Qualitative Forschung und die Herausforderungen der KI-Integration

Qualitative Forschung bringt zahlreiche Herausforderungen mit sich. Nicht nur gilt es, eine geeignete Forschungsfrage zu gestalten, das dafür nötige Datenmaterial zu identifizieren und zu erheben, sondern auch eine Strategie zur Auswertung zu finden, zu verstehen und angemessen umzusetzen und schließlich die Ergebnisse darzustellen und einzuordnen. Bei all diesen Fragen erfahren Forschende seit Jahrzehnten Unterstützung durch Vorarbeiten im Feld (Forschungsliteratur, Methodenanleitungen), durch Austausch und Begleitung (Forschungswerkstätten, Betreuung, peer reviews) und durch Tools (pen and paper, Software). Dadurch werden Arbeitsprozesse in der qualitativen Forschung regelgeleitet, transparent und potentiell auch einfacher in der Durchführung.

Potenzial der KI in der qualitativen Forschung

Zu diesen Werkzeugen gesellt sich nun potenziell Künstliche Intelligenz (KI). In diesem Artikel beschreiben wir, wie wir die aktuelle Rolle von KI einschätzen und welche Probleme sie im Rahmen qualitativer Forschung lösen kann. Dies ist eine Momentaufnahme.

Der Wandel von manueller zu KI basierter Transkription

Unser Kernbeitrag zur qualitativen Forschung ist seit 20 Jahren die Unterstützung der Transkriptionsphase. Sowohl durch methodische Anleitungen (bspw.: https://www.audiotranskription.de/regeln/), als auch der Bereitstellung von Transkriptionssoftware und USB-Fußschaltern. Die f4 Programme gibt es seit 2005 und über 1 Million mal wurden diese zur manuellen Transkription, als dem manuellen Abtippen, heruntergeladen und installiert. Zusammen mit unseren Transkriptionsregeln sind diese fester Bestandteil der Methodenlehre an deutschsprachigen Hochschulen.

KI wurde 2019 mit der automatischen Spracherkennung f4x Teil unseres Angebotes. Vor allem seit dem großen Update 2022 sehen wir anhand der Nutzungszahlen, dass der Einsatz von KI einen ganzen Bereich qualitativer Forschung an Hochschulen fundamental beeinflusst. Es gibt mehr als 75.000 f4x Nutzende, hauptsächlich aus dem Hochschulbereich, die mehr als 250.000 Stunden Material automatisiert umgesetzt haben (Stand 04/2024). Da hierbei rund 50% der Arbeitszeit gegenüber der manuellen Tipparbeit eingespart werden, hat automatische Transkription alleine mit uns damit bereits hunderttausende Arbeitszeitstunden an Hochschulen eingespart (und es gibt ja weitere Anbietende für diese Thematik). Gleichzeitig sinkt die Nutzung der manuellen Transkription, obgleich die Kundenzahlen insgesamt wachsend sind.

KI revolutioniert den Transkriptionsprozess

KI bringt Bewegung in diesen etablierten Prozess qualitativer Forschung. Die Art und Weise, wie Forschende ihre Interviewdaten transkribieren hat sich in den letzten 2 Jahren substanziell verändert. Warum?

KI löst das Problem der Transkription

Transkriptions KI ist speziell dafür entwickelt, Audio in Text umzusetzen und nicht, um über Textinhalte zu chatten und darauf basierend Inhalte zu assoziieren und zu (re-)produzieren. Selbst wenn auch in der Transkription viele interpretative und analytische Prozesse drinstecken (das haben im Artikel “Warum Transkripte nie ‘richtig’ sind” genauer beschrieben), geht es zumeist um die Darstellung des semantischen Inhaltes. Und dieser kann eindeutig überprüft und bewertet werden. Fehler der KI sind durch Korrekturlesen identifizier- und korrigierbar. Durch Anhören der Aufnahme und gleichzeitigem Korrekturlesen des Transkriptes lassen sich die Stellen identifizieren, bei denen ein Wort fehlt oder falsch platziert wurde. Auch Zuordnungen falsch erkannter Sprechender lassen sich identifizieren und anpassen. Und an Stellen, an denen die KI ein blackout hatte und nichts erkannt oder fabuliert wurde, sind gut manuell nachzufüllen, indem selbst gehört und getippt wird. Ein durch Spracherkennung erzeugtes und danach aufmerksam korrigiertes Transkript liefert eine solide Grundlage für die qualitative Datenanalyse, bei reduziertem Arbeitsaufwand.

