Forschungssynthese: Bedeutung und Anwendung

Du hast Umfrageergebnisse, Interviewnotizen und Verhaltensdaten zur selben Frage, und sie erzählen nicht ganz dieselbe Geschichte. Forschungssynthese ist der Schritt, in dem du diese Befunde systematisch nebeneinanderlegst und zu Schlussfolgerungen verarbeitest, die du belegen kannst. Das verlangt mehr als eine Zusammenfassung pro Quelle.

Forschungssynthese ist das Zusammenführen und Integrieren von Befunden aus mehreren Datenquellen, Methoden oder Gruppen zu Schlussfolgerungen, die du Aussage für Aussage belegen kannst. Eine Synthese beantwortet eine Forschungsfrage; eine Zusammenfassung gibt wieder, was jede Quelle für sich sagt.

Der Begriff hat zwei Bedeutungen. In der methodologischen Literatur meint research synthesis oft das systematische Kombinieren von Ergebnissen aus vielen Studien, wie in einem systematischen Review oder einer Metaanalyse. Dieser Artikel verwendet ihn breiter: für das Integrieren von Befunden etwa aus Umfragen, Interviews und Verhaltensdaten innerhalb einer Studie oder eines Forschungsprogramms.

Eine Umfrage zeigt, wie häufig eine Meinung vorkommt, Interviews zeigen, wie Menschen ihre Entscheidung erklären, und Verhaltensdaten zeigen, was Menschen tatsächlich tun. Die Synthese verarbeitet diese Teilantworten zu einer belegten Antwort.

Drei Merkmale unterscheiden eine Synthese von einer Sammlung von Ergebnissen:

• Integration: Die Schlussfolgerung sagt etwas, das keine Quelle allein sagen könnte.
• Nachvollziehbarkeit: Jede Schlussfolgerung lässt sich auf die Quellen und Analysen zurückführen, auf denen sie beruht.
• Transparenz über Unsicherheit: Du machst sichtbar, wo Quellen einander stützen, wo sie schweigen und wo sie kollidieren.

Forschungssynthese ist hier also kein Berichtskapitel, sondern eine analytische Arbeitsweise.

Der Begriff hat zwei Wurzeln. Die erste ist die Synthese über Studien hinweg. Das Handbook of Research Synthesis and Meta-Analysis beschreibt research synthesis als das systematische Destillieren und Integrieren von Daten aus vielen Studien, um verlässlichere Schlussfolgerungen zu einer Forschungsfrage zu ziehen (Cooper, Hedges & Valentine, 2019). Systematische Reviews und Metaanalysen sind aus dieser Tradition hervorgegangen.

Die zweite ist die Mixed-Methods-Forschung, in der du quantitative und qualitative Daten innerhalb einer Studie kombinierst. Fetters, Curry und Creswell beschreiben Integration dort auf drei Ebenen: im Studiendesign, in den Methoden sowie in Interpretation und Berichterstattung (Fetters, Curry & Creswell, 2013). Das Lehrbuch von Creswell und Plano Clark arbeitet die zugehörigen Forschungsdesigns aus (Creswell & Plano Clark, 2018).

Dieser Artikel verwendet Forschungssynthese als Oberbegriff für diese verwandten Praktiken, mit dem Schwerpunkt auf der Integration innerhalb einer Studie.

• Eine Zusammenfassung gibt pro Quelle wieder, was gefunden wurde. Sie beantwortet die Forschungsfrage nicht eigenständig.
• Ein systematisches Review versucht, alle empirischen Belege zu sammeln, die vorab festgelegte Kriterien erfüllen, um eine bestimmte Forschungsfrage zu beantworten. Dabei nutzt es explizite Methoden, die Verzerrungen (Bias) begrenzen sollen (Lasserson, Thomas & Higgins, 2024).
• Eine Metaanalyse kombiniert die quantitativen Ergebnisse mehrerer Studien statistisch. Ob das sinnvoll ist, hängt davon ab, wie vergleichbar die Studien sind.
• Eine Forschungssynthese im Sinne dieses Artikels integriert Befunde aus mehreren Quellen, Methoden oder Gruppen innerhalb einer Studie oder eines Programms. Sie muss nicht erschöpfend suchen wie ein systematisches Review und nicht statistisch poolen wie eine Metaanalyse, aber jede Schlussfolgerung muss nachvollziehbar sein.

