<?page no="0"?> Klaus Niedermair Handbuch Wissenschaftstheorie Studieren, aber richtig <?page no="1"?> utb 6476 Eine Arbeitsgemeinschaft der Verlage Brill | Schöningh - Fink · Paderborn - Vandenhoeck & Ruprecht · Göttingen - Böhlau · Wien · Köln Verlag Barbara Budrich · Opladen · Toronto facultas · Wien Walter de Gruyter · Berlin · Boston Haupt Verlag · Bern Verlag Julius Klinkhardt · Bad Heilbrunn Mohr Siebeck · Tübingen Narr Francke Attempto Verlag - expert verlag · Tübingen Psychiatrie Verlag · Köln Psychosozial-Verlag · Gießen Ernst Reinhardt Verlag · München transcript Verlag · Bielefeld Verlag Eugen Ulmer · Stuttgart UVK Verlag · München Waxmann · Münster · New York wbv Publikation · Bielefeld Wochenschau Verlag · Frankfurt am Main <?page no="2"?> Dr. Klaus Niedermair lehrt an der Fakultät für Soziale und Politische Wissenschaften der Universität Innsbruck und war bis 2023 Stv. Leiter der Universitäts- und Landesbibliothek Tirol. Studieren, aber richtig Herausgegeben von Michael Huter, Huter & Roth, Wien Die Bände behandeln jeweils ein Bündel von Fähigkeiten und Fertigkeiten. Das gesamte Paket versetzt Studierende in die Lage, die wesentlichen Aufgaben im Studium zu erfüllen. Die Themen orientieren sich an den wichtigsten Situationen und Formen des Wissenserwerbs. Dabei werden auch das scheinbar Selbstverständliche behandelt und die Zusammenhänge erklärt. Weitere Bände: Steffen-Peter Ballstaedt: Wissenschaftliche Bilder: gut gestalten, richtig verwenden (utb 6031) Jasmin Bastian, Lena Groß-Mlynek: Lernen und Wissen (utb 3779) Isabella Buck: Wissenschaftliches Schreiben mit KI (utb 6365) Sabine Dengscherz, Michele Cooke: Transkulturelle Kommunikation (utb 5319) Theo Hug, Gerald Poscheschnik: Empirisch forschen (utb 3357) Otto Kruse: Kritisches Denken und Argumentieren (utb 4767) Otto Kruse: Lesen und Schreiben (utb 3355) Klaus Niedermair: Recherchieren, Dokumentieren, Zitieren (utb 3356) Gerlinde Mautner, Christopher J. Ross: English Academic Writing (utb 6028) Gerlinde Mautner: Wissenschaftliches Englisch (utb 3444) Melanie Moll, Winfried Thielmann: Wissenschaftliches Deutsch (utb 4650) <?page no="3"?> Klaus Niedermair Handbuch Wissenschaftstheorie Strategien und Methoden für Forschung und Studium <?page no="4"?> DOI: https: / / doi.org/ 10.36198/ 9783838564760 © UVK Verlag 2026 ‒ Ein Unternehmen der Narr Francke Attempto Verlag GmbH + Co. KG Dischingerweg 5 · D-72070 Tübingen Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlages unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikro‐ verfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Alle Informationen in diesem Buch wurden mit großer Sorgfalt erstellt. Fehler können dennoch nicht völlig ausgeschlossen werden. Weder Verlag noch Autor: innen oder Heraus‐ geber: innen übernehmen deshalb eine Gewährleistung für die Korrektheit des Inhaltes und haften nicht für fehlerhafte Angaben und deren Folgen. Diese Publikation enthält gegebenenfalls Links zu externen Inhalten Dritter, auf die weder Verlag noch Autor: innen oder Herausgeber: innen Einfluss haben. Für die Inhalte der verlinkten Seiten sind stets die jeweiligen Anbieter oder Betreibenden der Seiten verantwortlich. Internet: www.narr.de eMail: info@narr.de Einbandgestaltung: siegel konzeption | gestaltung Druck: Elanders Waiblingen GmbH utb-Nr. 6476 ISBN 978-3-8252-6476-5 (Print) ISBN 978-3-8385-6476-0 (ePDF) ISBN 978-3-8463-6476-5 (ePub) Umschlagabbildung: © BalanceFormcreativ/ iStock Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http: / / dnb.dnb.de abrufbar. <?page no="5"?> 7 1 11 1.1 12 1.2 27 1.3 48 1.4 58 1.5 81 2 89 2.1 90 2.2 96 2.3 118 2.4 148 2.5 168 3 189 3.1 190 3.2 206 3.3 212 3.4 237 3.5 258 3.6 267 4 279 4.1 280 4.2 290 4.3 297 4.4 310 4.5 344 Inhalt Vorwort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Die Grundlagen der Wissenschaft . . . . . . . . . . . . . . . . . . . . . . . . . . Wissenschaft als Spiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Was ist die Wissenschaftstheorie? . . . . . . . . . . . . . . . . . . . . . Wissenschaft und Forschung . . . . . . . . . . . . . . . . . . . . . . . . . Wie wirklich ist die Wirklichkeit? . . . . . . . . . . . . . . . . . . . . . Wozu Wissenschaftstheorie? . . . . . . . . . . . . . . . . . . . . . . . . . Die Ziele der Wissenschaft . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Die feinen Unterschiede . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Theorien finden und begründen . . . . . . . . . . . . . . . . . . . . . . Wirklichkeit verstehen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Wirklichkeit erklären . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Wirklichkeit verändern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Die Wege der Wissenschaft . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Der Forschungsprozess . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Theoretische Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Quantitative Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Qualitative Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Mixed-Methods, innovative Methoden . . . . . . . . . . . . . . . . . Digitale, computationale Methoden, KI . . . . . . . . . . . . . . . . Die Qualität der Wissenschaft . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Qualitätssicherung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Nichts ohne Begründung . . . . . . . . . . . . . . . . . . . . . . . . . . . . Logik und Argumentation . . . . . . . . . . . . . . . . . . . . . . . . . . . Wissensorganisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Standards und Gütekriterien . . . . . . . . . . . . . . . . . . . . . . . . . <?page no="6"?> 4.6 368 4.7 389 403 411 413 Wissenschaftstheoretische Positionierung . . . . . . . . . . . . . Wissenschaft als Spiel, System, Ideal . . . . . . . . . . . . . . . . . . Literaturverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Personenregister . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Sachregister . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 Inhalt <?page no="7"?> Vorwort Wissenschaft prägt unsere Lebenswelt, sie ist die Grundlage für technolo‐ gischen Fortschritt, wirtschaftlichen Wohlstand und Lebensqualität. Wenn wir im Auto unterwegs sind, ein GPS-System benutzen, wenn wir über Smartphone kommunizieren, uns im Internet informieren oder ein Medika‐ ment einnehmen: Rundum vertrauen wir der Technik und der Wissenschaft, die dahintersteckt, meist ohne lang nachzudenken. Wissenschaft genießt hohes Ansehen, nicht nur im Kontext der Technologie. Forschungsergeb‐ nisse werden als glaubwürdig gesehen, Wissenschaftler: innen gelten als Expert: innen, Wissenschaftlichkeit ist ein Qualitäts- und Markenzeichen. Diese positive Optik reicht sogar bis zum Glauben, dass man der Wissen‐ schaft zutrauen kann, überhaupt alle Probleme lösen zu können. Doch es gibt auch ein anderes Bild von Wissenschaft. Dieses beginnt schon damit, wie in der Öffentlichkeit komplexe Forschungsergebnisse kommuniziert werden, meist vereinfacht, auf Schlagzeilen reduziert, auf Kontroversen und Widersprüche zugespitzt. Die wissenschaftliche Diskus‐ sion, die ja eigentlich die Qualität der Wissenschaft ausmacht, gerät in ein schiefes Licht. Unweigerlich entsteht der Eindruck, dass die Wissenschaft kein solides Wissen anbieten kann, sich ständig selbst korrigiert und eigent‐ lich nicht weiß, was sie will. Aber abgesehen davon gibt es ja tatsächlich einige Schwierigkeiten in der Wissenschaft. Die Forschung wird z. B. oft durch wirtschaftliche oder politische Interessen bestimmt und vereinnahmt, verliert ihre Objektivität. Die Forschung ist oft etwas blauäugig, was ihre Anwendung und mögliche Folgen betrifft. Forschungsergebnisse können im Extrem zu veritablen Bedrohungen für Mensch und Menschheit führen, etwa Atomwaffen, Kli‐ mawandel, Künstliche Intelligenz, Genome-Editing usw. Dies alles führt zu Skepsis, ethischen Bedenken und, in der Steigerung, zu Zukunftsängsten, Misstrauen gegenüber wissenschaftlicher Autorität, Ablehnung empirischer Evidenz, Ignoranz, was anerkannte Forschungser‐ gebnisse betrifft, Stichwort z. B. Corona oder Klimawandel - und obendrauf gibt es noch Verschwörungstheorien, wonach elitäre Wissenschaftler: innen (um bei den Beispielen zu bleiben) Corona bzw. den Klimawandel erfunden hätten, um sich Forschungsaufträge und -finanzierung sowie gesellschaftli‐ chen Status und politischen Einfluss usw. zu sichern. <?page no="8"?> Hinzu kommt: In der digitalen Informations- und Kommunikationsland‐ schaft steht die klassische Gatekeeper-Rolle der Wissenschaft als Instanz für objektive, überprüfte Erkenntnis auf dem Spiel. Wissenschaftliches Wissen gerät zunehmend in Konkurrenz mit Halbwahrheiten, Fake News, algorithmisch gesteuerten Filterblasen, gezielter Desinformation - und die Akteure sind nicht nur einzelne Individuen, die sich in den sog. Social Media austoben, sondern auch Repräsentanten von politischen Systemen. Für die Wissenschaft wird die Abgrenzung von diesen Pseudowirklichkeiten, von Pseudo- und Parawissenschaften, von künstlich intelligent erzeugtem (prima vista sogar wissenschaftlich wirkenden) Wissen zur Herausforde‐ rung - und zu einer Aufgabe. Beide Extreme, die Wissenschaftsgläubigkeit und die Wissenschaftsfeind‐ lichkeit, beruhen natürlich auf einem verzerrten Bild von Wissenschaft. Aber was ist eigentlich die Wissenschaft? Bzw. was soll Wissenschaft sein? Welche Ziele hat Wissenschaft bzw. soll sie haben, wie soll sie zu ihren Erkenntnissen kommen, wie diese begründen, wie die Qualität ihrer Erkenntnisse sichern? Wie sollen, wie können die Erkenntnisse in der Praxis angewandt werden? Welches Potential hat Wissenschaft, welche Risiken kann sie haben? Das sind einige der zentralen Fragen der Wissenschaftstheorie. Und das sind auch Fragen, die für die Öffentlichkeit, die Gesellschaft, die Politik, für jeden Einzelnen bedeutsam sind. Alle haben wir, wie gesagt, mit Wis‐ senschaft zu tun, Wissenschaft ist allgegenwärtig, Wissenschaft gibt es als Theorie, und Wissenschaft gibt es in der Praxis, in unserem Leben, z.-B. als alltägliche Technologie, Wissenschaft bestimmt unsere Lebenswelt, unsere Lebensform, unser Weltbild. Vor allem richten sich diese Fragen an Personen, die mit Wissenschaft direkt zu tun haben, die mit wissenschaftlichem Wissen arbeiten, mehr oder weniger aktiv, also Forscher: innen, Lehrende, Studierende, Schüler: innen, an Wissenschaft Interessierte. Ein Credo dieses Buches ist: Wissenschafts‐ theorie ist eine Basiskompetenz in Forschung, Lehre und Studium. Das Ziel von Wissenschaft ist Erkenntnis der Wirklichkeit, das heißt, eine Theorie zu finden, eine Theorie zu bilden über ein Phänomen, das noch ein Rätsel ist und noch nicht erklärt oder verstanden werden kann, und diese Theorie dann zu begründen. Doch die Wissenschaft denkt auch darüber nach, wie man zu einer Theorie über ein Phänomen kommt, wie man Theorien begründet. Und dafür sind - auch das weiß man in der Wissenschaft - einige prinzipielle Voraussetzungen entscheidend, unter 8 Vorwort <?page no="9"?> anderem darüber, was eigentlich die Wirklichkeit ist, wie man sie überhaupt erkennen kann, welche Erkenntnisziele es insofern geben kann, welche For‐ schungsmethoden jeweils geeignet sind. Diese Voraussetzungen ergeben, wenn man sie in ihren Möglichkeiten ausbuchstabiert, die Vielfalt und die Diversität der Wissenschaft. Trotzdem werden die wissenschaftstheoretischen Fragen oft ausgeblen‐ det, z. B. wird eine Forschungsmethode wie selbstverständlich als die Methode überhaupt gesehen, eine Fachdisziplin als die typische Wissen‐ schaft unterstellt. Die Wissenschaftstheorie kümmert sich um diese blinden Flecken, sie hinterfragt den latenten Dogmatismus und seine vermeintli‐ chen Selbstverständlichkeiten und bringt Alternativen ins Spiel. Mehrere Wege führen zu Erkenntnis, Wissenschaftstheorie zeigt sie und bereichert die Wissenschaft um Handlungsmöglichkeiten. Das ist ihr Bonus. Wissen‐ schaftstheorie entwirft insofern auch eine ideale Wissenschaft als normative Kontrastfolie zum ambivalenten und oft desaströsen Bild der Wissenschaft in der Öffentlichkeit, jenseits von Wissenschaftsgläubigkeit und Wissen‐ schaftsfeindlichkeit. Ein zweites Credo ist: Wissenschaftstheorie kann lebendig sein. Für Stu‐ dierende sind Bücher und Lehrveranstaltungen über Wissenschaftstheorie und Forschungsmethoden oft eine abstrakte, schwer zugängliche Nebensa‐ che. Im Unterschied zu fachwissenschaftlichen Themen sind Praxisbezug und Anwendbarkeit nicht so offenkundig, meist wird Wissenschaftstheorie erst im Kontext von Abschlussarbeiten und Forschungsprojekten nach‐ gefragt. Wissenschaftstheorie kann aber gelebt und praktisch nachvollzo‐ gen werden: Wenn z. B. kontroverse Erkenntnisse und Perspektiven von Theorien auf ihre wissenschaftstheoretischen Grundlagen zurückgeführt werden; wenn Forschen, Studieren oder überhaupt Arbeiten mit Wissen erfahrbar wird als bewusster und reflektierter Entscheidungsprozess im Horizont von ontologischen, epistemologischen, ethischen, forschungsme‐ thodischen Wahlmöglichkeiten; wenn nachvollziehbar wird, wie Diskussion und Argumentation auf Logik begründet ist; wenn verständlich wird, wie Wissenschaftstheorie wirksam ist in der Sicherung der Qualität des wis‐ senschaftlichen Wissens bzw. von Wissen überhaupt in Abgrenzung zu Täuschung, Betrug, Desinformation. Ein drittes Credo dieses Buches ist: Mit Wissenschaftstheorie kann man praxisbezogen und auch sukzessive aufbauend Bekanntschaft schließen. Das Buch setzt geringe Vorkenntnisse voraus, die Leser: innen sollen sich nicht auf Anhieb in einem Dickicht von Fachbegriffen zurechtfinden müssen. Vorwort 9 <?page no="10"?> Die Terminologie wird schrittweise eingeführt, abstrakte Zusammenhänge werden illustriert mit konkreten Beispielen, mit Forschungsfragen aus der Praxis, Exkursen, Reflexionsfragen, Zusammenfassungen. Es gilt das Prin‐ zip: Mehr intensiv als extensiv, zentrale Themen, Fragen, Konzepte sollten nicht nur überblicksartig, plakativ beschrieben und kurz angerissen werden, sondern in den spannenden Details ihrer Argumentation nachgezeichnet und nachvollziehbar gemacht werden. Und noch ein Credo: Trotz der Vielfalt der Wissenschaften und der wis‐ senschaftstheoretischen Positionen ist eine integrative Perspektive möglich. So unterschiedlich Wissenschaften in der Praxis (als Spiel) auch sind, und so unterschiedlich wissenschaftstheoretische Positionen (als System) auch expliziert werden können in ihren Erkenntniszielen, Methoden, Begrifflich‐ keiten, sie haben trotzdem (wenn man Wissenschaft als Ideal denkt) gemein‐ same Prinzipien: Rationalität, Begründung, Selbstbestimmtheit, Selbstkritik, Offenheit, Toleranz, Dialog, Verantwortlichkeit - und gemeinsam bilden sie in ihrer Vielfalt das Potential der Wissenschaft, die Komplexität der Wirklichkeit erkennen, verstehen, erklären und verändern zu können. Zuletzt noch mein Dank: an Herrn Michael Huter für die Einladung, neben „Recherchieren, Dokumentieren, Zitieren“ auch dieses Buch in seiner Reihe „Studieren, aber richtig“ beitragen zu können; an Frau Nadja Hilbig vom UVK Verlag für die sorgsame und freundliche verlegerische Begleitung und Unterstützung; an meine Frau für ihre Hilfe bei Korrektur und stilistischem Feintuning; und an die Studierenden für ihre Resonanz und Bestätigung, dass Wissenschaftstheorie in der Praxis, im Studieren und Forschen, in gemeinsamer Reflexion und Diskussion lebt und Sinn hat. Klaus Niedermair 10 Vorwort <?page no="11"?> 1 Die Grundlagen der Wissenschaft Ἀρχὴ ἥμισυ παντός. Der Anfang ist die Hälfte des Ganzen. (Platon und Aristoteles) Wissenschaft ist wie ein Spiel mit bestimmten Regeln. Es gibt Zitier‐ regeln, Kriterien für Qualifikationsnachweise, universitäre Kommuni‐ kationsformen usw., also konventionelle, z. T. informelle, mehr oder weniger zufällige Regeln. Und es gibt die wesentlichen, für die wissen‐ schaftliche Erkenntnis notwendigen Spielregeln, die im Forschen und Studieren oft als selbstverständlich vorausgesetzt werden. Sie betreffen vor allem das Erkenntnisziel, die Forschungsmethode sowie ontologi‐ sche, epistemologische und axiologische Annahmen. Ausgehend von Szenarien im Forschen und Studieren nähern wir uns diesen Themen der Wissenschaftstheorie, ihrer besonderen Perspektive und Zielsetzung. Vielleicht halten Sie dieses Buch in der Hand, weil Sie in Ihrem Studium gerade ein Pflichtmodul über Wissenschaftstheorie absolvieren. Vielleicht auch, weil Sie an einer Qualifizierungsarbeit schreiben und Ihre Betreuerin Ihnen empfohlen hat, dabei auch wissenschaftstheoretische und forschungs‐ methodische Aspekte zu berücksichtigen. Oder weil Sie als Lehrende gerade dabei sind, einschlägige Literatur zu sichten. Oder Sie blättern im Buch aus Interesse. Sie werden sich schon länger die Frage gestellt haben, was Wissenschafts‐ theorie eigentlich ist und wozu man sie benötigt. Sie werden sich auch nicht zufrieden geben mit der gängigen Erklärung, wonach schon das Wort „Wissenschaftstheorie“ sagt, dass es sich um eine Theorie über die Wissen‐ schaft handelt - ähnlich wie die Literaturwissenschaft die Wissenschaft über Literatur ist oder die Wirtschaftswissenschaft die Wissenschaft über die Wirtschaft. Das ist zweifellos ein erster intuitiver Hinweis, gut geeignet als Einstieg in einem Schul- und Lehrbuch (wie dieses) oder auch, um jemanden zu erklären, worüber man gerade ein Buch schreibt. Doch eine Definition im <?page no="12"?> eigentlichen Sinn ist dies keine, da nicht klar wird, was die Besonderheit der Wissenschaftstheorie ausmacht, welche Aspekte von Wissenschaft sie the‐ matisiert, wie sie sich von anderen Wissenschaften über die Wissenschaft, etwa von der Wissenschaftssoziologie, unterscheiden lässt - und vor allem: was mit „Wissenschaft“ und „Theorie“ gemeint ist. Im Detail | Eine Definition von „Definition“ In einer Definition wird ein Begriff (das sog. Definiendum, das zu Defi‐ nierende) mit einem oder mehreren anderen Begriffen (das Definiens, das Definierende) eindeutig und klar bestimmt, das heißt entweder als Norm festgelegt oder begrifflich oder operativ erläutert. Definitionen unterschieden sich insofern im Hinblick auf ihr Ziel. Die Nominaldefinition legt fest, wie ein Begriff verwendet wird bzw. werden soll - z. B.: „Mit ‚Atom‘ meinen wir den kleinsten chemisch nicht weiter teilbaren Baustein von Materie.“ Diese Definition be‐ schreibt den Sprachgebrauch oder trifft eine Vereinbarung und kann insofern weder wahr noch falsch sein, sondern nur zweckmäßig oder unzweckmäßig. Die Realdefinition versucht, das tatsächliche „Wesen“ oder die „Natur“ einer Sache zu beschreiben. Sie beansprucht, einen Sachverhalt zu benennen, der unabhängig von unserem Sprachgebrauch existiert, und kann somit wahr oder falsch sein. Beispiel: „Kohlendioxyd ist eine chemische Verbindung aus Kohlenstoff und Sauerstoff mit der Summenformel CO₂.“ Die operationale Definition legt einen Begriff durch die konkreten Mess- oder Analyseverfahren fest, mit denen er bestimmt wird. Sie ist besonders in den empirischen Wissenschaften von Bedeutung, da sie abstrakte Konzepte messbar macht. Beispiel: „Intelligenzquotient ist das Ergebnis eines standardisierten, validierten Tests zur Messung kognitiver Fähigkeiten.“ 1.1 Wissenschaft als Spiel Wenn Wissenschaftstheorie also eine Wissenschaft ist und ihr Gegenstand die Wissenschaft selbst ist, stellt sich die Frage: Was ist die Wissenschaft? So viel ist sicher: Wenn wir diese Frage stellen, dann ist das schon eine Frage 12 1 Die Grundlagen der Wissenschaft <?page no="13"?> der Wissenschaftstheorie, wir denken ja über die Wissenschaft nach - und klären so vielleicht indirekt auch, was Wissenschaftstheorie ist. Auf der Suche nach der Bedeutung von „Wissenschaft“ könnte man wieder das Wort selbst unter die Lupe nehmen und zwei Wörter heraus‐ präparieren, nämlich „Wissen“ und „schaffen“, und die Quasi-Definition durchspielen, wonach Wissenschaft ist, was Wissen schafft. Tatsächlich ist dies auch eine immer wieder bemühte und didaktisch hilfreiche Brücke. Doch gegen diese Interpretation spricht, dass das Suffix „-schaft“ im Deut‐ schen auf das althochdeutsche Wort „-scaft“ zurückgeht, das so viel wie Zustand, Eigenschaft, Zusammenhang, Gruppe oder Gesamtheit bedeutete. Wissenschaft würde dann weniger mit Wissen schaffen zu tun haben, sondern wäre ein geordneter Zusammenhang von Wissen. Durchaus auch zutreffend, aber darüber hinaus nicht aufschlussreich. Wie auch immer, es wäre auch klarzumachen, dass nur wissenschaftliches Wissen gemeint ist und nicht z.-B. Alltagswissen, denn diese Wissenschaftlichkeit ist ja gerade der Knackpunkt, die conditio sine qua non der Wissenschaft. Um die Frage zu beantworten, was die Wissenschaft ist, versuchen wir vorerst nicht eine Definition, sondern machen einen kleinen Umweg - über eine Metapher: Wir vergleichen die Wissenschaft mit dem Spiel. Warum benötigen wir eine Metapher? Ganz klar, in der Wissenschaft ist die Definition natürlich der Metapher überlegen, wenn es um Präzision, Eindeutigkeit und Überprüfbarkeit geht. Eine Metapher kann kein Ersatz für die Definition sein, aber doch eine Ergänzung, um abstrakte Inhalte anschaulich zu erklären. In unser Lebenswelt, in unserem Alltag spielen Spiele eine große Rolle: Brett- und Legespiele, Fußball, Tischtennis, Kartenspiele wie UNO, Rollen- und Erzählspiele, Videospiele, digitale Spiele, Versteck-, Fangspiele. Spiele führen zu einem Ziel oder Ergebnis, aber ohne einen Zweck darüber hinaus zu verfolgen, sie sind zweckfrei, eben spielerisch. Entscheidend für Spiele sind die Regeln: Sie bestimmen, was wann getan werden darf, was verboten ist, wie Abläufe strukturiert sind und nach welchen Kriterien ein Spieler gewinnt oder verliert. Es gibt noch andere Spiele, für welche die Bezeichnung „Spiel“ zum Teil auch schon metaphorisch gebraucht wird. So werden als Spiele unter anderem komplexe Systeme, soziale Interaktionen oder kognitive Prozesse bezeichnet, die eine gewisse Logik aufweisen und vereinbarten oder unsicht‐ baren Regeln folgen. Z. B. das „Flirt-Spiel“, das „Spiel der Macht“ oder das „Spiel des Lebens“ mit den unterschiedlichsten Spielregeln wie etwa Bräu‐ 1.1 Wissenschaft als Spiel 13 <?page no="14"?> che, Normen, Werte usw. Oder das „politische Spiel“, also Verhandlungen, Allianzen und Machtkämpfe, die sich tunlichst an „Regeln“ wie Gesetze, Verfassungen usw. halten sollten, und das „Marktspiel“, das nach dem Prinzip von Angebot und Nachfrage funktioniert. Exkurs | Es gibt auch eine Wissenschaft, die sich mit dem Spiel selbst befasst: In der Spieltheorie bezeichnet ein Spiel ein Szenario, in dem zwei oder mehr Akteure interagieren und Entscheidungen treffen. Jeder Spieler verfügt über eine Menge möglicher Züge, die bestimmten Regeln folgen müssen. Das Ergebnis hängt jedoch nicht allein von den eigenen Entscheidungen ab, sondern ebenso von den Zügen der anderen. Die Spieltheorie wird in vielen Wissenschaften eingesetzt - z. B. in der Öko‐ nomie zur Analyse von Arbeitsbeziehungen oder Marketingstrategien, in der Politikwissenschaft bei Abstimmungsverhalten, Koalitionsbildun‐ gen oder Rüstungswettläufen, und in der Informatik etwa bei Fragen der Cybersicherheit oder in Algorithmen für Künstliche Intelligenz. Auch in der Wissenschaftssoziologie lassen sich Verhaltensweisen von Forschen‐ den spieltheoretisch rekonstruieren: Sie stehen oft vor der Wahl, ob sie kooperativ agieren - ihr Wissen teilen, gemeinsam publizieren, Daten offenlegen - oder kompetitiv, also Ergebnisse zurückhalten und sich individuelle Vorteile sichern. Modelle wie das Gefangenendilemma oder das Spiel der Hühnchen (Chicken Game) illustrieren, unter welchen Bedingungen Kooperation für alle Beteiligten optimal ist und wann sie durch kurzfristige Eigeninteressen gefährdet wird. Wenn man die Wissenschaft mit einem Spiel vergleicht, muss klar sein, welche Aspekte betroffen sind und welche nicht. Denn jede Metapher hat ihre Grenzen: Wissenschaft ist keine Unterhaltung, kein Spiel zum Spaß, sondern hat klare Ziele und große Aufgaben. Im Unterschied zu einem Spiel im wörtlichen Sinn steht tatsächlich viel auf dem Spiel: Entscheidungen, Anwendungen und Folgen in der realen Welt. Trotzdem kommt die Analogie Wissenschaft als Spiel in der Erkenntnis- und Wissenschaftstheorie immer wieder vor. Ludwig Wittgenstein vor allem hat in seinen „Philosophischen Untersuchungen“ (1984) den Begriff der Sprachspiele geprägt. Er meinte damit, dass jede Form von Sprechen und Handeln auf Regeln, Rollen und Kontexten beruht, die implizit oder explizit akzeptiert werden. Sprachspiele sind regelgeleitete, kontextabhängige Systeme und die Voraussetzung dafür, 14 1 Die Grundlagen der Wissenschaft <?page no="15"?> dass sprachliche und nicht-sprachliche Handlungen überhaupt möglich sind. Auch die Wissenschaft kann als ein Sprachspiel verstanden werden, in dem die Spielzüge, etwa Datenauswertung oder die Begründung einer Hy‐ pothese, durch Spielregeln bestimmt sind, das wären z. B. Logik, Methoden, Qualitätskriterien usw. Die Wissenschaft ist (wie) ein Spiel - mit Spielregeln. Forschende, Wissenschaftler: innen, Studierende „spielen“ das Spiel der Wissenschaft gemäß ihren Spielregeln. Das klingt einfach, doch genauer betrachtet gibt es mehrere Arten von Spielregeln, die dabei eine Rolle „spie‐ len“. Manche Regeln sind explizit festgelegt, manche sind selbstverständlich, manche betreffen nur einzelne Wissenschaftsdisziplinen. Unterschiede gibt es auch im Hinblick auf die Frage, wie streng Spielregeln gelten: Empfeh‐ lungen oder Usancen, bei denen man selbst entscheiden kann, oder solche, die man einhalten muss, ohne die es nicht geht. Bei diesen Pflichtregeln gibt es zwei Gruppen. Die erste umfasst Spiel‐ regeln, die für die Wissenschaft, insbesondere für die Qualität von For‐ schungsergebnissen notwendig sind, aber allein noch nicht ausreichen. Ein Beispiel für diesen Typ von Spielregeln sind die Normen und Standards für die Gestaltung wissenschaftlicher Arbeiten: korrekte Zitierweise und vollständiges Literaturverzeichnis, übersichtliche Gliederung, Einheitlich‐ keit im Stil, Gender-Sprachregelung, Formatierung usw. Diese Richtlinien sind mehr oder weniger notwendige Bedingungen, um die Kommunikation, Rezeption und Diskussion von Forschungsergebnissen zu sichern und sie so nachvollziehbar, vergleichbar, überprüfbar zu machen. Dennoch sagen diese zumeist formalen Kriterien nichts entscheidend darüber aus, ob die Arbeit selbst Qualität hat. Das heißt, wenn z. B. eine Qualifizierungsarbeit diese notwendigen Bedingungen erfüllt, ist das zwar ein Hinweis dafür, dass die Arbeit gut sein könnte, sie kann aber auch inhaltlich schwach sein. Diese notwendigen Spielregeln garantieren quasi eine Symptomatik von Qualität, sagen aber nichts aus über die Substanz, welche Qualität erst ausmacht, sie sind keine hinreichenden Bedingungen. Wesentlich für die Wissenschaft ist eine zweite Gruppe: Die Spielregeln, von denen die Qualität der Wissenschaft, z. B. einer Hypothese oder Theorie, abhängt, sind vor allem die Prinzipien: theoretische bzw. empirische 1.1 Wissenschaft als Spiel 15 <?page no="16"?> Begründbarkeit, Nachvollziehbarkeit, Überprüfbarkeit und Falsifizierbarkeit. Ohne diese Prinzipien wäre Forschung im Extremfall nicht mehr von subjektiver Meinung, von Fake oder Alltagswissen zu unterscheiden. Bloße Behauptungen sind in der Wissenschaft ein K.-o.-Kriterium. Auch der Weg zu den Forschungsergebnissen, die Methode, wie man zu theoretischen oder empirischen Begründungen gekommen ist, muss transparent und offengelegt sein. Wenn z.-B. ein Forscher behauptet, dass der Konsum von Energy-Drinks die Konzentrationsfähigkeit von Studierenden steigert, dann bleibt das eine wissenschaftlich nicht qualifizierte Vermutung, auch wenn er sich auf Beobachtungen berufen kann, die er etwa in einer Prüfungssituation gemacht hat. Damit sind die Spielregeln der Wissenschaft noch nicht erfüllt. Für eine qualifizierte Hypothese braucht es mehr. • Theoretische Begründung. Eine wissenschaftliche Hypothese ist nicht eine bloße Vermutung, sondern in einem theoretischen Rahmen verankert, aus dem sie logisch abgeleitet wird. Der Forscher benötigt eine theoretische Begründung. In diesem Fall könnte er sich auf phy‐ siologische Theorien stützen, die die Wirkung von Inhaltsstoffen wie Koffein, Taurin oder Zucker auf das zentrale Nervensystem und die kognitive Leistungsfähigkeit beschreiben. • Empirische Begründung. Die Hypothese muss durch kontrollierte, empirische Daten gestützt werden, diese müssen erhoben werden, bspw. in einem Experiment, das die Bedingungen streng kontrolliert, um Störfaktoren auszuschließen,. Entscheidend ist auch, eine Kontroll‐ gruppe zu verwenden, die ein Placebo-Getränk erhält. Die Messung der Konzentrationsleistung muss zudem objektiv über standardisierte, validierte Tests erfolgen. • Nachvollziehbarkeit. Damit andere Forschende den Forschungspro‐ zess prüfen können, muss der Forscher jeden Schritt seiner Methode detailliert dokumentieren - von der Auswahl der Teilnehmenden über die genaue Zusammensetzung des Placebos bis hin zur statistischen Auswertung der Daten. • Überprüfbarkeit. Ein Forschungsergebnis muss auch von anderen Forschenden unabhängig überprüfbar sein. Das bedeutet, dass sie das Experiment unter identischen Bedingungen wiederholen können müs‐ sen, um zu ähnlichen Ergebnissen zu gelangen. Wenn eine Hypothese in unabhängigen Studien wiederholt wird, gewinnt sie an Gewicht. 16 1 Die Grundlagen der Wissenschaft <?page no="17"?> • Falsifizierbarkeit. Eine Hypothese muss so formuliert sein, dass sie prinzipiell widerlegt werden kann. Wenn ein unabhängiges Team das Experiment wiederholt und keine Leistungssteigerung feststellt, ist die ursprüngliche Hypothese infrage gestellt. Dieses Prinzip der Überprüfbarkeit ist der Motor des wissenschaftlichen Fortschritts und gewährleistet, dass sich falsche Behauptungen über kurz oder lang nicht durchsetzen können. Im Detail | Die Hypothese (griech. ὑπόθεσις, hypóthesis, das Unterge‐ legte, die Annahme) ist ein allgemeiner Satz über einen angenommenen Zusammenhang zwischen Phänomenen, der auf einer theoretischen und ggf. auch empirischen Begründung beruht. Wissenschaftlich ist eine Hypothese insofern, als sie aufgrund einer Begründung nachvoll‐ ziehbar, überprüfbar ist und prinzipiell widerlegbar ist. Beispiel | Die Hypothese „Das Aufstellen von Pflanzen am Sonnenlicht fördert ihr Wachstum stärker als im Schatten“ kann begründet werden sowohl theoretisch etwa anhand der Theorie der Photosynthese als auch empirisch anhand der Beobachtung, dass Pflanzen am Fenster schneller wachsen als in einem dunklen Raum. Wissenschaftlich ist diese Hypothese, weil sie theoretisch und empirisch plausibel ist und entlang ihrer Begründung überprüfbar und widerlegbar ist. Z. B. was ihre empirische Begründung betrifft: Man kann in einem Experiment das Wachstum von zwei Pflanzen, die eine im Sonnenlicht, die andere im Schatten, messen, und sollte die Pflanze im Schatten gleich oder mehr gewachsen sein, wäre die Hypothese falsifiziert und müsste also revidiert werden. Im Detail | Die Methode (griech. μέθοδος, méthodos, der Weg nach) ist der Weg, auf dem man zu einer theoretischen oder empirischen Begründung einer Hypothese kommt: je nach Zielsetzung von For‐ schung sind das unterschiedliche Verfahren, Regeln und Techniken. Klarheit und Transparenz der Methode sind Voraussetzungen, dass der Weg zu Forschungsergebnissen intersubjektiv nachvollziehbar und überprüfbar bleibt. 1.1 Wissenschaft als Spiel 17 <?page no="18"?> Beispiel | Mit der analytisch-hermeneutischen Methode lassen sich in den Sei Solo a Violino senza Basso accompagnato (1720) von Johann Sebastian Bach in wiederkehrenden motivischen und harmonischen Formen Hinweise auf Struktur und Sinn des Werkes finden, die zur Hypothese führen, dass der Zyklus die musikalische Verarbeitung von Verlusterfahrung und Einsamkeit anlässlich des Todes seiner ersten Frau sein könnte. Ein weiterer Hinweis wäre auch der Titel Sei Solo, der im Italienischen sowohl „sechs Soli“ als auch „du bist allein“ bedeuten kann. Im Detail | Eine Theorie (griech. θεωρία, theōría, das Anschauen) ist ein systematisches Gefüge von miteinander verknüpften Hypothesen, die theoretisch oder empirisch begründet, nachvollziehbar, überprüfbar und im Prinzip falsifizierbar sind. Eine Theorie hat ein Erkenntnisziel: Wirklichkeit zu erklären oder zu verstehen oder zu verändern. Beispiel | Die Bindungstheorie von John Bowlby ist ein System von Hypothesen darüber, wie frühe emotionale Beziehungen zwischen Kindern und Bezugspersonen entstehen und ihr späteres Verhalten beeinflussen. Sie erklärt kindliche Reaktionen, deutet sie als Ausdruck emotionaler Bedeutungen und liefert Grundlagen für pädagogische und therapeutische Interventionen. Begründbarkeit, Nachvollziehbarkeit, Überprüfbarkeit und Falsifizierbar‐ keit sind also für die Qualität der Wissenschaft wesentliche Prinzipien - und in diesem Sinne notwendige und hinreichende Spielregeln - und als solche sind sie Thema der Wissenschaftstheorie. Im Detail | Notwendige und hinreichende Bedingungen in der Logik Eine notwendige Bedingung A muss erfüllt sein, damit ein Ereignis oder Sachverhalt B eintreten kann, sie reicht aber nicht aus, sie ist nicht hinreichend. Dies entspricht der logischen Beziehung der Implikation: Wenn A notwendig für B ist, dann gilt: A → B (wenn A, dann B - oder: A impliziert B). 18 1 Die Grundlagen der Wissenschaft <?page no="19"?> So ist beispielsweise Sauerstoff (A) notwendig, damit ein Feuer entsteht (B), aber es reicht nicht, es braucht noch Brennmaterial usw. Hingegen ist eine Bedingung notwendig und hinreichend, wenn sie sowohl erfüllt sein muss als auch allein genügt, damit ein Ereignis oder Sachverhalt eintritt. Dies entspricht der logischen Beziehung der Äquivalenz: Wenn A notwendig und hinreichend für B ist, dann gilt: A ↔ B (B genau dann, wenn A - oder: A ist äquivalent mit B). Die Äquivalenz kann auch als eine Konjunktion von zwei Implikationen geschrieben werden: A → B ∧ B → A. Beispiel | Eine bestimmte Kombination aus Sauerstoff, brennbarem Material und einer Zündtemperatur ist notwendig und hinreichend, damit ein Feuer entsteht. Genau genommen: Die Prinzipien Begründung, Nachvollziehbarkeit, Überprüfbarkeit und Falsifizierbarkeit als notwendige und hinreichende Bedingungen für die Qualität der Wissenschaft zu bezeichnen, ist aus der Sicht der Logik nicht ganz korrekt. Spielregeln der Wissenschaft können von Haus aus nicht so scharf und erschöpfend definiert werden wie etwa im Schachspiel. Insofern hinkt diese Metapher etwas, aber das ist auch ihr Bonus: Im Schachspiel spielt man und denkt nicht mehr über die Spielregeln nach; in der Wissenschaft spielt man zwar auch, aber die Spielregeln sind prinzipiell offen, man muss also nachdenken - und deshalb gibt es ja auch die wissenschaftstheoretische Reflexion und Diskussion. Neben der Wissenschaftstheorie gibt es noch andere Wissenschaften über die Wissenschaft. Bei diesen geht es um die Spielregeln, die für die Qualität der Wissenschaft notwendig sein können, aber nicht hinreichend sind. Diese Wissenschaften haben jeweils eine Perspektive auf die Organisation, Struktur und Dynamik von Forschung und Wissen, jede Disziplin beleuchtet ein Set von Standards, Normen, Gesetzen, Praktiken, Institutionen: • Die Wissenschaftssoziologie untersucht die sozialen Spielregeln, wie Wissenschaft organisiert ist: Wer hat Zugang zu Ressourcen? Wie entstehen Autorität, Reputation oder Einfluss? Wissenschaft ist ein sozial strukturiertes Feld, das eigenen Regeln folgt, wie etwa jenen 1.1 Wissenschaft als Spiel 19 <?page no="20"?> des symbolischen Kapitals, der Rollenverteilungen, der Konkurrenz um Sichtbarkeit und der sozialen Machtverhältnisse. • Die Wissenschaftsökonomie beschäftigt sich mit ökonomischen Spielregeln der Wissenschaft, bspw. die Finanzierung von Forschung, die Verteilung von Ressourcen und die Anreize für Forscher, insbeson‐ dere im Wettbewerb um Fördermittel und Karrieren. Wirtschaftliche Rahmenbedingungen von Forschung beeinflussen z. B., welche For‐ schungsprojekte realisiert werden. • Das Wissenschaftsmanagement analysiert organisatorische Spielre‐ geln der Wissenschaft. Sie untersucht die Führung und Verwaltung von wissenschaftlichen Institutionen und Projekten. Es geht es um Koordi‐ nation von Ressourcen, Optimierung von Arbeitsabläufen, Strategieent‐ wicklung innerhalb von Forschungseinrichtungen und die Leitung von Forschungsteams. • Die Wissenschaftsgeschichte zeigt, dass die Spielregeln der Wissen‐ schaft historisch veränderlich sind. Sie untersucht, wie sich wissen‐ schaftliche Institutionen, Denkweisen, Methoden und Begriffe über die Jahrhunderte entwickelt haben. Fachgrenzen und Qualitätskriterien sind keine Konstanten, sondern historisch gewachsene Spielregeln, die sich mit politischen, kulturellen und technologischen Kontexten verändern. • Die Wissenschaftskommunikation analysiert die Spielregeln, wie Wissenschaft in der Öffentlichkeit kommuniziert, interpretiert und wahrgenommen wird. Diese Regeln unterscheiden sich von jenen in‐ nerhalb der wissenschaftlichen Gemeinschaft und betreffen etwa die Vereinfachung komplexer Sachverhalte, die öffentliche Plausibilität und die Wertigkeit im Hinblick auf Aufmerksamkeit. • Die Wissenschaftspolitik analysiert die politischen Spielregeln, die die wissenschaftliche Praxis beeinflussen. Sie befasst sich mit den politischen Rahmenbedingungen, wie der staatlichen Finanzierung von Forschung, der Festlegung von Forschungsprioritäten und der Regulie‐ rung wissenschaftlicher Tätigkeiten. Es wird untersucht, wie politische Entscheidungen die Richtung und den Fokus von wissenschaftlicher Forschung beeinflussen. • Die Wissenschaftsethik beschäftigt sich mit den moralischen und ethischen Normen der wissenschaftlichen Praxis, wie z. B. die Integrität von Forschung, Umgang mit Daten, Verantwortung gegenüber der 20 1 Die Grundlagen der Wissenschaft <?page no="21"?> Gesellschaft, ethischen Grenzen von Experimenten, Verzerrung von Ergebnissen. • Die Publikations- und Zitationsforschung untersucht die Spielre‐ geln, wie wissenschaftliches Wissen veröffentlicht, verbreitet und be‐ wertet wird. Formale Kriterien (z. B. Zitierweise) und institutionelle Konventionen (z. B. Peer Review, Open Access) bestimmen, was als wissenschaftlicher Beitrag zählt. Während sich diese Disziplinen mit den äußeren und notwendigen Bedin‐ gungen befassen, unter denen Wissenschaft überhaupt stattfinden kann (bspw. Finanzierung, soziale Organisation), zielt die Wissenschaftstheorie wie gesagt auf die notwendigen und hinreichenden Bedingungen für die Qualität von wissenschaftlicher Erkenntnis ab. Die Fragen, was Wissenschaft und was Wissenschaftstheorie ist, kann man demnach in einer „metaphorischen Definition“ so auf den Punkt bringen: Die Wissenschaft ist (wie) ein Spiel - mit unterschiedlichen Spielregeln. Es gibt Spielregeln, die für die Qualität der Wissenschaft notwendige Bedingungen sind. Das sind die Themen z. B. der Wissenschaftssoziolo‐ gie, der Wissenschaftsökonomie. Es gibt Spielregeln, die für die Qualität der Wissenschaft notwendige und hinreichende Bedingungen sind, z. B.: Begründbarkeit, Nachvollziehbar‐ keit, Überprüfbarkeit. Das sind die Themen der Wissenschaftstheorie. Eine „metaphorische Definition“ im strengen Sinn kann es natürlich nicht geben, denn dies wäre keine explizite, präzise Festlegung der Bedeutung eines Begriffs. Aber es ist eine metaphorische Begriffsbildung, ein konzep‐ tuelles Modell, um ein neues Phänomen zu illustrieren und zugänglich zu machen. Auch für die Frage Wozu Wissenschaftstheorie? kann man nun eine erste Antwort finden. Wenn Sie sich als Studierende primär das Wissen, die Begriffe, die Methoden usw. in Ihrem Studienfach aneignen, dann lernen Sie, das wissenschaftliche Spiel dieser Einzelwissenschaft gemäß seinen Spielregeln zu spielen, im Studium, im Alltag, in der Berufspraxis, um mit Wissenschaft effizient zu arbeiten, wissenschaftliche Aufgabenstellungen 1.1 Wissenschaft als Spiel 21 <?page no="22"?> zu lösen, Forschungsfragen zu bearbeiten, eine wissenschaftliche Arbeit zu schreiben. Das sind notwendige und zum Teil auch hinreichende Spielregeln. Doch was fehlt noch? Wenn Sie sich mit Wissenschaftstheorie beschäf‐ tigen, lernen Sie, auch das Spiel Wissenschaft und seine Spielregeln zu verstehen. Z. B.: Warum ist eine Forschungsmethode für eine bestimmte Forschungsfrage sinnvoll? Warum ist es so oder so geregelt, was überhaupt als wissenschaftlich gilt? Was heißt es, etwas zu erklären und warum ist dies eine sinnvolle Zielsetzung von Forschung? Vor allem lernen Sie auch, diese Spielregeln selbst kritisch zu reflektieren, sie selbstbestimmt anzuwenden, zu modifizieren, Alternativen zu prüfen. Das bedeutet - und das wird noch zu zeigen sein - eine Steigerung von Qualität in der Praxis der Wissenschaft, und das heißt auch, wie Sie mit Wissenschaft effektiv arbeiten, im Studium, im Alltag, im Beruf, und z. B. auch, wenn Sie eine wissenschaftliche Arbeit schreiben. Wozu Wissenschaftstheorie? Wer ein Fach studiert, lernt, das Spiel der Wissenschaft zu spielen. Wer Wissenschaftstheorie studiert, lernt, die wesentlichen Spielregeln der Wissenschaft zu verstehen und kritisch zu reflektieren. Das ist eine Steigerung von Qualität in der Praxis der Wissenschaft. Wie gesagt, die Metapher Wissenschaft als Spiel hinkt ein wenig. Doch weil sie hinkt, macht sie auch auf entscheidende Unterschiede zwischen möglichen Spielen aufmerksam. Das Spiel im üblichen Sinn ist ein geschlossenes System mit eindeutigen Regeln. Im Fußball bspw. gibt es klare Spielregeln, die von einem Verband festgelegt und von den Spielern akzeptiert werden. Es gibt ein klares Ziel, entweder man gewinnt oder verliert oder es bleibt unentschieden. In der Wissenschaft gibt es nicht immer so einfache und klare Spielregeln. Wissenschaftliche Erkenntnisse sind vorläufig, müssen überprüfbar und revidierbar bleiben, es gibt keinen klaren Sieger. Wer im Fußballspiel gegen die Regeln verstößt, darf nicht mehr mitspielen, über diese Regeln wird nicht diskutiert, das würde der Stabilität des Spiels schaden. In der Wissenschaft hingegen wird über die Spielregeln diskutiert und wissenschaftstheoretisch reflektiert, und das erhöht die Qualität der Wissenschaft. Die Wissenschaft ist ein offenes System, ihre Spielregeln sind nicht in Stein gemeißelt. Das 22 1 Die Grundlagen der Wissenschaft <?page no="23"?> betrifft Usancen und Standards (wie Zitationsregeln bspw.), die sich ändern können. Aber vor allem betrifft das die unbedingt notwendigen Spielregeln, also das Thema der Wissenschaftstheorie. Das Fragenkarussell dreht sich weiter. Was genau könnten die wesentlichen Spielregeln der Wissenschaft sein? Was ist Wissenschaftstheorie überhaupt? Der Begriff „Wissenschaftstheorie“ ist das Paradebeispiel für die Komplexi‐ tät der Themen, Fragen, Antworten und auch der vielen anderen Begriffe, die uns in diesem Buch begegnen werden. Und auch eindeutig der spannendste unter diesen Begriffen: „Wissenschaftstheorie“ im weitesten Sinn steht für eine Landschaft von „Philosophien“, Fragen, Wissen, Vorstellungen, Bildern, Voraussetzungen, Prinzipien, Mindsets, Narrativen, Theorien usw. über die Wissenschaft und ihre Spielregeln in den Köpfen aller, die mit Wissenschaft direkt oder indirekt zu tun haben - die Forscher: innen, die Studierenden, aber auch die Öffentlichkeit. Diese „Philosophien“ über die Wissenschaft und ihre Spielregeln sind zum allergrößten Teil bloß implizites Wissen oder unbewusst „im Spiel“ in der täglichen Begegnung mit Wissenschaften, vor allem auch in der Nutzung von Technik, die ja auch auf Wissenschaft basiert. Zum Teil ähnlich ist es in der wissenschaftlichen Forschung selbst, denn vermutlich denken nicht alle Forscher: innen ständig an Wissenschaftstheorie, wenn überhaupt - das heißt, es gibt auch in der Forschungspraxis durchaus implizite „Philo‐ sophien“ über die Wissenschaft, die entscheidend sind, wie Forscher: innen mit Wissenschaft umgehen und im Endeffekt welche Forschungsergebnisse zustande kommen. Neben dem impliziten Wissen gibt es auch explizites Wissen über die Wissenschaft, sei es als Alltagswissen oder als wissenschaftliches Wissen. Hier nähern wir uns dem, was das Wissen der Wissenschaftstheorie im eigentlichen Sinn ist: Nicht Alltagswissen über die Wissenschaft, nicht implizites Wissen, sondern wissenschaftliches und explizites Wissen über die Wissenschaft. Im Detail | Explizites, implizites Wissen Die Unterscheidung zwischen explizitem und implizitem Wissen stammt von Michael Polanyi, er hat sie prägnant auf den Punkt gebracht: „Wir wissen mehr, als wir zu sagen wissen.“ (1985, S. 14) Das explizite Wissen ist das Wissen, das man sagen kann, es ist bewusst, übertrag- und kommunizierbar, zum Teil in Medien gespeichert. Das 1.1 Wissenschaft als Spiel 23 <?page no="24"?> implizite Wissen ist das Wissen, das man nicht sagen kann, „stilles Wis‐ sen“, „Erfahrungswissen“, über das wir verfügen und das wir anwenden können, ohne dass wir es bewusst haben oder vollständig in Worte fassen können. Beide Wissensformen sind in einem dynamischen Austausch: bspw. in der Externalisierung wird implizites Wissen, z. B. eines Experten, durch Formulierung zu explizitem; umgekehrt soll in der Internalisierung explizites Wissen zu implizitem werden, z. B. beim Lernen eines Musikinstrumentes. Das Wissen der Wissenschaftstheorie ist wissenschaftlich (nicht Alltags‐ wissen) und explizit (nicht implizit). Keineswegs sollte mit dieser Charakterisierung von Wissenschaftstheorie als explizites wissenschaftliches Wissen über Wissenschaft der Eindruck erweckt werden, dass es sich dabei um ein einheitliches, weitgehend ge‐ teiltes Wissen handelt. Genau wie es nicht die Wissenschaft gibt, gibt es auch nicht die Wissenschaftstheorie - sie ist kein klares, geschlossenes System, sondern ein offener Diskursraum: Und gerade diese Offenheit und die Bereitschaft, alternative, konkurrierende Zugänge zu akzeptieren und Unterschiede produktiv zu reflektieren, macht ihre Qualität aus. Wissenschaftstheorie ist also kein Gebäude, das man durch ein Hauptportal betreten könnte. Auch im Inneren gibt es kein systematisch aufbereitetes Wissen, keine fertigen Antworten, es stellen sich grundlegende philosophi‐ sche Fragen, die sich wie ein roter Faden durch die Wissenschaftstheorie ziehen und die Besonderheit haben, Fragen zu bleiben und zu neuen Fragen zu führen. Die Frage u. a., was Wahrheit ist und was es bedeutet, wenn wir sagen, dass ein Satz wahr ist, führt zu mehreren möglichen, aber zu keinen endgültigen Antworten - das sind die sog. Wahrheitstheorien. Für die Korrespondenztheorie z. B. ist ein Satz wahr, wenn er mit einem Sachverhalt in der Realität übereinstimmt: „Es regnet“ ist wahr, wenn es regnet - aus. Beim Regen mag das noch plausibel sein, aber es gibt theoretische, abstrakte, mathematische Sätze, deren Sachverhalte man nicht so einfach in der Realität findet. Hier hätte die Kohärenztheorie eine Lösung: Ein Satz ist wahr, wenn er in einem widerspruchsfreien System von Axiomen logisch 24 1 Die Grundlagen der Wissenschaft <?page no="25"?> kohärent ist. Bei „2 + 2 = 4“ trifft das zu, doch was tut man dann mit dem Regen? Für den Pragmatismus, um noch eine Position zu bemühen, ist ein Satz wahr, wenn es nützlich ist, ihn für wahr zu halten. Doch Nützlichkeit ist nicht Wahrheit, bestenfalls ein Ersatz. Schließlich führt die Debatte zur Frage, ob es überhaupt eine objektive Wahrheit gibt und ob Wahrheit nicht vom kulturellen, psychischen Kontext abhängt, und ob die Frage nach einer objektiven Wahrheit überhaupt sinnvoll ist. Damit im Zusammenhang steht auch ein anderer philosophischer Dau‐ erbrenner: Wie kommt man überhaupt zu Erkenntnis und Wissen? Der Empirismus sagt, die Quelle der Erkenntnis ist die sinnliche Erfahrung, und das Wissen ist a posteriori, es kommt nachher, weil es auf Erfahrung beruht. Der Rationalismus hingegen besteht darauf, dass die Erkenntnis schon vor‐ her da ist, vor der sinnliche Erfahrung, also a priori, da sie auf grundlegenden Wahrheiten beruht, wie die Gesetze der Logik oder der Mathematik. So gesehen also eine Patt-Situation, es braucht beide Positionen, die Frage ist nur, in welcher Konstellation. Ähnlich ist es bei der Frage nach der sog. Objektivität. Diesen Anspruch erhebt die Wissenschaft: Wissenschaftliche Erkenntnisse müssen unab‐ hängig von individuellen Meinungen, Vorurteilen oder Interessen sein. In der Forschungspraxis wird versucht, diesem Ideal durch methodische Standards (z. B. Transparenz, Nachvollziehbarkeit) zu entsprechen. Aber Wissenschaftler: innen sind auch Menschen, Persönlichkeiten mit Werten, Interessen und Zielen, in einem sozialen, kulturellen und historischen Um‐ feld. Oder wenn von Wertneutralität die Rede ist: Forschung soll unabhängig von politischen oder wirtschaftlichen Interessen sein. Aber schon die Aus‐ wahl und Finanzierung von Forschungsprojekten und die Bewertung von Forschungsergebnissen sind häufig durch gesellschaftliche, wirtschaftliche oder politische Bedingungen beeinflusst. Forschungsprogramme etwa im Bereich der Klimaforschung, Medizin oder KI können in Abhängigkeit von Politik und Wirtschaft stehen. Vollständige Neutralität und Objektivität sind in der Praxis nicht möglich. Was bedeutet das? Objektivität und Neutralität sind Ideale, regulative Prinzipien, die die kritische Reflexion - und die Wissenschaftstheorie - in Bewegung halten. Die Versuche, solcherart philosophische und wissenschaftstheoretische Fragen zu beantworten, führen zu neuen Fragen. Eine Einzelwissenschaft wie Physik unterscheidet sich insofern von der Wissenschaftstheorie - auch ein Lehrbuch über Physik ist anders als ein Lehrbuch über Wissen‐ schaftstheorie. Physik ist ein relativ geordneter Wissensbestand, der sich 1.1 Wissenschaft als Spiel 25 <?page no="26"?> im Laufe der Geschichte konsolidiert hat und sich weiterentwickelt, die Erkenntnis über die physikalische Wirklichkeit nimmt laufend zu, es gibt auf viele Fragen gute Antworten. Physik ist zum großen Teil auch eine anwendungsorientierte Wissenschaftsdisziplin, in der Physik wird zwar das Wissen in der Sache wissenschaftlich einer Kritik unterzogen und muss sich in der Praxis bewähren, doch Sinn und Zweck der Physik, ihre mögliche Anwendung in der Praxis, steht außer Streit. Das heißt, eine Frage wie Wozu Physik? wird üblicherweise nicht gestellt, wohl aber die Frage Wozu Wissenschaftstheorie? Wo könnte die Reise in die Wissenschaftstheorie wirklich beginnen? Viel‐ leicht nicht im System der Wissenschaftstheorie selbst, sondern bei den eigenen Fragen, bei sich selbst. Das Ziel ist nicht, möglichst schnell eine Definition von „Wissenschaftstheorie“ zu finden - eine endgültige Antwort gibt es ohnehin nicht. Ein besserer Start könnte sein, zu den Wurzeln zurückzugehen und mit der eigenen wissenschaftlichen Praxis, mit eigenen Erfahrungen, Fragen und Entscheidungen im Umgang mit Wissenschaft und Wissenschaftstheorie zu beginnen. Reflexion | Ich, die Wissenschaft und die Wissenschaftstheorie • Welche Erfahrungen habe ich bisher mit Wissenschaft gemacht? • Wie sehe ich meine Rolle: als Nutzerin wissenschaftlichen Wissens, als Lernender oder bereits als Forschende? • Was bedeutet für mich Wissenschaftstheorie: abstrakt, weit weg oder eine Hilfe für meine Arbeit mit Wissenschaft? • Wo habe ich schon selbst Entscheidungen über Methoden, Zielset‐ zungen oder Begründungen getroffen - bewusst oder unbewusst? • Welche Fragen bleiben für mich offen im Hinblick auf Wissenschaft und Wissenschaftstheorie? Wie kommt man eigentlich dazu, über Wissenschaft nachzudenken? Oder noch radikaler gefragt: Wie kommt man überhaupt dazu, über irgendetwas nachzudenken - und die Selbstverständlichkeit und Sicherheit der Praxis zu verlassen? Man kann sich mehrere Szenarien vorstellen. Auslöser könnte eine Störung sein. Solange alles reibungslos läuft, müssen wir nicht nachdenken. Wenn etwas Unerwartetes passiert, ein Problem auftaucht oder wir auf einen Widerspruch stoßen, wird unser Denkprozess aktiviert. Das ist ein klassischer Fall in der Wissenschaft: Ein Experiment 26 1 Die Grundlagen der Wissenschaft <?page no="27"?> liefert Ergebnisse, die den vorherrschenden Theorien widersprechen, das zwingt Wissenschaftler: innen, über Theorien, Methoden oder die Interpre‐ tationen nachzudenken. Wir denken auch nach, wenn wir mit Unsicherheit konfrontiert sind oder etwas völlig Neues lernen müssen. Es gibt z. B. eine neue Technologie, die Künstliche Intelligenz, ein Paradebeispiel, man beginnt zu überlegen: Wie funktioniert sie? Wie gehe ich damit um? Was sind mögliche Folgen? Welche ethischen Fragen stellen sich? Oder wenn wir bei einer Entscheidung mehrere Optionen haben und die Konsequenzen abwägen müssen, bspw. wenn jemand vor einem Berufs‐ wechsel steht und das Pro und Contra abwägt, oder wenn ein Forschungs‐ team sich entscheiden muss, welche Forschungsmethode am besten geeignet ist, um eine Hypothese zu testen, und über die Validität, Reliabilität usw. nachdenken. Manchmal führen auch Staunen und Neugier zum Nachdenken. Das ist das Kapital der Kreativität. Staunen öffnet den Blick für das Unge‐ wohnte, Problematische und Unerklärte, es ist der Ursprung von Philosophie und Wissenschaft. Mit Neugier wird das Staunen zur Suche nach Erkenntnis. Exkurs | Der Ursprung von Philosophie und Wissenschaft wird seit der Antike im Staunen (griech. θαυμάζειν, thaumázein) gesehen. Schon Platon schreibt im Theaitetos (2020, 155d): „Das Staunen ist die Einstel‐ lung eines Mannes [eines Menschen], der die Weisheit wahrhaft liebt, ja es gibt keinen anderen Anfang der Philosophie als diesen.“ Auch Aristoteles greift diesen Gedanken in seiner Metaphysik (A 2, 982b) auf: „Denn Staunen veranlasste zuerst wie noch heute die Menschen zum Philosophieren.[…] Wer aber fragt und staunt, hat das Gefühl der Unwissenheit.[…] Um also der Unwissenheit zu entkommen, begannen sie zu philosophieren.“ Friedrich Nietzsche (1844-1900) meinte: „Die Glücklichen sind neugierig.“ Und Albert Einstein (1879-1955): „Ich habe keine besondere Fähigkeit. Ich bin nur leidenschaftlich neugierig.“ 1.2 Was ist die Wissenschaftstheorie? Wir möchten, dass uns Wissenschaft in Staunen versetzt, Neugier mobi‐ lisiert, und dass wir wissenschaftstheoretisch zu denken beginnen. Am besten, wir spielen mit einem Praxisbeispiel durch, wie Wissenschaft 1.2 Was ist die Wissenschaftstheorie? 27 <?page no="28"?> konkret arbeitet. Zu Beginn wird wahrscheinlich alles selbstverständlich erscheinen, doch Sie werden überrascht sein über die Vielfalt und zum Teil auch Gegensätzlichkeit, wie Wissenschaft arbeitet - und dann nach Erklärungen suchen und Antworten in der Wissenschaftstheorie finden. Beispiel | In vielen Ländern steigt der Bedarf an hochqualifizierten Informatikerinnen und Informatikern stetig, besonders in den Feldern Softwareentwicklung, Künstliche Intelligenz, IT-Sicherheit und Data Science. Gründe sind die fortschreitende Digitalisierung, die Zunahme datengetriebener Geschäftsmodelle und der wachsende Schutzbedarf sensibler Informationen. Gleichzeitig konkurriert der öffentliche Sektor stark mit der Privatwirtschaft um qualifizierte Fachkräfte, was zu Eng‐ pässen in bestimmten Bereichen führt. Um dem Mangel an Informatiker: innen zu begegnen, planen Hochschulen und Unternehmen gezielte Nachwuchsprogramme und Stipendien. Eine empirische Studie könnte herausfinden, welche Faktoren die Entscheidung für ein Informatikstudium mit Schwerpunkt auf diesen Schlüsselbereichen beeinflussen. Die Forschungsfrage könnte lauten: „Welche Interessen, Kar‐ riereziele, Erwartungen usw. motivieren junge Menschen, ein Informatik‐ studium mit Schwerpunkt Softwareentwicklung, Künstliche Intelligenz, IT-Sicherheit oder Data Science aufzunehmen? “ Für eine solche Studie stellt das forschungsmethodische Repertoire der Sozialwissenschaften mehrere Optionen zur Auswahl: • Szenario 1: Man kann Studierende der Informatik in einem Interview oder mit einem Fragebogen mit offenen Fragen ersuchen, individuelle Entscheidungsprozesse zu rekonstruieren. Eine Frage könnte lauten: „Erzählen Sie, wie es zur Entscheidung für das Informatikstudium kam.“ Offen ist eine solche Frage, weil die Befragten selbst ihre eigene Antwort formulieren können. • Szenario 2: Alternativ könnte man mit geschlossenen Fragen in einem standardisierten Fragebogen die Häufigkeit konkreter, vorab festgeleg‐ ter Entscheidungsgründe erfassen. Eine Frage könnte lauten: „Was war der wichtigste Grund für Ihre Studienwahl? “. Die Antwortmöglichkei‐ ten wären beispielsweise „Interesse an Technikwissenschaften“, „IT“, „Berufssicherheit“ oder „Soziale Anerkennung“. 28 1 Die Grundlagen der Wissenschaft <?page no="29"?> • Szenario 3: Schließlich könnte man Studierende in sogenannten parti‐ zipativen Formaten - etwa in einer Fokus- oder Reflexionsgruppe - darüber nachdenken lassen, was mögliche Motive für die Studienwahl sein könnten und welche Maßnahmen sinnvoll wären, bspw. wie man Zugangshürden minimieren könnte. Eine Impulsfrage wäre: „Welche Erfahrungen oder Hindernisse haben bei eurer Studienwahl eine Rolle gespielt, und was müsste sich ändern, damit mehr Schüler: innen sich für ein Studium der Informatik entscheiden? “ Die Unterschiedlichkeit der Forschungsmethoden, also wie Forschung in den drei Szenarien ansetzt, ist offensichtlich. Die Forschungsfrage wird jeweils konkreter und differenzierter, es gibt Unterschiede im Hinblick darauf, welche Aspekte der Wirklichkeit relevant sind und „beleuchtet“ werden. Aber vor allem kann man mit Sicherheit annehmen, dass diese Forschungs‐ methoden und die jeweiligen Forschungsfragen jeweils zu andersartigen Forschungsergebnissen führen: • Szenario 1: Ein qualitatives Interview offenbart die Diversität indivi‐ dueller Biografien. Ein Studierender könnte sagen: „Ich habe bei meinem Praktikum in einer IT-Abteilung gemerkt, wie sehr mich KI interessiert. Mathematik mochte ich nie besonders, aber das Gefühl, in einem innovativen Bereich tätig zu sein, war entscheidend.“ Die Entscheidung für ein Informatikstudium ist hier weniger durch Fachinteressen moti‐ viert, sondern durch biografische Zufälle, Emotionen und persönliche Entwicklungen. • Szenario 2: Eine solche Antwort würde in einem standardisierten Fragebogen mit nur geschlossenen Fragen nicht erfasst, weil dafür keine passende Antwortoption vorgesehen war. Aber es könnte z. B. herauskommen, dass 65 % der Befragten als wichtigsten Grund „Inter‐ esse an Naturwissenschaften/ Technik“ ankreuzen. Das ist ein klares, statistisch sauberes Ergebnis, doch es kann Teile der tatsächlichen Entscheidungsprozesse ausblenden. • Szenario 3: Die Gruppe der aktiv partizipierenden Studierenden kommt möglicherweise zum Ergebnis, dass strukturelle Barrieren wie der hohe Schwierigkeitsgrad von Aufnahmeprüfungen oder stereotype Vor‐ stellungen vom „typischen Informatiker“ eine Rolle spielen. Zudem formulieren sie Vorschläge für Veränderungen, etwa praxisorientierte Schnupperkurse, Mentoring-Programme oder Kooperationen mit Schu‐ len. 1.2 Was ist die Wissenschaftstheorie? 29 <?page no="30"?> Was zeigt dieses Praxisbeispiel? Wenn wir so über ein Forschungsprojekt nachdenken, sind wir in der Welt der Wissenschaftstheorie. Wissenschaftstheoretische Reflexion beginnt schon, wenn uns bewusst wird, was man aus einem Forschungsthema alles machen kann, wenn wir uns über diese Unterschiede wundern, wenn wir sie zu verstehen versuchen, Neugier entwickeln, und erkennen, dass uns diese Unterschiede als Alternativen in der Forschungspraxis zur Verfügung stehen. Das Praxisbeispiel zeigt auch, dass diese Unterschiede vor allem mit den unterschiedlichen strategischen Zielsetzungen von Forschung zusam‐ menhängen. Mit einer Zielsetzung entscheiden wir uns für ein konkretes Forschungsziel, ein Forschungsdesign, eine Forschungsmethode, für Krite‐ rien, wie wir Forschungsergebnisse bewerten. Welche Zielsetzungen zeigen sich im Praxisbeispiel? • Szenario 1: Ziel ist, die Wirklichkeit zu verstehen. Im Interview werden unterschiedliche Biografien sichtbar, Emotionen und Zuschreibungen, biografische Zufälle oder persönliche Entwicklun‐ gen. Nicht kausales Erklären steht im Vordergrund, sondern Nachvoll‐ ziehen individueller Sinnzusammenhänge. Entscheidungen sind nicht nur durch äußere Faktoren bestimmt, sondern subjektiv motiviert, bio‐ grafisch gerahmt und sprachlich vermittelt. Erkenntnis entsteht durch dialogische Nähe, Interpretation und Offenheit für Mehrdeutigkeit - nicht durch Standardisierung. So ist es möglich, individuelle Entschei‐ dungen zu verstehen. • Szenario 2: Ziel ist, die Wirklichkeit zu erklären. Die standardisierte Erhebung liefert quasi objektive, vergleichbare Daten, sie vermittelt den Eindruck, man könne genau beziffern und damit auch erklären, warum sich Menschen für ein Informatikstudium entscheiden. Man geht von der Voraussetzung aus, dass menschliches Verhalten - in diesem Fall die Wahl des Informatikstudiums - durch messbare Faktoren bestimmt ist, die sich mit geeigneten Instrumenten erfassen, in statistische Zusammenhänge bringen und so erklären las‐ sen. Erklärendes Wissen entsteht durch Regelhaftigkeit, Quantifizier‐ barkeit und die Trennung zwischen Forschendem und Beforschtem. • Szenario 3: Ziel ist, die Wirklichkeit zu verändern. In partizipativen Verfahren wie Fokusgruppen oder Workshops wird nicht bloß Wissen über die Beteiligten erhoben, sondern gemeinsam 30 1 Die Grundlagen der Wissenschaft <?page no="31"?> mit ihnen erzeugt - mit dem Ziel, bestehende Bedingungen kritisch zu hinterfragen und konkrete Handlungsmöglichkeiten zu entwickeln. Der Erkenntnisprozess ist hier unmittelbar mit Praxis verbunden. Das Wissen ist nicht neutral, sondern soll zu gesellschaftlicher Gestaltung beitragen. Forschungsziel ist nicht nur theoretisches Wissen, um Indi‐ viduen verstehen oder um Tatsachen erklären zu können, sondern auch handlungsorientiertes Wissen, um Wirklichkeit verändern zu können. Reflexion • Wie zeigt das Praxisbeispiel, dass die Wahl einer Methode mit wissenschaftstheoretischen Entscheidungen verbunden ist? • Wie wichtig es ist zu reflektieren, welches Ziel man mit Forschung verfolgt? Die möglichen strategischen Zielsetzungen der Wissenschaft sind: Wirklichkeit verstehen, Wirklichkeit erklären, Wirklichkeit verändern. Was bedeutet dies in wissenschaftstheoretischer Hinsicht? Wenn wir ein Forschungsprojekt planen, geht es z. B. um die Frage, welche Forschungs‐ methode verwendet werden soll. Wir könnten uns wie im Praxisbeispiel für eine oder auch mehrere entscheiden: Entweder für einen Fragebogen mit geschlossenen Fragen, für ein Interview mit offenen Fragen oder partizipa‐ tive Formate usw. Oder in anderen Forschungsprojekten können wir bspw. auf Datenerhebung verzichten und eine Forschungsfrage nur mit Methoden des theoretischen Forschens bearbeiten. Welche Forschungsmethode infrage kommt, hängt von der strategischen Zielsetzung ab. Diese definiert die Strategie, die wissenschaftstheoretische Position, und steckt den Rahmen ab für das jeweilige Forschungsparadigma, wie wissenschaftlich gearbeitet wird, wie in der Forschungspraxis operativ vorgegangen wird, • im Hinblick auf die Wahl der Forschungsmethode, das heißt, wie, auf welchem Weg man zu wissenschaftlichem Wissen kommen kann, • was die Qualitätssicherung betrifft, wie man dieses Wissen begründen kann, • und die Anwendung der Forschungsergebnisse, also welchem konkreten Zweck ggf. das gewonnene Wissen dienen soll. 1.2 Was ist die Wissenschaftstheorie? 31 <?page no="32"?> Die strategischen Zielsetzungen können als Forschungsparadigma nur im‐ plizit im Spiel sein, Forscher: innen einer Wissenschaftsdisziplin arbeiten meist nur mit einem Forschungsparadigma, das auf einer Zielsetzung be‐ ruht, bspw. in den Naturwissenschaften das Erklären, und sehen dies als selbstverständlich und exklusiv. Vor allem aber in Wissenschaftsdisziplinen, in denen Zielsetzungen nebeneinander vorkommen, z. B. in den Sozialwis‐ senschaften, wird in einem Forschungsprojekt die Wahl der Zielsetzung mit allen ihren methodischen Konsequenzen in der Regel explizit als wissen‐ schaftstheoretische Positionierung formuliert und begründet, und zwar auf der Grundlage einer wissenschaftstheoretischen Position. Im Detail | Vom Ziel bis zur wissenschaftstheoretischen Positionie‐ rung Ein Ziel ist ein angestrebter Zustand bzw. ein zu erreichendes Ergebnis. Eine Zielsetzung ist die explizite Formulierung eines oder mehrerer Ziele. Ein strategisches Ziel ist ein übergeordnetes, langfristiges, richtungs‐ weisendes Ziel. Eine strategische Zielsetzung ist dessen explizite Formulierung. Ein strategisches Ziel wissenschaftstheoretisch ist das Erkenntnisziel eines Forschungsprojektes, das Forschungsparadigma. Eine strategische Zielsetzung wissenschaftstheoretisch ist dessen explizite Formulierung auf der Grundlage einer wissenschaftstheoretischen Position. Eine wissenschaftstheoretische Position (Paradigma) ist quasi die philoso‐ phische Deklaration einer Denkrichtung, einer Denkschule, im Hinblick auf die für die Wissenschaft relevanten philosophischen Grundent‐ scheidungen, insbesondere im Hinblick auf das strategische Ziel der Wissenschaft und die leitenden ontologischen, epistemologischen und axiologischen Grundannahmen. Beispiele sind der Positivismus, die Hermeneutik, der Kritische Rationalismus oder der Konstruktivismus. Die wissenschaftstheoretische Positionierung betrifft den Forschungs‐ prozess selbst: Sie ist eine reflexive, explizite und begründete Ent‐ scheidung für eine wissenschaftstheoretischen Position, die für das Forschungsvorhaben leitend ist. Hier können wir die Fäden zusammenziehen. Wir haben an diesem Fallbei‐ spiel eines Forschungsthemas gesehen, dass es unterschiedliche Möglich‐ keiten von Forschung über dieses Forschungsthema gibt. Genau dies ist ein Punkt, an dem das Staunen und die Neugier der wissenschaftstheoreti‐ 32 1 Die Grundlagen der Wissenschaft <?page no="33"?> schen Reflexion lebendig wird. Durch wissenschaftstheoretische Reflexion werden die möglichen strategischen Zielsetzungen sichtbar als Optionen für die konkrete Forschungspraxis. Wissenschaftstheoretische Reflexion gibt uns Orientierung, welche Art von Wissen wie gewonnen werden kann, wie die Erkenntnisse begründet werden, und welchen Zweck sie erfüllen können - also Wahlmöglichkeiten, um uns in der Forschungspraxis sinnvoll und angemessen entscheiden zu können. Es gibt, wie wir gesehen haben, über die Wissenschaft viele „Philoso‐ phien“, die vereinfachten im Alltag, die anspruchsvollen wissenschaftlichen, implizite und explizite, teils in Konkurrenz, jedenfalls in Pluralität - es gibt also auch unterschiedliche Definitionen von „Wissenschaftstheorie“. Die folgende Definition ist insofern auch eine Reduktion von Komplexität, eine mögliche Option, die meine „Philosophie“ zeigt: Die Themen der Wissenschaftstheorie sind: die strategischen Zielset‐ zungen von Wissenschaft, ihre Forschungsmethoden, ihre Qualitätssi‐ cherung sowie die Anwendung von Wissenschaft im gesellschaftlichen Kontext. Was ist das Besondere an der Wissenschaftstheorie? Jede Wissenschaftsdis‐ ziplin hat ihren Gegenstandsbereich. Das ist ein relativ klar abgrenzbarer Ausschnitt der Wirklichkeit, mit dem sich diese Wissenschaft befasst, also relevante Phänomene, Objekte, Handlungen, Prozesse, Beziehungen usw., die sie untersucht, versteht, erklärt, verändert. Der Gegenstandsbereich der Biologie z. B. umfasst Lebewesen - wie man es in einfachen Worten beschreiben könnte. Biolog: innen würde aller‐ dings präzisieren: Es geht nicht nur um Lebewesen (und schon gar nicht ausschließlich um jene, die man mit bloßem Auge sehen kann), sondern um Lebewesen in all ihren Erscheinungsformen, auch solchen, die erst mit geeigneten Geräten erkennbar sind. Insbesondere sind das 1. Strukturen: molekulare Bausteine (DNA, Proteine), Zellen, Gewebe, Organe, Organismen, 2. Prozesse: Stoffwechsel, Wachstum, Entwicklung, Fortpflanzung, 3. Interaktionen: zwischen Lebewesen und zwischen Lebewesen und ihrer Umwelt, 4. Diversität und Evolution. 1.2 Was ist die Wissenschaftstheorie? 33 <?page no="34"?> Ein paar konkrete Beispiele von Gegenständen wären: Bakterien, Pflanzen, Tiere, Pilze, Ökosysteme, Genetik, Verhalten. Wenn man von diesem Beispiel ausgeht, könnte man analog formulieren: Der Gegenstandsbereich der Wissenschaftstheorie ist die Wissenschaft. Als Definition ist dies zwar wie gesagt genauso wenig brauchbar wie „Theorie über die Wissenschaft“. Aber es stellen sich gleich drei - wissenschaftstheo‐ retische - Fragen. Ist so eine Wissenschaftstheorie überhaupt eine Wissenschaft? Ja, wir setzen dies jetzt im guten Glauben voraus, ohne es begründen zu können, denn eine Begründung müsste zuvor das klären, was eine Wissenschaft als Wissenschaft auszeichnet, vor allem: Wie wissenschaftliches Wissen begründet wird, welche Methoden dazu verwendet werden, wie sich Wis‐ senschaft von subjektiver Meinung unterscheidet. Und das ist ja wiederum das Ziel der Wissenschaftstheorie selbst, denn eine Begründung der Wis‐ senschaftstheorie als Wissenschaft müsste das voraussetzen können, was sie selbst erst tut. Das führt gleich zur Frage: Ist die Wissenschaftstheorie also selbstbezüg‐ lich? Die Antwort muss sein: Ja. Ist sie damit als Wissenschaft disqualifiziert? Ja und nein. Ja, wenn man Selbstbezüglichkeit mit Zirkularität gleichsetzt, denn das wäre ein logischer Fehler, ein Zirkelschluss, ein circulus vitiosus. Dies würde aber auf der Voraussetzung beruhen, dass Wissenschaftstheo‐ rie mit einem fixen Bestand an wissenschaftstheoretischen Argumenten begründet werden könnte, also innerhalb ihrer Grenzen bleibt. Und nein: Wissenschaftstheorie disqualifiziert sich nicht selbst, Selbstbezüglichkeit kann auch positiv gesehen werden, als circulus fructuosus, wenn Wissen‐ schaftstheorie nicht auf einem Fundament begründet werden soll, sondern selbst als offenes, hypothetisches Theorieangebot gesehen wird - unter den Voraussetzungen des Konstruktivismus und des kritischen Rationalismus, aber das wird noch genauer ein Thema sein. Die dritte Frage, die sich stellt: Nachdem Wissenschaftstheorie - wie wir schon gesehen haben - nicht die einzige Wissenschaft mit dem Gegen‐ standsbereich Wissenschaft ist (es gibt auch Wissenschaftssoziologie usw.), wie unterscheidet sie sich von diesen Wissenschaften? Auch darauf gab es schon die Antwort: Während Einzelwissenschaften wie Wissenschafts‐ soziologie, Wissenschaftspolitik oder Wissenschaftsökonomie notwendige Spielregeln für das Funktionieren von Forschung beschreiben, sucht die Wissenschaftstheorie nach den notwendigen und hinreichenden Spielregeln der Wissenschaft. Sie fragt also nicht, wie Wissenschaft im jeweiligen 34 1 Die Grundlagen der Wissenschaft <?page no="35"?