Veröffentlicht | Letzte Aktualisierung:
Geprüft vom EditVerse-Redaktionsteam – Manuskriptredakteure, Spezialisten für Fachzeitschriften mit Peer-Review und Forschungsmethodiker mit über 1,100 abgeschlossenen Manuskripten.
Letzte Aktualisierung: Juli 2026 • Geprüft vom EditVerse-Redaktionsteam • Lesezeit: 14 Minuten
Eine 2020 vom US-amerikanischen National Institute on Drug Abuse finanzierte systematische Übersichtsarbeit untersuchte 19 Public-Health-Evaluationen mit gemischten Methoden und kam zu dem Schluss, dass dieser Ansatz in einzigartiger Weise geeignet ist, die Kluft zwischen statistischen Ergebnisdaten und den gelebten Erfahrungen, die diese Ergebnisse bedingen, zu überbrücken [ PMID 30633710 ]. Genau diese Kluft – zwischen dem, was die Zahlen zeigen, und den Gründen dafür – soll die Forschung mit gemischten Methoden schließen.
Die Mixed-Methods-Forschung kombiniert qualitative und quantitative Methoden in einer einzelnen Studie oder einer Reihe koordinierter Studien. Ein Review aus dem Jahr 2022 in Kidney International bestätigte das Wachstum dieses Forschungsfeldes und zeigte, dass sich die Anwendung von Mixed-Methods in der Nephrologie im vorangegangenen Jahrzehnt verdoppelt hat, da Forscher erkannten, dass quantitative Endpunkte allein die mangelnde Therapietreue oder Ungleichheiten in der Versorgung nicht erklären konnten [ PMID 35227687 ].
- Was ist Mixed-Methods-Forschung?
- Die drei Kerndesigns
- So wählen Sie das richtige Design
- Konvergentes paralleles Design
- Erklärendes sequentielles Design
- Exploratives Sequenzielles Design
- Durchgerechnetes Beispiel mit gemeinsamer Anzeige
- Datenerfassungsstrategien
- Analyse und Integration
- Forschungsqualität und Validität
- Häufige Fehler
- Software Tools
- Zusammenfassung der bewährten Vorgehensweisen
- Weiterführende Literatur
- Referenzen
Was ist Mixed-Methods-Forschung?
Die Mixed-Methods-Forschung integriert mindestens eine qualitative und eine quantitative Methode innerhalb desselben Forschungsprojekts, um eine gemeinsame Forschungsfrage zu beantworten. Die Integration – nicht bloßes Nebeneinander – ist das entscheidende Merkmal. Drei Prinzipien kennzeichnen gut durchgeführte Mixed-Methods-Forschung. Erstens müssen die qualitativen und quantitativen Komponenten während der Datenerhebung, -analyse oder -interpretation miteinander in Dialog treten. Zweitens muss die Kombination methodisch begründet sein. Drittens muss die Integrationsstrategie zum gewählten Forschungsdesign passen.
Entwicklung des Ansatzes
Systematische Rahmenkonzepte entstanden in den 1990er Jahren, und 2007 erhielt das Forschungsfeld eine eigene Fachzeitschrift ( Journal of Mixed Methods Research ). Eine Zusammenfassung aus dem Jahr 2024 im Journal of Continuing Education in Nursing stellte fest, dass sich der Ansatz seither auf die klinische Pflegepraxis ausgeweitet hat und von Forschern zur Planung von Interventionen, zur Validierung von Instrumenten und zur Evaluation der Programmeffektivität eingesetzt wird [ PMID 38567919 ].