Die Sinnhaftigkeit des Einsatzes von KI für die Spracherkennung ist damit für uns und viele Forschende deutlich sichtbar und gegeben. Fehlleistungen der KI gibt es, diese sind aber offensichtlich und werden typischerweise im Rahmen eines Korrekturprozesses identifiziert und behoben. Der Arbeitsprozess vereinfacht und verkürzt sich. Und schließlich gilt, zumindest für unsere Lösung, dass sie auch DSGVO konform ist und die Daten sicher sind. KI löst also ein existentes Problem zufriedenstellend: Es erleichtert die Aufbereitung wissenschaftlicher Transkripte, weil es plausible und überprüfbare Ergebnisse zuvor nur manuell zu bewerkstelligender Arbeitsleistungen darbietet, die insgesamt weniger Zeit benötigen, um zum selben “guten” Material zu kommen.

 

KI löst wenige Probleme bei der Qualitativen Analyse

Was liegt nun näher, als der Gedanke, das KI auch weitere Arbeitsteile qualitativer Forschung vereinfachen und beschleunigen könnte, wie bspw. den der Leitfadenentwicklung, Datenerhebung und den äußerst anspruchsvollen Prozess der Datenauswertung und Ergebnisdarstellung? Welche Problemstellungen könnte hier KI nun lösen?

Aktuell sehen wir im Feld qualitativer Forschung bereits Tools, die KI auch für diese Analyseschritte implementiert haben. Die Umsetzungen lassen sich grob in drei Szenarien einordnen:

  • KI als Text-Generator. KI kann sehr gut Zusammenfassungen generieren.  Auch andere deskriptive Arbeiten, wie eine Paraphrasierung oder eine formulierende Interpretation kann man per KI erzeugen lassen. Auch lassen sich Vorschläge für Leitfadenfragen erzeugen und Hinweise zum Zugang zum Feld und den ProbandInnen.
  • KI als Codier-Maschine. KI kann auf Basis einer gegebenen Textauswahl Vorschläge zu Codes und Gliederungsüberschriften geben. Es kann erstellen Textstellen identifizieren und zu vorgegebenen Themen zuordnen.
  • KI als Sparing-Partner. Chat-KI kann man sich ja auch gut als Gesprächspartner vorstellen. So wie man vielleicht eine Interpretation mit Kolleg:innen oder der betreuenden Person besprechen kann.

[ja, es ist beeindruckend… würdigung wie cool das ist]

Es macht uns persönlich unheimlich viel Freude, mit KI zu spielen und unsere eigenen Erkenntnisse mit KI zu diskutieren. Die Ergebnisse sind häufig wirklich erstaunlich. Das alles läuft auf einer spielerischen, experimentellen Ebene. Vieles erscheint auf dem ersten Blick direkt präsentabel, manchmal auch beeindruckend eloquent aus und die Geschwindigkeit mit der dies geschieht ist beeindruckend.

Die Herausforderung der Ergebnisbewertung

Wie bewerte ich das Ergebnis einer Zusammenfassung, die durch die KI erstellt wurde? Wie überprüfe ich eine automatisch erstellte Zuordnung von Textstellen zu einem Codebaum? Die Bewertung und Überprüfung eine KI-generierten Analyse erfordert von mir selbst bereits analytische Arbeit und Fähigkeiten. Natürlich ist es möglich, der KI sehr genaue Anfragen zu stellen, um dann auch ggf. klar überprüfbare Antworten zu erhalten. Aber die Fähigkeit, solche Fragen zu stellen oder auch entsprechende Textpassagen auszuwählen erfordert auch wieder eine analytische Vorarbeit.

KI als experimentelles Werkzeug für erfahrene Forschende

Es gibt aktuelle einige Softwareprojekte, die KI integriert haben. Das ist total spannend und wir freuen uns im Laufe der Zeit zu erfahren, wie hiermit im Rahmen von Forschungsprojekten gearbeitet wurde. Es handelt sich jedoch – ohne despektierlichen Unterton – um experimentelle Funktionen. Es sind Funktionen, die erfahrenen Personen ein Experimentierfeld geben, um die Möglichkeiten von KI auszuloten und ggf. darüber zu berichten. So wie bei jedem Forschungswerkzeug kann sich hieraus gegebenenfalls ein etabliertes Vorgehen entwickeln und mögliche Fallstricke können diskutiert werden. Personen mit Erfahrung in qualitativer Forschung können die Ergebnisse einschätzen. Sie haben Vergleichsmöglichkeiten, Erfahrungswissen und gewisse Kriterien mit denen sie die Ergebnisse und deren “Brauchbarkeit” jeweiligen Forchungsfeld bewerten können.