> institutionellen oder gesellschaftlichen Kontext konkret abläuft, sondern unter welchen Voraussetzungen Wissenschaft überhaupt möglich ist. Wissenschaftstheorie ist insofern eine philosophische Disziplin. Sie reflek‐ tiert die „Spielregeln“ der Wissenschaft unter grundlegenden philosophi‐ schen Perspektiven: Ontologie, Epistemologie, Axiologie und Logik. Diese Ordnungsperspektiven gehören zu den ältesten Formen des Denkens: Sie entstanden in der antiken Philosophie, wurden in der Scholastik systema‐ tisiert und prägen bis heute die Strukturierung philosophischer Fragen. Jede Perspektive weist in eine bestimmte Richtung, in der Reflexion über Wissenschaft verlaufen kann. Ontologie („ὤν, ὄντος“, ón, óntos, Seiendes und „λόγος“, lógos, Lehre, Wort oder Vernunft ) ist die philosophische Lehre vom Sein, also von dem, „was es gibt“. Sie fragt, welche Dinge, Prozesse oder Strukturen überhaupt als wirklich gelten können. Damit berührt sie eine Grundfrage jedes Denkens: Gibt es eine Realität, die unabhängig von uns existiert, oder ist die Welt das, was wir durch Wahrnehmung, Sprache und Handeln hervorbringen? Onto‐ logische Überlegungen sind nicht nur abstrakt und philosophisch, sondern betreffen auch alltägliche Fragen. Wenn wir sagen, die „Zeit“ vergeht, ist sie dann eine objektiv vorhandene Größe, die wir messen können - oder ein Konstrukt, mit dem wir unser Leben ordnen? Ebenso können Phänomene wie „Glück“, „Gerechtigkeit“ oder „Kultur“ entweder als objektive Tatsachen oder als subjektive und soziale, intersubjektive Konstruktionen verstanden werden. Für die Wissenschaft ist diese Perspektive entscheidend, weil sie festlegt, welche Gegenstände überhaupt erforscht werden können und welche nicht - eine Weichenstellung, die jede Theorie und Methode prägt. Denn jede wissenschaftliche Theorie setzt - oft nur implizit - voraus, was sie überhaupt erforschen will und welche Beschaffenheit dieses „Was“ hat. Forschende müssen sich also entscheiden, welche Seinsweise (objektiv, subjektiv, intersubjektiv) sie den Phänomenen zuschreiben. Diese ontolo‐ gischen Grundannahmen prägen die Wahl der Methoden, die Art der Datenerhebung, die Interpretation der Ergebnisse und die Reichweite der Geltungsansprüche des Wissens. Ontologie: Was ist die Wirklichkeit, und was kann überhaupt Gegen‐ stand einer Theorie sein: Etwas Reales, etwas Subjektives oder eine soziale, intersubjektive Konstruktion? 1.2 Was ist die Wissenschaftstheorie? 35 <?page no="36"?> Epistemologie (von griech. ἐπιστήμη, epistéme, Wissen, Erkenntnis) be‐ schäftigt sich mit der Frage, wie wir Wissen gewinnen können und woran wir erkennen, ob es verlässlich ist. Schon alltägliche Erfahrungen machen deutlich, dass dies nicht selbstverständlich ist: Wir verlassen uns auf unsere Sinne, obwohl sie uns täuschen können - ein Stock im Wasser scheint gebrochen, obwohl er gerade ist. Ebenso verlassen wir uns auf unser Denken, obwohl es manchmal Fehlschlüsse produziert. Epistemologie fragt deshalb, wie Beobachtung, Erfahrung, Sprache und Vernunft zusammenwirken müs‐ sen, damit wir von Wissen sprechen können. In der Wissenschaft zeigt sich dies darin, ob wir durch Messung, durch logische Ableitung oder durch Interpretation von Bedeutungen zu Erkenntnissen gelangen. Für die Wissenschaftstheorie ist die epistemologische Perspektive relevant, weil sie die Kriterien angibt, nach denen Wissen als „wissenschaftlich“ gilt - etwa Messbarkeit, Reproduzierbarkeit oder Nachvollziehbarkeit. Epistemologie: Wie gelangen wir zu Wissen, und unter welchen Bedin‐ gungen gilt es als verlässlich: Durch Erfahrung, durch Denken oder durch die Verbindung beider? Axiologie („ἀξία“,axía, Wert) richtet den Blick auf die Rolle von Werten und Normen im wissenschaftlichen Handeln. Sie fragt, ob Forschung völlig neutral sein kann oder ob sie notwendigerweise von Zielen, Interessen und ethischen Maßstäben geleitet wird. Auch hier gibt es alltägliche Analogien: Ein Arzt, der eine Behandlung empfiehlt, tut dies nicht nur aufgrund medizinischer Fakten, sondern auch aufgrund von Wertvorstellungen wie Lebensqualität oder Gerechtigkeit im Zugang zu Therapien. Ähnlich gilt für Wissenschaft: Eine Untersuchung kann sich darauf beschränken, ob ein Medikament wirkt - oder sie kann zusätzlich fragen, ob es für alle Menschen erschwinglich sein sollte. Für die Wissenschaftstheorie ist die axiologische Perspektive relevant, weil sie zeigt, dass Forschung nie völlig wertfrei ist, sondern immer auch von gesellschaftlichen Interessen, Normen und Verantwortungen geprägt wird. 36 1 Die Grundlagen der Wissenschaft <?page no="37"?> Axiologie: Welche Werte, Ziele und Normen leiten Forschung? Ist sie neutral und wertfrei oder immer von Interessen, Ethik und gesellschaft‐ licher Verantwortung geprägt? Logik (von griech. λόγος, lógos, Vernunft, Rede, Argument) untersucht, wie wir argumentieren und ob unsere Schlüsse gültig sind. Sie bildet das Werkzeug, mit dem wir zwischen stimmigen und fehlerhaften Begründun‐ gen unterscheiden. Schon einfache Beispiele zeigen dies: „Alle Menschen sind sterblich. Sokrates ist ein Mensch. Also ist Sokrates sterblich.“ - hier folgt die Schlussfolgerung zwingend aus den Prämissen. Würden wir aber schließen: „Alle Menschen sind sterblich. Sokrates ist sterblich. Also ist Sokrates ein Mensch“, läge ein Fehlschluss vor, denn sterblich sind ja nicht nur Menschen. In der Wissenschaft geht es darum, Hypothesen, Beobachtungen und Theorien so zu verknüpfen, dass die Argumentation schlüssig und nachvollziehbar ist. Für die Wissenschaftstheorie ist die Logik unverzichtbar, weil sie die formalen Regeln liefert, anhand derer Begründungen geprüft und wissenschaftliche Aussagen auf Kohärenz und Gültigkeit getestet werden können. Logik: Wie sind wissenschaftliche Argumente aufgebaut, nach welchen Regeln prüfen wir, ob Schlussfolgerungen gültig, konsistent und nach‐ vollziehbar sind? Um die Metapher des Spiels und der Spielregeln nochmal aufzugreifen: Wie bei einem Volleyball-Spiel stehen Disziplinen wie Wissenschaftssoziologie, Wissenschaftspolitik oder Wissenschaftsökonomie quasi am Spielfeldrand, sie beobachten, wer spielt, wie das Spiel organisiert ist, wer die Mittel verteilt und wer davon profitiert. Die Wissenschaftstheorie hingegen sitzt auf dem Schiedsrichterturm. Von dort aus betrachtet sie nicht nur das laufende Spiel, sondern prüft die Spielregeln selbst: Sind sie klar, vollständig, gerecht und geeignet, damit überhaupt ein „wissenschaftliches“ Spiel zustande kommt? Während Wissenschaftssoziologie, -politik oder -ökonomie auf der Ob‐ jektebene arbeiten - horizontal, entlang der Vielfalt konkreter historischer, sozialer und institutioneller Ausprägungen der Wissenschaft - bewegt sich die Wissenschaftstheorie auf der Metaebene - vertikal, hin zu den 1.2 Was ist die Wissenschaftstheorie? 37 <?page no="38"?> grundlegenden Voraussetzungen, Geltungsbedingungen und Normen, die allen einzelnen Wissenschaften zugrunde liegen. Wissenschaftstheorie ist eine Metawissenschaft, eine Metatheorie. Was hat es mit dem Meta auf sich? Dieses Wort stammt aus dem Altgriechischen „μετά“ (metá), als Präposition hat es die Bedeutung „nach“, „hinter“, „jenseits“. Im Deutschen und im Englischen wird es als Präfix verwendet, vor allem in der Bedeutung von über. So ist die Metaebene eine höhere Ebene der Betrachtung und Reflexion eines Themas, eines Systems oder einer Kategorie, im Sinne von „etwas über etwas“. Ein schönes Beispiel ist die Metaphysik, ein Teilbereich der Philosophie, sie beschäftigt sich mit den grundlegenden Fragen nach dem Sein, der Existenz, nach dem Wesen der Dinge, also eine Reflexion der Welt der Tatsachen (der „Physik“) - und insofern auch etwas mit der Metawissenschaft Wissenschaftstheorie zu tun hat. Exkurs | Die Metaphysik = τὰ μετὰ τὰ φυσικά Dass sich Metaphysik als Begriff etabliert hat und wahrscheinlich auch die Tatsache, dass meta als Präfix in Sinne der Metaphysik bzw. der Metatheorie mit Reflexion „über“ und „übergeordneter“ Ebene zu tun hat, geht auf die Banalität einer bibliothekarischen Maßnahme zurück: Andronikos von Rhodos sammelte das umfangreiche Oeuvre des Universalgelehrten Aristoteles und platzierte dabei die Schriften über Philosophie nach den Schriften über Physik (τὰ φυσικά, ta physiká) und bezeichnete sie topologisch korrekt als „Schriften nach der Metaphysik“ (τὰ μετὰ τὰ φυσικά, ta metá ta physiká). Eine etwas weniger metaphysische Bedeutung hat meta im Begriff Metada‐ ten, das sind Daten über Daten, bspw. die Beschreibung von Büchern in einem Bibliothekskatalog nach bestimmten Kategorien (wie Autor, Titel), oder die Informationen über Dateien, Fotos auf dem Smartphone usw. In der Alltagssprache wird meta auch im Sinne einer ggf. selbstbezüglichen Meta-Perspektive verwendet, z. B. der Meta-Witz, der einen Witz über die Witze und Witz-Erzählen macht, ähnlich auch der Meta-Film. 38 1 Die Grundlagen der Wissenschaft <?page no="39"?> Exkurs | Meta Platforms, Inc. Wenn Sie in Google nach „meta“ suchen, finden Sie lange nichts über unser Meta, keine Metaphysik, keine Metawissenschaft, sondern unter den ersten Treffern die Webseiten von und über Meta Platforms, Inc. - eigentlich nicht konsequent, da die beiden Unternehmen ja Konkurren‐ ten sind. Immerhin hat die Wissenschaftstheorie als Metawissenschaft mit dem Metaversum oder der Meta Platforms, Inc. von Marc Zuckerberg die Vorsilbe meta gemeinsam. Meta Platforms, Inc. ist bekanntlich das Technologieunternehmen, zu dem die sozialen Netzwerke Facebook und Instagram, die Instant-Messaging-Apps WhatsApp und Messenger sowie die Virtual-Reality-Gerätemarke Meta Quest gehören. Wenn man von der großzügigen Analogie absieht, dass Wissenschaftstheorie die Metawissenschaft aller Wissenschaften ist und Meta Platforms, Inc. sozusagen das Meta-Unternehmen von Facebook and Co, dann gibt es natürlich zwischen diesen Welten überhaupt keine Gemeinsamkeit. Ähnlich ist die Metakognition das „Denken über das Denken“, unter anderem wenn wir über unsere Strategien und Möglichkeiten nachdenken, wie wir ein Problem kognitiv lösen - bspw., wenn Sie nachdenken, wie Sie dieses Buch lesen, und ich, wie ich es schreibe. Das Meta steht also immer für eine Art Perspektivenwechsel, man tritt quasi zurück vom Geschehen, von den Phänomenen, den Objekten, reflektiert über das Geschehen usw. und geht - wie man auch sagt - von der Objektauf die Metaebene. Ein solcher Perspektivenwechsel ist uns am besten vertraut im Zusammenhang mit der Metakommunikation. Im Alltag handeln wir meist aus der Überzeugung heraus, dass die Dinge so sind, wie wir sie sehen und dass es um die Dinge selbst geht, nicht um die Art und Weise, wie wir sie erkennen oder wie wir über sie kommunizieren. Wir konzentrieren uns auf das „Was“ - was gesagt wird, was passiert, was das Problem ist. Wir sind uns oft nicht bewusst, wie wir die Dinge eigentlich wahrnehmen oder wie wir darüber kommunizieren. Doch spätestens dann, wenn wir die Erfahrung machen, dass es Unter‐ schiede gibt in der Art und Weise, die Dinge zu erkennen, zu beschreiben, und dass jemand etwas ganz anders sieht wie wir selbst, erkennen wir auch, dass es sinnvoll und notwendig ist, über die Gründe für diese Unterschiede nachzudenken - ähnlich wie in der Wissenschaft, wie wir bei unserem 1.2 Was ist die Wissenschaftstheorie? 39 <?page no="40"?> Praxisbeispiel gesehen haben. Wenn man in einem Gespräch merkt, dass man aneinander vorbeiredet, oder wenn in einem Konflikt unklar ist, worum es eigentlich geht, kann es hilfreich sein, die Kommunikation selbst zum Thema zu machen: Wie sprechen wir miteinander? Was bewirkt unsere Sprache beim Gegenüber? Welche Ebenen schwingen mit in dem, was wir inhaltlich sagen? Wir nehmen einen Perspektivenwechsel vor, treten einen Schritt zurück vom direkten Geschehen und Betrachten es auf einer höheren Ebene - der Metaebene. Solche, zum Teil auch schmerzhafte Erfahrungen machen wir oft in der sozialen Wirklichkeit, im Zusammenleben mit anderen Menschen. In zwi‐ schenmenschlichen Beziehungen - in Partnerschaft und Familie, im Arbeits- und Berufsleben, in der Politik - gibt es immer wieder Konfliktsituationen, in denen wir uns schwer verständigen können, vor allem darüber, was eigentlich das Thema und das Problem ist, noch bevor wir uns auf die Lösungen konzentrieren können. Jeder Mensch geht - bedingt durch seine Persönlichkeit, durch unter‐ schiedliche Herkunft und Geschichte, Sozialisation und Bildung usw. - auf seine Art und Weise an die Dinge heran, geht von seinen Voraussetzungen aus, die sich von denen seiner Mitmenschen unterscheiden können, und hat dabei seine blinden Flecken, die ihm in ihrer ganzen Tragweite nicht bewusst sind. Menschen sind also prinzipiell in der sozialen Wirklichkeit, was ihre eigenen Voraussetzungen, ihre Optik, ihre „Philosophie“ angeht, „betriebsblind“. Daraus können Konfliktsituationen entstehen. Eine Möglichkeit, Konflikte zu lösen, besteht darin, gerade so einen Perspektivenwechsel von der Objektauf die Metaebene vorzunehmen, sich kurzfristig von den vermeintlich klaren Dingen zu distanzieren und gemein‐ sam über die Voraussetzungen nachzudenken, warum man sie jeweils so und nicht anders sieht oder sehen will, also sich zu verständigen über die unterschiedlichen Orientierungen, Motivationen, Interessen usw. Sichtbar wird so auch der Unterschied zwischen der Inhalts- und Beziehungsebene (Watzlawick u. a. 1985). In jeder Kommunikation wird nicht nur ein sachli‐ cher Inhalt übermittelt, sondern zugleich eine Botschaft über die Beziehung der Beteiligten. Diese beiden Ebenen - was gesagt wird und wie es gesagt wird - laufen nicht nebeneinander, sondern beeinflussen sich wechselseitig. In der Praxis bedeutet das: Auch wenn der gesprochene Satz scheinbar eindeutig ist, kann seine Wirkung ganz unterschiedlich ausfallen - abhängig von Tonfall, Kontext, Körpersprache, Mimik oder von den Beziehungen der Beteiligten. 40 1 Die Grundlagen der Wissenschaft <?page no="41"?> Es ist inzwischen Allgemeingut psychologischer Alltagstheorie, dass nicht nur wichtig ist, was wir sagen, sondern auch, wie wir es sagen. Mehr noch: Das Wie strukturiert und prägt in vielen Fällen erst das Was. Gerade in belasteten Situationen, in zwischenmenschlichen Konflikten oder hierarchischen Strukturen geschieht es häufig, dass die Beziehungsebene unterschwellig mitschwingt oder sogar dominiert - ohne dass das den Beteiligten bewusst ist. Ein typischer Fall, in dem Kommunikationsstörungen entstehen, ist der sogenannte Double Bind: eine paradoxe Situation, in der sich Inhalts- und Beziehungsebene widersprechen. Ein Beispiel: Eine Führungskraft sagt zu einem Teammitglied mit festem Blick und scharfem Ton: „Sie können mir ganz offen Ihre Meinung sagen.“ Der Inhalt ist korrekt, die Beziehungssig‐ nale hingegen sind einschüchternd. Für den Adressaten ist das eine paradoxe Botschaft, denn egal, wie er reagiert, er wird etwas falsch machen. In einer Kommunikationssituation werden also nicht nur Inhalte, sondern auch Botschaften im Hinblick auf die Beziehung der Kommunikationspartner kommuniziert, und gerade diese sind meist der Stoff, aus dem Konflikte - aber auch Identität und Solidarität untereinander - entstehen können. Kommunikative Paradoxien sind nicht durch inhaltliche Argumente lösbar, im Gegenteil: Je mehr man „sachlich“ darauf eingeht, desto mehr verstärkt man den Konflikt. Die Folge ist ein sogenanntes Mehr desselben: Beide Seiten wiederholen ihr Verhalten, weil sie glauben, es gehe um die Sache - obwohl der eigentliche Konflikt auf der Beziehungsebene liegt. Die Lösung liegt in einem bewussten Perspektivenwechsel: weg von der reinen Sachebene hin zu einer Reflexion über die Art und Weise der Kommunikation selbst - also zur Metakommunikation. Statt weiter über das inhaltliche Problem zu sprechen, wird nun die Kommunikation selbst zum Thema: Was macht unser Gespräch gerade so schwierig? Wie reden wir miteinander - und warum gelingt es nicht? Welche Erwartungen, Rollen, Ängste oder Missverständnisse wirken mit? Ein solcher Schritt ist nicht immer einfach. Er erfordert Mut, Distanz zum eigenen Standpunkt und Of‐ fenheit für die Perspektive des anderen. Aber er macht das möglich, was auf der Inhaltsebene unmöglich ist: Verständigung, Klärung, Beziehungspflege, Kooperationsfähigkeit. Der Übergang von der Objektauf die Metaebene ist also das aktive Herstellen von Metakommunikation - das Gespräch über die Art und Weise der Kommunikation und die Beziehung der Beteiligten. Indem man die Beziehungsebene explizit macht und die unterschiedlichen Perspektiven 1.2 Was ist die Wissenschaftstheorie? 41 <?page no="42"?> beleuchtet, kann man die Ursachen eines Konflikts verstehen und eine gemeinsame Basis für die Lösung finden. Es ist das bewusste Innehalten, um die eigenen „Spielregeln“ und die der anderen zu reflektieren. Auf einem ähnlichen Perspektivenwechsel beruht die Wissenschaftstheorie. Wissenschaftler: innen sind meist ganz in der Sache. Sie sammeln Daten, analysieren, interpretieren - sie sind auf der Objektebene der Wissenschaft aktiv. Sie glauben (oft unbewusst), dass sie die Dinge so sehen, wie sie wirklich sind. Aber besonders dann, wenn ihnen Unterschiede auffallen, vor allem im Vergleich von Forschungsergebnissen zu ein und derselben Sache, gibt es Meta-Fragen, sie nehmen eine andere Perspektive ein und denken nicht mehr über die eigentliche Sache nach, sondern über die Art und Weise, wie sie oder andere über die Sache denken. Insofern ist diese Analogie naheliegend: Wissenschaftstheorie verhält sich zu Wissenschaft wie Metakommuni‐ kation zu Kommunikation. Was die Metakommunikation in der sozialen Wirklichkeit leistet, leistet die Wissenschaftstheorie in der Wissenschaft: Sie schafft die Möglichkeit, dass wir nicht nur über Inhalte debattieren - über Studien, Theorien, Begriffe - , und dabei jeweils in unseren wissenschaftstheoretischen Grenzen bleiben, sondern dass auch eine Reflexion darüber möglich wird, wie überhaupt geforscht wird, welche Interessen und Voraussetzungen in Forschung einfließen, welche Formen des Verstehens und Erklärens jeweils leitend sind. Insofern ist die Wissenschaftstheorie die Metakommunikation der Wissenschaft. Ähnlich kann man die Analogie in die entgegengesetzte Richtung kon‐ kretisieren: Man könnte sagen, dass es wissenschaftstheoretisches Denken mutatis mutandis auch im Alltag gibt. wenn wir bspw. fragen: Warum verstehen wir dieselbe Situation unterschiedlich? Welche Perspektiven oder Vorannahmen bringen wir mit? Wie beeinflussen Sprache, Rolle, Beziehung unser „Wissen“ über die Realität? Die Grenzen sind fließend - mehr oder weniger sind wir alle in Epistemologie und Wissenschaftstheorie aktiv. 42 1 Die Grundlagen der Wissenschaft <?page no="43"?> Reflexion | Sachebene und Metaebene • Wo in meinem Alltag habe ich zuletzt erlebt, dass ein Konflikt nicht auf der Sachebene gelöst werden konnte? • Wenn ich an mein eigenes Fach oder Studium denke: Wo agiere ich auf der Objektebene (Sachebene der Forschung)? Wo betrete ich die Metaebene (Reflexion über Methoden, Theorien, Vorausset‐ zungen)? • Welche Vorteile hat ein solcher Perspektivenwechsel für Wissen‐ schaft und Alltag? Warum könnte es trotzdem unbequem oder anstrengend sein, die Metaebene einzunehmen? Metakommunikation und Wissenschaftstheorie haben es aber nicht immer leicht. In der Kommunikation wie auch in der Wissenschaft wird der Wech‐ sel von der Objektebene auf die Metaebene oft als ungewohnt, überflüssig oder sogar als unnötig komplizierend wahrgenommen. Im Alltag sind wir es gewohnt, uns direkt mit den Inhalten zu beschäf‐ tigen. Über die Art und Weise, wie wir Inhalte erkennen und über sie kommunizieren, nachzudenken, erfordert Mut, Übung und Distanz. Zu viel ist auch nicht gut: Es ist, als ob man während eines Gesprächs plötzlich über die Grammatik sinniert, oder über den Notenschlüssel, während man Musik vorträgt, man fällt dann aus der performativen Selbstverständlichkeit heraus, erzeugt eine kognitive Mehrbelastung und irritiert die Praxis. Viele Menschen sehen keinen Vorteil darin, wenn alles „zerlegt“ und „analysiert“ wird. Auch im wissenschaftlichen Kontext wird metatheoreti‐ sche Reflexion häufig als sophisticated, als theoretische Spitzfindigkeit ohne praktischen Nutzen abgetan, man will einfach Resultate sehen, am besten anwendungsorientierte, technisch effiziente, ökonomisch lukrative. Auf der Metaebene geht es um Prinzipien, Strukturen und Prozesse. Das kann schnell abstrakt wirken und den Eindruck erwecken, man entferne sich von der konkreten Realität und den „echten“ Problemen. Eine Metaanalyse erfordert zusätzliche Zeit und Anstrengung. In der Schnelllebigkeit des Alltags oder im Druck des Forschungsbetriebs kann dies als unnötiger Luxus oder als Bremse empfunden werden. Und manchmal kann ein Blick auf die Meta‐ ebene auch unbequem sein, da er eigene unreflektierte Annahmen, Fehler oder blinde Flecken offenlegen kann. Das Hinterfragen der eigenen Kommunikati‐ onsmuster oder wissenschaftlichen Praktiken kann Widerstand hervorrufen. Auch Wissenschaftler: innen verlassen oft ungern die gewohnten Gewässer 1.2 Was ist die Wissenschaftstheorie? 43 <?page no="44"?> ihrer Vorstellungen darüber, was die „wahre“ Wissenschaft sein soll, welche Forschungsmethoden die „richtigen“ sind usw. Ob in der Kommunikation oder in der Wissenschaft: Ein Wechsel von der Objektebene auf die Metaebene bedeutet gemeinsam kritisch reflek‐ tieren, Potential mobilisieren, und nicht mehr aneinander vorbeireden. Exkurs | Sokrates, der kritische Jongleur zwischen Sach- und Metaebene Der griechische Philosoph Sokrates (ca. 469-399 v. Chr.) hat keine eigenen Schriften hinterlassen, ist aber der Hauptprotagonist in den Dialogen seines Schülers Platon (ca. 428-348 v. Chr.), in denen tiefschür‐ fend philosophische Fragen über Wissen, Wahrheit, Gerechtigkeit und Erkenntnis diskutiert werden. Der sog. sokratische Dialog ist auch schönes Beispiel für den Wechsel von der Objektebene zur Metaebene, von inhaltlichen Aussagen über die Welt hin zur kritischen Reflexion der Bedingungen, unter denen solche Aussagen sinnvoll oder wahr sein können. Sokrates soll - in An‐ spielung auf den Beruf seiner Mutter als Hebamme - seine dialogische Gesprächsführung metaphorisch mit der Hebammenkunst, der Mäeutik (μαιευτική τέχνη, maieutikḗ téchnē) verglichen haben. Im „Theaitetos“ (2020, 146c-d) z. B. diskutiert Sokrates mit dem Mathe‐ matiker Theodoros und dessen Schüler Theaitetos über Erkenntnis und Wissen - ein wichtiger Text der Epistemologie, ein abstraktes, dichtes, spannendes Gespräch. Sokrates: „So sage denn grade und dreist heraus, was denkst du, daß Erkenntnis ist? “ Theaitetos nennt Beispiele: „die Meßkunst…die Schuhmacherkunst und die Künste der übrigen Handwerker scheinen mir alle und jede nichts anders zu sein als Erkenntnis.“ Theaitetos bleibt auf der Objektebene, seine Beispiele von Erkenntnis sind ein Mehr-Desselben, er versucht nicht, die Erkenntnis selbst zu definieren. Sokrates ist aber beharrlich: „Das Gefragte aber war nicht dieses, wovon es Erkenntnis gäbe, noch auch wie vielerlei sie wäre. Denn wir fragten nicht in der Absicht, sie aufzuzählen, sondern um die Erkenntnis selbst zu begreifen, was sie wohl sein mag.“ Mit einem mäeutischen 44 1 Die Grundlagen der Wissenschaft <?page no="45"?> Kunstgriff nimmt Sokrates die Gesprächspartner mit auf die Metaebene. Er weist Theaitetos nach, dass er, um Beispiele von Erkenntnis anführen zu können, auch wissen muss, was Erkenntnis ist: „Also auch was Schuhmachen ist, oder irgendeine andere Kunst, versteht der nicht, der nicht weiß, was Erkenntnis ist.“ Theaitetos: „Freilich nicht.“ Sokrates: „Und glaubst du, daß die Erkenntnis, so wie ich es jetzt meinte, zu finden eine Kleinigkeit ist, und nicht vielmehr unter die gar schwierigen Aufgaben gehört? “ Theaitetos: „Beim Zeus, unter die allerschwierigsten…“ Mit Recht, wie das weitere Gespräch zeigt, in dem mehrere Optionen durch‐ gespielt und immer wieder hinterfragt werden. Die erste Option, wonach Erkenntnis Wahrnehmung sei, ist bedenklich, weil dann jede Erkenntnis auch subjektiv wäre, für einen Gesunden schmeckt der Wein süß, für einen Kranken bitter. Auch die Definition, dass Erkenntnis eine wahre begründete Meinung sei, kann daran scheitern, dass dabei bereits Wissen vorausgesetzt wird - das Problem der Letztbegründung (wir kommen noch dazu). Auch in unserem Praxisbeispiel hat sich dieser Perspektivenwechsel gezeigt: Wir haben nicht einfach den Forschungsprozess beschrieben, sondern auf der Metaebene reflektiert, welche möglichen Zielsetzungen eine solche Studie haben könnte und, wenn wir uns für eine bestimmte entscheiden, welche Konsequenzen dies hat, welche Forschungsmethoden dann sinnvoll sind, welche Forschungsergebnisse zu erwarten sind usw. Versuchen wir jetzt eine weitere Definition von Wissenschaftstheorie: Wissenschaftstheorie ist als Metatheorie die wissenschaftliche Reflexion der Wissenschaft, der Wissenschaftsdisziplinen, der Forschungspraxis, und zwar im Hinblick auf die möglichen strategischen Zielsetzungen von Wis‐ senschaft (insbesondere Verstehen, Erklären, Verändern), im Hinblick auf die dabei vertretenen wissenschaftstheoretischen Positionen, möglichen Forschungsmethoden (z. B. quantitativ, qualitativ), möglichen Prinzipien der Qualitätssicherung für wissenschaftliches Wissen (u.-a. Logik, Objektivität, Reliabilität) und der möglichen Kontexte mit der Gesellschaft (z.-B. Einsatz und Folgen wissenschaftlicher Erkenntnisse). 1.2 Was ist die Wissenschaftstheorie? 45 <?page no="46"?> Allgemeine und spezielle Wissenschaftstheorie Das Praxisbeispiel zeigt darüber hinaus, wie eine wissenschaftstheoretische Reflexion der Forschungspraxis im Hinblick auf die Abstraktionsebene unterschiedlich ansetzen kann. Zum Teil sind die Fragen (1) fachspezifisch und nah an der Forschungspraxis, wenn es bspw. um den Unterschied zwischen offenen und geschlossenen Fragen geht oder um forschungsme‐ thodische Techniken. Wird im Kontext solcher Fragen nach der spezifischen Zielsetzung des Projekts gefragt, so kommen zunehmend wissenschafts‐ theoretische Perspektiven ins Spiel. Solche Fragen verlaufen buttom up, von der Forschungspraxis auf die Metaebene. Dann gibt es Fragen (2), die von der entgegengesetzten Richtung kom‐ men, z. B. welche wissenschaftstheoretische Position generell welche Ziel‐ setzung aufweist und welche Forschungsmethoden sich dafür anbieten, und zwar unabhängig von der Forschungspraxis und von einer speziellen Wissenschaftsdisziplin. Hier führt der Weg top down, von der Metazur Forschungspraxis. Die Fragen unterscheiden sich insofern in zweierlei Hinsicht. Die Fragen Typ (1) sind auf die Forschungspraxis einer speziellen Wissenschaftsdiszip‐ lin fokussiert, die Fragen Typ (2) betreffen die Wissenschaft allgemein. Und sie unterschieden sich zweitens auch im Hinblick auf den Abstraktionsgrad: Fragen (1) sind spezifischer, Fragen (2) abstrakter. Diese Unterschiede sind die Gründe für die Unterscheidung zwischen allgemeiner und spezieller Wissenschaftstheorie. Die allgemeine Wissenschaftstheorie ist die Reflexion der Wissenschaft grundsätzlich und unabhängig von einer Einzelwissenschaft. Typische Fra‐ gen sind u. a.: Wie unterschieden sich die Zielsetzungen von Verstehen, Er‐ klären, Verändern? Welche Forschungsmethoden kommen jeweils infrage? Was unterscheidet wissenschaftliches Wissen von Alltagswissen? Was ist eine Hypothese? Was ist ein Interview? Welche wissenschaftstheoretische Position wird dabei eingenommen? Welche Kriterien machen eine Aussage wissenschaftlich? Was bedeutet Fortschritt in der Wissenschaft? Die spezielle Wissenschaftstheorie bezieht sich auf eine Einzelwissen‐ schaft oder verwandte Wissenschaftsbereiche, und zwar im Hinblick auf ihre forschungsmethodischen und wissenschaftstheoretischen Vorausset‐ zungen. Der Fokus der Fragen liegt im Allgemeinen auf der Forschungspra‐ xis, z. B.: Wie werden Daten in der Verhaltensbiologie erhoben? Welche Funktion hat ein Experiment in der Biologie? Welche Zielsetzung ist damit 46 1 Die Grundlagen der Wissenschaft <?page no="47"?> verbunden? Wie untersucht man Nebenwirkungen in der Medizin? Wie erforscht man soziale Machtverhältnisse? Wie gestaltet man psychologische Experimente? Im Grunde sind die allgemeine und die spezielle Wissenschaftstheorie zwei Seiten einer Medaille. Beide Perspektiven - die eine abstrakter und auf die Wissenschaft überhaupt bezogen, die andere praxisbezogener und auf eine Wissenschaft bezogen - ergänzen sich, die erste stellt Begriffe, Konzepte als Potential zur Verfügung, die zweite ist das Feld, in dem dieses Potential zur Anwendung kommt und sich als sinnvoll erweist. Eine wissenschafts‐ theoretische Reflexion sollte auf einer integrativen Perspektive beruhen, die Wissenschaft, eine Einzelwissenschaft, eine konkrete Forschungspraxis sollte von beiden Seiten gesehen werden. Wissenschaftstheorie ist als Metatheorie die Reflexion der Forschungs‐ praxis. Die allgemeine Wissenschaftstheorie befasst sich mit der Forschungs‐ praxis überhaupt, mit Wissenschaft insgesamt, auf einer höheren Abs‐ traktionsebene. Eine spezielle Wissenschaftstheorie befasst sich mit einer einzelnen Wissenschaft, es geht bspw. um konkrete Methoden und ihre Voraus‐ setzungen. Exkurs | Bücher über Wissenschaftstheorie In der Einführungsliteratur seit den 2000er-Jahren wird meist eine spe‐ zielle Wissenschaftstheorie behandelt. Wie umfassend wissenschafts‐ theoretische Fragen dabei berücksichtigt werden, ist unterschiedlich. Für die Sozial- und Humanwissenschaften wie Psychologie, Soziologie oder Pädagogik gibt es ein größeres Angebot. Das hängt mit der Vielfalt an Forschungszielen und Forschungsmethoden zusammen, erklärend, verstehend oder verändernd, von quantitativen über qualitative bis zu partizipativen Verfahren. Diese Offenheit benötigt mehr wissenschafts‐ theoretische Reflexion, weil unterschiedliche Positionen in Konkurrenz treten. Entsprechend finden sich in den Lehrbüchern dieser Fächer häu‐ figer differenzierte Diskussionen über die Grundlagen der Forschung. 1.2 Was ist die Wissenschaftstheorie? 47 <?page no="48"?> In den Natur- und Technikwissenschaften wie Physik, Chemie oder Biologie ist die Forschungspraxis stärker standardisiert. Lehrbücher zur Wissenschaftstheorie greifen hier meist auf die Perspektive des Kritischen Rationalismus zurück: Ziel sei es, Hypothesen kritisch zu prüfen, empirische Tatsachen zu erklären und Prognosen zu ermögli‐ chen. Entsprechend sind quantitative Methoden Standard. Doch auch in diesen Fächern gibt es darüber hinaus Diskussion, etwa über den Status von Modellen und Simulationen in der Physik, den Umgang mit Komplexität in der Biologie oder über die Rolle von Visualisierungen und Experimenten in den Lebenswissenschaften. Diese Vielfalt gibt es in der Forschung, seltener aber in den Lehrbüchern. In den Geistes- und Kulturwissenschaften fällt auf, dass es kaum spezielle Lehrbücher zur Wissenschaftstheorie gibt. Dies liegt u. a. daran, dass Wissenschaftstheorie im gängigen Verständnis mit Themen wie Falsifikation, Experiment, Kausalität usw. verbunden wird. Zudem wird theoretisches Forschen und Textinterpretation implizit und praxis‐ bezogen vermittelt, etwa durch die Reflexion methodischer Zugänge beim Interpretieren von Quellen. Zunehmend erweitern jedoch neue Methoden wie Diskursanalyse, Narratologie, Metaphernanalyse und Digital Humanities den methodischen Horizont und erfordern explizite wissenschaftstheoretische Reflexion. Lehrbücher zur allgemeinen Wissenschaftstheorie mit disziplinüber‐ greifendem Anspruch finden sich weniger häufig, teilweise sind sie zu abstrakt und genuin philosophisch oder beschränken sich auf eine bestimmte Position. Häufig dominiert auch hier der Kritische Rationa‐ lismus, während Hermeneutik, Kritische Theorie oder poststrukturalis‐ tische Ansätze marginal behandelt werden. 1.3 Wissenschaft und Forschung Im alltäglichen Sprachgebrauch werden die Begriffe „Wissenschaft“ und „Forschung“ mehr oder weniger gleichgesetzt. Dabei dominieren Vorstel‐ lungen, die aus wissenschaftstheoretischer Perspektive verkürzt oder irre‐ führend sein können. Mit „Wissenschaft“ wird häufig sicheres Wissen assoziiert und eher begrenzt auf die Naturwissenschaften, vor allem wenn es technologische Innovationen oder sichtbare Anwendungen geht. Auch in 48 1 Die Grundlagen der Wissenschaft <?page no="49"?> den Medien gilt „die Wissenschaft“ oft als autoritäre Instanz, deren Aussagen über jeden Zweifel erhaben sind: „Die Wissenschaft hat herausgefunden …“ Gleichzeitig erscheint Wissenschaft als abstrakt, schwer verständlich oder abgehoben vom Alltagsleben. Auch der Begriff „Forschung“ ist verkürzt: z. B. als Tätigkeit, die neue Erkenntnisse findet mit praktischem Nutzen. Sie wird mit Entdeckung, Innovation oder High-Tech assoziiert: Raumfahrt, Impfstoffentwicklung, Künstliche Intelligenz. Die theoretische Forschung bleibt eher im Hintergrund. Dass auch die Arbeit mit historischen Quellen, mit mathematischen Modellen, die Reflexion philosophischer Fragen, die Interpretation literarischer Texte Forschungsarbeit ist, entspricht nicht den gängigen Klischees. Diese Vorstellungen sind nicht falsch, aber vereinfachend. Sie blenden etwa aus, dass Wissenschaft nicht nur neue Erkenntnisse hervorbringt, son‐ dern auch alte überprüft, methodische Standards reflektiert, gesellschaftli‐ che Probleme analysiert und auch sich selbst kritisch - wissenschaftstheo‐ retisch - hinterfragt. Das beginnt schon damit, dass auch die Begriffe Wissenschaft und Forschung selbst auf dem Prüfstand stehen und differen‐ zierter und durchaus unterschiedlich verwendet werden, wie man beispiel‐ haft an den folgenden Konzeptionen erkennen kann. Wissenschaft ≠ Forschung. Wissenschaft wird den Universitäten und Hochschulen zugeordnet, Forschung den Forschungseinrichtungen. Diese Konzeption ist nicht explizit theoretisch fundiert, sondern in der wissen‐ schaftspolitischen Praxis üblich. Meist ist damit auch die hidden agenda verbunden, die Forschung zu privatisieren und ihre wirtschaftliche Ver‐ wertbarkeit zu betonen. Im Gegensatz dazu wird Wissenschaft stärker mit der Lehre und der kulturellen Bildung verbunden. Hinweise für diese Konzeption finden sich z. B. in politischen Entscheidungen oder Gesetzes‐ texten, auch in den Bezeichnungen „Bundesministerium für Bildung und Forschung“ (Deutschland) oder „Bundesministerium für Wissenschaft und Forschung“ (Österreich), die für eine entsprechende Wissenschaftspolitik stehen. Wissenschaft = Forschung und Lehre. Wilhelm von Humboldt (1767- 1835) gilt als Begründer des modernen Wissenschaftsideals, das die Einheit von Forschung und Lehre in den Mittelpunkt stellt. Er verstand Wissen‐ schaft als einen dynamischen Prozess, der über das bloße Sammeln von Fakten hinausgeht und in dem die Schaffung und Vermittlung von Wissen untrennbar miteinander verbunden sind. 1.3 Wissenschaft und Forschung 49 <?page no="50"?> Die Universität als universitas litterarum, als Gesamtheit aller Fächer, steht dabei für die Einheit und Vielfalt des Wissens. Wahre Wissenschaft kann - schon aus Gründen gesellschaftlicher Verantwortung - nicht dauerhaft in Fachgrenzen verharren. Komplexe Herausforderungen wie Technikfolgen, soziale Entwicklungen und ethische Fragen erfordern die Zusammenarbeit und Zusammenführung unterschiedlicher Disziplinen. Für Humboldt sind Lehre und Forschung keine getrennten Aktivitäten. Lehrende sollen selbst aktiv forschen und zugleich die Studierenden in diesen Prozess einbeziehen. Ziel ist es, Studierende zu selbstbestimmten, kritischem Denken und Forschen zu befähigen, anstatt ihnen lediglich Fak‐ ten zu vermitteln. Lernen geschieht dabei nicht durch bloße Reproduktion, sondern durch die gemeinsame Suche nach neuen Erkenntnissen. Humboldt sah die Universität nicht primär als Institution zur Berufsaus‐ bildung, sondern als Ort, in dem sich Persönlichkeit und wissenschaftlicher Geist frei entfalten können. Das Leitprinzip ist die „Bildung durch Wissen‐ schaft“ im Dienste des Allgemeinwohls. Dieses Ideal verbindet individuelle Persönlichkeitsbildung mit kollektiver Verantwortung: Wissenschaft soll nicht nur dem Einzelnen, sondern auch der Gesellschaft als Ganzes zugute‐ kommen. Wissenschaftliche Ausbildung bedeutet daher nicht nur Aneignung von Fachwissen, sondern umfassende Bildung. Reflexion über Sinn, Reichweite und Folgen von Wissen gehören ebenso dazu wie die Übernahme ethischer Verantwortung. Ziel ist die Entwicklung mündiger, kritisch-urteilender Persönlichkeiten, die nicht allein für den Arbeitsmarkt, sondern für die Gesellschaft insgesamt handlungsfähig sind. Das Wissenschaftsverständnis Humboldts betont methodische Offenheit, kritische Reflexion und die Suche nach Erkenntnis als fortwährenden Prozess. Forschung ist dabei nicht auf einzelne Disziplinen beschränkt, sondern schließt theoretische, kulturelle und gesellschaftliche Dimensionen mit ein. Obwohl das Humboldt’sche Bildungsideal heute angesichts ökonomi‐ scher Zwänge, der zunehmenden Spezialisierung und den Herausforderun‐ gen der Massenuniversität kritisch diskutiert wird, bleibt das Prinzip der Einheit von Forschung und Lehre ein Orientierungsrahmen für die Hoch‐ schulentwicklung. Es dient weiterhin als Maßstab für Qualität, Freiheit und Verantwortung wissenschaftlicher Arbeit - und stellt damit ein dauerhaft gültiges Korrektiv gegen die Reduktion der Universität auf reine Berufsqua‐ lifikation oder ökonomische Verwertbarkeit dar. 50 1 Die Grundlagen der Wissenschaft <?page no="51"?> Wissenschaft = Forschung. Aus wissenschaftstheoretischer Sicht, insbe‐ sondere im Kritischen Rationalismus, werden Wissenschaft und Forschung gleichgesetzt. Wissenschaft gilt hier als die Praxis der Erkenntnisgewin‐ nung, in der die methodisch gesicherte Generierung, Prüfung und Kritik von Hypothesen im Vordergrund steht. „Wissenschaft“ wird fast ausschließlich über die Logik der Forschung definiert: Hypothesen werden aufgestellt, deduktiv geprüft, experimentell getestet und im Falle ihrer Widerlegung verworfen. Diese verkürzte Perspektive blieb jedoch nicht unwidersprochen. Die Wissenschaftssoziologie und die Hochschulforschung betonen, dass Wis‐ senschaft mehr ist, als die methodische Fokussierung auf Forschung nahe‐ legt. Wissenschaft findet immer in einem konkreten sozialen und organisa‐ torischen Rahmen statt - in Universitäten, Laboren, Forschungsinstituten. Strukturen, Hierarchien und Kommunikationsnormen beeinflussen die For‐ schungspraxis ebenso wie institutionelle Routinen und Erwartungen. Welche Fragen gestellt werden, welche Theorien als plausibel gelten und welche Methoden akzeptiert sind, hängt von den jeweiligen gesell‐ schaftlichen, kulturellen und politischen Werten ab. Die wissenschaftliche Praxis ist daher nicht wertneutral, sondern wird von Machtverhältnissen, ökonomischen Zwängen und politischen Interessen mitgeprägt. Wissenschaft = System; Forschung = Praxis. Die Wissenschaft ist das umfassende System, in dem Wissen erzeugt, geprüft, gesammelt und weitergegeben wird. Zum System gehören der gesamte Korpus des wis‐ senschaftlichen Wissens, Spielregeln, Standards, Regelwerke und Normen bspw. in Hinblick auf Publikation, die Organisationen und Institutionen, in denen Wissen generiert, überprüft und verbreitet wird (Universitäten, Forschungsinstitute, Verlage, Förderagenturen), die Kommunikations- und Publikationsformen (z. B. Journale, Tagungen), die Anreizsysteme (z. B. Publikationsdruck, Peer Review, Karrierestrukturen), die das Verhalten der Akteure beeinflussen. Die Institutionalisierung von Wissenschaft als System dient der Organisation, Reproduzierbarkeit und Legitimation von wissen‐ schaftlicher Erkenntnis. Sie schafft stabile Räume für Forschung und Lehre, fördert Kooperation und Wettbewerb, und definiert Qualitätsstandards. Forschung findet als Praxis innerhalb dieses institutionellen Systems statt, das normative, strukturelle und ökonomische Rahmenbedingungen setzt. Forschung ist die zielgerichtete, systematische und methodisch kontrollierte Tätigkeit zur Generierung neuen Wissens. Sie umfasst die Entwicklung und 1.3 Wissenschaft und Forschung 51 <?page no="52"?> Überprüfung von Hypothesen und Theorien, die Anwendung geeigneter Methoden (wie Experimente, Analysen, Interviews) sowie die Dokumenta‐ tion und Kommunikation der erzielten Ergebnisse. Forschung ist somit die eigentliche Praxis der Wissenschaft, die zur Erweiterung, Vertiefung und Korrektur wissenschaftlicher Erkenntnisse beiträgt. Im Detail | Das System Wissenschaft systemtheoretisch gesehen Der Soziologe Niklas Luhmann (1990) konzipiert Wissenschaft als ein operativ geschlossenes soziales System, das sich durch spezifische, wis‐ senschaftliche Kommunikationsformen von anderen gesellschaftlichen Funktionssystemen (wie Recht, Politik, Wirtschaft) unterscheidet. Als System steuert Wissenschaft seine Operationen durch spezifische Pro‐ gramme (z. B. Methoden, Theorien, Disziplinen) und vor allem durch die Differenz von Wahrheit und Nicht-Wahrheit, erzeugt Themen und Problemlösungen und grenzt sich von anderen gesellschaftlichen Bereichen ab. Das Wissenschaftssystem beobachtet sich und seine Um‐ welt selbst, bestimmt, was als relevante Frage oder als gültiges Wissen gilt, und steuert diese Entscheidungen über einen kontinuierlichen Reflexions- und Kommunikationsprozess. Wissenschaft bildet keine „absolute“ Wahrheit ab, sondern konstruiert Geltungsansprüche. Jede Erkenntnis ist das Ergebnis des wissenschaftsspezifischen Beobach‐ tungssystems, das seine eigene „Wirklichkeit“ erzeugt, aber auch keine privilegierte Sicht auf eine objektive Realität beanspruchen kann. Wissenschaft ist das institutionelle und normative System, in dem Wissen methodisch gesichert erzeugt, geprüft, gesammelt und weiter‐ gegeben wird. Forschung ist die systematische und methodisch kontrollierte Praxis innerhalb dieses Systems, die neues Wissen generiert und bestehendes überprüft. Im System Wissenschaft gibt es viel zu tun - nicht nur Forschung. Es ist ein vielschichtiges, dynamisches Gefüge, in dem verschiedene Akteure und Institutionen miteinander vernetzt zusammenarbeiten, um Forschung erst zu ermöglichen und dauerhaft abzusichern. 52 1 Die Grundlagen der Wissenschaft <?page no="53"?> Entscheidend sind Lehre und Ausbildung: Sie vermitteln das nötige Fach‐ wissen, die theoretische Grundlagen und methodische Kompetenzen, die sowohl für die berufliche Qualifikation als auch für die wissenschaftliche Tätigkeit unerlässlich sind. Wissenschaftliche Erkenntnisse werden über Verlage publiziert und von Bibliotheken bereitgestellt, die als wichtige Infrastruktur Literatur, Daten‐ banken und Informationsdienste zugänglich machen. Die Qualität wissenschaftlicher Arbeit wird durch Gutachten und Peer-Re‐ view gesichert, die Forschungsergebnisse kritisch prüfen, ob wissenschaft‐ liche Standards eingehalten werden. Zunehmend an Bedeutung gewinnt das Forschungsdatenmanagement, das Daten speichert, pflegt und somit langfristig nutzbar und überprüfbar macht. Die Finanzierung der Forschung steuern Forschungsförderung und -ma‐ nagement: Sie akquirieren Mittel, verwalten sie und steuern strategisch deren Einsatz, was die Möglichkeiten der Forschung stark beeinflusst. Ethikkommissionen sind verantwortlich für den Schutz ethischer Stan‐ dards, etwa bei Datenschutz, Tierschutz oder guter wissenschaftlicher Praxis, und tragen so dazu bei, Fehlverhalten wie Plagiarismus oder Daten‐ manipulation zu verhindern und die Integrität der Wissenschaft zu sichern. Nicht zuletzt wäre das System Wissenschaft ohne Wissenstransfer und gesellschaftlichen Dialog unvollständig. Wissenschaftliche Erkenntnisse müssen über die Fachgemeinschaft hinaus in Politik, Wirtschaft und Öf‐ fentlichkeit kommuniziert werden, um gesellschaftliche Verantwortung zu erfüllen und Innovationen sowie politische Entscheidungen zu beeinflussen. Reflexion | Sind Sie in der Forschung tätig? Aus dieser Definition von Forschung ergibt sich auch, welche Personen Wis‐ senschaftler: innen und Forscher: innen sind. Gemeint ist damit üblicherweise das wissenschaftliche Personal an Hochschulen oder Forschungsinstituten, die Professor: innen, wissenschaftliche Mitarbeiter: innen, Postdocs, die vor allem in der Forschung tätig sind. Zu den Forscher: innen zählen aber auch Promovierende und Studierende, die aktiv Forschung betreiben oder an ihrer Qualifikationsarbeit schreiben, ebenso Studierende, wenn sie im Rahmen von Seminaren oder Projektarbeiten eine Forschungsfrage bearbeiten. Nicht als Forscher: innen im engeren Sinne gelten akademisch gebildete Personen, 1.3 Wissenschaft und Forschung 53 <?page no="54"?> die beruflich wissenschaftliches Wissen anwenden oder weitergeben, bspw. Ärzte, Anwälte oder Lehrpersonen. Forschende sind die eigentlichen Akteure im Wissenschaftssystem. Ne‐ ben Forschung und Lehre übernehmen sie weitere wichtige Aufgaben: Sie kommunizieren Forschungsergebnisse verständlich und adressatengerecht an Politik, Öffentlichkeit und andere Fachdisziplinen, fördern den Wissens- und Technologietransfer in außerwissenschaftliche Bereiche und beraten politische Entscheidungsträger und Institutionen in ihrer Funktion als Expert: innen und Gutachter: innen. Forschung und Forschungsprojekte Was genau tun nun Forscher: innen, wenn sie forschen? Häufig wird For‐ schung mit dem Durchführen von Forschungsprojekten in Verbindung gebracht. Ein Forschungsprojekt ist eine wissenschaftliche Untersuchung mit definiertem Forschungsthema und Forschungsdesign. Der Forschungs‐ prozess folgt einem geplanten und methodisch fundierten Ablauf von der Definition der Forschungsfrage bis zur Publikation der Forschungsergebnisse. Das Ziel eines Forschungsprozesses ist die Generierung neuen Wissens bzw. die Überprüfung und Erweiterung bestehenden Wissens - ggf. mit‐ hilfe von empirischen Daten, theoretischen Modellen, neuen Methoden oder praktischen Lösungen. Die Forschungsergebnisse werden in entspre‐ chenden Formaten (z. B. Zeitschriftenartikel, Forschungsbericht) publiziert. Um Nachvollziehbarkeit und Überprüfbarkeit der Forschungsergebnisse möglich zu machen, werden alle relevanten Schritte, Entscheidungen und Teilergebnisse eines Forschungsprojekts dokumentiert. Wenn wir Forschungsprojekt in diesem Sinne definieren, macht das zwar einen Gutteil der Forschungstätigkeit aus, aber es gibt auch andere Kon‐ texte, in denen Forschung stattfindet. Bevor Forschende z. B. ein großes Projekt beginnen, führen sie kleinere Studien durch, um die Forschungsfrage zu präzisieren, Methoden zu testen oder die Machbarkeit einer Idee zu prüfen. Dazu gehören auch das Recherchieren, Sichten, Analysieren und Dokumentieren von wissenschaftlicher Literatur, auch für Reviews oder sog. Metaanalysen im Vorfeld eines Forschungsprojekts (Niedermair 2023). Im Rahmen der Lehre, insbesondere bei der Betreuung von Abschlussar‐ beiten, findet eine kooperative Forschungsarbeit statt. Wissenschaft lebt vom Austausch in Kolloquien, auf Konferenzen, in Arbeitsgruppen und informellen Gesprächen. Auch die Wissenschaftskommunikation und der 54 1 Die Grundlagen der Wissenschaft <?page no="55"?> Wissenstransfer gehört zur Forschung, da Forschungsergebnisse analysiert und für spezifische Zielgruppen aufbereitet werden - z. B. für ein Lehrbuch. Typen von Forschungsprojekten. In der Praxis können Forschungs‐ projekte unterschiedlich sein. Anhand mehrerer Kriterien lassen sich Ty‐ pologien erstellen. Ein erstes Kriterium betrifft den organisatorischen Kontext, also die institutionellen, finanziellen und strukturellen Rahmen‐ bedingungen, unter denen Forschung stattfindet: • Akademische Forschung: Dazu gehören Projekte an Universitäten und Hochschulen, einschließlich Abschlussarbeiten (Bachelor, Master, Dissertation). Während Universitäten traditionell stärker auf Grundla‐ genforschung ausgerichtet sind, kann an Fachhochschulen die anwen‐ dungsnahe Forschung im Vordergrund stehen. Ziele sind sowohl die Generierung neuen Wissens für die wissenschaftliche Gemeinschaft als auch dessen Transfer in Gesellschaft und Wirtschaft. • Außeruniversitäre Forschungseinrichtungen: Diese decken ein breites Spektrum ab - von reiner Grundlagenforschung über anwen‐ dungsorientierte Projekte bis hin zu strategischer Forschung zu gesell‐ schaftlich relevanten Themen. Hier stehen neben wissenschaftlichen Publikationen auch Patente, Politikberatung und Technologietransfer im Vordergrund. Vergleichbare Strukturen finden sich in regierungsei‐ genen Forschungsstellen. • Industrienahe Forschung: Sie erfolgt in Unternehmen oder im Rah‐ men von Auftragsforschung. Ihr Ziel ist in der Regel die Entwicklung neuer Produkte, Technologien oder Verfahren, oft mit Blick auf wirt‐ schaftliche Vorteile wie Patente, Effizienzsteigerungen oder Marktfüh‐ rerschaft. • Forschung in Non-Profit-Organisationen und Stiftungen: Hier stehen Themen wie Gesundheit, Bildung, Umweltschutz oder soziale Gerechtigkeit im Zentrum. Hauptziel ist weniger die Publikation, son‐ dern die Förderung gesellschaftlicher Veränderung. • Freie bzw. unabhängige Forschung: Sie findet außerhalb etablierter Institutionen statt, getragen von Einzelpersonen, kleinen Gruppen oder zivilgesellschaftlichen Initiativen. Sie ist thematisch freier, dafür aber finanziell und strukturell herausfordernder. Ein zweites Kriterium ist die Zielsetzung der Forschung, die eine weitere Differenzierung ermöglicht: 1.3 Wissenschaft und Forschung 55 <?page no="56"?> • Angewandte Forschung (Applied Research): Sie ist auf die Lösung konkreter Probleme mit Blick auf direkte Anwendbarkeit gerichtet, etwa die Entwicklung eines Impfstoffs. • Entwicklungsforschung (Developmental Research, Design-Based Re‐ search): Sie dient der Entwicklung oder Optimierung von Produkten, Prozessen oder Interventionen, zum Beispiel einer App zur Förderung psychischer Gesundheit bei Jugendlichen. • Aktionsforschung (Action Research): Hier ist das Ziel die unmittel‐ bare Veränderung und Verbesserung einer sozialen Praxis, etwa durch die gemeinsame Entwicklung eines Anti-Cybermobbing-Konzepts mit Lehrkräften. • Theoriearbeit: Dieser Bereich widmet sich der Entwicklung neuer Konzepte, der Präzisierung bestehender Theorien oder der kriti‐ schen Auseinandersetzung mit philosophischen und methodologischen Grundlagen. • Grundlagenforschung (Basic Research, Blue Sky Research). Manch‐ mal forschen Wissenschaftler: innen aus Neugier und zu rein wis‐ senschaftlich motivierten Fragestellungen ohne unmittelbare Anwen‐ dungsziele oder wirtschaftliche Verwertbarkeit. Grundlagenforschung kann der Beginn bahnbrechender Entdeckungen sein. Exkurs | Der blaue Himmel hat es in sich Die synonyme Bezeichnung Blue Sky Research hat sich in den 1960er Jahren in der britischen und US-amerikanischen Forschungs- und Wissenschaftspolitik etabliert, als zunehmend die Bedeutung von For‐ schungsprojekten erkannt wurde, die keine unmittelbar anwendungs‐ orientierte Zielsetzung (bspw. im Bereich der Industrie oder des Militärs) verfolgen, also außerhalb von technologischen oder ökonomischen Verwertungskalkülen forschen. Dieses Etikett ist metaphorisch gemeint, wird aber auch zurückgeführt auf eine Anekdote über Lord Rayleigh ( John William Strutt) im 19. Jahr‐ hundert, der in seinen physikalischen Untersuchungen zu erklären versuchte, warum der Himmel blau ist. Seine Hypothese war, dass die blaue Farbe anhand der Streuung des Lichtes an Partikeln entsteht, die viel kleiner sind als die Wellenlänge der Strahlung, wie es bei den Gas‐ molekülen der Atmosphäre der Fall ist (die sog. Rayleigh-Streuung). Der Clou besteht darin, dass dieses scheinbar belanglose Forschungsergebnis 56 1 Die Grundlagen der Wissenschaft <?page no="57"?> später zu differenzierten Einsichten über die Lichtstreuung führte, die heute unter anderem in der Optik, Atmosphärenforschung und sogar in der der Medizin Anwendung finden. Auch als Albert Einstein Anfang des 20. Jahrhunderts seine revolutionä‐ ren Theorien zur Relativität, Lichtgeschwindigkeit und Raum-Zeit-Be‐ ziehungen entwickelte, zählte nicht die Perspektive einer möglichen Anwendung. Niemand hätte damals zu träumen gewagt, dass diese physikalischen Prinzipien Jahrzehnte später die Basis für Technologien wie GPS-Systeme bilden würden. Ähnlich auch in der Grundlagenfor‐ schung zur DNA: Als Friedrich Miescher im Jahr 1869 die Nukleinsäure entdeckte, wurde die Tragweite dieser Pionierleistung nicht erkannt. Das Ziel war „nur“, die molekularen Grundlagen des Lebens zu erklären, ohne die biotechnologischen Anwendungen im Blick zu haben, die später entwickelt wurden, unter anderem in der Gentechnik und in der Medizin im Zusammenhang mit Diagnoseverfahren, Medikamenten, personalisierten Therapieformen. Die Zielsetzung und der institutionelle Kontext eines Forschungsprojektes sind unter anderem auch bedeutsam im Hinblick auf die Freiheit der Wissenschaft. Grundlagenforschung hat größere Spielräume als anwen‐ dungsorientierte Forschung. Aber ökonomische und politische Erwartun‐ gen können diese Freiheit einschränken, etwa durch konkrete Zielvorgaben, wirtschaftliche Verwertungsinteressen oder politische Prioritäten. So kann z. B. die Freiheit der Wissenschaft in der Grundlagenforschung über Teil‐ chenphysik größer sein als in einem staatlich geförderten Projekt zur Evaluierung von Schulreformen. Deutlich ist der Einfluss auch in der Indus‐ trieforschung, wo Patentrecht, Verwertungslogik und Unternehmensziele Forschungsziele bestimmen können. Auch Forschungsmethoden können betroffen sein, wenn bspw. bevorzugt Projekte mit einem quantitativen Design gefördert werden. In den aktuellen Debatten zur Wissenschaftsfreiheit spielt die Finanzie‐ rung eine wichtige Rolle. Die Abhängigkeit von Drittmitteln und die Fokus‐ sierung auf quantifizierbare Ergebnisse können die Freiheit, langfristige Grundlagenforschung zu betreiben, erheblich mindern. Häufig werden vor allem Projekte gefördert, die Forschungsergebnisse erwarten lassen, die unmittelbar verwertbar sind, während unkonventionelle Ansätze weniger Unterstützung erhalten. 1.3 Wissenschaft und Forschung 57 <?page no="58"?> Hinzu kommt der politische und gesellschaftliche Druck, dem Forschende in sensiblen Bereichen wie der Klima- oder Genderforschung ausgesetzt sind. Hier steht nicht nur die finanzielle Förderung im Fokus, sondern auch der Schutz der Forschenden vor Angriffen und Anfeindungen, um ungestörtes Arbeiten zu ermöglichen. Der staatliche Einfluss zeigt sich zudem in der Schwerpunktsetzung der Forschungsförderung auf politisch priorisierte Themen. Diese Ausrichtung kann dazu führen, dass innovative, aber nicht im politischen Fokus stehende Projekte benachteiligt werden. Vor diesem Hintergrund fordern viele eine stärkere Grundfinanzierung, um Hochschulen und Forschungseinrichtungen unabhängiger von externen Geldgebern zu machen und so die Freiheit der Wissenschaft zu sichern. Reflexion | In welchen Situationen halten Sie die Freiheit der Wis‐ senschaft für besonders gefährdet - und welche Rolle spielen dabei Zielsetzung, institutioneller Kontext und Finanzierung von Forschung? Man kann davon ausgehen, dass alle Personen, die in Wissenschaft und Forschung tätig sind, genug zu tun haben, in der Forschungspraxis, in der Lehre, im Studium, in ihrem gesellschaftlichen, politischen, wirtschaftlichen Umfeld. Wozu braucht es dann auch noch Wissenschaftstheorie? 1.4 Wie wirklich ist die Wirklichkeit? Ein Grund, warum es Wissenschaftstheorie braucht, ist, dass in Wissen‐ schaft und Forschung immer wieder ein paar hartnäckige „philosophische“ Fragen auftauchen - und übrigens durchaus auch im Alltagsleben. Z. B. die ontologische Frage: Was ist eigentlich die „Wirklichkeit“ - und eine sog. epistemologische: Wie können wir die Wirklichkeit, was immer sie auch ist, erkennen? Oder - um es mit Paul Watzlawick (2005) zu formulieren: Wie wirklich ist die Wirklichkeit? Dass es eine Wirklichkeit gibt, davon kann man wohl ausgehen: Aber was ist das für eine Wirklichkeit? Ist die Welt, die wir erkennen, einfach da - unabhängig von uns - und wir entdecken, lernen und wissen Schritt für Schritt mehr über sie? Oder ist das, was wir als Wirklichkeit erkennen, das Ergebnis unserer eigenen Konstruktionen, also geprägt von subjektiven Perspektiven, von unserer Lebenswelt, Sprache, Medien, Kultur? 58 1 Die Grundlagen der Wissenschaft <?page no="59"?> Dies sind die Kernbotschaften von zwei epistemologischen Positionen. Die eine - der Realismus - geht davon aus, dass die Wirklichkeit als Wirklichkeit an sich und unabhängig von unserem Bewusstsein existiert und wir sie durch Beobachtung, Messung und logisches Denken erkennen können. In vielen Naturwissenschaften ist diese Sichtweise entscheidend und wird als selbstverständlich vorausgesetzt: Die Gravitation z. B. wirkt tatsächlich, auch wenn wir sie nicht wahrnehmen, und ein Medikament entfaltet seine Wirkung, unabhängig von unserer Meinung darüber. Der Konstruktivismus hingegen betont, dass Wissen nicht einfach das Abbild der Realität ist, sondern von den Subjekten konstruiert wird - dass Wirklichkeit also immer schon eine Wirklichkeit für uns ist. Unsere Begriffe, Modelle und Theorien schaffen die Formen, um überhaupt etwas als „wirklich“ wahrnehmen und beschreiben zu können. Vor allem soziale Phänomene existieren in dieser Sichtweise nicht einfach an sich, sondern werden erst durch Interaktionen, Bedeutungszuschreibungen und kulturelle Kontexte hergestellt. Warum ist das aber überhaupt ein Problem für die Wissenschaftstheorie? Spielen wir ein paar fiktive - natürlich überzeichnete - Szenarien durch, wie Sie als Studierende, Lehrende, Forschende in der Praxis mit wissenschaftli‐ chem Wissen arbeiten, unter der Voraussetzung, dass Sie dabei die Frage, was eigentlich wirklich ist oder was Wirklichkeit bedeutet, ausblenden - also nicht an Wissenschaftstheorie denken. • Sie lernen z. B. mit Ihren Vorlesungsskripten, lesen ein Lehrbuch, Fach‐ bücher, Artikel, Sie eignen sich Wissen an über einen Themenbereich Ihres Studienfaches oder Ihres Forschungsbereiches, Sie lernen einiges vielleicht auch auswendig, um Leistungsnachweise zu erfüllen und den Studienerfolg zu sichern: So weit so gut, aber sehen Sie darin auch Bau‐ steine der „Wahrheit“ in diesem Wissensbereich, die die „Wirklichkeit“ exakt abbildet? • Oder wenn Sie als Studierende eine schriftliche Arbeit verfassen, sind Sie vorsichtig und zurückhaltend, Ihre persönliche Meinung kundzutun, das „Ich“ darf nicht vorkommen, Sie legen Wert auf neutrale Interpretation und sachliche Sprache, um die „Wahrheit“ über die „Wirklichkeit“ objektiv darzustellen. • Oder Sie geben Definitionen und Theorien genauso wieder, wie sie Ihnen präsentiert wurden - unter dem Motto: So steht es im Skriptum oder im Lehrbuch und das ist gesicherte „Wahrheit“. 1.4 Wie wirklich ist die Wirklichkeit? 59 <?page no="60"?> • Oder als Studierende der Pädagogik wenden Sie ein didaktisches Kon‐ zept direkt auf Fallbeispiele aus dem Schulalltag an, als wäre das Konzept eine fixe „Wahrheit“ über die „Wirklichkeit“ und ein effizientes Werkzeug, und die Wissenschaft ist für Sie ein Werkzeugkasten, aus dem Sie sich wie ein Handwerker bedienen können. • Oder falls Sie Medizin studieren: Sie lernen die Anatomie des Kör‐ pers, Funktionen, Pathologien, medizinische Interventionen unter dem Motto: Das sind Fakten, das ist die „Wahrheit“, und medizinisches Wissen sagt, wie es in „Wirklichkeit“ ist, und wenn wir uns diese bestmöglich aneignen, werden wir gute Ärztinnen. • Oder als Lehrende sehen Sie sich primär als Vermittler von „Wahrheit“, von gesichertem Wissen und bewährten Forschungsmethoden. • Oder als Forscher: innen legen Sie Wert auf nachprüfbare Beobachtun‐ gen, Experimente und quantitative Daten, die durch empirische Evidenz begründet sind, um damit die „Wahrheit“ zu beweisen. Forschungsme‐ thoden sind für Sie quasi neutrale Techniken, um die „Wirklichkeit“ zu erkennen. Bewusst stehen hier „Wahrheit“ und „Wirklichkeit“ unter Anführungszei‐ chen. Entscheidend in diesen Szenarien ist, dass Wissen, das erforscht, gelehrt, gelernt und angewandt wird, meist als Wahrheit gehandelt wird. Diese Sichtweise beruht auf der ontologischen Voraussetzung, dass es eine objektiv existierende und erkennbare Wirklichkeit gibt, und dass die Wissenschaft das Ziel hat, diese unverfälscht zu beschreiben. Diese Voraussetzung gilt oft als selbstverständlich und wird nicht hinterfragt. So könnte Wissenschaft ohne Wissenschaftstheorie aussehen. Reflexion • In welchen dieser Szenarien können Sie typische Erfahrungen aus Ihrem Studium, Ihrer Lehre oder Forschung erkennen? • Kennen Sie ein Szenario für „Wissenschaft ohne Wissenschafts‐ theorie“? • Kennen Sie ein Beispiel im Alltag, in denen die Annahme „objekti‐ ver Wahrheit“ zu Missverständnissen oder Konflikten geführt hat? Wissenschaft mit Wissenschaftstheorie stellt sich der epistemologischen Frage, ob wir die Wirklichkeit an sich erkennen oder ob wir sie durch unser Wahrnehmen und Denken für uns konstruieren. 60 1 Die Grundlagen der Wissenschaft <?page no="61"?> Exkurs | Wirklichkeit an sich und Wirklichkeit für uns Der Unterschied zwischen einer „Wirklichkeit an sich“ und einer „Wirk‐ lichkeit für uns“ gehört zu den ältesten Fragen der Philosophie. Schon in der Antike geht es um die Frage, ob die Dinge so sind, wie sie uns erscheinen, oder ob sie ein Sein besitzen, das unabhängig von unserer Wahrnehmung besteht. Aristoteles hat dafür die Begriffe καθ’ αὑτό (kath’ auto, „an sich, von selbst“) und πρὸς ἡμᾶς (pros hēmas, „für uns, in Bezug auf uns“) geprägt. An sich sind die wesentlichen Eigenschaften, z. B. der Mensch als „vernünftiges Lebewesen“. Für uns sind die zufälligen Eigenschaften, z. B., dass ein Mensch blass oder sportlich ist. - Platon hatte zuvor schon eine ähnliche Unterscheidung getroffen zwischen den Ideen, als dem wahrhaft Wirklichen, und den sinnlichen Dingen, die uns nur als Abbilder dieser Ideen erscheinen. Die Ideen existieren kath’ auto, ewig und unveränderlich; die wahr‐ genommene Welt dagegen ist lediglich Wirklichkeit pros hēmas, in ihrer Beziehung auf unsere Wahrnehmung. - Im Mittelalter wird die Unterscheidung in scholastischer Terminologie fortgeführt, etwa bei Thomas von Aquin: Er spricht von realitas versus apparentia, von der Realität der Dinge selbst und der Art, wie sie über species sensibilis und species intelligibilis als Erscheinungen in unser Erkennen eingehen. Auch hier wird der Schritt von einer Wirklichkeit an sich zur Wirklich‐ keit für uns thematisiert. - René Descartes unterscheidet zwischen den Dingen als ausgedehnten Substanzen (res extensa) und den Vorstellun‐ gen in unserem Bewusstsein (res cigitans). Ob diese Vorstellungen der Wirklichkeit an sich entsprechen, muss durch Gottes Wahrhaftigkeit garantiert werden. - Immanuel Kant schließlich gibt dieser Differenz ihre klassische wissenschaftstheoretische Form: Das „Ding an sich“ (noumenon) bleibt unerkennbar; was wir erkennen, sind Erscheinungen (phaenomena), also Wirklichkeit für uns, die durch die Formen der Anschauung (Raum und Zeit) und die Kategorien des Verstandes struk‐ turiert ist. Wirklichkeit an sich existiert, aber sie entzieht sich unserem Zugang. - Im 19. und 20. Jahrhundert spalten sich die Positionen. Georg Wilhelm Friedrich Hegel versucht, die kantische Trennung aufzuheben: Wirklichkeit ist nur in der geschichtlichen Entwicklung des Geistes erfahrbar, und dieses „für uns“ ist zugleich die Verwirklichung des Absoluten. Edmund Husserl erklärt, dass alle Wirklichkeit nur intenti‐ onal, also für uns, gegeben ist. Martin Heidegger radikalisiert diese 1.4 Wie wirklich ist die Wirklichkeit? 61 <?page no="62"?> Sicht: Das Sein selbst zeigt sich nie „an sich“, sondern immer schon im Horizont des menschlichen In-der-Welt-Seins. Konstruktivistische Ansätze schließlich betonen, dass es nur eine Wirklichkeit für uns gibt, weil der Rekurs auf eine Wirklichkeit an sich leer bleibt, sobald er nicht in menschliche Praxis und Erkenntnis eingebunden ist. Erkennen, was wirklich ist, kann bedeuten: erkennen, so wie es wirklich ist an sich, also unabhängig von uns, - oder erkennen, so wie es wirklich ist für uns, also wie wir es machen. Naiver Realismus Die Position, wonach wir die Dinge so erkennen, wie sie wirklich sind, ist wie gesagt der Naive Realismus - ähnliche Positionen sind die Abbildtheorie oder der Positivismus. Im Alltagsdenken entspricht diese Sichtweise dem „gesunden Menschenverstand“. „Naiv“ ist nicht abwertend gemeint, sondern bedeutet nur, dass die Überzeugung, wonach die Welt im Wesentlichen so ist, wie wir sie wahrnehmen, nicht reflektiert, nicht hinterfragt wird. Und außer Streit steht, dass diese Sichtweise durchaus zweckmäßig sein kann für die Lebenspraxis und vor allem ökonomisch, denn sie erspart uns Denkarbeit und Diskussionen. Alles wäre kein Problem, wenn es nur unsere eigene private Wirklich‐ keit gäbe. Doch dann wäre auch Kommunikation nicht möglich. Damit wir uns verständigen können, braucht es eine prinzipiell gemeinsame Wirklichkeit, das heißt, eine Übereinkunft darüber, was als wirklich gilt, zumindest teilweise. Wirklich ist das, was mehrere Menschen gemeinsam für wirklich halten, meist ohne es zu hinterfragen, indem sie es z. B. mit einem bestimmten Begriff oder Namen bezeichnen. Entscheidend ist dabei: Diese Übereinkünfte werden selten explizit thematisiert, sie sind zur Selbstverständlichkeit geworden, und sie funktionieren meistens und damit auch die Sichtweise des Naiven Realismus. Im Gegensatz zur alltäglichen Lebenswelt ist der Naive Realismus in der Wissenschaft allerdings problematisch. Auch wieder mit feinen Unterschie‐ den. Durchaus kann diese Sichtweise in vielen technik- und naturwissen‐ schaftlichen Fächern in der Forschungspraxis nützlich sein, da hier mit genau 62 1 Die Grundlagen der Wissenschaft <?page no="63"?> definierten, stabilen, messbaren Sachverhalten gearbeitet wird, die insofern auch eine harte Wirklichkeit bilden, auf deren Grundlage Hypothesen überprüft, Prognosen abgeleitet und Technologien entwickelt werden. Aus diesem Grund wird in diesen Wissenschaftsdisziplinen vermutlich auch weniger wissenschaftstheoretisch reflektiert, Wissenschaftstheorie wird als mehr oder weniger verbindlicher Kanon von Methoden und Techniken abgehandelt, wie man Hypothesen ableitet, mit Studien und Experimenten verifiziert usw. Doch so neutral auch Technikwissenschaften scheinen mögen, auch sie konstruieren ihre Wirklichkeit und legen die Schienen für die Szenarien der Anwendung der Forschungsergebnisse in mitunter leider destruktiven Technologien. In den Geistes- und Sozialwissenschaften hingegen kommt die epistemo‐ logische Annahme des Naiven Realismus ohnedies schnell und sichtbar an seine Grenzen. Die Annahme, dass Wissenschaft nur „Wahrheit abbildet“, erweist sich hier, gerade auch in der Forschungspraxis, als nicht haltbar. Vielmehr beruht „Wahrheit“ auf Interpretation und ist nicht einfach eine „Abbildung der Wirklichkeit“, es sei denn bestenfalls als Wahrheit dessen, der sie so interpretiert und ggf. durchsetzt. Soziale Phänomene sind kon‐ struiert, insofern sie von Interaktionen und Bedeutungszuschreibungen abhängen und nicht von einer vermeintlichen objektiven Realität im natur‐ wissenschaftlichen Sinne. Auch die Perspektive des Forschenden, die von ihm vertretenen Theorien und die verwendeten Methoden, sind im Spiel bei der Konstruktion dessen, was als „Wahrheit“ gefunden wird. Entsprechend gibt es in diesen Wissenschaften auch eine lebendige Diskussion über Forschungsmethoden und wissenschaftstheoretische Positionen. Für die Vorstellung, dass Wissenschaft eine objektive Realität abbildet, kann man mehrere Gründe anführen. Vor allem spricht der spektakuläre Erfolg der Naturwissenschaften dafür - auf den ersten Blick, wie wir sehen werden. Seit dem 16./ 17. Jahrhundert konnten Disziplinen wie Physik, Chemie und Biologie Theorien und Hypothesen entwickeln, mit denen präzise Vorhersagen und technologische Entwicklungen möglich wurden, die die Lebenswelt grundlegend verändert haben (Medizin, Kommunikation, Mobilität, Transport usw.). Wenn also Naturgesetze an jedem Ort und zu jeder Zeit gelten, objektiv und von den Meinungen und Werten der Forschenden unabhängig sind, ist die Annahme naheliegend, dass ausschließlich die Realität die Instanz ist, die über ihre Wahrheit „entscheidet“, also gibt es eine objektive Realität. Und 1.4 Wie wirklich ist die Wirklichkeit? 63 <?page no="64"?> man kann sich dabei auch auf die Prinzipien der Universalität, Objektivität und Wertfreiheit der Wissenschaft berufen. Dazu kommt die Vorstellung, dass sich die Wissenschaft der „Wahrheit“ quasi asymptotisch annähert, wissenschaftliche Theorien werden ständig getestet und optimiert. Auch was die Rolle der Wissenschaften in der Gesellschaft betrifft: wenn wissenschaftliche Erkenntnisse zu Lösungen für reale Probleme führen (bspw. Energieerzeugung, Impfstoffe, Brückenbau), müssen wissenschaftliche Erkenntnisse ja „Wahres“ über die Welt aussagen. Und damit hängt zusammen, dass sich Politik, Wirtschaft und Gesellschaft auf wissenschaftliche Erkenntnisse als „harte Fakten“ verlassen, um fundiert Entscheidungen zu treffen - wenn Wissenschaftler einmal andeuten, dass ihre Erkenntnisse „nur“ Hypothesen sind, verliert Wissenschaft an Wert. Und nicht zuletzt gibt es das menschliche Bedürfnis nach Gewissheit und Sicherheit in einer komplexen und unsicheren Welt, und eine Wissenschaft mit objektiven „Fakten“ und „Wahrheiten“ bedeutet Stabilität. Unter der Voraussetzung des Naiven Realismus, wonach Erkenntnis, vor allem die wissenschaftliche, die Wirklichkeit objektiv abbildet, wäre in einem gewissen Sinn tatsächlich vieles einfacher. Die Frage, wie Erkenntnis überhaupt möglich ist, wäre damit beantwortet und ad acta zu legen. Auch wäre nicht mehr darüber zu diskutieren, welches Ziel wissenschaftliche Erkenntnis hat, eine Reflexion der Wissenschaft auf einer Metaebene wäre witzlos und insofern wäre auch die Wissenschaftstheorie obsolet. Das würden viele Naturwissenschaftler: innen wohl auch so sehen bzw. intuitiv von dieser naiv realistischen Sichtweise ausgehen und gar nicht darüber nachdenken. Exkurs | Realismus, Skeptizismus, Konstruktivismus George Edward Moore (1873-1958) verteidigt in Proof of an External World (1939) den Common-Sense-Realismus, wonach unsere Erfahrung grundsätzlich verlässlich ist, insofern sie die Realität an sich abbildet, gegen den philosophischen Skeptizismus, der radikal bezweifelt, dass wir mit Gewissheit wissen können, ob eine Außenwelt existiert oder ob unsere Wahrnehmungen nicht bloße Erscheinungen, Täuschungen oder Träume sind. Moore wollte zeigen, dass solche Zweifel denkbar, aber unvernünftig sind, weil sie alltägliche Gewissheiten untergraben, die wir mit größerer Sicherheit wissen als jede skeptische Hypothese. 