Eine Synthese innerhalb einer Studie hat deshalb nicht die Beweiskraft eines systematischen Reviews.

Auf der Methodenebene unterscheiden Fetters und Kollegen vier Arten, wie Datenquellen miteinander verbunden werden (Fetters, Curry & Creswell, 2013). Beim Connecting verknüpfst du Quellen über die Stichprobe, etwa indem du Interviewteilnehmende aus den Umfrageteilnehmenden auswählst. Beim Building bestimmt die eine Quelle, wie du die andere erhebst, beim Merging analysierst du beide Datenbestände gemeinsam, und beim Embedding verbindest du Erhebung und Analyse an mehreren Punkten.

Auf der Ebene von Interpretation und Berichterstattung nennen sie drei Formen: narrative Integration, Datentransformation und das Joint Display. Datentransformation bedeutet, dass du einen Datentyp in den anderen umwandelst, zum Beispiel indem du qualitative Themen zählst. Außerdem beschreiben sie den Fit der Integration: das Ausmaß, in dem qualitative und quantitative Befunde zusammenpassen.

Für die Forschungssynthese ist vor allem diese letzte Ebene relevant: Auch getrennt erhobene Quellen kannst du bei der Interpretation noch ausdrücklich integrieren.

Thomas und Harden beschreiben die thematische Synthese in drei Schritten: Text Zeile für Zeile codieren, deskriptive Themen entwickeln, die nah an den Primärstudien bleiben, und analytische Themen generieren. Mit diesen gehen die Forschenden über die Primärstudien hinaus und bilden neue interpretative Konstrukte (Thomas & Harden, 2008). Die Methode wurde für Reviews qualitativer Forschung entwickelt, doch die Unterscheidung zwischen Beschreiben und Interpretieren funktioniert auch innerhalb einer Studie.

Die Autoren nennen diesen dritten Schritt potenziell den umstrittensten, weil er vom Urteil der Forschenden abhängt. Halte deshalb fest, welche Codes und Quellen jedes analytische Thema tragen.

Die folgenden Schritte sind eine redaktionelle Arbeitsweise, kein standardisiertes Protokoll.

1. Stelle die Forschungsfrage in den Mittelpunkt. Formuliere die Frage und die Entscheidung, die die Synthese unterstützen soll. Lege für jede Quelle fest, welche Teilfrage sie beantworten kann und welche nicht.
2. Lege die Quellen nebeneinander. Ordne nach Thema oder Teilfrage, nicht nach Quelle. Notiere bei jedem Befund Quelle, Gruppe und Methode sowie, wie groß und repräsentativ diese Quelle ist.
3. Suche nach Mustern und Widersprüchen. Markiere pro Thema, wo Quellen übereinstimmen, einander ergänzen, schweigen oder kollidieren. Ein Widerspruch ist eine Aufforderung zur Erklärung, kein Rauschen.
4. Beurteile die Beweiskraft pro Schlussfolgerung. Gib an, auf welchen Quellen jede Schlussfolgerung beruht, wie geeignet diese für die Frage sind und ob mehrere unabhängige Quellen sie stützen.
5. Benenne die Unsicherheit. Schreibe auf, was du nicht weißt, welche alternativen Erklärungen offenbleiben und welche zusätzliche Forschung die Unsicherheit verringern würde.

Ein Joint Display ist eine Tabelle oder Abbildung, in der du quantitative und qualitative Befunde gemeinsam darstellst, um Erkenntnisse sichtbar zu machen, die die getrennten Ergebnisse nicht liefern. In einer Analyse veröffentlichter Joint Displays kamen Statistiken nach Themen und Gegenüberstellungen (side-by-side) am häufigsten vor (Guetterman, Fetters & Creswell, 2015).

Eine einfache Vorlage, ohne Messergebnisse:

Die letzten beiden Spalten zwingen dich, pro Thema ein begründetes Urteil zu formulieren.

O'Cathain, Murphy und Nicholl beschreiben das Triangulationsprotokoll. Darin prüfst du pro Thema, ob Befunde aus verschiedenen Studienteilen übereinstimmen, teilweise übereinstimmen oder ob Schweigen oder Dissonanz vorliegt (O'Cathain, Murphy & Nicholl, 2010). Schweigen bedeutet, dass ein Thema in einem Datensatz auftaucht und im anderen nicht. Die Autoren merken an, dass die Untersuchung einer scheinbaren Diskrepanz zwischen Methoden zu einem besseren Verständnis der Forschungsfrage führen kann.

