 1: Erkenntnisziel und Forschungsfrage
Die Forschungsfrage und das angestrebte Erkenntnisziel geben die Richtung vor. Fragewörter können erste Hinweise liefern, bestimmen das Design aber nicht allein. Entscheidend ist, welche Schlussfolgerung deine Daten tragen sollen.
Beschreibend: „Wie verbreitet ist Homeoffice in deutschen KMU?“
Zusammenhangsbezogen: „Welche Faktoren hängen mit der Produktivität im Homeoffice zusammen?“
Verstehend: „Wie erleben Führungskräfte die Umstellung auf Remote Work?“
Baustein 2: Ausrichtung und Design
Lege die methodische Ausrichtung fest: qualitativ, quantitativ oder Mixed Methods. Bestimme zusätzlich, ob du zu einem oder mehreren Zeitpunkten erhebst, beobachtest oder intervenierst und wie Zuweisung und Vergleich gestaltet sind.
Quantitativ: Größen, Unterschiede oder Zusammenhänge schätzen und Hypothesen prüfen. Ob du auf eine Population schließen kannst, hängt vom Inferenzziel und der Auswahl ab.
Qualitativ: Bedeutungen, Prozesse oder Erfahrungen untersuchen und kontextbezogen interpretieren. Erkenntnistiefe entsteht durch passende Fallauswahl, Erhebung und Analyse.
Mixed Methods: Qualitative und quantitative Komponenten für eine gemeinsame oder miteinander verknüpfte Frage gezielt integrieren. Zweck, Reihenfolge, Gewichtung und Integrationspunkt variieren je nach Design.
Baustein 3: Daten oder Quellen
Datenquelle, Erhebungsmethode und Messung müssen zur Frage und zur geplanten Schlussfolgerung passen. Jede Quelle und Methode hat Stärken, Grenzen und eigene Voraussetzungen.
Quantitativ: Standardisierte Fragebögen, Experimente, Sekundärdatenanalyse.
Qualitativ: Interviews, Fokusgruppen, Beobachtung, Dokumentenanalyse.
Baustein 4: Fall- oder Stichprobenauswahl
Die Stichprobenauswahl richtet sich nach Zielpopulation oder Fallbezug, Inferenzziel, Design und Analyse.
Quantitativ: Definiere Zielpopulation, Auswahlrahmen, Auswahlverfahren und Rekrutierungsweg. Gelegenheits- oder Selbstselektionsstichproben, etwa über Social Media, können durch eingeschränkte Abdeckung und Selbstselektion verzerrt sein. Populationsschlüsse hängen nicht allein von der Fallzahl ab. Bei einem offenen Link berichtest du Starts, Abschlüsse, Ausschlüsse und auswertbare Fälle. Eine Rücklaufquote setzt einen abgegrenzten Kreis eingeladener oder ausgewählter Einheiten und dokumentierte Endstatus voraus.
Qualitativ: Fälle können kriteriengeleitet ausgewählt werden. Dokumentiere Auswahlkriterien (zum Beispiel Alter, Beruf und Erfahrung), Rekrutierungsweg und Begründung. Theoretical Sampling bezeichnet in der Grounded Theory eine kategoriengeleitete Auswahl, die mit Datenerhebung und Analyse verzahnt ist.
Angemessenheit prüfen: Begründe die Zahl der Fälle passend zu Frage, Fallauswahl, Heterogenität und Analyseansatz. Wenn du Sättigung als Stoppkriterium nutzt, definiere die gemeinte Form und dokumentiere, wie du sie im laufenden Analyseprozess geprüft hast. Fiktives Dokumentationsbeispiel bei thematischer Sättigung: Interview 10 ergänzt eine Unterkategorie; Interviews 11 und 12 liefern weitere Belege, aber keine neuen Themen. Prüfe zusätzlich, ob Unterschiede und Kontrastfälle ausreichend erfasst sind. Die Entscheidung ergibt sich aus der Analyse, nicht aus dieser Beispielzahl.
Baustein 5: Analyse und Schlussfolgerung
Die Analysemethode muss zu den Daten, zur Forschungsfrage, zur Schlussfolgerung und zu den Annahmen des Verfahrens passen.
Quantitativ: Deskriptive Statistik, Korrelationen, Regressionen, Hypothesentests. Tools: SPSS, R, Excel.
Qualitativ: Qualitative Inhaltsanalyse, Grounded Theory, dokumentarische Methode. Tools: MAXQDA, ATLAS.ti.