64 1 Die Grundlagen der Wissenschaft <?page no="65"?> Sein legendärer „Beweis“ für die Existenz einer Außenwelt ging so: Er hob seine rechte Hand und sagte: „Hier ist eine Hand“, dann die linke: „Und hier ist eine andere.“ Wenn es also mindestens zwei Hände gebe, dann müsste es wohl äußere Dinge überhaupt geben. Moores Intention war nicht, die Annahme der Existenz der Außenwelt logisch zu beweisen, sondern ihre Plausibilität zu erhöhen durch die Umkehrung der skeptischen Sichtweise: Wir wissen mit mehr Gewissheit, dass wir Hände haben, als dass wir wissen, dass es sich um eine Täuschung handeln könnte. Ludwig Wittgenstein (1889-1951), der Moore persönlich sehr schätzte und in Cambridge häufig mit ihm diskutierte, griff später in seinen No‐ tizen Über Gewissheit (1950-51) diese Überlegungen auf. Er teilte Moores Intention, den Skeptizismus zu entkräften, kam aber zu einem anderen Schluss: Sätze wie „Hier ist eine Hand“ sind keine Wissenssätze, sondern Grundüberzeugungen (hinge propositions), auf denen alles Wissen und Zweifeln beruht. Sie sind nicht beweisbar, sondern bilden den Rahmen des Wissens selbst. Das heißt, die Außenwelt ist nicht beweisbar, sie wird vorausgesetzt - und umgekehrt ist auch der Skeptizismus nicht haltbar: „Wer an allem zweifeln wollte, der würde auch nicht bis zum Zweifel kommen. Das Spiel des Zweifelns selbst setzt schon die Gewißheit voraus.“ (1984b, 2, §115) - ein Schritt in Richtung Konstruktivismus. Reflexion | Wie sehen Sie das - naiv realistisch oder konstruktivis‐ tisch? • Klimamodelle beschreiben die Zukunft so, wie sie eintreten wird - oder: Klimamodelle sind Werkzeuge, die auf bestimmten Annah‐ men und Daten basieren und mögliche Szenarien berechnen. • Das MRT zeigt die innere Struktur des Gehirns, wie sie „wirklich“ ist - oder: Das Bild ist das Ergebnis mehrstufiger Datenerfassung, Berechnung und Visualisierung. • Epidemiologische Modelle geben exakte Vorhersagen über Infek‐ tionsverläufe - oder: sie sind hypothetische Projektionen, deren Gültigkeit an Annahmen, Datenqualität und Kontext gebunden ist. • Eine Landkarte bildet die Erdoberfläche objektiv ab - oder: Jede Karte ist eine Abstraktion, abhängig von Maßstab, Projektion und thematischer Gewichtung. 1.4 Wie wirklich ist die Wirklichkeit? 65 <?page no="66"?> • „Depression“ oder „ADHS“ sind objektive, klar definierte medizi‐ nische Entitäten - oder: Diagnosen sind Klassifikationen auf Basis von Symptomen, deren Kriterien kulturell und historisch variieren. • Es gibt „das Gen für Intelligenz“ oder „das Gen für Aggression“ - oder: Gene wirken nie isoliert, nur im Kontext von Umwelt, Epigenetik und sozialer Prägung. • Eine historische Fotografie zeigt, „wie es wirklich war“ - oder: Objekt- und Kontextauswahl usw. prägen, was als „Vergangenheit“ sichtbar wird. • Ergebnisse von Umfragen spiegeln die „wahre Meinung“ der Be‐ völkerung - oder: Fragestellung, Antwortoptionen, Zeitpunkt usw. konstruieren das Ergebnis. Es gibt mehrere Gründe gegen die Annahme eines naiven Realismus: Wissenschaftliche Erkenntnis hängt von Methoden, Messinstrumenten und vorausgesetzten Theorien ab. Ein Thermometer misst objektiver als unsere eigene Wahrnehmung von kalt oder warm. Ein Mikroskop zeigt uns Dinge, die wir nicht wahrnehmen können und die es ohne Technik für uns nicht geben würde. Wenn man behauptet, Messdaten seien objektiv, kann man fragen: Welche Theorie hat zur Entwicklung dieses Messinstruments geführt? Auch die Quantenphysik zeigt uns, dass die Beobachtung die „Wirklichkeit“ auf subatomarer Ebene konstruiert. Selbst scheinbar objek‐ tive Daten sind nicht neutral, sondern durch Modelle und theoretische Konzepte geprägt. Modelle (z. B. das Atommodell, Modelle des Klimawan‐ dels) sind keine Abbilder der Realität, sondern heuristische Konstrukte. In der Biologie ist die Definition einer „Art“ trotz biologischer Merkmale auch ein theoretisches Konstrukt. Ähnlich ist die Klassifikation von Krankheiten in der Medizin nicht nur eine objektive Entdeckung, sondern beruht auf dem Konsens, dass bestimmte Symptome unter einen Begriff gebracht werden. Genauso machen Begriffe wie „Motivation“ in der Psychologie nur Sinn innerhalb einer wissenschaftlichen Theorie, Motivation selbst ist kein psychischer Zustand, sondern ein theoretisches Konstrukt, abhängig von bestimmten Indikatoren, denn erst diese machen es möglich, Motivation festzustellen und zu messen. Auch Experimente sind im Hinblick auf die Wirklichkeit konstruktiv wirksam: Sie finden unter kontrollierten Bedingungen statt, die Komplexität der „realen Welt“ wird stark reduziert. Insofern ist die Übertragung von Laborergebnissen auf komplexe, offene Systeme immer eine Interpretation. 66 1 Die Grundlagen der Wissenschaft <?page no="67"?> Manchmal zeigen diese Systeme Eigenschaften, die sich nicht linear aus den Eigenschaften ihrer Teile ableiten lassen. Dieses Phänomen der Emergenz ist mit einem positivistischen, realistischen Ansatz nicht vereinbar. Ein Medikament z. B., das im Kontext eines Labors unter sterilen Bedingungen wirkt, zeigt im menschlichen Körper im Kontext mit anderen Krankheiten, Genetik und Lebensstil andere Effekte. Die „Wirklichkeit“ der Wirkung ist eine Konstruktion im jeweiligen Kontext. Ebenso sind technische Entwicklungen nicht einfach neutrale Werkzeuge, die in einer Realität an sich angewendet werden, sondern sie schaffen selbst neue Realitäten, die wiederum unser Verständnis von der Welt und unsere Interaktionen mit ihr verändern. Jede technische Entwicklung basiert auf Annahmen über Bedürfnisse, Zwecke und die Natur des Menschen. Diese sind nicht objektiv, sondern konstruiert. Auch ein Algorithmus ist ein mathematisches Konstrukt, abhängig von den Daten, mit denen er trainiert wird, und von den Zielen seiner Entwickler. Wissenschaft ist eine soziale Praxis. „Fakten“ werden nicht einfach entdeckt, sondern in Laboren, Konferenzen und Publikationen „gemacht“ und anerkannt. Beispiel | Was Wissenschaften aus menschlichem Tun alles machen können. Wenn jemand etwas tut, könnte man annehmen, dass alle Beobachter dies „gleich“ sehen: „So ist es.“ Tatsächlich unterscheiden sich die wissenschaftlichen Perspektiven, je nach strategischer Zielsetzung der Erkenntnis. Der Behaviorismus sieht menschliches Tun als Verhalten. Entscheidend sind hier beobachtbare Reiz-Reaktions-Muster, während innere Motive oder Ziele ausgeklammert werden. Der methodische Fokus liegt auf messbaren, objektiv beobachtbaren Verhaltensweisen. Zielsetzung ist, Verhalten als Ursache-Wirkungs-Zusammenhang zu erklären. Die Handlungstheorie sieht menschliches Tun als Handlung. Dieser An‐ satz geht über das Verhalten hinaus und bezieht die subjektive Absicht, also die Motivation, das Ziel oder den Sinn, mit ein. Menschliches Tun ist zielgerichtet und bewusst. Zielsetzung dieser Theorie ist, Handeln aus der Perspektive der handelnden Person zu verstehen. Die Tätigkeitstheorie sieht menschliches Tun als Tätigkeit. Dieser Ansatz, vor allem in der Kritischen Psychologie ist, fokussiert den gesellschaft‐ lichen und kulturellen Kontext, in dem Handlungen stattfinden. Eine 1.4 Wie wirklich ist die Wirklichkeit? 67 <?page no="68"?> Tätigkeit ist nicht nur eine zielgerichtete Handlung, sondern in gesell‐ schaftliche Strukturen und historische Prozesse eingebunden. Zielset‐ zung einer solchen Theorie ist, die gesellschaftlichen Bedingungen der menschlichen Handlungen zu erklären, zu verstehen, aber vor allem sie zu verändern. Reflexion | Stellen Sie sich diese Alltagsszene vor: Sie sind eingeladen und ihr Gastgeber kocht ein Abendessen. Wie würden Sie sein Tun jeweils behavioristisch, handlungs- und tätigkeitstheoretisch sehen? Liegt Ihnen persönlich eine Sichtweise mehr? In welchem „Modus“ könnten Sie am besten mit Ihrem Gastgeber darüber sprechen? Konstruktivismus Wie sieht nun die andere Extremposition, der Konstruktivismus, aus? Szenenwechsel. Stellen Sie sich einen gemütlichen Winterabend vor, Sie blicken aus dem Fenster, es schneit, Sie sind „wissenschaftstheoretisch“ nachdenklich, Sie fragen sich: Was ist das eigentlich, was da vom Himmel fällt? Schnee. Wirklich „Schnee“? Ja - und doch nein, denn es fällt nicht ein Wort vom Himmel, sondern das, was das Wort Schnee bedeutet. Durch die Bezeichnung „Schnee“ können wir das, was vom Himmel fällt, erkennen. Mit dieser Bezeichnung können wir zuallererst einmal dieses Etwas, dieses vorher noch unbekannte X, eben als Schnee unterscheiden von möglichen anderen Dingen, die auch vom Himmel fallen: Regen, Hagel, Vögel, Meteo‐ riten, Flugzeuge… Wir erkennen etwas, indem wir Unterschiede machen. Die Wirklichkeit wird mit solchen Unterscheidungen erzeugt, konstruiert. Stellen Sie sich jetzt vor, Sie machen eine Skitour in den Bergen. Sie können dann sicher auch mehrere Arten von Schnee voneinander unter‐ scheiden: Firn, Harsch, Eisschnee… Es gibt also unterschiedliche Unterschei‐ dungen: Im ersten Fall hatten wir nur „Schnee“ , um dieses X von Regen usw. zu unterscheiden, jetzt unterscheiden wir sogar mehrere Arten von Schnee. Wirklichkeit kann also durch unterschiedliche Unterscheidungen unterschiedlich konstruiert werden. Der Sprachphilosoph Benjamin Lee Whorf zeigt das gut in seinem Buch „Sprache - Denken - Wirklichkeit“, u. a. auch am Beispiel des Begriffs „Schnee“: 68 1 Die Grundlagen der Wissenschaft <?page no="69"?> „Die Hopisprache hat nur ein Substantiv für alles, was fliegt, mit Ausnahme der Vögel, deren Klasse durch ein anderes Hauptwort bezeichnet wird. Das erste Substantiv, so können wir sagen, bezeichnet die Klasse (FK-V) - Klasse alles Fliegenden abzüglich der Vögel. Die Hopis nennen Insekten, Flugzeuge und Flieger alle mit dem gleichen Wort und sehen darin keine Schwierigkeit. Uns erscheint diese Klasse zu groß und umfassend, aber nicht anders erscheint den Eskimos unsere Klasse ‚Schnee’. Wir haben nur ein Wort für fallenden Schnee, Schnee auf dem Boden, Schnee, der zu eisartiger Masse zusammengedrückt ist, wässrigen Schnee, windgetriebenen, fliegenden Schnee usw. Für einen Eskimo wäre dieses allumfassende Wort nahezu undenkbar. Er würde sagen, fallender Schnee, wässriger Schnee etc. sind wahrnehmungsmäßig und verhaltensmäßig verschieden, das heißt, sie stellen verschiedene Anforderungen an unser Umgehen mit ihnen. Er benützt daher für sie und andere Arten von Schnee verschiedene Wörter.“ (Whorf 2008, S. 14f.) Um Dinge erkennen zu können, benötigen wir Möglichkeiten von Unterscheidungen. Es gibt unterschiedliche Möglichkeiten, Dinge zu unterscheiden. Aber wovon hängt es ab, über welche Unterscheidungen wir verfügen und welche wir verwenden? Offenbar von vielen Faktoren: Von unserer Lebenswelt, von der Umwelt, in der wir leben, von der Situation, in der wir uns gerade befinden, von der Kultur, in der wir aufwachsen, von der Sprache, die wir sprechen, und sicher auch von unserer Persönlichkeit. Die Eskimos kennen in ihrer Kultur und in ihrer Sprache mehrere unterschiedliche Bezeichnungen für Schnee, weil diese Unterschiede der Schneekonsistenz in der Umwelt, in der sie leben, überlebenswichtig sind. Und wahrscheinlich gibt es auch bei den Eskimos zwanghafte Persönlich‐ keiten, die diese Unterscheidungen noch etwas genauer nehmen. Noch ein Beispiel: das bekannte Glas Wasser. Dieses können Sie als halb voll beschreiben. Genauso kann man es auch als halb leer beschreiben, und es ist noch immer dasselbe Glas Wasser. Und halb voll und halb leer sagen auch im Hinblick auf die Quantität des im Glas befindlichen Wassers dasselbe. Wer nur die Sache sieht, das wie auch immer gefüllte Glas Wasser, wundert sich nicht länger. Beide Beschreibungen erfüllen im Hinblick auf die Sache denselben Zweck genauso gut: Nämlich dieses Glas sowohl von einem vollen 1.4 Wie wirklich ist die Wirklichkeit? 69 <?page no="70"?> als auch von einem leeren Glas zu unterscheiden. Als Unterscheidungen sind beide Beschreibungen brauchbar. Doch wenn man sich nicht zufrieden gibt damit, dass beide Unterschei‐ dungen genauso gut dasselbe X dingfest machen, sondern wenn man sich als Philosophin den Luxus leistet zu fragen, warum es diese Unterscheidungen überhaupt gibt und wie sie verwendet werden, um dieses X zu bezeichnen, dann erkennt man, dass es Unterschiede in diesen Unterscheidungen gibt. Subtile, aber immerhin: Da sprechen einmal der Optimist und einmal der Pessimist, der eine ist froh, dass das Glas noch halb voll ist, und ist überzeugt, irgendwann wird es wieder ganz voll sein, aber der andere meckert, dass es schon halb leer ist und bald ganz leer sein wird. Die Welt des Optimisten ist eine andere als die Welt des Pessimisten - um es zu formulieren in Anlehnung an den Satz von Ludwig Wittgenstein in seinem Tractatus logico-philosophicus: „Die Welt des Glücklichen ist eine andere als die des Unglücklichen.“ (Wittgenstein 1984, Satz, 6.43) Beide verwenden jeweils ihre eigene Sprache, und tun sich schwer, eine andere Sprache zu verstehen: „Die Grenzen meiner Sprache sind die Grenzen meiner Welt.“ (Satz 5.6) Man kann auch sagen, der Optimist und der Pessimist haben eine unterschiedliche „Philosophie“, die Welt zu sehen, sie verwenden dafür unterschiedliche Methoden, sie schaffen sich ihre eigene Wirklichkeit. Dies ist die epistemologische Position des Konstruktivismus. Das Verhält‐ nis von Subjekt und Welt wird quasi auf den Kopf stellt: Die Wirklichkeit ist nicht objektiv gegeben, sondern wird vom erkennenden Subjekt konstruiert. Was wir als „Wirklichkeit“ wahrnehmen, ist nicht die „Welt da draußen“, sondern ein Ergebnis von Interpretation und Konstruktion, die durch Erfah‐ rungen, Vorwissen, Kultur und unsere biologische Ausstattung bestimmt werden. Exkurs | Giambattista Vico: Ein Vorläufer des Konstruktivismus Giambattista Vico (1668-1744) stellte die klassischen Positionen des Rationalismus infrage, insbesondere das Prinzip von René Descartes, wonach wahres Wissen aus „klaren und deutlichen Ideen“ („ideae clarae et distinctae“) folgt. Descartes suchte nach absoluter Gewissheit und mathematischer Klarheit im Wissen, während Vico einen anderen Ansatz verfolgte. 70 1 Die Grundlagen der Wissenschaft <?page no="71"?> Vicos epistemologisches Diktum lautet: „verum ipsum factum“ - Das Wahre ist das Gemachte. Für den Menschen, so Vico, ist die „Klarheit“ des einfach „Gegebenen“ oder objektiv Existierenden nicht verfügbar. Stattdessen kann der Mensch nur Klarheit haben über das, was er selbst geschaffen hat. Gott hat die absolute Klarheit, weil er alles geschaffen hat. Zum Teil gehen konstruktivistische Positionen davon aus, dass es eine Wechselwirkung zwischen Subjekt und Objekt gibt. Das Subjekt schafft das Objekt in seiner Erkenntnis, diese Konstruktion muss jedoch in irgendeiner Weise an die Realität anschlussfähig sein. Der kognitive Konstruktivismus von Jean Piaget beschreibt die individuelle kognitive Entwicklung und den Aufbau von Wissen als Prozess der Assimilation und Akkommodation. Der soziale Konstruktivismus, vertreten etwa von Peter L. Berger und Thomas Luckmann sowie von Lew Wygotski, versteht Wissen und Wirklichkeit hingegen als Ergebnisse sozialer Interaktionen. Im systemischen Konstruk‐ tivismus nach Niklas Luhmann schließlich ist Kommunikation die primäre Operation sozialer Systeme, die so ihre eigene Wirklichkeit hervorbringen. Der sogenannte Radikale Konstruktivismus, vertreten u. a. durch Ernst von Glasersfeld, Heinz von Foerster, Paul Watzlawick, Humberto Maturana und Francisco Varela, führt diese Perspektive konsequent weiter. Wissen ist nicht Entdeckung, sondern nur Erfindung. Es gibt keine Möglichkeit, eine objektive und von uns unabhängige Wirklichkeit als solche erkennen zu können. Unsere Erfahrung und unser Wissen sind immer nur Produkte unserer kognitiven Operationen. Es gibt keine Wahrheit als Übereinstim‐ mung von Aussage und Wirklichkeit, sondern nur Viabilität (Gangbarkeit, Brauchbarkeit, Funktionsfähigkeit), eine Erkenntnis ist dann gültig, wenn sie sich im Handeln bewährt, viabel ist. „Die Umstellung von der herkömmlichen Auffassung, die das Ziel von Wahrneh‐ mung, Erkenntnis und Wissenschaft in einer möglichst ‚wahrheitsgetreuen’ Dar‐ stellung der ‚Wirklichkeit’ sieht, zu einer ‚instrumentalen Anschauung’, die von Wahrnehmungen, Begriffen und Theorien nur Viabilität, also Brauchbarkeit, im Bereich der Erlebenswelt und des zielstrebigen Handelns verlangt, diese Umstellung ist im Grunde begrifflich sehr einfach; doch es bereitet erstaunliche Schwierigkeiten, diese Umstellung im eigenen Denken konsequent durchzuführen.“ (Glasersfeld 1995, S. 22) 1.4 Wie wirklich ist die Wirklichkeit? 71 <?page no="72"?> Der Konstruktivismus verschiebt den Fokus von der Frage „Was ist die Welt? “ hin zur Frage „Wie machen wir uns ein Bild von der Welt? “ Auch wis‐ senschaftliches Wissen wird nicht einfach entdeckt und ausgegraben wie ein Schatz im Gelände, sondern konstruiert im Rahmen sozialer, kultureller und methodischer Voraussetzungen. Das heißt, auch die Wissenschaft ist keine Suche nach objektiven Wahrheiten, sondern ein Konstruieren von Modellen, deren Qualität sich darin zeigt, dass sie in bestimmten Kontexten brauchbar, konsistent und anschlussfähig sind. Was für uns als „wissenschaftlich“ gilt, hängt davon ab, welche Fragen wir stellen, welche Ziele wir verfolgen, welche Methoden wir verwenden, welche Begriffe wir voraussetzen -auch, welche Werte und Interessen wir (bewusst oder unbewusst) einbringen. Und die Vertreter des Radikalen Konstruktivismus scheuen sich nicht davor, auch ihre Theorie selbst anhand dieser Kriterien in ihrer Gültigkeit zu relativieren. Kritiker des Konstruktivismus wenden ein, dass dies zu einem uferlosen Relativismus führen kann, in dem jede Aussage gleich gültig erscheint. In dieser Hinsicht hat der Konstruktivismus tatsächlich einen kleinen Pferde‐ fuß. Wenn wir in unserer Wirklichkeit konsequent alles, was wir oder andere wahrnehmen, erkennen oder glauben, ernsthaft als Konstrukte sehen, mit der Geste, du hast dein und ich habe mein Konstrukt, dann könnte uns das im Alltag arg in die Bredouille bringen. Wir müssten ständig miteinander diskutieren und verhandeln, wer wohl über die „wahre“ Konstruktion verfügt, oder wir würden in den Relativismus verfallen, dass alles wahr ist, also ohnehin alles egal ist, oder wir könnten sogar zum Pessimismus kommen, dass nichts, von dem, wie wir es erkennen, so ist, wie es „in Wirklichkeit“ ist. Im Alltag ist es meistens besser, wenn man sich solche uferlose Reflexion spart. Übertreibung ist nie gut. Doch die Vertreter der konstruktivistischen Position argumentieren, dass es ihnen nicht um Beliebigkeit geht, sondern um die Offenlegung und die kritische Reflexion der Voraussetzungen, auf denen Erkenntnis beruht. Gerade durch diese Reflexion könne Wissenschaft ihre Qualität sichern, also nicht trotz, sondern wegen der Anerkennung ihrer Konstruktivität. Einen Pferdefuß hat übrigens auch der Naive Realismus, der ähnlich zu einer Übertreibung führen kann: Wenn wir davon ausgehen, dass die Wirklichkeit, wie wir sie erkennen und interpretieren, die Wirklichkeit an sich ist, dann müssten wir auch davon ausgehen können, dass alle anderen diese Wirklichkeit genauso erkennen und interpretieren müssten. Wenn sie das nicht tun, unterstellen wir ihnen Unwissenheit oder Dummheit 72 1 Die Grundlagen der Wissenschaft <?page no="73"?> und übersehen eigene blinde Flecken. Hier fällt uns auf den Kopf, dass der Naive Realismus zwar den Denkaufwand im Alltag vermindert, aber auch die Reflexion, was eigene Grenzen angeht. Wir würden also eine Dosis Konstruktivismus benötigen, um die Perspektive zu wechseln und auf der Metaebene über Missverständnisse und Konflikte zu verhandeln. Die Frage, welche dieser Positionen „besser“ ist, lässt sich, wenn über‐ haupt, nur so beantworten, dass es Abstufungen von Konstruktivität gibt, abhängig vom Bereich der Wirklichkeit: Die Wahrnehmung der psychischen und sozialen Wirklichkeit beruht offensichtlich mehr auf Konstruktion als die Wahrnehmung sinnlich wahrnehmbarer Gegenstände. Der Konstruktivismus findet insofern vor allem Resonanz in Sozial- und Bildungswissenschaften, weil es in diesen Disziplinen um das Verstehen sub‐ jektiver Sinnzusammenhänge und sozialer Deutungsmuster geht, und die Variabilität dieser Erkenntnisse offenkundig ist. In diesem Fall sensibilisiert der Konstruktivismus dafür, dass auch eigene theoretische und methodische Zugänge die Art und Weise mitbestimmen, wie der Forschungsgegenstand wahrgenommen wird. Darin liegt das wissenschaftstheoretische Potential des Konstruktivismus. Eine konstruktivistische Perspektive ist vor allem ein Auftrag, die Voraus‐ setzungen, die in der Konstruktion von Wirklichkeit eine Rolle spielen, durch Reflexion sichtbar und als alternative Optionen verfügbar zu machen, wenn es darum geht, ein Forschungsprojekt im Hinblick auf seine Zielsetzung strategisch zu planen und ein geeignetes Forschungsdesgin zu wählen. Reflexion bedeutet, die Selbstverständlichkeit der Erkenntnis hinterfragen im Wissen, dass es Alternativen gibt. Alternativen werden aber nur sichtbar unter der Voraussetzung, dass wir Erkenntnis selbst gestalten können. Inso‐ fern ist die konstruktivistische Perspektive die Voraussetzung für Reflexion - und für die Wissenschaftstheorie. Der Konstruktivismus fördert die Einsicht, dass Methoden, Theorien und Ergebnisse der Wissenschaft von Standpunkten, Perspektiven, Kontexten und Kommunikationen abhängig sind. Er verlangt von Wissenschaftler: in‐ nen, ihre Annahmen, Begriffe und Methoden reflektiert einzusetzen. Kon‐ struktivismus bedeutet also nicht Verzicht auf Begründung, sondern moti‐ viert zu sorgfältiger methodischer Absicherung und zu Offenheit gegenüber neuen Fragestellungen, Methoden und Erkenntnismöglichkeiten. Gerade durch den konstruktivistischen Zugang bleibt Wissenschaft dynamisch und selbstreflexiv, denn sie stellt sich dauerhaft der Aufgabe, ihre eigenen 1.4 Wie wirklich ist die Wirklichkeit? 73 <?page no="74"?> Voraussetzungen und ihre Geltungsansprüche kritisch zu überprüfen und an neue gesellschaftliche oder praktische Herausforderungen anzupassen. Der Konstruktivismus ist eine Voraussetzung, Wissenschaft als begrün‐ dete, methodisch kontrollierte Form von Wissen nicht nur zu praktizie‐ ren, sondern auch zu analysieren, zu reflektieren und weiterzuentwi‐ ckeln - im Sinne einer lebendigen, innovativen und selbstkritischen Wissenschaftskultur. Reflexion | Wissenschaftliche Erkenntnis als Wahrheit oder als Kon‐ struktion Finden Sie ein Beispiel aus der Wissenschaft, das zeigt, wie zu einer Forschungsfrage unterschiedliche Perspektiven und Erfahrungen dazu führen können, dass verschiedene „Wahrheiten“ entstehen. Warum finden Sie das epistemologisch bedenklich? Sind Sie der Meinung, dass es sich um Konstruktionen handelt? Wenn ja, suchen Sie jeweils die Voraussetzungen, auf welchen diese divergierenden Konstruktionen beruhen könnten. Epistemologische Positionen Der Naive Realismus und der Konstruktivismus sind zwei Extrempositionen - und insofern problematisch. Im ersten Extrem kommt es ja nur auf die Wirklichkeit an sich an, und die Forschung würde blind werden im Hinblick auf die eigenen Voraussetzungen. Im anderen Extrem kommt es nur auf individuelle Voraussetzungen der Erkenntnis an, und jede Verbind‐ lichkeit wissenschaftlicher Aussagen würde infrage gestellt sein. Aber die Landschaft der epistemologischen Positionen jenseits dieser Extreme ist vielfältig: Naiver Realismus. Die eine Extremposition nochmals zusammenge‐ fasst: Der Naive Realismus ist eine eher alltagsnahe Grundeinstellung, dass die Welt genau so ist, wie sie uns erscheint. Wahrnehmung wird dabei als unmittelbarer Zugriff auf eine objektiv gegebene Außenwelt verstanden: Die Dinge besitzen die Eigenschaften, die wir an ihnen wahrnehmen (Farben, Formen, Klänge, Gerüche). In der Wissenschaftstheorie gilt der Naive Realismus als unreflektierte Ausgangsposition, die vor jeder erkennt‐ 74 1 Die Grundlagen der Wissenschaft <?page no="75"?> nistheoretischen Kritik steht. Spätere Positionen wie der Kritizismus, der Empirismus oder der Konstruktivismus setzen sich gerade von dieser Sicht ab, indem sie zeigen, dass Wahrnehmung vermittelt, interpretativ oder perspektivisch ist. Beispiel | Ein Studierender in der Anfangsphase seines Psychologiestudiums geht davon aus, dass Farben Eigenschaften der Dinge selbst sind („Das Blatt ist grün“), und hinterfragt nicht, dass die Farbwahrneh‐ mung vom visuellen System des Menschen erzeugt wird. Er nimmt also an, dass die Welt genau so beschaffen ist, wie sie uns erscheint - ohne zu berücksichtigen, dass Wahrnehmung immer durch Sinnesorgane und Gehirnprozesse vermittelt ist. Realismus (von lat. res, Sache, Ding). Der Realismus geht auch davon aus, dass eine objektive, von unserem Bewusstsein unabhängige Realität existiert. Im Unterschied zum naiven Realismus erkennt er jedoch an, dass unsere Wahrnehmung und unser Wissen nicht als unverfälschter Spiegel der Realität zu verstehen sind. Erkenntnis ist immer vermittelt - durch Sinnesorgane, kognitive Strukturen, Sprache und Theorien -, es kann aber trotzdem wahre Aussagen über die Außenwelt geben. Im Sinne des Realismus existieren auch theoretische Entitäten (wie Elektronen oder Gra‐ vitationswellen), die nicht direkt beobachtbar sind, unter der Voraussetzung, dass sich ihre Annahme theoretisch bewährt. Beispiel | Eine Physikerin entwickelt ein Modell zur Struktur von Atomen und testet es mit Experimenten. Sie geht davon aus, dass Atome real existieren und dass ihr Modell diese reale Struktur möglichst genau beschreiben und erklären soll. Wenn die experimentellen Daten mit den Vorhersagen des Modells übereinstimmen, gilt das als Hinweis, dass das Modell der Wirklichkeit entspricht. Empirismus (von griech ἐμπειρία, empeiria, Erfahrung). Der Empirismus geht davon aus, dass alles Wissen letztlich aus der Sinneserfahrung stammt. Der menschliche Geist ist zu Beginn wie ein unbeschriebenes Blatt (tabula rasa), das erst durch Eindrücke, Wahrnehmungen und Beobachtungen gefüllt wird. Erkenntnis ist somit nicht angeboren, sondern das Ergebnis 1.4 Wie wirklich ist die Wirklichkeit? 75 <?page no="76"?> wiederholter Erfahrung. Diese Position wurde vor allem von John Locke, Ge‐ orge Berkeley und David Hume vertreten. Locke betonte, dass der Ursprung aller Begriffe in der Erfahrung liegt; Berkeley radikalisierte dies, indem er behauptete, dass Sein und Wahrnehmung untrennbar verbunden seien („esse est percipi“ - Sein heißt wahrgenommen werden); Hume schließlich zeigte, dass auch Kausalität nichts anderes ist als eine Gewohnheit des Geistes, der regelmäßige Aufeinanderfolgen von Ereignissen beobachtet und daraus eine Verknüpfung erwartet. Erkenntnis entsteht hier induktiv: Aus einer Vielzahl einzelner Beobach‐ tungen werden allgemeine Regeln oder Gesetzmäßigkeiten abgeleitet. Diese Verallgemeinerungen sind jedoch nie absolut sicher, sondern beruhen stets auf Wahrscheinlichkeiten, da sie auf Erfahrung und nicht auf logischer Notwendigkeit gründen. Logische oder angeborene Prinzipien besitzen keinen eigenständigen Erkenntniswert, wenn sie nicht auf Erfahrung zu‐ rückgeführt werden können. Beispiel | Ein Biologe möchte erklären, wie sich eine bestimmte Vo‐ gelart während der Brutzeit verhält. Anstatt mit einer vorgefertigten Theorie zu beginnen, verbringt er viele Wochen im Feld, beobachtet systematisch das Verhalten einzelner Tiere, notiert Uhrzeit, Wetter, Geräusche und Bewegungen und sammelt hunderte von Einzelbeobach‐ tungen. Erst nachdem sich bestimmte Muster wiederholt zeigen - etwa, dass die Vögel in einem charakteristischen Rhythmus Futter sammeln und verteilen - beginnt er, vorsichtige Hypothesen zu formulieren. Diese Hypothesen gelten für ihn zunächst nur so lange, wie sie durch weitere Beobachtungen gestützt werden. Rationalismus (von lat. ratio, der Verstand). Der Rationalismus geht davon aus, dass der Ursprung der Erkenntnis im Denken selbst liegt. Nicht die Erfahrung, sondern die Vernunft ist die eigentliche Quelle des Wissens. Bestimmte Ideen und Prinzipien sind dem Menschen angeboren oder er‐ geben sich notwendig aus der Struktur des Denkens. Diese Grundsätze gelten unabhängig von der Erfahrung und ermöglichen es, aus klaren und einleuchtenden Axiomen (griech. ἀξίωμα, axíoma, Grundsatz, Beschluss) sichere Erkenntnisse zu gewinnen. Vertreter dieser Richtung sind René Descartes, Baruch Spinoza und Gottfried Wilhelm Leibniz. Descartes sah im Cogito ergo sum („Ich denke, 76 1 Die Grundlagen der Wissenschaft <?page no="77"?> also bin ich“) die unerschütterliche Grundlage aller Gewissheit - ein Ge‐ danke, der keiner empirischen Bestätigung bedarf. Spinoza konstruierte seine Ethik nach dem Vorbild der Geometrie, in der alles Wissen streng aus Definitionen und Axiomen deduktiv abgeleitet wird. Leibniz nahm an, dass der Geist „angeborene Ideen“ (notiones innatae) enthält - Strukturen, die erst durch Erfahrung aktualisiert, aber nicht aus ihr hervorgebracht werden. Erkenntnis entsteht hier deduktiv: Aus allgemeinen Prinzipien werden einzelne Wahrheiten logisch abgeleitet. Erfahrung kann diese nur illustrieren oder anregen, aber sie begründet sie nicht. Wissenschaft gilt dann als umso verlässlicher, je stärker sie auf logischen Notwendigkeiten beruht. Wahrheit ist das, was sich klar und deutlich denken lässt (clara et distincta perceptio). Sie ist unabhängig davon, ob sie empirisch überprüfbar ist: Ihre Gültigkeit beruht auf der inneren Notwendigkeit der Gedanken, nicht auf äußerer Bestätigung. So wie der Geometer keine Messungen an realen Dreiecken durchführen muss, um zu wissen, dass die Winkelsumme 180° beträgt, so vertraut der Rationalist auf die Vernunft als das Maß aller Gewissheit. Erfahrung kann seine Überzeugungen ergänzen, aber sie kann sie weder begründen noch widerlegen. Beispiel | Ein Mathematiker arbeitet an einer neuen Beweistheorie in der Logik. Ausgangspunkt sind einige wenige, als selbstverständlich anerkannte Axiome - etwa das Prinzip der Identität oder der Wider‐ spruchsfreiheit. Aus diesen Grundsätzen entwickelt er durch logische Deduktion eine Reihe von Sätzen und Beweisen. Jede neue Erkenntnis ergibt sich zwingend aus den vorherigen Schritten, ohne dass ein Rückgriff auf Beobachtungen oder Experimente nötig wäre. Idealismus (von griech. ἰδέα, idéa, Vorstellung, Idee). Der Idealismus geht davon aus, dass die Grundlage der Wirklichkeit nicht in der materiellen Welt liegt, sondern im Geist, im Denken oder in Ideen. Wirklichkeit ist also kein objektiv bestehendes „Außen“, das der Mensch lediglich abbildet, sondern ein Ausdruck des Geistigen. Was wir als „Realität“ begreifen, ist stets schon durch die Formen unseres Denkens vermittelt. Diese Position wurde besonders im Deutschen Idealismus entwickelt, vor allem von Johann Gottlieb Fichte, Friedrich Schelling und Georg Wilhelm Friedrich Hegel. Für sie ist Erkenntnis keine bloße Reproduktion einer objektiven Welt, sondern eine schöpferische Tätigkeit des Subjekts. Der Geist konstituiert 1.4 Wie wirklich ist die Wirklichkeit? 77 <?page no="78"?> die Welt, indem er sie denkt - die Wirklichkeit ist das, was sich im Denken entfaltet und darin Gestalt gewinnt. Im wissenschaftstheoretischen Sinn betont der Idealismus damit die konstruktive Leistung des erkennenden Subjekts. Raum, Zeit, Kausalität und andere Erkenntniskategorien sind nicht Eigenschaften der Welt an sich, sondern Formen, in denen der Geist Erfahrungen ordnet und deutet. Erkenntnis ist somit nicht Abbild, sondern Ausdruck eines aktiven, sich selbst reflektierenden Bewusstseins. Beispiel | In einer kulturwissenschaftlichen Studie zur Architekturge‐ schichte könnte ein idealistischer Ansatz Bauwerke nicht primär als funktionale oder technische Objekte betrachten, sondern als Verkörpe‐ rungen geistiger Prinzipien. Eine gotische Kathedrale etwa wird nicht lediglich als Reaktion auf ökonomische oder handwerkliche Bedingun‐ gen interpretiert, sondern als Materialisierung einer Idee - der Idee der Transzendenz, der göttlichen Ordnung oder der Harmonie zwischen Mensch und Kosmos. Ein idealistisch denkender Wissenschaftler würde sagen, dass wir Gebäude, Kunstwerke oder gesellschaftliche Institutio‐ nen nur verstehen, wenn wir die ihnen zugrunde liegende Idee begreifen - das Denken, das sich in ihnen objektiviert hat. Kritizismus (von griech. κρίνειν, krinein, unterscheiden). Der Kritizismus ist eine erkenntnistheoretische Position, die davon ausgeht, dass wir die Dinge nicht erkennen, wie sie an sich sind, sondern nur so, wie sie uns unter den Bedingungen unseres Erkenntnisvermögens erscheinen. Diese Haltung wurde maßgeblich von Immanuel Kant begründet. Der Kritizismus ist weder rein empiristisch noch idealistisch, sondern fragt kritisch nach den Bedingungen der Möglichkeit von Erkenntnis: Sinneseindrücke liefern den Stoff der Erkenntnis; Formen des Denkens (u. a. Raum, Zeit, Kausalität) ordnen diesen Stoff. Wissen ist damit eine Konstruktion aus Erfahrung und Denkformen, nicht ein bloßes Abbild der Realität und auch keine reine Schöpfung des Geistes. Beispiel | Eine Forscherin untersucht, wie Menschen Naturphänomene erklären. Aus kritizistischer Perspektive fragt sie nicht, ob ihre Theorien die Natur an sich korrekt wiedergeben, sondern wie ihre Wahrnehmung, Sprache und Denkstrukturen die Theoriebildung prägen. So könnte 78 1 Die Grundlagen der Wissenschaft <?page no="79"?> sie zeigen, dass Konzepte wie „Kraft“ oder „Energie“ in der Physik nicht direkt aus Beobachtungen stammen, sondern durch Denkformen konstruiert werden, die Beobachtungen erst erklärbar machen. Skeptizismus (von griech. σκέπτεσθαι, sképtesthai, prüfend betrachten). Der Skeptizismus gehört zu den ältesten epistemologischen Strömungen. Bereits Pyrrhon von Elis und Sextus Empiricus stellten die Frage, ob der Mensch überhaupt jemals zu sicherem Wissen gelangen könne. In der Neuzeit griffen Michel de Montaigne und David Hume diese Position auf und machten sie zum Ausgangspunkt einer kritischen Philosophie: Es gibt keine absolute Gewissheit, jede Erkenntnis kann sich als trügerisch erweisen. In der Wissenschaftstheorie bedeutet Skeptizismus nicht Resignation, sondern ein methodisches Prinzip: systematischer Zweifel und kritische Reflexion als Voraussetzung für gesichertes Wissen. Er verlangt, dass jede Behauptung überprüfbar, begründbar und im Prinzip widerlegbar sein muss. Beispiel | Ein Klimaforscher weist darauf hin, dass Klimamodelle nie die „Wahrheit“ über die Zukunft liefern können, sondern nur wahrschein‐ liche Szenarien auf Basis unsicherer Daten, also hypothetisch erklären können. Deshalb betont er, dass alle Prognosen vorläufig sind und regelmäßig kritisch geprüft werden müssen. Konstruktivismus (von lat. construere, zusammenfügen usw.). Am anderen Ende steht der Konstruktivismus. Auch nochmals zusammengefasst: Der Konstruktivismus geht davon aus, dass Wirklichkeit nicht einfach vorge‐ funden, sondern im Erkennen aktiv erzeugt wird. Wissen ist kein Abbild einer objektiven Welt, sondern ein Produkt kognitiver, sozialer und sprach‐ licher Konstruktionsprozesse. Erkenntnis ist deshalb immer perspektivisch, situiert und abhängig von den Deutungsrahmen der Erkennenden. Der Radikale Konstruktivismus geht so weit, dass er jede Bezugnahme auf eine von uns unabhängige Realität infrage stellt. Wichtige Vertreter sind etwa Jean Piaget (individueller Konstruktivismus), Lew Wygotski (sozialer Kon‐ struktivismus) sowie Peter Berger und Thomas Luckmann (gesellschaftliche Konstruktion von Wirklichkeit). 1.4 Wie wirklich ist die Wirklichkeit? 79 <?page no="80"?> Beispiel | Eine Bildungsforscherin untersucht, wie Schülerinnen und Schüler naturwissenschaftliche Begriffe verstehen. Aus konstruktivisti‐ scher Perspektive geht sie davon aus, dass Lernende ihr Wissen nicht einfach übernehmen, sondern eigene Deutungsmodelle entwickeln, die sie im Unterricht aktiv mit den neuen Inhalten verknüpfen. Ziel der Forschung ist nicht, „Fehler“ zu finden, sondern zu verstehen, wie diese subjektiven Konstruktionen entstehen und wie sie sich verändern lassen. Epistemologische Positionen bewegen sich zwischen Naiven Realismus und Konstruktivismus, zwischen Erkenntnis der Wirklichkeit nur an sich und Erkenntnis der Wirklichkeit nur für uns. Die Lösung von Immanuel Kant war: Es gibt die Dinge an sich (noumenona), aber wir erkennen sie selbst nicht, nur ihre Erscheinungen (phainomena), insofern sind sie bereits durch unsere Sinne und unseren Verstand quasi gefiltert als Dinge für uns. Eine gute Lösung - wohl die beste, allein schon, wenn man sich überlegt, wie schwer sich Kant die Entscheidung gemacht hat, dem Idealismus abzuschwören - und wie sich das in der Komplexität seiner Formulierungen zeigt: „Der Idealismus besteht in der Behauptung, daß es keine andere als denkende Wesen gebe, die übrigen Dinge, die wir in der Anschauung wahrzunehmen glauben, wären nur Vorstellungen in den denkenden Wesen, denen in der Tat kein außerhalb diesen befindlicher Gegenstand korrespondierete. Ich dagegen sage: es sind uns Dinge als außer uns befindliche Gegenstände unserer Sinne gegeben, allein von dem, was sie an sich selbst sein mögen, wissen wir nichts, sondern kennen nur ihre Erscheinungen, d. i. die Vorstellungen, die sie in uns wirken, indem sie unsere Sinne affizieren. Demnach gestehe ich allerdings, daß es außer uns Körper gebe, d. i. Dinge, die, obzwar nach dem, was sie an sich selbst sein mögen, uns gänzlich unbekannt, wir durch die Vorstellungen kennen, welche ihr Einfluß auf unsre Sinnlichkeit uns verschafft, und denen wir die Benennung eines Körpers geben, welches Wort also bloß die Erscheinung jenes uns unbekannten, aber nichts desto weniger wirklichen Gegenstandes bedeutet.“ (Kant 1976, S.-40, Akademieausg. 288-289) 80 1 Die Grundlagen der Wissenschaft <?page no="81"?> 1.5 Wozu Wissenschaftstheorie? Aber um wieder die Frage aufzugreifen: Wozu benötigen Sie Wissenschafts‐ theorie? Welche Rolle spielen dabei die epistemologischen Positionen? Eine Antwort ist: Das hängt davon ab, wie Sie mit wissenschaftlichem Wissen umgehen. Wenn Sie die Devise vertreten, dass das Wissen, das Sie sich aneignen und reproduzieren oder in Ihrer Forschung selbst produzieren, die Wirklichkeit an sich abbildet, also wenn Sie die epistemologische Position eines Naiven Realismus vertreten, dann könnten Sie wohl oder übel auf Wissenschaftstheorie verzichten und sich auf technisches Wissen rund um Forschungsmethoden und Qualitätskriterien beschränken. Für Ihre zunehmende wissenschaftstheoretische Verunsicherung und Sensibilisierung können wir aber noch einige Szenarien in unterschiedlichen Studienfächern durchspielen, die zeigen, wo und wie epistemologische Fragen virulent werden können. Germanistik. In einer Lehrveranstaltung sollen Studierende das Gedicht „Der Panther“ von Rainer Maria Rilke interpretieren: „Sein Blick ist vom Vorübergehn der Stäbe / so müd geworden, dass er nichts mehr hält. / Ihm ist, als ob es tausend Stäbe gäbe / und hinter tausend Stäben keine Welt…“ Schon bald fällt auf, dass die Deutungen weit auseinandergehen. Während die Lehrende offenbar keine Schwierigkeit damit hat und dies damit erklärt, dass es nicht nur „die eine wahre“ Interpretation gebe, sind die Studieren‐ den verunsichert. Wie könne man dann überhaupt eine wissenschaftliche Aussage treffen? Wenn es keine „wahre“ Deutung gebe, so wäre doch jede Interpretation nur eine persönliche Meinung - und (ein Killerargument) für eine solche sei doch kein Studium nötig. Die Lehrende entgegnet, dass es nicht um eine „Wahrheit“ geht wie z. B. in den Naturwissenschaften, wo eine Hypothese an der Wirklichkeit überprüft werden kann, sondern um die „Wahrheit“ als plausible, konsistent begründete Interpretation, ohne Anspruch allerdings, die einzig wahre zu sein. In einer Interpretation wird der Panther als Metapher für die menschliche Existenz gesehen, der Panther steht für den Menschen, einsam und gefangen in gesellschaftlichen Zwängen und Konventionen usw., er kämpft mit dem Gefühl der Isolation und Sinnlosigkeit: „hinter tausend Stäben keine Welt“. Diese Interpretation kann sich auf Textstellen berufen und der Verweis auf den Existenzialismus ist durchaus plausibel, also solide begründet. 1.5 Wozu Wissenschaftstheorie? 81 <?page no="82"?> Eine zweite Interpretation sieht darin eine Metapher für eine kritische Phase im künstlerischen Schaffen des Dichters selbst. Der Kreis, in dem sich der Panther bewegt, ist ein Symbol dafür, dass sich seine Kreativität nicht entfalten kann, dass der Dichter auf der Stelle tritt, „…sich im allerengsten Kreise dreht“. Auch diese Interpretation ist textbasiert, biografisch plausibel, gut begründet. Die Lehrende weist nochmals daraufhin, dass keine der Interpretatio‐ nen die einzig „wahre“ ist. Beide sind wissenschaftlich valide, sie sind nachvollziehbar (über Zitate), kontextualisiert (Existenzialismus, Biografie), transparent und konsistent. Hier zeigt die wissenschaftstheoretische Reflexion: Wissenschaftliches Wissen ist in diesem Fall keine Wahrheit mit Monopolanspruch, sondern eine begründete Interpretation unter anderen. Verstehen in der hermeneu‐ tischen Textinterpretation ist vom Vorverständnis des Interpreten geprägt. Lesarten und Interpretationen sind subjektiv, aber, sofern sie den Qualitäts‐ kriterien Transparenz, Kontextualisierung, Kohärenz entsprechen, wissen‐ schaftlich valide. Medienpädagogik. Studierende bekommen in einem Seminar den Auftrag, die Medienkompetenz von 15-jährigen Schüler: innen an einer Schule vor Ort zu erheben und zu messen. Sie recherchieren im Netz und finden auf einer Webseite einige Tests mit Quizfragen. Sie sind jedoch mit diesem „Medienkompetenz-Detektor“ nicht einverstanden und möchten selbst einen Fragebogen entwickeln. Das Projekt erweist sich jedoch als komplizierter, sie stolpern plötzlich über die Fragen: Was genau ist Medienkompetenz? Kann man sie überhaupt messen? Wenn ja, kann unser Fragebogen wirklich das messen, was wir unter „Medienkompetenz„ verstehen? Und wenn wir ihn morgen noch einmal testen, kommt dann dasselbe Ergebnis heraus? Wie können wir sicher sein, dass der Test wissenschaftlich ist? Hier setzt wissenschaftstheoretische Reflexion an. Viele theoretische Konzepte sind nicht direkt beobachtbar, sondern Konstrukte, die wir erst operationalisieren, definieren, präzisieren und messbar machen müssen. Angenommen, wir einigen uns auf eine Definition von Medienkompetenz: Medieninhalte kritisch analysieren, über medientechnisches Knowhow ver‐ fügen, Medien reflektiert nutzen und mit Medien gestalten usw.: Welche Indikatoren für Medienkompetenz, die messbar sind, kommen infrage? Welche Messinstrumente eignen sich dafür? Wie können wir dem Quali‐ 82 1 Die Grundlagen der Wissenschaft <?page no="83"?> tätskriterium der Reliabilität entsprechen, das heißt, wie ist es möglich, dass der Test unter gleichen Bedingungen konsistente Ergebnisse liefert? Wie sieht es mit der Validität aus, misst der Test tatsächlich das, was er messen soll, deckt er alle Aspekte von Medienkompetenz ab? Biologie. In einer Vorlesung zum Thema Evolution werden verschiedene Theorien zur Entstehung altruistischen Verhaltens vorgestellt. Z. B. das Prinzip Altruismus bei Verwandten, wonach Individuen eher bereit sind, genetisch nahestehenden Personen zu helfen. Oder das Prinzip des „Wie du mir, so ich dir“, wonach Individuen sich untereinander helfen in der Er‐ wartung, dass ihnen auch geholfen wird. Oder das Prinzip des „Gemeinsam sind wir stark“, also altruistische Gruppen überleben eher als egoistische Gruppen. Die Studierenden sind irritiert: Was ist jetzt die richtige Erklärung - oder ist alles nur Spekulation? Hier setzt wissenschaftstheoretische Reflexion an. Ob eine Hypothese als „wahr“ gilt, hängt jeweils von den theoretischen Annahmen und Rah‐ menbedingungen ab, innerhalb derer sie formuliert und geprüft wird. Wissenschaft kommt selten zu klaren Schwarz-Weiß-Antworten, sondern lebt vom Wettbewerb unterschiedlicher Hypothesen. Diese Vielfalt ist ein Kennzeichen ihrer Lebendigkeit und Differenziertheit. Beispiel | Ein Student erzählt: Eine wissenschaftstheoretische Verunsi‐ cherung „In einem Seminar zur ‚Ethik und Philosophie der Informatik’ beschäf‐ tigten wir uns mit algorithmischen Entscheidungen in der Justiz, unter anderem ging es um das System COMPAS, das in den USA im Einsatz ist, um auf Basis von 137 Merkmalen die Wahrscheinlichkeit zu errechnen, ob Straftäter rückfällig werden. Der Algorithmus selbst ist eine Black Box, da er nicht öffentlich zugänglich ist. Ich war überzeugt, dass der Algorithmus effizienter, objektiver und neutraler in der Beurteilung der Merkmale sei als Menschen, weil ja emotionslos Daten verarbeitet werden. Doch dann lasen wir in einer Studie, dass das System Personen mit ‚schwarzer Hautfarbe‘ fast doppelt so häufig als rückfallgefährdet einge‐ stuft hat, wie Personen mit ‚weißer Hautfarbe‘, obwohl keine ethnischen Merkmale berücksichtigt wurden. Wie kann ein Algorithmus ‚rassis‐ tisch‘ sein, wenn er doch nur mit Zahlen arbeitet? Ich dachte immer, dass 1.5 Wozu Wissenschaftstheorie? 83 <?page no="84"?> Informatik eine ‚exakte Wissenschaft‘ sei, rein formal, logisch, neutral im Umgang mit der Realität. Hier wurde klar, dass Modelle, Trainingsda‐ ten und Problemformulierungen nicht wertfrei sind, sondern historische Gegebenheiten und menschliche Bewertungen widerspiegeln. Meine Überzeugung, dass die Informatik wertfrei ist, war erschüttert, meine Begeisterung für Informatik geriet ins Wanken. Ich begann, mich mit Themen wie Bias in Machine Learning, kritischer Algorithmik, Feminist Data Science oder Philosophie der Technik zu beschäftigen. Mir wurde bewusst, dass die Technik nicht einfach ein neutrales Werkzeug ist, sondern die Wirklichkeit mitgestaltet. Informatik braucht nicht nur guten Programmcode und Algorithmen, sondern auch ethische und wissenschaftstheoretische Reflexion.“ Reflexion | Kennen Sie auch so eine Situation von Verunsicherung? Wir haben gesehen, wo wissenschaftstheoretische Fragen virulent werden und ansatzweise auch, welche Antworten es geben kann. Wir wollen jetzt in einem Überblick zusammenfassen, was Ihnen Wissenschaftstheorie im Studium, in der Forschung - und darüber hinaus - nützt. • Verständnis des eigenen Fachs vertiefen. Wissenschaftstheorie hilft Ihnen zu verstehen, wie Wissen in Ihrem Fach entsteht, welche Metho‐ den angewendet werden und wodurch es sich von anderen Disziplinen unterscheidet. Sie können die wissenschaftliche Diskussion in Ihrem Fach besser einordnen. Widersprüchliche Theorien oder Forschungser‐ gebnisse lassen sich nachvollziehen, wenn man ihre wissenschaftstheo‐ retischen Grundlagen kennt. • Grundlagen von Wissenschaft begreifen. Sie erwerben ein Ver‐ ständnis dafür, was Wissenschaft überhaupt ist - und wie sie sich von Alltagswissen, Meinungen oder Glaubensüberzeugungen unterscheidet. Sie erkennen, dass wissenschaftliches Wissen bestimmten Regeln folgt, argumentativ begründet sein muss und sich prinzipiell der Kritik aus‐ setzt. • Methoden reflektiert einsetzen. Sie lernen, Forschungsmethoden nicht nur anzuwenden, sondern begründet auszuwählen. Sie können Ihre Möglichkeiten und Grenzen einschätzen und zwischen qualitativen 84 1 Die Grundlagen der Wissenschaft <?page no="85"?> und quantitativen Zugängen unterscheiden - je nach Erkenntnisinter‐ esse und Forschungsfrage. • Qualität wissenschaftlichen Wissens beurteilen. Sie entwickeln Kriterien zur Qualitätssicherung: Sie können relevante Informationen auswählen, kritisch bewerten, die Authentizität von Quellen prüfen und die Qualität von Forschungsergebnissen einschätzen. So erkennen Sie auch Falschinformationen, manipulierte Darstellungen oder Pseudowis‐ senschaft - etwa in Medien, Werbung oder Internetforen. • Kritisches Denken und Urteilsvermögen entwickeln. Sie konsu‐ mieren wissenschaftliches Wissen nicht nur, sondern setzen sich aktiv damit auseinander. Sie lassen sich nicht mehr ein X für ein U vormachen, auch nicht von politischen Machthabern. Sie lernen, die impliziten und expliziten Annahmen hinter Forschungsergebnissen kritisch zu hinter‐ fragen und entwickeln eine gesunde Skepsis gegenüber Halbwahrheiten oder scheinbaren „Wahrheiten“ - auch gegenüber politischen oder wirtschaftlichen Interessen. • Analytisches und strukturiertes Denken fördern. Sie schulen Ihre Fähigkeit, sich schnell in neue Themen einzuarbeiten, komplexe Sach‐ verhalte zu durchdringen und präzise zu formulieren - eine Schlüssel‐ kompetenz für alle wissenschaftlichen Tätigkeiten. • Gesellschaftliche Verantwortung reflektieren. Sie entwickeln ein Bewusstsein für die gesellschaftliche Rolle von Wissenschaft: wie Er‐ kenntnisse genutzt werden - für gesellschaftlichen Fortschritt, wirt‐ schaftliche Interessen oder politische Macht - und welche ethischen Implikationen damit verbunden sind (z. B. bei Künstlicher Intelligenz oder Gentechnik). • Inter- und transdisziplinär kommunizieren. Sie verstehen unter‐ schiedliche wissenschaftliche Kulturen, Wissenschaftstheorie vermit‐ telt Ihnen basale Begriffe, Konzepte und Qualitätsstandards, mit denen Sie auch interdisziplinär diskutieren und zusammenarbeiten können - eine wichtige Kompetenz in vielen Forschungsfeldern. • Solide Grundlage für eigene Forschungsprojekte. Sie können: eine relevante Fragestellung entwickeln bspw. für eine Abschlussarbeit, eine passende Methode auswählen und begründen, zwischen qualitativen und quantitativen Ansätzen unterscheiden, Ergebnisse methodenge‐ recht interpretieren und Ihre Arbeit logisch und überzeugend präsen‐ tieren. Damit können Sie Forschung nicht nur durchführen, sondern auch begründet verantworten. 1.5 Wozu Wissenschaftstheorie? 85 <?page no="86"?> • Wissenschaftstheorie als Orientierung. Wissenschaft findet heute in einer sich schnell wandelnden Wissenslandschaft statt. Wissen‐ schaftstheorie vermittelt Ihnen Orientierungswissen - z.-B. im Kontext der sog. Künstlichen Intelligenz (KI): Sie lernen zu unterscheiden, was KI-gestützte Systeme leisten (z. B. Mustererkennung) und was sie nicht leisten (z. B. verstehende Theoriebildung). Sie reflektieren Fragen nach Bias, Nachvollziehbarkeit, Verantwortung und ethischen Grenzen algorithmischer Verfahren. Exkurs | Schriftliche Arbeiten und KI Aufgrund der Entwicklungen in Bereich der KI werden an Abschlussar‐ beiten voraussichtlich andere Erwartungen gestellt. Eine Reproduktion von Inhalten oder das Anwenden von Methoden reicht nicht mehr aus. Um die Authentizität und die Urheberschaft einer schriftlichen Arbeit zu dokumentieren, wird der selbstreflexive Anteil einer Arbeit an Bedeutung gewinnen. Eine Voraussetzung dafür ist eine tieferge‐ hende wissenschaftstheoretische Reflexion. Sie müssen in der Lage sein, Ihre Forschungspraxis zu kontextualisieren und insofern zu begründen, warum Sie sich für diese Forschungsfrage entschieden haben, wie diese ggf. mit Ihrem biografischen Kontext oder mit Themen und Personen im Studienkontext verknüpft ist, wie sich das von Ihnen gewählte Forschungsdesign im Vergleich zu anderen auszeichnet, wie Sie Ihre Forschungsergebnisse im Forschungskontext verorten, welche Relevanz sie für die Gesellschaft haben, welche Anwendungsszenarien möglich wären. Synopsis | Was bringt Ihnen Wissenschaftstheorie? • Sie lernen Ihr Fach besser kennen, wie Wissen entsteht, begründet wird. • Sie sehen die Unterschiede und Gemeinsamkeiten mit anderen Disziplinen. • Sie verstehen, warum sich Forschungsergebnisse unterscheiden können. • Sie wählen Methoden fundiert aus und kennen deren Stärken und Grenzen. 86 1 Die Grundlagen der Wissenschaft <?page no="87"?> • Sie beurteilen die Qualität von Wissen, Fakes oder Pseudowissen‐ schaft. • Sie entwickeln kritisches und analytisches Denken. • Sie erkennen die gesellschaftliche Verantwortung von Wissen‐ schaft. • Sie können inter- und transdisziplinär kommunizieren. • Sie schaffen eine Grundlage für eigene Qualifikationsprojekte. • Sie verfügen über Orientierung im Hinblick auf neuere Entwick‐ lungen. 1.5 Wozu Wissenschaftstheorie? 87 <?page no="88"?> Wie Wissenschaft Wissen schafft Wissenschaftstheorie und -ethik für die Sozial- und Wirtschaftswissenschaften Wissen schafft die Wissenschaft durch ihre (empirischen) Methoden. Dieses Buch zeigt für die Sozial- und Wirtschaftswissen- • schaften, wie ihre Methoden wissenschaftstheoretisch fundiert werden. Mittels eines pluralistischen Konzepts werden zentrale Themen diskutiert und gezeigt, wie im Wettbewerb , • um Ideen wissenschaftliche Forschungsstandards auf ihre ., weiter ... b <?page no="89"?> 2 Die Ziele der Wissenschaft Nur wer sein Ziel kennt, findet den Weg. (Laotse) In diesem Kapitel geht es um die möglichen Ziele wissenschaftlicher Forschung: die Wirklichkeit verstehen oder erklären oder verändern. For‐ schungsziele beruhen auf Annahmen - ontologische: was Wirklichkeit ist, epistemologische: wie wissenschaftliche Erkenntnis möglich ist und axiologische: für welche Zwecke sie verwendet wird. Davon hängt ab, welche Methode infrage kommt, was konkret der Forschungsgegenstand ist und wie die erzielte Theorie begründet wird. Diese „feinen Unterschiede“ in den For‐ schungszielen können letztlich zu nicht vergleichbaren Forschungsergebnis‐ sen führen. Aber für jede Forschung gilt, unabhängig von Forschungsziel und Forschungsgegenstand: Theorien finden und sie theoretisch, empirisch und wissenschaftstheoretisch begründen. Wir haben im ersten Kapitel gesehen, dass wissenschaftstheoretische Re‐ flexion beginnt, wenn uns bewusst wird, dass man vielerlei aus einem Forschungsthema machen kann, wenn uns diese Unterschiede in den Theo‐ rien überraschen, wenn wir erkennen, dass diese von den strategischen Zielsetzungen der Forschung (Verstehen, Erklären, Verändern) abhängen können - und wir neugierig werden, welche Alternativen es überhaupt in der wissenschaftlichen Praxis geben kann. Wissenschaftstheoretische Reflexion legt insofern - wenn man es positiv sieht - das Potential der Forschung frei. Doch die andere Seite ist, dass mögliche Theorien zu einem Forschungsthema, sofern ihre Unterschiede auf unterschied‐ lichen strategischen Zielsetzungen beruhen, ihre jeweiligen Grenzen zeigen und - um es bildlich zu sagen - nicht mehr miteinander ins Gespräch kommen können. In diesen Fällen versagt das Prinzip des besseren Argumentes, da die Argumente jeweils in den Diensten einer anderen Zielsetzung stehen. Die erste Frage in diesem Kapitel ist: Wie geht wissenschaftstheoretische Reflexion in solchen Fällen vor, auf welche gemeinsame Basis von Forschung - jenseits jeweils unterschiedlicher Zielsetzung - kann sie sich berufen. <?page no="90"?> 2.1 Die feinen Unterschiede Beispiel | Viele Jugendliche verbringen täglich mehrere Stunden auf Social-Media-Plattformen; offensichtlich scheint dies ihr Verhalten, ihre Kommunikation und ihr Wohlbefinden zu beeinflussen, manchmal positiv, manchmal negativ. Angesichts dieses Sachverhaltes haben Sie wohl eine Reihe von Assoziatio‐ nen, Sie haben ähnliche Beobachtungen gemacht, Ihnen sind betroffene Jugendliche bekannt, Sie haben zu diesem Thema schon Analysen von Wissenschaftler: innen in den Medien gelesen, Sie haben sich Gedanken gemacht und haben ein paar Vermutungen und Hypothesen. Reflexion | Versuchen Sie, drei mögliche „Mini-Theorien“ zu formu‐ lieren. Wie unterscheiden sich diese? Wir haben also einen Untersuchungsgegenstand: Die Nutzung von sozialen Medien bei Jugendlichen. Und dazu gleich ein paar Fragen, z. B.: Was genau tun Jugendliche auf Social-Media-Plattformen? Warum nutzen sie Social Media so intensiv? Wie könnte man die Nutzung so gestalten, dass sie positive Auswirkungen hat oder negative minimiert? Das sind noch alltagssprachlich einfach formulierte Fragen. Wie könnte man sich wissenschaftlich differenzierter diesem Untersuchungsgegenstand nähern und präzisere Forschungsfragen formulieren? Je nach strategischem Erkenntnisziel und Rahmentheorie könnte man sich mehrere Theorien Th vorstellen, z.-B.: • Die Theorie Th-Erklären-1 versucht, die Social-Media-Nutzung auf der Grundlage der Rahmentheorie des „Belohnungssystems“ der Psycholo‐ gie bzw. Neurowissenschaft zu untersuchen. Eine Hypothese wäre: „Die intensive Nutzung wird durch die Aktivierung des Belohnungssystems im Gehirn (Dopamin-Ausschüttung) verstärkt. Likes, Kommentare und Benachrichtigungen wirken als positive Verstärker, die zur habituali‐ sierten Nutzung führen.“ Der Forschungsgegenstand ist demnach die Nutzung von sozialen Medien bei Jugendlichen als Belohnungssystem. Erkenntnisziel ist es, die Nutzung zu erklären, Ursachen zu finden. 90 2 Die Ziele der Wissenschaft <?page no="91"?> Als Methoden kommen Messungen infrage, etwa Bildschirmzeit, Likes, Gehirnaktivität (fMRT), Selbstberichte über Verlangen. • Die Theorie Th-Verstehen beruht auf der Rahmentheorie der „Iden‐ titätskonstruktion“ aus der Pädagogik bzw. Soziologie, die auf die Kommunikation in digitalen Räumen angewandt wird: „Jugendliche nutzen soziale Medien als primäres Feld zur aktiven Konstruktion, Aushandlung und Präsentation ihrer Identität. Likes und Kommentare sind Mechanismen, um das eigene Selbstbild zu validieren oder zu modifizieren und soziale Rollen zu erproben.“ Erkenntnisziel ist zu verstehen, welchen Sinn die Nutzung für die Jugendlichen hat. Als Methoden werden eingesetzt: Qualitative Interviews, Gruppendiskus‐ sionen, ethnographische Beobachtungen, Analyse von Nutzerprofilen (Diskursanalyse). • Die Theorie Th-Erklären-2 kommt auf der Grundlage der Theorie des „sozialen Vergleichs“ aus der Sozialpsychologie bzw. Kommunikati‐ onswissenschaft zu folgender Hypothese: „Jugendliche nutzen soziale Medien intensiv, um sich mit Peers zu vergleichen. Dies kann zu erhöh‐ tem Selbstwertgefühl (bei Aufwärtsvergleichen) oder zu psychischem Leid (bei Abwärtsvergleichen) führen.“ Ziel ist es zu erklären, warum die Nutzung zu bestimmten psychischen Effekten führt. Methoden sind dabei: Messung der Häufigkeit von Vergleichen, Selbstwertgefühl-Sco‐ res, Depressivitätsskalen. • Die Theorie Th-Verändern beruht auf dem Konzept der „Medien‐ kompetenz-Intervention“ aus der Medienpädagogik: „Durch gezielte pädagogische Interventionen (z. B. Trainings, Aufklärung) kann die Medienkompetenz Jugendlicher gestärkt werden, um einen kritischen, selbstbestimmten und verantwortungsvollen Umgang mit sozialen Me‐ dien zu fördern und negative Effekte zu reduzieren.“ Der Fokus liegt auf der Frage, wie man die Nutzung optimieren oder problematische Aspekte verhindern kann. Als Methoden sind im Einsatz: Entwicklung und Evaluation von Curricula, Interventionsstudien (Messungen vorher und nachher), Aktionsforschung. Wir haben wieder das bereits bekannte Setting: Ein Untersuchungsge‐ genstand, mehrere unterschiedliche Theorien. 2.1 Die feinen Unterschiede 91 <?page no="92"?> Eigentlich sollte eine dieser Theorien die beste sein, und das müsste jene sein, die am plausibelsten ist, also jene, die man am besten, sei es theoretisch oder empirisch, begründen kann. Damit wären wohl alle Forscher: innen, die diese Theorien entwickelt haben, einverstanden: Wer im Wettbewerb der Theorien die beste Begründung hat, bekommt den ersten Preis. Wenn allerdings die Vertreter dieser konkurrierenden Theorien dann vice versa ihre Begründungen austauschen, werden sie die Erfahrung machen, dass sich die Theorien irgendwie nicht vergleichen lassen und dass sie mit einigen Leuten mehr oder weniger gut „reden“ können, mit anderen fast gar nicht. Den Proponenten von Th-Erklären-1 „Belohnungssystem der Social-Me‐ dia-Nutzung“ bspw. wird es gut gehen mit jenen der Th-Erklären-2 „Sozialer Vergleich“. Warum können die Teams, die jeweils eine dieser Theorien vertreten, miteinander gut „reden“? Sie haben eine paar wesentliche Ge‐ meinsamkeiten: • Beide versuchen, Gründe zu finden für die Nutzung der Social Media und ihre Auswirkungen - sie zu erklären auf der Grundlage von messbaren Variablen. Sie haben also dieselbe strategische Zielsetzung. • Beide gehen von der ontologischen Annahme aus, dass es eine objektive Realität gibt - in diesem Fall: die Nutzung von Social Media -, und von der epistemologischen Annahme, dass man diese erklären kann mithilfe von Hypothesen, die man empirisch und theoretisch begründen kann. • Die Hypothesen beider Theorien könnten in einer Studie direkt ge‐ geneinander getestet oder kombiniert werden: Führt die Aktivierung des Belohnungssystems zu einer stärkeren Nutzung von Social Media als soziale Vergleichsprozesse? Oder verstärken soziale Vergleiche die Dopamin-Ausschüttung? Ihre Ergebnisse sind quantitativ vergleichbar (z. B. Effektstärken, Korrelationen) und können sich gegenseitig stützen, widersprechen oder ergänzen. Die beiden Theorien unterscheiden sich nur in der Sache. Die Proponenten von Th-Verstehen „Identitätskonstruktion in digitalen Räumen“ werden halbwegs mit jenen den Proponenten von Th-Verändern „Medienkompetenz-Intervention“ ins Gespräch kommen, weniger bzw. gar nicht mit den beiden anderen. Warum kann Th-Verstehen nicht direkt mit Th-Erklären-1 und Th-Erklären-2 „reden“? Der Grund sind die unterschied‐ lichen Erkenntnisziele: 92 2 Die Ziele der Wissenschaft <?page no="93"?> • Th-Erklären-1 „Belohnungssystemtheorie“ fragt nach neuronalen Ur‐ sachen, die Th-Verstehen „Identitätskonstruktionstheorie“ fragt nach subjektiven Bedeutungen von Identität. Aber eine neuronale Aktivität kann man nicht mit Bedeutungskonstrukten von Identität vergleichen. • Sie gehen von einer unterschiedlichen Ontologie aus: Die „Erklä‐ ren“-Theorien schwören auf eine objektiv messbare Realität, die „Ver‐ stehen“-Theorie betont die konstruierte, intersubjektive Realität der Identität. • Sie unterscheiden sich in der Epistemologie: Die einen suchen nach kausalen Gesetzen (nomothetisch), die anderen nach individuellem oder gruppenspezifischem Sinn (idiographisch). • Es ist demnach nicht möglich, dass eine der beiden Theorien jeweils die andere widerlegen oder bestätigen kann: Eine Studie über Do‐ pamin-Ausschüttung kann die Existenz von Identitätskonstruktionen nicht widerlegen, noch kann eine qualitative Analyse von Identitäts‐ narrativen die neuronalen Prozesse erklären. Das sind zwei getrennte Welten. Theorien über einen Untersuchungsgegenstand können sich entweder nur in der Sache unterscheiden - oder auch im Hinblick auf die strate‐ gische Zielsetzung. Warum kann Theorie Th-Verändern „Medienkompetenz-Intervention“ mit Th-Erklären-1 und Th-Erklären-2 nicht „direkt reden“, mit Th-Verstehen eher schon? • Das primäre Ziel von Th-Verändern ist die Intervention, nicht Erklären und Verstehen. Sie profitiert zwar von Erkenntnissen der „Belohnungs‐ systemtheorie“ (um Suchtmechanismen erklären zu können) oder der „Identitätskonstruktionstheorie“ (um relevante Themen für Jugendliche zu finden). Doch ob ihr eigener Theorieansatz gültig ist, wird nicht durch eine neuronale Korrelation oder eine Sinnanalyse direkt bewiesen, sondern anhand ihrer Effektivität in der Praxis. • Während die anderen Theorien um jeden Preis wertneutral bleiben wol‐ len und darin auch eine ihrer Qualitäten sehen, arbeitet Th-Verändern bewusst auch mit Werturteilen, in diesem Fall bspw. darüber, wie ein „verantwortungsvoller Umgang“ mit Social Media aussehen soll. 2.1 Die feinen Unterschiede 93 <?page no="94"?> • Am ehesten kann diese Theorie mit den anderen auf der Metaebene ins „Gespräch“ kommen, um herauszufinden, welche Erkenntnisse über Ursachen und Bedeutungszuschreibungen für die Veränderung hilfreich sein könnten. Zwischen Theorien, die eine unterschiedliche strategische Zielsetzung haben, kann es keine direkte Konkurrenz geben, auch nicht auf gleicher Augen‐ höhe. Alle Theorien wollen zwar die Theorie mit der größten Qualität sein, doch es geht jeweils um eine andere Qualität: die eine Theorie will eine gute Erklärung bieten, die zweite ein gutes Verständnis und die dritte eine gute Intervention. Wenn sich Theorien nur in der Sache unterscheiden, können sie „ins Gespräch kommen“, wer von ihnen theoretisch oder empirisch besser begründet ist. Wenn sich Theorien auch in ihrer strategischen Zielsetzung unterschei‐ den, dann werden sie „aneinander vorbeireden“ - ihre theoretischen oder empirischen Begründungen lassen sich nicht vergleichen. Noch ein Beispiel: das zur Hälfte gefüllte Glas Wasser zum zweiten Mal. Wir haben es schon verwendet, um zu zeigen, wie Wirklichkeit unterschiedlich konstruiert wird, der Optimist beschreibt das Glas als halb, der Pessimist als halb leer. Doch der Konstruktivismus reicht weiter, es gibt Szenarien, in denen weitere Unterschiede in der Konstruktion von Wirklichkeit schlagend werden. Stellen wir uns vor, ein solches Glas steht auf einem Tisch vor uns. Mit jedem Gedanken, mit jedem Satz, den wir über dieses Glass äußern, wird diese Realität an sich zu unserer Wirklichkeit - durch unsere Konstruktion von Wirklichkeit. Man befindet sich noch einigermaßen auf neutralem Bo‐ den, wenn man sagt, das Glas sei bis zur Hälfte mit Wasser gefüllt, das wäre neutral und konsensfähig formuliert als eine Beschreibung des Phänomens, des Untersuchungsgegenstandes. Größere Unterschiede in der Konstruktion der Wirklichkeit dieses Glases ergeben sich, je nachdem welche der drei möglichen strategischen Zielsetzungen von Erkenntnis dabei leitend sind. Ein erster Unterschied ist, dass der Untersuchungsgegenstand zu einem spezifischen Forschungsgenstand mutiert: 94 2 Die Ziele der Wissenschaft <?page no="95"?> Wenn wir an diesem Phänomen etwas erklären wollen, konzentrieren wir uns mit dem Blick der Physikerin auf messbare Fakten, u.-a. die Menge des Wassers, die Füllhöhe, die Gesamtkapazität des Glases, die Temperatur oder die Dichte des Glases - ein Forschungsgegenstand. Und lassen uns eine schöne Hypothese einfallen, z. B.: „Die Füllhöhe des Wassers ist direkt proportional zum eingefüllten Volumen.“ Wenn wir an diesem Phänomen etwas verstehen wollen, konzentrieren wir uns auf die subjektive Bedeutung und Interpretation, die Menschen dieser Füllmenge zuschreiben - ein anderer Forschungsgegenstand. Wir würden fragen: „Wie interpretiert jemand die Tatsache, dass das Glas zur Hälfte geüllt ist? Sieht er es als ‚halb voll‘ (optimistisch) oder ‚halb leer' (pessimistisch)? “ Wir würden dann ggf. verstehen wollen, welche persön‐ lichen Erfahrungen, Überzeugungen usw. zu dieser Interpretation führen. Wir könnten bspw. fragen: „Aufgrund welcher persönlichen Erfahrungen interpretiert eine Person das halb volle Glas als ‚halb leer‘? “ Mit der Partei der Erklärer könnten wir nicht direkt reden, denn unsere Interpretation von „halb voll/ leer“ ist nicht quantitativ messbar, die Erklärer würden uns vermutlich auslachen. Umgekehrt sagt die Füllmenge nichts über die subjektive Bedeutung, die ihr gegeben wird, und aus unserer Sicht als Versteher würden die Erklärer um etwas umfallen, um das es im Leben wirklich geht. Schließlich versetzen wir uns noch in die Rolle jener, die am Phänomen dieses Glas etwas verändern wollen. Dann ist uns eine Intervention mit einem expliziten Ziel wichtig - also noch ein anderer Forschungsgegen‐ stand. Wir wollen z. B., dass das Glas ganz voll ist. Was tun wir? Wasser nachfüllen. Dabei wären wir auch damit einverstanden, dass uns die Erklärer eine Technologie bereitstellen, welche uns das Glas automatisch füllt, sobald der Wasserstand einen bestimmten Pegel unterschreitet. Oder um auch der Versteher-Partei entgegenzukommen: Es könnte das Ziel unserer Intervention sein, dass eine Person, die das Glas als „halb leer“ sieht, es in Zukunft als „halb voll“ interpretiert. Wir engagieren eine Therapeutin, die mit der Person an ihrer Interpretationsmustern arbeitet, um eine positivere Sichtweise zu entwickeln. Warum können wir Veränderer nicht direkt mit den Erklärern oder Verstehern reden? Unser Ziel ist nicht die Erklärung oder das Verstehen, sondern die Handlung und deren Wirkung. Für eine Intervention ist zwar die Erkenntnis der Erklärer, wie man z. B. ein Glas physikalisch auffüllt, und die Erkenntnis der Versteher, warum jemand das Glas positiv oder 2.1 Die feinen Unterschiede 95 <?page no="96"?> negativ interpretiert, hilfreich. Aber ob die Intervention gelingt, hängt nicht davon ab, ob die Erklärung oder das Verstehen gut sind. Vielmehr hängt ihre Qualität von der Effektivität der Veränderung ab. Das Coaching ist erfolgreich, wenn der Optimismus einer Person größer wird, und nicht, wenn wir ihr Verhalten erklären oder ihre Gedanken verstehen konnten. Das wäre zu wenig. Wie gesagt: Wenn sich Theorien nur in der Sache unterscheiden, gibt es für alle die gleichen Spielregeln dafür, was ein sinnvoller Forschungsge‐ genstand ist, wie eine Theorie theoretisch und empirisch begründet wird und vor allem, wie entschieden werden kann, welche Theorie die beste Begründung hat und das Rennen gewinnt. Wenn es zwischen Theorien auch Unterschiede gibt in der strategischen Zielsetzung und der Forschungsmethode, dann lassen sich die Theorien sachlich nicht vergleichen und die Frage, welche die bessere ist, kann nur relativ auf ihre jeweilige Zielsetzung sinnvoll gestellt werden. Deshalb kommt man um die wissenschaftstheoretische Reflexion nicht herum. Die Proponenten der im Hinblick auf Zielsetzung und Forschungsmethode un‐ verträglichen Theorien müssen metakommunikativ, metawissenschaftlich einen wissenschaftstheoretischen Diskurs beginnen. Ein solches Nebeneinander von Theorien, die sich nichts zu sagen haben, entspricht nicht dem Geist der Wissenschaft. Das ist die Geburtsstunde der Wissenschaftstheorie, sie will ein Miteinander, sie hält die Welt der Wissenschaft, die in solchen Fällen auseinanderläuft, zusammen. Ihr Ziel ist, dieser Unvereinbarkeit von jeweiligen strategischen Zielsetzungen von Theorien auf den Grund zu gehen. Die Frage dabei ist: Was ist jeder wissenschaftlichen Forschung - unabhängig von Wissenschaftsdisziplin, strategischem Ziel, Methode - gemeinsam? Was ist der kleinste gemeinsame Nenner? 2.2 Theorien finden und begründen Jede Forschung findet, entdeckt, konstruiert Hypothesen und Theorien und begründet, stützt, argumentiert sie. Hypothesenbildung und Hypothesenbe‐ gründung ist die gemeinsame Basis jeder Forschung. Dies ist eigentlich eine Selbstverständlichkeit, aber trotzdem - oder gerade deswegen - ein Thema, das in der Wissenschaftstheorie intensiv diskutiert wird. 96 2 Die Ziele der Wissenschaft <?page no="97"?