audiotranskription Hintergrund

KI-Forschung

Unsere Publikationen zu KI

Der Einsatz generativer KI in der qualitativen Forschung lässt sich nicht allein anhand der Geschwindigkeit ihrer Antworten beurteilen. Entscheidend ist, was nach der Ausgabe folgt: die Prüfung am Material, die Einordnung in den Fallkontext, die Korrektur unzutreffender Vorschläge und die Dokumentation der eigenen analytischen Entscheidungen.

Bei audiotranskription untersuchen wir diese Fragen in eigenen Erprobungen, Werkstattberichten und wissenschaftlichen Beiträgen. Dabei interessieren uns nicht nur mögliche Arbeitserleichterungen, sondern auch Prüfaufwand, methodische Grenzen, Datenschutz und die strukturellen Folgen kommerzieller KI-Infrastrukturen.

Auf dieser Seite bündeln wir die daraus entstandenen Ergebnisse und Veröffentlichungen.

Vortragsskript: „KI transformiert qualitative Forschung?! Zwischen Beschleunigungshoffnung und menschlichem Analyse(lern)prozess"

Das fortlaufend überarbeitete Vortragsskript bietet auf rund 30 Seiten eine Einordnung des KI-Einsatzes entlang des qualitativen Forschungsprozesses.

Behandelt werden automatische Transkription, unterschiedliche Nutzungsstrategien, das hybride Interpretieren, Serendipity-Prompting, Prüfaufwand sowie datenschutzbewusste und lokale Verarbeitungswege.

Das Skript verbindet wissenschaftliche Beiträge mit Erfahrungen aus eigenen Erprobungen, der Entwicklung von f4 und dem Austausch mit qualitativ Forschenden in Webinaren und Workshops.

Versionshistorie

Die Fassungen von Oktober 2025, Februar 2026 und Juni 2026 dokumentieren, wie sich unsere Einschätzungen innerhalb weniger Monate verändert und ausdifferenziert haben.

Neu hinzugekommene Ergebnisse, veränderte technische Möglichkeiten und methodische Präzisierungen bleiben dadurch nachvollziehbar. Die älteren Fassungen stehen deshalb weiterhin zur Verfügung.

Publikationsliste

Hier sind unsere Veröffentlichungen zum Einsatz generativer KI in der qualitativen Forschung vollständig zusammengestellt.

Die Liste umfasst methodologische Beiträge, Werkstattberichte, Lehrmaterialien und kritische Einordnungen. Veröffentlichte Texte sind direkt verlinkt. Beiträge ohne Link sind eingereicht oder befinden sich in Vorbereitung; die Links werden nach Erscheinen ergänzt.

Eingereicht & in Vorbereitung

  • Dresing, Thorsten (eingereicht): Von „Kann das LLM das?” zu „Was will ich eigentlich?” LLM-Re-Analyse als Anlass zur Explikation impliziter Auswertungspraxis. In: Balzer, Lars/Laupper, Ellen/Eicher, Véronique (Hrsg.): Themenheft „Evaluation weiterdenken”. Empirische Pädagogik, 2027.