Forschungsdesign-Typen im Überblick
Qualitativ, quantitativ und Mixed Methods sind drei häufige methodische Ausrichtungen. Konkrete Designs verbinden sie mit Entscheidungen zu Zeit und Verlauf, Intervention oder Beobachtung, Zuweisung und Vergleich, Datenstruktur, Auswahl und Analyse.
Quantitatives Forschungsdesign
Das quantitative Design kann Größen, Unterschiede oder Zusammenhänge schätzen und Hypothesen prüfen. Ob Ergebnisse auf eine Zielpopulation übertragen werden können, hängt von Inferenzziel, Auswahl, Abdeckung, Ausfällen und Unsicherheit ab.
Designdimensionen: Querschnitt erfasst einen Zeitpunkt, Längsschnitt mehrere Zeitpunkte. Beobachtungsstudie, quasi-experimentelles Design oder randomisiertes Experiment unterscheiden sich darin, wie Intervention, Zuweisung, Vergleich und Identifikation gestaltet sind.
Passt, wenn: Du Größen, Unterschiede oder Zusammenhänge schätzen, Hypothesen prüfen oder mit geeigneter Auswahl auf eine definierte Population schließen willst.
Qualitatives Forschungsdesign
Qualitative Designs untersuchen Bedeutungen, Erfahrungen und Prozesse in ihrem Kontext. Wie differenziert die Ergebnisse werden, hängt von Frage, Fallauswahl, Erhebung und Analyse ab.
Typische Designs: Einzelfallstudie, Mehrfallstudie, Phänomenologie (Erleben erforschen), Grounded Theory (Theorie aus Daten entwickeln), Ethnografie (Kultur verstehen).
Passt, wenn: Du ein Phänomen erkunden, subjektive Erfahrungen verstehen oder neue Theorien entwickeln willst.
Mixed Methods (Mixed-Methods-Design)
Mixed Methods integriert qualitative und quantitative Komponenten für eine gemeinsame oder miteinander verknüpfte Forschungsfrage. Lege Zweck, Reihenfolge, Gewichtung, Integrationspunkt und den Umgang mit übereinstimmenden oder abweichenden Befunden fest.
Typische Varianten: Sequentiell (eine Komponente baut auf der anderen auf), parallel (gleichzeitig, dann Integration), embedded (eine Komponente ist in die andere eingebettet).
Passt, wenn: Du verschiedene Perspektiven verbinden oder quantitative Ergebnisse durch qualitative Einblicke erklären willst. Beachte: Mixed Methods bedeuten deutlich mehr Aufwand.
Das passende Forschungsdesign wählen
Wähle das Forschungsdesign gemeinsam nach Erkenntnisziel und zulässiger Schlussfolgerung, Zeitstruktur, Intervention oder Beobachtung, Daten und Messung, Fall- oder Stichprobenauswahl, Analyseannahmen, Ethik und Machbarkeit. Fragewörter geben Hinweise, entscheiden aber nicht allein.
-
Willst du Größen, Unterschiede oder Zusammenhänge schätzen?
Dann kann ein quantitatives Design passen. Nächster Schritt: Definiere Zielparameter, Vergleich, Messung und Analyse. Prüfe außerdem, welche Annahmen deine Schlussfolgerung benötigt.
-
Willst du Bedeutungen, Erfahrungen oder Prozesse untersuchen?
Dann kann ein qualitatives Design passen. Nächster Schritt: Begründe Fallauswahl, Datenquelle, Erhebungsform und Auswertungsmethode.
-
Planst du eine quantitative Analyse?
Dann begründe die Fallzahl für den konkreten Zielparameter, Test oder das Modell.
Nächster Schritt: Plane bei Hypothesentests die Teststärke, etwa mit G*Power. Für eine Schätzung planst du stattdessen die gewünschte Präzision, zum Beispiel die Breite eines Konfidenzintervalls. Bei einer Poweranalyse prüfst du:
- Zielparameter sowie Test oder Modell (zum Beispiel t-Test oder Regression) und dessen Annahmen
- Vorab begründetes α-Niveau und angestrebte Teststärke
- Erwartete Effektgröße (klein/mittel/groß)
- Anzahl der Prädiktoren, geplante Vergleiche und erwartete Ausfälle
Rechenbeispiel: Für die Option „F-Tests, lineare multiple Regression: festes Modell, R²-Abweichung von null“ mit 4 Prädiktoren, angenommener mittlerer Effektgröße (f² = 0,15), α = 0,05 und Power = 0,80 ergibt G*Power etwa 85 auswertbare Fälle. Erwartest du begründet, dass 80 % der rekrutierten Personen auswertbare Daten liefern, rechnest du 85 ÷ 0,80 und setzt das Rekrutierungsziel auf 107 Personen. Prüfe Testwahl, Annahmen und erwartete Verluste für deine Studie.