> Es gibt breiten Konsens im Hinblick auf die zweite Gemeinsamkeit: Jede Forschung ist dem Prinzip der Begründung verpflichtet. Die Begründung ist eine notwendige und hinreichende Spielregel im System der Wissenschaft. Jede Hypothese, jedes Modell, jede Methode muss - wenn man sich dafür entscheidet - argumentativ gestützt werden, sei es durch theoretische Argumente, durch empirische Daten oder durch die Reflexion der eigenen wissenschaftstheoretischen Voraussetzungen. Die Begründung fungiert in‐ sofern als verbindendes Element nicht nur zwischen unterschiedlichen Theorien, sondern auch zwischen unterschiedlichen strategischen Zielset‐ zungen, also unterschiedlichen Forschungslogiken, Sie macht die Forschung im Einzelnen nachvollziehbar, überprüfbar und anschlussfähig. Wissenschaft hat - unabhängig von Fach, strategischem Ziel und Methode - zwei Gemeinsamkeiten: Sie findet (entdeckt, bildet) und begründet Theorien. Kontroversiell diskutiert wird allerdings die erste Gemeinsamkeit, denn uneins ist man sich bspw. schon in der Frage, ob die Theoriebildung überhaupt Thema der Wissenschaftstheorie sein kann. Die Befürworter gehen davon aus, dass Theoriebildung nicht nur ein situativ zufälliger und subjektiver Prozess ist, sondern selbst nur in einem theoretischen Kontext möglich ist und insofern Relevanz hat für den Forschungsprozess und für das Forschungsergebnis. Wissenschaftstheorie müsse daher untersuchen, wie Theorien entstehen, welche logischen Prozesse, welche impliziten An‐ nahmen, welche sozialen, kulturellen oder institutionellen Bedingungen im Spiel sind. Die Gegner argumentieren, dass es der Wissenschaftstheorie in erster Linie um die Begründung und Bewertung von Theorien gehen soll, nicht um deren Entstehung. Denn dabei gehe es bestenfalls um psychologisch oder soziologisch relevante Phänomene. Dies ist die Position des Logischen Empirismus und des Kritischen Rationalismus - Hans Reichenbach (1891- 1953) hat sie mit einer klaren Unterscheidung auf den Punkt gebracht (1938, S. 6-7): Der Entdeckungszusammenhang (context of discovery) bezieht sich auf den oft zufallsbedingten kreativen Prozess, in dem eine Hypothese oder Theorie zustande kommt - durch Beobachtungen, technologische Entwicklungen, 2.2 Theorien finden und begründen 97 <?page no="98"?> historische Konstellationen oder persönliche Eingebungen, wie bspw. im legendären Fall von Kekulés Traum über den Benzolring. Exkurs | Kekulés Traum vom Benzolring Der deutsche Chemiker August Kekulé (1829-1896) zählt zu den Be‐ gründern der organischen Strukturchemie. Berühmt wurde sein Bericht über die Entdeckung der Ringstruktur des Benzols. Kekulé erzählte, dass ihm die entscheidende Idee in einem Tagtraum kam: „Da sass ich und schrieb an meinem Lehrbuch; aber es ging nicht recht; mein Geist war bei anderen Dingen. Ich drehte den Stuhl nach dem Kamin und versank in Halbschlaf. Wieder gaukelten die Atome vor meinen Augen. Kleinere Gruppen hielten sich diesmal bescheiden im Hintergrund. Mein geistiges Auge, durch wiederholte Gesichte ähnlicher Art geschärft, unterschied jetzt grössere Gebilde von mannigfacher Gestaltung. Lange Reihen, vielfach dichter zusammengefügt; Alles in Bewegung, schlan‐ genartig sich windend und drehend. Und siehe, was war das? Eine der Schlangen erfasste den eigenen Schwanz und höhnisch wirbelte das Gebilde vor meinen Augen. Wie durch einen Blitzstrahl erwachte ich; auch diesmal verbrachte ich den Rest der Nacht um die Consequenzen der Hypothese auszuarbeiten.“ (Kekulé 1890, S. 1306 ) Kekulés Erfahrung zeigt, wie im Entdeckungszusammenhang Intuition, Imagination und Metaphern eine entscheidende Rolle spielen können, aber noch keinen Beweis liefern. „Lernen wir träumen, meine Herren, dann finden wir vielleicht die Wahrheit, aber hüten wir uns, unsere Träume zu veröf‐ fentlichen, ehe sie durch den wachenden Verstand geprüft worden sind.“ (Kekulé 1890, S. 1307) Offensichtlich war Kekulé ein kreativer Gelehrter, auch was Selbstdarstellung betrifft, denn es gibt, was das Narrativ dieses Entdeckungszusammenhanges betrifft, neben dem zitierten noch zwei andere Versionen. Für die wissenschaftliche Qualität einer Theorie spielt dieser Ursprung jedoch keine Rolle. Wo und wann jemand die Lösung eines Problems gefunden hat, träumend oder während eines Spazierganges, spricht weder für noch gegen ihre Gültigkeit. Dies hängt davon ab, wie sie begründet wird. Der Begründungszusammenhang (context of justification) betrifft die me‐ thodisch-logische Prüfung einer Theorie nach Kriterien wie Konsistenz, empirischer Überprüfbarkeit und Widerlegbarkeit. Für Reichenbach und 98 2 Die Ziele der Wissenschaft <?page no="99"?> Karl R. Popper war nur dieser zweite Bereich Gegenstand der Wissenschafts‐ theorie; die Entstehung einer Theorie gehörte für sie in den Bereich der Psychologie oder der Wissenschaftsgeschichte. „Wir haben die Tätigkeit des wissenschaftlichen Forschers eingangs dahin charak‐ terisiert, dass er Theorien aufstellt und überprüft. Die erste Hälfte dieser Tätigkeit, das Aufstellen der Theorien, scheint uns einer logischen Analyse weder fähig noch bedürftig zu sein: An der Frage, wie es vor sich geht, dass jemandem etwas Neues einfällt - sei es nun ein musikalisches Thema, ein dramatischer Konflikt oder eine wissenschaftliche Theorie -, hat wohl die empirische Psychologie Interesse, nicht aber die Erkenntnislogik. Diese interessiert sich nicht für Tatsachenfragen (Kant: ‚quid facti‘), sondern nur für Geltungsfragen (‚quid juris‘), - das heißt für Fragen von der Art: ob und wie ein Satz begründet werden kann; ob er nachprüfbar ist; ob er von gewissen anderen Sätzen logisch abhängt oder mit ihnen in Widerspruch steht usw.“ (Popper 2005, S.-4) Diese strikte Trennung blieb jedoch nicht unwidersprochen. Thomas S. Kuhn (2023) zeigte in seiner Theorie der Paradigmen, dass wissenschaftliche Entdeckungen immer in historisch-sozialen Kontexten eingebunden sind und dass selbst die Bewertung einer Theorie durch den jeweils dominieren‐ den Bezugsrahmen geprägt wird. Ludwik Fleck (2021) hatte schon zuvor auf Denkkollektive und Denkstile hingewiesen, die sowohl die Wahrnehmung von Phänomenen als auch die Formulierung von Hypothesen steuern. Aus der Wissenschaftssoziologie kam die Kritik, dass Reichenbachs Unterschei‐ dung die Wechselwirkungen zwischen Entdeckung und Begründung unter‐ schätze. In der Praxis seien beide oft untrennbar miteinander verwoben. Imre Lakatos suchte (1982) einen Mittelweg zwischen dem Kritischen Rationalismus und dem Relativismus von Thomas Kuhn. Für ihn besteht Wissenschaft nicht aus einzelnen Theorien, sondern aus Forschungspro‐ grammen, also eine Abfolge von Theorien, die durch einen Kern von Grund‐ annahmen verbunden sind. Progressive Forschungsprogramme erweitern das Wissen mit neuartigen Theorien, andere hingegen passen Theorien nur an neue Fakten an - Popper und Kuhn hätten also beide irgendwie recht. Aber besonders im interpretativen Paradigma, das dem Erkenntnisziel Ver‐ stehen verpflichtet ist, lässt sich die Theoriebildung nicht von der Inter‐ pretation der Daten trennen. Sinnzuschreibungen, Vorverständnisse und hermeneutische Zirkel prägen bereits die Formulierung der Fragestellung, die Hypothesenbildung und die Wahl der Methoden. Aus dieser Perspektive 2.2 Theorien finden und begründen 99 <?page no="100"?> erscheinen Entstehung und Begründung einer Theorie nicht als aufeinan‐ derfolgende Phasen, sondern als parallele, wechselseitige Prozesse. Abduktion Hier gewinnt die Abduktion im Sinne von Charles S. Peirce ihre Bedeutung: Sie beschreibt das kreative, aber regelgeleitete Schließen vom Phänomen auf theoretische Möglichkeiten, es zu verstehen, zu erklären oder zu verändern - sie ist die Brücke zwischen Entdeckung und Begründung. Das abduktive Angebot ist eine Hypothese und wird in der logischen Rekonstruktion methodisch geprüft, falsifiziert oder modifiziert. Wissenschaftstheorie kann demnach den Kontext der Theoriebildung nicht ausklammern, gerade das Zusammenspiel von kreativer Abduktion und rationaler Begründung macht wissenschaftliche Erkenntnis zugleich innovationsfähig und überprüfbar. Die Abduktion (lat. abductio, griech. ἀπαγωγή, apapogé, Wegführung, Entführung,) ist eine Form des Schlussfolgerns, bei der aus einem überra‐ schenden oder erklärungsbedürftigen Befund eine plausible Hypothese ab‐ geleitet wird. Im Unterschied zur Deduktion, die zwingend gültig ist, und zur Induktion, die wahrscheinliche Verallgemeinerungen aus Beobachtungen ableitet, zielt Abduktion auf das Erfinden einer möglichen Erklärung. Sie ist unsicher, aber heuristisch fruchtbar: Ohne abduktives Schließen gäbe es keine neuen Ideen, keine ungewohnten Deutungen und keine originellen Forschungsansätze. Der Begriff der Abduktion hat eine lange Geschichte und wurde von Aristoteles und Charles Sanders Peirce auf unterschiedliche Weise geprägt. Während Aristoteles die Abduktion als eine spezielle, eher schwache Form des Syllogismus sah, entwickelte Peirce sie zum wesentlichen Konzept der Theoriebildung. Der Begriff Syllogismus (griech. συλλογισμός, Schlussfolgerung, Zu‐ sammendenken) geht auf Aristoteles zurück. Ein Syllogismus ist eine Ar‐ gumentationsfigur, die aus zwei Prämissen (Voraussetzungen) und einem Schluss besteht: Die allgemeine Struktur lautet: • Obersatz (griech. πρότασις μείζων, protasis meizōn, lat. propositio maior, die größere Voraussetzung): allgemeine Aussage oder Regel. • Untersatz (griech. πρότασις ἐλάττων, protasis elattōn, lat. propositio minor, die kleinere Voraussetzung): Einzelaussage oder Fall. 100 2 Die Ziele der Wissenschaft <?page no="101"?> • Schlussfolgerung (griech. συμπέρασμα, symperasma, lat. Conclusio, die Folgerung): die notwendige oder wahrscheinliche oder mögliche Konsequenz. Der klassische Fall des Syllogismus ist die Deduktion (griech. ἀπόδειξις, apódeixis, lat. deduction, Deduktion, Beweis): Aus einer wahren allgemeinen Regel und einer wahren Einzelaussage folgt zwingend, also notwendig eine Schlussfolgerung, etwa: • Alle Menschen sind sterblich. • Sokrates ist ein Mensch. • Sokrates ist notwendigerweise sterblich. Damit liefert die Deduktion sichere Erkenntnisse - sie entfaltet jedoch lediglich, was in den Prämissen bereits angelegt ist. Daneben beschrieb Aristoteles auch andere Spielarten des Schließens. Die Induktion (griech. ἐπαγωγή, epagōgē, lat. inductio, Induktion, Hinführung) verallgemeinert Beobachtungen: • Sokrates ist sterblich. • Platon und Aristoteles sind sterblich. • Wahrscheinlich sind alle Menschen sterblich. Das Ergebnis ist nicht zwingend, sondern nur wahrscheinlich, denn es beruht auf unvollständiger Erfahrung. Hier wird das sogenannte Indukti‐ onsproblem virulent, das später von David Hume formuliert wurde: Eine vollständige empirische Absicherung eines induktiven Schlusses ist nicht möglich, weil wir nie alle Fälle prüfen können. Als dritte Form nannte Aristoteles die Abduktion (griech. ἀπαγωγή, apagōgē, lat. abductio, Abduktion, Rückführung, Hypothese). Sie dient dazu, aus einem Befund eine mögliche Ursache zu erschließen, ohne sie aber beweisen zu können, also nur eine schwache, unsichere Schlussform des Schließens - die Theoriebildung hat Aristoteles damit noch nicht gemeint. • Die Straße ist nass. • Wenn es geregnet hätte, wäre die Straße nass. • Vermutlich hat es geregnet. Der Syllogismus ist primär ein logisches Modell dafür, wie Argumente aufgebaut sind und wann eine Argumentation als Schluss logisch korrekt ist. 2.2 Theorien finden und begründen 101 <?page no="102"?> Der Syllogismus ist auch ein Erkenntnismodell, es zeigt unterschiedliche Formen des Schließens. Ziel der Wissenschaft ist es, logische Korrektheit zu sichern, aber vor allem Wissen anzuwenden, zu erweitern und zu erzeugen. Wissenschaft geht dabei unterschiedlich vor, je nachdem, ob es um Anwendung und Verallgemeinerung von Wissen oder Hypothesenbildung geht, und je nachdem, ob das Erkenntnisziel im Erklären, Verstehen oder Verändern liegt. • Deduktion steht für die Anwendung gesicherten Wissens. Allgemeine Regeln werden auf Einzelfälle übertragen, wodurch Prognosen möglich sind. Deduktive Schlüsse sind, wenn die Prämissen stimmen, notwendig wahr - sie erzeugen keine neuen Hypothesen, sondern entfalten beste‐ hendes Wissen, um es ggf. prüfen zu können. Erkenntnistheoretisch ist Deduktion mit Rationalismus und Kritischem Rationalismus verbunden, wo Erklären und Vorhersagen im Vordergrund stehen. Für Karl R. Popper ist es ein Kriterium der Wissenschaftlichkeit von Theorien, dass man aus ihnen überprüfbare und falsifizierbare Hypothesen deduktiv ableiten kann. • Induktion steht für die Erweiterung des Wissens auf empirischer Basis. Von vielen einzelnen Beobachtungen wird auf eine allgemeine Aussage geschlossen. Die induktive Verallgemeinerung ist jedoch immer nur wahrscheinlich, da niemals alle Fälle überprüft werden können. Typisch ist die Induktion für den Empirismus und den Positivismus, die Erfahrung und Generalisierung als Basis der Erkenntnis ansehen. • Abduktion steht für die Eröffnung neuen Wissens. Aus überraschen‐ den Befunden entstehen mögliche Hypothesen, die zuvor nicht Teil des Wissensbestandes waren. Abduktion ist damit die einzige Form des Schließens, die wirklich neue Ideen hervorbringt - ihre Ergebnisse sind jedoch zunächst nur möglich und plausibel, nicht gesichert. Die Abduktion ist die Basis für Hypothesen, die anschließend deduktiv und induktiv überprüft werden müssen. Dieses Verständnis von Abduktion spielt eine Rolle im Pragmatismus, in der Hermeneutik, im Konstrukti‐ vismus und in der Kritischen Theorie. Charles S. Peirce (1839-1914), ein Vertreter des Pragmatismus, hat den Be‐ griff der Abduktion in seiner modernen Bedeutung etabliert. Die Abduktion geht nicht von bekannten Regeln aus, sondern von einem überraschenden Phänomen, das man verstehen oder erklären will, und führt zu einer Hypothese (Peirce 1973, S.-255): 102 2 Die Ziele der Wissenschaft <?page no="103"?> • Eine überraschende Tatsache C wird beobachtet. • Wenn A wahr wäre, wäre C erklärbar. • Also gibt es Anlass zu vermuten, dass A wahr sein könnte. Die Abduktion ist keine logisch gültige Schlussform. Mit der Abduktion wird bloß spekuliert: Indizien, Phänomene, Verhalten, Zeichen, Symptome werden interpretiert, verstanden oder erklärt mithilfe einer Hypothese, die anschließend überprüft werden muss: • Der Patient hat Fieber und Husten. • Wenn er eine Virusinfektion hat, dann wären Fieber und Husten erklär‐ bar. • Vermutlich hat er eine Virusinfektion. Diese Hypothese könnte die Symptome erklären und gleichzeitig eine Begründung liefern, um zu handeln - also etwas zu verändern, etwa durch eine passende Therapie. Die Hypothese ist jedoch zunächst nur eine mögliche Erklärung. Um sie zu prüfen, sind weitere Schritte erforderlich. Bei der deduktiven Prüfung werden aus der Hypothese Konsequenzen abgeleitet: Wenn es eine Virusinfektion ist, dann müssten auch andere typische Symptome auftreten (etwa Gliederschmerzen, positive Laborwerte, Infektiosität), wenn dies nicht der Fall ist, trifft die Hypothese nicht zu. Bei der induktiven Prüfung werden weitere Fälle und Beobachtungen gesam‐ melt: Bei einer Vielzahl von Patienten mit denselben Symptomen zeigt sich tatsächlich eine Virusinfektion im Labor. Damit wird die Wahrscheinlichkeit der Hypothese größer. Im Detail | Die Abduktion ist überall - mit unterschiedlichen Erkennt‐ niszielen Die Abduktion hilft uns, aufgrund von Beobachtungen mögliche Hypo‐ thesen zu bilden - sei es, um Sinn zu verstehen, Ursachen zu erklären oder unser Handeln zu verändern. Im Alltag etwa: Wer bemerkt, dass ein Freund ungewöhnlich still ist, bildet die Hypothese: „Vielleicht ist er besorgt oder verärgert.“ Hier dient Abduktion dem Verstehen von Verhalten und Sinnzusammenhän‐ gen. Ebenso nutzen wir Abduktion, um etwas zu erklären: Ist die Straße nass, liegt die Vermutung nahe, dass es geregnet hat. Und oft führt sie auch zum Verändern unseres Handelns: Wer Regen vermutet, nimmt den Schirm mit. 2.2 Theorien finden und begründen 103 <?page no="104"?> In der Psychologie gibt es abduktive Hypothesen, um menschliches Verhalten zu deuten. Eine Psychologin etwa beobachtet, dass eine Patientin in sozialen Situationen zurückhaltend reagiert. Sie bildet die Hypothese: „Vielleicht leidet sie unter sozialen Ängsten.“ Diese Hypothese dient zunächst dem Verstehen der Situation und liefert eine Erklärung für das beobachtete Verhalten. Gleichzeitig eröffnet sie die Möglichkeit, etwas zu verändern - etwa durch therapeutische Interventionen, die helfen, Ängste abzubauen. Auch in der Kriminalistik geht es nicht ohne Abduktion. Ein einge‐ schlagenes Fenster und fehlende Wertgegenstände führen zur Hypo‐ these: „Ein Einbrecher ist eingestiegen.“ Damit wird der Tathergang erklärt, zugleich aber auch eine Grundlage geschaffen, um etwas zu verändern, indem der Täter überführt und zukünftige Straftaten verhindert werden. Reflexion | Aufgrund der Beobachtung, dass ein Student zu spät in die Vorlesung kommt, vermuten wir, dass er den Bus verpasst hat. • Warum ist dieser Satz eine Abduktion? • Warum kann diese Hypothese nicht notwendig wahr, nur möglich sein? • Gibt es andere abduktiv erzeugte Hypothesen, die diese Beobach‐ tung ebenfalls erklären könnten? • Überlegen Sie, wie man diese Hypothese im nächsten Schritt prüfen könnte. Auch der Literaturwissenschaftler und Semiotiker Umberto Eco hat sich intensiv mit der Abduktion beschäftigt und die Konzepte von Charles S. Peirce weiterentwickelt. Für Eco ist Abduktion nicht nur eine logische Operation, sondern ein grundlegendes Prinzip des Verstehens: Menschen interpretieren Zeichen, indem sie Hypothesen über deren Bedeutung bilden: Solche Schlüsse sind „auf jeder Ebene der Semiose am Werk, in der verbalen Sprache genauso wie beim Verstehen sogenannter natürlicher Zeichen“ (Eco 1985, S. 72), in jeder Zuordnung von Bedeutung zu Darstellung innerhalb einer Zeichenfunktion verbirgt sich Interpretation, also eine Abduktion. Eco unterscheidet drei verschiedene Abduktionstypen wie Peirce - und führt noch einen vierten Typus ein, welcher der Überprüfung der vorherge‐ henden drei dient: 104 2 Die Ziele der Wissenschaft <?page no="105"?> 1. Überkodierte Abduktion. Dies ist eine einfache und sichere Form von Abduktion, bei der eine bekannte Regel angewendet wird, ein „codiertes Gesetz“ (Eco 1985b, S., 299), um einen Fall zu erklären oder zu verstehen. „Eine Hypothese oder übercodierte Abduktion liegt vor, wenn das Gesetz auto‐ matisch oder quasi automatisch gegeben ist. […] Ein gegebenes Phänomen als Vorkommnis eines gegebenen Typs zu erkennen, setzt eine Hypothese bezüglich der Umstände der Äußerung, der Natur des Sprechers und des diskursiven Ko-Textes voraus.“ (Eco 1985, S. 69f.) Auch wenn die Abduktion nicht unbedingt als solche erkannt wird, da das Gesetz an sich bereits gegeben und insofern selbstverständlich ist, liegt eine Abduktion vor, da „man entscheiden muß, diese Regel mit diesem Resultat zu verbinden, und zwar durch die Vermittlung des Falles“ (Eco 1985, 70). Beispiel | Man sieht einen nassen Asphalt und folgert, dass es geregnet hat. Die Regel „Nasser Asphalt bedeutet Regen“ ist eine feststehende Abduktion. 2. Unterkodierte Abduktion. Dies ist eine nicht so sichere Form der Abduktion: Hier stehen im „Universum unserer Erfahrung“ (Eco 1985b, S. 301) mehrere mögliche Regeln zur Auswahl, um ein Phänomen erklären oder verstehen zu können. Es kann die jeweils plausibelste Regel ausgewählt werden, doch ob sie richtig war, zeigt sich erst in der anschließenden Überprüfung. Bis dahin bleibt sie unsicher. „Eine untercodierte Abduktion liegt vor, wenn die Regel aus einer Reihe gleich wahrscheinlicher Alternativen gewählt werden muss. […] Die Entscheidung dar‐ über, ob bestimmte Eigenschaften […] vergrößert oder narkotisiert werden müssen […] ist ein guter Fall untercodierter Abduktion. […] Die gewählte Regel kann in einem gegebenen Ko-Text die plausibelste sein, aber es ist nicht sicher, ob sie die korrekteste oder die einzig korrekte ist. Das heißt also, dass die Erklärung erwogen und weiterhin überprüft werden wird.“ (Eco 1985, S.-70f.) Beispiel | Ein Mann trägt eine schmutzige Jeans. Ist er ein Hand‐ werker? Ein Student? Oder einfach nur unordentlich? Es gibt ver‐ schiedene mögliche Erklärungen, die man abduktiv erst „erraten“ muss. 2.2 Theorien finden und begründen 105 <?page no="106"?> 3. Kreative Abduktion. Dies ist die riskanteste, aber zugleich die einzig innovative Form von Abduktion. Es gibt noch gar keine Regel, mit der ein überraschendes Phänomen erklärt oder verstanden werden könnte, „das Gesetz muss ex novo erfunden werden“ (Eco 1985b, S. 301). Vor allem bei dieser Form von Abduktion muss anschließend überprüft und begründet werden, ob die erfundene Regel im etablierten Universum Sinn macht. Ist dies der Fall, verändert sich damit auch das Universum. „Mit anderen Worten, bei über- und untercodierten Abduktionen benutzt man Erklärungen, die bereits bei verschiedenen Resultaten überprüft wurden. Bei kreativen Abduktionen ist man nicht sicher, ob die Erklärung, die man gewählt hat, ‚vernünftig‘ ist. Wir wenden kreative Abduktionen an, wenn wir es mit poetischen Texten zu tun haben und ebenso bei der Lösung von Kriminalfällen. An vielen interpretativen Entscheidungen, die Symbole betreffen, sind kreative Abduktionen beteiligt. Viele Fälle, in denen die Sprache nicht zur Bestätigung, sondern zur Her‐ ausforderung einer gegebenen Weltsicht oder eines wissenschaftlichen Paradigmas benutzt wird und um zu entscheiden, dass bestimmte Eigenschaften nicht mehr zu der Bedeutung eines gegebenen Ausdrucks gehören können, erfordern eine interpretative Kooperation, die viele Charakteristika einer kreativen Abduktion aufweist.“ (Eco 1985, S.-72) Beispiel | Umberto Eco: Der Name der Rose - 1. Szene Der Mönch William von Baskerville stellt sich der Aufgabe, die rätselhaften Morde in der Abtei aufzuklären. Er kennt keine Regeln, die in einer Abduktion Typ 1 oder 2 die Ereignisse erklären könnten, doch er findet in einer Abduktion Typ 3 eine neue Hypothese über die Motive und Methoden des Täters: Vielleicht ist der Tod durch Gift auf den Buchseiten eines verbotenen Buches verursacht worden. Der konkrete Fall könnte tatsächlich mit dieser neuen Regel deduk‐ tiv erklärt werden: „Wenn der Tote heimlich das verbotene Buch gelesen hätte, dann ließe sich der Ort und die Art seines Todes erklären.“ Allerdings ist die Hypothese noch nicht bewiesen - Fortsetzung folgt. 106 2 Die Ziele der Wissenschaft <?page no="107"?> 4. Meta-Abduktion. Neben diesen drei Typen der Abduktion hat Eco noch einen vierten Typ ins Spiel gebracht - dezidiert für die Überprüfung und Begründung von Abduktionen. Die überkodierte und die unterko‐ dierte Abduktion wenden eine Hypothese an, die es bereits gibt und die nur mehr oder weniger unsicher ist. Da die Hypothese einer kreativen Abduktion ganz und gar nicht sicher ist, gibt es Reflexionsbedarf, und ein Schritt auf die Metaebene hilft. Mit der Meta-Abduktion wird überprüft, ob diese Hypothese plausibel ist, ob sie in den theoretischen Kontext passt, ob sie überprüfbar ist usw. und ob sie insofern begründet werden kann. „Bei über- oder untercodierten Abduktionen ist diese Meta-Ebene der Schlußfol‐ gerung nicht obligatorisch, da wir unser Gesetz einem Depot bereits geprüfter Welterfahrung entnehmen. […] Bei den kreativen Abduktionen fehlt uns diese Art der Gewißheit.“ (Eco 2004, S. 314) Weil wir uns also „nicht sicher [sind], ob die Erklärung, die man gewählt hat, ‘vernünftig’ ist“ (Eco 1985, S. 72.), ist die Reflexion der Abduktion gefragt, die Meta-Abduktion. Diese „liegt in der Entscheidung darüber, ob das mögliche Universum, das wir mit unseren Abduktionen der ersten Ebene entworfen haben, mit dem Universum unserer Erfahrung übereinstimmt.“ (Eco 1985b, S.-302) Die Abduktion gehört zum Entdeckungszusammenhang, die Meta-Abduk‐ tion schlägt die Brücke zum Begründungszusammenhang. Die Begründung einer neuen Hypothese, die aus einer kreativen Abduktion hervorgegangen ist, orientiert sich an drei entscheidenden Kriterien: • Kohärenz. Eine Hypothese muss sich in das vorliegende Datenmaterial, in Texte oder Zeichen nahtlos einfügen. Sie muss im jeweiligen kultu‐ rellen, historischen oder semantischen Kontext stimmig sein und Sinn ergeben. • Anschlussfähigkeit. Die Hypothese soll entweder mit bestehenden Theorien konsistent sein oder, falls sie abweicht, diese Abweichung fundiert begründen können. Sie kann eine bisherige Lücke in der Theorie schließen, eine bestehende Regel modifizieren oder neue For‐ schungsfragen eröffnen. • Überprüfbarkeit. Eine Hypothese muss so formuliert sein, dass sie in der wissenschaftlichen Praxis nachvollziehbar ist und mit den vorhan‐ denen methodischen Werkzeugen getestet werden kann. 2.2 Theorien finden und begründen 107 <?page no="108"?> Exkurs | Umberto Eco: Der Name der Rose - 2. Szene William von Baskerville hat durch Abduktion auf der Grundlage von Indizien eine Hypothese über den Täter und sein Motiv entwickelt. Dann beschäftigt ihn die Meta-Abduktion: Er prüft, ob seine Hypothese nicht nur intern schlüssig ist, sondern auch mit den Gegebenheiten des Klosters, den historischen Bedingungen und der Psychologie des Täters vereinbar ist. Er muss abwägen, ob er sich nicht in ein zwar elegantes, aber wirklichkeitsfernes Gedankengebäude verrannt hat, und ggf. den Mut haben, seine Hypothese zu verwerfen. Und so schildert William von Baskerville seinem Schüler Adson seine Hypothesenbildung: „Angesichts einiger unerklärlicher Tatsachen musst du dir viele allgemeine Gesetze [auch neue] vorzustellen versu‐ chen, ohne dass du ihren Zusammenhang mit den Tatsachen, die dich beschäftigen, gleich zu erkennen vermagst. Auf einmal, wenn sich unversehens ein Zusammenhang zwischen einem Ergebnis, einem Fall und einem Gesetz abzeichnet, nimmt ein Gedankengang in dir Gestalt an, der dir überzeugender als die anderen erscheint. Du versuchst, ihn auf alle ähnlichen Fälle anzuwenden, Prognosen daraus abzuleiten, und erkennst schließlich, dass du richtig geraten hast“. (Eco 1983, S.-390f.) William beginnt meta-abduktiv zu reflektieren, um seine Hypothese zu begründen. Ist sie etwa nur eine „schöne“ Erklärung oder tatsächlich tragfähig? Kohärenz: Passt sie zu allen Fakten oder erklärt sie nur einen Teil? Anschlussfähigkeit: Fügt sich die Hypothese in das historische und institutionelle Umfeld des Klosters? Überprüfbarkeit: Lässt sich das Verbot des Buches und der Zugang dazu belegen oder widerlegen? William entscheidet sich, die Hypothese empirisch zu prüfen, sammelt Fakten, die Wege in die Bibliothek, die Liste verbotener Bücher usw. Spricht ein Faktum gegen die Hypothese, müsste sich William wieder abduktiv den Kopf zerbrechen. Tatsächlich ergeben sich aber eine Reihe von Indizien dafür, dass seine Hypothese belastbar ist. Abduktion und Meta-Abduktion sind Prinzipien, die für alle strategischen Erkenntnisziele gelten, denn jede Form von Forschung findet und begründet Hypothesen. Beim Verstehen führt Abduktion zu Sinnhypothesen - etwa über die Bedeutung eines Textes, die Intention einer Handlung oder den kulturellen Kontext eines Artefakts. Die Meta-Abduktion prüft, ob diese Rekonstruk‐ 108 2 Die Ziele der Wissenschaft <?page no="109"?> tionen kohärent sind: Stimmen sie mit den Quellen, den Zeichen und dem historischen oder kulturellen Rahmen überein? Beim Erklären erzeugt Abduktion Kausal- oder Funktionshypothesen - zum Beispiel, dass ein bestimmter Faktor eine Krankheit auslöst oder ein soziales Phänomen durch bestimmte Mechanismen verursacht wird. Die Meta-Abduktion prüft hier die Anschlussfähigkeit: Sind die Hypothesen mit bestehenden Theorien und Daten vereinbar, plausibel abweichend oder testbar formuliert? Beim Verändern schließlich liefert Abduktion Handlungshypothesen - neue Konzepte, Modelle oder Interventionen, die Wege zur Problemlösung eröffnen. Meta-Abduktion stellt dann die kritischen Fragen: Ist der Vorschlag praktisch umsetzbar, empirisch überprüfbar und ethisch verantwortbar? Für Forschung, unabhängig von Erkenntnisziel und Fach, gilt: Sie ist erstens Finden von Theorie, also Hypothesenbildung (Abduktion) und zweitens Begründung (Meta-Abduktion). Die Meta-Abduktion ist der Versuch, die in der Abduktion gefundene Hypothese theoretisch, empirisch, wissenschaftstheoretisch zu begründen. Begründung auf drei Ebenen Die zweite Gemeinsamkeit jeder Forschung ist insofern das Prinzip der Begründung. Sie durchzieht den gesamten Forschungsprozess auf drei miteinander verknüpften Ebenen. Begründung ist kein einzelner Schritt am Ende der Forschung, sondern eine durchgehende Anforderung. Jede wissenschaftliche Arbeit muss zeigen, wie ihre Aussagen theoretisch und empirisch gestützt werden, wie ihre methodischen Entscheidungen im Lichte der Zielsetzung und Qualitätssicherung begründet sind, und auf welchen grundlegenden Annahmen sie überhaupt beruht. Erst durch dieses Zusammenspiel wird Forschung nachvollziehbar und überprüfbar. Auf der ersten sachlichen Ebene müssen wissenschaftliche Aussagen entweder durch logische oder theoretische Argumente oder durch empiri‐ sche Daten gestützt sein. Theorien können sich auf logische Folgerungen, begriffliche Präzisierungen oder Modellbildungen stützen; empirische Be‐ funde entstehen durch Beobachtungen, Experimente, Befragungen oder Dokumentenanalysen. 2.2 Theorien finden und begründen 109 <?page no="110"?> • Logisch-analytische Begründung. Die Gültigkeit einer Aussage leitet sich direkt aus Definitionen, Axiomen oder den Regeln der formalen Logik ab. Diese Art der Begründung ist oft in der Mathematik, der formalen Logik selbst oder in theoretischen Wissenschaften zu finden, wo aus Grundannahmen und logischen Schlüssen neue Erkenntnisse gewonnen werden. Beispiel | Mathematik: Der Satz, dass die Summe der Innenwinkel eines Dreiecks 180 Grad beträgt, wird aus den Axiomen der euklidischen Geo‐ metrie nach den Regeln der deduktiven Logik abgeleitet und begründet. Es bedarf keiner Messung an konkreten Dreiecken; der Beweis ist rein formal. Beispiel | Philosophie bzw. Logik: Die Aussage „Wenn alle Men‐ schen sterblich sind und Sokrates ein Mensch ist, dann ist Sokrates sterblich“ ist logisch-analytisch gültig. Ihre Wahrheit hängt von der Definition der Prämissen und der korrekten Anwendung der deduktiven Schlussregel des Modus Ponens ab. • Theoretische Begründung. Eine Aussage wird in Zusammenhang mit einem bereits bestehenden, als gültig anerkannten Theoriegebäude gebracht und damit begründet. Das heißt, eine neue Erkenntnis, die in den vorhandenen wissenschaftlichen Kontext passt, ergänzt, präzisiert oder erweitert diesen Kontext. Beispiel | Physik: Die Vorhersage der Existenz des Higgs-Bosons (ein Elementarteilchen in der Elementarteilchenphysik) vor dessen experimentellem Nachweis wurde theoretisch begründet. Physiker zeigten, dass die Existenz dieses Teilchens notwendig ist, um die Masse anderer Elementarteilchen im Rahmen des Standardmodells der Teilchenphysik konsistent zu erklären. 110 2 Die Ziele der Wissenschaft <?page no="111"?> Beispiel | Soziologie: Eine Studie, die das Phänomen der sozialen Polarisierung in modernen Gesellschaften analysiert, kann ihre Argumente theoretisch begründen, indem sie auf die Konzepte der Feldtheorie von Pierre Bourdieu (z. B. Kapitalformen, Habitus, Feld) oder der Systemtheorie nach Niklas Luhmann zurückgreift und zeigt, wie das beobachtete Phänomen innerhalb dieses etablierten Rahmens verstanden werden kann. • Empirische Begründung. Diese Form der Begründung rekurriert auf Beobachtungen und Daten, die durch Experimente, Umfragen, Feldstu‐ dien oder andere Methoden der Datenerhebung gewonnen wurden. Beispiel | Medizin: Die Behauptung, dass ein neues Medikament den Blutdruck senkt, wird empirisch begründet. Dies geschieht durch kontrollierte klinische Studien, in denen Daten über den Blutdruck von Patientengruppen (Verum- und Placebo-Gruppe) gesammelt und statistisch ausgewertet werden, um eine signifikante Wirkung nachzuweisen. Beispiel | Sozialwissenschaften: Die Aussage, dass die Arbeitslosen‐ quote in Österreich im letzten Quartal gesunken ist, wird empirisch begründet, indem man auf die offiziellen Statistiken des Arbeits‐ marktservice (AMS) oder der Statistik Austria verweist, die auf Erhebungen und Berechnungen beruhen. Auf einer zweiten Ebene geht es um die wissenschaftstheoretische Reflexion und Begründung der Entscheidungen im Hinblick auf das Forschungsdesign: Welches Erkenntnisziel wird verfolgt, wie wird der Gegenstand der Untersu‐ chung definiert, theoretisch gerahmt und konstituiert, warum wird ein bestimm‐ tes Forschungsdesign gewählt, wie erfolgt die Qualitätssicherung. Eine Methode z. B. ist nicht von Haus aus ein ehernes Gesetz, sondern nur dann angemessen, wenn sie im Hinblick auf Zielsetzung, Gegenstand und Forschungsfrage sinnvoll begründet werden kann. 2.2 Theorien finden und begründen 111 <?page no="112"?> Beispiel | In der Bildungsforschung kann ein Mixed-Methods-Design damit begründet werden, dass qualitative Interviews das subjektive Erleben von Schüler: innen erschließen, während quantitative Tests vergleichbare Leistungsdaten liefern - beides ergänzt sich, um die Forschungsfrage zu beantworten. Beispiel | Marktforschung: Die Aussage, dass die Präferenzen der jungen Bevölkerungsgruppe (18-25 Jahre) für ein neues Produkt reprä‐ sentativ erfasst wurden, wird methodisch begründet: Es wurde z. B. eine zufällige Stichprobe von 1000 Personen dieser Altersgruppe in mehreren Regionen gezogen und mit einem standardisierten Online-Fragebogens befragt, um Verzerrungen zu minimieren. Beispiel | Klimaforschung: Die Behauptung, dass ein Klimamodell zukünftige Temperaturverläufe realistisch prognostiziert, wird metho‐ disch begründet, indem die Algorithmen des Modells, die zugrunde liegenden physikalischen Gleichungen und die Validierung des Modells anhand historischer Klimadaten dargelegt werden. Auf einer dritten Ebene geht es um grundlegende philosophische Voraus‐ setzungen. Jede Untersuchung beruht auf ontologischen Annahmen darüber, was überhaupt existiert und untersucht werden kann, auf epistemologischen Annahmen darüber, wie Wissen über diese Wirklichkeit gewonnen wird, auf axiologischen Fragen nach Werten und Normen, die Forschung leiten (z. B. Objektivität, Verantwortung, Relevanz), und schließlich auf logischen Prinzipien, die sicherstellen, dass die Argumentationen und Begründung auf allen Ebenen schlüssig, widerspruchsfrei und nachvollziehbar sind. Beispiel | In der Soziologie geht die qualitative Forschung oft von der ontologischen Annahme aus, dass soziale Wirklichkeit nicht einfach „gegeben“ ist, sondern durch Kommunikation konstruiert wird. Daraus folgt epistemologisch, dass interpretative Verfahren notwendig sind, um diese Wirklichkeit zu erfassen. 112 2 Die Ziele der Wissenschaft <?page no="113"?> Reflexion | Um welche Art von Begründung handelt es sich? • „Die Anzahl der Studierenden an Universitäten in Deutschland ist im Wintersemester 2024/ 25 um 3 % gestiegen, wie aus den aktuellen Daten der Statistischen Bundesamtes hervorgeht.“ • „Ein Quadrat kann nicht zugleich ein Kreis sein.“ • „Die Ergebnisse unserer Studie zur Nutzerzufriedenheit sind ver‐ lässlich, da wir eine standardisierte Skala mit hoher interner Kon‐ sistenz (Cronbachs Alpha = 0.89) verwendet haben.“ • „Das Phänomen der ‚Filterblasen‘ im Internet lässt sich gut durch die Theorie der selektiven Wahrnehmung erklären, die besagt, dass Menschen Informationen bevorzugen, die ihre bestehenden Überzeugungen bestätigen.“ • Aussage: „Wenn ein Algorithmus A effizienter ist als Algorithmus B bei großen Datenmengen und unser System Algorithmus A ver‐ wendet, dann ist unser System bei großen Datenmengen effizient.“ Tipps | Wie Sie in einer Abschlussarbeit begründen • Prüfen Sie jede Aussage, ob sie begründet ist, mit Daten oder Theorien. • Wenn Sie empirische Daten verwenden, erläutern Sie, wie diese erhoben und geprüft wurden. • Wenn Sie eine Theorie heranziehen, zeigen Sie, warum sie zum Thema und zur Fragestellung passt. • Beschreiben Sie die Methode und begründen Sie, warum sie geeignet ist. • Zeigen Sie, wie Forschungsziel, Methode, Gegenstand konsistent sind. • Begründen Sie den Aufbau Ihrer Arbeit, die Gewichtung der The‐ men. • Verknüpfen Sie Ihr Vorgehen klar mit der Forschungsfrage. • Vermeiden Sie lose Sammlungen von Zitaten oder Fakten ohne erkennbaren Begründungskontext. 2.2 Theorien finden und begründen 113 <?page no="114"?> Forschen bedeutet vor allem: Begründen 1. auf der Sachebene: theoretisch bzw. formal-logisch und empirisch, 2. wissenschaftstheoretisch: Zielsetzung, Methode, Qualitätssicherung. 3. philosophisch: ontologisch, epistemologisch, axiologisch, logisch. Was wird Gegenstand von Forschung Eine wissenschaftliche Untersuchung beginnt nicht im luftleeren Raum. Auch bei der konzeptionellen Festlegung dessen, was überhaupt untersucht werden soll, sind eine Reihe von impliziten und expliziten Entscheidungen im Spiel, Diese Festlegung erfolgt auf zwei Ebenen: auf der Ebene der Fachdisziplin durch die Bestimmung ihres Gegenstandsbereichs und auf der Ebene des konkreten Forschungsprojekts durch die Präzisierung des Forschungsgegenstands. Der Gegenstandsbereich einer Disziplin entsteht nicht einfach dadurch, dass sie „ihre“ Themen auswählt, sondern durch die Kombination mehrerer Faktoren. Zunächst gibt es den Untersuchungsbereich, also jenen Ausschnitt der Wirklichkeit, den die Disziplin als „ihre“ Domäne beansprucht. So befasst sich etwa die Physik mit Naturprozessen, die Psychologie mit seelischen und kognitiven Vorgängen, die Geschichtswissenschaft mit vergangenen Ereig‐ nissen und deren Deutungen. Dieser Untersuchungsbereich ist zunächst vorwissenschaftlich gegeben, wird aber durch die jeweilige Disziplin immer auch neu definiert und abgegrenzt. Hinzu kommt die strategische Zielsetzung: In jeder Disziplin stellt sich die Frage, ob es vor allem darum geht, Phänomene zu erklären, menschliches Handeln und kulturelle Ausdrucksformen zu verstehen, Entwicklungen zu prognostizieren oder gesellschaftliche Zustände aktiv zu verändern. Diese Zielsetzungen sind selten eindeutig festgelegt; oft bestehen sie nebeneinan‐ der und verschieben sich im Laufe der Zeit. So hat etwa die Medizin sowohl erklärende als auch verändernde Dimensionen, die Soziologie bewegt sich zwischen verstehenden und kritischen Ansätzen, und in den Naturwissen‐ schaften können Prognosen ebenso wichtig sein wie kausale Erklärungen. Schließlich spielen auch philosophische Grundannahmen einer Disziplin eine Rolle - ontologisch darüber, wie die Wirklichkeit beschaffen ist, epis‐ temologisch darüber, wie Wissen gewonnen werden kann, und axiologisch darüber, welche Werte oder Normen den Forschungsprozess leiten. 114 2 Die Ziele der Wissenschaft <?page no="115"?> Indem sich eine Disziplin über diese Faktoren verständigt, konstituiert sie ihren eigenen Gegenstandsbereich. Damit wird zugleich festgelegt, welche Arten von Fragen gestellt werden können, welche Methoden angemessen sind und nach welchen Kriterien wissenschaftliche Qualität beurteilt wird. Auf diese Weise entsteht ein Horizont möglicher Themen und Fragen und ein typisches „Spielfeld“ mit Regeln, Möglichkeiten und Grenzen von Erkenntnis, das die Identität und den Charakter der Disziplin prägt. Untersuchungsbereich + strategische Zielsetzung + ontologische, epis‐ temologische, axiologische Annahmen ⇒ Gegenstandsbereich einer Disziplin Beispiel | Wissenschaft macht aus Wirklichkeit unterschiedliche Wis‐ senschaften Der menschliche Körper ist ein komplexer Untersuchungsbereich, man könnte sagen: die Gesamtheit aller beobachtbaren Phänomene, die mit der menschlichen Existenz in ihrer physischen, psychischen und sozialen Dimension verbunden sind: von den molekularen Prozessen über die Organfunktionen und das individuelle Verhalten bis hin zu seiner Rolle in sozialen Systemen. Die Medizin und der menschliche Körper • Strategisches Ziel: Erklären der biologischen und physiologischen Prozesse und Funktionen des menschlichen Körpers. Ziel ist es, Ur‐ sache-Wirkungs-Zusammenhänge zu erklären, die zu Gesundheit, Krankheit oder spezifischen Körperfunktionen führen, um daraus Prognosen abzuleiten und wirksame Präventions- oder Therapie‐ verfahren zu entwickeln. • Philosophische Annahmen: Ontologie: Der menschliche Körper wird primär als objektiv existie‐ rende, materielle Entität verstanden, deren Bestandteile und Funk‐ tionen kausal miteinander verknüpft sind und nach universellen Naturgesetzen operieren. Epistemologie: Erkenntnis wird durch empirische Beobachtung, Messung, Experimente und die Formulierung von Hypothesen und 2.2 Theorien finden und begründen 115 <?page no="116"?> Theorien gewonnen. Der Schwerpunkt liegt auf der quantifizierba‐ ren Erfassung von Daten. Axiologie: Wissenschaft beschreibt werturteilsfrei, wie der Körper funktioniert, ohne direkte normative Aussagen über das „Sollen“ zu treffen (auch wenn die Anwendung des Wissens natürlich ethische Implikationen hat). • Der Gegenstandsbereich der Medizin umfasst physiologische Sys‐ teme (Herz-Kreislauf, Nerven-, Immun- und Hormonsystem), bio‐ chemische Prozesse (Stoffwechsel, Signalübertragung), molekulare Strukturen (Genetik, Proteine) sowie die Pathophysiologie von Krankheiten. Die Soziologie und der menschliche Körper • Strategisches Ziel: Verstehen der gesellschaftlichen Dimension des menschlichen Körpers - wie er sozial geformt, konstruiert, reguliert und wahrgenommen wird; zudem Erklären von sozialen Phänome‐ nen, die den Körper betreffen. • Philosophische Grundannahmen: Ontologie: Der Körper wird nicht nur als biologische Entität, sondern als sozial konstruierte und interpretierte Realität verstanden. Sein Aussehen, seine Funktionen, Krankheiten und Schönheitsideale sind das Ergebnis gesellschaftlicher Prozesse, Normen und Diskurse. Epistemologie: Erkenntnis entsteht durch die Interpretation sozialer Phänomene, die Analyse von Diskursen, Machtverhältnissen und sozialen Strukturen, die den Körper betreffen. Die Methoden zielen oft darauf ab, Sinnzusammenhänge und Konstruktionsprozesse zu entschlüsseln. • Der Gegenstandsbereich der Soziologie umfasst in diesem Feld unter anderem die soziale Konstruktion von Gesundheit und Krankheit, die gesellschaftliche Regulierung des Körpers im Kontext von Ar‐ beit, Mode oder Sport und die kulturelle Bedeutung von Alter, Geschlecht und Aussehen. Der Körper erscheint damit nicht nur als Objekt biologischer Prozesse, sondern als Knotenpunkt sozialer Bedeutungen und gesellschaftlicher Dynamiken. 116 2 Die Ziele der Wissenschaft <?page no="117"?> In unterschiedlichen Wissenschaftsdisziplinen wird ein und derselbe Untersuchungsbereich als je unterschiedlicher Gegenstandsbereich kon‐ stituiert. Das analoge Szenario ist uns schon begegnet: In unterschiedlichen For‐ schungsprojekten kann ein und derselbe Untersuchungsgegenstand als un‐ terschiedlicher Forschungsgegenstand konstituiert werden. Innerhalb des Gegenstandsbereichs einer Disziplin wird für ein konkre‐ tes Forschungsvorhaben der Forschungsgegenstand bestimmt. Er entsteht, indem ein Untersuchungsgegenstand - also ein spezieller Ausschnitt aus dem Gegenstandsbereich - durch eine Fragestellung und eine passende Methodenwahl weiter eingegrenzt und gegebenenfalls operationalisiert wird. Auch hier lässt sich der Prozess formal darstellen: [Gegenstandsbereich der Disziplin ⇒] Untersuchungsgegenstand ⇒ Fragestellung ⇒ Methode ⇒ Forschungsgegenstand ⇒ Forschungs‐ frage Während der Gegenstandsbereich einer Disziplin relativ stabil bleibt, ist der Forschungsgegenstand situativ und projektbezogen. Er reagiert auf neue theoretische Entwicklungen, gesellschaftliche Herausforderungen oder me‐ thodische Innovationen. Beispiel | Vom Untersuchungsbereich zum Forschungsgegenstand • Gegenstandsbereich: Psychologie • Untersuchungsgegenstand: das Phänomen „Stress“ (schon psy‐ chologisch gerahmt als individuelles Erleben) • Fragestellung: „Wie beeinflusst die Wahrnehmung von Kontroll‐ verlust die Stressreaktion bei Studierenden während der Prüfungs‐ phase? “ • Methodenwahl: Kognitive Tests, Fragebögen zur Stresswahrneh‐ mung, physiologische Messungen 2.2 Theorien finden und begründen 117 <?page no="118"?> • Forschungsgegenstand: Die Korrelation zwischen wahrgenom‐ menem Kontrollverlust und physiologischen Stressmarkern bei Stu‐ dierenden während der Prüfungsphase Reflexion | Der Begriff „Armut“ umfasst einen breiten vor-theoreti‐ schen Untersuchungsbereich. • Wie könnte man den Gegenstandsbereich z. B. der Wirtschaftswis‐ senschaften, der Soziologie oder Sozialpädagogik definieren? • Auf welchen Annahmen könnte die Konstituierung des Gegen‐ standsbereiches Ihres Studienfaches beruhen? 2.3 Wirklichkeit verstehen Verstehen ist in den Geistes- und Sozialwissenschaften das primäre strate‐ gisches Erkenntnisziel. Es richtet sich auf die Bedeutung, den Sinn und die inneren Zusammenhänge von Handlungen, Texten oder Kulturen. Ziel ist es, Sinnzusammenhänge zu erfassen, Bedeutungen zu rekonstruieren und die Intentionalität menschlicher Äußerungen und Handlungen nachzu‐ vollziehen. Der Gegenstand des Verstehens ist damit kein naturgegebenes Ding, sondern ein Phänomen, das durch menschliches Denken, Handeln und soziale Konstruktionen geprägt ist. Im Unterschied zu naturwissenschaftli‐ chen Erklärungen, die auf Kausalität und Gesetzmäßigkeiten abzielen, fragt das Verstehen nicht: „Warum ist etwas so? “, sondern: „Was bedeutet das? “ Alltägliches und wissenschaftliches Verstehen Verstehen ist ein grundlegender Modus der Orientierung in unserer Lebens‐ welt. Doch so vertraut Verstehen im Alltag ist, der Unterschied zum wis‐ senschaftlichen Verstehen ist wesentlich. Nicht nur was den Gegenstands‐ bereich betrifft, es geht vor allem um die Methode, die Form der Reflexion und die Ansprüche an Nachvollziehbarkeit, Geltung und Allgemeinheit. Das alltägliche Verstehen ist selbstverständlich und meist unbewusst. Menschen interpretieren Mimik, Gesten, Worte und Situationen spontan, situations- und kontextbezogen, von individuellen Erfahrungen und Erwar‐ tungen geprägt. Verstehen zielt auf Orientierung im Hier und Jetzt, auf 118 2 Die Ziele der Wissenschaft <?page no="119"?> Handlungssicherheit und soziale Anschlussfähigkeit. Begriffe werden dabei in ihrer Unschärfe akzeptiert, Aussagen müssen nicht exakt oder überprüf‐ bar sein, sondern nur im Kontext plausibel. Fehler im Verstehen führen selten dazu, dass das eigene Vorverständnis reflektiert wird; sie werden situativ korrigiert oder schlicht übergangen. Alltagsverstehen ist insofern pragmatisch, funktional und partikular - es genügt den Anforderungen des täglichen Lebens, erhebt keinen Anspruch auf systematische Erkenntnis oder intersubjektive Geltung. Exkurs | Was kann „Verstehen„ alles bedeuten? „Ich habe Sie nicht verstanden.“ Das ist primäre Form von Verstehen im Sinne von akustischer und vor allem sprachlicher Rezeption. Hier geht es nicht um die Bedeutung, sondern um das Verstehen der Artikulation, die Übergänge zur semantischen Dimension sind aber fließend. „Jetzt verstehe ich, wie das funktioniert.“ Damit ist das Erkennen eines logischen, technologischen Zusammenhangs gemeint, es ist meist zielgerichtet, bewusst, lösungs- und lernorientiert. „Ich verstehe, wie es dir geht.“ Das ist ein empathisches, einfühlendes Nachempfinden von Gefühlen, ein emotionales Mitgehen. Anfällig für Missverständnisse, dass man richtig versteht, kann man nur zeigen, nicht beweisen. „Ich verstehe, was hier läuft.“ Das Verstehen sozialer Dynamiken, im‐ pliziter Regeln oder Erwartungen, auch „zwischen den Zeilen“ lesen, auch aufgrund von Sprache, Gestik, Tonfall. Dieses Verstehen wird meist nicht ausgesprochen, kann aber handlungsleitend sein. „Ich verstehe, was das bedeutet.“ Die Interpretation von kulturellen co‐ dierten Symbolen, Gesten, Traditionen oder Rollen, durch Sozialisation erlernt, nicht universell, oft unbewusst vorausgesetzt. Im Gegensatz zum alltäglichen Verstehen erhebt das wissenschaftliche Ver‐ stehen den Anspruch, Bedeutungen, Sinnzusammenhänge und Handlungen methodisch kontrolliert zu rekonstruieren. Es verlässt sich nicht auf Intui‐ tion oder Alltagsdeutungen, sondern reflektiert die eigenen Voraussetzun‐ gen, setzt definierte Begriffe ein und nutzt theoretische Konzepte. Ziel ist ein transparentes, argumentativ begründetes Verstehen, das intersubjektiv nachvollziehbar, überprüfbar und kritisierbar ist. 2.3 Wirklichkeit verstehen 119 <?page no="120"?> Methoden wie Hermeneutik, qualitative Analyseverfahren strukturieren den Forschungsprozess. Sie verwandeln individuelle Interpretationen in eine gemeinsame Grundlage für begründetes Wissen. Die Ergebnisse sollen nicht nur kontextabhängig verständlich sein, sondern allgemeine, übertrag‐ bare Bedeutungsstrukturen und kulturelle Muster sichtbar machen. Wissenschaftliches Verstehen zielt nicht auf unmittelbare Lebensbewälti‐ gung, sondern auf Wissen, Hypothesen und Theorien, die über den Einzelfall hinausweisen. Um diesem Anspruch zu genügen, spielen sprachliche Präzi‐ sion und wissenschaftstheoretische Reflexion eine entscheidende Rolle: • Anders als im Alltag muss eine Interpretation im wissenschaftlichen Kontext argumentativ gerechtfertigt sein. Begriffe müssen klar definiert, Kategorien geschärft und theoretische Bezüge explizit gemacht werden. Es reicht nicht, dass eine Aussage lediglich „sinnvoll“ ist. • Wissenschaftliches Verstehen ist immer auch reflexiv. Es hinterfragt nicht nur, was verstanden wurde, sondern auch, wie, unter welchen Bedingungen und mit welchen Implikationen. Hier liegt ein kritisches Potential: Wissenschaftliches Verstehen kann habitualisierte Deutun‐ gen infrage stellen und alternative Perspektiven erschließen. Es fragt nach den epistemologischen Grundlagen und der Begrenztheit der eigenen Perspektive. Reflexion | Stellen Sie sich eine Alltagsszene vor, die Sie verstehen möchten, z. B. ein Gespräch in der U-Bahn, ein Social-Media-Kom‐ mentar oder ein Familienritual. Wie würde sich ein alltägliches und wissenschaftliches Verstehen unterscheiden? Konstituierung des Forschungsgegenstandes Besonders beim Erkenntnisziel des Verstehens ist die Konstituierung des Forschungsgegenstandes ein entscheidender Schritt im Forschungsprozess. Es sollte demnach klar zwischen Untersuchungsgegenstand und Forschungs‐ gegenstand unterschieden werden, nämlich zwischen dem Phänomen, das unmittelbar zugänglich und empirisch wahrnehmbar ist, und dem, was in diesem Phänomen als Bedeutung rekonstruiert werden soll, z. B. die Inten‐ tion einer Äußerung, die soziale Bedeutung eines Rituals, der biografische Sinn einer Erzählung. Dieser Forschungsgegenstand ist nicht unmittelbar gegeben, er „entsteht“ erst in der interpretativen Arbeit. An einem Interview 120 2 Die Ziele der Wissenschaft <?page no="121"?> als Untersuchungsgegenstand (Wortlaut, die kommunikative Situation) könnte uns als Forschungsgegenstand z. B. das biografische Selbstverständ‐ nis einer Person interessieren. Oder anhand eines historischen Filmdoku‐ mentes könnten Begrüßungsrituale der Forschungsgegenstand sein. Dies findet eine Entsprechung auch in der Unterscheidung zwischen Verhalten und Handlung. Das Verhalten ist das empirisch beobachtbare Phänomen, also der Untersuchungsgegenstand, während die Handlung als Forschungsgegenstand die Bedeutung des Verhaltens ist, die durch Interpre‐ tation erschlossen werden kann. In der verstehenden Soziologie ist das Forschungsinteresse nicht auf das Verhalten an sich gerichtet, sondern - so kann man es auch formulieren - auf das Verhalten als Handlung. Ähnlich interessiert sich die Hermeneutik nicht für das Textdokument als physischen Zeichenträger (dies kann jedoch sehr wohl eine Papyrologin interessieren), sondern für den Text als Bedeutungsträger. Das bedeutet, dass Forschende nicht einfach die „Realität“ analysieren, sondern sie erschließen Bedeutungen. Sie machen etwas zum Forschungs‐ gegenstand, indem sie ihm eine bestimmte Relevanz und einen bestimmten Sinn zuschreiben. Und vor allem beim Erkenntnisziel Verstehen gilt, dass derselbe Untersu‐ chungsgegenstand die empirische Basis für unterschiedliche Forschungsge‐ genstände sein und zudem unterschiedlich interpretiert werden kann. Beispiel | Ein Untersuchungsgegenstand, mehrere Forschungsgegen‐ stände Mehrere Forscherinnen beobachten (möglichst unauffällig bzw. sekun‐ där über eine Videoaufzeichnung) eine Szene in einer Schule, in der ein Lehrer mit einer Schulklasse ein Gedicht von Johann Wolfang von Goethe liest und bespricht. Die Schülerinnen hören zu, einige melden sich zu Wort, es gibt Diskussion, auffällige Mienen und Gesten, ein Flipchart usw. - das ist der Untersuchungsgegenstand, das gemeinsame, mehr oder weniger neutrale Beobachtungsfeld der Forscher: innen. • Forscherin A. geht die didaktische Interaktionsanalyse durch den Kopf und hat eine zündende Idee für eine Forschungsfrage: Wie gestaltet der Lehrer den Gesprächsverlauf ? Welche Fragen stellt er? Wie reagiert er auf Schülerbeiträge? Ihr Forschungsgegenstand ist die Gesprächsführung im Unterricht, Frage-Antwort-Muster, 2.3 Wirklichkeit verstehen 121 <?page no="122"?> Lehrer-Schüler-Rollen. Der Fokus dabei ist die Sprache als Interak‐ tionsmedium. • Forscherin B. denkt mehr an die soziologische Machtanalyse, dieses Forschungsinteresse bringt zu Forschungsfrage: Wie manifestieren sich Machtverhältnisse im Klassenzimmer? Wer dominiert das Ge‐ spräch? Welche Ungleichheiten werden sichtbar? Der Forschungs‐ gegenstand ist: Die symbolischen Machtstrukturen und Rollenzu‐ weisungen in schulischen Institutionen. Der Fokus liegt auf Schule als Instanz der Reproduktion sozialer Ordnung. • Forscherin C. favorisiert eine ethnografischen Forschungsperspek‐ tive, sie interessieren die Fragen: Welche impliziten Regeln struktu‐ rieren den schulischen Alltag? Was wird als „normal“ wahrgenom‐ men? Ihr Forschungsgegenstand: Die kulturellen Praktiken und Alltagsroutinen im Mikrokosmos Schule. Fokus: Schule als eigene Lebenswelt mit spezifischer Alltagssymbolik. • Und dann noch Forscherin D., die eine hermeneutisch-biografische Analyse dieses Szenario machen möchte, sie interessiert die For‐ schungsfrage: Wie interpretieren Schülerinnen selbst ihre Rolle und den Sinn des Unterrichts? Ihr Forschungsgegenstand sind demnach die subjektiven Sinnzuschreibungen der Beteiligten. Fokus liegt auf den Verstehensprozessen aus der Binnenperspektive der Schülerin‐ nen. In einer folgenden Besprechung tauschen sich die Forscherinnen aus und sind zuerst überrascht über die Vielfalt der Forschungsgegenstände: Doch als wissenschaftstheoretisch versierte Bildungs- und Sozialwis‐ senschaftler: innen sehen sie darin eine Bestätigung ihrer konstruktivis‐ tischen Sichtweise und sie haben kein Problem mit dieser Vielfalt, sie finden, dass alle Forschungsgegenstände und Forschungsfragen in me‐ thodischer und theoretischer Hinsicht begründet und nachvollziehbar sind - und fassen zusammen: Unser Untersuchungsgegenstand, der Unterricht als empirisches Phänomen, wird - je nach methodischem und theoretischem Zugang, je nach erkenntnisleitender Fragestellung - jeweils zu einem anderen Forschungsgegenstand, nämlich der Unter‐ richt: als didaktische Interaktion, als Reproduktion sozialer Ordnung, als Lebenswelt in Alltagsritualen, als Kontext von subjektiven Bedeutungs‐ zuweisungen. 122 2 Die Ziele der Wissenschaft <?page no="123"?> Die empirische Basis des Verstehens Wissenschaftliches Verstehen beginnt demnach mit der Konstituierung des Forschungsgegenstands, mit der Konstruktion dessen, was als bedeutungs‐ voll gesehen wird. Man kann etwas als etwas verstehen: das ist sozusagen der erste Schritt im verstehenden Zugriff auf die Wirklichkeit. Der Forschungs‐ gegenstand ist nicht das Objekt oder das Faktum selbst, sondern ein Sinnzu‐ sammenhang, der sich auf der Grundlage dieses empirischen Phänomens, des Objektes oder des Faktums erschließen lässt. Die Phänomene, die möglichen Untersuchungsgegenstände, können unterschiedlicher Art sein: Sprachliche Dokumente, Verhalten, Artefakte, Erzählungen. • Sprachliche Äußerungen und Textdokumente. Texte gelten als klassisches Feld hermeneutischer Praxis. Es geht nicht bloß um die Entzifferung oder Übersetzung, sondern um die Erschließung des ge‐ meinten Sinns: Was will der Text sagen, was steckt hinter der Wortwahl, den rhetorischen Mitteln, dem Stil? Das Verstehen richtet sich auf Intention, Bedeutung und Kontext sprachlicher Äußerungen - sei es in Literatur, Interviews, historischen Quellen oder philosophischen Schriften. • Beobachtbares Verhalten. In der Soziologie und Psychologie kann beobachtbares Verhalten Gegenstand des Verstehens sein. Eine Geste, ein Blick, eine Bewegung wird nicht nur als Bewegungsablauf gesehen, sondern als Handlung verstanden, etwa als Einladung, Ablehnung oder Bitte. Der Mensch erscheint hier nicht als behavioristischer Reiz-Reak‐ tions-Apparat, sondern als Subjekt, dessen Verhalten Bedeutung hat. • Kulturelle Artefakte. Bauwerke, Kleidung, Werkzeuge und Kunstob‐ jekte sind mehr als materielle Gegenstände; sie fungieren als Träger kol‐ lektiver Identität, symbolischer Ordnungen, Konventionen, Stile oder Machtverhältnisse. Ein Bauwerk etwa ist eine sinnvolle Komposition, ein Ausdruck von Macht, Stil oder Weltanschauung; ein Kleidungsstück ein Zeichen sozialer Zugehörigkeit. Der Akt des Verstehens erschließt hier die kulturelle Kodierung von Artefakten. • Historische Phänomene. Es genügt nicht, historische Ereignisse nur zu datieren oder Fakten anzusammeln. Erst die Rekonstruktion ihrer Bedeutung für die Zeitgenossen und des Kontextes von Denkstilen, Interessen, Normen oder Ideologien erschließt ihren Sinn. In der Ge‐ schichtswissenschaft bedeutet Verstehen, vergangene Ereignisse in ih‐ 2.3 Wirklichkeit verstehen 123 <?page no="124"?> rer eigenen Logik zu rekonstruieren und nicht durch heutige Kategorien zu bewerten. • Institutionen und soziale Strukturen. Auch Familie, Schule, Insti‐ tutionen des Rechts oder der Religion sind nicht einfach funktionale Systeme, sondern stehen für Praktiken, Routinen, Sprache und Normen, also Formen, die beobachtbar und interpretierbar sind. Wissenschaftli‐ ches Verstehen richtet sich hier auf die symbolischen Bedeutungen, Rollenerwartungen und impliziten Regeln, die das Handeln in diesen sozialen Ordnungen strukturieren. • Biografische Dokumente. Wissenschaftliches Verstehen beschäftigt sich auch mit subjektiven Sinnwelten: Lebensgeschichten, Alltagsprak‐ tiken, Narrativen usw. Entsprechende Dokumente liegen entweder vor oder werden u. a. durch Interviews oder teilnehmende Beobachtung erhoben. Die Interpretation und Theoriebildung erfolgt in methodischer Disziplin z.-B. in der qualitativen Sozialforschung. • Künstlerische Ausdrucksformen. Kunstwerke sind keine bloßen Objekte, sondern verdichtete Formen menschlicher Welterfahrung. Sie sprechen nicht in direkter Sprache, sondern in Zeichen, Formen, Tönen, Rhythmen, Farben, Bewegungen. Das Verstehen von Kunst ist ein besonderer hermeneutischer Prozess, es geht weder um einen Zweck noch eine eindeutige Botschaft. Verstehen zielt darauf ab, diese Wirkung in ihrer kulturellen Kodierung und emotionalen Tiefe zu deuten - etwa durch Analyse von Komposition, Motivik, Rezeption und Intention der Künstler: innen. „Sonach nennen wir Verstehen den Vorgang, in welchem wir aus sinnlich gegebenen Zeichen ein Psychisches, dessen Äußerung sie sind, erkennen. Dies Verstehen reicht von dem Auffassen kindlichen Lallens bis zu dem des Hamlet oder Vernunftkritik. Aus Steinen, Marmor, musikalisch geformten Tönen, aus Gebärden, Worten und Schrift, aus Handlungen, wirtschaftlichen Ordnungen und Verfassungen spricht derselbe menschliche Geist zu uns und bedarf der Auslegung. Und zwar muß der Vorgang des Verstehens überall, sofern er durch die gemeinsamen Bindungen und Mittel dieser Erkenntnisart bestimmt ist, gemeinsame Merkmale haben. Er ist in diesen Grundzügen derselbe. Will ich etwa Lionardo verstehen, so wirkt hierbei die Interpretation von Handlungen, Gemälden, Bildern und Schriftwerken zusammen, und zwar in einem homogenen einheitlichen Vorgang.“ (Dilthey 1990, S.-318) 124 2 Die Ziele der Wissenschaft <?page no="125"?> Synopsis | Untersuchungsgegenstände verstehen als Forschungsge‐ genstände: • Texte, Zeichen, Sprache als Sinnträger im sozialen oder kulturellen Kontext • Gesten, nonverbales Verhalten als Ausdruck von Absichten und Bedeutung • Artefakte, Kunst, Bauwerke als kulturell kodierte Bedeutungsträ‐ ger • Historische Quellen als Spiegel vergangener Sinn- und Wertvor‐ stellungen • Rollen, Regeln, Praktiken als symbolische soziale Ordnungen • Erzählungen, Interviews, Alltagspraktiken als subjektive Sinnge‐ bung • Kunst und Musik als ästhetische und kulturelle Sinngebilde Im Detail | Zeichen, Texte, Artefakte, Sprache, Gesten, Verhalten als Symptome Untersuchungsgegenstände zu Forschungsgegenständen machen heißt auch, in ihnen Symptome von etwas zu sehen und versuchen, sie so zu verstehen. Zeichen, Texte, Artefakte, Sprache, Gesten, Verhalten verweisen als Symptome auf etwas anderes: auf Bedeutung, Sinn, Handlung, Intention, soziale und kulturelle Kodes usw. Der Begriff Symptom (griech. σύμπτωμα, symptoma, das Zusammenfallende, das Zufällige, das Ereignis) bezeichnet ursprünglich in der Medizin wahr‐ nehmbare Anzeichen einer Krankheit. Allgemeiner kann ein Symptom als Phänomen verstanden werden, das auf etwas anderes verweist - als heuristischer Oberbegriff für vielfältige Untersuchungsgegenstände im Verstehen. In Kultur- und Geisteswissenschaften ist es üblich, sichtbare Zeichen, Handlungen oder Artefakte als „Symptome“ gesellschaftlicher, psychi‐ scher oder kultureller Prozesse zu interpretieren. Beispiele sind Gesten, Kleidungsstile, künstlerische Ausdrucksformen, Sprachgebrauch oder soziale Rituale. Diese Symptome verweisen auf tiefere Sinnschichten, kollektive Orientierungen oder soziale Strukturen. In diesem Sinne sind Zeichen Symptome von Bedeutungen, da sie als Indizien oder Ausdrucksformen zugrunde liegender Zusammenhänge fungieren. 2.3 Wirklichkeit verstehen 125 <?page no="126"?> Vorverständnis und hermeneutischer Zirkel Hermeneutisch gesehen, beginnt Verstehen nie bei null. Jedes Verstehen, jedes Verständnis, setzt ein Vorverständnis voraus. Einer kommunikativen Äußerung, einer Handlung, einem Text usw. treten wir nicht als „unbe‐ schriebenes Blatt“ gegenüber. Unsere Sprachkompetenzen, unser kultureller Hintergrund, unsere Erfahrungen und unser individuelles Wissen sind das Potential und der Horizont, in dem wir wahrnehmen und interpretieren. Das Vorverständnis kann man nicht ablegen, aber es kann reflektiert werden. Das Ziel der Wissenschaft besteht gerade darin, das eigene Vorverständnis bewusst zu machen, zu hinterfragen und es ggf. zu modifizieren und zu erweitern. Das Vorverständnis führt direkt zum Konzept des hermeneutischen Zirkels. Es beschreibt die zyklische Natur des Verstehensprozesses, bei dem das Ganze aus seinen Teilen und die Teile aus dem Ganzen verstanden werden müssen. Das Verständnis eines Textes, eines Kunstwerks, einer Handlung oder eines Ereignisses ist kein linearer Prozess, sondern ein iterativer. Man kann das Ganze nur verstehen, wenn man seine einzelnen Bestandteile versteht, und umgekehrt kann man die Bestandteile nur in ih‐ rem Kontext, und das heißt im Hinblick auf das Ganze, richtig interpretieren. Es ist ein wechselseitiges Verhältnis von Vorverständnis und detailliertem Verstehen. Jeder Interpret nähert sich einem Gegenstand mit einem gewissen Vor‐ verständnis. Dies umfasst persönliche Erfahrungen, kulturelle Prägungen, Sprachkenntnisse, historisches Wissen und allgemeine Erwartungen. Dieses Vorverständnis ist eine notwendige Voraussetzung für das Verstehen. Man beginnt damit, einzelne Teile des Gegenstands zu analysieren (z. B. einzelne Sätze in einem Text), diese werden zunächst isoliert betrachtet und dann in einem größeren Kontext. Das Verständnis des Ganzen beein‐ flusst wiederum die Interpretation der einzelnen Teile. Ein Satz kann beispielsweise in einem völlig anderen Licht erscheinen, wenn man den Gesamtzusammenhang des Kapitels oder des Buches versteht. Das Verstehen ist kein einmaliger Akt, sondern ein ständiges Hin- und Herbewegen zwischen den Teilen und dem Ganzen. Mit jeder neuen Erkenntnis über die Teile verändert sich das Verständnis des Ganzen, und dieses veränderte Ganzheitsverständnis wirkt sich wiederum auf die Interpretation der Teile aus. Dieser Prozess führt zu einer Vertiefung und Verfeinerung des Verstehens. 126 2 Die Ziele der Wissenschaft <?page no="127"?> Der hermeneutische Zirkel führt nicht zu einer „endgültigen“ Interpreta‐ tion. Es ist ein Prozess der ständigen Annäherung. Das Verständnis ist immer kontextuell und perspektivisch bedingt. Es gibt kein Außen, von dem aus man den Gegenstand objektiv und vollständig erfassen könnte. So formuliert das Martin Heidegger: „Das Verstehen betrifft als die Erschlossenheit des Da immer das Ganze des In-der-Welt-seins. In jedem Verstehen von Welt ist Existenz mitverstanden und um‐ gekehrt. Alle Auslegung bewegt sich ferner in der gekennzeichneten Vorstruktur. Alle Auslegung, die Verständnis beistellen soll, muß schon das Auszulegende verstanden haben. […] Wenn aber Auslegung sich je schon im Verstandenen bewegen und aus ihm her sich nähren muß, wie soll sie dann wissenschaftliche Resultate zeitigen, ohne sich in einem Zirkel zu bewegen… ? Der Zirkel aber ist nach den elementarsten Regeln der Logik circulus vitiosus. […] Aber in diesem Zirkel ein vitiosum sehen und nach Wegen Ausschau halten, ihn zu vermeiden, ja ihn auch nur als unvermeidliche Unvollkommenheit ‚empfinden‘, heißt das Verstehen von Grund aus mißverstehen. Das Entscheidende ist nicht, aus dem Zirkel heraus-, sondern in ihn nach der rechten Weise hineinzukommen. Dieser Zirkel des Verstehens ist nicht ein Kreis, in dem sich eine beliebige Erkenntnisart bewegt, sondern er ist der Ausdruck der existenzialen Vorstruktur des Daseins selbst. Der Zirkel darf nicht zu einem vitiosum und sei es auch zu einem geduldeten herabgezogen werden. In ihm verbirgt sich eine positive Möglichkeit ursprünglichsten Erkennens…“ (Heidegger 2001, S.-152) Genau genommen ist demnach die Bezeichnung hermeneutischen Zirkel irreführend. Zirkularität gilt in der Wissenschaft als großer Fehler. Es bringt nichts, etwas zu verstehen, wenn man es voraussetzungsgemäß schon verstanden haben muss, um es verstehen zu können. Und natürlich kommt nie etwas Neues ins Spiel, wenn man sich wirklich in einem Zirkel bewegt und alles bleibt gleich. Das Verstehen im hermeneutischen Sinn ist aber kein circulus vitiosus, also kein fauler Zirkel, sondern ein circulus fructuosus, ein fruchtbarer Zirkel. Warum? Jedes Verstehen eines Zeichens oder Verhaltens in einer konkreten Situa‐ tion löst immer auch eine Veränderung des Vorverständnisses aus. Das ak‐ tuelle Verständnis muss sich in seinem Kontext bewähren, es wird überprüft und ggf. korrigiert. Und da jede Situation, die man verstehen will, irgendwie neu, singulär, situativ verschieden ist von bereits bekannten Situationen, verändert sich auch das Vorverständnis. So wird das Verstehen sukzessive optimiert. Wäre das nicht so, wäre der Mensch nicht entwicklungs- und lernfähig. Verstehen ist also auch ein Lernprozess. 2.3 Wirklichkeit verstehen 127 <?page no="128"?> Reflexion | Gehen Sie nochmals an den Beginn dieses Kapitels, lesen Sie ein paar Absätze: Können Sie sagen, ob sich Ihr Vorverständnis verändert hat? Verstehen als Abduktion Wenn wir einen Satz, ein Zeichen, ein Verhalten, ein Symptom verstehen wollen, schließen wir nicht rein logisch (wie bei einer Deduktion), auch nicht rein statistisch (wie bei einer Induktion), sondern wir suchen nach einer plausiblen Hypothese, wie wir den Sinn des Satzes, des Zeichens, des Verhaltens verstehen könnten. Dies entspricht dem Schlussmodus der Abduktion (s. bereits Kapitel 2.2): Die Abduktion ist für das Verstehen ebenso wesentlich wie für die wissenschaftliche Theoriebildung. Wir schließen von einem beobachtbaren Zeichen mithilfe einer Hypothese auf seine Bedeutung. Jedes Verstehen von Sprache, von Verhalten, von Symptomen allgemein, ob im Alltag, in der Medizin, in den Sozialwissenschaften oder in der Kriminalistik, beruht auf einer Abduktion - allerdings mit Unterschie‐ den, was die Sicherheit der dabei verwendeten Hypothese betrifft. • Implizit subsumierende Abduktion. Wir sehen einen Gegenstand mit Platte und vier Beinen und sagen: „Das ist ein Tisch.“ Diese Zuordnung erfolgt so selbstverständlich, dass wir sie nicht mehr als Schluss wahrnehmen. Wir verfügen über ein Vorverständnis, nämlich das allgemeine Gesetz „Alle Gegenstände mit vier Beinen und Platten sind Tische“, zweifellos eine sehr stabile Hypothese, sodass wir den Gegenstand, sofern er diese Merkmale aufweist, dem Begriff „Tisch“ zuordnen, subsumieren können. Diese implizit subsumierende Abduktion entspricht in Umberto Ecos Systematik der überkodierten Abduktion. In diese Kategorie fallen die vielen täglichen Verstehens- und Kommuni‐ kationsprozesse. Wir sind sicher, die Bedeutung trifft den Kern der Sache, unser Vorverständnis erlaubt uns eine treffsichere Bedeutungs‐ zuweisung. Dass das Vorverständnis ein komplexes System von Hypo‐ thesen ist, ohne dass wir uns in der Lebenswelt nicht orientieren und verständigen könnten, nehmen wir nicht wahr. Wenn Verstehen funk‐ tioniert, bleibt das Vorverständnis implizit - und Zeichen, die insofern tadellos verstanden werden, stehen dann für eine fixe Wirklichkeit im Sinne des Realismus. 128 2 Die Ziele der Wissenschaft <?page no="129"?