Triangulation in der Forschung: Bedeutung und Anwendung

Eine Umfrage weist in die eine Richtung, die Interviews in eine andere, und die Nutzungszahlen erzählen eine dritte Geschichte. Welche Quelle hat dann recht? Triangulation hilft dir, dasselbe Phänomen aus mehreren Blickwinkeln zu betrachten und dadurch besser begründete, aber auch ehrlicher begrenzte Schlussfolgerungen zu ziehen.

Triangulation in der Forschung bedeutet, dasselbe Phänomen über mehrere Methoden, Datenquellen, Forschende oder Theorien zu untersuchen, sodass du die Ergebnisse bewusst vergleichen und deine Schlussfolgerungen besser begründen kannst.

Stimmen die Ergebnisse überein, wächst das Vertrauen in eine Schlussfolgerung, sofern die Zugänge nicht dieselbe Schwäche teilen. Weichen sie voneinander ab, entstehen daraus oft neue Einsichten. Triangulation beweist nicht, dass etwas wahr ist, und sie macht aus einem Zusammenhang keine Ursache.

Das Wort stammt aus der Landvermessung: Wer eine Position von mehreren bekannten Punkten aus bestimmt, weiß genauer, wo sie liegt. In der Forschung wurde daraus eine Metapher. Du betrachtest ein Phänomen aus verschiedenen Blickwinkeln und vergleichst, was jeder Blickwinkel zeigt.

Zwei Merkmale machen etwas zur Triangulation. Die Zugänge richten sich auf dasselbe Phänomen und dieselbe Frage, und du vergleichst die Ergebnisse bewusst miteinander. Wer nur viele unterschiedliche Daten sammelt und sie in einem Bericht nebeneinanderstellt, trianguliert noch nicht.

Triangulation ist damit eine Forschungsstrategie, keine eigenständige Methode. Du kannst sie in qualitativer, quantitativer und gemischter Forschung anwenden.

Der Gedanke entstand in der psychologischen Messlehre. Campbell und Fiske stellten 1959 fest, dass Validierung in der Regel konvergent ist: eine Bestätigung durch unabhängige Messverfahren. Gültigkeit zeigt sich nach ihrer Auffassung in der Übereinstimmung zwischen zwei Versuchen, dasselbe Merkmal mit möglichst unterschiedlichen Methoden zu messen. Sie wiesen auch darauf hin, dass Werte teilweise die Messmethode selbst widerspiegeln und dass neben der konvergenten auch eine diskriminante Validierung nötig ist (Campbell & Fiske, 1959).

Webb, Campbell, Schwartz und Sechrest plädierten 1966 für nichtreaktive Messungen: Daten, die entstehen, ohne dass Menschen wissen, dass sie untersucht werden (Webb et al., 1966). Laut einer späteren Besprechung wollten sie Daten aus mehreren Arten von Quellen zusammenführen (Kelle, 2001).

Der Soziologe Norman Denzin machte Triangulation in The Research Act (Erstausgabe 1970) zu einer ausgearbeiteten Forschungsstrategie. Sein Ausgangspunkt: Keine einzelne Methode, Theorie oder beobachtende Person kann alles erfassen, was relevant ist (Denzin, 2017). Todd Jick brachte die Idee 1979 in die Organisationsforschung und beschrieb qualitative und quantitative Methoden als einander ergänzend statt als rivalisierende Lager (Jick, 1979).

Denzin unterschied vier Typen (Mathison, 1988; Carter et al., 2014):

1. Datentriangulation. Du nutzt verschiedene Datenquellen, zum Beispiel Daten von verschiedenen Personen, zu verschiedenen Zeitpunkten oder an verschiedenen Orten.
2. Forschertriangulation. Mehrere Forschende erheben oder analysieren dieselben Daten, sodass die Interpretation weniger von einer Person abhängt.
3. Theorietriangulation. Du betrachtest dieselben Daten aus verschiedenen theoretischen Perspektiven.
4. Methodentriangulation. Du kombinierst verschiedene Methoden, etwa eine Umfrage, Interviews und Beobachtung.

In der Praxis überschneiden sich die Typen oft. Eine Studie mit Umfrage und Interviews ist Methodentriangulation, meist aber auch Datentriangulation, weil andere Menschen teilnehmen.

Forschende nutzen Triangulation mit zwei unterschiedlichen Absichten.

Bestätigen. In der ursprünglichen Validierungslogik prüfst du einen Befund, indem du schaust, ob Informationen aus verschiedenen Quellen zusammenlaufen (Carter et al., 2014). Übereinstimmung gilt dann als Stütze, Widerspruch als Hinweis, dass irgendwo ein Fehler steckt.