-
Hast du Zeit für aufwendige Einzelfallarbeit?
Qualitative Designs können intensive Arbeit pro Fall erfordern. Nächster Schritt: Erstelle einen realistischen Zeitplan für Rekrutierung, Durchführung, Transkription und Auswertung.
-
Gibt es bereits etablierte Theorien?
Sie können Hypothesen, Konstrukte und Interpretation anleiten, ohne das Design allein festzulegen. Nächster Schritt: Recherchiere passende Modelle und Evidenz zu deinen Messinstrumenten.
-
Hat deine Betreuung Präferenzen?
Manche Betreuende bevorzugen bestimmte Ansätze. Nächster Schritt: Vereinbare ein Gespräch und bring einen Designvorschlag mit.
-
Sind sensible Daten oder vulnerable Gruppen beteiligt?
Nächster Schritt: Kläre vor der Rekrutierung die Ethik- und Datenschutzvorgaben deiner Hochschule. Prüfe Zuständigkeiten, Datenflüsse, Rechtsgrundlage, Information und eine Einwilligung, falls sie verwendet wird, sowie Schutzmaßnahmen.
Forschungsdesign Beispiele
Die folgenden Beispiele zeigen, wie unterschiedliche Forschungsdesigns konkret aussehen. Jedes Beispiel enthält Forschungsfrage, Ansatz, Erhebung, Stichprobe, Analyse und eine kurze Begründung. Passe die Inhalte an dein Thema an. Die drei Designs sind fiktive Planungsbeispiele.
Beispiel 1: Quantitatives Design (BWL/Wirtschaftspsychologie)
Forschungsfrage: Welche Merkmale stehen mit der Akzeptanz von KI-Tools im Recruiting bei HR-Fachleuten in Zusammenhang?
Forschungsansatz: Quantitativ, hypothesenprüfend. Es liegen Theorien zur Technologieakzeptanz vor (TAM, UTAUT), aus denen Hypothesen abgeleitet werden.
Datenerhebung: Standardisierter Online-Fragebogen mit etablierten Skalen, ergänzt um themenspezifische Items.
Stichprobe: 150 HR-Fachleute aus deutschen Unternehmen, rekrutiert über LinkedIn. Auswahlkriterien: mindestens zwei Jahre Berufserfahrung, Erfahrung mit digitalen Recruiting-Tools. Die nicht probabilistische Selbstselektionsstichprobe erlaubt nur begrenzte Übertragung auf HR-Fachleute in Deutschland.
Datenanalyse: Deskriptive Statistik, multiple Regressionsanalyse. Auswertung mit SPSS.
Begründung: Die Frage zielt auf messbare Zusammenhänge. Der etablierte Theorierahmen erlaubt Hypothesenbildung. Ob 150 Fälle für das geplante Regressionsmodell ausreichen, muss anhand von Zielparameter, Annahmen, Effektgröße, Alpha-Niveau und Teststärke begründet werden.
Beispiel 2: Qualitatives Design (Sozialwissenschaften)
Forschungsfrage: Wie erleben Pflegekräfte die Einführung von Dokumentationssoftware in ihrem Arbeitsalltag?
Forschungsansatz: Qualitativ-explorativ. Das subjektive Erleben und die Bedeutungszuschreibung stehen im Fokus. Es gibt wenig Vorwissen zu diesem spezifischen Kontext.
Datenerhebung: Leitfadengestützte Interviews, ca. 45 bis 60 Minuten. Der Leitfaden enthält offene Fragen zu Erfahrungen, Herausforderungen und Bewältigungsstrategien.
Stichprobe: 12 Pflegekräfte aus drei Einrichtungen, gezielt ausgewählt nach Berufserfahrung, Einrichtungstyp und Alter. Rekrutierung über Stationsleitungen.
Datenanalyse: Qualitative Inhaltsanalyse nach Kuckartz. Kategorienbildung deduktiv-induktiv. Auswertung mit MAXQDA.