Moffatt und Kollegen haben das in einer Studie ausgearbeitet, in der quantitative und qualitative Ergebnisse auseinandergingen (Moffatt et al., 2006). Ihr Fazit: Die Untersuchung solcher Unterschiede kann ebenso aufschlussreich sein wie die Übereinstimmungen.

Triangulation, das Prüfen eines Befunds mit mehreren Quellen oder Methoden, ist damit verwandt und erhält einen eigenen Artikel.

Dieses Beispiel ist fiktiv und enthält keine echten Forschungsergebnisse.

Situation: Ein Museum erwägt eine neue Ausstellung zur Geschichte der eigenen Stadt. Entscheidungsfrage: Welche Konzeption und welche Kommunikation passen zu den Besucherinnen und Besuchern, die das Museum erreichen will? Verfügbare Informationen: eine Besucherbefragung nach früheren Ausstellungen, Interviews mit Besuchenden und mit Menschen, die das Museum selten besuchen, sowie Ticketdaten mit Besuchszeiten und Tickettypen.

Vorgehen: Die Forscherin formuliert zuerst drei Teilfragen. Wen erreicht das Museum heute? Was schätzen Besuchende? Was hält andere ab? Pro Teilfrage erstellt sie ein Joint Display mit den drei Quellen nebeneinander.

Angenommen, die Befragung zeigt, dass Besuchende Vertiefung schätzen, während die Ticketdaten auf viele kurze Nachmittagsbesuche hindeuten. Das muss kein Fehler in einer der Quellen sein. Mögliche Erklärungen: Die Befragung erreicht vor allem Besuchende, die ohnehin länger blieben, kurze Besuche gehören zu einer anderen Gruppe, etwa Familien, oder Vertiefung bedeutet für Besuchende etwas anderes als Zeit. Die Interviews helfen bei der Wahl, aber es bleibt eine Interpretation.

Interpretation und nächster Schritt: Die Synthese gibt pro Schlussfolgerung die Beweiskraft an, zum Beispiel „von drei Quellen getragen“ oder „nur aus Interviews, noch zu prüfen“. Eine gezielte Zusatzfrage in der Befragung oder ein kleiner Test mit zwei Ausstellungstexten kann folgen.

In der Zielgruppen- und Kommunikationsforschung kombinierst du oft Assoziationsdaten, Gespräche, Umfragen und Verhaltensdaten. Eine Synthese hilft zu bestimmen, welche Erkenntnisse belastbar genug für eine strategische Entscheidung sind und welche du zuerst prüfen musst, zum Beispiel als Hypothese für eine Botschaft. Wie du Assoziationen misst, liest du in Wie misst man Assoziationen?. Verändern neue Befunde ein bestehendes Zielgruppenbild, ist die Synthese die Grundlage, um es zu aktualisieren (Wann und wie aktualisiert man ein Zielgruppenprofil?).

• Keine Kausalität durch Zusammenführen. Drei Quellen mit demselben Muster machen dieses Muster glaubwürdiger, aber noch nicht kausal; dafür braucht es ein passendes Forschungsdesign.
• Gruppenebene. Eine Synthese beschreibt Muster in Gruppen. Sie sagt nicht voraus, was eine einzelne Besucherin, ein Kunde oder eine Mitarbeiterin denkt oder tut.
• Bias der synthetisierenden Person. Wer Befunde zusammenführt, entscheidet, was relevant ist. Der Bestätigungsfehler (Confirmation Bias), also das Suchen und Interpretieren von Belegen in einer Weise, die zu bestehenden Überzeugungen oder einer Hypothese passt, ist ausführlich beschrieben (Nickerson, 1998). Lege deshalb vorab fest, welche Frage du beantwortest, suche aktiv nach Gegenbelegen und lass eine zweite Person die Synthese prüfen.
• Abhängig von den Quellen. Schwache oder nicht vergleichbare Quellen werden nicht stärker, weil du sie kombinierst.

Forschungssynthese macht aus einzelnen Befunden eine belegte Antwort auf eine Forschungsfrage. Der Kern ist Nachvollziehbarkeit: Für jede Schlussfolgerung weißt du, auf welchen Quellen sie beruht, wie stark diese Belege sind und welche Unsicherheit bleibt. Widersprüchliche Befunde behandelst du als Information über Unterschiede zwischen Gruppen, Methoden oder Situationen.