Vertiefen. Uwe Flick fragte 1992, ob Triangulation eine Strategie der Validierung oder eine Alternative dazu ist (Flick, 1992). In späteren Arbeiten beschrieb er Triangulation als Alternative zur Validierung, die Reichweite, Tiefe und Konsistenz einer Analyse erhöht (Kelle, 2001). Dann suchst du nicht in erster Linie Bestätigung, sondern ein vollständigeres Bild.

Diese beiden Logiken kollidieren. Kelle zeigt, dass übereinstimmende Befunde in der Vertiefungslogik wenig hinzufügen, während widersprüchliche Befunde in der Validierungslogik auf einen Fehler hindeuten (Kelle, 2001). Lege deshalb vorab fest, welche Absicht du verfolgst. Mathison nennt drei mögliche Ergebnisse der Triangulation: Konvergenz, Inkonsistenz und Widerspruch. Alle drei verlangen eine Erklärung durch die Forschenden (Mathison, 1988).

Es ist verlockend zu glauben, dass drei Quellen, die dasselbe sagen, zusammen die Wahrheit ergeben. Mathison nannte die Annahme, Verzerrungen würden in einem Design mit mehreren Methoden von selbst verschwinden, eine rätselhafte Annahme, die häufig ungeprüft bleibt (Mathison, 1988). Fielding und Fielding warnten, dass das Kombinieren von Methoden die Fehlerwahrscheinlichkeit sogar erhöhen kann, etwa wenn Forschende Gemeinsamkeiten zwischen unvereinbaren Daten falsch deuten (Fielding & Fielding, 1986, zitiert nach Kelle, 2001).

Die Epidemiologie formuliert diesen Punkt besonders klar. Lawlor, Tilling und Davey Smith beschreiben Triangulation als Integration von Ergebnissen aus verschiedenen Zugängen, die jeweils andere, voneinander unabhängige Quellen von Verzerrung haben. Teilen Zugänge dieselbe Verzerrung, ist eine gleiche Antwort wahrscheinlich die verzerrte Antwort und nicht die richtige (Lawlor et al., 2016).

Die praktische Konsequenz: Frag nicht nur, ob Quellen übereinstimmen, sondern auch, ob sie dieselbe Schwäche teilen. Eine Umfrage und ein Interview sind beide Selbstauskünfte. Liefern beide sozial erwünschte Antworten, bestätigen sie sich gegenseitig, ohne dass die Schlussfolgerung stimmt. Was ein Zusammenhang über Ursache und Wirkung aussagt und was nicht, behandelt ein eigener Artikel über Zusammenhang und Kausalität.

In der Zielgruppen- und Kommunikationsforschung hilft Triangulation vor allem dabei, drei Arten von Informationen zu verbinden (redaktioneller Rat):

• Was Menschen sagen. Umfragen und Interviews zeigen Meinungen, Gründe und Erwartungen. Sie sind anfällig für Erinnerungslücken, soziale Erwünschtheit und die Formulierung der Fragen.
• Was Menschen tun. Nutzungs-, Kauf- oder Besuchszahlen und Beobachtungen zeigen Verhalten. Sie sagen selten, warum jemand etwas tut.
• Wie Menschen spontan reagieren. Assoziationsaufgaben, Eye-Tracking oder EEG bieten eine weitere Perspektive auf Reaktionen. Mehr dazu in Wie misst man Assoziationen?, Was ist Eye-Tracking? und Was ist EEG?. Auch diese Messungen haben eigene Grenzen und erfordern Interpretation.

Wähle Zugänge so, dass sich ihre Schwächen unterscheiden. Lass offene Antworten oder Interviews von zwei Forschenden unabhängig codieren und besprich Unterschiede. Mach in einem Bericht deutlich, welche Quellen übereinstimmen, welche sich ergänzen und wo sie kollidieren. Stelle Übereinstimmung nicht als Beweis dar, sondern als Stütze innerhalb der Grenzen der genutzten Quellen.

1. Beschreibe das Phänomen und die Frage. Was genau willst du verstehen, und für welche Entscheidung?
2. Wähle die Absicht. Willst du einen Befund bestätigen oder ein vollständigeres Bild gewinnen?
3. Wähle Zugänge mit unterschiedlichen Schwächen. Notiere für jede Quelle, was sie misst, bei wem, zu welchem Zeitpunkt und wo sie anfällig ist.
4. Lege vorab fest, wie du vergleichst. Was gilt als Übereinstimmung, als teilweise Übereinstimmung und als Widerspruch?
5. Analysiere zuerst jede Quelle einzeln. Zieh erst Schlüsse über das Ganze, wenn jede Quelle für sich ausgewertet ist.
6. Erkläre Unterschiede inhaltlich. Finde heraus, ob ein Unterschied an der Methode, der Gruppe, dem Zeitpunkt oder am Phänomen selbst liegt.
7. Berichte mit Grenzen. Benenne, welche Schlussfolgerungen auf mehreren Quellen beruhen, welche auf einer Quelle und was offenbleibt.