Die drei Kerndesigns
| Funktion | Konvergente Parallele | Erklärende Sequenz | Explorative Sequenz |
|---|---|---|---|
| Reihenfolge | Gleichzeitig | QUAN dann QUAL | QUAL dann QUAN |
| Integrationspunkt | Interpretation (Zusammenführung) | Verbindung von Phase 1 mit Phase 2 | Bauphase 2 aus Phase 1 |
| Hauptzweck | Bestätigen oder triangulieren | Erläutern Sie die quantitativen Ergebnisse. | Instrument oder Theorie entwickeln |
| Optimale Bildschirmwahl | Variablen bekannt; parallele Ressourcen verfügbar | Es existiert eine Messgröße; Ausreißer bedürfen einer Erklärung. | Kein validiertes Instrument; Phänomen unzureichend verstanden |
| Zentrale Herausforderung | Widersprüche an der Fusion auflösen | Auswahl der richtigen qualitativen Folgestichprobe | Sicherstellen, dass QUAN das, was QUAL festgestellt hat, getreu prüft. |
| Gemeinsames Feld | Qualität im Gesundheitswesen, Programmevaluierung | Gesundheitsungleichheiten, Implementierungswissenschaft | Instrumentenentwicklung, Bildungsforschung |
So wählen Sie das richtige Design
Drei Fragen bestimmen, welches Studiendesign anzuwenden ist. Erstens, der Zeitpunkt: Müssen beide Datensätze gleichzeitig erhoben werden, oder ist einer vom anderen abhängig? Zweitens, die Priorität: Welcher Strang trägt das Hauptargument? Drittens, der Integrationspunkt: In welcher Phase werden die beiden Stränge miteinander verbunden? Palinkas, Mendon und Hamilton (2020) untersuchten die Integration in vier Phasen – Studiendesign, Datenerhebung, Analyse und Interpretation – und stellten fest, dass die meisten Fehler auftreten, wenn Forschende den Integrationspunkt nicht vor Beginn der Datenerhebung planen [ PMID 30633710 ].
Konvergentes paralleles Design
Das konvergente Paralleldesign erfasst qualitative und quantitative Daten gleichzeitig, analysiert jeden Datenstrang unabhängig und führt die Ergebnisse in der Interpretationsphase zusammen. Eine Studie aus dem Jahr 2021 im Journal of Health Organization and Management [ PMID 34255441 ] nutzte dieses Design zur Bewertung der Patientensicherheitskultur, indem sie Mitarbeiterbefragungen zum Sicherheitsklima mit parallel durchgeführten Fokusgruppen kombinierte. Die Zusammenführung der beiden Datensätze deckte Schichtzeitkonflikte auf, die mit dem quantitativen Instrument allein nicht erkennbar waren.
Konvergente Paralleldatenerhebung ist dann sinnvoll, wenn Ressourcen für eine parallele Datenerhebung vorhanden sind, die Variablen bereits festgelegt wurden und das Ziel die Bestätigung oder Triangulation ist. Das Standard-Berichtsinstrument ist die gemeinsame Darstellung – eine Tabelle, die qualitative Themen mit quantitativen Entsprechungen verknüpft, sodass Gutachter die Konvergenz direkt beurteilen können.
Erklärendes sequentielles Design
Das sequentielle Erklärungsdesign gliedert sich in zwei Phasen. In der ersten Phase werden quantitative Daten erhoben und analysiert. In der zweiten Phase werden diese Ergebnisse genutzt, um die Stichprobenauswahl und die zu untersuchenden qualitativen Aspekte festzulegen. Dieses Design ist in der Forschung zu gesundheitlichen Ungleichheiten weit verbreitet, insbesondere dort, wo eine Umfrage einen statistisch signifikanten Ergebnisunterschied zwischen Gruppen aufzeigt, dessen Mechanismus jedoch nicht erklärt werden kann.
Nach der Analyse in Phase 1 identifizieren die Forschenden spezifische Ergebnisse, die einer qualitativen Weiterverfolgung bedürfen – beispielsweise einen unerwarteten Koeffizienten, einen Ausreißer in einer Untergruppe oder einen Skalenwert, der der Theorie widerspricht. Auf Grundlage dieser Ergebnisse wird in Phase 2 mithilfe gezielter Stichprobenziehung der Stichprobenrahmen erstellt. Im letzten Integrationsschritt werden die qualitativen Themen mit den quantitativen Ergebnissen verknüpft.
Exploratives Sequenzielles Design
Das explorative sequentielle Forschungsdesign führt zunächst eine qualitative Untersuchung durch, da dem Forscher entweder ein validiertes Instrument oder ein Rahmen zur Bestimmung der zu messenden Variablen fehlt. Die quantitative Phase überprüft oder erweitert anschließend die Erkenntnisse der qualitativen Phase.
