Wie gelingt qualitative Inhaltsanalyse mit KI?

Autor: Prof. Dr. Franziska Weis 

KI-Tools können qualitative Auswertungen deutlich erleichtern (vgl. hierzu und im Folgenden zur KI-basierten Inhaltsanalyse Fischer, 2025). Sie können Transkripte zusammenfassen, erste Kategorien vorschlagen, Textstellen strukturieren oder Ergebnisse in Tabellenform aufbereiten. Doch gerade bei qualitativer Inhaltsanalyse reicht ein einfacher Prompt wie „Analysiere diese Interviews“ nicht aus. Krähnke, Pehl und Dresing (2025) betonen, dass KI in der qualitativen Forschung nicht als einfache Einmalabfrage, sondern als methodisch reflektierter, dialogisch gesteuerter Analyseprozess eingesetzt werden sollte, bei der Forschende den Prozess aktiv steuern und validieren. 

Der entscheidende Punkt ist: Ein guter Prompt ist ein Methodenplan. Er muss der KI nicht nur sagen, was sie tun soll, sondern auch, nach welcher wissenschaftlichen Logik die Analyse erfolgen soll. Bei einer qualitativen Inhaltsanalyse nach Kuckartz und Rädiker (2024) bedeutet das zum Beispiel: Hauptkategorien werden häufig deduktiv aus Theorie, Forschungsfrage oder Interviewleitfaden abgeleitet. Subkategorien können anschliessend induktiv am Material entwickelt werden. Diese Logik muss im Prompt ausdrücklich beschrieben werden. 

Auch die Analyseeinheiten müssen klar sein. Wenn Transkripte bereits Interview- und Abschnittsnummern enthalten, sollte die KI nicht einfach ganze Interviews zusammenfassen. Sinnvoller ist es, konkrete Aussagen oder Abschnitte zu codieren und jede Zuordnung belegbar zu machen. Praktisch bedeutet das: Jede relevante Textstelle wird einer Hauptkategorie und gegebenenfalls einer Subkategorie zugeordnet. Zusätzlich werden das wörtliche Zitat, die Interviewnummer und die Abschnittsnummer dokumentiert. So entsteht eine Tabelle, die später geprüft, sortiert und ausgewertet werden kann. 

Besonders nützlich ist KI bei der deduktiv-induktiven Kategorienbildung. Die deduktiven Hauptkategorien geben den Rahmen vor. Die KI kann dann helfen, innerhalb dieses Rahmens wiederkehrende Muster im Material zu erkennen und geeignete Subkategorien vorzuschlagen. Diese Vorschläge sollten jedoch nicht ungeprüft übernommen werden. Forschende müssen kontrollieren, ob die Kategorien trennscharf sind, ob Zitate wirklich passen und ob ähnliche Subkategorien zusammengeführt werden sollten. 

Auch Häufigkeiten können mit KI vorbereitet werden. Wenn zum Beispiel über alle Transkripte hinweg gezählt wird, wie oft bestimmte Subkategorien vorkommen, entsteht ein hilfreicher Überblick. Solche Zahlen ersetzen aber keine qualitative Interpretation. Sie zeigen, welche Themen häufig genannt wurden, sagen aber noch nicht automatisch, welche Bedeutung diese Themen im Kontext der Forschungsfrage haben. 

Für die Praxis heisst das: KI kann den Analyseprozess beschleunigen, aber nur dann sinnvoll unterstützen, wenn der Arbeitsauftrag präzise formuliert ist. Ein guter Prompt enthält Rolle, Forschungsfrage, Materialbeschreibung, Kategorienlogik, Codiereinheit, Codierregeln, Ausgabeformat und Validierungshinweise. Ebenso wichtig ist die Kontrolle der Ergebnisse: Stichproben, auffällige Fälle, unsichere Codierungen und Häufigkeiten sollten systematisch geprüft werden. 

Qualitative Inhaltsanalyse mit KI gelingt durch methodische Klarheit. Die KI ist kein Ersatz für die wissenschaftliche Analyse, sondern ein Werkzeug, das Strukturierung, Dokumentation und erste Auswertungsschritte unterstützt. 

Ein guter Prompt für qualitative Inhaltsanalyse sollte mindestens die nachfolgenden Aspekte enthalten: 

Rolle: Du unterstützt eine qualitative Inhaltsanalyse nach Kuckartz/Rädiker. 

Forschungsfrage: Analysiere die Transkripte mit Blick auf folgende Forschungsfrage: [Forschungsfrage einfügen]. 

Material: Die Transkripte enthalten Interviewnummern und Abschnittsnummern. Nutze diese Angaben für jede Codierung. 

Kategorienlogik: Verwende die folgenden Hauptkategorien deduktiv aus Theorie und Interviewleitfaden: [Hauptkategorien einfügen]. Entwickle passende Subkategorien induktiv am Material. 

Codiereinheit: Codiere nur konkrete Aussagen oder Sinnabschnitte, die einen inhaltlichen Beitrag zur Forschungsfrage leisten. 

Codierregeln: Ordne eine Aussage nur dann einer Kategorie zu, wenn sie im Text klar belegt ist. Erfinde keine Aussagen. Markiere unsichere Zuordnungen. 

Ausgabeformat: Erstelle eine Tabelle mit folgenden Spalten: Hauptkategorie, Subkategorie, wörtliches Zitat, Interviewnummer, Abschnittsnummer, kurze Begründung der Zuordnung. 

Validierung: Kennzeichne unklare Fälle und gib Hinweise, welche Kategorien zusammengeführt, getrennt oder präzisiert werden sollten.

Literatur: 

Fischer, A. (2025). Die Zukunft der Qualitativen Inhaltsanalyse im Zeitalter Künstlicher Intelligenz. Ein Ablaufmodell KI-basierter Inhaltsanalyse. Nürnberg: Forschungsinstitut Betriebliche Bildung (f-bb) gGmbH. Link 

Krähnke, U., Pehl, T., & Dresing, T. (2025). Hybride Interpretation textbasierter Daten mit dialogisch integrierten LLMs: Zur Nutzung generativer KI in der qualitativen Forschung. SSOAR. Link 

Kuckartz, U., & Rädiker, S. (2024). Qualitative Inhaltsanalyse. Methoden, Praxis, Umsetzung mit Software und künstlicher Intelligenz (6. Aufl.). Weinheim; Basel: Beltz Juventa.