> • Explizit subsumierende Abduktion. Anders verhält es sich, wenn etwa ein Tierarzt bei einem Hund eine bestimmte Krankheit diagnosti‐ ziert. Hier gibt es mehrere mögliche Erklärungen für die Symptome - etwa Hautausschlag, Müdigkeit, Gewichtsverlust. Der Tierarzt prüft anhand eines expliziten Wissens in Regelwerken (medizinische Leitli‐ nien, Labordaten), welche Diagnose am plausibelsten ist. Diese explizit subsumierende Abduktion entspricht bei Eco der unterkodierten Abduk‐ tion: Mehrere Regeln sind möglich, und man muss unter Unsicherheit die passendste auswählen. Übrigens ist dies auch einer der Unterschiede zwischen Alltagswissen und wissenschaftlichem Wissen: Alltagswissen neigt eher zu implizit subsumierenden Abduktionen (wir unterstellen etwas einfach), wissen‐ schaftliches Wissen reflektiert die Abduktion (Kategorisierung, Typi‐ sierung), definiert und operationalisiert Begriffe usw. Jeder, der bspw. in einem psychosozialen oder medizinischen Bereich tätig ist, sollte Diagnosen und Zuschreibungen explizit - also unter Rückgriff auf Theorien, Regelwissen und Standards - vornehmen. • Heuristisch subsumierende Abduktion. Die spannendste Form der Abduktion gibt es dann, bei weder implizites noch explizites Regel‐ wissen verfügbar ist, und die Eigenart des zu verstehenden bzw. zu erklärenden Sachverhaltes es dennoch nicht erlaubt, einfach irgendeine verfügbare Kategorie zu verwenden, die nur irgendwie passen könnte. Angenommen, Biolog: innen entdecken ein Tier mit völlig neuen Ver‐ haltensmustern, das in keine bestehende Artbeschreibung passt. Dann müssen sie eine neue Kategorie finden und zugleich eine neue Regel formulieren, die die Merkmale zusammenfasst, aufgrund derer ein Fall dieser Kategorie zugeordnet werden kann. Dies ist die heuristisch subsumierende Abduktion, die Eco als kreative Abduktion bezeichnet. So entstehen neue theoretische Konzepte und Hypothesen, um Phänomene verstehen oder erklären zu können. In dieser Form der Abduktion kommt das Anliegen der Hermeneutik zum Tragen, Phänomene, Zeichen, Verhalten nicht einfach vorgege‐ benen Kategorien unterzuordnen, sondern sich um die theoretische Beschreibung ihrer Eigenart und Individualität zu bemühen. Besonders in den Sozial- und Humanwissenschaften ist diese Form der Theoriebil‐ dung wesentlich. 2.3 Wirklichkeit verstehen 129 <?page no="130"?> Ist die Abduktion eine brauchbare Schlussform? In logischer Hinsicht sicher nicht: Denn logisch wahr ist das Ergebnis einer Abduktion allemal nicht, es ist ein Schuss ins Blaue, ein Raten, ein Lotteriespiel - im Vergleich zur Deduktion bspw., wo der Schluss quasi automatisch aus den Prämissen folgt. Gerade darin liegt auch ihre methodische Stärke. Abduktion macht sicht‐ bar, dass wissenschaftliche Erkenntnis mit einem impliziten Vorverständnis beginnt, das erst durch seine Explikation überprüfbar und kritisierbar wird. Das Ziel der Wissenschaft ist es daher - besonders in den Geistes-, Kultur- und Humanwissenschaften -, das verborgene Regelwissen, das alltägliche Kommunikation, Verstehen, Bedeutungszuweisung und Wertung strukturiert, zu explizieren, auf Unstimmigkeiten hin zu prüfen und von Ein‐ seitigkeiten oder Fixierungen zu lösen. Wissenschaft besteht darin, solche Deutungsmuster zu klären und durch neue Optionen zu erweitern. Damit erhält Abduktion nicht nur eine heuristische, sondern auch eine transfor‐ mative Bedeutung: Indem implizite Deutungsweisen bewusst gemacht und kritisch reflektiert werden, eröffnen sich neue Möglichkeiten des Denkens und Handelns. Wissenschaft ist so nicht nur auf Verstehen gerichtet, son‐ dern auch auf Verändern - sie greift in die Praxis ein, indem sie Horizonte verschiebt, Alternativen sichtbar macht und tradierte Muster infrage stellt. Der hermeneutische Zirkel und die Abduktion: Verstehen heißt, Bedeu‐ tung, Sinn, Intention usw. eines Zeichens, Satzes, Verhaltens aufgrund eines Vorverständnisses zu erschließen. Das Vorverständnis fungiert dabei als Hypothese. Verstehen und Begründen Auch beim Erkenntnisziel Verstehen gilt: Wissenschaftliche Aussagen dürfen nicht auf bloßer Intuition beruhen, sondern müssen begründet werden. Die Begründung beruht auf vier Kriterien: Transparenz des Forschungs‐ prozesses, theoretische Einbettung der Interpretation, Rückbindung an empirisches Material und Kohärenz der Deutungsschritte. Sie sichern die Nachvollziehbarkeit interpretativer Forschung und machen verständlich, wie Sinnzusammenhänge rekonstruiert und in größere Deutungsrahmen eingeordnet werden. 130 2 Die Ziele der Wissenschaft <?page no="131"?> • Methodische Begründung erfolgt über die Nachvollziehbarkeit des Forschungsprozesses. Datenerhebung und -auswertung müssen so be‐ schrieben sein, dass andere erkennen können, wie aus Beobachtungen Deutungen entstanden sind, und z. B. durch Reflexivität, Kontextsensi‐ bilität und dichte Beschreibung, so begründet sein, dass der Weg zur Interpretation und Theoriebildung nachvollziehbar wird. Beispiel | Eine ethnografische Studie erforscht das religiöse Leben einer Dorf-gemeinschaft. Die Forscherin beschreibt detailliert, wie sie durch teilnehmende Beobachtung, informelle Gespräche und die Analyse symbolischer Praktiken zu ihrer Deutung gelangt, dass das Erntedankfest nicht nur ein Ritual, sondern eine performative Erin‐ nerungskultur ist, in der soziale Zugehörigkeit gestiftet wird. Die Begründung liegt in der Transparenz der methodischen Herleitung. • Theoretische Begründung bringt die Interpretation in Zusammen‐ hang mit bestehenden Konzepten und Theorien und macht sie an‐ schlussfähig. Je nach Fragestellung kann das z. B. die phänomenologi‐ sche Sozialtheorie zur Analyse subjektiver Sinnzuschreibungen von Alfred Schütz sein oder Pierre Bourdieus Habitus- und Feldtheorie zur Untersuchung sozialer Praktiken oder der kulturhermeneutische Ansatz zur Deutung symbolischer Handlungen von Clifford Geertz. Beispiel | Eine Untersuchung historischer Autobiografien arbeitet mit Pierre Bourdieus Habitus-Konzept. Sie zeigt, wie Lebensge‐ schichten narrative Formen nutzen, um soziale Positionen und Unterscheidungen sichtbar zu machen. Da-mit wird die Analyse nicht nur textimmanent begründet, sondern zudem in einer Theorie sozialer Praxis verortet. • Empirische Begründung. Die Deutung muss sich auf konkretes Material stützen: Textstellen, Interviewaussagen, Beobachtungen. Die Interpretation wird durch Zitate und Beispiele verankert, sodass der Bezug zum empirischen Material transparent bleibt. 2.3 Wirklichkeit verstehen 131 <?page no="132"?> Beispiel | Die Interpretation, dass ein Jugendlicher seine Schulver‐ weigerung als Akt symbolischer Autonomie versteht, wird gestützt durch Interviewpassagen, in denen er seine Entscheidung als Reak‐ tion auf die „falsche Welt“ der Schule beschreibt. • Logisch-analytische Begründung prüft die innere Stimmigkeit der Interpretation: Stimmen die Einzelaspekte überein, ergänzen sie sich logisch oder widersprechen sie einander? Die Deutung muss kohärent und widerspruchsfrei sein. Sie darf nicht eine bestimmte Interpretation nahelegen, die an anderer Stelle aber durch das Material oder den theoretischen Rahmen konterkariert wird. Beispiel | In einer Diskursanalyse religiöser Texte wird eine Predigt als Ausdruck von „Gemeinschaft durch Opferbereitschaft“ interpre‐ tiert. Diese Deutung ist nur stimmig, wenn sie sowohl zu den sprachlichen Metaphern („sich hingeben“, „füreinander da sein“) als auch zu den beobachteten Ritualhandlungen passt. Würden im selben Kontext jedoch Aussagen auftauchen, die Individualismus oder Selbstbehauptung betonen, müsste die Analyse überarbeitet werden, um den Widerspruch aufzulösen. Wissenschaftstheoretische Positionen Das strategische Erkenntnisziel, menschliches Handeln, kulturelle Prakti‐ ken oder soziale Wirklichkeit primär als Gegenstand des Verstehens zu betrachten, wird von mehreren wissenschaftstheoretischen Positionen ver‐ treten, die unterschiedliche theoretische und methodische Zugänge haben. Hermeneutik (von griech. ἑρμηνεύειν, hermēneuein, auslegen, erklären - auch verwandt mit dem Götterboten Hermes, der zwischen Göttern und Menschen, Sinn und Sprache vermittelt). Die Hermeneutik hat ihren Ursprung in der Auslegung heiliger Schriften und entwickelte sich zu einer grundlegenden Wissenschaftstheorie der Geisteswissenschaften, die Verstehen als Erkenntnisziel neben dem Erklären begreift. Verstehen ist Erschließen von Sinn, das stets im Wechselspiel zwischen dem Teil (z. B. einer Aussage) und dem Ganzen (z. B. dem kulturellen Kontext) erfolgt - das ist der hermeneutische Zirkel. Hans-Georg Gadamer 132 2 Die Ziele der Wissenschaft <?page no="133"?> hat diesen Gedanken noch prinzipieller formuliert, insofern jedes Verstehen von einem Vorverständnis geprägt ist. Wir können nicht neutral verstehen, wir bringen immer unsere eigene Geschichte, Sprache und Perspektive mit. Verstehen ist dynamisch, dialogisch, historisch situiert und sprachlich vermittelt. Friedrich Schleiermacher (1768-1834) löste die Hermeneutik aus dem Kontext religiöser Texte und erklärte sie zum Prinzip des Verstehens. Verstehen bedeutet für ihn eine zweifache Aufgabe: die grammatische Interpretation (Sprachstruktur) und die psychologische Interpretation (Re‐ konstruktion der Intention des Autors). Dabei betont er den dialogischen Charakter des Verstehensprozesses - ein Vorläufer späterer Positionen über die Intersubjektivität von Sinn. Wilhelm Dilthey (1833-1911) ist der Wegbereiter einer wissenschafts‐ theoretischen Grundlegung der Geisteswissenschaften. In einer Zeit, in der der Positivismus die Maßstäbe der Naturwissenschaften auf alle Bereiche des Wissens zu übertragen versuchte, setzte Dilthey einen Kontrapunkt: Die Geisteswissenschaften folgen einer grundlegend anderen Erkenntnislogik als die Naturwissenschaften - nicht, weil sie weniger streng seien, sondern weil ihr Gegenstandsbereich ein anderer ist. „Nun unterscheiden sich zunächst von den Naturwissenschaften die Geisteswissen‐ schaften dadurch, dass in jenen die Thatsachen von aussen, durch die Sinne, als Phaenomene und einzeln gegeben sind, wogegen sie in diesen von innen, als Realität und als ein lebendiger Zusammenhang originaliter auftreten. Hieraus ergiebt sich für die Naturwissenschaften, dass in ihnen nur durch ergänzende Schlüsse, vermittelst einer Verbindung von Hypothesen, ein Zusammenhang der Natur gegeben ist. Für die Geisteswissenschaften folgt dagegen, dass in ihnen der Zusammenhang des See‐ lenlebens als ein ursprünglich gegebener überall zu Grunde liegt. Die Naturerklären wir, das Seelenleben verstehen wir.“ (Dilthey 1957, S.-1313f.) Während Naturwissenschaften darauf ausgerichtet sind, kausale Gesetzmä‐ ßigkeiten zu erkennen, also zu erklären, geht es den Geisteswissenschaften darum, den Sinn menschlicher Handlungen, Äußerungen und kulturellen Ausdrucksformen verstehend zu rekonstruieren. Menschen verhalten sich nicht nur - sie handeln, sprechen, deuten, erinnern sich. Verstehen ist für Dilthey keine bloße Intuition oder Alltagspraxis, sondern eine wissenschaftlich valide Methode. Seine Theorie des Verstehens steht in der Tradition der Hermeneutik, die er zu einer geisteswissenschaftlichen Methodologie weiterentwickelt hat. Im Unterschied zu den Naturwissen‐ 2.3 Wirklichkeit verstehen 133 <?page no="134"?> schaften ist die Forscherin in den Geisteswissenschaften nicht von ihrem Gegenstand getrennt, sondern selbst Teil der historischen und kulturellen Lebenswelt, die sie zu verstehen sucht. Es gibt keine neutrale Position, jede Interpretation ist bereits von einem bestimmten Standort aus vollzogen. Trotz dieser subjektiven Voraussetzungen strebt Dilthey eine objektive Wissenschaftlichkeit der Geisteswissenschaften an - allerdings nicht durch Reduktion auf Messbarkeit und kausale Gesetzmäßigkeit, sondern durch Reflexion, methodische Transparenz und kontextuelles Verständnis. Auch Verstehen muss begründet sein. Für Martin Heidegger (1889-1976) ist Verstehen nicht nur Methode, sondern eine Grundform des menschlichen Seins. In „Sein und Zeit“ (1927) entwickelt er eine „ontologische Hermeneutik“: Der Mensch ist in der Welt immer schon verstehend orientiert. Das bedeutet: Verstehen ist hier keine Methode, sondern ein Grundmodus des In-der-Welt-Seins. Heidegger prägt damit den Begriff des hermeneutischen Zirkels neu: Man versteht immer aus einem Vorverständnis heraus. Hans-Georg Gadamer (1900-2002) entwickelt Heideggers Ansatz weiter und begründet die philosophische Hermeneutik als Theorie der dialogischen Verständigung. In „Wahrheit und Methode“ (1960) betont er, dass Verstehen immer in einem Horizont der Wirkungsgeschichte stattfindet - also unter dem Einfluss von Traditionen, Sprache, Kultur. Objektivität im Sinne natur‐ wissenschaftlicher Neutralität hält er für eine Illusion. Stattdessen fordert er ein Bewusstsein für die eigenen Vorurteile, die produktiv gemacht werden können. Verstehen geschieht bei Gadamer im Dialog, als ein Verschmelzen von Horizonten - dem des Textes und dem des Interpreten. Paul Ricœur (1913-2005) bringt Struktur und Subjekt zusammen. Er verbindet die Hermeneutik Gadamers mit der strukturalistischen Sprach‐ philosophie und entwickelt eine hermeneutische Phänomenologie. Für ihn ist Verstehen ein dreifacher Prozess: die distanzierende Analyse des Textes (semiotisch), die Interpretation seiner Sinnstruktur (hermeneutisch) und die Aneignung durch den Leser (existentiell). Damit wird Hermeneutik zu einer Brücke zwischen Textanalyse, Philosophie des Selbst und sozialem Verstehen. Die Hermeneutik ist die wissenschaftstheoretische Grundposition für das strategische Erkenntnisziel Verstehen. Ziel ist die Erschließung von Sinn, wie er sich in historisch, sprachlich und sozial geprägten Kontexten manifestiert. Methodisch wird das Ziel erreicht durch einen reflektierten, 134 2 Die Ziele der Wissenschaft <?page no="135"?> dialogischen und kontextsensiblen Interpretationsprozess, der die wechsel‐ seitige Bedingtheit von Teil und Ganzem berücksichtigt. Beispiel | Wie beim Lesen eines alten Briefes, dessen Sprache, Anspie‐ lungen und Kontext uns fremd sind: Nur wer den historischen Moment, die kulturellen Codes und die Biografie des Autors berücksichtigt, kann den Sinn erschließen - und erkennt zugleich, dass auch der eigene Blick Teil des Verstehens ist. Verstehende Soziologie. Die verstehende Soziologie wurde von Max Weber (1864-1920) begründet und bildet bis heute eine Grundlage der Sozi‐ alwissenschaften. Weber wandte sich bewusst gegen den Positivismus und betonte, dass soziale Wirklichkeit nicht durch Messen, sondern durch das Deuten subjektiver Sinnorientierungen erfasst wird. Sein Verständnis von Verstehen unterscheidet sich dabei von Hermeneutik und Phänomenologie und zielt darauf ab, menschliches Handeln im Kontext seiner Bedeutung und Wertvorstellungen zu interpretieren. Die verstehende Soziologie ist „eine Wissenschaft, welche soziales Handeln deutend verstehen und dadurch in seinem Ablauf und seinen Wirkungen ursächlich erklären will. ‚Handeln‘ soll dabei ein menschliches Verhalten heißen, wenn und insofern als der oder die Handelnden mit ihm einen subjektiven Sinn verbinden. ‚Soziales‘ Handeln aber soll ein solches Handeln heißen, welches seinem von dem oder den Handelnden gemeinten Sinn nach auf das Verhalten anderer bezogen wird und daran in seinem Ablauf orientiert ist.“ (Weber 1921, 1985, S.-542) Verstehen ist nach Max Weber keine Alternative zum Erklären, sondern dessen methodische Voraussetzung. Er unterscheidet zwischen aktuellem Verstehen (das unmittelbare Erfassen einer Handlungssituation, etwa das Winken als Abschiedsgruß) und erklärendem Verstehen (die kausalanalyti‐ sche Einordnung in größere soziale Zusammenhänge). Ein primäres me‐ thodisches Instrument ist der Idealtyp - ein theoretisches Konstrukt, das bestimmte Sinnstrukturen zuspitzt (bspw. „kapitalistisches Handeln“ oder „bürokratische Herrschaft“), um empirische Phänomene vergleichbar und erklärbar zu machen. Weber fordert eine werturteilsfreie Soziologie: Forschung kann normative Fragen thematisieren, muss aber ihre Urteile unabhängig von persönlichen oder politischen Präferenzen begründen. Ziel ist es, die Werte und Ziele 2.3 Wirklichkeit verstehen 135 <?page no="136"?> der Handelnden zu rekonstruieren, aber nicht zu bewerten. Daraus folgt sein methodischer Individualismus, der gesellschaftliche Strukturen nur aus dem Handeln einzelner Subjekte erklären kann, vorausgesetzt, deren Sinnperspektiven sind wissenschaftlich zugänglich. Für Weber ist Verstehen nicht eine intuitive Einfühlung, sondern die rational-kontrollierte Rekonstruktion von Sinnzusammenhängen. Damit grenzt er sich sowohl von der Hermeneutik (Fokus auf Autorintention) als auch von der Phänomenologie (Fokus auf Bewusstseinserlebnisse) ab. Sein Verständnis von Verstehen ist ein analytisches Werkzeug zur Strukturierung und Erklärung sozialer Wirklichkeit und kein Selbstzweck. Trotz dieser methodischen Strenge bleibt sein Ansatz eng mit dem Erkenntnisziel Verstehen verbunden: Soziale Ordnung ist für Weber das Ergebnis fortwährender Sinnorientierungen in sozialen Beziehungen. Wis‐ senschaftliches Verstehen heißt hier, die Sinnwelten der Handelnden empi‐ risch fundiert und theoretisch vermittelt zu rekonstruieren. Die verstehende Soziologie wirkt weit über die Disziplin hinaus, etwa in Politikwissenschaft, Geschichtswissenschaft, Ethnologie und Bildungs‐ forschung. Sie bildet das methodologische Fundament vieler qualitativer Ansätze, von der Biografieforschung über Handlungsrekonstruktion bis zur Fallanalyse. Beispiel | Ein und dieselbe Handlung - etwa das Werfen eines Balls - kann für das Kind ein Spiel, für die Trainerin eine Übungseinheit und für die Forscherin ein soziales Ritual sein. Was sie bedeutet, erschließt sich nur, wenn wir die Sinnperspektive der Handelnden verstehen. Phänomenologie (von griech. Φαινόμενον, phainómenon, das, was er‐ scheint; und λόγος, lógos, Lehre, Rede). Die Phänomenologie ist eine epistemologische und zugleich methodologische Strömung, die zu Beginn des 20. Jahrhunderts von Edmund Husserl (1859-1938) begründet (Husserl 2009) und von mehreren Philosophen - darunter Martin Heidegger, Maurice Merleau-Ponty, Jean-Paul Sartre und Alfred Schütz - weiterentwickelt wurde. Ausgangspunkt ist die Überlegung, dass Erkenntnis nicht in erster Linie darin besteht, eine objektive Realität abzubilden, sondern stets in der Weise beginnt, wie uns die Welt erscheint. Ziel ist die genaue Beschreibung der Dinge, wie sie sich dem Bewusstsein zeigen. Damit wurde die Phäno‐ 136 2 Die Ziele der Wissenschaft <?page no="137"?> menologie zur Grundlage einer Methodologie des Verstehens in Philosophie, Soziologie, Psychologie und Pädagogik. Husserl kritisierte den „Naiven Realismus“ der empirischen Wissenschaf‐ ten: Die Welt ist uns nicht einfach objektiv „gegeben“, sondern erscheint stets in spezifischen Bewusstseinsweisen - als Wahrnehmung, Erinnerung, Erwartung oder Vorstellung. Sein methodisches Prinzip lautete „Zu den Sachen selbst! “, also zu den Phänomenen, wie sie in der subjektiven Gege‐ benheit auftreten. Dies erfordert Epoché (griech. ἐποχή, epoché) - eine methodische Enthaltung gegenüber vorschnellen Annahmen über die Rea‐ lität - und phänomenologische Reduktion, die den Blick auf die Weise des Erlebens richtet. Verstehen bedeutet hier ein intentionales Nachvollziehen der Erfahrung - nicht durch äußere Erklärung, sondern durch Einsicht in das Wie des Erlebens. Im Detail | Ein phänomenologischer Zugang kann subjektive Perspek‐ tiven und Sinnstrukturen erfassen, die sich quantitativ oder experimen‐ tell schwer abbilden lassen. Ein Psychologe kann das Erleben von Angst oder Freude phänomenologisch untersuchen, indem er die bewusste Erfahrung der Betroffenen beschreibt. Ein Ethnologe kann das Erleben eines Rituals aus der Perspektive der Teilnehmenden nachvollziehen, anstatt es nur als äußeren Ablauf zu beobachten. In den Medien- oder Technikstudien kann phänomenologisch untersucht werden, wie ein Smartphone oder eine Social-Media-Plattform subjektiv erlebt wird, statt nur Nutzungszahlen zu erfassen. Alfred Schütz (1899-1959) machte die phänomenologische Philosophie für die Sozialwissenschaften fruchtbar. Für ihn ist die Lebenswelt - die alltäg‐ liche Welt des Handelns, Deutens und Kommunizierens - der Ursprung jeder sozialen Wirklichkeit. Menschen sind darin sinnverstehende Subjekte, die ihre Umwelt aktiv strukturieren und interpretieren. Wissenschaftliches Verstehen bedeutet daher, die Strukturen des subjektiven Sinns freizulegen, die soziales Handeln leiten: Motive, Routinen, Rollen und kommunikative Erwartungen. Schütz knüpft an Max Weber an, der zwischen „Handeln verstehen“ und „Erklären“ unterschied. Weber zielte auf die objektive Rekonstruktion des Sinns einer Handlung, um nachvollziehbar zu machen, warum jemand so gehandelt hat. Schütz erweitert dies um die subjektive Sinnrekonstruktion: Er fragt danach, welchen Sinn Handelnde selbst ihrer Handlung und ihrer 2.3 Wirklichkeit verstehen 137 <?page no="138"?> Welt zuschreiben. Soziale Realität ist bei ihm nicht bloß objektiv gegeben, sondern eine bedeutungsvoll organisierte Welt, die aus individuellen Per‐ spektiven hervorgeht und zugleich intersubjektiv geteilt wird. „Unser gesamtes Wissen von der Welt, sei es im wissenschaftlichen oder im alltägli‐ chen Denken, enthält Konstruktionen, das heißt einen Verband von Abstraktionen, Generalisierungen, Formalisierungen und Idealisierungen, die der jeweiligen Stufe gedanklicher Organisation gemäß sind. Genau genommen gibt es nirgends so etwas wie reine und einfache Tatsachen. Alle Tatsachen sind immer schon aus einem universellen Zusammenhang durch unsere Bewußtseinsabläufe ausgewählte Tatsachen. Somit sind sie immer interpretierte Tatsachen […]. Für das alltägliche Leben wie für die Wissenschaft heißt dies nicht, daß wir die Wirklichkeit der Welt nicht begreifen können. Es folgt nur, daß wir jeweils bloß bestimmte Aspekte erfassen, sofern sie entweder für die Bewältigung des Alltags oder vom Standpunkt der akzeptierten Verfahrensregeln des Denkens, die wir Wissenschaftsmethodik nennen, relevant sind.“ (Schütz 1971, S.-5) Die Phänomenologie setzt radikal beim Subjekt an, ohne in Psychologismus zu verfallen. Sie verbindet methodische Strenge mit epistemologischer Reflexion, indem sie die intentionalen Strukturen des Bewusstseins, die Konstitution sozialer Wirklichkeit und die Bedingungen von Erkenntnis untersucht. Ihr Einfluss reicht weit über die Philosophie hinaus und prägt qualitative Sozialforschung, biografische Analysen, Tiefeninterviews und lebensweltorientierte Ansätze in Pädagogik, Psychologie und Gesundheits‐ wissenschaft. Im strategischen Erkenntnisziel Verstehen erscheint die Phänomenolo‐ gie in zugespitzter Form: Es geht nicht nur um die Rekonstruktion von Handlungen oder Aussagen, sondern um die Weise, wie die Welt dem Handelnden selbst erscheint - als intentional strukturierte und bedeutsame Erfahrung. Damit erweitert Schütz den hermeneutischen Zugang, indem er die epistemologischen Bedingungen des Verstehens selbst thematisiert: Wahrnehmung, Bewusstsein und Weltbezug stehen ebenso im Zentrum wie Sprache, Kommunikation und soziale Praxis. Beispiel | Verstehen im Alltag. Derselbe Baum ist für den Spaziergänger ein Naturerlebnis, für die Biologin ein Forschungsobjekt und für die Künstlerin ein ästhetisches Motiv. Die Welt ist nicht „an sich“, sie zeigt sich jeweils anders, je nach intentionalem Bezug. 138 2 Die Ziele der Wissenschaft <?page no="139"?> Beispiel | Verstehen wissenschaftlich. In einer biografischen Interview‐ studie mit Pflegekräften wird gefragt, wie diese ihre Arbeit erleben. Statt nur Arbeitsabläufe zu erfassen, richtet sich die Analyse auf die Sinnstrukturen der Erzählungen: Pflege wird nicht nur als Tätigkeit beschrieben, sondern als Ausdruck von Verantwortung, Anerkennung oder auch Überforderung. Die phänomenologische Perspektive macht sichtbar, wie Pflegekräfte ihre Lebenswelt deuten - und wie dadurch soziale Wirklichkeit in der Praxis des Gesundheitswesens konstituiert wird. Symbolischer Interaktionismus. Der Symbolische Interaktionismus ent‐ stand in der amerikanischen Sozialpsychologie des frühen 20. Jahrhunderts und wurde wesentlich von George Herbert Mead und Herbert Blumer geprägt. Er zählt zu den einflussreichsten Perspektiven der qualitativen Sozialforschung, insbesondere in der interpretativen Soziologie, Ethnografie sowie Bildungs- und Gesundheitsforschung. Das Erkenntnisziel Verstehen wird hier konsequent vom Alltag herge‐ dacht: Es geht darum nachzuvollziehen, wie soziale Wirklichkeit im kon‐ kreten Handeln gemeinsam hergestellt wird - durch Deutungen, Symbole, Gesten, Sprache und Rollen. Menschliches Handeln ist nicht das Ergebnis objektiver Strukturen, sondern wird durch Sinnzuschreibungen vermittelt. Menschen reagieren nicht auf Reize selbst, sondern auf die Bedeutung, die sie diesen geben. So wird eine Bewegung erst durch gegenseitige Interpretation zum „Gruß“. Bedeutung ist sozial konstruiert und entsteht im Miteinander. George Herbert Mead (1863-1931) betrachtet das Selbstbewusstsein des Menschen als Produkt sozialer Prozesse, vor allem durch die Übernahme der Perspektive anderer („taking the role of the other“). Sprache ist das Medium für Verständigung und zugleich Rahmen für Denken, Fühlen und Handeln. Verstehen vollzieht sich als Verstehen des anderen und als Selbstverstehen durch den anderen. Herbert Blumer (1900-1987) fasste die Grundlagen des Symbolischen Interaktionismus in drei Thesen zusammen: • Menschen handeln Dingen gegenüber auf der Grundlage der Bedeutun‐ gen, die diese Dinge für sie haben. • Bedeutungen entstehen in der sozialen Interaktion. 2.3 Wirklichkeit verstehen 139 <?page no="140"?> • Bedeutungen werden in einem interpretativen Prozess verwendet und verändert. Verstehen ist im Symbolischen Interaktionismus nicht nur das Ziel wis‐ senschaftlicher Forschung, sondern das Grundprinzip sozialen Handelns. Wer menschliches Handeln sinnvoll rekonstruieren will, muss die Bedeu‐ tungen erfassen, die in bestimmten Situationen ausgehandelt, stabilisiert oder verändert werden. Diese Bedeutungen prägen Rollen, Beziehungen, Selbstbilder und Erwartungen - oftmals unbewusst, aber wirkungsvoll. Methodisch richtet sich der Symbolische Interaktionismus auf eine mikro‐ analytische Perspektive und empfiehlt, soziale Praktiken und Interaktionen „im Feld“ zu untersuchen, etwa durch teilnehmende Beobachtung und offene Interviews. Begriffe wie „Identität“, „Stigma“, „Rolle“ oder „Etikettierung“ wurden hier entwickelt oder bekannt gemacht. Im Unterschied zur klassischen Hermeneutik oder phänomenologischen Soziologie legt der Symbolische Interaktionismus weniger Wert auf abs‐ trakte Sinnfragen, sondern konzentriert sich auf die Analyse konkreter All‐ tagspraxis. Verstehen erfolgt als situatives, symbolisch vermitteltes Handeln in fortwährender Aushandlung, wodurch soziale Wirklichkeit als prozessual und dynamisch verstanden wird. Beispiel | Ein Handschlag kann Begrüßung, Abschied, Vertragsschluss oder Provokation sein - was er „ist“, entscheidet sich erst in der gemeinsamen Bedeutungszuschreibung im Moment der Begegnung. Kritische Theorie. Die Kritische Theorie der Frankfurter Schule verbindet das strategische Erkenntnisziel Verstehen mit dem Ziel Verändern und erhebt damit einen normativen Anspruch. Sie kritisiert traditionelle Wissenschafts‐ konzepte, die Erkenntnis als wertfreie Beschreibung oder kausale Erklärung begreifen, und fordert eine reflexive Theorie, die erkenntnisorientiert und gesellschaftlich engagiert ist. Verstehen bedeutet hier Aufklärung über gesellschaftliche Strukturen, Herrschaftsverhältnisse und ideologische Ver‐ zerrungen. Die klassische Hermeneutik wird kritisiert, weil sie auf subjektive Bedeu‐ tung abzielt und dabei Macht, Ideologie und systemische Zwänge zu wenig berücksichtigt. Im Gegensatz dazu sieht die Kritische Theorie Verstehen 140 2 Die Ziele der Wissenschaft <?page no="141"?> nicht als Selbstzweck, sondern als Schritt zur Emanzipation - und zwar als Erkenntnis der sozialen Bedingungen, die das Denken und Handeln prägen. Max Horkheimer (1895-1973) unterscheidet die „traditionelle“ Wissen‐ schaft, die Objektivität, formale Logik und Neutralität betont, von der „kritischen“ Wissenschaft, die gesellschaftliche Praxis aktiv verändern will. Verstehen hat eine politische Dimension: Es geht darum, scheinbar Selbst‐ verständliches kritisch zu hinterfragen, ideologische Verschleierungen zu durchbrechen und die historischen Bedingungen gesellschaftlicher Miss‐ stände sichtbar zu machen. Theodor W. Adorno (1903-1969) radikalisiert diese Sicht mit seiner Negativen Dialektik und der Kritik der Kulturindustrie. Für ihn ist Verstehen kein neutraler Zugang zur Welt, sondern ein produktiver Akt der Kritik: Es bedeutet, gesellschaftliche Widersprüche aufzudecken, zum Beispiel, wie Aufklärung in neue Formen der Herrschaft umschlägt oder wie Kunst und Sprache ideologisch aufgeladen werden. Verstehen ist für Adorno eine ästhetisch-reflexive Praxis - als Gegenbewegung zu vorschneller Harmoni‐ sierung, Systemdenken und dem Vergessen gesellschaftlichen Leidens. Für Jürgen Habermas ist Verstehen nicht nur eine Methode der Herme‐ neutik, sondern die grundlegende Struktur kommunikativen Handelns, in dem Wahrheit, Normen und Identität diskursiv ausgehandelt werden. In seiner Theorie der kommunikativen Rationalität wird wissenschaftliches Verstehen zur kritischen Analyse von Sprache und Macht, mit dem eman‐ zipatorischen Ziel, die Störungen und Verzerrungen im kommunikativen Handeln durch ökonomische Zwänge, institutionelle Macht oder kulturelle Stereotype sichtbar zu machen. In der Kritischen Theorie ist Verstehen nie‐ mals neutral. Wer versteht, ohne zu hinterfragen, stabilisiert das Bestehende; wer kritisch versteht, öffnet den Raum für Emanzipation. Beispiel | Eine sozialwissenschaftliche Untersuchung zur Mediennut‐ zung in Demokratien könnte aus Sicht der Kritischen Theorie nicht nur beschreiben, wie Menschen Medien konsumieren oder welche Inhalte sie bevorzugen, sondern fragen, welche gesellschaftlichen Strukturen und Machtinteressen sich in diesen Prozessen widerspiegeln. Etwa ließe sich zeigen, wie wirtschaftliche Konzentration in der Medienlandschaft öffentliche Meinung beeinflusst oder wie kulturelle Stereotype in Wer‐ bung und Unterhaltung fortgeschrieben werden. Das Ziel der Analyse wäre nicht bloß Erkenntnis über Kommunikationsprozesse, sondern 2.3 Wirklichkeit verstehen 141 <?page no="142"?> Aufklärung über ideologische Mechanismen, die Wahrnehmung und Urteilskraft der Individuen formen. Die empirische Untersuchung dient dabei als Mittel einer umfassenderen Kritik gesellschaftlicher Verhält‐ nisse. Sozialer Konstruktivismus. Der soziale Konstruktivismus ist eine episte‐ mologische Perspektive vor allem in den Sozial- und Bildungswissenschaf‐ ten. Sein Kernanliegen ist, dass Wirklichkeit nicht „entdeckt“, sondern in so‐ zialen Prozessen konstruiert wird. Menschen leben nicht in einer neutralen, objektiv gegebenen Welt, sondern strukturieren sie durch Kommunikation, Interpretation und symbolisches Handeln. Verstehen bedeutet hier, nachzu‐ vollziehen, wie soziale Tatsachen entstehen, wie sie stabilisiert werden, warum sie als selbstverständlich gelten und unter welchen Bedingungen sie verändert werden können. Peter L. Berger und Thomas Luckmann (1996) beschreiben das Entstehen sozialer Wirklichkeit in drei Phasen: • Externalisierung: Menschen schaffen durch ihr Handeln soziale Ord‐ nungen: Institutionen, Regeln, Rollen und Bedeutungen entstehen. • Objektivierung: Diese Ordnungen verselbstständigen sich, erscheinen als „objektiv“ und werden als selbstverständlich wahrgenommen. • Internalisierung: Individuen übernehmen diese sozialen Wirklichkei‐ ten in ihr Bewusstsein und sie werden Teil ihrer Identität und ihres Weltbilds. Verstehen im sozialen Konstruktivismus heißt, diese drei Ebenen kritisch zu rekonstruieren: Wie ist eine bestimmte Wirklichkeit entstanden? Warum erscheint sie heute als alternativlos? Wie wirken Macht, Sprache, Tradition und soziale Kontrolle in diesen Prozessen mit? Beispiel | Geschlecht, Familie oder Normalität erscheinen oft als „na‐ türlich“ - werden jedoch in komplexen sozialen Prozessen erzeugt, gelernt, tradiert. Ein konstruktivistisches Verstehen zeigt, wie diese Vorstellungen in Diskursen, Institutionen und Alltagspraxen entstehen und reproduziert werden. Es geht also weniger darum, was jemand meint oder wie jemand handelt, sondern wie die Deutungsrahmen entstehen, in denen Bedeutung überhaupt möglich wird. 142 2 Die Ziele der Wissenschaft <?page no="143"?> Paul Watzlawick (2005) fasst das konstruktivistische Menschenbild prägnant zusammen: Als Individuen können wir die Welt nie direkt oder objektiv wahrnehmen. Es gibt nur eine gefilterte, subjektive Version der Wirklich‐ keit, die durch die Möglichkeiten unserer Sprache, unserer Kultur und der Muster unserer individuellen Erfahrung konstruiert wird. „Wirklichkeit ist das, was wirkt.“ Watzlawick verlagert den Fokus von der philosophischen Frage nach der objektiven Wahrheit zur Frage der Funktionalität einer jeweiligen Konstruktion. Wirklichkeit ist wirksam, insofern sie unser Han‐ deln bestimmt - unabhängig davon, ob es mit „objektiven Gegebenheiten“ übereinstimmt. So kann eine Überzeugung durch ihre Folgen „wirklich“ werden, etwa als selbsterfüllende Prophezeiung. Wenn jemand bspw. glaubt, er werde seinen Vortrag vermasseln, erzeugt diese Erwartung Nervosität und Konzentrationsschwäche, was dazu führt, dass er tatsächlich scheitert. Der Schlüssel zu persönlicher und kommunikativer Veränderung liegt daher nicht im Finden der „einen Wahrheit“, sondern in der Neukonstruktion einer wirksameren, funktionaleren Realität. Das konstruktivistische Denkangebot zeigt sich z. B. in der qualitativen Forschung in Verfahren wie Grounded Theory, Diskursanalyse, ethnografi‐ scher Wissenssoziologie oder narrativer Interviewforschung. Diese Ansätze rekonstruieren die Entstehung von Sinnzusammenhängen, ohne von einer naiven Abbildtheorie der Realität Nach konstruktivistischem Verständnis ist Verstehen ein metareflexiver Akt: Es geht nicht nur um die Deutung einzelner Aussagen oder Handlun‐ gen, sondern um die Analyse des gesamten Systems der Bedeutungsgenerie‐ rung. Zentral ist die Frage: Wie kommt Bedeutung zustande? Unter welchen Bedingungen wird sie hergestellt? Wem dient sie? Damit verschiebt sich der Fokus von einer bloßen Sinnrekonstruktion zu einer Analyse sozialer Praktiken, Machtverhältnisse und Diskurse, die Sinn erst ermöglichen. Beispiel | Eine Ampel ist nicht „von Natur aus“ rot, gelb oder grün. Ihre Farben und Bedeutungen existieren nur, weil Menschen sich auf dieses Symbolsystem geeinigt haben. Verstehen im sozialen Konstruktivismus heißt also, hinter die Kulissen zu schauen: nicht nur zu fragen, was etwas bedeutet, sondern wie Bedeutung entsteht und welchen Interessen sie dient. 2.3 Wirklichkeit verstehen 143 <?page no="144"?> Narrative Hermeneutik. Die narrative Hermeneutik versteht den menschlichen Umgang mit Wirklichkeit als erzählerische Sinnstiftung, als grundlegende Form menschlicher Selbst- und Welterschließung. Sie verbin‐ det hermeneutische, phänomenologische und konstruktivistische Elemente und findet Anwendung in qualitativer Sozialforschung, Psychotherapie, Bildungstheorie, Gedächtnisforschung und Historiografie. Beispiel | Ein Lebenslauf in Tabellenform kann Daten liefern - aber erst die erzählte Lebensgeschichte zeigt, wie diese Daten Sinn ergeben und welche Bedeutung die Person ihnen selbst zuschreibt. Die narrative Hermeneutik ist anschlussfähig für qualitative Forschung, Bil‐ dungswissenschaft, Psychologie und Geschichtsschreibung. Sie verbindet das strategische Erkenntnisziel Verstehen mit der Erkenntnis, dass Menschen Sinn durch Geschichten erschließen und die Welt narrativ ordnen. Erzählen ist kein bloßes Mitteilen, sondern ein strukturierender Akt, der Einzelereig‐ nisse, Erfahrungen, Brüche und Widersprüche zu einer zeitlich und logisch geordneten Einheit verbindet. Erst diese narrative Form erzeugt Bedeutung, ermöglicht Deutung, stiftet Identität und schafft Kohärenz. Für Paul Ricœur (1913-2005) gewinnt das Leben seinen Sinn durch die narrative Integration von Ereignissen, Handlungen und Begegnungen. Er spricht von der „Konfiguration des Lebens“: Das Selbst versteht sich immer wieder neu, indem es seine Erfahrungen in Geschichten fasst. Diese Erzäh‐ lungen sind jedoch nicht nur individuell, sondern zugleich in kollektive Deutungsmuster, kulturelle Narrative und historische Kontexte eingebettet. Wissenschaftliches Verstehen bedeutet daher, biografische Erfahrungen im Licht kollektiver Bedeutungen zu lesen - und umgekehrt kollektive Narrative durch individuelle Lebensgeschichten zu konkretisieren. In der qualitativen Forschung wurde diese Perspektive durch die narrative Hermeneutik und insbesondere die narrative Interviewforschung methodisch prägend. Lebensgeschichten werden nicht wie bloße Daten kodiert, sondern als Sinnkonstruktionen rekonstruiert - mit Aufmerksamkeit für Erzähl‐ strukturen, Performanz, Leerstellen und Brüche. Ziel ist es nicht, eine objek‐ tive Wahrheit zu ermitteln, sondern den biografischen Sinnzusammenhang und die Art der narrativen Selbst- und Weltdeutung zu erschließen. Jerome Bruner (1915-2016) unterscheidet zwei grundlegende Modi der Welterschließung: den paradigmatischen Modus, der logisch-wissenschaft‐ 144 2 Die Ziele der Wissenschaft <?page no="145"?> lich verfährt, und den narrativen Modus, der alltagspraktisch Erfahrungen deutet. Der narrative Modus ist keine „irrationale“ Form, sondern eine eigenständige Rationalität, durch die Menschen Komplexität, Ambivalenz, Zeitlichkeit und moralische Fragen bewältigen. Für die Bildung bedeutet dies: Lernen erschöpft sich nicht im Faktenwissen, sondern erfordert die Einbettung von Erfahrungen in erzählte Sinnzusammenhänge. Die narrative Hermeneutik prägt daher Forschungsfelder wie Identität, Erinnerungskultur, Memory Studies und postkoloniale Perspektiven. Hier stehen Fragen der Macht und Erzählhoheit im Vordergrund: Wer darf erzählen? Welche Narrative dominieren? Welche Stimmen werden margi‐ nalisiert oder ausgegrenzt? Verstehen über Narrative ist damit nie neutral, sondern stets kulturell geprägt, sozial vermittelt und von Machtstrukturen durchdrungen. Synopsis | Wissenschaftstheoretische Positionen: Verstehen als … • Hermeneutik: Verstehen als interpretatives Erschließen von Sinn; Dialog zwischen Teil und Ganzem; stets vom Vorverständnis ge‐ prägt. • Phänomenologie: Verstehen als Beschreibung intentionaler Strukturen des Erlebens; Welt so sehen, wie sie sich dem Bewusst‐ sein zeigt. • Verstehende Soziologie: Verstehen als rationale, methodisch kontrollierte Rekonstruktion sozialer Sinnzuschreibungen mithilfe von Idealtypen. • Symbolischer Interaktionismus: Verstehen als Nachvollzug von Bedeutungsprozessen, die soziale Interaktion, Rollen, Symbole, Identitäten prägen. • Kritische Theorie: Verstehen als ideologiekritische Reflexion, die Sinnzusammenhänge auf Machtstrukturen und Herrschaftsin‐ teressen hin befragt. • Sozialer Konstruktivismus: Verstehen als Analyse, wie soziale Wirklichkeit in kommunikativen Prozessen hergestellt, stabilisiert und verändert wird. • Narrative Hermeneutik: Verstehen als Deutung von Geschich‐ ten, die Zeit strukturieren, Kohärenz schaffen und Identität bilden. 2.3 Wirklichkeit verstehen 145 <?page no="146"?> Philosophische Grundlagen Die wissenschaftstheoretischen Positionen verdeutlichen die Vielfalt der Zugänge zum Erkenntnisziel Verstehen. Sie bilden die methodische und theoretische Grundlage für den Umgang mit Sinn, Bedeutung und sozialen Wirklichkeiten. Um diese Positionen jedoch in ihren tieferen Wurzeln zu verstehen, ist es notwendig, ihre philosophischen Grundlagen näher zu betrachten. Das erkenntnistheoretische Konzept des Verstehens entwickelte sich his‐ torisch als Reaktion auf die Grenzen naturwissenschaftlicher Erklärungen. Während das Erklären Ursachen und Gesetzmäßigkeiten anvisiert, hängt Verstehen eng mit dem Zugang zu Sinn und Bedeutung zusammen. Hierbei erscheint die Welt nicht als eine bloße Ansammlung von Fakten, sondern als ein Geflecht von Zeichen, Symbolen, Praktiken und Geschichten, die interpretiert werden müssen. Verstehen erfolgt nicht aus in einer neutralen Distanz, sondern aus der Perspektive eines Subjekts, das selbst Teil der Welt ist. Jede Interpretation steht im Kontext von Vorannahmen, kulturelle Traditionen und situative Kontexte, die durch den Dialog mit dem Fremden oder Neuen erweitert und korrigiert werden. Gleichzeitig ist Verstehen sozial und kulturell be‐ dingt; Sinn entsteht im gemeinsamen Handeln, in Sprache, Kommunikation, Symbolen und Institutionen. Wissenschaftliches Verstehen bedeutet, diese Prozesse der Sinnstiftung zu reflektieren und methodisch kontrollierbar zu machen. Dies schließt auch eine kritische Dimension ein, die darauf abzielt, Ideologien aufzudecken, Machtverhältnisse sichtbar zu machen und neue Verständigungsmöglichkeiten zu eröffnen. Ontologie: Die Welt als sinnhaftes Sein. Das Erkenntnisziel Verstehen beruht auf der Annahme, dass die Wirklichkeit nicht auf reine Tatsachen reduziert werden kann, sondern dass sie sich in Sinn- und Bedeutungszu‐ sammenhängen zeigt. Menschen leben nicht nur in einer objektiven Welt, sondern in einer Welt der Symbole, Zeichen und sozialen Praktiken. Onto‐ logisch bedeutet dies, dass das Sein als sinnhaft strukturiert und als durch menschliches Dasein mitkonstituiert gedacht wird. Bereits die Phänomeno‐ logie geht davon aus, dass „Welt“ immer als Welt-für-einen-Bewusstseins- oder Daseinsbezug erscheint. Martin Heidegger bringt dies in der Formulie‐ rung auf den Punkt, dass das Sein das ist, „was verstanden werden kann“. Ontologisch wird Verstehen somit auf eine Wirklichkeit bezogen, die sich im Medium von Sinn und Bedeutung konstituiert - eine Wirklichkeit, die 146 2 Die Ziele der Wissenschaft <?page no="147"?> nicht hinter den Phänomenen liegt, sondern sich im Vollzug des Erscheinens und Deutens zeigt. Epistemologische Dimension: Wissen als Interpretation. Epistemolo‐ gisch knüpft das Verstehen an hermeneutische, phänomenologische und interaktionistische Positionen an. Wissen wird hier nicht als Abbildung oder Erklärung gefasst, sondern als Interpretation von Sinngehalten. Die Her‐ meneutik (von Schleiermacher bis Gadamer) betont den hermeneutischen Zirkel: Verstehen bewegt sich stets zwischen dem Ganzen und seinen Teilen, zwischen Vorverständnis und neuer Einsicht. Die Phänomenologie hebt hervor, dass Erkennen immer intentional strukturiert ist - also auf etwas gerichtet, das als sinnvoller Gehalt erscheint. Der Symbolische Interaktio‐ nismus zeigt, dass Bedeutungen in sozialen Prozessen entstehen und sich in Kommunikation verändern. Damit ist Verstehen ein Erkenntnisprozess, der in Interaktion, Sprache und Tradition verankert ist. Es geht nicht um die Feststellung einer „objektiven Wahrheit“ im naturwissenschaftlichen Sinn, sondern um das Nachvollziehen, Rekonstruieren und gemeinsame Aushandeln von Bedeutungen. Die Geltung von Wissen im Modus des Verstehens ergibt sich aus der Nachvollziehbarkeit für andere und aus dem Diskurs, in dem Deutungen überprüft und erweitert werden. Axiologische Dimension: Verstehen als ethische Haltung. Das Verste‐ hen ist nicht wertneutral, sondern beruht auf einer spezifischen ethischen Grundhaltung. Wer verstehen will, muss die Perspektive des Anderen ernst nehmen, sich in seine Sinnhorizonte einlassen und gleichzeitig die eigenen Vorannahmen reflektieren. Gadamer beschreibt dies als „Horizont‐ verschmelzung“: Verstehen entsteht dort, wo unterschiedliche Deutungsho‐ rizonte in einen Dialog treten. Damit verbunden sind Werte wie Respekt, Offenheit, Anerkennung und kritische Selbstprüfung. In einer erweiterten, kritischen Tradition - etwa bei der Frankfurter Schule - kommt hinzu, dass Verstehen auch Herrschafts- und Machtverhältnisse sichtbar machen und Emanzipation ermöglichen soll. Axiologisch steht das Erkenntnisziel Verste‐ hen somit für eine Haltung, die Sinngehalte bewahren, zugänglich machen und in den Diskurs einbringen will. Es geht darum, Verständigung zu er‐ möglichen und gemeinsame Orientierungen zu schaffen - nicht durch bloße Anpassung, sondern durch reflektiertes und kritisches In-Beziehung-Setzen der eigenen Perspektive mit jener der anderen. 2.3 Wirklichkeit verstehen 147 <?page no="148"?> Verstehen Ziel: Verstehen erschließt und deutet Sinn, Sprache und Handlung. Stärke: Sie macht individuelle und soziale Wirklichkeit nachvollziehbar. Grenze: Risiko subjektiver Beliebigkeit und Innenperspektiven. Herausforderung: Verstehen methodisch sichern und mit Erklären wie Verändern verbinden. 2.4 Wirklichkeit erklären Wissenschaftliches Erklären gilt seit der Neuzeit als eine der eigentlichen Aufgaben der Wissenschaft. Schon im Alltagsgebrauch des Wortes „erklä‐ ren“ wird deutlich, dass es über reine Beschreibung hinausgeht: Wer etwas erklärt, macht Zusammenhänge verständlich, deckt Ursachen auf und for‐ muliert Regeln, mit deren Hilfe Phänomene eingeordnet werden können. In dieser Hinsicht steht das Erklären im Zentrum jener wissenschaftlichen Tradition, die von den Naturwissenschaften ausgehend viele andere Diszi‐ plinen geprägt hat. Die besondere Bedeutung des Erklärens besteht darin, Allgemeinheit und Gesetzmäßigkeit herzustellen. Während Beschreibungen am Einzelfall bleiben, zielt das Erklären darauf, besondere Ereignisse auf allgemeine Zusammenhänge zurückzuführen. Erscheinungen sind keine bloßen Zu‐ fälle, sondern folgen Mustern, die in vielen Fällen gelten. Wissenschaft konstituiert sich damit als eine Ordnung des Wissens, die über individuelle Erfahrungen hinausweist. Gerade in den Natur- und Technikwissenschaften ist das Erklären das dominierende Paradigma. Von der Mechanik über die Chemie bis zur modernen Molekularbiologie geht es darum, Ursachenketten freizulegen, Variablenbeziehungen zu modellieren und Gesetzmäßigkeiten in Formeln zu fassen. Doch auch die Sozial- und Kulturwissenschaften haben die Logik des Erklärens aufgenommen - teils in bewusster Anlehnung, teils in kritischer Distanz. Quantitative Umfragen, statistische Analysen oder systemtheore‐ tische Modelle zeigen, dass sich Erklären auch hier etabliert hat, auch wenn es in manchen Disziplinen mit konkurrierenden Erkenntniszielen wie dem Verstehen oder dem Verändern in Spannung tritt. 148 2 Die Ziele der Wissenschaft <?page no="149"?> Das Erkenntnisziel Erklären gründet in der empirisch-analytischen Wis‐ senschaftsauffassung, die sich seit der wissenschaftlichen Revolution der Neuzeit etabliert hat. Mit Pionieren wie Galileo Galilei (1564-1642) und Isaac Newton (1643-1727) verband sich die Überzeugung, dass die Welt nicht in unüberschaubaren Zufällen oder verborgenen Wesenskräften ruht, sondern regelhaft und gesetzmäßig strukturiert ist. Diese Regelhaftigkeit kann durch Beobachtung und mathematische Modellierung erkannt werden. Dieses neue Wissenschaftsverständnis veränderte die Rolle des Wissens grundlegend. Es diente nicht länger der kontemplativen Betrachtung, son‐ dern wurde zu einem Instrument der Erkenntnis, das methodisch abgesi‐ chert und durch Experimente überprüfbar ist. Naturgesetze galten fortan nicht als spekulative Annahmen, sondern als Hypothesen, die in Beobach‐ tungen und Messungen überprüft werden können. Ähnlich sah Francis Bacon (1561-1626) sein Ideal einer wissenschaftli‐ chen Praxis der „methodischen Empirie“, die auf Beobachtung, Induktion und wiederholbare Experimente setzt. Logik des Erklärens Wenn man von „Erklären“ in der Wissenschaft spricht, geht es nicht um die Vermittlung von Wissen im alltäglichen Sinn, also jemand etwas verständ‐ lich erläutern. Gemeint ist eine logisch strukturierte Form der Begründung, die ein Ereignis oder Phänomen in einen allgemeinen Zusammenhang einordnet. Erklären heißt, das Besondere aus allgemeinen Regeln oder Prinzipien abzuleiten. Die klassische Formulierung dieser Logik basiert auf dem deduktiv-no‐ mologischen Modell des Erklärens, auch als Hempel-Oppenheim-Schema bezeichnet, da es von Carl Gustav Hempel und Paul Oppenheim entwickelt wurde. Nach diesem Schema wird ein zu erklärendes Phänomen (Explanandum) aus zwei Arten von Voraussetzungen (Explanans) abgeleitet: • allgemeine Gesetze (L1, L2, …, Ln) - nomologische Aussagen • spezifische Randbedingungen (C1, C2, …, Ck) - konkrete Umstände des Einzelfalls 2.4 Wirklichkeit erklären 149 <?page no="150"?> Die Struktur lautet: L1, L2, …, Ln = allgemeine Gesetze C1, C2, …, Ck = spezifische Randbedingungen E: = zu erklärendes Phänomen, Explanandum An einem einfachen Beispiel: L1: Alle Metalle dehnen sich bei Erwärmung aus. C1: Dieser Kupferstab ist ein Metall. C2: Dieser Kupferstab wurde erwärmt. E: Dieser Kupferstab dehnt sich aus. Das Ereignis der Ausdehnung erscheint hier nicht zufällig, sondern als notwendige Folge allgemeiner Regeln, die zudem empirisch überprüfbar sind. Erklären bedeutet daher nicht nur, ein einzelnes Ereignis plausibel zu machen, sondern auch Prognosen zu ermöglichen: Wer weiß, dass Metalle sich bei Hitze ausdehnen, kann technische Konstruktionen so planen, dass sie Temperaturschwankungen standhalten. Prognose. Erklärung ist damit nicht nur rückblickende Begründung, sondern auch Grundlage für Voraussagen. Wer belastbare Regeln kennt, kann zukünftige Zustände vorhersagen - etwa im Klimawandel durch die Verbindung von Treibhausgasemissionen und globaler Erwärmung. Die Qualität der Prognose hängt dabei unmittelbar von der Qualität der Erklärung ab. Technologie. Schließlich erlaubt erklärendes Wissen praktische Umset‐ zung. Stabile und bewährte Erklärungen lassen sich in Handlungen und Anwendungen überführen - sei es in der Maschinentechnik, in der Medizin oder in der Sozialpolitik. So führte das Verständnis von Infektionsmechanis‐ men zur Entwicklung von Impfstoffen; das Wissen über elektrische Ströme ermöglichte den Bau von Computern. Technologie ist damit die Übersetzung erklärenden Wissens in konkrete Veränderungen. 150 2 Die Ziele der Wissenschaft <?page no="151"?> Die Hypothese „Regelmäßiger Sport erhöht die Gesundheit“ ermöglicht • eine Erklärung: X ist gesund, weil er Sport betreibt, • eine Technologie: X kann gesund bleiben, dadurch dass er Sport betreibt, • eine Prognose: X bleibt wahrscheinlich gesund, weil der Sport betreibt. Das deduktiv-nomologische Modell des Erklärens prägt bis heute das Ver‐ ständnis von Wissenschaft, insbesondere in den Naturwissenschaften. Sein Reiz liegt in seiner Klarheit: Ein Ereignis wird logisch aus allgemeinen Sätzen und konkreten Bedingungen abgeleitet. Das Erklären erhält dadurch eine formale Strenge, die es erlaubt, Hypothesen auf ihre Gültigkeit hin zu prüfen. Doch in der Praxis ist Erklären komplexer. Dieses Modell setzt zum einen voraus, dass es allgemeine Gesetze gibt, die sich in logischer Form ausdrü‐ cken lassen. Aber viele Wissenschaften, insbesondere die historischen, soziologischen und kulturwissenschaftlichen Disziplinen arbeiten nicht mit Gesetzesaussagen. Dort kommen andere Erklärungsformen zum Einsatz, wie z. B. narrative Rekonstruktionen, die weniger auf strikte Deduktion, sondern eher auf Plausibilität basieren. Ein weiteres Problem betrifft die Auffassung von Kausalität: Das Hem‐ pel-Oppenheim-Modell sieht Erklärungen meist als kausal, Ereignisse wer‐ den demnach durch Ursachen bestimmt, die durch Gesetze formuliert sind. Moderne Wissenschaftstheorien zeigen jedoch, dass nicht alle Erklärungen kausal sein müssen. So gibt es in Mathematik und Systemtheorie Erklärun‐ gen, die auf Strukturen, Funktionen oder logischen Ableitungen beruhen, ohne eine direkte Kausalbeziehung. Zudem wurde Kritik laut, dass das Modell den zeitlichen Aspekt von Ursachen nicht ausreichend berücksichtigt. Es unterscheidet nicht, ob ein Ereignis aus vorherigen Bedingungen abgeleitet wird oder aus nachträgli‐ chen Umständen erklärt wird. Z. B. lässt sich der Schattenwurf eines Turms formal entweder durch den Stand der Sonne (Ursache) oder durch die Länge des Schattens (Symptom) „erklären“ - inhaltlich jedoch sind diese Erklärungen nicht gleichwertig. 2.4 Wirklichkeit erklären 151 <?page no="152"?> Eine Erklärung ist nicht nur ein formales Konstrukt, sondern immer eine spezifische Antwort auf eine konkrete Frage in einem Kontext. So kann bspw. das Phänomen „Depression“ in der Psychologie biologisch, psychodynamisch oder verhaltensbezogen erklärt werden, je nachdem, welche Fragestellung verfolgt wird. Die Logik des Erklärens kann demnach nicht auf einen einzigen Typ redu‐ ziert werden kann. Erklären unterscheidet sich je nach Gegenstandsbereich, Fragestellung und wissenschaftlicher Zielsetzung. In der Physik bspw. dominiert die deduktiv-nomologische Form der Erklärung, bei der aus allgemeinen Naturgesetzen und exakten Anfangsbe‐ dingungen ein Phänomen logisch abgeleitet wird. Grundlage sind mathema‐ tisch präzise formulierte Theorien wie das Newtonsche Gravitationsgesetz oder die Relativitätstheorie. Die Generalisierbarkeit ist hier universell: So lässt sich die Umlaufbahn eines Planeten überall im Universum mit hoher Genauigkeit berechnen. Die Biologie arbeitet mit einer Kombination aus funktionalen und histo‐ rischen Erklärungen. Funktional wird ein Merkmal nach seinem Nutzen beschrieben, historisch wird seine Entstehung rekonstruiert. Grundlage sind evolutionsbiologische Modelle wie die Theorie der natürlichen Selek‐ tion oder genetischer Drift. Die Generalisierbarkeit ist hoch innerhalb bestimmter Organismengruppen, aber nicht universell. Ein Beispiel ist die Erklärung der Form eines Vogelflügels durch aerodynamische Effizienz und evolutionäre Entwicklung. In den Sozialwissenschaften geht es oft um sind probabilistische Erklä‐ rungen. Sie basieren auf Wahrscheinlichkeiten und Korrelationen und werden häufig mit strukturellen oder kausalen Modellen kombiniert. Typi‐ sche Methoden sind Regressionsanalysen und Strukturgleichungsmodelle. Aufgrund der starken Kontextabhängigkeit sozialer Prozesse ist die Gene‐ ralisierbarkeit dieser Erklärungen meist begrenzt. Ein anschauliches Beispiel ist der Zusammenhang zwischen Bildung und Einkommen: Zwar zeigt sich in vielen Gesellschaften ein klarer Trend, dass höhere Bildung mit höherem Einkommen korreliert, doch variiert die Stärke dieses Zusammenhangs kulturell erheblich. Sozialwissenschaftliche Erklärungen formulieren daher oft: „Wenn A vorliegt, erhöht sich die Wahrscheinlichkeit von B.“ Diese probabilistische Sicht relativiert keine Erklärungskraft, sondern spiegelt die kontingenten Bedingungen und die Komplexität sozialer Wirklichkeit realistisch wider. 152 2 Die Ziele der Wissenschaft <?page no="153"?> Die Medizin verbindet mehrere Formen: ätiologische Erklärungen iden‐ tifizieren die Ursachen einer Krankheit, epidemiologische Erklärungen analysieren ihre Verbreitung, und pathophysiologische Erklärungen rekon‐ struieren die inneren Mechanismen. Grundlage sind virologische, epide‐ miologische und physiologische Modelle. Die Generalisierbarkeit ist hoch für ähnliche Krankheitsbilder, aber eingeschränkt bei neuen Erregern. Ein Beispiel: Bei einem Infektionsausbruch werden Ursache, Ausbreitung und Krankheitsverlauf integriert erklärt. In der Ökonomie dominieren modellbasierte probabilistische Erklärungen, die wirtschaftliche Prozesse unter idealisierten Annahmen simulieren. Da‐ bei werden formale Gleichgewichtsmodelle, spieltheoretische Ansätze oder institutionelle Analysen eingesetzt. Die Generalisierbarkeit dieser Modelle ist begrenzt, da sie nur unter bestimmten Marktbedingungen zuverlässig funktionieren. So erklärt das Angebot-Nachfrage-Modell Preisveränderun‐ gen, allerdings ausschließlich, wenn die zugrunde liegenden Rahmenbedin‐ gungen erfüllt sind. Die Psychologie verwendet überwiegend Erklärungen, die biologische, kognitive, behaviorale und tiefenpsychologische Ansätze miteinander ver‐ binden. Grundlage bilden Modelle aus der Neurobiologie, Lerntheorie, Kognitionswissenschaft und Psychoanalyse. Die Generalisierbarkeit ist mo‐ derat, da individuelle Unterschiede eine große Rolle spielen. So lassen sich etwa Angststörungen als Zusammenspiel genetischer Dispositionen, Lernerfahrungen und kognitiver Verzerrungen erklären. In den Geowissenschaften dominieren modellbasierte physikalische Er‐ klärungen, häufig ergänzt durch chemische und biologische Aspekte. Grundlage sind Prozessmodelle wie die Plattentektonik oder Klimamodelle. Die Generalisierbarkeit ist für spezifische geophysikalische Prozesse hoch, jedoch bei komplexen Systemen eingeschränkt. So werden Erdbeben bei‐ spielsweise durch den Spannungsaufbau und -abbau in der Erdkruste er‐ klärt, wie es das Modell der Plattentektonik beschreibt. In Disziplinen wie Klimaforschung, Epidemiologie, Soziologie oder Öko‐ nomie entstehen Erklärungen zunehmend durch digitale Modelle, Simula‐ tionen oder systemische Rekonstruktionen komplexer Wechselwirkungen. Das Potential solcher Erklärungen resultiert nicht aus einzelnen Gesetzen, sondern aus einem Netz von Annahmen und Relationen. Dieses Erklären durch Modelle ist eine Erweiterung des deduktiv-nomologischen Modells, da es auch nichtlineare, multikausale und dynamische Prozesse umfasst. 2.4 Wirklichkeit erklären 153 <?page no="154"?> Erklären folgt in der Forschungspraxis also nicht einem einzigen logi‐ schen Schema, je nach Disziplin variieren Generalisierung, theoretische Grundlagen, Methoden und Erklärungstyp: von universellen Gesetzen über funktionale und historische Rekonstruktionen bis zu probabilistischen oder modellbasierten Ansätzen. Erklären und Begründen Für das strategische Erkenntnisziel Erklären sind verschiedene Formen des Begründens relevant - neben ontologischen, epistemologischen und axiologischen vor allem die empirische, logisch-analytische, methodische und theoretische Begründung. • Empirische Begründung. Sie prüft Hypothesen und theoretische Annahmen an beobachtbaren, messbaren Daten. Sie stützt sich auf Methoden wie kontrollierte Experimente, standardisierte Erhebungen oder statistische Analysen. Entscheidend ist, dass Aussagen nicht allein logisch aus einer Theorie folgen, sondern durch Erfahrung und Beob‐ achtung überprüft werden. Beispiel | In der Klimaforschung wird die Hypothese untersucht, dass erhöhte CO₂-Konzentrationen in der Atmosphäre zur globa‐ len Erwärmung führen. Diese Annahme wird mit mehreren empi‐ rischen Verfahren überprüft. Langzeitmessungen dokumentieren systematisch den Anstieg der CO₂-Werte und der globalen Durch‐ schnittstemperaturen. Statistische Analysen zeigen eine hochsig‐ nifikante Korrelation zwischen Treibhausgasen und Temperatur‐ verlauf. Kontrollierte Experimente und Klimamodelle simulieren physikalische Prozesse, um kausale Mechanismen nachzuweisen. Die empirische Begründung besteht hier also in der methodisch geregelten Verknüpfung von Beobachtung, Messung und theoreti‐ scher Erklärung. Nur wenn sich die theoretische Annahme auch in der Erfahrung bewährt, gilt sie als wissenschaftlich begründet. • Logisch-analytische Begründung. Sie untersucht, ob eine Theorie oder ein Modell in sich widerspruchsfrei ist und ob ihre Schlussfolgerun‐ gen korrekt aus den zugrunde liegenden Annahmen abgeleitet werden. 154 2 Die Ziele der Wissenschaft <?page no="155"?> Es geht dabei um die theorieinterne logische Konsistenz, nicht um die unmittelbare Überprüfung an Beobachtungsdaten. Entscheidend ist, dass die verwendeten Begriffe klar definiert sind und die logischen Übergänge zwischen Prämissen und Schlussfolgerungen gültig bleiben. Eine Aussage gilt als begründet, wenn sie sich aus den angenommenen Axiomen und Definitionen zwingend deduktiv ableiten lässt, unabhän‐ gig davon, ob sie empirisch überprüft wurde oder nicht. Beispiel | Die Rational-Choice-Theorie nimmt an, dass Akteure ihre Entscheidungen nach dem Prinzip der Nutzenmaximierung treffen. Aus dieser Grundannahme lässt sich logisch ableiten, dass Akteure zwischen Handlungsalternativen diejenige wählen, die ihnen den größten erwarteten Nutzen bringt. Diese Schlussfolgerung ergibt sich aus der Struktur der Theorie selbst, unabhängig davon, ob in der Realität tatsächlich immer so gehandelt wird. Beispiel | In der Geometrie nach Euklid gilt: Wenn zwei Dreiecke kongruent sind und ihre Winkel übereinstimmen, dann müssen auch ihre Seitenverhältnisse übereinstimmen. Diese Aussage ist nicht Ergebnis einer Beobachtung, sondern folgt deduktiv aus den euklidischen Axiomen und Definitionen. Beispiel | Die Newtonsche Gravitationstheorie beruht auf allgemei‐ nen Gesetzen: Zwischen zwei Massen wirkt eine Anziehungskraft, und diese Kraft bewirkt gemäß F = m·a eine Beschleunigung. Daraus lässt sich deduktiv folgern: Lässt man einen Apfel los, so erfährt er die Gravitationskraft der Erde und fällt mit gleichmäßiger Beschleunigung in Richtung Erdmittelpunkt. Diese logisch-analy‐ tische Begründung ergibt sich zwingend aus den theoretischen Axiomen - unabhängig davon, ob man den konkreten Apfel tatsäch‐ lich fallen sieht. Bei der empirischen Begründung müsste die Hy‐ pothese durch Beobachtungen und Messungen überprüft werden, etwa durch wiederholte Fallversuche oder exakte Zeit-Beschleuni‐ gungs-Messungen. Für die deduktive Ableitung hingegen ist dies 2.4 Wirklichkeit erklären 155 <?page no="156"?> nicht erforderlich: Die Begründung hängt nur von der inneren Logik der Theorie ab. • Methodische Begründung. Sie bezieht sich auf die wissenschaftliche Rechtfertigung des gesamten Forschungsprozesses. Sie stellt sicher, dass Erkenntnisse nicht bloß auf zufälligen Beobachtungen beruhen, sondern auf systematisch geplanten und kontrollierten Verfahren. Dabei geht es nicht nur um Gütekriterien wie Validität und Reliabilität, sondern um die wissenschaftstheoretische Plausibilität der Vorgehensweise: Eine Methode ist dann begründet, wenn sie ihrem Erkenntnisziel angemessen ist, also den Zusammenhang zwischen Fragestellung, Untersuchungs‐ gegenstand und theoretischem Rahmen kohärent gestaltet. Methodische Begründung schafft die Grundlage für die Nachvollzieh‐ barkeit und intersubjektive Überprüfbarkeit von Ergebnissen. Sie re‐ flektiert zugleich, unter welchen Bedingungen eine bestimmte Methode überhaupt geeignet ist, Wissen hervorzubringen - etwa wann Experi‐ mente, wann qualitative Interviews oder wann Modellierungen ange‐ messen sind. Beispiel | In der medizinischen Forschung gilt ein randomisiertes, kontrolliertes Studiendesign als zwingend, wenn Aussagen über die Wirksamkeit eines Medikaments getroffen werden sollen. Die Be‐ gründung liegt dabei nicht nur in der statistischen Auswertung, son‐ dern in der methodischen Kontrolle aller Einflussfaktoren, die das Ergebnis verzerren könnten. Wissenschaftstheoretisch betrachtet wird dadurch das Verhältnis von Ursache und Wirkung abgesichert: Nur wenn die Methode die Möglichkeit alternativer Erklärungen ausschließt, kann eine Aussage als kausal begründet gelten. • Theoretische Begründung. Sie schafft den Rahmen, in dem empiri‐ sche Befunde Sinn erhalten. Sie verbindet einzelne Beobachtungen zu einem erklärenden Zusammenhang und zeigt, warum bestimmte Phäno‐ mene auftreten. Während Daten nur beschreiben, dass etwas geschieht, zeigen Theorien warum es geschieht und durch welche Mechanismen es erklärbar wird. Sie stellt Begriffe bereit, formuliert Annahmen über 156 2 Die Ziele der Wissenschaft <?page no="157"?> Wirkungszusammenhänge und ermöglicht, empirische Ergebnisse zu deuten, zu vergleichen und zu verallgemeinern. Im wissenschaftstheoretischen Sinn ist Theorie nicht bloß eine Samm‐ lung von Hypothesen, sondern ein System begründeter Aussagen, das Erfahrungen ordnet und aufeinander bezieht. Theoretische Begründung bedeutet daher, die empirische Forschung in ein übergeordnetes Denk‐ modell einzuordnen, das zugleich prüfbar und entwicklungsfähig bleibt. Beispiel | Die Theorie der kognitiven Dissonanz nimmt an, dass Menschen innere Spannungen empfinden, wenn ihr Denken und Handeln nicht übereinstimmen. Empirische Studien zeigen, dass Personen, die zu einer widersprüchlichen Entscheidung gedrängt werden, nachträglich ihre Einstellung ändern. Der empirische Be‐ fund beschreibt nur, dass eine Veränderung stattfindet; erst das theoretische Modell erklärt, warum sie erfolgt - nämlich als Versuch des Individuums, die erlebte Dissonanz zu verringern und innere Kohärenz wiederherzustellen. Grenzen des Erklärens So unverzichtbar das Erklären für die moderne Wissenschaft auch ist, das Ideal, Phänomene restlos auf Ursachen zurückzuführen und in allgemeine Gesetzmäßigkeiten einzuordnen, kommt in der Praxis nicht nur in ontologi‐ scher, epistemologischer, axiologischer, sondern auch in forschungsmetho‐ discher Hinsicht an seine Grenzen. Komplexität und Nichtlinearität. Die Welt ist kein einfaches System aus Ursache und Wirkung, sondern ein System komplexer Zusammenhänge und Wechselwirkungen. In vielen Bereichen - etwa in Ökologie, Ökonomie oder Psychologie - sind die beteiligten Faktoren so zahlreich, dass sie nicht isoliert kontrolliert werden können. Phänomene wie Klima, Gesellschaft oder Bewusstsein verhalten sich nicht linear, sondern sind geprägt durch Rückkopplungen, Selbstorganisation und Emergenz. Solche ontologisch komplexen Systeme lassen sich epistemologisch gesehen nur bedingt in deduktiv-nomologische Erklärungsmodelle fassen. An die Stelle eindeutiger Ursachen treten Wahrscheinlichkeiten, Szenarien oder Modelle begrenzter Reichweite. 2.4 Wirklichkeit erklären 157 <?page no="158"?> Mess- und Operationalisierung. Erklärende Forschung ist von Messung abhängig, doch viele Begriffe lassen sich nicht effektiv operationalisieren. Was bedeutet z. B., „Intelligenz“, „Lebensqualität“ oder „soziale Gerechtig‐ keit“ zu messen? Eine Operationalisierung ist eine Reduktion, bestimmte Aspekte werden fokussiert, andere aber ausblendet. Erklärende Forschung ist insofern nie völlig neutral, sondern beruht auf theoretische Vorentschei‐ dungen. Gerade in den Sozial- und Kulturwissenschaften wird es zum Knackpunkt, ob Phänomene überhaupt quantifizierbar sind. Historischer und kultureller Kontext. Während Naturgesetze dem An‐ spruch nach zeit- und kulturunabhängig gelten, sind soziale und kulturelle Phänomene historisch situiert. Die Erklärung sozialer Entwicklungen nach dem Muster von Naturgesetzen stößt deshalb an Grenzen. Was in einer Epoche als Ursache wirkt, kann in einer anderen eine völlig andere Wirkung zeigen. Der Anspruch, Gesellschaft nach naturwissenschaftlichem Vorbild erklären zu können (der sog. „Szientismus“), kann zu Verkürzungen und Missverständnissen führen. Unverfügbarkeit von Subjektivität. Das Erklären arbeitet mit Variablen, die in Beziehungen gesetzt werden. Menschliches Handeln, Erleben und Sinnverstehen lässt sich aber nicht vollständig in Variablen zerlegen. Phäno‐ mene wie Bewusstsein, Sprache, Kunst oder Religion entziehen sich einem nur erklärenden Zugriff. Hier wird deutlich, warum sich das Erkenntnisziel Verstehen als eigenes Paradigma etabliert hat, es erschließt psychische und soziale Wirklichkeit, die ausschließlich durch Erklärung nicht zugänglich sind. Normative Dimensionen. Schließlich hat erklärende Forschung die Ten‐ denz in ihrem Anspruch auf Objektivität die eigenen Voraussetzungen zu übersehen. Doch schon die Konstituierung des Forschungsgegenstands, die Konkretisierung der Forschungsfrage, die Wahl der Methode und der Opera‐ tionalisierung sind von Werten, Interessen und gesellschaftlichen Kontexten geprägt. Hier zeigt sich eine axiologische Blindheit, das Erklären vermeidet Aussagen über Zwecke, Werte und insofern auch über Konsequenzen der Forschung Diese Grenzen zeigen auch, wo sich integrative Perspektiven ergeben, wo Erklären in Synergie kommen kann mit anderen Erkenntniszielen: mit Verstehen, wo es um Bedeutung und Sinn geht, und mit Verändern, wo Praxis, Verantwortung, Zwecke und Werte in den Blick kommen. 158 2 Die Ziele der Wissenschaft <?page no="159"?> Wissenschaftstheoretische Positionen Das strategische Erkenntnisziel Erklären wird von mehreren erkenntnis- und wissenschaftstheoretischen Positionen vertreten, jeweils mit unter‐ schiedlichen theoretischen Voraussetzungen und methodischen Zugängen. Die Entwicklung beginnt in der frühen Neuzeit mit dem Empirismus, insbesondere bei David Hume, und führt über Positivismus und Logischen Empirismus zum Kritischen Rationalismus von Karl R. Popper, ergänzt um neuere pragmatische Ansätze. Empirismus. David Hume (1711-1776) legte mit seiner Analyse des Induktionsproblems den Grundstein für eine der Herausforderungen der Wissenschaftstheorie. Hume ging davon aus, dass unser gesamtes Wissen über die Welt auf Erfahrung beruht, insbesondere auf der Beobachtung von regelmäßigen Abfolgen in der Natur. So wissen wir etwa, dass Feuer Wärme erzeugt, weil wir diese Verbindung immer wieder beobachten. Doch Hume sah in der Induktion ein prinzipielles Problem: Die Annahme, dass die Zukunft der Vergangenheit gleichen wird, lässt sich selbst nicht durch Erfahrung rechtfertigen. Der Schluss von der Erfahrung auf allge‐ meine Gesetze - die Induktion - ist nicht logisch begründbar. Jede Form empirischer Erklärung beruht auf einem Vertrauen in die Stabilität der Natur, das sich allerdings nicht rational begründen lässt. Im Detail | David Hume und das Induktionsproblem Die grundlegende Frage der Epistemologie ist, wie wir zu gesichertem Wissen über die Welt kommen. Einen radikalen und folgenreichen Beitrag dazu liefert David Hume in seiner Schrift An Enquiry concerning Human Understanding (1739, 2003). Darin formuliert er eine scharfe Kritik an der induktiven Methode, die den Anspruch stellt, aus vergan‐ genen Erfahrungen allgemeine Aussagen über zukünftige Ereignisse ableiten zu können. Hume beginnt mit einer Unterscheidung, die bis heute in der Epis‐ temologie grundlegend ist. Es gibt relations of ideas, logische oder mathematische Sätze, die a priori erkennbar, notwendig wahr und erfahrungsunabhängig sind, z. B. „3 × 5 = 15“. Matters of fact sind empirische Aussagen, die zufällig und nur durch Erfahrung zugänglich ist, z. B. „Die Sonne wird morgen aufgehen“. Diese sind kontingent, also auch anders denkbar, und nur durch Erfahrung zugänglich. Unsere Erkenntnis über die Welt, vor allem im 2.4 Wirklichkeit erklären 159 <?page no="160"?> naturwissenschaftlichen Sinne, gehört zur zweiten Kategorie, beruht auf Erfahrung und wird durch induktive Schlüsse gewonnen. Im Alltag wie in der Wissenschaft ziehen wir ständig induktive Schlüsse: „Die Sonne ist bisher jeden Tag aufgegangen: Also wird sie auch morgen aufgehen.“ Dieser Schluss überträgt eine beobachtete matters of fact in die Zukunft. Dies ist jedoch kein logisch notwendiger Schluss. Die Conclusio, die Schlussfolgerung, ist nicht wahr, sondern immer nur wahrscheinlich. Das ist für Hume der wunde Punkt. Hume zeigt, dass induktive Schlüsse sich nicht wie in einer Deduktion begrün‐ den lassen. Aus der Prämisse „In der Vergangenheit ist X regelmäßig passiert“ folgt nicht die Konklusion „Als wird X auch in der Zukunft passieren“. Ein Versuch, die Induktion dennoch zu rechtfertigen, wäre, sich auf die Erfahrung zu berufen: „In der Vergangenheit hat sich gezeigt, dass induktive Schlüsse oft erfolgreich waren - also dürfen wir auch weiterhin induktiv schließen.