Der Verbindungspunkt – die Bauentscheidung – muss explizit dokumentiert werden: Wie genau fließen die qualitativen Ergebnisse in die quantitative Planung ein? Gutachter, die das Mixed Methods Appraisal Tool (MMAT) anwenden, achten auf diese Dokumentation als Qualitätskriterium [ PMID 30905698 ].
Durchgerechnetes Beispiel: Erklärende Sequenz in der Praxis
Das erklärende sequentielle Design ist wie eine Detektivgeschichte. Die quantitative Phase liefert die Antworten auf die Fragen nach dem Wer und Wie viel . Die qualitative Phase liefert die Antworten auf die Fragen nach dem Warum.
Phase 1: Quantitative Erhebung
Eine Querschnittsstudie mit 1,329 afroamerikanischen Erwachsenen mit Typ-2-Diabetes untersuchte Selbstmanagementverhalten, Selbstwirksamkeit, soziale Unterstützung und Blutzuckereinstellung (HbA1c). Mittels logistischer Regression wurden zwei signifikante Prädiktoren für einen suboptimalen HbA1c-Wert identifiziert: geringe Selbstwirksamkeit (OR 2.3; 95 %-KI 1.4–3.8) und geringe wahrgenommene soziale Unterstützung (OR 1.9; 95 %-KI 1.2–3.0). Das Modell erklärte lediglich 18 % der Varianz des HbA1c-Werts – ein signifikanter, aber praktisch wenig aussagekräftiger Wert.
Entscheidung für Phase 2: Vierzig Teilnehmer wurden mittels Maximum-Variation-Sampling ausgewählt – 20 mit geringer Selbstwirksamkeit und schlechtem HbA1c-Wert (erwartetes Muster) und 20 mit geringer Selbstwirksamkeit, aber normalem HbA1c-Wert (unerwartetes Muster).
Phase 2: Qualitative Interviews
Mithilfe von halbstrukturierten Interviews (durchschnittlich 52 Minuten) wurden drei Themen identifiziert, die eine gute Blutzuckerkontrolle trotz geringer Selbstwirksamkeit erklären: informelle Netzwerke der gegenseitigen Rechenschaftspflicht, praktischer Wissenstransfer von Familienmitgliedern und die Einbindung in die religiöse Gemeinschaft, die sowohl emotionale Unterstützung als auch Hilfe bei den Medikamentenkosten bietet.
Integration: Gemeinsame Anzeige
| Quantitative Ergebnisse (Phase 1) | Qualitatives Thema (Phase 2) | Integrationseinblick |
|---|---|---|
| Eine geringe Selbstwirksamkeit sagte einen schlechten HbA1c-Wert voraus (OR 2.3). | Medikamentenverwirrung und insulinspezifische Angst | Die Skala zur Selbstwirksamkeit vermischte allgemeines Selbstvertrauen mit Insulinangst – das Messinstrument muss für diese Population überarbeitet werden. |
| Soziale Unterstützung wirkt schützend, jedoch geringer als erwartet (OR 1.9). | Peer-Netzwerke, Wissenstransfer innerhalb der Familie, religiöse Gemeinschaft | Die Umfrage erfasste zwar die wahrgenommene Unterstützung, ließ aber die informelle Rechenschaftspflicht unter Gleichaltrigen völlig außer Acht. |
| Das Modell erklärte nur 18 % der HbA1c-Varianz. | Gemeinschaftsbasierte Puffer erklären unerwartete glykämische Kontrolle | Interventionen müssen neben individuellen Verhaltensänderungen auch auf Peer-Netzwerke abzielen. |
Datenerfassungsstrategien
Quantitative Ansätze basieren auf Umfragen, Experimenten, Sekundärdaten (Register, Verwaltungsdaten) und strukturierter Beobachtung. Qualitative Ansätze nutzen Tiefeninterviews, Fokusgruppen, ethnografische Beobachtung und Dokumentenanalyse. Eine zentrale Koordinierungsfrage ist, ob für beide Ansätze dieselben Teilnehmenden (Same-Sample-Ansatz) oder unterschiedliche Gruppen verwendet werden. Bailey et al. (2022) weisen darauf hin, dass in nephrologischen Studien aufgrund der geringen Patientenzahlen häufig konvergente Same-Sample-Designs eingesetzt werden. Dies birgt jedoch das Risiko, dass qualitative Antworten durch vorherige Umfrageteilnahme beeinflusst werden [ PMID 35227687 ].