Begründung: Die Frage zielt auf subjektives Erleben. Offene Interviews ermöglichen ausführliche, kontextbezogene Antworten. Die Angemessenheit der Fallauswahl wird passend zur qualitativen Inhaltsanalyse begründet und im Analyseprozess geprüft.
Beispiel 3: Mixed-Methods-Design (Bildungswissenschaften)
Forschungsfrage: Wie verändern sich die selbsteingeschätzte Schreibkompetenz und das Schreibselbstkonzept nach Peer-Feedback, und wie deuten Studierende diese Veränderungen?
Forschungsansatz: Sequentielles Mixed-Methods-Design (hier: QUAN → qual). Zuerst werden Veränderungen gemessen, dann werden ausgewählte Muster durch Interviews vertieft. Die qualitative Auswahl ist damit an die quantitative Phase angebunden. Auch qual → QUAN oder parallele Designs sind möglich.
Datenerhebung: Phase 1: Prä-Post-Befragung mit standardisierten Skalen zur selbsteingeschätzten Schreibkompetenz und zum Schreibselbstkonzept. Phase 2: Leitfadeninterviews mit ausgewählten Teilnehmenden.
Stichprobe: Phase 1: 80 Studierende eines Schreibkurses. Phase 2: 8 Studierende, gezielt ausgewählt nach Ergebnissen (je 4 mit hoher/niedriger Verbesserung).
Datenanalyse: Phase 1: t-Test für verbundene Stichproben. Phase 2: Thematische Analyse der Interviews. Integration: Quantitative Veränderungsmuster steuern die Fallauswahl und werden mit den qualitativen Deutungen gemeinsam interpretiert. Abweichende Befunde werden ausdrücklich diskutiert.
Begründung: Die Frage verbindet messbare Veränderung und subjektive Deutung. Mixed Methods integrieren beide Komponenten. Ohne Vergleichsgruppe und geeignete Zuweisungs- oder Identifikationsstrategie kann das Ein-Gruppen-Prä-Post-Design die Wirkung von Peer-Feedback nicht isolieren.
Literaturarbeit: Reviewdesign und methodisches Vorgehen
Bei Literaturarbeiten erhebst du keine neuen Primärdaten, brauchst aber ein begründetes Reviewdesign und methodisches Vorgehen. Narrative Literaturarbeit, Scoping Review, systematischer Review und weitere fachbezogene Formen verfolgen unterschiedliche Ziele. Reviewfrage und Reviewtyp bestimmen die konkrete Ausgestaltung.
-
Frage und Reviewtyp festlegen
Ziel: Erkenntnisziel, Reviewfrage und passende Reviewform bestimmen.
Ergebnis: Begründeter Reviewtyp, Kriterien und bei systematischen Vorhaben ein vorab festgelegtes Protokoll, sofern der gewählte Standard dies vorsieht.
-
Informationsquellen und Suche planen
Ziel: Passende Datenbanken, Suchwege und Suchgrenzen begründen.
Ergebnis: Dokumentierte Informationsquellen, Suchstrings, Suchdatum und Zeitraum.
-
Auswahl und Datengewinnung festlegen
Ziel: Quellen anhand transparenter Kriterien auswählen und relevante Angaben gewinnen.
Ergebnis: Ein- und Ausschlusskriterien, dokumentierte Auswahlentscheidungen mit Trefferzahlen je Auswahlstufe und eine Extraktionstabelle, zum Beispiel mit Autor, Jahr, Methode und Kernbefunden.
-
Qualität oder Verzerrungsrisiko bewerten
Ziel: Qualität, methodische Grenzen oder Verzerrungsrisiken mit einem zum Reviewtyp passenden Verfahren beurteilen, wenn eine solche Bewertung vorgesehen ist.
Ergebnis: Dokumentiertes Bewertungsverfahren und nachvollziehbare Urteile.
-
Synthese und Berichterstattung planen
Ziel: Befunde mit einer zur Frage und zu den Daten passenden Methode zusammenführen.
Ergebnis: Begründete Synthese, zum Beispiel eine thematische Gliederung oder ein Vergleich von Positionen, transparente Ergebnisdarstellung und Dokumentation des tatsächlichen Reviewverlaufs.
PRISMA unterstützt die transparente Berichterstattung systematischer Reviews. Es ersetzt weder das Reviewprotokoll noch die Methoden für Suche, Auswahl, Bewertung und Synthese. Prüfe, welche Leitlinie oder Erweiterung zu deinem Reviewtyp und Fach passt.