“ Doch Hume entlarvt diesen Einwand als zirkulär, denn um die Gültigkeit der Induktion zu begründen beruft man sich wieder auf Induktion. Wenn es keine logische oder rationale Begründung für induktive Schlüsse gibt, warum glauben wir dann trotzdem an sie? Aus Gewohn‐ heit. Der Mensch neigt dazu, aus wiederholten Erfahrungen, dass ein Ereignis mit einem anderen zusammen auftritt, die Erwartung zu bilden, dass es diese Verknüpfung auch in Zukunft gibt. Ein großer Teil unseres Wissens über die Welt beruht demnach auf einem Prinzip, das sich selbst nicht rational rechtfertigen lässt. Auch die Naturwissenschaften, die auf induktive Methoden angewiesen sind, sind im Prinzip epistemologisch unsicher. Das bedeutet jedoch nicht, dass induktives Schließen unbrauchbar oder irrational wäre - nur dass es keine rationale Begründung für seine Gültigkeit gibt. Humes Analyse des Induktionsproblems markiert den Beginn einer kritisch reflektierten Epistemologie: Naturgesetze sind nicht absolut sicher, sondern beruhen auf Gewohnheit und Erwartung. Positivismus. Im 19. Jahrhundert entwickelte Auguste Comte den Positivis‐ mus, der an Humes Empirismus anknüpfte, aber das Problem der Induktion weitgehend ignorierte. Comte forderte, dass sich Wissenschaft ausschließ‐ lich auf das „Positive“ - also das Tatsächlich Gegebene, Beobachtbare - konzentrieren solle. Die Wissenschaft sollte sich von metaphysischen 160 2 Die Ziele der Wissenschaft <?page no="161"?> Spekulationen abwenden und auf das Ziel ausrichten, Regelmäßigkeiten und Gesetze in der Natur zu erkennen. Wissenschaftliches Erklären bedeutet im positivistischen Sinne: das Aufdecken empirisch beobachtbarer Zusam‐ menhänge. Im Detail | Der Rationalismus - ein Seitenblick zum Kontrahenten Empirismus und Rationalismus, zwei konträre epistemologische Strö‐ mungen, markieren den Übergang vom mittelalterlichen Denken zur modernen Wissenschaft. Während der Empirismus die Sinneserfah‐ rung als Fundament des Wissens betont, sieht der Rationalismus die Vernunft als primäre Quelle der Erkenntnis. Der Pionier des Rationalismus ist René Descartes (1596-1650). In seinen „Meditationen über die erste Philosophie“ (1641) beschreibt er seine Suche nach dem Fundament der Erkenntnis, aus dem das gesamte Wissen deduktiv abzuleiten wäre. Wahre Erkenntnis beruht auf der Vernunft und angeborenen Ideen, unabhängig von Sinneserfahrung. Den Startpunkt findet Descartes im evidenten Faktum, dass er denkt und also existiert: Cogito, ergo sum. Baruch de Spinoza (1632-1677) entwickelt darauf aufbauend ein streng rationales System, das die gesamte Realität aus einer einzigen Substanz - Gott oder Natur - ableitet. Gottfried Wilhelm Leibniz (1646-1716) wiederum betont die Rolle angeborener Ideen, logischer Prinzipien und der „prästabilierten Harmonie“ seiner Monadenlehre. Der Rationalismus war damit stets ein Gegenpol zum Empirismus, oft auch in scharfem Gegensatz zu ihm gedacht. Doch mit Immanuel Kant (1724-1804) kommt es zu einem Versuch der Vermittlung. Kant sah beide Positionen als unzureichend, wenn sie isoliert blieben: Der Ratio‐ nalismus ohne Empirie verliert sich in abstrakten Gedankengebäuden, der Empirismus ohne Vernunft in bloßer Erfahrungssammlung. In der berühmten Formel seiner „Kritik der reinen Vernunft“ bringt er diese Synthese auf den Punkt: „Gedanken ohne Inhalt sind leer, Anschauun‐ gen ohne Begriffe sind blind.“ (Kant 1978, S.-120; 1781, S.-50) Logischer Empirismus. Der Empirismus wurde im 20. Jahrhundert vom Wiener Kreis weiterentwickelt. Die Philosophen des Logischen Empirismus, Moritz Schlick, Rudolf Carnap und Otto Neurath, versuchten, wissenschaft‐ liche Aussagen durch die Verbindung von Empirie und formaler Logik zu sichern. 2.4 Wirklichkeit erklären 161 <?page no="162"?> Ihr primäres Anliegen war die Trennung von Wissenschaft und Metaphy‐ sik durch das Verifikationsprinzip. Eine Aussage gilt als wissenschaftlich sinnvoll, wenn sie prinzipiell empirisch verifizierbar (bestätigbar) ist. Ziel war der Aufbau einer Einheitswissenschaft, die auf einer logisch-mathema‐ tischen Sprache und empirischen Daten basierte, um universelle Erklärun‐ gen zu liefern. Ein Konzept des Logischen Empirismus für die Rekonstruktion der Erklä‐ rung ist das schon beschriebene deduktiv-nomologische Erklärungsmodell, bzw. das Hempel-Oppenheim-Schema. Doch auch dieses Modell konnte das Induktionsproblem nicht lösen. Auch die allgemeinen Gesetze, aus denen deduziert wird, beruhen auf einer induktiven, empirischen Verallgemeine‐ rung. Kritischer Rationalismus. An diesem Punkt setzt Karl R. Popper an. Für ihn ist das Induktionsproblem keine philosophische Nebensächlichkeit. Anders als Vertreter des logischen Empirismus lehnte Popper aber den Verifikationismus ab, also die Vorstellung, dass wissenschaftliche Aussagen durch Beobachtung bewiesen oder bestätigt werden können. „Es führt kein Weg mit Notwendigkeit von irgendwelchen Tatsachen zu irgendwel‐ chen Gesetzen. Was wir ‚Gesetze‘ nennen, sind Hypothesen, die eingebaut sind in Systeme von Theorien und die niemals völlig isoliert geprüft werden können. Der Gang der Wissenschaft besteht im Probieren, Irrtum und Weiterprobieren. Keine bestimmte Theorie kann als absolut sicher betrachtet werden. Jede, auch die am besten bewährte Theorie, kann unter Umständen wieder problematisch werden. Keine wissenschaftliche Theorie ist sakrosankt.“ (Popper 1974, S.-423) Für Popper ist eine Theorie nicht dann wissenschaftlich, wenn sie verifi‐ zierbar ist, sondern wenn sie falsifizierbar ist - also durch Beobachtung widerlegt werden kann. Die Leistung der Wissenschaft ist nicht das „Bewei‐ sen“, sondern das kühne Formulieren von Hypothesen, die an der Realität scheitern können. Wissenschaftlicher Fortschritt bedeutet nicht Sammeln bestätigender Beispiele, sondern Ausschließen falscher Annahmen. Eine Theorie, die bislang einer Falsifikation standgehalten hat, hat sich „bewährt“, ist aber nicht „bewiesen“. Die Frage ist nicht: „Wie können wir unsere Theorie defi‐ nitiv beweisen? “, sondern: „Welche Beobachtungen würden unsere Theorie widerlegen? “ 162 2 Die Ziele der Wissenschaft <?page no="163"?> Damit kehrt Popper Humes Pessimismus produktiv um: Die Induktion ist unsicher und keine valide Methode der Erkenntnisgewinnung, aber gerade deshalb ist es erforderlich, Theorien ständig der Kritik auszusetzen. Wissen‐ schaft ist ein dynamisches, offenes und vor allem kritisches System, das nicht Letztbegründung sucht, sondern die bessere Bewährung in mehreren gescheiterten Versuchen, sie zu falsifizieren. Tipps | Die Qualität einer Abschlussarbeit zeigt sich nicht darin, ob sie „recht hat“, sondern ob die Thesen gut begründet und prinzipiell wider‐ legbar sind. Prüfen Sie, ob Ihre Hypothesen falsifizierbar sind. Können Sie sich vorstellen, welche Beobachtungen Ihre Annahmen widerlegen würden? Wenn nicht, sollten Sie Ihre Hypothese überdenken. Strukturalismus. In der zweiten Hälfte des 20. Jahrhunderts leistete der Strukturalismus in der Wissenschaftstheorie, insbesondere durch Wolfgang Stegmüller, Ulises Moulines und Joseph D. Sneed, einen wichtigen Beitrag. Anders als die klassische Auffassung, die Theorien als einfache Sammlungen von Hypothesen versteht, begreift der Strukturalismus wissenschaftliche Theorien als komplexe Systeme mit einem formalen Kern und empirischen Randbedingungen. Eine Theorie ist demnach durch ihre Struktur bestimmt, bestehend aus Grundbegriffen, Axiomen und Beziehungen, die in einem Modellrahmen organisiert sind. Erklärung bedeutet nicht nur die Subsum‐ tion eines Phänomens unter ein Gesetz, sondern die Rekonstruktion des Phänomens als Exemplar einer Modellstruktur. Empirische Daten sind erst sinnvoll, wenn sie in das theoretische Modellsystem integriert werden. Der Strukturalismus ermöglicht es, Theorien zu vergleichen, ihre Kompa‐ tibilität oder Inkommensurabilität zu untersuchen und wissenschaftlichen Fortschritt als Umbau oder Erweiterung von Strukturen zu rekonstruieren. Systemtheorie und Funktionalismus. Komplementär zum Strukturalis‐ mus stehen systemtheoretische und funktionalistische Ansätze, die vor allem in den Sozialwissenschaften Bedeutung erlangten. Der Funktionalis‐ mus, etwa bei Talcott Parsons oder Bronisław Malinowski, erklärt soziale In‐ stitutionen und kulturelle Praktiken, indem er ihre Funktion für das soziale System darstellt. So erfüllen Normen, Rollen oder Rituale Funktionen, die zu Stabilität, Integration und Erhaltung der Gesellschaft beitragen. Erklärung 2.4 Wirklichkeit erklären 163 <?page no="164"?> bedeutet, zu zeigen, dass ein sozialer Sachverhalt existiert, insofern er eine funktionale Rolle innerhalb des Systems spielt. Die Systemtheorie, insbesondere von Niklas Luhmann, geht einen Schritt weiter und sieht soziale Systeme als autopoietische, also sich selbst erzeu‐ gende und erhaltende Einheiten, die durch ihre eigene Kommunikationslo‐ gik bestehen. Erklärung besteht darin, die Mechanismen zu rekonstruieren, durch die ein System seine eigene Struktur aufrechterhält und differenziert. Ursache-Wirkungs-Zusammenhänge treten gegenüber relationalen Abhän‐ gigkeiten und systemischer Eigenlogik zurück. Neuere Entwicklungen in der Wissenschaftstheorie, die vom Kritischen Rationalismus inspiriert sind, bewegen sich hin zu einem pragmatischeren Verständnis von Wissenschaft. Im Fokus steht neben der logischen Prüfung vor allem die Nützlichkeit und Anwendbarkeit von Theorien. Mechanistische Erklärungsansätze gehen davon aus, dass wissenschaft‐ liche Erklärung nicht allein in der Formulierung allgemeiner Gesetze be‐ steht, sondern im Nachvollzug der inneren Funktionsweisen eines Systems. Etwas ist erklärt, wenn man zeigen kann, aus welchen Komponenten es besteht, wie diese organisiert sind und wie ihr Zusammenwirken die beob‐ achteten Phänomene hervorbringt. Ein klassisches Bild ist die Maschine: Zahnräder, Hebel und Kräfte greifen ineinander und erzeugen das Ganze. In der modernen Wissenschaft zeigt sich dies etwa in der Biologie (Signalwege, neuronale Mechanismen) oder in den Sozialwissenschaften (Institutionen und Rollen als Funktionsmechanismen). Mechanistische Modelle verbinden damit die Logik der Kausalität mit einer strukturellen Analyse, die nicht nur fragt, dass etwas wirkt, sondern auch wie es wirkt. Nancy Cartwright (2002) kritisiert das Konzept der Naturgesetze im Hinblick auf die Praxis. Die universellen Gesetze der Physik, wie wir sie in Lehrbüchern finden, sind stark idealisiert und gelten nur in kontrollierten Laborbedingungen. Sie lügen quasi: Sobald man diese Gesetze auf die unordentliche, komplexe Realität anwenden will, funktionieren sie nicht mehr. Die Welt ist „gefleckt“: Die Realität hat keine einheitliche Ordnung unter einem einzigen eleganten Gesetz, sondern einen Flickenteppich lokal begrenzter Gesetzmäßigkeiten. Für Cartwright beschreiben Gesetze nicht, was passiert, sondern was passieren kann. Sie spricht daher von Kapazitäten oder Vermögen der Dinge. Bas van Fraassen (1989) vertritt den konstruktiven Empirismus. Ziel der Wissenschaft ist demnach nicht die metaphysische Wahrheit, sondern em‐ 164 2 Die Ziele der Wissenschaft <?page no="165"?> pirische Angemessenheit. Eine Theorie muss die beobachtbaren Phänomene korrekt beschreiben und Vorhersagen ermöglichen. Ob sie im metaphysi‐ schen Sinne wahr ist, ist irrelevant - es genügt, wenn sie nützlich ist. James Woodward verbindet in seinem Ansatz der interventionistischen Kausalität die Erklärung (Woodward 2005) direkt mit dem Ziel des Verän‐ derns. Eine gute Erklärung beantwortet die Frage „Wenn ich A ändere, ändert sich dann B? “ und zeigt, wie wir durch gezielte Interventionen kausale Zusammenhänge nutzen können. Diese Ansätze leiten eine zunehmend pragmatische Phase in der Wis‐ senschaftstheorie ein: weg von dogmatischer Wahrheitssuche, hin zum Verständnis von Wissenschaft als leistungsfähigem, aber begrenztem Werk‐ zeug. Reflexion | Wie kommt man zu Erkenntnis? Viele Menschen sind überzeugt, dass regelmäßiger Sport einen positi‐ ven Effekt auf die Gesundheit hat, da viele Menschen, die regelmäßig Sport treiben, gesünder sind. Ist dies ein logischer Schluss? Überlegen Sie sich die dargestellten Positionen: Welche überzeugt Sie? Würde das Induktionsproblem von David Hume Sie davon abhalten, ins Fitnesscenter zu gehen? Synopsis | Wissenschaftstheoretische Positionen: Erklären als… • Empirismus, Positivismus: Erklären als Induktion aus Beobach‐ tungen; Gesetze entstehen durch Sammeln und Generalisieren von Daten. • Logischer Empirismus: Erklären als Einordnung von Einzelfällen unter allgemeine Gesetzesaussagen im deduktiv-nomologischen Modell. • Kritischer Rationalismus: Erklären durch falsifizierbare Hypo‐ thesen; Erkenntnisfortschritt durch Falsifikation, nicht Verifika‐ tion. • Strukturalismus der Wissenschaftstheorie: Erklären als Dar‐ stellung von Theorien in formalen Strukturen und Modellen. • Systemtheorie und Funktionalismus: Erklären durch System‐ logik und Funktion im Gesamtsystem. • Mechanistische Erklärungsansätze: Erklären durch Ursachen als Interventionsmöglichkeiten. 2.4 Wirklichkeit erklären 165 <?page no="166"?> Philosophische Grundlagen Ontologisch beruht das Erklären auf der Annahme, dass Wirklichkeit gesetzmäßig strukturiert ist. Natur und Gesellschaft werden als Systeme von Ursachen, Regelmäßigkeiten und Abhängigkeiten betrachtet, die unabhän‐ gig vom erkennenden Subjekt existieren und erfasst werden können. Diese realistische Grundannahme reicht von der antiken Naturphilosophie über Newtons Mechanik bis hin zum Kritischen Rationalismus, der Ordnung und Gesetzmäßigkeit als Kern wissenschaftlicher Erkenntnis sieht. Die Welt gilt somit als kausal erklärbares Ganzes, das objektiv zugänglich ist. Epistemologisch fußt das Erklären auf empiristischen und rationalistischen Traditionen sowie auf dem Kritischen Rationalismus. Erkenntnis entsteht durch methodisch kontrollierte Beobachtung, Hypothesenbildung und deren Überprü‐ fung. Die Logik des Erklärens ist die Logik von Kausalität und Gesetzmäßigkeit: Ein Phänomen ist verstanden, wenn es auf allgemeine Regeln zurückgeführt werden kann. Popper formulierte als primäres Kriterium die Falsifizierbarkeit: Eine Theorie muss prinzipiell widerlegbar sein, nur so ist sie wissenschaftlich. Erklären gilt deshalb als ein Verfahren, das Erkenntnis durch Überprüfbarkeit, Systematik und methodische Strenge sichert. Axiologisch orientiert sich das Erklären an Objektivität, Transparenz und Nachvollziehbarkeit. Wissenschaft soll beschreiben, nicht bewerten, sich auf Fakten beschränken und grundsätzlich Wertungen vermeiden. Das Prinzip der sog. Werturteilsfreiheit soll die Glaubwürdigkeit und intersubjektive Überprüfbarkeit wissenschaftlicher Erkenntnisse sichern, ohne durch mo‐ ralische, politische oder ideologische Wertungen beeinträchtigt zu werden. Zugleich erfordert dies eine kritische Reflexion: Die Reduktion von komple‐ xer Wirklichkeit auf erklärbare Größen ist sowohl die Stärke als auch eine Grenze des Erklärens. Erklären im gesellschaftlichen Kontext Das strategische Erkenntnisziel Erklären prägt das Selbstverständnis und das öffentliche Bild moderner Wissenschaft. Wo Wissenschaft erklärt, schafft sie Orientierung, Steuerungswissen und Gestaltungsmacht. Ihr Potential liegt in der Rekonstruktion kausaler Zusammenhänge und Regelmäßigkeiten und in der Maximierung der Berechenbarkeit der Welt. Daraus ergeben sich weitreichende gesellschaftliche Funktionen - und eben auch Herausforderungen. 166 2 Die Ziele der Wissenschaft <?page no="167"?> Reflexion • In welchen aktuellen gesellschaftlichen Debatten hat erklärende Wissenschaft eine wichtige Funktion für politische oder technische Entscheidungen? • Wie verändert sich die Glaubwürdigkeit wissenschaftlicher Erklä‐ rungen, wenn ihre Vorläufigkeit offen kommuniziert wird? • Welche Risiken birgt es, wenn wissenschaftliche Erklärungen als „endgültig“ präsentiert werden? • Wo stößt die erklärende Wissenschaft an ihre Grenzen, und welche anderen Erkenntnisformen könnten diese Lücken füllen? Rationalisierung der Welt. Erklärende Wissenschaft strukturiert Wirk‐ lichkeit, entmythologisiert, ordnet Zufälliges, klassifiziert Unbekanntes und macht Natur, Technik, Wirtschaft und Soziales rational zugänglich. Deutlich wird dies in Disziplinen mit hoher Prognosekraft - etwa Klimaforschung, Epidemiologie, Ökonomie oder Technikfolgenabschätzung. Legitimation durch Objektivität. Was wissenschaftlich erklärt ist, gilt als objektiv gesichert und wird zur Grundlage politischer Entscheidungen, tech‐ nologischer Innovationen oder Bildungsstandards. Erklärungsorientierte Wissenschaft fungiert damit als autoritative Instanz im öffentlichen Diskurs: Sie liefert Argumente, definiert Problemhorizonte und beeinflusst Hand‐ lungsspielräume. Gestaltung und Technik. Damit verbunden ist der gesellschaftliche Ein‐ fluss über Technologie. Die Anwendung erklärenden Wissens führt zu konkreten Interventionen, z. B. anhand von Maschinen, Medikamenten, Algorithmen, Infrastruktur. Damit trägt die Wissenschaft zur Technisierung der Lebenswelt bei: Immer mehr Lebensbereiche werden durch erklärbares Wissen reguliert, optimiert, standardisiert. Das bedeutet Fortschritt, aber auch veränderte Machtstrukturen, denn wer erklären kann, kann auch steuern. Ambivalenzen und Grenzen. Nicht alle Phänomene lassen sich in kausale Modelle fassen. Die Reduktion auf das Erklärbare kann Sinn, Bedeutung und Perspektivenvielfalt marginalisieren und zu einer technokratischen Engführung führen. Zudem wächst das öffentliche Bewusstsein für die Unsicherheit und Vorläufigkeit wissenschaftlicher Erklärungen - besonders in Krisenzeiten. Erklärungen verlieren an Glaubwürdigkeit, wenn sie als 2.4 Wirklichkeit erklären 167 <?page no="168"?> absolut oder widerspruchsfrei präsentiert werden, aber im Alltag ihre Prognosen nicht einlösen. Zwischen Vertrauen und Kritik. Erklärungsorientierte Wissenschaft steht im Spannungsfeld zwischen bewusst wertneutraler Analyse und ge‐ sellschaftlicher Relevanz und Verantwortlichkeit. Sie soll objektiv erklären, aber auch handlungsleitend wirken. Dieses Spannungsfeld zeigt sich in den öffentlichen Debatten um Klimamodelle, medizinische Studien, Künstliche Intelligenz oder Wirtschaftsprognosen: Wissenschaft agiert nicht außer‐ halb, sondern mitten in der Gesellschaft. Erklären Ziel: Erklären sucht Ursachen, Gesetzmäßigkeiten und Regelmäßigkei‐ ten. Stärke: systematische Ordnung, Grundlagen für Technologie und Pro‐ gnose. Grenze: reduziert Wirklichkeit auf das Mess- und Berechenbare. Herausforderung: Erklärendes Wissen verantwortungsvoll nutzen, ohne andere Zugänge auszuschließen. 2.5 Wirklichkeit verändern Wissenschaft verfolgt nicht nur die Ziele, die Wirklichkeit zu verstehen und zu erklären, sondern greift auch bewusst aktiv in die Welt ein, um sie zu gestalten, zu verbessern oder grundlegend zu verändern. Das strategische Erkenntnisziel Verändern beschreibt diese Dimension wissenschaftlicher Praxis, bei der durch technische Innovationen, politische Maßnahmen oder gesellschaftliche Kritik gezielt Zustände, Strukturen und Prozesse beein‐ flusst werden. Dabei kann Wissenschaft Veränderungen anstoßen, begleiten oder legitimieren - sei es durch funktional-technologische Anwendungen, pragmatisch-gestaltende Steuerung oder kritisch-emanzipatorische Trans‐ formation. Zwischen diesen unterschiedlichen Formen der Einflussnahme bestehen Unterschiede im Reflexionsgrad, der gesellschaftlichen Orientierung und im Verständnis wissenschaftlicher Verantwortung. Die primäre Frage lautet nicht, ob Wissenschaft die Welt verändern kann, sondern vielmehr, wie, mit 168 2 Die Ziele der Wissenschaft <?page no="169"?> welchen Zielen und unter welchen Voraussetzungen dies geschieht - eine Fragestellung, die auf ihre jeweilige wissenschaftstheoretische Perspektive hinweist. Verändern als technologische Anwendung Verändern als technologische Anwendung zeichnet sich in den Natur-, Technik- und Lebenswissenschaften oft durch ein instrumentelles Verständ‐ nis von Veränderung aus. Basierend auf erklärenden Theorien über Ursa‐ che-Wirkungs-Zusammenhänge wird Wissen eingesetzt, um Wirklichkeit zu gestalten - etwa durch neue Medikamente, Algorithmen oder Energie‐ formen. Dieses Verändern ist zweckrational, orientiert an Effizienz, Funk‐ tionalität und Kontrollierbarkeit, leitend ist das Prinzip: „Wenn wir erklären können, wie etwas funktioniert, können wir es auch verändern.“ Obwohl diese Form der Veränderung in der Praxis äußerst wirksam ist, bleibt in der Wissenschaft die ethisch-reflexive Diskussion weitgehend auf der Strecke. Die Frage, ob eine Veränderung gesellschaftlich sinnvoll, wünschenswert oder legitim ist, wird häufig an Politik, Markt oder Öffent‐ lichkeit delegiert. Die Wissenschaft liefert das technologische Potential, nicht unbedingt die Bewertung der Zwecke. Beispiele | Wissenschaftlich-technologisches Verändern Ein Beispiel ist die Entwicklung von mRNA-Impfstoffen. Auf der Basis molekularbiologischer Erkenntnisse kam man zur Hypothese, dass synthetisch erzeugte Messenger-RNA gezielt zur Produktion eines bestimmten Virusproteins in menschlichen Zellen angeregt werden kann, um eine Immunreaktion hervorzurufen. Die Hypothese wurde in vorklinischen Studien getestet, in klinischen Studien validiert und machte einer konkrete technologische Intervention möglich: die Mas‐ senproduktion von Impfstoffen. Obwohl die Effizienz dieser Maßnahme wissenschaftlich belegt war, kam es zu Kontroversen in Gesellschaft und Politik: Fragen nach Sicherheit, Langzeitfolgen, Impfpflicht und Transparenz, Gerechtigkeit in der globalen Verteilung. Das Beispiel zeigt ganz klar: Technologische Veränderung greift in soziale Systeme ein, es kann zu Problemen kommen, die die nicht mehr nur wissenschaftlich lösbar sind. 2.5 Wirklichkeit verändern 169 <?page no="170"?> Ähnlich in der Entwicklung autonomer Fahrzeugsysteme: Theorien aus der Robotik und KI-Forschung begründen Technologien, mit denen Fahrzeuge ohne menschliches Eingreifen durch Integration von KI-Sys‐ temen mit Software, Sensorik und Entscheidungslogik sicher gesteuert werden können. Prognosen zeigen eine mögliche Reduktion von Ver‐ kehrsunfällen, Effizienzsteigerung im urbanen Raum oder Senkung von Emissionen durch optimierte Verkehrsflüsse. Gesellschaftlich politisch wird das aber ambivalent gesehen: Während Technikoptimisten auf Sicherheit und Komfort setzen, sehen die Kritiker: innen Risiken durch Softwarefehler oder Hackerangriffe und Fragen rund um Haftung, Datenschutz, Ethik - z. B. das Szenario des sog. „Trolley-Problems“, wenn das System im moralischen Dilemma wäre, ob es eine Person überfahren solle, um fünf Personen zu retten. Solche Fragen stellen sich zwangsläufig, im Erkenntnisziel des technologisch orientierten Veränderns sind sie jedoch ausgeblendet. Verändern als pragmatisch-gestaltende Intervention Verändern als pragmatisch-gestaltende Intervention liegt zwischen instru‐ menteller Technik und kritischer Gesellschaftsanalyse. Hier bedeutet Ver‐ ändern nicht nur technische Anwendung, sondern eine wissenschaftlich fundierte Begleitung durch Evaluationswissen und die Modellierung kom‐ plexer Zusammenhänge mit dem Ziel, soziale Systeme evidenzbasiert zu optimieren - etwa bei Bildungsreformen, Public-Health-Initiativen oder Klimastrategien. Obwohl Normen und Werte reflektiert werden, stehen sie meist nicht im Mittelpunkt. Wissenschaft wirkt gestaltend und oft systemstabilisierend, indem sie bestehende Strukturen verbessert ohne sie grundsätzlich infrage zu stellen. Die technologische und politische Intervention erfolgt in Form gesetz‐ licher Rahmenbedingungen, unterstützt durch wissenschaftliche Evaluie‐ rung, Beratung und Monitoring. Im gesellschaftlichen Kontext wird Wis‐ senschaft aufgrund ihres Expertenwissens geschätzt, aber auch kritisiert, vor allem im Hinblick auf die Grenzen wissenschaftlicher Einflussnahme. 170 2 Die Ziele der Wissenschaft <?page no="171"?> Beispiel | Wissenschaftliche Begleitung eines nationalen Klimaschutz‐ gesetzes Pragmatisch-gestaltendes Verändern ist bspw. die wissenschaftliche Beratung bei der Einführung von nationalen Klimaschutzgesetzen. Wissenschaftliche Gremien und Forschungsinstitute liefern hier Hy‐ pothesen, Prognosen, Modellberechnungen und Kosten-Nutzen-Bewer‐ tungen für politische Entscheidungsprozesse, etwa zur CO₂-Bepreisung, Gebäudesanierung oder Energiewende. Verändern als emanzipatorisches Projekt Eine besondere Qualität gewinnt das Erkenntnisziel Verändern, wenn es nicht auf technische Verbesserung oder organisatorische Steuerung redu‐ ziert bleibt, sondern auf kritisch reflektierte Transformation gesellschaftli‐ cher Verhältnisse orientiert ist. In dieser Perspektive ist Veränderung mit Aufklärung, Kritik und Emanzipation verbunden - ein Programm, das in der Kritischen Theorie, im Feminismus, im Postkolonialismus oder in der parti‐ zipativen Aktionsforschung konkretisiert wird. Wissenschaft versteht sich hier nicht als neutrale Instanz, sondern als bewusst engagierte Praxis, die Machtverhältnisse sichtbar macht, Diskurse de-konstruiert und Räume für alternative Perspektiven eröffnet. Verändern wird so zu einem ethisch-po‐ litischen Projekt, in dem Wissenschaftler: innen nicht bloß Beobachter, sondern verantwortliche Akteure sind, die an der Gestaltung gerechterer und freierer Gesellschaftsverhältnisse mitwirken. Beispiel | Partizipative Forschung mit Menschen in prekärer Wohnsi‐ tuation In einem partizipativen Forschungsprojekt mit Menschen in prekärer Wohnsituation oder Wohnungslosigkeit geht es um gemeinsame Er‐ kenntnisse zur Veränderung der Lebensbedingungen. Die Betroffene sind nicht nur Forschungsobjekte, sondern Ko-Forschende. Es gibt wis‐ senschaftliche Belege, dass Menschen, die gesellschaftlich stigmatisiert und marginalisiert sind, über Wissen verfügen, das für Forschung und politische Gestaltung unverzichtbar ist. Ein Forschungskollektiv wird gebildet, gemeinsam werden Interviews geführt, neue Deutungsmus‐ ter und Handlungsmöglichkeiten entwickelt. Die Wissenschaft stellt 2.5 Wirklichkeit verändern 171 <?page no="172"?> methodisches Know-how bereit und bleibt auf Augenhöhe mit den Betroffenen. Verändern kann man mit Wissenschaft: • Technologisch: gezielte Eingriffe in Natur und Gesellschaft • Pragmatisch: praktisches Know-how für Beratung, Steuerung und Politik • Kritisch-emanzipatorisch: Emanzipation, Aufklärung, Selbstbes‐ timmtheit Exkurs | Unterschiedliche Formen von Verändern in der Bildungswis‐ senschaft Die Bildungswissenschaft ist ein Beispiel einer Disziplin, in der das strategische Erkenntnisziel Verändern unterschiedlich zur Anwendung kommen kann - mit der Konsequenz, dass der Untersuchungsgenstand Bildung jeweils als unterschiedlicher Forschungsgegenstand in den Blick kommt. Unter der Voraussetzung einer instrumentell-technischen Veränderung wird Bildung zu einem steuerbaren System, in dem Input-Output-Re‐ lationen optimiert und Prozesse standardisiert werden sollen. Die Wis‐ senschaft liefert Erklärungen und Maßnahmen, z. B. Kompetenzraster, standardisierte Tests oder digital gestützte Personalisierung. Es geht um Effizienz, Vergleichbarkeit und Kontrolle. Die Wissenschaft unterstützt die Bildungspolitik, ohne das System infrage zu stellen. Im pragmatisch-gestaltenden Verändern ist Bildung ein Praxisfeld für gezielte kontextsensitive, partizipative Intervention. Die Forschung soll die bestehende Praxis verbessen und partizipative Entwicklungspro‐ zesse wissenschaftlich begleiten, etwa zur Schulentwicklung, Inklusion oder Digitalisierungsstrategien. Die Intervention wird wissenschaftlich begleitet, evaluiert und optimiert. Dann gibt es Strömungen der Bildungswissenschaft, die Veränderung im Sinne einer normativ-regulativen Orientierung verstehen. Bildung wird hier der gesellschaftliche Auftrag zugeteilt, für Gerechtigkeit zu sorgen. 172 2 Die Ziele der Wissenschaft <?page no="173"?> Es geht um Werte wie Bildungsgerechtigkeit, Chancengleichheit, demo‐ kratische Teilhabe oder interkulturelle Sensibilität. Die Wissenschaft liefert Argumente zur ethisch politischen Ausrichtung von Bildungssys‐ temen. Am weitesten entfernt vom technokratischen Bildungsbegriff sind schließlich jene Ansätze, die Bildung als emanzipatorische Praxis ver‐ stehen. In der kritischen Pädagogik, der Bildungsphilosophie, in femi‐ nistischen, postkolonialen oder dekolonialen Bildungsansätzen wird Bildung als Befreiung verstanden. Wissenschaftliche Forschung soll nicht nur das Bestehende verbessern, sondern kritisch aufdecken, wie es strukturiert ist, und wie es überwunden werden kann. Bildung wird zu einem Raum für Kritik, Selbstreflexion und gesellschaftliche Veränderung. Reflexion | Wenn Bildungswissenschaft sich je nach Theoriekontext und politischem Anspruch flexibel in diesen Dimensionen des Ver‐ änderns bewegt - im Unterschied z. B. zu Physik: Sehen Sie darin ein Defizit oder ein Potential? Was wäre in diesem Nebeneinander von divergierenden Erkenntniszielen wichtig, um die Dialogfähigkeit innerhalb der Bildungswissenschaft zu sichern? Exkurs | Unterschiedliche Formen von Verändern im Hinblick auf Klimawandel Der Klimawandel ist ein interdisziplinärer Untersuchungsbereich, der sich je nach Erkenntnisziel unterschiedlich darstellt: Je nachdem, wie dieses Ziel akzentuiert wird, verändert sich auch der Fokus der wissen‐ schaftlichen Auseinandersetzung - und damit der Forschungsgegenstand selbst. In einer instrumentell-technischen Perspektive erscheint der Klimawan‐ del primär als physikalisch messbarer Prozess mit klar identifizierbaren Ursachen, z.-B. CO₂-Emissionen, und berechenbaren Folgen. Der Fokus liegt auf der technologischen Steuerung: Welche Mittel sind verfügbar, um Ursachen zu minimieren oder Wirkungen zu kompensieren? Hier rücken Technologien wie erneuerbare Energien, CO₂-Abscheidung oder Geoengineering in den Vordergrund. Der Klimawandel als Forschungs‐ 2.5 Wirklichkeit verändern 173 <?page no="174"?> gegenstand wird zum steuerbaren Problem, das mit Know-how technisch lösbar erscheint. In einer pragmatisch-gestaltenden Perspektive wird der Klimawandel als Herausforderung für gesellschaftliche Steuerung und Anpassung gesehen. Im Zentrum stehen Fragen wie: Welche politischen Maßnah‐ men können Emissionen reduzieren? Wie lässt sich Klimaanpassung sozial verträglich organisieren? Der Klimawandel wird hier als Gover‐ nance-Problem betrachtet - mit der Wissenschaft als beratender Instanz, die evidenzbasierte Optionen bereitstellt, etwa für Stadtplanung, Land‐ wirtschaft oder Energiepolitik. Der Fokus liegt nicht auf dem physika‐ lischen Phänomen allein, sondern auf seiner Gestaltbarkeit in konkreten institutionellen Kontexten. In einer normativ-regulativen Perspektive ist der Klimawandel ein ethisch-politisch relevanter Forschungsgegenstand. Fragen der Vertei‐ lungsgerechtigkeit, globalen Verantwortung und intergenerationellen Solidarität treten in den Vordergrund: Wer trägt die Hauptverantwor‐ tung für Emissionen? Wer ist besonders betroffen? Was bedeutet eine gerechte Klimapolitik? Der Klimawandel steht hier im Kontext von gesellschaftlichen Ordnungen und Machtverhältnissen. In einer kritisch-emanzipatorischen Perspektive wird der Klimawandel schließlich als diskursiv und symbolisch strukturierter Gegenstand verstanden. Hier steht nicht nur das „Was tun? “, sondern das „Wie wird über den Klimawandel gesprochen? “ im Zentrum. Es geht um die Analyse dominanter Deutungsmuster, um ausgeblendete Stimmen und alternative Wissensformen. Der Klimawandel wird so zum Spiegel epistemischer Ungleichheiten - und zum Gegenstand von Kritik an Naturtechnokratie, kolonialer Wissensordnung oder ökologischer Ex‐ klusion. Ziel ist eine Transformation der Bedeutungen, nicht nur der Maßnahmen. En passant: Was tut die Wissenschaft mit den Leugnern des Klimawan‐ dels? Wissenschaftliche rationale Argumentation kommt an ihre Grenzen, wenn entscheidungspflichtige Akteure - auch in den höchsten Etagen der Politik - sich prinzipiell der Rationalität verweigern und gezielt Desinformation verbreiten, um z. B. ökonomische Machtstrukturen aus‐ zubauen. Wissenschaft kann dann mehrfach ihre Verantwortung wahr‐ nehmen: die Öffentlichkeit mit fundierten Analysen gezielt informieren, 174 2 Die Ziele der Wissenschaft <?page no="175"?> Medienkompetenz und demokratische Resilienz fördern, aber auch poli‐ tisch intervenieren, Stellung beziehen und Fakten öffentlich gegen Fakes verteidigen in offenen Briefen, Manifesten oder Klima-Streik-Bündnis‐ sen. Wissenschaft kann zum gesellschaftlichen Akteur werden, vom theoretischen Verstehen und Erklären bis zu einer hochpolitischen Form des Veränderns. Reflexion | Wenn Wissenschaft nicht nur versteht und erklärt, son‐ dern auch verändert: Gibt es Grenzen wissenschaftlicher Intervention im politischen Bereich? Ist bspw. Klimaforschung, wenn sie politisch wird, ein Tabubruch im Hinblick auf die Neutralität der Wissenschaft oder gehört dies zu ihrer Verantwortung? Wissenschaftstheoretische Positionen Bereits bei Aristoteles finden wir eine ähnliche Systematik der verschiede‐ nen Formen des (wissenschaftlichen) Verändern. Er unterscheidet allgemein drei Bereiche menschlichen Tuns und ordnet ihnen jeweils Wissensformen zu: • Die Theōria (griech. θεωρία) ist die reine Theorie, das Erkennen der ersten Prinzipien der Wirklichkeit, zweckfrei, die höchste Form mensch‐ licher Tätigkeit, die Domäne der Philosophinnen und Philosophen. • Die Poiesis (griech. ποίησις) ist ein zweckorientiertes Handeln, das auf die Herstellung eines Produkts außerhalb der Handlung selbst zielt und somit instrumentell und produktbezogen ist. Die dazugehörige Wis‐ sensform ist die Techne (griech. τέχνη), also das technische Know-how zur Herstellung eines bestimmten Produkts oder zur Erreichung eines Ziels. Ihre Qualität liegt in ihrer Effizienz, ob und wie das Ziel erreicht wurde. Wissenschaftliches Verändern im Sinne der Techne entspricht dem technologischen Verändern, wie es beispielsweise im Kritischen Rationalismus verankert ist. • Die Praxis (griech. πρᾶξις) ist Selbstweck, Ziel ist die Tätigkeit selbst, sie ist reflektierend, handlungs- und ethikorientiert. Ihre Qualität ist ihre Effektivität und diese hängt vom Erfolg der Handlung ab im Hinblick auf Gerechtigkeit, Freiheit, Mündigkeit und Verbesserung der Lebenswelt. 2.5 Wirklichkeit verändern 175 <?page no="176"?> Die Wissensform der Praxis ist die Phronesis (φρόνησις), die Weisheit oder Klugheit, das „Know-when“ und „Know-why-good“, wann und wie man ethisch und sozial verantwortungsvoll handelt. Wissenschaftliches Verändern mit Phronesis ist kritisch emanzipativ, z. B. im Sinne des Kritischen Theorie, der Kritischen Sozialforschung, der Friedens- und Konfliktforschung. Das Erkenntnisziel Verändern bewegt sich im Spektrum von zweckori‐ entierter, fremdbestimmter, Techne-basierter Poiesis und zweckfreier, selbstbestimmter Phronesis-basierter Praxis. Viele wissenschaftliche Disziplinen, insbesondere in den Sozial- und Hu‐ manwissenschaften, setzen beide Formen des Veränderns voraus. Eine medizinische Behandlung beispielsweise hat einen Techne-Aspekt (das Medikament, die Operation), aber auch einen Phronesis-Aspekt (die indivi‐ duelle Entscheidung über die beste Therapie für den Patienten, die ethische Abwägung der Nebenwirkungen, die Kommunikation mit dem Patienten). Francis Bacon (1561-1626) formulierte das Ideal einer „Wissenschaft als Macht“, wobei Wissen zur Nutzbarmachung der Natur und zur Technisie‐ rung beitragen soll. In seinem Novum Organum scientiarum beschreibt Bacon eine methodisch organisierte Empirie: durch Induktion und Beob‐ achtung sollen Naturgesetze erschlossen werden, um in Landwirtschaft, Medizin oder Technik wirksam zu werden. Bacon begründet damit ein technikorientiertes Verständnis von Wissenschaft, das später im Positivismus weiterwirkt. Karl Marx (1818-1883) ist der Klassiker des praktisch-emanzipatorischen Paradigmas, das energisch die Trennung von Theorie und Praxis ablehnt. Primär grenzt sich Marx vom idealistischen Erkenntnismodell Friedrich He‐ gels ab: Nicht das Denken bestimmt das Sein, sondern das gesellschaftliche Sein bestimmt das Bewusstsein. Aus den Feuerbach-Thesen (Marx; Engels 1990, S. 5f.): „Die Frage, ob dem mensch‐ lichen Denken gegenständliche Wahrheit zukomme, ist keine Frage der Theorie, sondern eine praktische Frage. In der Praxis muss der Mensch die Wahrheit, d. h. die Wirklichkeit und Macht, die Diesseitigkeit seines Denkens beweisen. Der Streit über die Wirklichkeit oder Nichtwirklichkeit eines Denkens, das sich von der Praxis 176 2 Die Ziele der Wissenschaft <?page no="177"?> isoliert, ist eine rein scholastische Frage.“ (5. These) „Die Philosophen haben die Welt nur verschieden interpretiert; es kommt aber darauf an, sie zu verändern.“ (11. These) Wissenschaft ist für Marx Teil des gesellschaftlichen Produktionsprozes‐ ses und keineswegs neutral. Ihre Aufgabe ist die kritische Analyse von Klassenverhältnissen, ideologischer Verschleierung und gesellschaftlichen Widersprüchen. Erkenntnis bedeutet hier nicht nur Interpretation, sondern Veränderung - durch Theorie, Kritik und Praxis. Marx unterscheidet sich dabei klar von technokratischen Positionen: Veränderung darf nicht als bloße technisch effiziente Steuerung verstanden werden, sondern muss emanzipatorische Praxis sein. Insofern ist sein Ansatz die Grundlage für die spätere Kritische Theorie. Der Kritische Rationalismus war schon Thema im Kontext des Erkennt‐ nisziels Erklären (und hat dort seinen Schwerpunkt), soll aber auch hier zu Wort kommen als deklariertes Kontrastprogramm zu Karl Marx und zur Kritischen Theorie. Vor allem da er eine klare Trennung zwischen wissenschaftlicher Erkenntnis und normativer Praxis voraussetzt. Wissen‐ schaftliche Theorien sollen Erklärungspotential haben und falsifizierbar sein, sonst nichts, ihre wissenschaftliche Qualität hängt nicht von ethischen Zielen ab. Popper zufolge beginnt Wissenschaft mit Problemen, entwickelt Theo‐ rien, und testet sie durch Erfahrung. Veränderung geschieht durch Kritik und durch Optimieren oder Eliminieren falscher Theorien, nicht durch Planung gesellschaftlicher Verhältnisse. Wissenschaft soll nur zur Problem‐ lösung beitragen du muss zurückhaltend sein im Hinblick auf politische und moralische Urteile, um ihre Objektivität zu wahren. Auch hier nehmen neuere Entwicklungen weniger rigide Positionen ein. Nancy Cartwright plädiert dafür, sich nicht auf Gesetzmäßigkeiten zu verlassen, sondern die kausalen Kapazitäten von Dingen und Systemen zu untersuchen - also deren Potential, unter bestimmten Bedingungen bestimmte Wirkungen hervorzubringen. Diese Perspektive ist interventio‐ nistisch: Sie interessiert sich dafür, was wie verändert werden kann, nicht nur dafür, wie etwas erklärt werden kann. Wissenschaftliche Erklärungen sagen uns nicht nur, was passiert ist, sondern auch, was wir tun können, um Dinge geschehen zu lassen. Wissenschaft soll helfen, funktionierende Interventionsmodelle zu bauen. Theorie ist nicht abstrakt universalistisch, sondern kontextgebunden, konstruktiv, plural. Damit wird das strategische 2.5 Wirklichkeit verändern 177 <?page no="178"?> Erkenntnisziel „Verändern“ ausdrücklich anerkannt - nicht als normatives Postulat, sondern als pragmatische Orientierung. Auch Bas van Fraassen (1989) argumentiert gegen das Ideal, dass wissen‐ schaftliche Theorien wahr sein müssen, es genüge, wenn sie empirisch angemessen sind, also mit beobachtbaren Phänomenen vereinbar sind. Van Fraassen nimmt damit eine epistemisch zurückhaltende Haltung ein: Wissenschaft hat nicht die Aufgabe, ontologische Wahrheiten zu liefern, sondern Modelle bereitzustellen, mit denen wir Beobachtbares strukturieren und vorhersagen können. Diese Position impliziert eine gewisse Neutrali‐ tät gegenüber normativen Veränderungszielen: Wissenschaft erklärt, sie gestaltet nicht. Weil Theorien nicht zwanghaft wahr sein müssen, bleibt offen, wie und wofür sie verwendet werden. Das strategische Ziel des Veränderns liegt außerhalb der Theorie, kann aber durch sie unterstützt werden, z. B. durch Unterstützung der von Entscheidungen durch kritische Vergleiche von Modellen und Simulationen. James Woodward entwickelt mit seinem Ansatz der interventionistischen Kausalität (Woodward 2005) eine wissenschaftstheoretische Position, in der Erklären und Verändern strukturell verbunden sind. Eine gute wissenschaft‐ liche Erklärung besteht für Woodward nicht nur darin, einen Zusammen‐ hang zu beschreiben, sondern darin, Antworten auf kontrafaktische Fragen zu geben: „Was wäre, wenn wir X verändert hätten - würde sich Y ebenfalls ändern? “ Erklärungen sind für Woodward also Werkzeuge für Kontrolle. Sie mög‐ lich es möglich, in Systeme einzugreifen, da sie zeigen, welche Variablen kausal relevant sind. Erklärung hat insofern pragmatische Relevanz: Ihre Qualität zeigt sich in ihrer Nützlichkeit für gezielte Interventionen, nicht nur an ihrer Wahrheit im klassischen Sinne. Woodwards Ansatz ist interessant u. a. für die Sozialwissenschaften, für Epidemiologie oder Technikfolgenabschätzung: Dort ist Wissen über Kausalitäten nie absolut, aber die Voraussetzung für Handlungsfähigkeit. Veränderung ist für die Wissenschaft theoretisch erklärbar, planbar und bewertbar, ohne dabei Letztverantwortung zu übernehmen. Die Kritische Theorie (Frankfurter Schule) versteht Wissenschaft grund‐ sätzlich nicht als neutrale Instanz, sondern als gesellschaftlich bedeutsame Praxis, die auf Emanzipation zielt. Erklären und Verstehen reichen nicht aus, wenn man die Welt nicht nur analysieren, sondern auch verändern 178 2 Die Ziele der Wissenschaft <?page no="179"?> will. Dieser Anspruch steht im Zentrum der Kritischen Theorie, wie sie von Max Horkheimer, Theodor W. Adorno und später Jürgen Habermas vertreten wurde. Sie fordern eine Wissenschaft, die ihre gesellschaftlichen Bedingungen reflektiert, bestehende Machtverhältnisse hinterfragt und Emanzipation ermöglicht. Im Gegensatz zum Kritischen Rationalismus lehnt die Kritische Theo‐ rie die Trennung von Erkenntnis und Interesse ab und betont, dass jede Erkenntnis von sozialen Bedingungen und historischen Konstellationen durchdrungen ist und Praxisrelevanz hat. In seinem programmatischen Text „Traditionelle und kritische Theorie“ (1937) unterscheidet Max Horkheimer zwei Formen von Theorie: • Traditionelle Theorie ist objektivierend, analytisch, technikorientiert - sie beschreibt und erklärt, ohne sich selbst infrage zu stellen. • Kritische Theorie hingegen bezieht sich auf gesellschaftliche Totalität, ist selbstreflexiv und auf Veränderung gesellschaftlicher Verhältnisse ausgerichtet. Sie zielt nicht nur auf Erkenntnis, sondern auf die Über‐ windung von Herrschaft und Entfremdung. Wissenschaft wird hier zur gesellschaftskritischen Praxis, die ihre eigenen Voraussetzungen thematisiert - also auch ihre Instrumentalisierung, Öko‐ nomisierung oder Ideologisierung. Veränderung ist nicht bloß ein Effekt, sondern ein normativer Auftrag. In ihrem Buch „Dialektik der Aufklärung“ (1944) analysieren Horkheimer und Adorno, wie die Aufklärung - ursprünglich gedacht zur Befreiung des Menschen - in technische Rationalität und neue Formen der Herrschaft umschlägt. Die Kritische Theorie fragt: Welche Interessen bestimmen das, was wir als wissenschaftliche Wahrheit ansehen? Welche blinden Flecken entstehen durch ökonomische, politische oder kulturelle Einflüsse? Jürgen Habermas unterscheidet drei grundlegende Erkenntnisinteressen (Habermas 1968). Habermas argumentiert, dass wissenschaftliche Erkennt‐ nis nie wertfrei, neutral oder „objektiv“ im naiven Sinne sein kann. Sie wird nicht nur durch ihre Methoden, Theorien und Gegenstände bestimmt, son‐ dern immer auch durch ein Erkenntnisinteresse, das den gesamten Prozess der Erkenntnisgewinnung strukturiert. Jede wissenschaftliche Praxis - ob in den Natur-, Sozial- oder Geisteswissenschaften - von einem der drei Erkenntnisinteressen getragen ist: einem technischen, einem praktischen oder einem emanzipatorischen Interesse - analog den strategischen Zielen Erklären, Verstehen und Verändern. 2.5 Wirklichkeit verändern 179 <?page no="180"?> • Das technische Erkenntnisinteresse zielt darauf, die Welt in ihren Ge‐ setzmäßigkeiten zu erkennen, um sie kontrollierbar und vorhersagbar zu machen. Es bildet die Grundlage der empirisch-analytischen Wissen‐ schaften, etwa in Physik, Biologie, Medizin oder auch der quantitativ ausgerichteten Sozialforschung. • Dieses Interesse entspricht dem strategischen Ziel des Erklärens: Natur und Gesellschaft sollen durch kausale oder statistische Zusammenhänge beschreibbar und - im Idealfall - prognostizierbar gemacht werden. Die Forschung bewegt sich in einem theoretisch deduktiven Rahmen, Hypothesen werden getestet, Daten werden als Belege für oder gegen Theorien verstanden. Die Wahrheit einer Aussage bemisst sich an ihrer empirischen Bewährung. • Das praktische Erkenntnisinteresse hingegen richtet sich auf Verständi‐ gung, Sinnverstehen und das gemeinsame Handeln im sozialen Raum. Es liegt den hermeneutischen und interpretativen Wissenschaften zu‐ grunde, etwa der Geschichtswissenschaft, der Ethnologie, der qualitati‐ ven Sozialforschung oder der Literaturwissenschaft. Das strategische Ziel dieser Forschungsrichtung ist das Verstehen: Erforscht werden subjektive Bedeutungen, kulturelle Praktiken, kommunikative Prozesse und historische Kontexte. Die Forschung ist nicht auf Kausalität, son‐ dern auf Plausibilität und Kontextsensibilität ausgerichtet. Erkenntnis entsteht hier im Dialog mit dem Gegenstand, im Rekonstruktionspro‐ zess. • Schließlich gibt es für Habermas noch ein drittes, das emanzipatorische Erkenntnisinteresse, das auf Emanzipation, Befreiung von Herrschaft, Ideologie und systemischen Zwängen abzielt. Dieses Interesse liegt den kritischen Wissenschaften zugrunde, etwa der Kritischen Theorie, der feministischen Forschung, der postkolonialen Theorie oder der Aktionsforschung. Das strategische Ziel dieser Forschung ist nicht nur das Verstehen oder Erklären bestehender Verhältnisse, sondern deren Veränderung. Wissenschaft wird hier als reflexive, normative Praxis verstanden, die dazu beitragen soll, soziale Ungleichheiten sichtbar zu machen, gesellschaftliche Strukturen zu kritisieren und Handlungsspiel‐ räume zu eröffnen. Erkenntnis ist in diesem Kontext immer auch mit einem Anspruch auf Gerechtigkeit und Aufklärung verbunden. Wissenschaftliche Forschung kann sich zwar methodisch, theoretisch und disziplinär unterscheiden- kann aber dennoch auf grundlegende Zielsetzun‐ 180 2 Die Ziele der Wissenschaft <?page no="181"?> gen zurückgeführt werden. Erklären, Verstehen und Verändern sind keine willkürlichen Optionen, sondern strukturieren wissenschaftliche Praxis auf einer tiefen Ebene. Habermas bietet mit seinem Konzept der Erkenntnis‐ interessen eine epistemologische Rahmung, die deutlich macht, warum Forschende auf eine bestimmte Weise arbeiten, was sie dabei zu wissen hoffen und wohin ihre Forschung gesellschaftlich zielt. Gleichzeitig lädt diese Perspektive dazu ein, zwischen den Paradigmen zu vermitteln: Forschung muss sich entscheiden, welchem Erkenntnisinteresse sie primär folgt - aber sie sollte zugleich offen bleiben für die Einsicht, dass auch andere Formen des Wissens legitim und erkenntnistragend sind. Gerade in inter- und transdisziplinären Zusammenhängen wird deutlich, dass Erklären, Verstehen und Verändern nicht gegeneinander ausgespielt werden dürfen, sondern einander ergänzen können. Habermas’ Modell liefert somit nicht nur eine epistemologische Differenzierung, sondern auch einen Beitrag zur Integration wissenschaftlicher Perspektiven. Diskussionen und Kontroversen In der Wissenschaftsgeschichte haben zwei Konflikte die unterschiedli‐ chen Paradigmen von wissenschaftlichem Erklären und Verstehen deutlich gemacht und damit die Sozialwissenschaften nachhaltig geprägt der Wert‐ urteilsstreit und der Positivismusstreit. Diese Auseinandersetzungen sind keine bloßen historischen Fußnoten; sie spiegeln fundamentale Fragen nach der Rolle, den Zielen und der Methodik von Wissenschaft wider. Beide Kontroversen beleuchten die Spannung zwischen zwei gegensätzlichen Visionen: • Die einen sehen Wissenschaft als ein neutrales, wertfreies Unterfangen, das nach objektiven, universellen Gesetzen sucht, um die Realität zu erklären. • Die anderen argumentieren, dass Wissenschaft immer von gesellschaft‐ lichen Kontexten abhängt, von Werten beeinflusst wird und eine kriti‐ sche, emanzipatorische Funktion erfüllen muss. Werturteilsstreit: Die Debatte um Wissenschaft und Werte (ca. 1909) Der Werturteilsstreit war der erste große methodologische Konflikt der deutschsprachigen Sozialwissenschaften. Er entzündete sich an der grund‐ legenden Frage, ob die Wissenschaft Werturteile fällen darf. 2.5 Wirklichkeit verändern 181 <?page no="182"?> Der primäre Protagonist dieser Auseinandersetzung war der Soziologe Max Weber: Er forderte eine strikte Trennung zwischen Sachurteilen, das sind deskriptive Aussagen darüber, „was der Fall ist“, und Werturteilen, das sind normative Aussagen darüber, „was sein soll“. Für Weber sollte ein Wissenschaftler in seiner professionellen Rolle keine moralischen, politischen oder ideologischen Urteile äußern, da Werturteile nicht intersubjektiv überprüfbar sind. Was für den einen gut ist, kann für den anderen schlecht sein. Wissenschaftliche Aussagen müssen jedoch für jeden, der dieselbe Methode anwendet, zum gleichen Ergebnis führen. Die Werturteilsfreiheit war für Weber daher eine unabdingbare Voraussetzung für die Objektivität und die Glaubwürdigkeit der Wissenschaft. Er unterschied allerdings scharf zwischen der „Wertbeziehung“ und dem eigentlichen Werturteil. Werte, so Weber, spielen eine unverzichtbare Rolle bei der Wahl des Forschungsthemas. Sie bestimmen, was für einen Wissenschaftler als relevant ist. Diese Werte dürfen jedoch auf keinen Fall die Forschungsergebnisse verzerren oder in der Darstellung manipulativ wirksam sein. Webers Position wurde von der Historischen Schule der Nationalökono‐ mie, insbesondere von Vertretern wie Gustav von Schmoller, kritisiert. Aus ihrer Sicht können die Sozialwissenschaften nicht wertneutral sein und dürfen es auch nicht sein. Auch sie hatten einleuchtende Argumente: Die Sozialwissenschaften sollen moralische und politische Ziele verfolgen, um zur Lösung gesellschaftlicher Probleme beizutragen und Empfehlungen für die Politik zu geben. Der Streit wurde letztlich nicht mit einer klaren Lösung beendet, doch Webers Prinzip der Werturteilsfreiheit setzte sich weitgehend als methodi‐ sches Ideal durch. Positivismusstreit: Methodologie und Gesellschaftskritik. Auf der Tagung der Deutschen Gesellschaft für Soziologie in Tübingen im Jahr 1961 entzündete sich die nächste legendäre wissenschaftstheoretische Kontroverse: Der Positivismusstreit wird oft als „zweiter Werturteilsstreit“ bezeichnet, es ging aber auch um andere Prinzipien der Sozialforschung. Involviert waren vor allem zwei philosophische Lager. Die Vertreter des Kritischen Rationalismus, vor allem Karl R. Popper und Hans Albert, vertraten die These, dass die Logik der Forschung in allen Wissenschaften gleich sei. Sie plädierten für eine methodologische Einheit der Wissenschaft. Soziale Phänomene sollten, ebenso wie Naturphänomene, 182 2 Die Ziele der Wissenschaft <?page no="183"?> durch die Formulierung von hypothesenartigen Gesetzen erklärt werden. Dabei stand das Prinzip der Falsifikation im Mittelpunkt: Eine Theorie ist nur dann wissenschaftlich, wenn sie an der Empirie scheitern kann. Nur so lasse sich objektive Erkenntnis gewinnen - frei von politischen oder moralischen Werturteilen, im Sinne der Werturteilsfreiheit. Ihre Position wurde von den Gegnern fälschlicherweise als „Positivismus“ bezeichnet, da sie das empirische Moment ihrer Methode zu stark betonten. Die Vertreter der Kritischen Theorie der Frankfurter Schule, Theodor W. Adorno und Jürgen Habermas, lehnten sie diese Position vehement ab. Sie kritisierten, dass der Kritische Rationalismus mit seiner „positivistischen“ Haltung die sozialen und historischen Bedingungen der Wissenschaft aus‐ blendet. Für die Kritische Theorie kann Wissenschaft nicht unpolitisch oder wertneutral sein, sie kann gesellschaftliche Strukturen und Machtverhält‐ nisse nicht ignorieren. Forschung ist bereits bei der Wahl von Forschungs‐ fragen, Methoden und Interpretationen geprägt durch gesellschaftliche Interessen. Ihr Ziel ist nicht die bloße Erklärung von Fakten, sondern auch Ideologiekritik. Wissenschaft soll gesellschaftliche Missstände aufdecken und zur Emanzipation der Menschen beitragen. Die Vertreter der Kritische Theorie sehen in der strikten Trennung von Fakten und Werten eine Verschleierung von Macht. Der Positivismusstreit hatte keine klaren Sieger, aber einen positiven Effekt, er führte zu mehr Aufmerksamkeit im Hinblick auf wissenschafts‐ theoretische Fragen. Beide Lager haben wichtige Themen vertreten: Die Kritische Theorie betonte die politische Verantwortung von Wissenschaft‐ lern, der Kritische Rationalismus die Notwendigkeit methodischer Strenge und logischer Nachvollziehbarkeit. In den letzten Jahrzehnten haben weitere Ansätze entwickelt, die den Fokus von der Methodendebatte hin zu Fragen nach Macht, Situiertheit, Technik und Praxis des Veränderns verschieben. • Feministischen Wissenschaftstheorien geht es um eine Dekon‐ struktion bestehender Macht- und Wissensordnungen. Sie machen darauf aufmerksam, dass die scheinbare Neutralität der Wissenschaft oft eine männlich, westlich und eurozentrisch geprägte Perspektive re‐ produziert. Sandra Harding (2006) argumentiert, dass wissenschaftliche Erkenntnis nie neutral oder objektiv ist, sondern immer von einem bestimmten Standpunkt aus entsteht, der von den sozialen Erfahrungen, Werten und Machtverhältnissen der Forschenden geprägt ist. Dieses 2.5 Wirklichkeit verändern 183 <?page no="184"?> Konzept nennt sie „standortgebundene Objektivität“ (situated know‐ ledge). Als Alternative schlägt Harding die „starke Objektivität“ vor, die sich dann ergibt, wenn Forschende Ihre eigene soziale Position (z. B. Geschlecht, Herkunft) und deren Einfluss auf die Forschung reflektieren und bewusst die die Außen-Perspektiven von marginalisierten Gruppen bewusst einbeziehen. Donna Haraway (1995) kritisiert die traditionelle Vorstellung wissen‐ schaftlicher Objektivität als Illusion eines God Trick - eines allwissen‐ den Blicks „von Nirgendwo“, der meint, neutral und unabhängig zu sein. In Wirklichkeit spiegelt ein solcher Blick meist die Perspektiven dominanter Gruppen wider, die ihre Sicht als universell ausgeben. Demgegenüber versteht Haraway Objektivität als Verantwortlichkeit: Forschende sollen ihre eigene Position sichtbar machen, statt sie zu verschleiern. Objektivität ist für sie eine ethische Praxis, die Reflexivität im Hinblick auf die eigene Perspektive), Partialität jedes Standpunkts und Kritik als Offenheit für andere Perspektiven verlangt. • Postkoloniale Ansätze. Boaventura de Sousa Santos (2018) kritisiert die „epistemische Gewalt“ westlicher Wissenschaft, die andere Wissens‐ formen marginalisiert oder entwertet hat. Er plädiert für eine „Episte‐ mologie des Südens“ und eine „Ökologie des Wissens“, in der wissen‐ schaftliche, indigene und praktische Wissensformen gleichberechtigt nebeneinanderstehen. Transformation heißt hier: Anerkennung plura‐ ler Wissenssysteme, Reparatur kolonialer Ausschlüsse und Aufbau einer transkulturellen Wissenschaftskultur. • Science and Technology Studies (STS). Bruno Latour (2002) und andere STS-Forscher: innen, z. B. Karin Knorr-Cetina (2023), verstehen Wissenschaft nicht als neutrales Abbilden von Realität, sondern als so‐ ziales Handeln in Netzwerken. In der Akteur-Netzwerk-Theorie (ANT) wirken Menschen, Apparate, Modelle und Institutionen gemeinsam als „Akteure“. Wissenschaft verändert Gesellschaft nicht nur durch ihre Ergebnisse, sondern auch durch ihre Praktiken, Labore und In‐ frastrukturen. Verändern heißt hier: Technik, Praxis und Gesellschaft wechselseitig zu gestalten und ihre Verflechtungen sichtbar zu machen. • Praxis- und Bildungsforschung. In handlungs- und praxisnahen An‐ sätzen wird Wissenschaft zum reflexiven Begleiter praktischer Felder. Kurt Lewins (1986) Aktionsforschung zielt darauf, Veränderung und Erkenntnis miteinander zu verbinden: Forschende arbeiten mit Betrof‐ fenen, nicht nur über sie. In der Bildungstheorie betont Wolfgang Klafki 184 2 Die Ziele der Wissenschaft <?page no="185"?> (1996) das Ziel einer kritisch-konstruktiven Bildung: Wissenschaft soll Mündigkeit und Urteilsfähigkeit fördern. In zweifacher Hinsicht: Bil‐ dung soll die Fähigkeit fördern, gesellschaftliche und kulturelle Gege‐ benheiten zu hinterfragen. Nicht einfach Wissen übernehmen, sondern kritisch seine Entstehung reflektieren und Machtzusammenhänge er‐ kennen. Über die Kritik hinaus soll Bildung dazu befähigen, konstruktiv an der Gestaltung der Gesellschaft mitzuwirken. Synopsis | Wissenschaftstheoretische Positionen: Verändern als … • Aristotelische Tradition: Verändern als Poiesis (Herstellen) und Praxis (Handeln); Wissen als technē (Können) oder phronēsis (praktische Klugheit). • Kritischer Rationalismus: Verändern als wertneutrale, techno‐ logische Intervention auf Grundlage von Gesetzesaussagen und Hypothesenprüfung. • Kritische Theorie: Verändern als emanzipatorische Praxis; Auf‐ deckung, Kritik und Transformation von Herrschafts- und Macht‐ verhältnissen. • Feministische und postkoloniale Ansätze: Verändern als De‐ konstruktion von asymmetrischen Strukturen; Transformation ge‐ sellschaftlicher Realität. • Science and Technology Studies (STS): Verändern als wechsel‐ seitige Gestaltung von Technik, Praxis und Gesellschaft in Netz‐ werken. • Handlungs- und Praxisforschung: Verändern als reflexive Be‐ gleitung und kooperative Gestaltung von Praxisfeldern (z. B. Akti‐ onsforschung). Philosophische Grundlagen Das Erkenntnisziel Verändern knüpft an die praktische Dimension von Wissen an, wie sie schon in der Antike bei Aristoteles angelegt ist. Mit der Unterscheidung von theōria (Betrachtung), technē (Herstellung) und praxis (Handeln) wurde sichtbar, dass Wissen nicht nur auf Erkenntnis zielt, son‐ dern ebenso auf Herstellung und Gestaltung. In der Neuzeit gewann dieser Gedanke durch die technische Revolution und den Aufstieg der modernen Naturwissenschaften neue Kraft: Wissen sollte Welt beherrschbar machen, 2.5 Wirklichkeit verändern 185 <?page no="186"?> Prozesse steuern und gesellschaftliche Praxis verändern. In der Moderne verschränkt sich diese Linie mit pragmatistischen Ansätzen ( John Dewey), mit technik- und ingenieurwissenschaftlichen Rationalitäten sowie mit der Kritischen Theorie, die Veränderung als Emanzipation von Herrschaft und Entfremdung versteht. Damit hat sich ein breites Verständnis etabliert, das wissenschaftliches Wissen nicht nur als Spiegel der Welt begreift, sondern als Mittel ihrer Transformation. Ontologisch setzt das Erkenntnisziel Verändern die Welt als gestalt- und veränderbar voraus. Natur, Technik und Gesellschaft sind keine fixen Gege‐ benheiten, sondern Kontexte, die durch menschliches Handeln und Wissen beeinflusst und weiterentwickelt werden können. Der Mensch erscheint hier als handelndes und wirkendes Wesen, das in die Strukturen der Welt eingreift und sie formt. Welt ist in dieser Perspektive keine starre Ordnung, sondern eine offene Wirklichkeit, die in Geschichte und Praxis immer wieder neu hervorgebracht wird. Epistemologisch rückt Verändern das Kriterium der Wirksamkeit ins Zentrum. Wissen erhält seinen Stellenwert nicht allein durch theoretische Wahrheit, sondern durch auch durch Handlungsrelevanz, Probleme zu lösen und Strukturen zu verändern. In den Natur- und Ingenieurwissenschaften steht die technische Machbarkeit im Vordergrund, in den Sozialwissen‐ schaften die Reformfähigkeit gesellschaftlicher Institutionen, in kritischen Ansätzen die Befreiung aus Herrschaftsverhältnissen. Verändern wird zu einem Modus von Erkenntnis, der an praktischer Tragfähigkeit und Trans‐ formationskraft orientiert ist. Axiologisch ist Verändern eng mit Verantwortung verknüpft. Jede wissen‐ schaftlich begründete Veränderung betrifft Lebenswelten, Werte und Macht‐ verhältnisse und bedarf daher einer ethischen Legitimation. Maßgeblich sind Kriterien wie Gerechtigkeit, Nachhaltigkeit, Freiheit und Gemeinwohl. Wissenschaftliches Verändern ist legitim, wenn es nicht allein von Interes‐ sen oder Machbarkeit bestimmt wird, sondern normativ reflektiert und demokratisch verantwortet ist. In dieser Perspektive steht Verändern für ein Handeln, das Wissen in den Dienst einer verantwortbaren Gestaltung von Zukunft stellt. Wissenschaftliches Verändern ist damit stets auch eine Frage der ethischen Verantwortung gegenüber Menschen und Natur. 186 2 Die Ziele der Wissenschaft <?page no="187"?> Verändern heißt, Natur, Technik und Gesellschaft wissenschaftlich gestalten. Stärke: Optionen praktischen, technologischen, emanzipatorischen Handelns. Grenze: Gefahr der politischen und wirtschaftlichen Vereinnahmung. Herausforderung: Begründung, Legitimation, Verantwortung. 2.5 Wirklichkeit verändern 187 <?page no="188"?> Theo Hug, Gerald Poscheschnik (Hg.) Empirisch forschen Die Planung und Umsetzung von Projekten im Studium Der Band bietet einen Überblick über die wichtigsten Schritte bei der Planung und Umsetzung von empirischen Forschungsprojekten. Der Aufbau folgt dem Ablauf der Forschung, das Buch kann deshalb auch als Leitfaden für eigene Forschungsprojekte verwendet werden. Die gut verständliche Darstellung wird durch zahlreiche Übersichten, Literaturtipps und Internetquellen • ergänzt. Die 4. Auflage enthält vertiefende und ergänzende weiter ... b <?page no="189"?> 3 Die Wege der Wissenschaft Die Forschung ist immer auf dem Wege, nie am Ziel. Adolf Pichler (1819-1900) Dieses Kapitel beschreibt die verschiedenen Wege, auf denen wissen‐ schaftliches Wissen entsteht. Es beginnt mit dem Forschungsprozess als grundlegendem Plan wissenschaftlicher Untersuchungen. Danach widmen wir uns der theoretischen Forschung, die das Fundament für unser Verständnis schafft, indem sie Konzepte und Modelle zur Interpretation der Realität bildet. Anschließend erkunden wir die empi‐ rischen Forschungsmethoden, einschließlich quantitativer, qualitativer und Mixed-Methods-Ansätze. Das Kapitel führt zudem in digitale und innovative Methoden ein, die technologische Fortschritte für die Daten‐ erhebung und -analyse nutzen. Wissenschaftstheoretische Positionen legen die strategischen Zielsetzun‐ gen von Forschung fest: erklären, verstehen oder verändern. Doch auf welchem Weg kommt die Forschung zum Ziel? Welche Schritte, Methoden und Verfahren sind erforderlich? Dies ist keine rein philosophische Frage, sondern prägt den gesamten Forschungsprozess: von der Formulierung der Forschungsfrage über die Wahl von Erhebungs- und Auswertungsmethoden bis hin zu den Kriterien, nach denen Ergebnisse gültig und relevant erschei‐ nen. Diese Unterscheidung der Forschungswege im Hinblick auf die jeweilige strategische Zielsetzung ist nicht nur für das Verständnis von Wissenschaft wichtig, sondern auch für die Praxis wissenschaftlichen Arbeitens. Wer eine Methode wählt, muss begründen können, warum sie für die konkrete Forschungsfrage geeignet ist. Hier bietet die Wissenschaftstheorie das be‐ griffliche und argumentative Instrumentarium, um solche Entscheidungen plausibel und nachvollziehbar zu machen. <?page no="190"?> 3.1 Der Forschungsprozess Wissenschaftliche Forschung lebt von Kreativität, ist aber zugleich ein strukturierter und reflexiver Vorgang. Der Begriff Forschungsprozess be‐ zeichnet die Planung, Durchführung, Auswertung und Dokumentation eines wissenschaftlichen Projekts. Dabei geht es um den Ablauf einzelner Arbeitsschritte, vor allem jedoch um ein methodisch kontrolliertes Vorge‐ hen. Dieses ist keine starre Abfolge, sondern ein heuristisches Modell, das Orientierung bietet, Reflexion ermöglicht und methodische Entscheidungen strukturiert. Forschungsprojekte lassen sich nicht nur nach institutionellem Rahmen oder praktischen Zielsetzungen bestimmen, sondern vor allem nach Kri‐ terien, die aus wissenschaftstheoretischer Perspektive entscheidend sind. Eine erste grundlegende Differenzierung betrifft die Frage, ob ein Projekt empirisch angelegt ist - also auf die Gewinnung und Auswertung von Daten abzielt - oder ob es sich um Theoriearbeit handelt, die der Analyse, Syste‐ matisierung oder Entwicklung begrifflicher Strukturen dient. Diese Unter‐ scheidung ist analytisch hilfreich, doch gilt: Jede empirische Forschung ist theoretisch gerahmt, und jede Theoriearbeit bezieht sich zumindest mittelbar auf eine erfahrbare oder konstruierte Realität. Hinzu kommen weitere Dimensionen, nach denen Forschungsprojekte eingeordnet werden können: die strategischen Zielsetzungen (Verstehen, Erklären, Verändern), die forschungsmethodischen Optionen (quantitativ, qualitativ, theoretisch) sowie die Kriterien und Verfahren der Qualitätssicherung. Dieses Kapitel beschreibt den Forschungsprozess von der Themenfindung bis zur Theoriebildung anhand eines Beispiels. Je nach Zielsetzung ergeben sich dabei unterschiedliche methodische Varianten - theoretisch, quantita‐ tiv oder qualitativ. Forschungsthema. Am Anfang jedes Projekts steht ein Forschungsthema. Es kann sich aus einem theoretischen Interesse, einer Irritation, einer gesell‐ schaftlichen Herausforderung oder einem praktischen Problemfeld ergeben. Das Thema steckt den Rahmen ab, worum es im weitesten Sinne gehen soll - in unserem Beispiel: „Sprache und Emotionen in Debatten über den Kli‐ mawandel auf Social Media“. Das ist ein weit gefasster Themenbereich: Der Fokus fehlt noch, ebenso die spezifische Zielsetzung, die erforderlich wäre, um eine Forschungsfrage zu formulieren und die methodische Ausrichtung zu bestimmen. Ein Thema ist daher noch keine Forschungsfrage; diese ent‐ 190 3 Die Wege der Wissenschaft <?page no="191"?> steht erst durch eine erkenntnisleitende Perspektive und eine methodische Orientierung, die eine weitere thematische Eingrenzung ermöglichen. Tipps | Ein Forschungsthema für die Abschlussarbeit finden • Was hat Sie im Studium besonders interessiert? • Gibt es Forschungslücken, auf die in Studien hingewiesen wird? • Lässt sich eine bestehende Studie auf einen anderen Kontext über‐ tragen? • Welche Themenvorschläge machen Lehrende in Ihrem Fach? • Gibt es ein Thema in aktuellen gesellschaftlichen Entwicklungen? • Fragen Sie Ihre Betreuerin: Rückmeldung zu Ihren Ideen, Eingren‐ zung des Themas, Machbarkeit des Projekts Strategische Zielsetzung. Entscheidend für die Weiterentwicklung des Themas ist die strategische Zielsetzung - also das grundlegende Erkennt‐ nisinteresse: Soll etwas verstanden, erklärt oder verändert werden? Die Zielsetzung bestimmt die Perspektive, reduziert den Gegenstandsbereich und hat unmittelbaren Einfluss auf die Wahl der Forschungsmethode. Beim Thema unseres Beispiels „Klimadebatten auf Social Media“ wären unterschiedliche Zielsetzungen denkbar: • Verstehen: Wie erleben Nutzerinnen die Sprache in Online-Debatten? • Erklären: Welche sprachlichen Mittel führen zu Polarisierung? • Verändern: Wie kann Moderation zu einer konstruktiver Debatte bei‐ tragen? Tipp | Bevor Sie mit einer Abschlussarbeit beginnen, klären Sie nicht nur, was Sie untersuchen möchten, sondern auch warum - mit welchem Ziel. Wollen Sie erklären, verstehen oder verändern? Ihre strategische Zielsetzung bestimmt maßgeblich die Wahl der Methode und den Auf‐ bau Ihrer Arbeit. Vom Thema zum Forschungsziel. Das Forschungsziel ist die Konkre‐ tisierung der strategischen Zielsetzung im Hinblick auf das Forschungs‐ thema. Das Forschungsziel ergibt sich aus der Verbindung von Thema und Zielsetzung. Es beschreibt, wozu das Projekt durchgeführt wird, welche 3.1 Der Forschungsprozess 191 <?page no="192"?> Erkenntnisse erwartet werden und in welchem wissenschaftlichen oder gesellschaftlichen Kontext es verortet ist. Das Forschungsthema wird quasi zugespitzt auf das Forschungsziel der Studie, einen Beitrag zur wissenschaftlichen Diskussion zu leisten darüber, wie Sprache in sozialen Medien die politische Meinungsbildung beeinflusst, wie Sprache zur Polarisierung oder zur demokratischen Verständigung beitragen kann, und welche Interventionen vorstellbar sind, um negative Auswirkungen der Social Media zu verhindern. Das Forschungsziel bildet die inhaltliche Grundlage für die Entwicklung einer präzisen Forschungsfrage. Tipps | Ein Muss in der Einleitung „Das Ziel dieser Bachelorarbeit …“ - Das Forschungsziel soll realis‐ tisch sein, knapp formuliert werden und neugierig machen auf die Forschungsfrage. Die Forschungsfrage ist das primäre Steuerungsinstrument des gesamten Projekts. Sie formuliert präzise, worauf sich die Untersuchung richtet, was herausgefunden werden soll und in welcher Form die Erkenntnis erwartet wird. Im Beispiel: „Inwiefern verstärken emotional formulierte Tweets zur Klimapolitik polarisierende Reaktionen in den Kommentarspalten? “ Tipps | Eine gute Forschungsfrage ist … • klar und eindeutig formuliert, • spezifisch, aber nicht trivial, • offen, nicht durch Ja/ Nein zu beantworten, • theoretisch anschlussfähig, • praktisch und methodisch bearbeitbar, • motivierend - die Frage sollte Sie selbst neugierig machen. Reflexion | Die Forschungsfrage „Was sind die Auswirkungen von So‐ cial Media? “ führt in die Wüste. Die Forschungsfrage „Welchen Einfluss hat die tägliche Nutzung von Instagram auf die Körperwahrnehmung von Schüler: innen im Alter von 14 bis 16 Jahren im Realgymnasium in Wien? “ legt klare Schienen. Warum? 192 3 Die Wege der Wissenschaft <?page no="193"?> • Erste Hypothesen. In vielen Projekten - insbesondere in der quanti‐ tativen Forschung - ergibt sich aus der Forschungsfrage eine erste Hypothese: eine begründete Annahme über einen Zusammenhang, der empirisch überprüft werden soll. Im Beispiel: „Emotional formulierte Tweets zur Klimapolitik erzeugen signifikant mehr negative Kommen‐ tare als neutral formulierte Beiträge.