Analyse und Integration
Jeder Datenstrang wird mithilfe von Methoden analysiert, die seinem Datentyp entsprechen. Die Integration selbst erfolgt auf drei Ebenen: Datentransformation (Umwandlung eines Datentyps in einen anderen – die Quantifizierung qualitativer Themen wurde von Palinkas et al. als eine wichtige Neuerung der letzten Zeit identifiziert [ PMID 30633710 ]); Datenkonsolidierung (Zusammenführung beider Datensätze in eine gemeinsame Darstellungsmatrix); und Mehrebenenmodellierung (Einbeziehung qualitativer Kontextdaten als Prädiktor der Ebene 2 in die hierarchische Regression).
Forschungsqualität und Validität
Die Qualitätssicherung gilt sowohl für jeden einzelnen Forschungsstrang als auch für die Integration. Der quantitative Strang erfordert standardisierte psychometrische Prüfungen; der qualitative Strang erfordert Kriterien der Vertrauenswürdigkeit (Glaubwürdigkeit durch Teilnehmerbefragungen, Zuverlässigkeit durch Prüfprotokolle, Bestätigbarkeit durch Reflexionsberichte). Die Integration erfordert die Dokumentation, welche Schlussfolgerungen nur durch einen Strang bzw. durch beide Stränge gestützt werden und wie mit Widersprüchen umgegangen wurde. Das Mixed Methods Appraisal Tool (MMAT) bietet eine validierte Checkliste für alle drei Ebenen [ PMID 30905698 ].
Häufige Fehler
Nominale Vermischung : Erhebung beider Datentypen ohne deren Integration. Studien mit getrennten qualitativen und quantitativen Abschnitten, die nicht miteinander verknüpft sind, gelten nicht als Mixed-Methods-Studien. Fehlendes Studiendesign : Wahl eines Studiendesigns, das nicht zur Forschungsfrage passt. Unzureichende Integrationsberichterstattung : Beschreibung jedes einzelnen Forschungsstrangs im Detail, aber nur ein Absatz zur Zusammenführung der Daten. Unterschätzung des Ressourcenbedarfs : Eine gut durchgeführte konvergente Parallelstudie erfordert zwei vollständige, parallel laufende Datenerhebungs- und Analysezyklen.
Software Tools
MAXQDA und Dedoose bieten explizite Funktionen für Mixed-Methods-Ansätze – gemeinsame Darstellungen, quantitative Inhaltsanalyse und Kreuztabellierung von Codes nach numerischen Variablen. Für den quantitativen Teil ermöglicht das Open-Source-Ökosystem von R (tidyverse, lme4, ggplot2) benutzerdefinierte Visualisierungen gemeinsamer Darstellungen in derselben Umgebung wie die statistische Analyse. REDCap kann sowohl quantitative Instrumente als auch qualitative Feldnotizvorlagen in einer einzigen Projektstruktur für Studien an mehreren Standorten koordinieren.