Auch wenn du keine Interviews führst oder Fragebögen auswertest: Dein Vorgehen muss nachvollziehbar sein. Beschreibe im Methodenteil Reviewtyp, Suche, Auswahl, Datengewinnung, gegebenenfalls Bewertung und Synthese. Die Literaturrecherche wird so zum methodischen Kern deiner Arbeit.
Typische Fehler vermeiden
-
Bruch zwischen Frage und Design
Problem: Willst du offene, bisher wenig bekannte Erfahrungen erkunden, liefern vorgegebene Antwortoptionen allein oft nicht die nötigen Informationen.
So behebst du es: Wähle für die offene Erkundung offene Erhebungsformen wie Interviews. Für die standardisierte Erfassung bekannter Erfahrungsdimensionen kann ein Fragebogen dagegen passen.
-
Methodik ohne Begründung
Problem: Viele beschreiben ihre Methoden detailliert, aber begründen nicht, warum sie diesen Ansatz gewählt haben. Die Betreuung will verstehen, warum Interviews besser passen als ein Fragebogen oder umgekehrt.
So behebst du es: Formuliere explizit: „Da die Forschungsfrage auf X abzielt, wurde ein Y-Design gewählt, weil...“
-
Überschätzung der eigenen Ressourcen
Problem: Mixed Methods kann durch mehrere Komponenten und ihre Integration erheblichen Mehraufwand verursachen.
So behebst du es: Ein sauber durchgeführtes einfaches Design ist besser als ein überambitioniertes Mixed-Methods-Design, das an Zeitmangel scheitert.
-
Auswahl passt nicht zur Schlussfolgerung
Problem: Die Fallzahl allein macht eine Befragung weder repräsentativ noch eine qualitative Untersuchung tiefgehend.
So behebst du es: Begründe Auswahlverfahren, Fallzahl und erreichbare Schlussfolgerung gemeinsam mit Frage, Design und Analyse. Auch eine Online-Befragung mit 15 Teilnehmenden misst du an ihrem Ziel, etwa als Pilotstudie.
Frage-Design-Passung
-
Welche beschreibende, vergleichende, zusammenhangsbezogene, kausale oder interpretative Schlussfolgerung soll möglich sein?
-
Tragen Zeitstruktur, Intervention oder Beobachtung, Vergleich, Auswahl und Messung diese Schlussfolgerung?
-
Passen Daten, Analyseverfahren und deren Annahmen zur Forschungsfrage?
Ressourcen für Mixed Methods
-
Reicht meine Zeit für alle geplanten Erhebungs-, Analyse- und Integrationsschritte?
-
Habe ich die nötigen Methodenkenntnisse für beide Ansätze?
-
Ist der Mehrwert gegenüber einem reinen Ansatz klar?
-
Sind Zweck, Reihenfolge, Gewichtung, Integrationspunkt und Umgang mit abweichenden Befunden festgelegt?
Stichprobe ↔ Analyse
-
Welche Analysemethode plane ich (t-Test, Regression, Inhaltsanalyse…)?
-
Wie begründe ich die Angemessenheit der Fallzahl für Frage, Design und Analyse?
-
Habe ich realistisch Zugang zu dieser Zahl?
-
Habe ich Puffer für Dropout eingeplant?
Nächster Schritt: Vom Design zur Umsetzung
Wenn dein Forschungsdesign steht und mit der Betreuung abgestimmt ist, geht es an die Umsetzung. Die nächsten Schritte hängen von deinem Designtyp ab.
Bei quantitativen Designs: Entwickle oder adaptiere deinen Fragebogen, führe bei selbst entwickelten oder angepassten Instrumenten einen passenden Pretest durch und plane die Rekrutierung deiner Stichprobe. Lege fest, welche statistischen Verfahren du für die Datenanalyse nutzen wirst.
Bei qualitativen Designs: Erstelle deinen Interviewleitfaden, plane die Rekrutierung deiner Fälle und kläre organisatorische Fragen wie Aufnahmetechnik und Transkription. Mach dich mit deiner Analysemethode vertraut, etwa der qualitativen Inhaltsanalyse.
Kläre das Verfahren vor der Rekrutierung mit den zuständigen Stellen deiner Hochschule. Unterscheide die Einwilligung zur Teilnahme von der datenschutzrechtlichen Rechtsgrundlage. Für die Verarbeitung personenbezogener Daten kommen je nach Vorhaben unterschiedliche Rechtsgrundlagen infrage.