“ • Eine Hypothese ist keine bloße Vermutung, sondern eine theoretisch gestützte, empirisch prüfbare Aussage. Ob eine Hypothese überhaupt formuliert wird, hängt jedoch vom Forschungsziel und Methodenzu‐ gang ab - interpretativ-qualitative oder konzeptuell-theoretische Stu‐ dien arbeiten meist ohne Hypothesenbildung im engeren Sinn. • Operationalisierung. Sollen Hypothesen empirisch überprüft werden, müssen abstrakte Begriffe in beobachtbare und messbare Indikatoren übersetzt werden. Dieser Schritt heißt Operationalisierung. Begriffe wie Emotionalität oder Polarisierung können beispielsweise durch linguistische Merkmale, Sentiment-Analysen oder Reaktionsmus‐ ter operationalisiert werden. Hinweis: Details zur Operationalisierung finden sich im Kapitel „Quantitative Methoden“. • Theoretischer Rahmen. Jede Forschung - auch wenn sie primär empirisch angelegt ist - muss in einem theoretischen Rahmen verortet werden. Dieser Rahmen stellt die Begriffe, Konzepte, Modelle und Erklärungszusammenhänge bereit, mit deren Hilfe der Forschungsge‐ genstand strukturiert und die Ergebnisse interpretiert werden können. So könnten im Beispielprojekt zu Klimadebatten etwa Theorien aus der Diskursforschung, der Öffentlichkeitstheorie oder der Emotionstheorie herangezogen werden. Auch qualitative Studien oder reine Theoriear‐ beiten stützen sich auf solche Rahmungen, sei es in Form von Perspek‐ tiven, Deutungshorizonten oder heuristischen Konzepten. Die bewusste Wahl und die explizite Begründung des theoretischen Rahmens sind daher ein zentraler Bestandteil wissenschaftlicher Transparenz. • Das Forschungsdesign beschreibt die Gesamtkonzeption des metho‐ dischen Vorgehens. Es legt fest, welchen Zugang man wählt - etwa einen experimentellen oder diskursanalytischen -, welche Daten benötigt werden, wie diese erhoben und ausgewertet werden sollen und welche Gütekriterien dabei gelten. Zu solchen Kriterien zählen unter anderem Validität, Nachvollziehbarkeit oder argumentative Stringenz. Je nach Methode wird das Design unterschiedlich ausgestaltet ausführliche Dar‐ 3.1 Der Forschungsprozess 193 <?page no="194"?> stellungen folgen in den Kapiteln „Quantitative Methoden“, „Qualitative Methoden“ und „Theoretische Methoden“. • Die Datenerhebung umfasst alle Schritte, mit denen Informationen gesammelt werden, etwa durch Befragungen, Beobachtungen, Experi‐ mente oder automatisiertes Web-Scraping. Im Beispiel werden Tweets mit bestimmten Hashtags mithilfe eines Tools archiviert. • Die Datenauswertung bezeichnet die methodisch geleitete Analyse des erhobenen Materials. Sie kann qualitativ (z. B. Inhaltsanalyse, Dis‐ kursanalyse) oder quantitativ (z. B. Statistik, Text Mining) erfolgen. Im Beispiel werden Häufigkeiten emotionaler Begriffe erfasst und in Zusammenhang mit Reaktionen gesetzt. • Die Interpretation ist der Schritt, in dem die Ergebnisse im Licht der Theorie und der Forschungsfrage gedeutet werden. Sie verbindet empirische Befunde mit theoretischen Annahmen und diskutiert deren Tragweite. • In der Theoriebildung werden die aus der Forschung gewonnenen Erkenntnisse in ein übergreifendes Erklärungssystem integriert - ent‐ weder zur Erweiterung bestehender Modelle oder zur Entwicklung neuer Konzepte. Alternativ gibt es in quantitativen Designs die Theorie‐ prüfung, das heißt, eine bestehende Hypothese wird überprüft. • Forschungsergebnisse. Abschließend werden die Forschungsergeb‐ nisse im Rahmen eines Forschungsberichts dokumentiert und ver‐ öffentlicht. Die begrifflich klare und transparente Darstellung der Forschungsergebnisse und die Dokumentation der Phasen eines For‐ schungsprojektes ist die Bedingung für Nachvollziehbarkeit und die Grundlage für weitere Forschung oder die praktische Anwendung der Forschungsergebnisse. Planbarkeit und Reflexivität Ein Forschungsdesign dient der strukturierten Planung eines Projekts: Es hilft dabei, Ziele zu definieren, Arbeitsschritte zu organisieren, Methoden zu begründen und Ressourcen (Zeit, Daten, Literatur) realistisch einzuschätzen. Gerade in der Phase der Konzeptentwicklung - etwa bei einer Qualifizie‐ rungsarbeit - ist das Design eine Orientierungshilfe. Gleichzeitig verläuft der Forschungsprozess in der Praxis selten linear. Neue Einsichten bei der Literaturrecherche, unvorhergesehene Aspekte bei der Datenerhebung oder widersprüchliche Ergebnisse bei der Auswertung 194 3 Die Wege der Wissenschaft <?page no="195"?> machen es erforderlich, frühere Entscheidungen zu überdenken und das Design anzupassen. Besonders in qualitativen und theoretischen Forschungsansätzen ist diese Offenheit kein Mangel, sondern Teil des wissenschaftlichen Arbeitens. Forschende müssen dabei in der Lage sein, ihr methodisches Vorgehen situativ zu reflektieren: • Warum wurde ein bestimmter Zugang gewählt? • Wie verändern sich Perspektiven im Verlauf der Analyse? • Welche theoretischen Konzepte oder Vorannahmen strukturieren die Beobachtung? Beispiel | In einer Interviewstudie zur Mediennutzung Jugendlicher erwiesen sich die vorbereiteten Fragen im Pretest als zu abstrakt: Die Befragten verstanden Begriffe wie „Medienkompetenz“ oder „Informa‐ tionsverhalten“ nicht. In der Folge mussten die Fragen umformuliert und stärker an der Alltagssprache der Zielgruppe orientiert werden. Das heißt, das Forschungsdesign blieb bestehen, wurde aber im Detail adaptiert - ein typischer Fall methodischer Nachjustieerung. Ein gutes Forschungsdesign ist somit nicht nur ein Planungsinstrument, sondern auch ein Werkzeug zur Selbstbeobachtung und methodischen Begründung. Es unterstützt sowohl die praktische Durchführung als auch die rationale Rechenschaftspflicht gegenüber der Fachöffentlichkeit. Modelle des Forschungsprozesses Der Forschungsprozess lässt sich auf unterschiedliche Weise modellieren. In methodischen Einführungen finden sich häufig Ablaufmodelle, die eine idealtypische Struktur wissenschaftlicher Forschung abbilden sollen. Solche Modelle sind hilfreich zur Orientierung - vor allem bei Studienanfänger: in‐ nen - , müssen jedoch flexibel interpretiert werden. Je nach Methodenzu‐ gang, Disziplin und Erkenntnisinteresse kann der reale Forschungsprozess deutlich von diesen Idealen abweichen. Lineares Modell. Das lineare Modell beschreibt den Forschungsprozess als eine sequentielle Abfolge von klar definierten Schritten. Es ist besonders in der quantitativ-empirischen Forschung verbreitet, etwa bei hypothesen‐ 3.1 Der Forschungsprozess 195 <?page no="196"?> prüfenden Experimenten oder standardisierten Umfragen. Die typischen Phasen sind: • Forschungsthema • Zielsetzung • Forschungsfrage • Hypothesenbildung • Operationalisierung • Datenerhebung • Datenauswertung • Interpretation • Bericht/ Veröffentlichung Dieses Modell ist vor allem nützlich für Projekte mit vorab definiertem Design und festen Prüfkriterien - etwa in den Natur-, Gesundheits- oder Sozialwissenschaften mit standardisierten Verfahren. Zirkuläres Modell. In der qualitativen Forschung verläuft der Prozess oft nicht linear, sondern rekursiv und offen: Fragestellung, Theoriebezug und Auswertung entwickeln sich im Wechselspiel mit dem empirischen Material. Neue Einsichten führen zu einer Überarbeitung der Fragestellung oder zu einer Neugewichtung der Perspektiven. Typische Phasen: • Theoriebildung erfolgt im Prozess • Datenerhebung und Auswertung sind verschränkt • Offenheit gegenüber Unerwartetem wird bewusst beibehalten • Reflexion und Kontextsensibilität sind wichtige methodische Prinzipien Das zirkuläre Modell ist typisch für interpretative, rekonstruktive und explorative Verfahren - etwa in der ethnografischen Feldforschung, Dis‐ kursanalyse oder Grounded Theory. Reflexives Modell. Theoriegeleitete Arbeiten, die sich nicht auf Primär‐ daten stützen, sondern mit bestehenden Texten, Begriffen oder Modellen operieren, folgen einem reflexiven, argumentativ strukturierten Verlauf. Die Schritte sind weniger formalisiert, orientieren sich aber dennoch an wissenschaftlichen Standards: • Theoretisches Interesse oder Irritation im Diskurs • Rekonstruktion bestehender Positionen und Argumente • Begriffliche Analyse und Systematisierung 196 3 Die Wege der Wissenschaft <?page no="197"?> • Eigenständige theoretische Entwicklung oder Differenzierung • Argumentative Kohärenz und Klarheit als Gütemaßstab Das reflexive Modell ist verbreitet in der Philosophie, Theologie, Wissen‐ schaftstheorie oder Theoriearbeit in den Sozial- und Kulturwissenschaften. Alle drei Modelle sind heuristische Hilfsmittel - sie strukturieren Abläufe, die in der Praxis allerdings oft kompliziert und iterativ sind. Sie stehen nicht in Konkurrenz zueinander, sondern entsprechen unterschiedlichen methodologischen Zugängen. Ein kompaktes Ablaufmodell des Forschungsprozesses. Im Grunde lässt sich ein Forschungsprozess auch in vier Etappen darstellen - unab‐ hängig von der Fachwissenschaft und sowohl für theoretische als auch empirische Projekte: • Etappe 1: Forschungsthema - strategische Zielsetzung - Forschungs‐ frage. Das Forschungsthema ergibt sich aus einem praktischen Problem, aus einer theoretischen Kontroverse, einer auffälligen Beobachtung oder einfach aus Neugier. Die strategische Zielsetzung ist entscheidend für die Präzisierung der Forschungsfrage und die Wahl der Forschungsme‐ thode. • Etappe 2: Theoriebildung - ggf. Hypothesen wählen oder neue finden. In dieser Phase wird der Forschungsstand gesichtet und ein theoreti‐ scher Rahmen aufgebaut. Dabei werden bestehende Theorien, Modelle, Konzepte oder empirische Befunde zusammengetragen, die zur Klärung der Forschungsfrage beitragen können. Wo es sinnvoll ist - besonders in der quantitativen Forschung - werden Hypothesen formuliert, entweder indem man bestehende übernimmt oder neue entwickelt. • Etappe 3: Empirische oder theoretische Begründung. Je nach Forschungsdesign erfolgt die Begründung der Hypothesen entweder empirisch, etwa durch Datenerhebung, Experimente oder Fallanalysen - oder theoretisch, z. B. durch argumentative Textinterpre‐ tation, Modellbildung oder Systemvergleiche. • Etappe 4: Qualitätssicherung - Forschungsergebnis - Anwendung In der letzten Etappe wird das Forschungsergebnis evaluiert und doku‐ mentiert. In vielen Fällen stellt sich anschließend die Frage nach der Praxisrelevanz und der konkreten Anwendung des Ergebnisses. 3.1 Der Forschungsprozess 197 <?page no="198"?> Der Forschungsprozess ist mehr als ein bloßes Abarbeiten von Arbeitsschrit‐ ten. Er ist eine strukturierte, methodisch reflektierte und erkenntnisgeleitete Praxis, die je nach Zielsetzung, Forschungsinteresse und methodischem Zugang unterschiedliche Formen annehmen kann - empirisch, theoretisch oder praxisbezogen; linear, zirkulär oder reflexiv. Zentrale Stationen wie Themenfindung, Zielbestimmung, Forschungs‐ frage, Theorierahmen und Designentscheidung sind die intellektuelle In‐ frastruktur jeder wissenschaftlichen Arbeit - unabhängig von Disziplin oder Methode. Forschung ist jedoch nicht vollständig planbar. Offenheit, Umwege und Revisionen gehören zum Prozess. Reflexion - sowohl über den Gegenstand als auch über die eigene Forschungspraxis - ist keine Nebensache, sondern ein konstitutives Element. Zwischen Empirie, Theorie und Praxis Forschung bewegt sich in einem dynamischen Dreieck zwischen Empirie, Theorie und Praxis. Diese drei Dimensionen bedingen einander in einem ite‐ rativen Prozess - einfach formuliert: Theorie strukturiert Empirie, Empirie prüft und entwickelt Theorien weiter, Praxis nutzt und fordert wissenschaft‐ liches Wissen. Diese drei Dimensionen sind miteinander verbunden und machen Qualität, Relevanz und Wirkung wissenschaftlicher Arbeit aus. Empirie ist der Bereich der Forschung, der sich auf die Beobachtung und Messung der Realität konzentriert. Hier werden Daten gesammelt - sei es durch Experimente, Umfragen, Interviews, Feldstudien oder die Analyse bestehender Datensätze. Das Ziel ist es, Phänomene zu beschreiben, Muster zu erkennen und Zusammenhänge zu identifizieren. Empirie liefert die Fakten und Belege, die notwendig sind, um Hypo‐ thesen zu überprüfen, Theorien zu bestätigen oder zu widerlegen und neue Erkenntnisse zu gewinnen. Sie ist die Grundlage für jede Form der Verallgemeinerung und Vorhersage. Beispiel | Eine Studie, die den Zusammenhang zwischen Bildschirmzeit und Schlafqualität bei Jugendlichen untersucht, sammelt empirische Daten über die tägliche Nutzung digitaler Medien und die Schlafzeiten der Probanden. 198 3 Die Wege der Wissenschaft <?page no="199"?> Theorie ist das intellektuelle Gerüst, um empirische Beobachtungen zu interpretieren, zu ordnen und zu erklären. Theorien sind Systeme von Konzepten, Definitionen, Axiomen und Propositionen, die darauf abzielen, bestimmte Phänomene zu beschreiben, zu erklären und vorherzusagen. Sie sind nicht direkt beobachtbar, sondern abstrahieren und generalisieren aus der Empirie. Theorien sind die Grundlage der empirischen Forschung, sie strukturie‐ ren die Forschungsfrage und leiten daraus Hypothesen ab (Deduktion). Forschung setzt jedoch schon früher an: Aus einem unerwarteten Befund kann sich eine neue, zunächst nur plausible Hypothese entwickeln (Abduk‐ tion). Empirische Beobachtungen können dann dazu dienen, Hypothesen zu überprüfen und bestehende Theorien weiterzuentwickeln (Induktion). Beispiel | In einer medizinischen Studie fällt auf, dass Patient: innen nach einem neuen Medikament ungewöhnlich schnell genesen. Diese Beobachtung führt abduktiv zur Hypothese, dass der Wirkstoff eine bis‐ lang unbekannte Wirkung hat. Auf Basis pharmakologischer Theorien werden deduktiv Hypothesen formuliert, etwa welche biochemischen Mechanismen beteiligt sind. Anschließende Labor- und klinische Stu‐ dien liefern induktive Evidenz, die das theoretische Modell stützt oder modifiziert. Praxis bezieht sich auf die Anwendung von Forschungsergebnissen und die damit verbundenen gesellschaftlichen, technologischen oder politischen Auswirkungen. Sie ist der Bereich, in dem wissenschaftliche Erkenntnisse getestet, umgesetzt und auf ihre Relevanz und Wirksamkeit im Alltag hin bewertet werden. Die Praxis gibt der Forschung einen Sinn und eine Richtung, indem sie relevante Probleme aufzeigt, die es zu lösen gilt. Sie bietet Feedback für die Forschung, da die Umsetzung von Erkenntnissen in der Praxis zu neuen Fragen führt. Die Wirkung der Forschung in der Praxis ist ein zunehmend wichtiger Indikator für ihre gesellschaftliche Relevanz. Beispiel | Auf der Grundlage von Forschungsergebnissen über Bild‐ schirmzeit und Schlafqualität könnten Schulen und Eltern praktische Maßnahmen ergreifen, um die Nutzung digitaler Geräte vor dem Schla‐ 3.1 Der Forschungsprozess 199 <?page no="200"?> fengehen zu reduzieren. Ein weiteres Beispiel ist die Entwicklung eines neuen Impfstoffs, der auf theoretischen Modellen und empirischen Studien basiert und dann in der klinischen Praxis angewendet wird. Das Verhältnis von Empirie, Theorie und Praxis bildet ein Spannungsfeld in der Forschung. Empirie liefert Daten, Theorie ordnet und erklärt, Praxis ist Feld der Anwendung und Quelle neuer Fragen. Im Forschungsprozess greifen diese Funktionen auf unterschiedliche Weise ineinander: • Empirie - Theorie: Empirische Daten dienen dazu, Theorien zu ent‐ wickeln, zu prüfen oder zu modifizieren. Umgekehrt liefern Theorien die Fragestellungen, Hypothesen und Deutungsrahmen, die empirische Forschung strukturieren. Dieser Prozess ist weder linear noch einmalig, sondern iterativ und zirkulär: Theorie führt zu Empirie, Empirie führt zu neuer Theorie. • Theorie - Praxis: Theorien bilden die Grundlage, um Praxis zu verste‐ hen, zu erklären und gezielt zu verbessern. Gleichzeitig stellt die Praxis Anforderungen an Theorien, indem sie Rückmeldungen, Probleme und neue Fragestellungen hervorbringt. Wissenschaft zeigt sich hier als Dialog zwischen abstrakter Modellbildung und konkretem Handeln. • Empirie - Praxis: Empirische Forschung kann unmittelbare Erkennt‐ nisse für die Praxis generieren, etwa durch Wirkungsstudien oder Interventionsforschung. Zugleich ist Praxis selbst Quelle empirischer Daten - sei es in Feldforschung, Beobachtung oder Reflexion. Die Grenzen zwischen Empirie, Theorie und Praxis sind oft durchlässig. Forschungsansätze wie Mixed-Methods oder Aktionsforschung verbinden bewusst mehrere Ebenen. Dabei gilt es, wissenschaftliche Qualität (Validität, Reliabilität, Theorietauglichkeit) mit praktischer Relevanz in Einklang zu bringen. Die Qualität von Forschung zeigt sich daran, ob sie den Übergang von Datenerhebung über theoretische Analyse bis hin zur praktischen Umset‐ zung nachvollziehbar und kohärent gestaltet. Empirisch forschen, theoretisch forschen In der wissenschaftlichen Ausbildung wie auch in vielen akademischen Dis‐ kussionen ist die Unterscheidung zwischen empirischer und theoretischer 200 3 Die Wege der Wissenschaft <?page no="201"?> Forschung üblich, die sich vor allem an der Art der Datengewinnung und -verarbeitung orientiert: • Empirische Forschung zielt auf die Erhebung und Analyse von Daten ab. Dies kann quantitative Daten, wie Messwerte, Umfrageergebnisse und Zahlenstatistiken, oder qualitative Daten, etwa Interviewtrans‐ kripte, Beobachtungen, Bild- oder Textmaterial, umfassen. Die empiri‐ sche Arbeit überprüft oft Hypothesen, generiert neue Erkenntnisse aus Beobachtungen oder Rekonstruktionen und umfasst Messung, Aus‐ wertung und Interpretation der Wirklichkeit. Häufige Methoden sind Experimente, Feldforschung, Interviews, Beobachtungen oder statisti‐ sche Analysen. • Theoriearbeit hingegen konzentriert sich auf die Reflexion, Analyse, Systematisierung und Weiterentwicklung bereits vorhandenen Wis‐ sens. Dabei erfolgt typischerweise keine neue Datenerhebung. Statt‐ dessen werden bestehende Theorien, Konzepte und Modelle kritisch evaluiert, diskutiert oder weiterentwickelt. Methodisch nutzt die The‐ oriearbeit Literaturanalysen, logische und argumentative Verfahren, Modellbildungen oder Sekundäranalysen bereits vorhandener Daten und Quellen. Diese Gegenüberstellung ist pragmatisch hilfreich und wird oft verwendet, etwa zum Verständnis von Abschlussarbeiten, Projektstrukturen oder For‐ schungszyklen. Die strikte Trennung zwischen empirischer Forschung und Theoriearbeit beruht jedoch auf der Vorstellung zweier sich ausschließender Forschungsweisen und ist insofern eine Vereinfachung, die der Komplexität wissenschaftlichen Arbeitens nicht vollständig gerecht wird. Denn jede Forschung ist theoriegeleitet, empirisch verankert und praktisch situiert: • Ohne Theorie wäre Empirie blind. Auch empirische Untersuchun‐ gen beruhen auf theoretischen Konzepten, die Fragen strukturieren, Operationalisierungen ermöglichen, Methoden leiten und Ergebnisse interpretierbar machen. Theorie ist kein optionaler Überbau, sondern der Rahmen, in dem überhaupt erst gefragt, beobachtet und gedeutet werden kann. • Ohne Empirie bliebe Theorie leer. Selbst in sogenannten „Theorie‐ arbeiten“ gibt es ein empirisches Gegenüber - Texte, Diskurse, Daten, Modelle, Argumente -, die als Objekte der Analyse dienen. Auch die Auseinandersetzung mit Literatur ist ein Zugriff auf etwas Vorgegebe‐ 3.1 Der Forschungsprozess 201 <?page no="202"?> nes, also eine Form empirischer Tätigkeit. Diese Basis ist nicht immer unmittelbar sinnlich erfahrbar, aber dennoch vorhanden - als Objekti‐ vationen geistiger Prozesse. • Ohne Praxis wären beide nichts. Forschung geschieht nie im luftlee‐ ren Raum. Ihre Relevanz zeigt sich im Bezug zu Politik, Technik, Bildung oder Gesellschaft, sei es unmittelbar oder in langfristigen Folgen. Sogar Grundlagenforschung hat langfristig gesehen Praxiswirkung. Exkurs | Immanuel Kant und die drei Dimensionen der Wissenschaft Die Wendungen „blinde Empirie„ und „leere Theorie“ sind ein indirektes Zitat von Immanuel Kant. Er hat die Wissenschaft nicht in unserer heutigen Terminologie von Empirie, Theorie und Praxis beschrieben, doch in seiner Philosophie geht es um alle drei Dimensionen. In der Kritik der reinen Vernunft formulierte er den prägnanten Satz: „Gedanken ohne Inhalt sind leer, Anschauungen ohne Begriffe sind blind“ (Kant 1978, S. 120; 1781, S. 50). Erkenntnis entsteht für ihn nur in der Synergie von sinnlicher Erfahrung und begriffliche Ordnung - Empirie ohne Theorie wäre bloße Ansammlung von Daten, Theorie ohne Empirie bliebe spekulativ. In der Kritik der praktischen Vernunft und in der Grundlegung zur Meta‐ physik der Sitten erweitert Kant diese Perspektive um die Dimension des Handelns. Vernunft erschöpft sich nicht im Erkennen, sondern leitet oder soll auch das Handeln leiten. Der berühmte kategorische Imperativ - „Handle so, daß die Maxime deines Willens jederzeit zugleich als Prinzip einer allgemeinen Gesetzgebung gelten könne.“ (Kant 2003, S. 41; 1788, S. 6) - bringt das Prinzip der Verallgemeinerbarkeit auf den Punkt. Zugleich verbindet Kant dieses Prinzip mit der Idee der Autonomie: „Autonomie des Willens ist die Beschaffenheit des Willens, dadurch derselbe ihm selbst (unabhängig von aller Beschaffenheit der Gegenstände des Wollens) ein Gesetz ist. Das Prinzip der Autonomie ist also: nicht anders zu wählen, als so, dass die Maximen seiner Wahl in demselben Wollen zugleich als allgemeines Gesetz mit begriffen seien“ (Kant 2004, S.-74; 1785, S. IV, 440). Damit werden zwei Momente vereint, die auch für die Wissenschaft grundlegend sind: Sie soll autonom sein, insofern sie sich ihre Regeln und Methoden im eigenen Diskurs gibt, und sie soll allgemeingültig sein, insofern diese Regeln prinzipiell für alle nachvollziehbar und überprüf‐ 202 3 Die Wege der Wissenschaft <?page no="203"?> bar sein müssen. Wissenschaft soll zu gültigen Erkenntnissen führen, doch das geschieht nicht im luftleeren Raum. Kant formuliert nicht nur die epistemologische Grundlage für das Verhältnis von Empirie und Theorie, sondern auch einen axiologischen, ethischen Rahmen für die Praxis der Wissenschaft - eine Praxis, die auf Allgemeingültigkeit zielt, der Wahrhaftigkeit verpflichtet ist und ihre Autonomie bewahrt. Dreidimensionale Verortung Jenseits der Unterscheidung in Theoriearbeit und empirische Arbeit ist es naheliegend, wissenschaftliche Forschung dreidimensional entlang der Achsen Empirie, Theorie und Praxis zu verorten. Diese Dimensionen sind nicht als sich ausschließende Kategorien zu verstehen, sondern als Skalen, entlang derer sich jedes Forschungsprojekt situieren lässt - mit je unter‐ schiedlicher Gewichtung. Diese Dimensionen bilden ein Kontinuum, das verschiedene Forschungs‐ formen integriert. Empirische Forschung dominiert typischerweise in der Empirie-Dimension und variiert in theoretischem Anspruch und Praxisre‐ levanz. Theoriearbeit bewegt sich stärker auf der Theorie-Achse, ist aber nie vollständig frei von empirischen Objekten und oft zumindest mittelbar praxisrelevant. Forschungsprojekte sind häufig Mischformen: So kann ein quantitatives Projekt (empirisch) zugleich einen starken theoretischen Kon‐ text aufweisen und gleichzeitig auf Anwendung orientiert sein. Beispiele | Forschungsprojekte zwischen Empirie e, Theorie T, Praxis p: eeeTTTppp eeeeeeTTp Eine experimentelle Studie zur Gedächtnisleistung ist über‐ wiegend empirisch und theoretisch ausgerichtet (z. B. zur Bestätigung oder Widerlegung einer kognitiven Theorie), hat aber oft nur geringe direkte Praxisrelevanz. eTTTTTTpp Eine philosophische Ethikanalyse zu KI kann überwiegend theoriebezogen sein (z. B. durch Anwendung normativer Ethik), bein‐ haltet aber eine empirische Analyse von Fallbeispielen und hat potenzi‐ ell hohe gesellschaftliche Praxisrelevanz (z. B. für die Gesetzgebung von KI). 3.1 Der Forschungsprozess 203 <?page no="204"?> eeeeTpppp: Eine partizipative Studie zu Schul-Diskriminierung verbin‐ det empirische Sozialforschung (z. B. Interviews mit Betroffenen), theo‐ retische Konzepte (wie Intersektionalität) und ist stark praxisorientiert mit einem Empowerment-Ansatz. eTTTTTppp: Eine literaturbasierte Theoriekritik in der Soziologie ist stark theoretisch (z.-B. Analyse von Marx' Kapitalbegriff), wenig empi‐ risch im engeren Sinn (außer als Textanalyse), aber praxisrelevant für Debatten und Bildungskontexte. Reflexion | Forschung zwischen Theorie, Empirie und Praxis • Was verstehen Sie unter empirischer und theoretischer Forschung? • Warum sollte auch die Dimension Praxis berücksichtigt werden? • Können sich Forschungsergebnisse in unterschiedlichen gesell‐ schaftlichen oder politischen Kontexten praktisch anders zeigen? • Fällt Ihnen ein Forschungsprojekt ein, das sich bewusst in einer der drei Dimensionen positioniert? • Welche Chancen und Risiken ergeben sich aus einer solchen Ein‐ seitigkeit? • Lässt sich Ihre eigene wissenschaftliche Haltung mit dem dreidi‐ mensionalen Modell beschreiben? Forschungsmethoden Ohne Methode gibt es keine Forschung. „Methode“ (griech. μέθοδος, mé‐ thodos) bedeutet „Weg nach“ und bezeichnet ein planbares, verbindliches Vorgehen zur Bearbeitung wissenschaftlicher Fragestellungen. Methoden geben Orientierung, wie Daten erhoben, analysiert und interpretiert wer‐ den, um zu neuen Erkenntnissen zu gelangen. Sie sind nicht bloß Techniken, sondern Ausdruck unterschiedlicher wissenschaftlicher Zugänge zur Wirk‐ lichkeit. Die bewusste Auswahl und Kombination von Methoden entscheidet darüber, ob wissenschaftliche Erkenntnisse fundiert, nachvollziehbar und anschlussfähig sind. Grundsätzlich lassen sich vier Hauptgruppen unterscheiden: 1. Theoretische Methoden. Diese Verfahren zielen darauf, Wissen ge‐ danklich zu ordnen und weiterzuentwickeln. Dazu gehören die präzise 204 3 Die Wege der Wissenschaft <?page no="205"?> Analyse und Klärung von Begriffen, die Modellbildung, die logische Prüfung von Argumenten oder der Vergleich unterschiedlicher Theo‐ rien. Auch Simulationen zählen dazu, wenn sie hypothetische Szenarien durchspielen, um komplexe Zusammenhänge sichtbar zu machen. Allen theoretischen Methoden ist gemeinsam, dass sie abstrahieren, um Struk‐ turen und Hypothesen für empirische Untersuchungen vorzubereiten. 2. Empirische Methoden setzen bei Erfahrung und Beobachtung an und gewinnen Daten unmittelbar aus der Realität. Dabei unterscheidet man: a. Quantitative Verfahren. Sie arbeiten mit Zahlen, Messungen und statistischen Auswertungen. Standardisierte Instrumente wie Fra‐ gebögen, Tests oder Experimente sollen objektive und verallge‐ meinerbare Ergebnisse liefern. Ziel ist die Überprüfung von Hy‐ pothesen und die Aufdeckung regelhafter Zusammenhänge. b. Qualitative Verfahren. Sie nutzen offene, unstrukturierte Daten, etwa Interviews, Gruppendiskussionen oder Beobachtungen. Ziel ist das Verstehen von Bedeutungen, Erfahrungen und Prozessen. Qualitative Forschung ist in der Regel hypothesengenerierend und legt Wert auf Kontextsensibilität und Tiefenschärfe. Beide Ansätze sind keine Gegensätze, sondern komplementär: Qualitative Forschung erschließt Bedeutungsdimensionen und entwickelt Hypothesen, quantitative prüft deren Tragfähigkeit im Licht allgemeiner Gesetzmäßigkeiten. 3. Mixed-Methods. In komplexen Forschungsfeldern kombinieren For‐ schende quantitative und qualitative Verfahren. So können statistische Analysen durch vertiefende Fallstudien ergänzt oder qualitative Beob‐ achtungen durch repräsentative Umfragen gestützt werden. Qualität entsteht, wenn beide Zugänge integriert und ihre Stärken komplementär genutzt werden. 4. Digitale und computationale Methoden. Mit der Digitalisierung haben neue Verfahren an Bedeutung gewonnen: Online-Befragungen, Social-Media-Analysen oder mobile Apps eröffnen innovative Formen der Datenerhebung. Computationale Methoden wie Big-Data-Analysen, Netzwerkanalysen, Simulationen oder Künstliche Intelligenz ermögli‐ chen es, Muster in riesigen Datensätzen zu erkennen und Prognosen zu erstellen. Sie erweitern die Methodenauswahl, stellen die Forschung jedoch zugleich vor neue Herausforderungen wie Datenschutz, algo‐ rithmische Verzerrungen und die Interpretation maschinell erzeugter Ergebnisse. 3.1 Der Forschungsprozess 205 <?page no="206"?> 3.2 Theoretische Methoden Theoretisches Forschen geht über die bloße Beschreibung von Phänomenen hinaus und zielt darauf ab, umfassende Erklärungen, Deutungen und Zu‐ sammenhänge zu entwickeln. Während empirische Forschung Daten erhebt und analysiert, um Hypothesen zu prüfen, nutzt theoretische Forschung Abstraktion, Modellbildung, logische Analyse und konzeptuelle Reflexion. Theoretische Forschung konzentriert sich auf die Bausteine der Wis‐ senschaft - Begriffe, Modelle und Theorien. Sie entsteht selten isoliert, sondern in kritischer Auseinandersetzung mit bestehenden Paradigmen, empirischen Befunden und gesellschaftlichen Herausforderungen. Theorie‐ arbeit ist damit sowohl reflexiv als auch produktiv: Sie prüft vorhandene Denkmuster, eröffnet neue Perspektiven und ermöglicht die Integration un‐ terschiedlicher Erkenntnisse. Ziel ist es, Konzepte zu entwickeln, Theorien zu prüfen oder zu integrieren und Hypothesen abzuleiten, die empirische Forschung anleiten. Typische Verfahren sind Literaturarbeit, Modellbildung, Simulation und Theorievergleich. Begriffsarbeit. Der Ausgangspunkt jeder theoretischen Forschung ist die Präzisierung von Begriffen. Viele wissenschaftliche Konzepte stammen ursprünglich aus der Alltagssprache oder aus Metaphern, die ohne Reflexion leicht zu Missverständnissen führen. Gute theoretische Arbeit macht ihre Voraussetzungen transparent, sorgt für Klarheit, reduziert Unschärfen und präzisiert Begriffe - ihre Bedeutung, Reichweite und Abgrenzung zu ande‐ ren Konzepten Begriffsarbeit ist die Klärung der Bedeutung, Reichweite und Abgren‐ zung eines wissenschaftlichen Begriffs. Präzise Begriffsarbeit ist entscheidend, um Missverständnisse in der wis‐ senschaftlichen Kommunikation zu vermeiden und eine valide Basis für empirische Messungen zu schaffen. Zudem können neue Konzepte entwi‐ ckelt werden, um bisher unzureichend erfasste Phänomene zu beschreiben oder theoretische Lücken zu schließen. Dabei entstehen häufig konzeptuelle Frameworks, die Zusammenhänge zwischen Ideen oder Variablen sichtbar machen. 206 3 Die Wege der Wissenschaft <?page no="207"?> Beispiel | In der Soziologie wird der Begriff der „Rolle“ aus der Theater‐ sprache übernommen. Erst durch die Unterscheidung zwischen erwar‐ tetem Rollenverhalten, subjektiver Rollenerfüllung und Rollenkonflikten wird daraus ein analytisch nutzbarer Begriff. Theorien lassen sich als Netzwerke von Begriffen und ihren Relationen verstehen. Sie eröffnen bestimmte Perspektiven und schließen andere aus. Als organisierte Form von Wissen ermöglichen sie, Phänomene zu systema‐ tisieren, zu erklären und Prognosen zu entwickeln. Begriffsarbeit ist damit stets auch Arbeit an der Wissensorganisation - an der inneren Struktur einer Theorie. Modellbildung. Wenn Begriffe klar definiert sind, folgt die Modellbil‐ dung. Modelle sind bewusste Vereinfachungen komplexer Phänomene, die in idealtypischen Strukturen, Wirkungszusammenhängen oder Prozessen abgebildet werden, um sie analytisch fassbar zu machen. Modelle können deskriptiv (beschreibend), explanatorisch (erklärend) oder prädiktiv (vor‐ hersagend) sein und dienen häufig als Vorstufe oder visuelle Repräsentation einer Theorie. Sie helfen, Zusammenhänge sichtbar zu machen und Hypo‐ thesen abzuleiten. Modelle sind insofern Werkzeuge zur Erklärung und zur Vorhersage. Simulationen stellen die dynamische Weiterentwicklung von Modellen dar. Sie ermöglichen es, die zeitliche Entwicklung komplexer Systeme unter unterschiedlichen Bedingungen zu beobachten und zu analysieren. Modelle und Simulationen machen theoretische Annahmen sichtbar und überprüf‐ bar: Jede Simulation ist nur so gut wie die Theorie, die ihr zugrunde liegt. Dadurch dienen Simulationen nicht nur der Veranschaulichung, sondern auch der Überprüfung und Erweiterung theoretischer Konzepte. Beispiel | Physik: Das Bohrsche Atommodell ist eine vereinfachte Dar‐ stellung, die Elektronen auf festen Bahnen zeigt - analytisch nützlich, obwohl sie die Quantenmechanik nur näherungsweise abbildet. Beispiel | Sozialwissenschaft: Agentenbasierte Modelle, die zeigen, wie individuelle Entscheidungen zu kollektiven Phänomenen führen, z. B. bei Migration oder Meinungsbildung. 3.2 Theoretische Methoden 207 <?page no="208"?> Beispiel | Klimaforschung: Simulationen zeigen, wie sich kleine Än‐ derungen im System - etwa ein Anstieg der CO₂-Emissionen - auf das globale Klima auswirken könnten. Oder: Klimamodelle simulieren Temperaturanstiege unter verschiedenen Emissionsszenarien und er‐ möglichen Prognosen, die politische Entscheidungen vorbereiten. Ein Modell ist eine idealtypische oder formalisierte Abbildung eines realen Prozesses oder Systems, das bestimmte Aspekte hervorhebt und andere ausblendet. Eine Simulation ist die experimentelle Erprobung eines Modells, bei der Variablen verändert und hypothetische Entwicklungen durchgerechnet werden. Logische Analyse ist auch eine Methode der theoretischen Forschung. Sie befasst sich mit der Untersuchung und Bewertung von Argumentations‐ strukturen innerhalb wissenschaftlicher Theorien. Dabei geht es um die Frage, ob Aussagen und Annahmen logisch miteinander verknüpft sind und ob Schlussfolgerungen gültig aus den jeweiligen Prämissen folgen. Vor allem wird die Konsistenz geprüft, das heißt, ob sich aus den Aussagen einer Theorie ein Widerspruch ableiten lässt. Ein weiteres Element der logischen Analyse ist die formale Darstellung von Argumenten, häufig unter Verwendung symbolischer Logik. Dadurch lassen sich Strukturen klarer abbilden, verdeckte Voraussetzungen aufdecken und Schlussfolgerungen präziser überprüfen. Die logische Analyse beurteilt allerdings nicht, ob die Prämissen einer Theorie empirisch zutreffen oder wissenschaftlich relevant sind. Ihr Ziel ist vielmehr, die argumentative Kohärenz und die formale Gültigkeit einer Theorie sicherzustellen. Beispiel | Logische Analyse der Argumente der Theorie der sozialen Gerechtigkeit. Angenommen, eine Theorie behauptet, dass Gerechtigkeit nur dann gegeben ist, wenn alle Menschen gleichbehandelt werden. Die logische Analyse würde prüfen, ob diese Prämisse in sich konsistent ist und ob die daraus abgeleiteten Schlüsse logisch korrekt sind. Dabei könnte festge‐ 208 3 Die Wege der Wissenschaft <?page no="209"?> stellt werden, dass die Forderung nach absoluter Gleichbehandlung in Konflikt mit anderen moralischen Prinzipien steht, etwa der Berücksich‐ tigung individueller Bedürfnisse oder Situationen. Die logische Analyse deckt somit Widersprüche auf und zeigt, dass diese Theorie entweder weiter differenziert oder modifiziert werden muss, um widerspruchsfrei und damit wissenschaftlich tragfähig zu sein. Dies verdeutlicht, wie durch Prüfen von Argumentationen die Klarheit und Kohärenz einer Theorie verbessert werden kann. Theorievergleich und Theorieintegration sind weitere Verfahren der theoretischen Forschung, bei denen unterschiedliche theoretische Ansätze gegenübergestellt und in Beziehung gesetzt werden. Ziel ist es, die jewei‐ ligen Stärken der einzelnen Theorien zu nutzen und gleichzeitig deren Schwächen auszugleichen, um zu einem umfassenderen und tragfähigeren Erklärungsmodell zu gelangen. Diese Methode erfordert eine kritische und detaillierte Analyse der zugrundeliegenden Annahmen, Konzepte und Ergebnisse verschiedener Theorien, um Gemeinsamkeiten und Differenzen herauszuarbeiten. Durch diese vergleichende Betrachtung können theore‐ tische Lücken identifiziert und neue Perspektiven eröffnet werden, die eine Synthese der verschiedenen Ansätze ermöglichen. Die Integration von Theorien zielt darauf ab, durch die Verbindung komplementärer Elemente unterschiedliche Erklärungsebenen und Dimensionen eines Phänomens zusammenzuführen. Dadurch entstehen interdisziplinäre Modelle, die eine differenziertere und umfassendere Analyse erlauben und das Verständnis eines Forschungsgegenstandes erweitern können. Theorievergleich und -integration bieten daher einen Rahmen, um die Vielfalt theoretischer Sichtweisen produktiv zu nutzen und so die Qualität und Aussagekraft wissenschaftlicher Erkenntnisse zu steigern. Beispiel | Theorievergleich: Lerntheorien in der Psychologie Behavioristische Ansätze sehen Lernen in Zusammenhang mit Reiz-Re‐ aktions-Mustern und Konditionierung. Kognitive Ansätze rücken men‐ tale Prozesse, wie Aufmerksamkeit und Gedächtnis, in den Mittelpunkt. Sozial-konstruktivistische Theorien betrachten Lernen als sozialen und kulturellen Prozess. Der Theorievergleich zeigt die Stärken, Grenzen und blinden Flecken dieser Ansätze. Auf dieser Basis kann eine Theo‐ 3.2 Theoretische Methoden 209 <?page no="210"?> rieintegration entstehen, beispielsweise in Form von Rahmenmodellen wie dem biopsychosozialen Modell der Medizin, das biologische, psy‐ chische und soziale Faktoren vereint. Der Theorievergleich zeigt also, wo einzelne Ansätze an Grenzen stoßen, und eröffnet die Möglichkeit, durch Integration ein umfassenderes Verständnis zu entwickeln, indem verschiedene Dimensionen zusammengeführt werden. Theoriearbeit ist auch kulturelle und gesellschaftliche Reflexion. Theorien sind niemals neutrale Abbildungen der Realität. Sie entstehen in spezifischen kulturellen Deutungssystemen und sind oft untrennbar mit gesellschaftli‐ chen Machtverhältnissen verbunden. Theoriearbeit bedeutet daher auch, bestehende Perspektiven zu hinterfragen: Wer hat bisher Theorien gemacht? Für wen waren sie plausibel? Welche Erfahrungen wurden ausgeblendet? Welche epistemischen Positionen wurden privilegiert? Besonders in postkolonialen, feministischen, interkulturellen und dekolo‐ nialen Ansätzen gewinnt diese Form der kritischen Reflexion an Bedeutung. Hier wird Theorieentwicklung nicht als abstrakte Systematisierung, son‐ dern als politisch situiertes Wissenshandeln verstanden, das darauf abzielt, hegemoniale Deutungsmuster aufzubrechen und vielfältige Perspektiven zu integrieren. Theoretische Forschung beinhaltet auch die kritische Reflexion der impli‐ ziten Voraussetzungen einer Theorie. Jede Theorie ist von gesellschaftlichen, kulturellen und historischen Kontexten abhängig, die oft unbewusst ihre blinden Flecken prägen. Dazu gehört etwa, dass bestimmte Perspektiven bevorzugt und andere ausgeblendet werden - sei es durch Eurozentrismus, Androzentrismus oder die Dominanz bestimmter ökonomischer und politi‐ scher Leitbilder. Beispiel | Eine Analyse klassischer wirtschaftlicher Theorien könnte zeigen, dass sie westliche Werte und Marktlogiken stillschweigend als universell setzen. Modelle wie der homo oeconomicus gehen von einem rational handelnden, nutzenmaximierenden Individuum aus - ein Menschenbild, das in stark individualistischen Gesellschaften plausibel wirkt, in kollektivistisch geprägten Kulturen aber weniger zutrifft. Eine theoretische Untersuchung könnte hier blinde Flecken aufdecken, etwa die Nichtbeachtung unbezahlter Care-Arbeit, die traditionell von 210 3 Die Wege der Wissenschaft <?page no="211"?> Frauen geleistet wird. Diese kritische Perspektive öffnet den Weg für alternative Modelle, die Geschlechterrollen, soziale Netzwerke und kulturelle Vielfalt in ökonomische Theorien einbeziehen. Theoretische und empirische Forschung: eine Symbiose. Theoretische und empirische Forschung stehen nicht im Widerspruch sondern sind zwei Seiten des wissenschaftlichen Prozesses. Theorien bieten den Rahmen für die Formulierung von Forschungsfragen und Hypothesen in empirischen Studien und helfen bei der Interpretation von Daten. Umgekehrt können neue oder unerwartete empirische Erkenntnisse bestehende Theorien be‐ stätigen, modifizieren oder sogar zur Entwicklung völlig neuer Theorien führen (induktives Vorgehen). Ein Paradebeispiel für die empirisch begründete Theorieentwicklung ist die Grounded Theory. Sie verzichtet auf eine vorab festgelegte Theorie und entwickelt theoretische Konzepte Schritt für Schritt aus den erhobenen Daten. Empirie und Theorie stehen hier in einem fortlaufenden Dialog: Daten werden gesammelt, analysiert und zu Kategorien verdichtet; diese Kategorien führen zu neuen Datenerhebungen und weiteren theoretischen Präzisierungen. So entsteht eine Theorie, die eng an die Praxis des untersuchten Feldes gebunden ist und zugleich wissenschaftlich tragfähig sein soll. Theoriearbeit ist ein kontinuierlicher Prozess der Abstraktion, Kontextu‐ alisierung und kritischen Reflexion, der für die Weiterentwicklung wissen‐ schaftlicher Disziplinen unerlässlich ist und die Grundlage für tiefgreifendes Verständnis und fundierte Erkenntnisse bildet. Theoretisches Forschen liefert Begriffe, Hypothesen und Modelle, die eine Datenerhebung überhaupt erst möglich machen. Neue Daten können bestehende Theorien bestätigen, modifizieren oder widerlegen. Beispiel | Ein theoretisches Modell zur Prüfungsangst kann von der Hypothese ausgehen, dass starke Angst die Leistung beeinträchtigt. Theoretische Forschung definiert Prüfungsangst als emotionale Reak‐ tion auf eine Leistungssituation, Leistung als erreichte Punktzahl in einem standardisierten Test. Dann wird eine Hypothese formuliert: Je 3.2 Theoretische Methoden 211 <?page no="212"?> höher die Prüfungsangst, desto niedriger die Punktzahl; Angst beein‐ trächtigt die Aufmerksamkeit und das reduziert die Leistung. Auf dieser Basis kann die empirische Forschung Daten erheben, etwa durch Fragebögen zur Angst und Testleistungen in einer realen Prüfung. Fallen die Ergebnisse wie erwartet aus, stützt das die Hypothese. Werden Abweichungen sichtbar, kann das Modell angepasst werden, z. B. durch die Einbeziehung von Trainingsstrategien oder sozialer Unterstützung als Pufferfaktoren. So entsteht ein konstanter Kreislauf: Theoretische Modelle strukturieren die Forschung, empirische Ergebnisse präzisieren oder korrigieren sie. Tipps | Theoretisch forschen • Interesse und Relevanz klären: Was fasziniert mich? Welche gesellschaftlichen oder wissenschaftlichen Probleme machen ein Thema relevant? • Literatur recherchieren: Welche Theorien gibt es? Wo sind Lü‐ cken oder Widersprüche? Forschungsfragen formulieren, die an bestehende Diskussionen anschließen. • Begriffe und Modelle entwickeln: Wie kann man wichtige Be‐ griffe definieren? Gibt es erste Modelle oder Hypothesen? • Gegebenenfalls Verbindung zur Empirie suchen: Wie lassen sich die Hypothesen überprüfen bzw. anwenden? • Theoriearbeit dokumentieren: Skizzen, Diagramme und Defini‐ tionsarbeit. 3.3 Quantitative Methoden Die quantitative Forschung ist eine Methode zur Erfassung, Messung und Analyse von Phänomenen anhand numerischer Daten. Ihr Ziel besteht darin, Hypothesen zu überprüfen, Zusammenhänge zwischen Variablen aufzudecken und Erkenntnisse zu gewinnen, die über Einzelfälle hinaus verallgemeinerbar sind. Damit unterscheidet sie sich zwar von qualitativen Ansätzen, die stärker auf Sinnrekonstruktion und Deutung fokussieren, doch dieser Unterschied soll hier nur angedeutet werden. 212 3 Die Wege der Wissenschaft <?page no="213"?> Im Zentrum quantitativer Forschung steht die Überführung abstrakter Konzepte in messbare Größen. Begriffe wie „Lernleistung“, „Lebensqualität“ oder „soziale Ungleichheit“ sind zunächst theoretische Konstrukte. Erst durch ihre Operationalisierung werden sie zu Variablen, die empirisch erfasst werden können. So wird beispielsweise die Lernleistung anhand von Testaufgaben bestimmt, die Lebensqualität über Fragen zum Gesundheitszu‐ stand oder zur Wohnsituation und soziale Ungleichheit über Einkommens- oder Bildungsindikatoren. Diese Übersetzung der Wirklichkeit in Zahlen ist ein reduktiver Pro‐ zess. Komplexität wird auf Merkmale verdichtet, die sich vergleichen und statistisch bearbeiten lassen. Gerade darin liegt die Stärke quantitativer Forschung: Sie macht es möglich, große Datenmengen zu analysieren und Muster zu erkennen, die über Einzelfälle hinausweisen. Die leitenden Fragen lauten dabei nicht in erster Linie „Warum geschieht etwas? “, sondern vielmehr: Wie häufig tritt ein Phänomen auf ? Unter welchen Bedingungen verändert es sich? Wie stark hängen bestimmte Merkmale zusammen? Antworten auf diese Fragen liefern keine individu‐ elle Deutung, sondern generelle Aussagen über Wahrscheinlichkeiten und Zusammenhänge. Um diesen Anspruch einzulösen, legt die quantitative Forschung beson‐ deren Wert auf Qualitätskriterien. Objektivität soll sicherstellen, dass Ergeb‐ nisse unabhängig von der Person der Forschenden sind. Reliabilität bedeutet, dass Messungen bei Wiederholung zu stabilen Ergebnissen führen. Validität schließlich fragt danach, ob ein Instrument tatsächlich das misst, was es zu messen vorgibt. Diese drei Kriterien bilden das Fundament quantitativer Methodologie. Erreicht wird dies durch Standardisierung. Fragebögen folgen einem einheitlichen Aufbau, Experimente werden nach klaren Protokollen durch‐ geführt, statistische Verfahren sind exakt definiert. Nur so lassen sich Verzerrungen minimieren und Ergebnisse so dokumentieren, dass sie für andere überprüfbar und replizierbar bleiben. Damit ist die quantitative Forschung eng mit dem wissenschaftlichen Anspruch des Erklärens verbunden. Sie sucht nach Regelmäßigkeiten, for‐ muliert allgemeine Hypothesen und überprüft diese durch Datenerhebung und Analyse. Ihre Stärke liegt in der Systematik, der Vergleichbarkeit und der Möglichkeit, Befunde zu verallgemeinern. 3.3 Quantitative Methoden 213 <?page no="214"?> Methodologische Prinzipien. Die methodologische Grundlage quantitati‐ ver Forschung ist das deduktive Vorgehen. Ausgangspunkt sind theoretische Annahmen, die in Hypothesen übersetzt werden. Diese Hypothesen werden durch empirische Daten überprüft, wodurch ihre Gültigkeit entweder ge‐ stützt oder widerlegt wird. Ein solcher Forschungsprozess umfasst typischerweise mehrere Schritte: • Formulierung einer theoretischen Annahme - eine Theorie oder ein Modell liefert den Ausgangspunkt. • Ableitung einer Hypothese - aus der Theorie wird eine konkrete, prüfbare Vorhersage formuliert. • Operationalisierung - abstrakte Begriffe werden in beobachtbare und messbare Variablen überführt. • Datenerhebung - die relevanten Informationen werden gesammelt. • Statistische Prüfung - die Hypothese wird anhand der Daten überprüft. Dieser Ablauf stellt sicher, dass Ergebnisse nicht zufällig entstehen, sondern innerhalb einer nachvollziehbaren Logik überprüft werden können. Wesentlich ist dabei das Erklären: Quantitative Forschung versteht unter Erklärung die Ableitung des Besonderen aus dem Allgemeinen. Ein Ereignis oder eine Beobachtung gilt als erklärt, wenn sie sich aus allgemeinen Annahmen und spezifischen Bedingungen logisch herleiten lässt. So kann eine Hypothese lauten, dass Studierende, die regelmäßig lernen, Prüfungen mit höherer Wahrscheinlichkeit bestehen. Wird diese Hypothese empirisch bestätigt, entsteht ein generalisierbarer Zusammenhang. Besonderes Gewicht hat die Suche nach gesetzmäßigen Zusammenhän‐ gen. Dabei geht es nicht nur um die Feststellung von Korrelationen, sondern um die Frage nach Kausalität: Beeinflusst ein Faktor tatsächlich einen anderen oder treten beide nur zufällig gemeinsam auf ? Die quantitative Forschung entwickelt deshalb Methoden, um Drittvariablen auszuschließen und Scheinkorrelationen zu vermeiden. Hinzu kommt der Anspruch der Replizierbarkeit. Jeder Schritt muss so dokumentiert sein, dass andere Forschende ihn wiederholen können. Nur dann gilt ein Ergebnis als belastbar. Gleichzeitig ist die Generalisierbarkeit von Befunden das tragende Prinzip: Von einer Stichprobe wird auf eine Grundgesamtheit geschlossen, wobei statistische Verfahren die Unsicher‐ heit solcher Schlüsse transparent machen. 214 3 Die Wege der Wissenschaft <?page no="215"?> Quantitative Forschung arbeitet systematisch, übersetzt Konzepte in messbare Variablen, nutzt standardisierte Verfahren, prüft Hypothesen deduktiv und zielt auf Generalisierbarkeit. Die Wurzeln quantitativer Forschung reichen weit zurück und sind eng mit der Entwicklung der Statistik verbunden. Schon im 17. Jahrhundert begann man, Bevölkerungsdaten flächendeckend zu erfassen, etwa in Form von Kirchenbüchern und Steuerlisten. Diese frühen Formen der Datensammlung dienten zunächst administrativen Zwecken - Herrscher wollten wissen, wie viele Untertanen und wie viel Vermögen in ihren Territorien vorhanden waren. In England prägte William Petty dafür den Begriff der „politischen Arithmetik“: eine Art Staatsrechenkunst, die die Stärke eines Gemeinwesens mithilfe von Zahlen über Bevölkerung, Handel und Reichtum erfassen und damit politisch steuerbar machen sollte. Aus dieser politischen Arithmetik entwickelte sich Schritt für Schritt eine eigenständige Disziplin: die Statistik. Im 19. Jahrhundert gewann die Statistik an wissenschaftlicher Bedeutung. Mit der Industrialisierung und dem Wachstum der Städte stieg der Bedarf, soziale und wirtschaftliche Prozesse numerisch zu erfassen. Auguste Comte sprach von einer „Sozialphysik“, die Gesellschaft mit denselben Methoden untersuchen sollte wie die Natur. John Stuart Mill entwickelte logische Ver‐ fahren zur Bestimmung von Kausalzusammenhängen und legte damit eine frühe Grundlage für experimentelles Denken in den Sozialwissenschaften. Parallel dazu entstanden in den Naturwissenschaften immer ausgefeiltere Messmethoden, die auf exakten Beobachtungen und wiederholbaren Expe‐ rimenten beruhten. Diese Verbindung von empirischer Datenerhebung und mathematischer Auswertung prägte auch die Sozialforschung. Um 1900 war die Statistik bereits so weit entwickelt, dass sie nicht nur beschreibend, sondern auch analytisch genutzt werden konnte - etwa durch Regressions‐ analysen oder die Berechnung von Wahrscheinlichkeiten. Im 20. Jahrhundert wurde die Methodologie weiter geschärft. Der Kriti‐ sche Rationalismus von Karl R. Popper stellte den Gedanken der Falsifika‐ tion in den Mittelpunkt: Wissenschaftliche Hypothesen können niemals endgültig bewiesen, sondern nur widerlegt werden. Quantitative Forschung erhielt damit einen klaren erkenntnistheoretischen Rahmen. Sie formuliert Hypothesen so, dass sie prinzipiell scheitern können, und überprüft sie 3.3 Quantitative Methoden 215 <?page no="216"?> durch empirische Daten. Nur was diese Prüfungen übersteht, wird vorläufig akzeptiert. In dieser Zeit setzten sich auch standardisierte Erhebungsmethoden durch. Meinungsumfragen wurden professionalisiert, Experimente nach festen Designs durchgeführt und statistische Verfahren immer stärker ver‐ feinert. Mit der Ausbreitung von Computern ab den 1960er-Jahren eröffnete sich zudem eine neue Dimension: Datensätze konnten in bisher ungekannter Größe gespeichert und analysiert werden. Heute steht die quantitative Forschung in einem Spannungsfeld zwischen Tradition und Innovation. Einerseits beruht sie weiterhin auf den klassi‐ schen Prinzipien von Objektivität, Reliabilität und Validität. Andererseits hat sich ihr Anwendungsbereich durch digitale Datenströme, Big Data und maschinelles Lernen erheblich erweitert. Damit setzt sich eine Entwick‐ lung fort, die mit den frühen Statistiken der Territorialfürsten begann: die Idee, komplexe Wirklichkeit durch Zahlen zu erfassen und dadurch neue Erkenntnisse zu gewinnen. Forschungsdesigns Quantitative Forschung folgt einem Forschungsdesign. Dieses legt fest, wie eine Untersuchung strukturiert ist, welche Daten erhoben werden, in welchem Zeitrahmen und mit welchen Verfahren die Analyse erfolgt. Die Wahl des Designs hängt von der Forschungsfrage, den vorhandenen Ressourcen und den methodologischen Zielen ab. Das Forschungsdesign kann unterschiedlich sein. Ein Unterscheidungsmerkmal ist die Zeitperspektive. Querschnittstu‐ dien erfassen Daten zu einem einzigen Zeitpunkt. Sie erlauben Aussagen über den aktuellen Zustand, nicht aber über Entwicklungen. Ein klassisches Beispiel sind Wahlumfragen kurz vor einer Abstimmung: Sie geben ein Stimmungsbild, jedoch keine Auskunft über Veränderungen im Verlauf der Zeit. Längsschnittstudien dagegen wiederholen die Erhebung über Monate oder Jahre hinweg. Sie eignen sich, um Entwicklungen und Kausal‐ prozesse sichtbar zu machen - etwa den Bildungsweg von Schülerinnen und Schülern oder die Gesundheitsentwicklung einer Patientengruppe. Ein weiterer Typ sind Experimente. Sie gelten als das stärkste Design, wenn es darum geht, Kausalzusammenhänge zu überprüfen. Im Labor lassen sich Bedingungen kontrolliert variieren. Eine klassische Versuchsan‐ ordnung umfasst mindestens eine Experimental- und eine Kontrollgruppe. 216 3 Die Wege der Wissenschaft <?page no="217"?> Durch Randomisierung wird sichergestellt, dass Unterschiede zwischen den Gruppen nicht auf Zufall beruhen. Auch Feldexperimente sind möglich, die näher an den realen Lebensbedingungen durchgeführt werden - z. B., wenn in einer Schule ein neues Unterrichtskonzept getestet und mit einer Vergleichsgruppe kontrastiert wird. Wo eine vollständige Kontrolle nicht möglich ist, spricht man von quasi-experimentellen Designs. Sie orientieren sich an der Logik des Experiments, berücksichtigen aber, dass reale Bedin‐ gungen nur teilweise kontrollierbar sind. Daneben haben sich Surveys als Standardinstrument etabliert. Unter einem Survey versteht man die Erhebung von Daten bei einer größeren Zahl von Personen anhand standardisierter Fragen. Dies kann mündlich, schriftlich, telefonisch oder online erfolgen. Surveys sind gut geeignet, um Einstellungen, Verhaltensweisen oder soziodemografische Merkmale zu erfassen. Längsschnitt-Surveys, sogenannte Panels, ermöglichen es zudem, Veränderungen innerhalb derselben Stichprobe über die Zeit zu beobachten. Schließlich spielt die Sekundärdatenanalyse eine immer größere Rolle. Hier werden bereits vorhandene Datensätze genutzt, die oft von amtlichen Statistikämtern, internationalen Organisationen oder großen Forschungs‐ projekten bereitgestellt werden. Solche Daten bieten den Vorteil, dass sie repräsentativ, umfangreich und kostengünstig zugänglich sind. Gleichzeitig schränkt die Tatsache, dass man nicht selbst erhoben hat, die Anpassung an eigene Fragestellungen ein. Die Stärke quantitativer Forschung liegt darin, dass diese Designs flexibel kombinierbar sind. Eine Wahlstudie kann etwa als Panel mit experimentel‐ len Elementen konzipiert werden oder ein Survey kann mit Registerdaten verknüpft werden. Damit wird deutlich, dass Forschungsdesigns nicht nur technische Vorgaben sind, sondern methodische Entscheidungen, die eng mit der Forschungsfrage verknüpft sind. Der Bauplan: das Forschungsdesign Querschnittstudien: Momentaufnahmen ohne zeitliche Dynamik. Längsschnittstudien: wiederholte Messungen zur Analyse von Entwick‐ lungen. Experimente: kontrollierte Überprüfung kausaler Hypothesen. Surveys: großflächige, standardisierte Datenerhebungen. Sekundärdatenanalysen: Nutzung vorhandener Datensätze. 3.3 Quantitative Methoden 217 <?page no="218"?> Vom Bauplan zu den Verfahren Während das Forschungsdesign den äußeren Rahmen einer Untersuchung vorgibt, braucht es in der Umsetzung konkrete Verfahren, um Hypothesen zu prüfen und Theorien empirisch abzusichern. Die Logik des Erklärens - nach dem deduktiv-nomologischen Modell bzw. dem Hempel-Oppen‐ heim-Schema - ist zunächst eine abstrakte Vorgabe: Ereignisse und Phäno‐ mene sind erklärt, wenn sie sich aus allgemeinen Gesetzen und spezifischen Bedingungen ableiten lassen. Diese Logik muss in der Forschungspraxis implementiert werden in Vorgehensweisen, um konkret Hypothesen prüfen, kausale Zusammenhänge sichtbar machen und Theorien empirisch absi‐ chern zu können. Für das Erkenntnisziel Erklären haben sich vier Verfahren bewährt: Experiment, Messung, Statistik und Modellbildung. Experiment. Ziel ist die gezielte Variation einzelner Faktoren, um deren Wirkung isoliert sichtbar zu machen. Im Labor wird ein System so weit wie möglich kontrolliert: Alle störenden Einflüsse werden ausgeschaltet, sodass nur diejenige Variable verändert wird, deren Einfluss untersucht werden soll. Auf diese Weise lassen sich kausale Hypothesen überprüfen - etwa ob eine bestimmte chemische Substanz eine Reaktion auslöst oder ob eine didaktische Methode Lernfortschritte bewirkt. Beispiel | In einer klinischen Studie wird untersucht, ob ein neues Medikament den Blutdruck senkt. Patient: innen werden zufällig in eine Experimentalgruppe (Medikament) und eine Kontrollgruppe (Placebo) eingeteilt. Nach einem festgelegten Zeitraum wird der Blutdruck gemes‐ sen und statistisch verglichen. Die interne Validität ist hoch, da andere Einflüsse weitgehend ausgeschlossen wurden. Messung bedeutet, beobachtbare Merkmale in Zahlen zu übersetzen, sodass sie vergleichbar, statistisch auswertbar und in Gesetze integrierbar werden. Ein Thermometer übersetzt Temperatur in Skalenwerte, ein Intelligenztest kognitive Fähigkeiten in Punktwerte, ein Umfragefragebogen Einstellungen in Zustimmungsraten. Messung verlangt immer eine sorgfältige Operatio‐ nalisierung: Abstrakte Begriffe wie „Intelligenz“ oder „soziale Ungleichheit“ müssen in beobachtbare Indikatoren übersetzt werden. 218 3 Die Wege der Wissenschaft <?page no="219"?> Beispiel | In der Psychologie werden Persönlichkeitsmerkmale häufig mit standardisierten Fragebögen wie dem „Big Five Inventory“ erfasst. Abstrakte Dimensionen wie Extraversion oder Gewissenhaftigkeit wer‐ den in konkrete Items übersetzt („Ich gehe gerne auf andere Menschen zu“), die dann in numerischen Skalenwerten vorliegen. Statistische Verfahren sind die Brücke zwischen Messung und Erklärung. Während Experimente auf einzelne Kausalzusammenhänge zielen, erlaubt die Statistik, komplexe Muster in großen Datenmengen sichtbar zu machen. Durch Verfahren wie Regressionsanalyse, Varianzanalyse oder Strukturg‐ leichungsmodelle lassen sich Hypothesen über Zusammenhänge, Einflüsse und Wechselwirkungen prüfen. Statistik schafft zudem eine Sprache der Wahrscheinlichkeit: Sie erlaubt es, nicht nur einfache „Ja-Nein“-Antworten zu geben, sondern Aussagen über die Stärke und Sicherheit von Effekten zu machen. Gerade in den Sozial- und Lebenswissenschaften, in denen strikte Experimente oft nicht möglich sind, hat sich die Statistik als unverzichtbares Instrument etabliert, um erklärende Hypothesen empirisch zu prüfen. Beispiel | In der Bildungsforschung wird analysiert, welche Faktoren die Mathematikleistungen von Schüler: innen beeinflussen. In einer internationalen Vergleichsstudie (PISA) werden Variablen wie sozioöko‐ nomischer Hintergrund, Unterrichtszeit oder Nutzung digitaler Medien erfasst. Mithilfe von Regressionsanalysen wird geprüft, welche dieser Faktoren die Testergebnisse am stärksten vorhersagen. Modellbildung. Modelle reduzieren die Komplexität der Realität auf we‐ sentliche Strukturen, um diese besser verständlich und prüfbar zu machen. Ein physikalisches Modell beschreibt etwa die Bewegung von Planeten nach den Gesetzen der Mechanik, ein ökonomisches Modell die Dynamik von Märkten, ein soziologisches Modell die Interaktion von Rollen in einem so‐ zialen System. Modelle sind keine Abbilder der Wirklichkeit, sondern Werk‐ zeuge, die bestimmte Aspekte hervorheben und andere vernachlässigen. Ihr Wert liegt darin, Zusammenhänge sichtbar zu machen und Vorhersagen zu ermöglichen. Die Qualität eines Modells bemisst sich nicht daran, ob es die gesamte Wirklichkeit vollständig beschreibt - das ist unmöglich -, sondern ob es innerhalb seiner Geltungsgrenzen plausibel und nützlich ist. 3.3 Quantitative Methoden 219 <?page no="220"?> Beispiel | In der Wirtschaftswissenschaft wird das Angebots-Nach‐ frage-Modell genutzt, um Marktpreise zu erklären. Obwohl es viele Fak‐ toren ausblendet - etwa Machtverhältnisse oder staatliche Eingriffe -, zeigt es in idealtypischer Form, wie sich Preise aus dem Zusammenspiel von Angebot und Nachfrage ergeben. In erweiterten Modellen (z. B. in makroökonomischen Gleichungsmodellen) lassen sich komplexe Wech‐ selwirkungen zwischen Konsum, Investitionen und Arbeitslosigkeit analysieren und Prognosen erstellen. Die methodischen Verfahren Das Experiment schafft kausale Klarheit, die Messung ermöglicht Ver‐ gleichbarkeit, die Statistik deckt Muster auf, das Modell gibt Struktur und Überblick. Datenerhebung Die Qualität quantitativer Forschung hängt entscheidend davon ab, wie die Daten erhoben werden. Wenn die Messung sorgfältig geplant und durchgeführt ist, können die späteren statistischen Analysen verlässliche Ergebnisse liefern. Dabei geht es um drei Fragen: Wie werden abstrakte Konzepte messbar gemacht? Mit welchen Instrumenten werden Daten erhoben? Und wie wird entschieden, wer oder was überhaupt untersucht wird? Operationalisierung und Messung. Bevor Daten erhoben werden, müssen theoretische Begriffe in konkrete Messgrößen übersetzt, operatio‐ nalisiert werden. Ein theoretisches Konstrukt wie „Lebenszufriedenheit“ ist zunächst abstrakt. Erst wenn es in Indikatoren differenziert wird, etwa im Hinblick auf Fragen nach der Zufriedenheit mit Arbeit, Gesundheit oder sozialen Beziehungen, und diese Indikatoren über Antwortskalen messbar gemacht werden, gibt es eine Variable, die für die Analyse verwendet werden kann. Hierbei spielt auch das Messniveau eine Rolle. Variablen können auf unterschiedlichen Skalen erfasst werden: 220 3 Die Wege der Wissenschaft <?page no="221"?> • Nominalskalen ordnen Fälle Kategorien zu (u. a. Geschlecht, Beruf, Parteipräferenz). • Ordinalskalen stellen eine Rangordnung her (z. B. Schulnoten, Zustim‐ mungsskalen). • Intervallskalen erfassen Abstände, aber ohne absoluten Nullpunkt (bspw. Temperatur in Celsius). • Ratioskalen verfügen über einen Nullpunkt und ermöglichen Verhält‐ nisaussagen (z.-B. Einkommen, Alter). Das Messniveau bestimmt, welche statistischen Verfahren angewandt wer‐ den dürfen, und ist damit für die gesamte Auswertung entscheidend. Operationalisierung ist nicht nur Technik, sondern auch eine theoretische und oft implizit normative Entscheidung. Schon die Wahl der Begriffsdefi‐ nition legt fest, was als wesentlich gilt und was ausgeblendet wird. Indika‐ toren priorisieren bestimmte Dimensionen der Wirklichkeit und machen andere unsichtbar. Skalenkonstruktion, Antwortformate, Grenzwerte und Gewichtungen formen die Daten und damit die möglichen Interpretationen. Messinstrumente transportieren Sprache, Kultur und Kontext - sie funktio‐ nieren nicht überall gleich und produzieren je nach Gruppe unterschiedliche Bedeutungen. Auch die Entscheidung, ob man ein Merkmal überhaupt quantifiziert, ist folgenreich: Zahlen erzeugen den Eindruck von Objektivität und Vergleichbarkeit, definieren aber zugleich, was als „zählt“ gilt. In diesem Sinn ist Operationalisierung nie neutral: Sie konstruiert den Gegenstand mit. Beispiel | „Soziale Herkunft“ in Bildungsstudien Bildungsforschung interessiert sich unter anderem dafür, wie die soziale Herkunft mit Schulleistung zusammenhängt. Theoretisch umfasst so‐ ziale Herkunft ökonomisches, kulturelles und soziales Kapital. In der Praxis wird sie oft über wenige Variablen erfasst - etwa Bildungsab‐ schluss und Beruf der Eltern oder eine Berufsprestigeskala. Manchmal kommen Proxy-Variablen hinzu, wie Anzahl der Bücher im Haushalt oder Haushaltsnettoeinkommen. Jede dieser Entscheidungen hat Konse‐ quenzen: Bildungsabschluss erfasst kulturelle Ressourcen besser als ak‐ tuelle materielle Lage; Einkommen bildet ökonomische Spielräume ab, ist aber fehleranfällig in Selbstauskünften; „Bücher im Haushalt“ hat in verschiedenen Kulturen unterschiedliche Bedeutung. Kombiniert man 3.3 Quantitative Methoden 221 <?page no="222"?> die Indikatoren zu einem Index, stellt sich die Frage nach Gewichtungen: Zählen Einkommen, Bildung und Beruf gleich stark? Ist der Index formativer Natur (die Teile „machen“ den Status) oder wird fälschlich wie eine reflektive Skala behandelt? Auch die Messinvarianz ist kritisch: Bilden dieselben Items in unterschiedlichen Gruppen wirklich dasselbe Konstrukt ab? Ohne diese Klärungen kann dieselbe Studie je nach Operationalisierung zu abweichenden Befunden gelangen - nicht, weil die Welt sich geändert hätte, sondern weil der Messbegriff ein anderer ist. Fragebogen. Ein Instrument quantitativer Forschung ist der Fragebogen. Seine Qualität hängt von der Formulierung der Fragen und der Gestaltung der Antwortmöglichkeiten ab. Geschlossene Fragen mit festen Kategorien erleichtern die Standardisierung, bergen aber die Gefahr, dass einige Aspekte nicht erfasst werden. Offene Fragen geben mehr Raum, sind aber aufwen‐ diger auszuwerten. Besonders verbreitet sind Likert-Skalen, bei denen Befragte ihre Zustim‐ mung oder Ablehnung zu Aussagen auf einer mehrstufigen Skala angeben. Sie ermöglichen differenzierte Messungen von Einstellungen und Meinun‐ gen. Beim Entwurf eines Fragebogens sind mehrere Probleme zu beachten: Reihenfolgeeffekte können Antworten beeinflussen, ebenso soziale Er‐ wünschtheit, also die Tendenz, Antworten zu geben, die gesellschaftlich akzeptiert erscheinen. Um die Qualität des Instruments sicherzustellen, werden Fragebögen oft in einem Pretest mit einer kleinen Gruppe erprobt, bevor sie in größerem Maßstab eingesetzt werden. Stichprobenverfahren. Da es in den meisten Fällen nicht möglich ist, eine gesamte Population zu befragen, wird mit Stichproben gearbeitet. Ziel ist es, eine Auswahl zu treffen, die die Grundgesamtheit möglichst genau abbildet. Es gibt verschiedene Verfahren: • Einfache Zufallsstichproben, bei denen jedes Element dieselbe Auswahl‐ wahrscheinlichkeit hat. • Geschichtete Stichproben, die die Population in Gruppen (z. B. Alters‐ klassen, Regionen) aufteilen, aus denen proportional ausgewählt wird. • Klumpenstichproben, bei denen ganze Gruppen (z. B. Schulen, Betriebe) gezogen werden. 222 3 Die Wege der Wissenschaft <?page no="223"?> • Gelegenheitsstichproben, die auf praktischen Erwägungen beruhen, jedoch methodisch schwächer sind. Die Stichprobengröße ist ebenfalls von Bedeutung: Zu kleine Stichproben liefern unsichere Ergebnisse, zu große sind oft teuer und schwer zu hand‐ haben. Probleme und Bias. Kein Erhebungsverfahren ist frei von Fehlerquel‐ len. Ein Problem ist z. B. der Non-Response-Bias: Wenn bestimmte Grup‐ pen nicht teilnehmen, sind die Ergebnisse verzerrt. Messfehler können entstehen, wenn Fragen unklar formuliert sind oder die Befragten sie missverstehen. Hinzu kommen Antworttendenzen, etwa die Neigung, stets der mittleren Kategorie einer Skala den Vorzug zu geben, oder sozial erwünschte Antworten, die nicht der tatsächlichen Meinung entsprechen. Die Herausforderung besteht darin, solche Verzerrungen möglichst gering zu halten, z.-B. durch sorgfältige Konstruktion der Messinstrumente, durch Gewichtungen in der statistischen Auswertung und durch transparente Dokumentation. Die Stärken und Schwächen der quantitativen Erhebungsverfahren: • Experimente ermöglichen Aussagen über Kausalität, da Variablen gezielt manipuliert und Effekte unter kontrollierten Bedingungen beob‐ achtet werden. Ein Nachteil ist, dass die künstliche Laborsituation oft die Validität vermindert. Ein Beispiel; In der Sozialpsychologie kann die Wirkung sozialer Normen im Experiment sichtbar gemacht werden, doch reale Situationen sind meist komplexer und widersprüchlicher. • Fragebögen sind kostengünstig, skalierbar und ermöglichen Vergleiche über große Stichproben hinweg. Sie sind jedoch anfällig für Antwortver‐ zerrungen wie soziale Erwünschtheit, Missverständnisse oder kulturelle Unterschiede. Ein Beispiel: Eine Skala zur Lebenszufriedenheit kann in verschiedenen Milieus oder Kulturen völlig unterschiedlich interpretiert werden. • Tests und Messverfahren zeichnen sich durch hohe Objektivität aus, insbesondere wenn sie standardisiert sind. Dennoch können Ergebnisse trainings- oder kontextabhängig sein und sind anfällig für Klassismus, Spracheffekte oder Testbias. Beispiel: Ein Intelligenztest misst nicht nur kognitive Fähigkeiten, sondern oft auch schulische Vorerfahrungen. • Sekundäranalysen sind ökonomisch und datenreich, da sie auf be‐ reits existierenden Datensätzen basieren. Der Nachteil ist eine einge‐ 3.3 Quantitative Methoden 223 <?page no="224"?> schränkte Kontrolle über Datenqualität, ursprüngliche Operationalisie‐ rungen und Messmethoden. Beispiel: Bei der Nutzung von PISA-Daten lassen sich neue Fragestellungen untersuchen, doch die Logik des ursprünglichen Instruments bleibt verbindlich. Datenanalyse und Statistik Die Auswertung der erhobenen Daten ist das Herzstück quantitativer Forschung. Sie folgt klaren statistischen Regeln, erfordert jedoch auch methodisches Fein‐ gefühl - insbesondere bei der Interpretation der Ergebnisse. Die Qualität der Datenanalyse entscheidet maßgeblich über die Aussagekraft der gesamten Stu‐ die. Statistik ist dabei nicht nur ein technisches Werkzeug, sondern die Sprache, in der quantitative Forschung ihre Ergebnisse formuliert. Vorbereitung: Datencodierung und Datenbereinigung. Bevor die ei‐ gentliche Analyse beginnen kann, müssen die erhobenen Rohdaten in eine auswertbare Form gebracht werden. Dies umfasst mehrere Schritte: Zunächst erfolgt die Codierung, bei der offene Angaben (wie „weiblich“, „männlich“, „divers“) in numerische Werte umgewandelt werden, die von Statistikprogrammen verarbeitet werden können. Weiters müssen fehlende Werte identifiziert werden, das heißt, unvollständige Fragebögen oder fehlerhafte Angaben müssen entweder ausgeschlossen oder durch geeignete statistische Verfahren imputiert (ergänzt) werden. Abschließend ist eine gründliche Datenbereinigung notwendig, die eine Plausibilitätsprüfung (bspw. um sicherzustellen, dass keine 120 Jahre alten Personen in der Stichprobe sind) und das Entfernen von Ausreißern beinhaltet, die die Analyse verfälschen könnten. Beispiel | In einer Online-Befragung zur Arbeitszufriedenheit geben manche Teilnehmende ein Alter von „5“ oder „300“ Jahren an. Diese Werte werden als fehlerhaft erkannt und ausgeschlossen. Ebenso wer‐ den Antworten wie „keine Angabe“ bei der Variable Geschlecht in den Datensatz als fehlend codiert, um spätere Analysen nicht zu verzerren. Deskriptive Statistik: Überblick und Struktur. Im ersten Schritt der Analyse werden die Daten deskriptiv beschrieben, um einen Überblick über die Struktur der Stichprobe zu gewinnen. Dies beinhaltet die Darstellung 224 3 Die Wege der Wissenschaft <?page no="225"?> von Häufigkeiten (z. B. 45 % Frauen, 55 % Männer), die Berechnung von Mittelwerten, Median und Standardabweichung sowie die Visualisierung von Verteilungen, beispielsweise über Histogramme. Diese deskriptiven Statistiken helfen dabei, erste Muster und Charakteristika der Daten zu erkennen. Visuelle Darstellungen wie Histogramme, Boxplots oder Streudiagramme helfen, Muster auf einen Blick erkennbar zu machen. Deskriptive Statistiken liefern somit das Fundament, auf dem die inferenzstatistischen Prüfungen aufbauen. Beispiel | In einer Befragung von Studierenden geben die Teilnehmen‐ den auf einer Skala von 1 (sehr niedrig) bis 10 (sehr hoch) an, wie motiviert sie im Studium sind. Der Durchschnitt liegt bei 7,2 Punkten - die meisten fühlen sich also recht motiviert. Manche liegen etwas darunter oder darüber, was zeigt, dass es Unterschiede zwischen den Studierenden gibt. Eine einfache Grafik (bspw. ein Balkendiagramm) macht sichtbar, dass viele Werte im oberen Bereich liegen, aber kaum jemand die höchste Stufe „10“ wählt. Inferenzstatistik: Hypothesentests. Während die deskriptive Statistik nur beschreibt, was in einer Stichprobe beobachtet wurde, will die Infe‐ renzstatistik herausfinden, ob sich die in den Daten gefundenen Muster verallgemeinern lassen - also ob sie wahrscheinlich auch für die gesamte Grundgesamtheit gelten, aus der die Stichprobe stammt. Die Inferenzstatistik arbeitet mit Wahrscheinlichkeiten und Hypothesen. Ausgangspunkt ist meist die sogenannte Nullhypothese - sie besagt, dass kein echter Unterschied oder Zusammenhang besteht. Mithilfe von Signifi‐ kanztests wird dann berechnet, wie wahrscheinlich die gefundenen Daten wären, wenn diese Nullhypothese zuträfe. Ist diese Wahrscheinlichkeit (der sogenannte p-Wert) sehr klein - in der Regel kleiner als 0,05 -, gilt das Ergebnis als statistisch signifikant, das heißt: Der beobachtete Effekt ist so unwahrscheinlich, dass er kaum durch Zufall erklärbar ist. Je nach Fragestellung kommen unterschiedliche Tests zum Einsatz: Ein t-Test prüft, ob sich die Mittelwerte zweier Gruppen unterscheiden, etwa ob Männer und Frauen im Durchschnitt unterschiedliche Werte auf einer Skala erreichen. Eine Varianzanalyse (ANOVA) erweitert diesen Ver‐ gleich auf mehrere Gruppen. Der Chi-Quadrat-Test wird verwendet, wenn 3.3 Quantitative Methoden 225 <?page no="226"?