Zusammenfassung der bewährten Vorgehensweisen
| Phase | Beste Übung | Häufige Fehler, die es zu vermeiden gilt |
|---|---|---|
| Fragestellung | Formulieren Sie eine Frage, deren Beantwortung tatsächlich sowohl qualitative als auch quantitative Belege erfordert. | Die Anwendung gemischter Methoden auf eine Frage, die ein einzelner Ansatz ausreichend beantworten könnte, wird nicht angewendet. |
| Designauswahl | Wählen Sie das Design anhand des Timings, der Priorität des Strangs und des Integrationspunkts – nicht anhand von Bequemlichkeit oder Präzedenzfällen. | Standardmäßig wird konvergent parallel programmiert, weil es am vertrautesten ist, selbst wenn die Fragestellung sequentielles Design erfordert. |
| Probennahme | Bestimmen Sie die Stichprobengröße und die Auswahlkriterien für jeden Strang unabhängig voneinander unter Anwendung einer für diesen Strang geeigneten Logik. | Die gleiche Stichprobenlogik (z. B. Powerberechnung) auf den qualitativen Teil anzuwenden, bei dem die Sättigung die Angemessenheit bestimmt |
| Datensammlung | Dokumentieren Sie die Integrationsentscheidungsregel, bevor die Datenerfassung beginnt – legen Sie genau fest, wie Phase 1 Phase 2 beeinflussen wird. | Die Auswahl der qualitativen Folgestichprobe erfolgt im Nachhinein, nachdem festgestellt wurde, welche quantitativen Ergebnisse statistisch signifikant sind. |
| Integration | Verwenden Sie eine gemeinsame Darstellungstabelle, um qualitative Themen direkt neben quantitativen Pendants zu platzieren und so einen transparenten Vergleich zu ermöglichen. | Jeder Handlungsstrang wird in einem separaten Abschnitt dargestellt, wobei am Ende lediglich ein kurzer erläuternder Absatz versucht, die Stränge miteinander zu verbinden. |
| Qualitätssicherung | Wenden Sie das Mixed Methods Appraisal Tool (MMAT) an, um die Qualität auf drei Ebenen zu bewerten: quantitative Strenge, qualitative Vertrauenswürdigkeit und Integrationsvalidität. | Es werden ausschließlich quantitative Validitätsstatistiken berichtet, qualitative Vertrauenswürdigkeitskriterien und die Integrationsdokumentation werden jedoch weggelassen. |
| Reporting | Geben Sie explizit an, welche Schlussfolgerungen von beiden Strängen, welche nur von einem Strang gestützt werden und wie Widersprüche aufgelöst wurden. | Die Konvergenz als Bestätigung darzustellen, ohne anzuerkennen, wo die beiden Stränge auseinanderlaufen oder sich nicht gegenseitig bestätigen. |
| Zeitleiste & Team | Budget und Personal für zwei vollständige Datenerfassungs- und Analysezyklen bereitstellen – nicht für einen Zyklus gemeinsamer Arbeit. | Die Unterschätzung des Ressourcenbedarfs und die Vernachlässigung der qualitativen Aspekte, um Zeit zu sparen, führen zu einer nominellen statt einer echten Integration. |
Weiterführende Literatur
Zur Qualitätsbewertung in systematischen Übersichtsarbeiten mit gemischten Methoden: Qualitätsbewertung in systematischen Übersichtsarbeiten mit gemischten Methoden: Integrierte Ansätze.
Für die Gestaltung Ihres Methodenkapitels bei der Wahl zwischen verschiedenen Ansätzen: Quantitativ vs. Qualitativ: Der Kampf um die These.
Zur Strukturierung von Methodikkapiteln: Effektive Methodikkapitel schreiben.
Referenzen
- Palinkas LA, Mendon SJ, Hamilton AB. Innovationen in Mixed-Methods-Evaluationen. Annu Rev Öffentliche Gesundheit. 2020; 40: 423-442. PMID 30633710
- Bailey PK, Hole BD, Plumb LA, Caskey FJ. Mixed-methods research in nephrology. Kidney Int. 2022;101(5):895–905. PMID 35227687
- Kawar LN, et al. Quantitative, qualitative, Mixed-Methods- und Triangulationsforschung vereinfacht. J Contin Educ Nurs. 2024;55(7):338–344. PMID 38567919
- Hong QN, et al. Verbesserung der Inhaltsvalidität des MMAT: eine modifizierte e-Delphi-Studie. J Clin Epidemiol. 2019; 111: 49-59. PMID 30905698
- Lorenzini E, et al. Sicherheitskultur im Gesundheitswesen: eine Studie mit gemischten Methoden. J Health Organ Manag. 2021;35(6):780–794. PMID 34255441
- Creswell JW, Plano Clark VL. Konzeption und Durchführung von Mixed-Methods-Forschung3. Aufl. SAGE; 2018.
FAQ
Was ist Mixed-Methods-Forschung?
Mixed-Methods-Forschung integriert mindestens eine qualitative und eine quantitative Methode innerhalb derselben Studie, um eine gemeinsame Forschungsfrage zu beantworten. Das entscheidende Merkmal ist die Integration – die Verknüpfung der beiden Forschungsstränge in der Planungs-, Erhebungs-, Analyse- oder Interpretationsphase, sodass jeder Strang den anderen ergänzt.
Was sind die drei zentralen Mixed-Methods-Designs?