 

Es gibt keine klaren Szenarien für Lernende

Der für uns entscheidende Punkt ist: Wie können wir jemandem vermitteln, die KI so einzusetzen, sodass es sowohl unterstützend ist als fundierte und belastbare Ergebnisse liefert? Bis dahin gibt es für den KI Einsatz im Rahmen der Qualitativen Forschung jedoch aus unserer Sicht keine plausiblen und belastbare Einsatzszenarien. Vor allem mit Blick auf Personen, die Qualitative Forschung gerade lernen und erste Schritte vornehmen. Eine gewissen Unsicherheit und experimentierfreude gehört vielleicht zur qualitativen Forschung. Die Suche nach dem passenden, gegenstandangemessenen Zugang gehört mir dazu. Dies gilt insbesondere für alle, die diesen Zugang gerade erst lernen. Glücklicherweise gibt es viele Möglichkeiten, diese Unsicherheiten ein wenig abzufangen. Es gibt Forschungswerkstätten, Betreuung, Beratungsangebote, Lehrveranstaltungen, Methodenliteratur.

KI jedoch scheint hierauf zunächst noch keine Antwort zu geben. Daher ist die Anwendung von KI für uns aktuell kein Werkzeug von dem wir überzeugt sind, dass es dabei hilft, die Unsicherheit im Qualitativen Analyseprozess zu verringern. Wir haben da eher gegenteilige Vermutungen.

Wenn es nun darum geht eine Hilfestellung zu geben kann ein Weg sein, zunächst Komplexität zu reduzieren. Genau das sehen wir als unsere Aufgabe mit f4. Die Methode auf einfach verständliche Schritte herunter zu brechen und sie so erklärbar und zugänglich zu machen. Das ist der Grund warum wir die Funktionsvielfalt von f4 bewusst gering halten. Bewusst haben wir uns gegen Funktionen entschieden, die vielleicht spannend sind, aber nur in wenigen Szenarien sinnvoll anwendbar sind. Damit hoffen wir, Unsicherheit sowohl in der Anwendung der Software als auch der qualitativen Analyse zu vermeiden.

Offene Frage Datenschutz

Und bei diesen Fragen geht es uns zunächst nur um die prinzipielle Nutzbarkeit, neben denen noch Fragen nach Datenschutz, Datensicherheit und Bias stehen. Zumindest im Umgang mit Interviews haben wir in Europa eine eindeutige Gesetzesgrundlage: die Datenschutzgrundverordnung. Diese regelt, wie wir mit den Daten umgehen dürfen und was nicht erlaubt ist. Ein Aspekt ist dabei, dass sofern keine explizit schriftlich festgehaltene Erlaubnis dafür besteht, die Interviewdaten nicht den Geltungsbereich des Gesetzes verlassen dürfen. Möchte jemand z.B. OpenAi Chat-GPT Tool nutzen, so werden Daten ausserhalb der EU transferiert. Dies ist bei Interviewdaten in der Regel untersagt.

 

Fazit: KI löst wenige Probleme

Wir sind dabei noch fern ab von einer abschließenden Bewertung. Da sind wir selbst unsicher: Wir wissen es nicht genau. Ja, da ist viel Potential, viel Entdeckerfreude und Spaß am Ausprobieren, aber letztlich wird lediglich die Aufgabe der Transkription aus unserer Perspektive zufriedenstellend gelöst.

In der qualitativen Analyse wirft KI aktuell mehr Fragen auf als dass sie konkrete Probleme löst. Wir glauben, dass KI hier die qualitative Analyse letztlich nicht grundlegend vereinfacht oder beschleunigt. Warum? KI wird dann erfolgreich und flächendeckend eingesetzt, wenn sie ein vorhandenes Problem zufriedenstellend lösen kann. Und das tut sie vor allem dann, wenn die Teilergebnisse KI unterstützter Arbeitsphasen ein hohes Maß an Plausibilität haben und einfach überprüfbar sind. Wir haben beschrieben, dass dies für die Transkription weitgehend gegeben ist. Im Bereich der qualitativen Datenanalyse scheint das (noch) nicht so zu sein. Während ein Transkript sehr klar und eindeutig überprüfbar ist indem man den Text anhört ist dies bei analytischen und interpretativen Aufgaben nicht so eindeutig.

    Warenkorb
    Ihr Warenkorb ist leerZurück zum Shop
      Calculate Shipping