Erschienen

  • Krähnke, U., Dresing, T., & Pehl, T. (2026). Serendipity-Prompting und methodisierte Neugier: Manifest für eine mäeutische Nutzung generativer KI in der qualitativen Forschung. https://nbn-resolving.org/urn:nbn:de:0168-ssoar-111837-8 
  • Pehl, Thorsten/Dresing, Thorsten/Krähnke, Uwe (2026): The hybrid interpretation group with dialogically integrated LLMs. On the use of generative AI for interpretative reconstructive analysis. In: Friese, Susanne/Morgan, David L. (Hrsg.): Qualitative Data Analysis with Artificial Intelligence: Theory, Methods and Practice. Sage. (August 2026.)
  • Pehl, Thorsten/Dresing, Thorsten/Krähnke, Uwe (2026): Einstieg in die hybride Interpretation von Textdaten mit mehreren Large Language Models. In: Behrmann, Laura/Epp, André/Gras, Juliana/Nowak, Anna Christina/Panenka, Petra/Stamann, Christoph/Vock, Rubina/Weydmann, Nicole (Hrsg.): Qualitative Forschung lehren. Opladen: Verlag Barbara Budrich (UTB 6625), Kap. 6.8, S. 287–292. Open Access: https://elibrary.utb.de/doi/epdf/10.36198/9783838566252
  • Dresing, Thorsten/Pehl, Thorsten/Krähnke, Uwe (2026): Datenmaskierung mittels Pseudo- und Anonymisierung reicht nicht! Methodische, ethische und datenschutzrechtliche Kriterien bei der KI-gestützten Verarbeitung qualitativer Daten. SSOAR Preprint. https://nbn-resolving.org/urn:nbn:de:0168-ssoar-108772-7
  • Dresing, Thorsten (2026): Durch lokale KI unterstützte Auswertung qualitativer Daten – Qualitätseinschätzung durch nachträglichen Vergleich. In: Balzer, Lars/Beywl, Wolfgang (Hrsg.): evaluiert. 3., überarb. Aufl. Bern: hep Verlag, S. 268–269.
  • Dresing, Thorsten (2026): KI transformiert qualitative Forschung?! Zwischen Beschleunigungshoffnung und menschlichem Analyse(lern)prozess. Skript eines Vortrags an der Universität Bremen, 5. Juni 2026. https://www.audiotranskription.de/ki-einsatz-in-der-qualitativen-forschung/
  • Evers, Jeanine/Pehl, Thorsten (2026): An experiment with AI: Comparing human argumentation analysis with an LLM. SSOAR. https://nbn-resolving.org/urn:nbn:de:0168-ssoar-109244-1
  • Evers, Jeanine/Pehl, Thorsten (2026): Thinking about commercial AI and its consequences for qualitative research: Rule by Law versus Scientific Integrity. SSOAR. https://nbn-resolving.org/urn:nbn:de:0168-ssoar-109026-1
  • Krähnke, Uwe/Pehl, Thorsten/Dresing, Thorsten (2025): Hybride Interpretation textbasierter Daten mit dialogisch integrierten LLMs: Zur Nutzung generativer KI in der qualitativen Forschung. SSOAR Preprint. https://nbn-resolving.org/urn:nbn:de:0168-ssoar-99389-7
  • Dresing, Thorsten/Krähnke, Uwe/Pehl, Thorsten (2025): ChatGPT und andere KI-Inhalte wissenschaftlich zitieren. Ein praktischer Leitfaden für Forschende. audiotranskription.de. https://www.audiotranskription.de/ki-richtig-zitieren
  • Dresing, Thorsten (2025): DSGVO-konforme, hybride Interpretation. Ein Werkstattbericht zum lokalen Interpretieren mit vier LLMs auf einem MacBook Pro. audiotranskription.de. https://audiotranskription.de/llm-lokal-und-dsgvo-konform-nutzen

Der unterschätzte Prüfaufwand [Werkstattbericht i. E.]

KI-Ausgaben entstehen innerhalb weniger Sekunden. Ihre wissenschaftliche Prüfung kann dagegen erheblich mehr Zeit beanspruchen.

In der qualitativen Forschung bedeutet Prüfen häufig, zum Ausgangsmaterial zurückzukehren, Aussagen im Fallkontext nachzuvollziehen, vermeintliche Belege zu kontrollieren und plausible, aber nicht materialgestützte Vorschläge auszusortieren.

Der Werkstattbericht untersucht anhand eigener Testläufe, wie sich Generierungszeit, Prüfaufwand und notwendige Überarbeitung zueinander verhalten. Er zeigt, bei welchen Arbeitsschritten ein Zeitgewinn entstehen kann und wo die Prüfung einen großen Teil dieses Gewinns wieder aufzehrt.

Kommerzielle KI und ihre Folgen für qualitative Forschung [Paper, engl.]

Der Beitrag von Evers und Pehl betrachtet kommerzielle KI nicht nur als Werkzeug, sondern als Teil einer wirtschaftlichen, technischen und politischen Infrastruktur.

Diskutiert werden Datenkapitalismus, ökologische Folgekosten, geopolitische Abhängigkeiten und mögliche Auswirkungen auf wissenschaftliche Integrität und Forschungsfreiheit. Damit erweitert der Beitrag die Frage „Was kann das System?” um die ebenso relevante Frage: „Unter welchen Bedingungen entsteht diese Leistung?”

Reflexionsfragen unterstützen Forschende dabei, den Einsatz kommerzieller KI in Bezug auf die methodischen und ethischen Anforderungen des eigenen Projekts einzuordnen.