Konvergent parallel (beide Stränge werden gleichzeitig erfasst und bei der Interpretation zusammengeführt), explanativ sequenziell (zuerst quantitative Daten, anschließend qualitative Daten zur Erklärung der Ergebnisse) und explorativ sequenziell (zuerst qualitative Daten, anschließend quantitative Daten zur Überprüfung oder Skalierung der Ergebnisse). Ein vierter Typ – das eingebettete Design – kommt zum Einsatz, wenn ein Strang innerhalb eines umfassenderen, auf einer einzigen Methode basierenden Rahmens erhoben wird.
Wann sollte ich einen Methodenmix einem Einzelmethodenansatz vorziehen?
Wählen Sie Mixed Methods, wenn Ihre Forschungsfrage weder durch qualitative noch durch quantitative Daten allein beantwortet werden kann – wenn Sie beides benötigen, um ein Phänomen in großem Umfang zu messen und die Mechanismen hinter diesen Messungen zu erklären. Würde eine einzelne Methode Ihre Frage ausreichend beantworten, erhöht das Hinzufügen einer zweiten Methode die Komplexität ohne methodischen Nutzen.
Was ist eine gemeinsame Darstellung in der Mixed-Methods-Forschung?
Eine gemeinsame Darstellung ist eine Tabelle oder Matrix, die qualitative Themen neben quantitativen darstellt und es den Lesern ermöglicht, Konvergenzen oder Divergenzen direkt zu beurteilen. Gemeinsame Darstellungen sind von vielen Fachzeitschriften gefordert und werden im Rahmen des Mixed Methods Appraisal Tool (MMAT) als Qualitätskriterium bewertet.
Wie funktioniert konvergentes paralleles Design?
Das konvergente Paralleldesign erhebt gleichzeitig qualitative und quantitative Daten, analysiert jeden Datenstrang unabhängig und führt die Ergebnisse bei der Interpretation zusammen. Stimmen die beiden Stränge überein, werden die Erkenntnisse gestärkt; weichen sie voneinander ab, wird die Abweichung selbst zu einem Ergebnis, das einer Erklärung bedarf.
Was ist ein erklärendes sequentielles Design?
Das erklärende sequentielle Design erhebt und analysiert zunächst quantitative Daten und nutzt diese Ergebnisse anschließend zur Planung einer qualitativen Folgestudie. In der qualitativen Phase werden die Teilnehmenden gezielt ausgewählt, weil sie die quantitativen Ergebnisse veranschaulichen, ihnen widersprechen oder sie in einen Kontext setzen. Die beiden Phasen sind durch eine explizite Entscheidungsregel verbunden, die im Methodenteil dokumentiert ist.
Was ist exploratives sequentielles Design?
Das explorative sequentielle Studiendesign führt zunächst eine qualitative Untersuchung durch, da das Phänomen noch nicht ausreichend verstanden ist, um ein valides quantitatives Instrument zu entwickeln. Die qualitativen Ergebnisse fließen dann direkt in die quantitative Phase ein – beispielsweise in die Generierung von Skalenitems, die Identifizierung von Variablen oder die Formulierung von Hypothesen. Es handelt sich um das Standarddesign für Studien zur Instrumentenentwicklung.
Welche Software eignet sich am besten für Mixed-Methods-Analysen?
MAXQDA und Dedoose bieten integrierte Funktionen für gemischte Methoden, darunter Tools zur gemeinsamen Darstellung und Kreuztabellierung qualitativer Codes mit numerischen Variablen. Für Teams, die mit verschiedenen Plattformen vertraut sind, übernimmt NVivo die qualitative und R die quantitative Analyse – die Integration erfolgt manuell in einer Berichtstabelle.
Wie kann ich die Qualität in einer Studie mit gemischten Methoden sicherstellen?
Die Qualität muss für jeden einzelnen Teilbereich und anschließend für die Integration separat bewertet werden. Der quantitative Teil erfordert Validitäts- und Reliabilitätsprüfungen; der qualitative Teil erfordert Kriterien der Vertrauenswürdigkeit. Die Integration erfordert die Dokumentation, welche Schlussfolgerungen durch einen bzw. beide Teile gestützt werden. Das Mixed Methods Appraisal Tool (MMAT, PMID 30905698) bietet eine validierte Checkliste für alle drei Ebenen.