Dieses Beispiel ist fiktiv und dient der Veranschaulichung.

Situation. Eine städtische Bibliothek sieht in ihrem Mitgliederbestand und ihren Ausleihzahlen wenige junge Erwachsene. Der Vorstand möchte wissen, warum diese Gruppe fernbleibt, bevor er Geld in neue Öffnungszeiten, ein anderes Angebot oder eine Kampagne steckt.

Entscheidungsfrage. Warum bleiben junge Erwachsene fern, und welche Veränderung würde sie am meisten ansprechen?

Verfügbare Informationen. Ausleih- und Besuchszahlen nach Altersgruppe und Uhrzeit sowie die Möglichkeit, eine Umfrage, Interviews und Beobachtungen durchzuführen.

Vorgehen. Die Bibliothek richtet vier Zugänge auf dasselbe Phänomen. Eine Umfrage unter jungen Erwachsenen in der Stadt, auch unter Nichtmitgliedern, fragt nach Gründen und Wünschen. Interviews mit einer kleinen Gruppe von Mitgliedern und ehemaligen Mitgliedern vertiefen diese Gründe. Die Ausleih- und Besuchszahlen zeigen, wann und wofür die Gruppe kommt. Beobachtungen an verschiedenen Tagen und zu verschiedenen Zeiten zeigen, wie der Raum tatsächlich genutzt wird. Zwei Mitarbeitende codieren die Interviews unabhängig voneinander.

Mögliche Interpretation. Angenommen, Umfrage und Interviews nennen vor allem Zeitmangel, während die Beobachtungen zeigen, dass Lernplätze abends voll mit jungen Erwachsenen sind, die nichts ausleihen. Dann weisen die Quellen nicht in dieselbe Richtung, sondern ergänzen sich: Die Ausleihzahlen unterschätzen womöglich die Nutzung, und die Frage verschiebt sich von „Warum kommen sie nicht?“ zu „Wofür kommen sie?“. Beachte: Umfrage und Interviews sind beide Selbstauskünfte und können dieselbe Verzerrung teilen. In diesem Beispiel sind keine Ergebnisse bekannt.

Nächster Schritt. Die Bibliothek formuliert eine prüfbare Erwartung, etwa zu längeren Öffnungszeiten des Lernbereichs, und testet sie zunächst im Kleinen. Ob eine Veränderung mehr Besuche verursacht, erfordert ein dafür geeignetes Design.

• Mehr Quellen mit besseren Schlussfolgerungen gleichsetzen. Drei schwache Quellen mit derselben Schwäche ergeben zusammen keine starke Schlussfolgerung.
• Nur die passende Quelle berichten. Wer widersprüchliche Ergebnisse weglässt, verliert genau die Information, die Triangulation liefert.
• Verschiedene Phänomene vergleichen. Eine Umfrage zu Absichten und Zahlen zum tatsächlichen Verhalten messen nicht dasselbe. Benenne das, statt sie als Bestätigung zu lesen.
• Nachträglich triangulieren. Quellen, die ohne Plan erhoben wurden, lassen sich schwer sauber vergleichen.
• Gruppenergebnisse auf Einzelne übertragen. Ein Muster in einer Gruppe sagt nicht voraus, was eine einzelne Person tut.

Mit Triangulation kannst du eine Beschreibung besser begründen und zeigen, welche Seiten ein Phänomen hat. Du kannst angeben, welche Schlussfolgerungen auf mehreren unabhängigen Quellen beruhen und welche noch auf einer.

Du kannst damit nicht beweisen, dass eine Schlussfolgerung wahr ist. Triangulation weist auch keine Ursache und Wirkung nach und macht Ergebnisse nicht automatisch für andere Gruppen oder Situationen gültig. Die Quellen in diesem Artikel stammen aus der Methodologie von Psychologie, Soziologie, Organisationsforschung, Pflegewissenschaft und Epidemiologie. Sie stützen die Prinzipien, kein festes Vorgehen und keine Effektgröße für deine Forschung.

Triangulation macht Forschung stärker, weil du dasselbe Phänomen aus mehreren Blickwinkeln betrachtest. Ihr Wert liegt im Vergleich: Übereinstimmung zwischen Quellen mit unterschiedlichen Schwächen gibt Halt, und Unterschiede weisen auf weitere Fragen hin. Lege vorab fest, was du erreichen willst, wähle Quellen bewusst und berichte ehrlich, was sie gemeinsam zeigen und was nicht.