Von automatischer Transkription über Prompt-Engineering zu hybriden Analyseverfahren
Die qualitative Forschung erlebt durch Künstliche Intelligenz (KI) einen tiefgreifenden methodologischen Wandel. Während automatische, KI-basierte Transkriptionsmöglichkeiten bereits DSGVO-konform etabliert sind, eröffnen Large Language Models (LLMs) wie ChatGPT, Claude oder Gemini neue Perspektiven für die Datenanalyse – verbunden jedoch mit erheblichen methodischen Herausforderungen hinsichtlich Reliabilität, Nachvollziehbarkeit und der Wahrung interpretativ-rekonstruktiver Forschungslogiken.
Dieser Vortrag fokussiert den Einsatz von LLMs im Rahmen qualitativer (nicht quantitativer) Forschung und bietet Lehrenden und Forschenden eine methodisch fundierte Auseinandersetzung mit dem aktuellen Spannungsfeld zwischen technologischen Potenzialen und wissenschaftlich-methodischen Anforderungen. Ziel ist es, die Teilnehmenden zu befähigen, KI-basierte Werkzeuge kritisch zu evaluieren und diese methodologisch reflektiert in Forschung und Lehre zu integrieren und mögliche, evidenzbasierte Auswirkungen abzuschätzen.
Ausgehend von den Möglichkeiten und Grenzen automatischer Transkription werden zentrale Problematiken beim Einsatz von LLMs analysiert: von der mangelnden Transparenz der Modellarchitekturen über die äußerst vielfältigen Herausforderungen des promptengeneering, der Gefahr epistemischer Verzerrungen (Bias) bis zur Herausforderung, die interpretative Kompetenz der Forschenden zu bewahren. Der Schwerpunkt liegt auf der Vorstellung konkreter methodischer Integrationsstrategien und damit konkreter Handlungsmöglichkeiten, die eine wissenschaftlich nachvollziehbare, hilfreiche und dokumentierbare Nutzung von KI ermöglichen. Thematisiert werden u.a.:
- Integration in etablierte Verfahren:
Qualitative Inhaltsanalyse (Kuckartz/Rädiker), Dokumentarische Methode (Schäffer/Lieder) - KI-spezifische Workflows:
Query-Based Analysis (Morgan), Conversational Analysis with AI (Friese) - Hybrides Interpretieren mit multiplen LLMs
(Krähnke/Dresing/Pehl): Ein innovativer Ansatz zur Sicherung intersubjektiver Nachvollziehbarkeit durch systematische Triangulation verschiedener Modelle und kontrollierte Heuristik
Ergänzend werden praktische Aspekte adressiert: datenschutzkonforme Implementierung gemäß DSGVO durch lokale Installation von Open-Source-Modellen, Evaluation von CAQDAS-Software mit KI-Funktionen (z.B. MAXQDA AI Assist) sowie aktuelle Hochschulangebote (bspw. Göttingen) DSGVO-konform gehosteter LLMs.
Die Veranstaltung kombiniert theoretische Fundierung mit Live-Demonstrationen ausgewählter Verfahren und schließt mit evidenzbasierten Handlungsempfehlungen für einen methodisch rigorosen, ethisch reflektierten und erkenntniskritischen Einsatz von KI in der qualitativen Forschung.
Referent
Dr. Thorsten Dresing ist Dozent für qualitative Sozialforschung und gibt seit 2001 Workshops zur Transkription, qualitativen Auswertungsarbeit und MAXQDA. Er ist geschäftsführender Gesellschafter der dr. dresing & pehl GmbH – audiotranskription.de und entwickelt die Transkriptions- und QDA-Softwares f4/f5transkript und f4analyse.
Format
- 2-stündiger Vortrag mit Demonstration und Diskussion mit anschließendem Get-Together zur Vernetzung.
Zielgruppe
- Lehrende und Forschende im Bereich der qualitativen Sozialforschung
Anmeldeschluss
- 16.11.2025
Teilnehmendenzahl
- ist auf 50 Personen beschränkt
Anmeldung - 2 Varianten zur Auswahl
Mit einem eigenen Konto können Sie Ihre Anmeldungen selbst verwalten (z. B. persönliche Daten aktualisieren, Auswahl von Workshops ändern, Buchung stornieren).