-
Verantwortliche, mögliche Auftragsverarbeitende und Datenflüsse festlegen
-
Zweck, Rechtsgrundlage, Teilnehmerinformation und gegebenenfalls Einwilligung klären
-
Nur erforderliche Daten erheben und Zugriffe, Speicherung, Löschung und technische Sicherheit planen
-
Pseudonymisierung oder Anonymisierung passend zum Zweck und zum Reidentifizierungsrisiko wählen
Pseudonymisierte Daten bleiben personenbezogen. Daten sind erst anonym, wenn Personen unter den vernünftigerweise einsetzbaren Mitteln nicht mehr identifizierbar sind.
Absatz 1: Designtyp und Begründung
Nenne Ausrichtung und konkrete Designdimensionen. Begründe mit Bezug auf Forschungsfrage und Schlussfolgerungsziel, warum sie passen.
Absatz 2: Datenerhebung
Beschreibe die Erhebungsmethode (z. B. Fragebogen, Interview) und begründe, warum sie zur Fragestellung passt. Nenne das Instrument (z. B. etablierte Skala, selbst entwickelter Leitfaden).
Absatz 3: Stichprobe
Beschreibe Zielpopulation oder Fallbezug, Auswahlkriterien, Rekrutierung und Größe. Begründe, welche Schlussfolgerung die Auswahl erlaubt.
Absatz 4: Datenanalyse
Nenne die Analysemethode (z. B. Regressionsanalyse, qualitative Inhaltsanalyse) und begründe, warum sie zu Daten, Frage und Verfahrensannahmen passt.
Absatz 5: Gütekriterien und Limitationen
Reflektiere kurz, wie du Qualität sicherst und welche Grenzen das Design hat. Die konkreten Kriterien variieren je nach Fach und Betreuung.
Gütekriterien quantitativ: Evidenz zur Messqualität, Umgang mit fehlenden Werten, Modellannahmen und je nach Schlussfolgerung Konstruktvalidität sowie interne, externe und statistische Schlussfolgerungsvalidität. Cronbachs α ist nur passend, wenn Skala und Modellannahmen es erlauben, und kein alleiniger Qualitätsnachweis.
Gütekriterien qualitativ: Transparenz der Kategorienbildung, Reflexion der Forscherrolle (zum Beispiel in einem Forschungstagebuch), begründete Fallauswahl und Kontextgrenzen. Intercoder-Übereinstimmung ist nur dann ein passendes Kriterium, wenn Methode und Erkenntnisziel sie vorsehen.
-
Forschungsdesign mit Betreuung abgestimmt
-
Erhebungsinstrument entwickelt oder ausgewählt (Fragebogen/Leitfaden)
-
Pretest, Pilotierung oder Probeinterview durchgeführt, sofern für Instrument und Design vorgesehen
-
Ethikprüfung, Zuständigkeiten, Rechtsgrundlage und Datenschutzmaßnahmen vor der Rekrutierung geklärt
-
Rekrutierungsstrategie geplant
-
Zeitplan für Erhebung und Auswertung erstellt
Wenn alle Punkte abgehakt sind, bist du bereit für die Datenerhebung. Im Methodenkapitel dokumentierst du später das gesamte Vorgehen so transparent, dass andere deine Studie nachvollziehen könnten.
Ist deine Arbeit fertig, kannst du bei BachelorHero deine Bachelorarbeit binden lassen. Die fertige PDF lädst du direkt im Konfigurator hoch und siehst vor dem Druck eine Vorschau.
Häufig gestellte Fragen
Wie begründe ich mein Forschungsdesign in 3 bis 5 Sätzen?
Nenne zuerst den Designtyp (z. B. qualitativ-explorativ). Begründe dann mit Bezug zur Forschungsfrage, warum dieser Ansatz passt. Skizziere kurz die Erhebungs- und Analysemethode. Beispiel: „Da die Forschungsfrage auf subjektive Erfahrungen abzielt und wenig Vorwissen existiert, wird ein qualitativ-exploratives Design gewählt. Leitfadeninterviews ermöglichen offene Antworten. Die Auswertung erfolgt mittels qualitativer Inhaltsanalyse.“
Wie entscheide ich, ob meine Stichprobe ausreichend ist?
Bei quantitativen Arbeiten begründest du die Fallzahl passend zum Zielparameter, Test oder Modell. Für Hypothesentests berücksichtigst du Annahmen, Alpha-Niveau, Teststärke, erwartete Effektgröße und mögliche Ausfälle; eine Poweranalyse, etwa mit G*Power, kann dabei helfen. Bei Schätzungen ist die angestrebte Präzision entscheidend. Bei qualitativen Arbeiten richtet sich die Angemessenheit unter anderem nach Forschungsfrage, Fallauswahl, Heterogenität und Analyseansatz. Wenn du mit Sättigung arbeitest, musst du festlegen und dokumentieren, welche Art von Sättigung du wie im laufenden Analyseprozess prüfst. Eine feste Interviewzahl gilt nicht für jedes Design.
Was ist der Unterschied zwischen Forschungsdesign, Methodik und Methodologie?
Die Methodologie ist die theoretische Ebene: Sie fragt, wie Wissen grundsätzlich gewonnen werden kann (z. B. interpretativer vs. positivistischer Ansatz). Das Forschungsdesign ist die strategische Ebene: Es legt fest, welchen Ansatz du verfolgst und wie die Elemente zusammenwirken. Die Methodik ist die operative Ebene: Sie beschreibt die konkreten Verfahren zur Datenerhebung und Auswertung. Ob du die methodologische Position ausdrücklich darstellst, hängt von Fach, Ansatz und Leitfaden ab.
Brauche ich bei einer Literaturarbeit auch ein Forschungsdesign?
Auch eine Literaturarbeit braucht ein begründetes Reviewdesign oder methodisches Vorgehen. Reviewfrage und Reviewtyp bestimmen, wie du Informationsquellen suchst, Literatur auswählst, Daten gewinnst, gegebenenfalls Qualität oder Verzerrungsrisiken bewertest und Befunde synthetisierst. PRISMA unterstützt die Berichterstattung systematischer Reviews, ist aber keine Anleitung zur Durchführung.
Kann ich qualitative und quantitative Methoden kombinieren?
Ja, das nennt sich Mixed Methods. Du bearbeitest eine gemeinsame oder miteinander verknüpfte Frage mit qualitativen und quantitativen Komponenten und integrierst die Ergebnisse gezielt. Lege Zweck, Reihenfolge, Gewichtung, Integrationspunkt und den Umgang mit abweichenden Befunden fest. Zum Beispiel wählst du nach einer Fragebogenstudie Interviewpartner anhand ihrer Ergebnisse aus und führst beide Befunde in der Interpretation zusammen. Für eine Bachelorarbeit ist ein reiner Ansatz oft praktikabler.
Muss mein Forschungsdesign vor Beginn der Datenerhebung feststehen?
Bei konfirmatorischen quantitativen Arbeiten legst du Hypothesen, Variablen, Zielparameter, Stichprobenplanung und Analyse vorab fest. Anpassungen nach einem Pretest, etwa an Itemformulierungen, können je nach Zweck sinnvoll sein und müssen dokumentiert werden. Bei qualitativen Arbeiten kann sich das Design im Prozess stärker anpassen. Theoretical Sampling ist eine kategoriengeleitete, mit Datenerhebung und Analyse verzahnte Strategie der Grounded Theory. Dokumentiere jede Anpassung transparent im Methodenteil.
Wie ausführlich muss ich das Forschungsdesign beschreiben?
Als Planungsbeispiel kannst du den Ansatz in der Einleitung in ein bis zwei Sätzen skizzieren und im Methodenkapitel eine halbe bis eine Seite für seine Begründung vorsehen. Details zu Datenerhebung, Auswahl und Analyse kommen hinzu. Beschreibe das Design so ausführlich, dass die Entscheidungen nachvollziehbar zusammenpassen. Der Umfang richtet sich nach Komplexität, Fach und Leitfaden.
Was mache ich, wenn meine Betreuung ein bestimmtes Design vorgibt?
Dann richtest du dich danach. Manche Betreuende bevorzugen bestimmte Ansätze oder haben Erfahrung mit spezifischen Methoden. Frag nach der Begründung, um zu verstehen, warum dieses Design zur Fragestellung passt. Wenn du Bedenken hast (z. B. weil du keinen Zugang zur nötigen Stichprobe hast), sprich das früh an.
Theorieteil der Bachelorarbeit 
Qualitative Inhaltsanalyse nach Mayring 
Abkürzungsverzeichnis erstellen