> es um Häufigkeiten oder Kategorien geht, zum Beispiel um zu prüfen, ob die Verteilung von Meinungen oder Einstellungen zwischen Altersgruppen zufällig ist. Für Zusammenhänge zwischen zwei Merkmalen wird häufig die Korre‐ lation berechnet: Sie zeigt, ob und wie stark zwei Variablen miteinander zusammenhängen - etwa ob höhere Lernzeiten mit besseren Noten einher‐ gehen. Wenn man zusätzlich prüfen will, welche Faktoren welchen Einfluss auf ein Ergebnis haben, kommen Regressionsanalysen zum Einsatz. Ein weiteres Instrument sind Konfidenzintervalle, die zeigen, mit welcher Genauigkeit ein Ergebnis geschätzt wurde. Sie geben den Bereich an, in dem der wahre Wert mit einer bestimmten Wahrscheinlichkeit (meist 95 %) liegt. Beispiel | Eine Forscherin möchte herausfinden, ob ein neues Lernpro‐ gramm die Prüfungsleistungen von Studierenden verbessert. Sie teilt 100 Studierende zufällig in zwei Gruppen ein: Eine Gruppe verwendet das neue Programm, die andere nicht. Nach dem Semester wird der Durchschnitt der Prüfungsnoten verglichen. Der Mittelwert der Expe‐ rimentalgruppe liegt deutlich höher. Ein t-Test ergibt einen p-Wert von 0,01 - das heißt, die Wahrscheinlichkeit, dass dieser Unterschied rein zufällig entstanden ist, beträgt nur 1 %. Die Forscherin schließt daraus, dass das Lernprogramm mit hoher Wahrscheinlichkeit einen positiven Effekt auf die Leistung hat. Multivariate Verfahren. Viele Forschungsfragen lassen sich nicht auf einen Zusammenhang zwischen zwei Variablen reduzieren. Meist wirken mehrere Faktoren gleichzeitig zusammen, beeinflussen sich gegenseitig oder vermitteln indirekte Effekte. Um diese Komplexität abzubilden, nutzt die Statistik multivariate Verfahren, also Analysen, die mehrere Variablen berücksichtigen. Zu den wichtigsten gehören multiple Regressionsanalysen, mehrfaktorielle Varianzanalysen (MANOVA) und Strukturgleichungsmo‐ delle (SEM). Während eine einfache Regression nur den Einfluss einer unabhängigen Variable auf eine abhängige Variable untersucht, erlaubt die multiple Re‐ gression, mehrere Einflussgrößen zu betrachten - etwa Geschlecht, Alter, Einkommen und Bildung, wenn es um politische Einstellungen geht. Da‐ durch lässt sich abschätzen, welcher Faktor tatsächlich wirksam ist, wenn andere konstant gehalten werden. 226 3 Die Wege der Wissenschaft <?page no="227"?> Mehrfaktorielle Varianzanalysen prüfen, ob mehrere unabhängige Varia‐ blen bestimmte Gruppenunterschiede erklären, etwa ob der Lernerfolg nicht nur vom Unterrichtsstil, sondern auch von der Motivation der Schüler abhängt - und ob sich beide Faktoren gegenseitig beeinflussen (der sog. Interaktionseffekt). Strukturgleichungsmodelle gehen noch weiter: Sie bilden ganze theo‐ retische Kausalstrukturen ab und prüfen, ob die empirischen Daten zu dem theoretischen Modell passen. Damit wird es möglich, auch indirekte Wirkungen oder vermittelnde Zusammenhänge zu erkennen - etwa wenn soziale Unterstützung den Zusammenhang zwischen Stress und Gesundheit abmildert. Multivariate Verfahren sind besonders mächtig, weil sie komplexe Sys‐ teme und Wechselwirkungen sichtbar machen können. Doch sie verlangen sorgfältige Anwendung, genaue theoretische Vorüberlegungen und eine solide Datenbasis. Statistik kann Zusammenhänge modellieren, sie aber nicht automatisch erklären - ohne theoretische Fundierung bleiben auch die ausgefeiltesten Modelle leer. Beispiel | In einer Studie zur Arbeitszufriedenheit werden neben Gehalt auch Faktoren wie Teamklima, Führung, Arbeitsbelastung und persönli‐ che Selbstwirksamkeit erhoben. Eine multiple Regressionsanalyse zeigt, dass nicht das Gehalt, sondern das Teamklima und die wahrgenom‐ mene Selbstwirksamkeit den größten Einfluss haben. Zudem zeigt ein erweitertes Modell, dass gute Führung indirekt über das Teamklima auf die Zufriedenheit wirkt. Das multivariate Verfahren erlaubt hier also, direkte und indirekte Effekte zu unterscheiden und die komplexe Struktur der Einflüsse zu verstehen. Interpretation: Vom Wert zur Bedeutung Die Interpretation quantitativer Ergebnisse muss theoriegeleitet und im Licht der Forschungsfrage, der Theorie und des Kontexts erfolgen und eine kritische Reflexion beinhalten: Wie ist das Ergebnis im weiteren Forschungszusammenhang zu deuten? Welche alternativen Erklärungen sind möglich? Und wie robust ist das Ergebnis gegenüber methodischen Unsicherheiten oder potenziellen Störvariablen? 3.3 Quantitative Methoden 227 <?page no="228"?> Daten sprechen nicht für sich selbst. Ihre Bedeutung erschließt sich erst im Licht der Forschungsfrage, der zugrunde liegenden Theorie und der Kontextualisierung. Statistik ist in diesem Sinn eine Sprache der Wahr‐ scheinlichkeit: Sie zeigt, wie stark und wie sicher ein Effekt auftritt. Doch die inhaltliche Relevanz entsteht erst durch die theoretische Einbettung und kritische Reflexion. Visualisierung und Darstellung Quantitative Ergebnisse werden üblicherweise in Tabellen, Diagrammen oder Grafiken dargestellt. Eine gute Visualisierung ist entscheidend, da sie die relevanten Erkenntnisse auf einen Blick vermitteln sollte. Dies umfasst die Darstellung von Struktur und Streuung (z. B. mithilfe von Boxplots oder Balkendiagrammen), von Zusammenhängen (etwa durch Streudiagramme) und von Zeitverläufen (Liniendiagramme), um komplexe Daten verständlich und anschaulich zu präsentieren. Die Visualisierung ist nicht nur ein Hilfsmittel für Präsentationen, son‐ dern selbst Teil der Analyse: Sie macht Muster sichtbar, die in reinen Zahlenkolonnen verborgen bleiben. Beispiel einer quantitativen Studie Im Folgenden wird ein einfaches, typisches Beispiel aus der Bildungs- und Gesundheitsforschung dargestellt - auch als Vorlage für erste eigene Projekte im Rahmen von Seminar- oder Abschlussarbeiten. 1. Themenfindung und Hypothese. Wir gehen von einer Beobachtung aus: Viele Studierende klagen über Schlafprobleme und verbringen abends viel Zeit mit digitalen Geräten. Das führt uns zur Forschungsfrage: „Gibt es einen Zusammenhang zwischen der Bildschirmzeit am Abend und der subjektiv erlebten Schlafqualität? “ Die daraus abgeleitete Hypothese (H1) lautet: Je länger die Bildschirm‐ zeit nach 20 Uhr, desto schlechter die Schlafqualität. 2. Theoretischer Rahmen und Operationalisierung. Zur Fundierung werden Studien zur Wirkung von Blaulicht auf den Schlaf-Wach-Rhyth‐ mus, Erkenntnisse der Schlafhygieneforschung sowie Modelle der 228 3 Die Wege der Wissenschaft <?page no="229"?> Mediennutzung herangezogen. Diese Theorien bilden das begriffliche Fundament der Untersuchung und stützen die Hypothese. Die Variablen werden operationalisiert: Als unabhängige Variable wird die durchschnittliche Bildschirmzeit nach 20 Uhr (in Minuten), als abhängige Variable die subjektive Schlafqualität, eingeschätzt auf einer Skala von 1 (sehr schlecht) bis 10 (sehr gut). Unabhängige Variable: Einflussgröße, deren Wirkung geprüft wird. Abhängige Variable: Ergebnisgröße, die durch die unabhängige Variable beeinflusst wird. 3. Datenerhebung und Analyse. In einer Online-Umfrage unter 200 Studierenden werden standardisierte Fragen zu Mediennutzung, Schlaf‐ qualität sowie zu Alter, Geschlecht und Studiengang erhoben. Zur Datenerhebung wird ein digitales Umfragetool wie LimeSurvey oder Google Forms genutzt. Die Daten werden anschließend in Statistikpro‐ grammen wie SPSS oder R ausgewertet. Die Hypothese wird zunächst mit einer Korrelationsanalyse geprüft: Hängen Bildschirmzeit und Schlafqualität zusammen? In einem weite‐ ren Schritt kann eine lineare Regressionsanalyse durchgeführt werden, um zu prüfen, wie stark die Bildschirmzeit die Schlafqualität vorhersagt - unter Kontrolle möglicher Störvariablen wie Alter oder Geschlecht. Korrelationsanalyse: statistisches Verfahren, das die Stärke und Richtung des Zusammenhangs zweier Variablen beschreibt. Lineare Regressionsanalyse: prüft, wie stark eine oder mehrere Variablen eine Zielgröße beeinflussen. Störvariablen: Faktoren, die ebenfalls Einfluss haben könnten und des‐ halb berücksichtigt werden müssen. 4. Ergebnisse und Interpretation. Angenommen, die Analyse ergibt eine signifikante negative Korrelation (z. B. r = - .42,p<.001), dann lässt sich daraus schließen, dass mit zunehmender abendlicher Bildschirmzeit die subjektiv empfundene Schlafqualität tendenziell abnimmt. Aber Korrelation bedeutet jedoch nicht Kausalität. Denkbar ist auch, dass Menschen mit schlechtem Schlafverhalten häufig zu digitalen Geräten greifen oder dass ein dritter Faktor wie Stress beide Variablen beeinflusst. Trotzdem können aus der Studie praktische Empfehlungen abgeleitet werden, z. B. Hinweise für Studienberatung oder Gesund‐ heitsförderung. Studierenden könnte geraten werden, die Bildschirmzeit vor dem Schlafengehen zu reduzieren, um die Schlafqualität zu verbes‐ sern. Im Idealfall dient die Untersuchung als Ausgangspunkt für weitere 3.3 Quantitative Methoden 229 <?page no="230"?> Forschung, etwa mit objektiven Schlafdaten (z. B. durch Smartwatches) oder experimentellen Designs, um die Kausalität genauer zu prüfen. Tipps | Durchführung einer quantitativen Studie • Struktur und Planung: Präzise Vorbereitung, klares Zeitmanage‐ ment und lückenlose Dokumentation sichern eine hohe Nachvoll‐ ziehbarkeit. • Mentoring: Frühzeitige Rücksprache mit Betreuer: innen im Hin‐ blick auf die Forschungsmethode gibt Sicherheit im Vorgehen. • Flexibilität: Anpassungen im Forschungsprozess sind möglich, sollten aber stets gut begründet und dokumentiert werden. • Methodische Reflexion: Jede Entscheidung zu Design, Instru‐ mentenwahl und Analyse sollte bewusst getroffen und kritisch reflektiert werden. • Sorgfältiger Umgang mit Zusammenhängen: Achten Sie dar‐ auf, mögliche Drittvariablen mitzudenken, um Korrelationen richtig zu interpretieren. • Repräsentative Stichproben: Wählen Sie die Untersuchungsper‐ sonen so aus, dass die Ergebnisse auf die Zielgruppe übertragbar sind. • Bedeutung von Effekten: Ergänzen Sie Signifikanztests immer durch Angaben zur Effektgröße, um die praktische Relevanz sicht‐ bar zu machen. • Transparenz und Offenheit: Dokumentieren Sie Ihre Schritte und die Ergebnisse klar - auch dann, wenn sie nicht den Erwartungen entsprechen. Anwendungsbereiche Quantitative Methoden haben sich in nahezu allen Wissenschaftsdisziplinen etabliert. Sie sind dort besonders wirksam, wo es um Messung, Vergleich und Generalisierung geht. Ihre Einsatzfelder reichen von der Medizin über die Sozialbis hin zu den Geistes- und Kulturwissenschaften. Im Folgenden werden Bereiche vorgestellt, jeweils mit einem typischen Beispiel, das den Einsatz quantitativer Verfahren illustriert. 230 3 Die Wege der Wissenschaft <?page no="231"?> Medizinische Forschung. In der Medizin sind quantitative Methoden unverzichtbar, da sie die Wirksamkeit von Medikamenten, Therapien oder Präventionsmaßnahmen überprüfen. Ärztliche Erfahrung und klinische Beobachtungen liefern erste Hinweise, doch erst die statistische Auswertung größerer Patientengruppen schafft belastbare Evidenz. Beispiel | Eine klinische Studie prüft, ob ein neues Blutdruckmedi‐ kament wirksamer ist als ein Placebo. Patient: innen mit Hypertonie werden zufällig zwei Gruppen zugeordnet (randomisierte kontrollierte Studie). Eine Gruppe erhält das Medikament, die andere ein Placebo. Nach zwölf Wochen werden die Blutdruckwerte verglichen. Die Analyse erfolgt mit einem t-Test (Vergleich von zwei Gruppen) oder einer Vari‐ anzanalyse (ANOVA) (Vergleich mehrerer Gruppen). Ein signifikanter Unterschied zugunsten der Medikamentengruppe zeigt, dass das Präpa‐ rat wirksam ist. Randomisierte kontrollierte Studie (RCT): zufällige Zuteilung von Teil‐ nehmenden zu Versuchs- und Kontrollgruppen, um Verzerrungen aus‐ zuschließen. t-Test: prüft, ob sich die Mittelwerte zweier Gruppen signifikant unter‐ scheiden. ANOVA (Analysis of Variance): prüft Unterschiede zwischen mehr als zwei Gruppen. Bildungsforschung. In der Bildungsforschung dienen quantitative Verfah‐ ren dazu, Lernergebnisse und Bildungsprozesse vergleichbar zu machen. Großangelegte Schulleistungsstudien wie PISA oder TIMSS beruhen auf standardisierten Tests und Befragungen, die internationale Vergleiche er‐ möglichen. So lassen sich Unterschiede zwischen Ländern, Schultypen und sozialen Gruppen analysieren. Beispiel | Die PISA-Studie untersucht, welche Faktoren die Mathema‐ tikleistungen von 15-Jährigen beeinflussen. Neben den Testaufgaben werden Daten zu familiärem Hintergrund, Unterrichtszeit und Nutzung digitaler Medien erhoben. Die Analyse erfolgt mit einer Mehrebenenana‐ lyse, da Schülerinnen und Schüler in Klassen und Schulen verschachtelt 3.3 Quantitative Methoden 231 <?page no="232"?> sind. Dieses Verfahren erlaubt es, individuelle und institutionelle Fak‐ toren gleichzeitig zu berücksichtigen. Mehrebenenanalyse (Hierarchical Linear Modeling): Verfahren für Da‐ ten, die hierarchisch strukturiert sind (z. B. Schüler: innen in Klassen, Klassen in Schulen). Es ermöglicht die gleichzeitige Analyse individuel‐ ler und institutioneller Effekte. Politikwissenschaft und Meinungsforschung. Ein klassisches Feld quantitativer Forschung ist die politische Demoskopie. Wahlumfragen und Meinungsforschung erfassen Parteipräferenzen, Einstellungen oder die Zu‐ friedenheit mit Institutionen. Entscheidend sind dabei Stichprobenauswahl, Frageformulierung und die statistische Auswertung. Beispiel | Eine repräsentative Wahlumfrage lautet: „Welche Faktoren (Alter, Bildung, Einkommen, Parteibindung) beeinflussen die Wahlab‐ sicht bei der kommenden Nationalratswahl? “ Mehrere tausend Perso‐ nen werden mit einem standardisierten Fragebogen befragt. Die Daten werden mit einer multivariaten Regressionsanalyse ausgewertet, die prüft, welche Variablen die Wahlabsicht am stärksten vorhersagen. Interessant sind Panelbefragungen, die dieselben Personen über längere Zeit hinweg befragen und damit individuelle Meinungsänderungen sichtbar machen. Panelbefragung: Befragung derselben Personen in mehreren Erhebungs‐ wellen, um Veränderungen im Zeitverlauf sichtbar zu machen. Multivariate Regression: Verfahren, das den Einfluss mehrerer unabhän‐ giger Variablen auf eine abhängige Variable schätzt. Wirtschaftswissenschaften. In den Wirtschaftswissenschaften werden Märkte, Konsumverhalten und makroökonomische Prozesse überwiegend quantitativ untersucht. Statistische Analysen sind hier Grundlage für Pro‐ gnosen und wirtschaftspolitische Entscheidungen. Beispiel | Forschungsfrage: „Wie wirkt sich eine Zinserhöhung der Eu‐ ropäischen Zentralbank auf die Inflationsrate innerhalb von 12 Monaten aus? “ Hierfür werden ökonomische Zeitreihen analysiert. Mithilfe von 232 3 Die Wege der Wissenschaft <?page no="233"?> ARIMA- oder VAR-Modellen lassen sich Entwicklungen über die Zeit modellieren und Prognosen erstellen. Zeitreihe: Abfolge von Messungen über verschiedene Zeitpunkte hinweg (z.-B. Inflationsrate pro Monat). ARIMA-Modell (Autoregressive Integrated Moving Average): Verfahren zur Modellierung und Vorhersage von Zeitreihen. VAR-Modell (Vector Autoregression): Zeitreihenmodell, das Wechselwir‐ kungen zwischen mehreren Variablen berücksichtigt. Natur- und Umweltwissenschaften. Natur- und Umweltwissenschaften beruhen weitgehend auf quantitativen Messungen. Ob physikalische Grö‐ ßen, chemische Reaktionen oder ökologische Daten - immer geht es darum, Prozesse in Zahlen zu fassen und Entwicklungen zu modellieren. Beispiel | Forschungsfrage einer Umweltstudie: „Wie hat sich die Feinstaubbelastung (PM2,5) in europäischen Großstädten seit 2000 ent‐ wickelt, und wie hängt sie mit Verkehrsdichte und Industrieproduktion zusammen? “ Hierzu werden langfristige Messreihen analysiert. Mit Korrelations- und Regressionsanalysen lässt sich prüfen, ob Verkehr und Industrie signifikant mit den Schadstoffwerten zusammenhängen und wie stark der Effekt ist. Korrelationsanalyse: berechnet Stärke und Richtung eines Zusammen‐ hangs zwischen zwei Variablen. Regression: modelliert den Einfluss einer oder mehrerer unabhängiger Variablen auf eine Zielvariable. Geistes- und Kulturwissenschaften. Auch in Geistes- und Kulturwissen‐ schaften gewinnen quantitative Verfahren an Bedeutung, vor allem in den Digital Humanities. Die Verfügbarkeit von umfangreichen Textkorpora, his‐ torischen Datenbanken oder digitalen Archive eröffnen neue Möglichkeiten der Analyse. Beispiel | Forschungsfrage einer Korpusanalyse: „Wie häufig treten die Begriffe ‚Krise‘, ‚Reform‘ und ‚Demokratie‘ in Leitartikeln zwischen 1900 und 2000 auf, und wie verändern sich ihre Kontexte? “ Mit Text-Mi‐ 3.3 Quantitative Methoden 233 <?page no="234"?> ning-Verfahren werden hunderttausende Artikel automatisch ausgewer‐ tet. Häufigkeitsanalysen geben Aufschluss über Trends, Clusteranalysen zeigen, welche Begriffe inhaltlich zusammen auftreten. Text-Mining: automatisierte Auswertung großer Textmengen mit statis‐ tischen und algorithmischen Verfahren. Clusteranalyse: gruppiert Objekte (u. a. Texte) anhand von Ähnlichkei‐ ten in Gruppen (Cluster). Kommunikations- und Medienwissenschaften. In Kommunikations‐ wissenschaft und Medienforschung werden quantitative Methoden genutzt, um Nutzungsmuster, Reichweiten und Publikumsverhalten zu erfassen. Beispiel | Forschungsfrage: „Welche Faktoren bestimmen die tägliche Nutzungsdauer von Streamingdiensten bei Jugendlichen? “ Mehrere tau‐ send Jugendliche werden online befragt. Neben Angaben zur Nutzung werden Variablen wie Alter, Geschlecht und Bildungsstand erhoben. Mit multipler Regression lässt sich prüfen, welche Faktoren die Nutzungs‐ dauer am stärksten beeinflussen. Informatik. Informatik und Computerwissenschaften verwenden quanti‐ tative Verfahren, um Algorithmen zu testen und zu vergleichen. Gerade im Bereich des maschinellen Lernens ist Validierung wesentlich: Modelle müssen unter standardisierten Bedingungen geprüft werden, damit ihre Leistungsfähigkeit zuverlässig eingeschätzt werden kann. Beispiel | Forschungsfrage: „Wie hoch ist die Erkennungsgenauigkeit verschiedener Machine-Learning-Modelle bei der Klassifikation medi‐ zinischer Bilddaten? “ Dazu werden Benchmark-Datensätze eingesetzt, die Modelle mit denselben Bildern konfrontieren. Mit Kreuzvalidierung und Genauigkeitsmaßen wie Accuracy, Precision und Recall wird die Leistungsfähigkeit überprüft. Cross-Validation (Kreuzvalidierung): Aufteilung der Daten in Trainings- und Testsets, um zu prüfen, ob ein Modell bei neuen Daten funktioniert (Generaliserbarkeit). 234 3 Die Wege der Wissenschaft <?page no="235"?> Accuracy (Genauigkeit): Anteil aller korrekt klassifizierten Fälle an der Gesamtzahl der Beobachtungen. Precision (Treffsicherheit): Anteil der als positiv erkannten Fälle, die tatsächlich positiv sind. Recall (Sensitivität): Anteil der tatsächlich positiven Fälle, die vom Modell korrekt erkannt wurden. Agrarwissenschaften. Auch die Agrarwissenschaft arbeitet mit quantita‐ tiven Verfahren, insbesondere in Feldversuchen und Produktionsanalysen. Ziel ist es, Ertrag, Qualität und Nachhaltigkeit landwirtschaftlicher Prozesse zu messen. Beispiel | Forschungsfrage eines Feldversuches: „Welche Auswirkun‐ gen hat die Verwendung unterschiedlicher Düngemittel auf den Ertrag von Winterweizen? “ Dazu werden Parzellen zufällig verschiedenen Düngemitteln zugeordnet (randomisiertes Feldexperiment). Nach der Ernte wird der durchschnittliche Ertrag pro Parzelle statistisch vergli‐ chen, etwa durch eine Varianzanalyse (ANOVA). Quantitative Forschung Merkmale: Standardisierung, Messung, statistische Auswertung. Ziel: Zusammenhänge erklären und Hypothesen überprüfen. Methodologie: Deduktion, Systematik, Replizierbarkeit, Generalisier‐ barkeit. Stärke: Verarbeiten großer Datenmengen und Möglichkeit der Genera‐ lisierung. Schwäche: Reduktion komplexer Wirklichkeit auf wenige Variablen. Kritik an der quantitativen Forschung Trotz ihrer Stärken und methodischen Standards steht die quantitative Forschung seit langem unter methodischer wie epistemologischer Kritik. Ein Vorwurf richtet sich gegen die Reduktion komplexer Phänomene: Was sich nicht in numerische Variablen übersetzen lässt, fällt durch das 3.3 Quantitative Methoden 235 <?page no="236"?> Raster. Ambivalenzen, subjektive Sinnzuschreibungen oder tiefere soziale Kontexte können auf diese Weise kaum erfasst werden. Die Albert Einstein zugeschriebene Bemerkung „Nicht alles, was zählt, kann gezählt werden - und nicht alles, was gezählt werden kann, zählt“ bringt dieses Spannungs‐ verhältnis prägnant auf den Punkt. • Fehlende Subjektperspektive. Kritiker bemängeln, dass quantitative Forschung die individuellen Stimmen und Perspektiven der Subjekte vernachlässigt. Antworten werden in Zahlen überführt, wodurch die reiche Bedeutung und die gelebte Erfahrung, die hinter den Antworten stehen, verloren gehen. • Scheinobjektivität. Standardisierte Verfahren und statistische Aus‐ wertungen vermitteln den Eindruck einer neutralen, wertfreien Wissen‐ schaft, tatsächlich sind bereits in der Formulierung der Forschungsfrage, in der Auswahl der Variablen, in der Operationalisierung theoretischer Konzepte und in der Wahl der Analysemethoden Entscheidungen ein‐ geschrieben, die keineswegs neutral sind. Auch quantitative Forschung ist theoriegeleitet, das Postulat der Wertfreiheit bleibt ein Ideal. • Kulturelle Verzerrung. Viele Messinstrumente wurden in westlichen, bildungsbürgerlichen Kontexten entwickelt und tragen diese Prägung in sich. Werden sie ohne kritische Reflexion in anderen kulturellen Zusammenhängen eingesetzt, können Missverständnisse und Fehlin‐ terpretationen entstehen. Damit verbunden ist auch die Gefahr, dass scheinbare Regelmäßigkeiten lediglich Artefakte der Messung sind und nicht die soziale Realität selbst widerspiegeln. • Verhältnis von Statistik und Wirklichkeit. Quantitative Forschung arbeitet mit großen Stichproben und liefert hochsignifikante Ergebnisse. Doch Signifikanz ist kein Beweis für Relevanz. Gerade in umfangreichen Datensätzen können kleinste Effekte statistisch bedeutsam erscheinen, ohne dass sie praktisch oder theoretisch eine nennenswerte Bedeutung haben. Das heißt, Zahlen werden überinterpretiert, während die inhalt‐ liche Relevanz der Fragestellungen nebensächlich ist. Hinzu kommt, dass quantitative Analysen meist Korrelationen sichtbar machen, die sich aber nicht einfach als Kausalzusammenhänge deuten lassen - was in der Anwendung von Forschungsergebnissen übersehen werden kann. • Kontext- und Sinnblindheit. Zahlen abstrahieren von den Bedeu‐ tungszusammenhängen, in denen menschliches Handeln Sinn erhält. Subjektive Erfahrungen, implizites Wissen oder auch Machtverhältnisse 236 3 Die Wege der Wissenschaft <?page no="237"?> lassen sich nicht ohne Weiteres quantifizieren, sind jedoch für das Verständnis sozialer Prozesse bedeutsam. Genau hier setzen qualitative und kritische Ansätze an: Sie kritisieren, dass quantitative Forschung durch ihre Fixierung auf Messbarkeit Gefahr läuft, das gesellschaftlich Relevante aus dem Blick zu verlieren. • Vernachlässigung des Kontextes. Die Fokussierung auf allgemeine Gesetze oder Korrelationen vernachlässigt den spezifischen Kontext eines Phänomens. So kann eine statistische Korrelation zwischen zwei Variablen die sozialen, historischen oder kulturellen Hintergründe, die sie beeinflussen, nicht erklären. Soziale Phänomene können oft nur in einer zweifachen Hermeneutik angemessen erfasst werden, das heißt, wenn auch die Interpretation der Forschenden reflektiert wird, die ihrerseits die Interpretation der Beforschten zu verstehen versuchen. • Gesellschaftliche Funktion quantitativer Verfahren. Zahlen haben eine besondere Autorität und können zur Steuerung, Legitimation oder Kontrolle herangezogen werden. Evaluationen, Rankings oder standar‐ disierte Tests erscheinen als objektive Messungen, sind aber nie frei von impliziten normativen Voraussetzungen. Damit wird deutlich: Quanti‐ tative Forschung ist nicht nur eine neutrale Technik zur Datenerhebung, sondern Teil gesellschaftlicher Macht- und Deutungsprozesse. Reflexion • Welche Vorteile bzw. Nachteile haben Experimente gegenüber Umfragen? • Wie unterscheiden sich Korrelation und Kausalität? • Warum ist die Operationalisierung entscheidend für die Aussage‐ kraft einer Studie? • Welche Rolle spielen Stichprobenverfahren für die Generalisierbar‐ keit von Ergebnissen? 3.4 Qualitative Methoden Qualitative Forschung ist der Versuch, die Welt aus der Perspektive der Beteiligten zu verstehen. Im Mittelpunkt steht hier nicht das Zählen oder Messen von Phänomenen, sondern deren Deutung. Es geht darum zu ergründen, welche Bedeutung bestimmte Phänomene für die Betroffenen haben, wie Menschen ihren Alltag gestalten, wie ihre Kommunikation 3.4 Qualitative Methoden 237 <?page no="238"?> funktioniert oder welche kulturellen Praktiken sie pflegen. Qualitative Forschung fragt nach Sinnzusammenhängen, Bedeutungsstrukturen, sub‐ jektiven Erfahrungen und sozialen Mustern, und sie tut dies auf eine Weise, die offen, flexibel und reflexiv ist. Anders als bei der quantitativen Forschung stehen nicht standardisierte Erhebungs- und Auswertungsverfahren im Vordergrund. Vielmehr zielt die qualitative Forschung darauf ab, Zusammenhänge im jeweiligen Kon‐ text tiefgreifend zu erschließen. Sie beginnt nicht mit festen Hypothesen, sondern mit offenen Forschungsfragen, die sich im Laufe des Projekts weiterentwickeln dürfen. Der Forschungsprozess ist zyklisch angelegt, nicht streng linear, was eine iterative Anpassung an neue Erkenntnisse ermöglicht. Qualitative Methoden sind in vielen Disziplinen weit verbreitet, beispiels‐ weise in der Soziologie, Pädagogik, Psychologie, Ethnologie, Sprachwissen‐ schaft, Kulturwissenschaft oder Politikwissenschaft. Zu den typischen Me‐ thoden gehören das qualitative Interview, die teilnehmende Beobachtung, Gruppendiskussionen, die dokumentarische Methode, die ethnografische Feldforschung oder die qualitative Inhaltsanalyse. All diesen Ansätzen ist gemeinsam, dass sie sich für die Perspektive der Beteiligten interessieren und nicht von vornherein festlegen, was als relevant gilt. Stattdessen lassen sie die Bedeutung und Relevanz direkt in der Forschung selbst zur Sprache kommen. Die Datenerhebung Die qualitative Forschung verfügt über mehrere Erhebungsmethoden, die darauf abzielen, ein möglichst dichtes, vielschichtiges und kontextualisiertes Verständnis des Forschungsgegenstands zu gewinnen. Die Auswahl der jeweils geeigneten Methode hängt stark von der spezifischen Forschungs‐ frage, dem Erkenntnisinteresse und dem Untersuchungsfeld ab. • Das qualitative Interview ist die eine häufig verwendete Methode in der qualitativen Forschung. Es dient dazu, subjektive Sichtweisen, persönliche Erfahrungen, individuelle Deutungen und biografische Er‐ zählungen von Menschen zu erkunden. Je nach dem angestrebten Grad der Offenheit und Strukturierung unterscheidet man: das narrative Interview, in dem die befragte Person frei zu einem vorgegebenen Thema zu erzählen soll, das problemzentrierte Interview, das etwas stärker 238 3 Die Wege der Wissenschaft <?page no="239"?> strukturiert ist, und das Leitfadeninterview, das auf einem vorbereiteten Fragenkatalog mit thematischen Schwerpunkten basiert. In allen Vari‐ anten des qualitativen Interviews ist entscheidend, eine vertrauensvolle Gesprächsatmosphäre zu schaffen. Die Fragen sollten offen, verständ‐ lich und klar formuliert und forschungsleitend sein. Die Interviewpart‐ ner: innen werden bewusst ausgewählt - z. B. häufig nach dem Prinzip des theoretischen Sampling: Fälle werden nicht zufällig, sondern gezielt gewählt, um aufkommende theoretische Konzepte weiterzuentwickeln und zu überprüfen. • Die teilnehmende Beobachtung stammt ursprünglich aus der Ethno‐ logie, wird heute aber in einem breiten Spektrum von Forschungsfeldern wie der Schulforschung, Organisationsstudien oder Stadtforschung ge‐ nutzt. Bei dieser Methode tauchen die Forschenden selbst in soziale Situationen im Feld ein, auch über einen längeren Zeitraum, und neh‐ men dabei mehr oder weniger aktiv an den Geschehnissen teil. Das Ziel der teilnehmenden Beobachtung ist es, Handlungsmuster, so‐ ziale Regeln, Interaktionen und symbolische Praktiken in ihrem natürli‐ chen Kontext zu erfassen - jenseits von dem, was die Akteure selbst über sich aussagen. Die Beobachtungen und Reflexionen des Forschenden werden in detaillierten Feldnotizen, strukturierten Beobachtungsproto‐ kollen oder persönlichen Forschungstagebüchern dokumentiert. • Gruppendiskussion ist eine Methode, die gut geeignet ist, um kol‐ lektive Orientierungen und gemeinsame Deutungsmuster sichtbar zu machen. Sie eignen sich hervorragend, um herauszufinden, wie be‐ stimmte soziale Gruppen, wie zum Beispiel Jugendliche, Pflegende oder Lehrkräfte, über spezifische Themen sprechen und welche impliziten Regeln, Wertungen oder Narrative dabei zum Tragen kommen. Im Unterschied zu Fokusgruppen, die eher im Marketing eingesetzt werden, um Präferenzen oder Meinungen zu erfassen, geht es bei Grup‐ pendiskussionen in der qualitativen Forschung um die Rekonstruktion latenter Sinnstrukturen. Die Moderation ist dabei bewusst zurückhal‐ tend, um eine authentische Interaktion zu ermöglichen. • Dokumenten- und Diskursanalyse. Auch unterschiedliche Doku‐ mente können Gegenstand qualitativer Forschung sein, darunter Texte, Bilder, Videos, Webseiten, Akten oder Plakate. Je nach theoretischer Perspektive werden solche Dokumente als Spuren sozialer Wirklichkeit, als Ausdruck diskursiver Praktiken oder als Teil symbolischer Ordnun‐ gen gelesen und interpretiert. 3.4 Qualitative Methoden 239 <?page no="240"?> • Die qualitative Inhaltsanalyse (nach Mayring 2022, 2023 oder Ku‐ ckartz 2024) zielt auf Kategorienbildung und -anwendung, um Inhalte zu strukturieren und zu interpretieren. Diskursanalytische Verfahren (z. B. nach Foucault oder Keller) untersuchen hingegen, wie Wirklichkeit sprachlich erzeugt, geformt und reguliert wird. Darüber hinaus gewin‐ nen auch visuelle Methoden zur Analyse von Bildern und Filmen sowie die Analyse digitaler Daten aus sozialen Medien oder Online-Plattfor‐ men zunehmend an Bedeutung in der qualitativen Forschung. • Ethnografische Verfahren. Die Ethnografie zeichnet sich dadurch aus, dass sie oft mehrere qualitative Verfahren kombiniert, darunter Be‐ obachtung, Interview und Dokumentenanalyse. Sie folgt dem Konzept der dichten Beschreibung (Geertz 2022) und zielt auf das tiefgreifende Verstehen kultureller Praktiken und sozialer Sinnzusammenhänge „von innen heraus“. Ethnografische Forschung eignet sich gut für die Unter‐ suchung von marginalisierten Gruppen, subkulturellen Milieus oder Institutionen mit einer ausgeprägten Binnenlogik, um deren soziale Realität zu erfassen. Die Datenauswertung Die Auswertung qualitativer Daten unterscheidet sich grundlegend von statistischen Verfahren. Sie ist rekonstruktiv und interpretativ, sie zielt darauf ab, latente Sinnstrukturen und Bedeutungszuschreibungen aus dem Material herauszuarbeiten - und nicht, Hypothesen zu testen oder Variablen zu korrelieren. Der Weg von der Datenerhebung zur Erkenntnis ist dabei nicht standardisiert, sondern ein reflexiver, teilweise auch zirkulärer Pro‐ zess, der wiederholt zwischen Material, Theorie und Forschungsperspektive pendelt. Typischerweise verläuft die Auswertung in mehreren Schritten: • Transkription. Gespräche, Beobachtungen oder Gruppendiskussionen werden zunächst in schriftliche Form gebracht. Dies geschieht mög‐ lichst wortgetreu, und je nach Forschungsfrage können auch Pausen, Betonungen oder nonverbale Hinweise mit transkribiert werden. Die Transkription selbst ist dabei bereits eine erste Interpretation, da hier entschieden wird, welche Aspekte als relevant erachtet und somit festgehalten werden. • Erste Sichtung und Kodierung. Nach der Transkription wird das Material gelesen, um erste relevante Textstellen - seien es Passagen, 240 3 Die Wege der Wissenschaft <?page no="241"?> einzelne Aussagen oder Szenen - zu markieren. Anschließend werden diese Textsegmente mit Kodes versehen. Kodes sind kurze Begriffe, die den inhaltlichen Kern der Passage benennen, wie beispielsweise „Rollenkonflikt“, „Sinnverlust“ oder „Routinebruch“. Dieses offene Ko‐ dieren ermöglicht eine erste Annäherung an die inhaltliche Struktur des Materials. • Kategorienbildung. Im nächsten Schritt werden ähnliche Kodes zu übergeordneten Kategorien zusammengefasst. Hier beginnt die analyti‐ sche Verdichtung des Materials. Es wird gefragt, welche wiederkehren‐ den Muster sich erkennen lassen, ob es widersprüchliche Typen gibt und wie alles mit der übergeordneten Forschungsfrage zusammenhängt. Dabei werden auch sogenannte Ankerbeispiele genutzt - Passagen, an denen sich ein bestimmtes Phänomen exemplarisch verdeutlichen lässt. • Theoretische Modellbildung. Je nach gewählter qualitativer Methode kann die Auswertung schließlich in Richtung einer Typologie, eines umfassenden Deutungsmusters oder eines theoretischen Modells füh‐ ren. In der Grounded Theory beispielsweise wird durch vergleichendes Kodieren eine Theorie „aus dem Material heraus“ entwickelt, die eng an die empirischen Daten gebunden ist. Bei der dokumentarischen Methode geht es um das „Wie“ der Darstellung, um die impliziten Regeln des Sprechens und Handelns, die sich im Material manifestieren. Bei diskursanalytischen Verfahren steht hingegen das Zusammenspiel von Sprache, Macht und Wissen im Vordergrund der Analyse. • Validierung und Rückbindung. Qualitative Forschung stellt hohe Ansprüche an Nachvollziehbarkeit, Plausibilität und Reflexivität ihrer Ergebnisse. Dazu gehört eine Darlegung der eigenen Forschungsper‐ spektive, eine durchgehende Dokumentation der Auswertungsschritte (z. B. durch Vergabe von Kodierregeln, Erstellung von Memos und Verwendung von Ankerbeispielen) sowie eine kritische Auseinander‐ setzung mit alternativen Interpretationen. Beispiel einer qualitativen Studie Eine Studentin der Soziologie interessiert sich im Rahmen einer Abschluss‐ arbeit für die subjektiv erlebte Belastung von Pflegekräften, die regelmäßig Nachtdienste leisten. Ausgangspunkt ist die Beobachtung, dass diese spe‐ zifische Berufsgruppe zwar häufig Gegenstand arbeitsmedizinischer und betriebswirtschaftlicher Studien ist, aber selten aus einer verstehenden 3.4 Qualitative Methoden 241 <?page no="242"?> Perspektive betrachtet wird, die ihren Alltag und ihre Deutungen in den Mittelpunkt stellt. 1. Forschungsfrage und Zielsetzung. Das Ziel ist herauszufinden, wie Pflegekräfte ihre Nachtdienste erleben, welche spezifischen Belastun‐ gen sie wahrnehmen und wie sie diese im Kontext ihres Berufsverständ‐ nisses deuten. Daraus ergibt sich die Forschungsfrage: „Wie erleben und bewältigen Pflegekräfte im stationären Bereich die psychischen und physischen Herausforderungen von Nachtdiensten? “ 2. Methodenwahl und Feldzugang. Die Forscherin entscheidet sich für problemzentrierte Interviews, da diese eine gute Balance zwischen Struktur und Offenheit bieten. Über eine Kooperation mit einem Pfle‐ geheim erhält sie Zugang zum Feld. Fünf Pflegekräfte mit mehrjähriger Nachtschichterfahrung (drei Frauen, zwei Männer) nehmen an den Interviews teil. 3. Datenerhebung. Die Interviews werden anhand eines vorbereiteten Leitfadens geführt, der Themen wie den Schlafrhythmus, familiäre Auswirkungen der Nachtschichtarbeit, die subjektive Belastungswahr‐ nehmung, angewandte Bewältigungsstrategien und die berufsbezogene Sinnstiftung abdeckt. Die Gespräche dauern jeweils 45 bis 60 Minuten, werden digital aufgezeichnet und anschließend sorgfältig transkribiert. 4. Datenauswertung. Die Transkripte werden nach den Regeln der qualitativen Inhaltsanalyse ausgewertet. Zunächst werden einzelne Aussagen codiert (z. B. „nächtliche Isolation“, „Verantwortung ohne Rückhalt“, „Routinen als Schutz“). Anschließend werden die Codes zu Kategorien gebündelt, wie „Soziale Unsichtbarkeit“, „Verantwortungs‐ transfer zwischen Tag- und Nachtschicht“ oder „Ritualisierte Kompen‐ sationsstrategien“. Mit Ankerzitaten werden diese Kategorien belegt und in ein Deutungsmuster überführt: Nachtschichten führen nicht nur zu körperlicher Belastung, sondern auch zu sozialer Entkopplung, viele Pflegekräfte erleben sich als „unsichtbar“. Gleichzeitig entwickeln sie Strategien, um den Dienst als sinnvoll zu empfinden und ihre Rolle im Gesundheitssystem zu würdigen. 5. Reflexion und Ergebnisdarstellung. Die Forscherin reflektiert wäh‐ rend des ihre eigene Rolle als außenstehende Beobachterin und do‐ kumentiert alle Auswertungsschritte. Die Ergebnisse werden nicht generalisiert, sondern als kontextspezifisches Verstehen präsentiert, das spezifische Einblicke in die Lebenswelt dieser Pflegekräfte ermög‐ 242 3 Die Wege der Wissenschaft <?page no="243"?> licht. Gleichzeitig werden praxisnahe Anregungen abgeleitet, etwa zur Verbesserung der Übergabestrukturen zwischen den Schichten oder zur Schaffung von Räumen für kollegialen Austausch während der Nachtarbeit. Tipps | Qualitative Studie • Begrenzen Sie den Fokus: Qualitative Forschung braucht Tiefe statt Breite. Wenige intensive Interviews können aussagekräftiger sein als viele. • Klären Sie den Feldzugang frühzeitig und planen Sie Zeit für Kon‐ taktaufnahme und Vertrauensaufbau ein. • Bleiben Sie offen für neue Perspektiven: Vermeiden Sie vorab fixierte Kategorien und lassen Sie sich leiten von Überraschungen. • Dokumentieren Sie mit Notizen und Memos, um den Forschungs‐ prozess nachvollziehbar zu halten. • Reflektieren Sie Ihre eigene Rolle, da Forschende nie völlig neutral sind. Vertiefung: Das qualitative Interview Begriff und Zielsetzung. Das qualitative Interview dient dazu, subjektive Sichtweisen, Erfahrungen und Deutungen von Menschen zu erschließen - in ihren eigenen Worten, aus ihrer spezifischen Perspektive und im Kontext ihrer Lebenswelt. Anders als bei standardisierten Fragebögen geht es nicht um das Ankreuzen vorgegebener Antworten, sondern um freies Erzählen, detaillierte Beschreibungen und persönliche Reflexionen. Das qualitative Interview eignet sich deshalb besonders, wenn es darum geht, Prozesse, Bedeutungszuschreibungen oder individuelle Deutungsmuster zu verstehen. Interviewarten. Je nach Zielsetzung und gewünschtem Grad an Struktu‐ rierung werden unterschiedliche Formen qualitativer Interviews eingesetzt: • Narratives Interview. Diese Interviewform ist offen gestaltet und ermutigt die Befragten, zusammenhängende Erzählungen aus ihrem Leben zu entwickeln. Der Interviewer gibt lediglich einen Impuls - beispielsweise „Erzählen Sie bitte, wie es dazu kam, dass Sie sich für Ihr 3.4 Qualitative Methoden 243 <?page no="244"?> Studium entschieden haben.“ - und überlässt die Struktur weitgehend den Befragten. Diese Form eignet sich besonders für die Biographiefor‐ schung, weil sie längere Erzählsequenzen, unerwartete Themen und subjektive Sinnzusammenhänge sichtbar macht. • Leitfadeninterview. Hier arbeitet der Interviewer mit einem vorberei‐ teten Fragenkatalog, der zentrale Themenbereiche abdeckt. Der Leitfa‐ den sorgt für Vergleichbarkeit zwischen den Interviews, gleichzeitig erlaubt er flexible Nachfragen und das Eingehen auf individuelle Ant‐ worten. Leitfadeninterviews sind eine der am häufigsten eingesetzten Interviewformen in der Sozialforschung, da sie einen guten Ausgleich zwischen Offenheit und Struktur bieten. • Problemzentriertes Interview. Diese Form verbindet theoretische Fundierung mit Offenheit für die Perspektive der Befragten. Ausgangs‐ punkt ist eine klar definierte Problemstellung, zu der sowohl theore‐ tische Konzepte als auch empirische Fragen entwickelt werden. Der Leitfaden dient als Orientierung, wird aber flexibel eingesetzt, um spezi‐ fische Deutungen und Erfahrungen herauszuarbeiten. Damit eignet sich das problemzentrierte Interview besonders für Forschungsvorhaben, die auf ein bestimmtes gesellschaftliches oder praktisches Problem fokussieren. • Experteninterview. Experteninterviews richten sich an Personen mit spezifischem Fachwissen in einem bestimmten Bereich, etwa Ärzte, Lehrerinnen, Ingenieure oder Politikerinnen. Ziel ist es, Einblicke in institutionelle Abläufe, professionelle Routinen oder fachliche Diskurse zu gewinnen, die für Außenstehende schwer zugänglich sind. Experteninterviews sind daher weniger auf subjektive Lebenswelten, sondern stärker auf Wissensbestände, Rollenverständnisse und Entscheidungs‐ kontexte gerichtet. Theoretischer Hintergrund. Das qualitative Interview beruht auf der An‐ nahme, dass soziales Handeln sinnhaft ist und dass dieser Sinn im Gespräch erschlossen werden kann. Sprache wird dabei nicht nur als Transportmittel von Informationen verstanden, sondern als Ausdruck sozialer Wirklichkeit. Die Daten entstehen nicht passiv, sondern werden im Gespräch ko-kon‐ struiert: Interviewende und Befragte erzeugen gemeinsam Bedeutungen, verhandeln sie und präzisieren sie im Verlauf. 244 3 Die Wege der Wissenschaft <?page no="245"?> Ablauf und methodische Schritte. Die Durchführung eines qualitativen Interviews folgt mehreren methodischen Schritten: • Zunächst müssen die Forschungsfrage und der geeignete Interviewtyp präzise bestimmt werden. Je nach Erkenntnisinteresse wird entschieden, wie offen das Interview gestaltet sein soll und welche Zielgruppe befragt wird. • Anschließend wird ein detaillierter Leitfaden entwickelt. Dieser Leitfa‐ den enthält bedeutsame Themen, wie zum Beispiel „Arbeitsalltag“, „Be‐ lastung“ oder „Berufsethik“. Er sollte mit einleitenden, offenen Fragen beginnen, Nachfragetechniken (z. B. „Können Sie ein Beispiel nennen? “) enthalten und Formulierungen bieten, die zum Erzählen einladen („Wie war das für Sie? “). • Der Feldzugang und das Sampling sind entscheidend. Die Auswahl der Interviewpartnerinnen und -partner erfolgt dabei theoretisch oder nach Kriterien, nicht zufällig oder repräsentativ. Wichtig ist eine Vielfalt und Relevanz der Perspektiven im Hinblick auf die Forschungsfrage. • Die eigentliche Durchführung der Interviews erfordert eine wertschät‐ zende, aufmerksame Gesprächsatmosphäre. Die Interviews werden, nach vorheriger Zustimmung der Befragten, digital aufgezeichnet. • Anschließend werden die Aufnahmen transkribiert - je nach For‐ schungsziel reicht die Bandbreite von einer inhaltsorientierten Ver‐ schriftlichung bis zu detaillierten Konversationsanalysen. • In der Auswertung kommen Verfahren wie die qualitative Inhaltsana‐ lyse oder die Grounded Theory zum Einsatz, mit dem Ziel, Muster, Deutungen und Handlungsmotive herauszuarbeiten. Die Stärke des qualitativen Interviews liegt im Zugang zu subjektivem Erleben, in der Kontextsensibilität und der Flexibilität, im Gespräch nach‐ zusteuern. Es eignet sich für neue oder wenig erforschte Themenbereiche, in denen es keine standardisierten Messinstrumente gibt. Gleichzeitig birgt es Herausforderungen: Interviews sind soziale Interaktionen, die durch Machtverhältnisse, Erwartungen und Sympathien beeinflusst werden. Tran‐ skription und Auswertung sind zeitaufwändig, und die Ergebnisse sind nicht statistisch verallgemeinerbar - auch wenn eine theoretische Verallgemeine‐ rung möglich bleibt. 3.4 Qualitative Methoden 245 <?page no="246"?> Tipps | Qualitatives Interview • Üben Sie Interviewführung vorab in Rollenspielen, um Sicherheit zu gewinnen. • Stellen Sie offene Fragen nach „wie“ und „was genau“ statt nur nach „warum“, um detaillierte Erzählungen zu fördern. • Halten Sie direkt im Anschluss an das Gespräch Eindrücke und Beobachtungen in „Interview-Memos“ fest. • Scheuen Sie sich nicht vor Schweigen; Pausen können zu neuen Antworten führen. • Reflektieren Sie regelmäßig Ihre Vorgehensweise mit Fragen wie: Was lief gut? Was könnte verbessert werden? Reflexion • Was unterscheidet ein Interview in der Forschung grundlegend von einem Alltagsgespräch? • Welche Rolle spielt das eigene Auftreten der Interviewerin oder des Interviewers für die Qualität der erhobenen Daten? • Wie geht man mit emotionalen Themen oder potenziell belasten‐ den Aussagen der Befragten im Interview um? • Wie kann man die notwendige Nähe zum Forschungsfeld und die kritische Distanz in der Analyse gut balancieren? Vertiefung: Die qualitative Inhaltsanalyse Grundidee und Zielsetzung. Die qualitative Inhaltsanalyse ist ein metho‐ disch kontrolliertes Verfahren zur theoriegeleiteten Interpretation sprachli‐ chen oder visuellen Materials. Ziel ist es, Kategorien zu entwickeln oder anzuwenden, um umfangreiches Datenmaterial zu strukturieren und ver‐ gleichend auszuwerten, ohne dessen Bedeutungsgehalt und Kontext aus dem Blick zu verlieren. Anders als die quantitative Inhaltsanalyse, die Zähl‐ barkeit und Häufigkeiten betont, richtet sich die qualitative Inhaltsanalyse auf Sinnzusammenhänge, Deutungsmuster und Bedeutungen im Material. Methodischer Hintergrund. Systematisch ausgearbeitet wurde die Me‐ thode von Philipp Mayring in den 1980er-Jahren. Seitdem hat sie breite Anwendung in Sozialwissenschaft, Pädagogik, Psychologie, Gesundheits‐ 246 3 Die Wege der Wissenschaft <?page no="247"?> forschung und Medienanalyse gefunden. Mayring (2022, 2023) unterscheidet drei Varianten, die je nach Forschungsziel und Material unterschiedliche Schwerpunkte setzen: • Zusammenfassende Inhaltsanalyse. Ziel ist die Reduktion des Ma‐ terials auf seine wesentlichen Inhalte. Ausgangspunkt ist die Paraphra‐ sierung einzelner Textstellen in vereinfachter, allgemeinerer Form. Diese Paraphrasen werden anschließend schrittweise verdichtet und auf Kernaussagen reduziert. Dadurch entsteht ein Überblick, der den Text in seiner Vielfalt nicht im Detail wiedergibt, sondern auf die Kerngedan‐ ken konzentriert. Dieses Verfahren eignet sich vor allem, wenn große Textmengen inhaltlich erschlossen und übersichtlich dargestellt werden sollen. Beispiel | Interviews über Berufserfahrungen werden so reduziert, dass die wichtigen Themenfelder („Belastung“, „Teamarbeit“, „Karrierechan‐ cen“) hervortreten. • Explizierende Inhaltsanalyse. Hier liegt der Fokus nicht auf Reduk‐ tion, sondern auf Bedeutungserweiterung. Unklare, vieldeutige oder schwer verständliche Passagen werden durch Kontextinformationen präzisiert. Dies können Hinweise aus anderen Textstellen, zusätzliche Dokumente oder theoretische Konzepte sein. So wird die Interpretation vertieft und Missverständnisse werden vermieden. Beispiel | Wenn in einem Interview von „Stress“ die Rede ist, kann der Begriff je nach Kontext unterschiedliche Dimensionen haben (Arbeits‐ belastung, Zeitdruck, Konflikte). Die explizierende Analyse sammelt Zusatzinformationen, um genau zu bestimmen, was im konkreten Fall gemeint ist. • Strukturierende Inhaltsanalyse. Dieses Verfahren zielt darauf ab, bestimmte Merkmale des Materials zu erfassen und in ein Kategori‐ ensystem zu überführen. Die Kategorien können theoretisch vorab entwickelt oder induktiv aus dem Material gewonnen werden. Anschlie‐ ßend wird der Text durchkodiert, sodass bestimmte Dimensionen - 3.4 Qualitative Methoden 247 <?page no="248"?> etwa Argumentationsmuster, Wertungen, Themenschwerpunkte oder Handlungsstrategien - klar sichtbar werden. Das Ergebnis ist eine struk‐ turierte Übersicht, die Vergleichbarkeit zwischen Fällen oder Texten ermöglicht. Beispiel | Zeitungsartikel über ein politisches Thema werden nach Kri‐ terien wie „Begründungsweise“, „emotionaler Ton“ oder „Handlungs‐ empfehlungen“ analysiert. Typischer Ablauf. Der Ablauf einer qualitativen Inhaltsanalyse folgt einem methodisch kontrollierten Prozess, der sicherstellt, dass die Auswertung nachvollziehbar und überprüfbar erfolgt. Typischerweise umfasst er fol‐ gende Schritte: • Formulierung der Forschungsfrage und Materialauswahl. Am An‐ fang steht die präzise Bestimmung der Forschungsfrage: Was genau soll untersucht werden? Auf dieser Grundlage wird das Material aus‐ gewählt - beispielsweise Interviews, Zeitungsartikel oder politische Reden. Bereits hier wird entschieden, welche Teile des Materials als relevant gelten, also ob einzelne Passagen, ganze Texte oder bestimmte Dokumentengruppen in die Analyse einbezogen werden. • Bestimmung der Analyseeinheit. Um Vergleichbarkeit und Transpa‐ renz zu gewährleisten, muss festgelegt werden, wie groß die kleinste Analyseeinheit ist - etwa Wort, Satz oder Absatz - und welche Kontext‐ einheit berücksichtigt wird, zum Beispiel das gesamte Interview, ein Kapitel oder ein Dokument. Diese Festlegungen schaffen den Rahmen für die spätere Interpretation und Kategorisierung. • Kategorienbildung. Ein zentraler Schritt ist die Entwicklung von Kategorien. Dabei gibt es zwei grundsätzliche Vorgehensweisen. Im induktiven Vorgehen werden Kategorien Schritt für Schritt aus dem Material selbst heraus entwickelt, insbesondere bei explorativen Frage‐ stellungen, bei denen noch wenig theoretisches Vorwissen vorliegt. Im deduktiven Vorgehen werden Kategorien aus bestehenden Theorien, Modellen oder Vorstudien abgeleitet und dann im Material überprüft sowie, falls nötig, angepasst. In vielen Projekten werden beide Ansätze kombiniert: Ein deduktives Kategoriensystem dient als Gerüst, das während der Analyse induktiv verfeinert wird. 248 3 Die Wege der Wissenschaft <?page no="249"?> • Kodierung des Materials. Anschließend wird das Material durchgear‐ beitet, und relevante Textstellen werden den definierten Kategorien zugeordnet. Dabei können auch Subkategorien entstehen, die eine feinere Differenzierung ermöglichen. Entscheidend ist, die Kodierregeln sorgfältig zu dokumentieren, sodass stets nachvollziehbar bleibt, warum eine bestimmte Passage einer bestimmten Kategorie zugeordnet wurde. • Revision und Sicherung der Kategorien. Während der Kodierung werden die Kategorien laufend überprüft, modifiziert oder ergänzt. In größeren Projekten arbeiten häufig mehrere Forschende parallel, um die Interkoder-Reliabilität zu sichern. Abweichungen werden diskutiert, bis eine möglichst konsistente Definition der Kategorien erreicht ist. • Zusammenfassung und Verdichtung. Am Ende werden die kodierten Daten auf Kernaussagen reduziert. Dadurch treten wiederkehrende Muster, zentrale Unterschiede oder Brüche zwischen einzelnen Fällen klar hervor. • Interpretation im Hinblick auf die Forschungsfrage. Abschließend werden die Ergebnisse theoretisch reflektiert und in Bezug zur For‐ schungsfrage interpretiert. Ziel ist nicht nur eine deskriptive Zusam‐ menfassung, sondern die Herausarbeitung von Deutungsmustern, ty‐ pischen Argumentationsweisen oder latenten Sinnstrukturen, die im Material zum Ausdruck kommen. Beispiel | Analyse von Interviews zur Studienmotivation Eine Forschungsfrage könnte lauten: „Welche Motive geben Studierende für die Wahl ihres Studiengangs an? “ Leitfadengestützte Interviews werden dafür qualitativ ausgewertet, die Kategorien ergeben sich in‐ duktiv aus dem Material. Typischerweise treten Motive wie berufliche Perspektiven, persönliches Interesse, soziale Einflüsse aus Familie oder Freundeskreis, pragmatische Entscheidungen oder ideelle Überzeugun‐ gen hervor. Diese Kategorien erlauben nicht nur Aussagen über Häufigkeiten, sondern auch über Begründungsformen und Spannungen in den Motivlagen, etwa wenn persönliche Interessen mit familiären Erwar‐ tungen kollidieren. Zur theoretischen Einordnung eignet sich die Er‐ wartungs-Wert-Theorie, die davon ausgeht, dass Entscheidungen we‐ sentlich durch den subjektiven Wert eines Ziels und die Einschätzung der Erfolgsaussichten geprägt sind. So lassen sich berufliche Perspekti‐ 3.4 Qualitative Methoden 249 <?page no="250"?> ven als Ausdruck eines hohen Nutzwertes, ideelle Überzeugungen als Wertorientierung und persönliches Interesse als intrinsische Attraktivi‐ tät deuten. Die qualitative Inhaltsanalyse ist transparent und nachvollziehbar, weil ihre Schritte gut dokumentiert werden können. Sie verbindet methodische Struktur mit Offenheit für neue Aspekte und eignet sich sowohl für Ein‐ zelfallanalysen als auch für große Textmengen. Zudem lässt sie sich mit quantitativen Elementen kombinieren. Herausforderungen bestehen in Reduktionsverlusten, wenn zu stark zusammengefasst wird, im hohen Arbeitsaufwand bei großen Datenmen‐ gen sowie in der interpretativen Kategorienbildung, die Reflexivität und Absicherung durch mehrere Kodierende erfordert. Eine zu enge deduktive Strukturierung kann verhindern, dass neue Phänomene sichtbar werden. Tipps | Qualitative Inhaltsanalyse • Klären Sie Ihr Ziel: Was möchten Sie aus dem Material erfahren? • Dokumentieren Sie den Kodierprozess, die Kodierregeln und die Begründung für Ihre Entscheidungen, um Nachvollziehbarkeit zu gewährleisten. • Diskutieren Sie Ihre Kategorien im Team oder mit Betreuenden, um andere Perspektiven einzubeziehen und die Gültigkeit Ihrer Kategorien zu erhöhen. • Nutzen Sie Software für die qualitative Datenanalyse (z. B. MAXQDA, Atlas.ti, f4analyse) für die Verwaltung und Auswertung der Daten. Reflexion • Worin liegt der grundlegende Unterschied zwischen induktiver und deduktiver Kategorienbildung in der qualitativen Inhaltsanalyse? • Welche Rolle spielt die Theorie im Prozess der qualitativen Inhalts‐ analyse, und wie beeinflusst sie die Interpretation des Materials? • Wie kann man sicherstellen, dass der Kontext bei der Interpretation des Textmaterials nicht verloren geht, obwohl eine Reduktion der Daten stattfindet? 250 3 Die Wege der Wissenschaft <?page no="251"?> • Welche Passagen eines Textes sind überhaupt relevant für die Analyse, und wer entscheidet das im Forschungsprozess? Vertiefung: Grounded Theory Zielsetzung. Die Grounded Theory verfolgt das Ziel, Theorien direkt aus dem empirischen Material zu entwickeln, anstatt vorgefertigte Hypothesen zu prüfen. „Theorie“ bedeutet hier kein universelles Modell, sondern ein konzeptionelles System mittlerer Reichweite, das Phänomene beschreibt, typisiert oder erklärt. Es geht um Theorien, die empirisch geerdet (grounded) sind, also unmittelbar an den Erfahrungen, Handlungen und Bedeutungen der Akteure ansetzen. Damit eignet sich die Grounded Theory besonders für wenig erforschte Felder, für die Entwicklung praxisnaher Modelle und für die Analyse dynamischer sozialer Prozesse. Methodischer Hintergrund. Entwickelt wurde die Grounded Theory in den 1960er-Jahren von Barney Glaser und Anselm Strauss im Rahmen der medizinsoziologischen Forschung. In ihrem Klassiker The Discovery of Grounded Theory (2008) stellten sie die Methode als Gegenentwurf zu dominierenden, stark hypothesengeleiteten Ansätzen vor. Statt Daten nur zur Überprüfung bestehender Theorien zu nutzen, sollte Theoriebildung selbst im empirischen Material verankert sein. Das methodische Prinzip ist die Zirkularität: Datenerhebung, Kodierung, Kategorienbildung und Theoriebildung laufen parallel und iterativ ab. Neue Daten werden mit bestehenden Kategorien verglichen, Kategorien weiter‐ entwickelt und die Auswahl weiterer Fälle (theoretical Sampling) daran ausgerichtet. Typischer Ablauf. Die Durchführung einer Grounded Theory folgt meh‐ reren Schritten: • Formulierung der Fragestellung. Ausgangspunkt ist eine offene Fragestellung, die ein soziales Phänomen in seiner Vielfalt erfassen soll. Der Zugang zum Feld erfolgt flexibel, mit dem Ziel, möglichst dichte und vielfältige Daten zu erheben (Interviews, Beobachtungen, Dokumente). • Offenes Kodieren. In einem ersten Schritt wird das Material Zeile für Zeile analysiert. Relevante Segmente werden mit Kodes versehen, die bedeutsame Aspekte benennen. Ziel ist die möglichst offene Erfassung der Vielfalt von Themen, Handlungen und Bedeutungen im Material. 3.4 Qualitative Methoden 251 <?page no="252"?> • Axiales Kodieren. Die im offenen Kodieren entwickelten Kodes wer‐ den nun in Beziehung zueinander gesetzt. Dabei geht es um Fragen wie: Unter welchen Bedingungen tritt ein Phänomen auf ? Welche Ursachen oder Konsequenzen sind erkennbar? Welche Strategien nutzen die Akteure? So entsteht ein Netz von Kategorien und Subkategorien. • Selektives Kodieren. Im weiteren Verlauf kristallisiert sich eine Kern‐ kategorie heraus - die sogenannte Core Category. Sie verdichtet die wesentliche Problematik oder Dynamik des untersuchten Feldes. Alle weiteren Kategorien werden darauf bezogen und integriert. So entsteht ein theoretischer Rahmen, der das Material zusammenhält. • Theoretical Sampling. Die Datenerhebung läuft parallel zur Auswer‐ tung. Auf Basis der bereits gebildeten Kategorien werden gezielt weitere Fälle oder Interviewpartner ausgewählt, um die Theorie weiterzuentwi‐ ckeln, zu differenzieren oder zu überprüfen. Der Forschungsprozess folgt also nicht einem festen Plan, sondern entwickelt sich entlang der entstehenden Theorie. • Ständiger Vergleich. Daten, Kodes und Kategorien werden kontinu‐ ierlich miteinander verglichen (Constant Comparison). Unterschiede und Gemeinsamkeiten dienen dazu, Konzepte zu schärfen, überflüssige Kategorien zu verwerfen und Muster zu bestätigen. • Memoschreiben. Ein wichtiges Werkzeug der Grounded Theory sind Memos: fortlaufende Notizen, in denen Interpretationen, Hypothesen, methodische Entscheidungen und theoretische Überlegungen festgehal‐ ten werden (Stop and memo! ). Sie dokumentieren den Erkenntnisprozess und fördern konzeptuelle Klarheit. • Theoretische Sättigung. Der Prozess läuft so lange, bis keine neuen relevanten Aspekte mehr auftauchen und die Kategorien hinreichend differenziert sind. Dieses Stadium wird als theoretical saturation bezeich‐ net und markiert das Ende der Datenerhebung. • Theoriebildung. Am Ende steht eine „grounded“ Theorie mittlerer Reichweite, die direkt im empirischen Material verankert ist und zu‐ gleich abstrakte Konzepte bereitstellt, um das untersuchte Phänomen zu erklären. Beispiel | Studie Umgang mit chronischer Krankheit im Alltag Ein Forschungsteam untersucht, wie Menschen mit einer chronischen Krankheit ihren Alltag gestalten. Im offenen Kodieren werden erste 252 3 Die Wege der Wissenschaft <?page no="253"?> Interviews zeilenweise analysiert; es entstehen Kodes wie „Symptome verbergen“, „Alltag umstrukturieren“ oder „Hilfe suchen“. Das axiale Kodieren bündelt diese Kodes zu übergeordneten Kategorien, etwa „Strategien der Krankheitsbewältigung“ mit den Dimensionen Verber‐ gen der Krankheit, Offenlegen gegenüber anderen oder Suchen nach Kontrolle. Im selektiven Kodieren kristallisiert sich schließlich die Core Category „Balance zwischen Normalität und Krankheit“ heraus, die den ständigen Versuch beschreibt, trotz Einschränkungen ein normales Leben zu führen. Durch theoretical sampling - gezielte Auswahl weiterer Fälle - wird diese Kategorie verfeinert, bis eine Theorie mittlerer Reichweite entsteht, die das alltägliche Austarieren von Sichtbarkeit und Unsichtbarkeit, Anpassung und Widerstand erklärt. Die Grounded Theory eröffnet den Zugang zu neuen oder wenig erforsch‐ ten Feldern und ermöglicht Theorien, die eng an den Erfahrungen und Bedeutungen der Betroffenen anknüpfen. Ihre Stärke liegt in der Offenheit: Datenerhebung und Theorieentwicklung verlaufen flexibel, dynamisch und theoriegeleitet. So lassen sich soziale Prozesse differenziert rekonstruieren. Gerade diese Offenheit bringt jedoch Herausforderungen mit sich: For‐ schende benötigen theoretische Sensibilität, methodische Disziplin und Reflexionsfähigkeit, um nicht im Material stecken zu bleiben. Der iterative Prozess ist zeitaufwendig, und die Balance zwischen Offenheit und Struktur oft schwer zu halten. Zudem verlangt die Kodierung häufig intensive Teamarbeit, um Nachvollziehbarkeit und Zuverlässigkeit sicherzustellen. Tipps | Grounded Theory • Ziel ist nicht „fertige Wahrheit“, sondern eine Theorie mittlerer Reichweite, die empirisch fundiert und zugleich theoretisch frucht‐ bar ist. • Beginnen Sie mit einer offenen Fragestellung. • Schreiben Sie regelmäßig Memos. • Wählen Sie Fälle gezielt mit theoretical sampling. • Vergleichen Sie Kodes und Kategorien fortlaufend. • Nutzen Sie Teamarbeit zur kritischen Prüfung. 3.4 Qualitative Methoden 253 <?page no="254"?> Vertiefung: Metaphernanalyse Zielsetzung. Die Metaphernanalyse untersucht, wie sprachliche Bilder kollektive Denkweisen prägen und soziale Wirklichkeit strukturieren. Me‐ taphern dienen nicht nur als rhetorische Ausschmückung, sondern rahmen Wahrnehmungen, erzeugen Plausibilität und lenken Handlungsoptionen. Ziel der Methode ist es, diese metaphorischen Deutungsmuster sichtbar zu machen und ihre Funktion in Argumentationen, Diskursen oder gesell‐ schaftlichen Selbstbildern herauszuarbeiten. Theoretischer Hintergrund. Die theoretischen Wurzeln der Metaphern‐ analyse liegen in der klassischen Rhetorik, insbesondere bei Aristoteles, der Metaphern als sprachliche Übertragungen definierte, bei denen ein Ausdruck aus einem Bedeutungsfeld auf ein anderes übertragen wird, bei‐ spielsweise „das Meer der Sorgen“. Lange Zeit wurden Metaphern vor allem als schmückendes Stilmittel betrachtet, das zwar sprachliche Aufmerksam‐ keit erzeugt, aber nicht als erkenntnisleitendes Element verstanden wurde. Eine grundlegende Wende brachte die kognitive Metapherntheorie von George Lakoff und Mark Johnson. In ihrem Buch Metaphors We Live By (2021) argumentierten sie, dass Metaphern nicht nur sprachlich, sondern vor allem kognitiv relevant sind, sie prägen unsere Wahrnehmung, unser Denken und Handeln. Abstrakte oder schwer fassbare Bereiche (Zeit, Gefühle, Gesellschaft, Wissen) werden durch vertraute, körperlich und räumlich erfahrbare Bereiche strukturiert. Beispiele wie „Zeit ist Geld“ oder „Diskussion ist Krieg“ zeigen, dass Metaphern bestimmen, wie wir abstrakte Konzepte verstehen, welche Handlungsoptionen wir sehen und welche nicht. In der deutschsprachigen qualitativen Sozialforschung hat besonders Rudolf Schmitt (2017) die Metaphernanalyse methodisch ausgearbeitet. Er versteht Metaphern als Orientierungsrahmen kollektiver Wissensbestände, die Aufschluss über Deutungsmuster einer Gesellschaft geben. Während Lakoff und Johnson auf universale, körperlich verankerte Metaphern fo‐ kussieren (z. B. „Oben ist gut“), betont Schmitt die soziale und kulturelle Situiertheit von Metaphern. Metaphern sind für ihn diskursive Praktiken: Sie sind wandelbar, kontextabhängig und Teil sozialer Aushandlungen. Damit wird Metaphernanalyse zu einem Instrument der Wissenssoziologie und Diskursanalyse, das die kulturelle Strukturierung von Wirklichkeit offenlegen kann. 254 3 Die Wege der Wissenschaft <?page no="255"?> Das theoretische Fundament der Metaphernanalyse umfasst demnach drei Ebenen: die sprachlich-rhetorische Ebene (Metapher als sprachliche Übertragung), die kognitive Ebene (Metapher als Denkstruktur) und die sozial-kulturelle Ebene (Metapher als Deutungsmuster im Diskurs). Diese Mehrdimensionalität macht die Metaphernanalyse wertvoll für qualitative Forschung, da sie es ermöglicht, Sprache, Denken und Gesellschaft mitein‐ ander zu verbinden und die symbolischen Grundlagen von Wissen und Handeln offenzulegen. Typischer Ablauf der Metaphernanalyse: • Materialauswahl. Auswahl relevanter Datenquellen: Interviews, Me‐ dienberichte, politische Reden, wissenschaftliche Texte oder Alltagsge‐ spräche. Die Auswahl orientiert sich an der Forschungsfrage, bspw. „Welche Metaphern prägen öffentliche Diskurse über Migration? “ • Identifikation von Metaphern. Textstellen werden sorgfältig gelesen, und alle metaphorischen Ausdrücke werden markiert. Es geht um sprachliche Wendungen, die einen Bedeutungsbereich in einen anderen übertragen (etwa „Flut von Flüchtlingen“, „Festung Europa“, „Brücken bauen“). • Zuordnung zu metaphorischen Konzepten. Einzelne Ausdrücke werden zu übergeordneten Konzepten gebündelt. So lassen sich z. B. „Flut“, „Welle“ und „Ströme“ dem Konzept „Migration ist Naturgewalt“ zuordnen, während „Brücken“, „Wege“ oder „Dialog“ dem Konzept „Migration ist Austausch/ Verbindung“ entsprechen. • Rekonstruktion der Bedeutungsstruktur. Analyse, welche Wirk‐ lichkeitsdeutung die Metaphern erzeugen. Naturmetaphern (Flut, Welle) legen Bedrohung, Übermacht und Kontrollverlust nahe, während Ver‐ bindungsmetaphern (Brücke, Weg) Offenheit und Kooperation betonen. • Interpretation im Kontext. Reflexion darüber, welche politischen oder gesellschaftlichen Orientierungen durch diese Metaphern gestützt werden. Dabei werden Macht- und Interessensdimensionen sichtbar: Wer setzt welche Metaphern ein, um welche Handlungsoptionen plau‐ sibel zu machen? Im Detail | Die Metaphorik der Migration In Debatten über Migration wird häufig die Metaphorik der Natur‐ katastrophe verwendet, z. B. „Flut von Flüchtlingen“, „Wellen der Zuwanderung“. Diese Metaphern verknüpfen Migration mit einem 3.4 Qualitative Methoden 255 <?page no="256"?> unkontrollierbaren Naturereignis, das mit Gefahr für Sicherheit und Ordnung assoziiert ist. So entsteht ein Deutungsrahmen, in dem Abwehrmaßnahmen - „Dämme bauen“, „Grenzen dicht machen“, „Festung Europa“ - plausibel wirken. Solche Bilder befördern auslän‐ derfeindliche Einstellungen: Migranten sind weniger Menschen und Individuen, sondern eine bedrohliche anonyme Masse. Eine alternative Metaphorik, z. B. „Brücken bauen“ oder „Wege eröffnen“, würde das Phänomen Migration auch als Chance für Begegnung und Austausch akzentuieren. Tipps | Metaphernanalyse • Achten Sie auf bildhafte Sprache und wiederkehrende Formulierun‐ gen. • Ordnen Sie Metaphern zu übergeordneten Konzepten. • Welche Aspekte werden hervorgehoben, welche unsichtbar gemacht? • Vergleichen Sie konkurrierende Metaphern, um unterschiedliche Rahmungen und ihre gesellschaftlichen Folgen zu erkennen. Reflexion • Warum ist es in der qualitativen Forschung nicht sinnvoll, Hypo‐ thesen vorab festzulegen? • Was unterscheidet die Rolle der forschenden Person in qualitativer Forschung grundlegend von jener in quantitativer? • Inwiefern ist die Transkription von Interviewaufnahmen selbst bereits eine erste Interpretation? • Wie kann man qualitative Forschung beurteilen, wenn keine sta‐ tistischen Kennzahlen zur Verfügung stehen? Quantitativ versus qualitativ? Die Unterscheidung zwischen quantitativer und qualitativer Forschung ist ein Dauerbrenner in der Methodendiskussion - zweifellos auch hilfreich als Orientierung bspw. bei der Wahl passender Methoden für ein Forschungs‐ projekt oder bei der wissenschaftstheoretischen Verortung eigener Arbeiten. 256 3 Die Wege der Wissenschaft <?page no="257"?> Zugleich besteht die Gefahr, dass diese Unterscheidung zu einer flachen Polarisierung und sinnlosen dogmatischen Abgrenzung führt. Die beiden Zugänge verfolgen nicht grundsätzlich andere Ziele, sie setzen unterschied‐ liche Akzente in der Erkenntnisgewinnung. Unterschiedliche Erkenntnisinteressen. Quantitative Forschung zielt in der Regel auf Generalisierbarkeit, Vergleichbarkeit und die Identifizierung statistischer Regelmäßigkeiten. Sie möchte Phänomene erklären, Vorhersa‐ gen treffen und Ergebnisse standardisieren. Damit ist sie anschlussfähig an ein deduktives Wissenschaftsverständnis, bei dem aus allgemeinen Theo‐ rien spezifische Hypothesen abgeleitet und empirisch überprüft werden. Qualitative Forschung hingegen sucht das Verstehen individueller Sinn‐ zusammenhänge, die Rekonstruktion von Deutungsmustern und die Inter‐ pretation von Handlungskontexten. Sie bewegt sich stärker im induktiven oder abduktiven Modus, bei dem Theorien aus dem Material heraus ent‐ wickelt oder plausible Erklärungen für beobachtete Phänomene gefunden werden. Sie ist offen für mehrdeutige oder ambivalente Phänomene, die sich einer einfachen Quantifizierung entziehen. Unterschiedliche Methoden - gemeinsame Fragen. Trotz ihrer metho‐ dischen und epistemologischen Unterschiede stellen beide Forschungsrich‐ tungen grundlegende Fragen an den Wissenschaftsprozess: • Was ist mein Untersuchungsgegenstand - und wie ist er konstituiert? • Welche Annahmen mache ich über Wirklichkeit, Wissen und die Rolle des Subjekts im Forschungsprozess? • Wie kann ich sicherstellen, dass meine Ergebnisse nachvollziehbar, begründet und überzeugend sind? Beide Ansätze erfordern eine methodisch reflektierte Vorgehensweise, sorg‐ fältige Planung, kritische Selbstprüfung und eine theoretische Begründung. Integrative Perspektiven. Gerade in interdisziplinären Projekten oder in der angewandten Forschung zeigt sich die Stärke integrativer Ansätze. Mixed-Methods-Designs verbinden quantitative und qualitative Verfahren: Fragebögen können durch narrative Interviews ergänzt werden, um statis‐ tische Trends mit individuellen Erfahrungen zu verknüpfen. Oder quan‐ titative Daten werden durch teilnehmende Beobachtung kontextualisiert und mit Bedeutung angereichert. Die aktuelle Forschungspraxis geht zuneh‐ mend über die klassische Dichotomie hinaus. Gesellschaftliche Herausfor‐ 3.4 Qualitative Methoden 257 <?page no="258"?> derungen, technologische Entwicklungen und interdisziplinäre Fragestel‐ lungen haben zu innovativen Zugängen geführt. Diese neuen Methoden sind oft weniger an eine bestimmte Tradition gebunden und orientieren sich stärker an Integration, Offenheit und Praxisrelevanz. 3.5 Mixed-Methods, innovative Methoden In Mixed-Methods-Forschungsdesigns werden quantitative und qualita‐ tive Verfahren kombiniert, um sowohl die messbare Dimension als auch die sinnhafte Dimension eines Phänomens zu erfassen. Zum Einsatz kommen standardisierte Erhebungen und statistische Analysen ebenso wie Inter‐ views oder qualitative Inhaltsanalysen. Mixed-Methods gewinnen in vielen Disziplinen an Bedeutung, weil sie die Stärken beider Zugänge nutzen und deren Grenzen überwinden. So können qualitative Vorstudien Hinweise zur Entwicklung valider Messinstrumente geben, während quantitative Befunde durch qualitative Analysen vertieft und kontextualisiert werden. Lange galt in der Methodenlehre eine Trennung zwischen quantitativer Forschung (objektiv, messbar, generalisierbar) und qualitativer Forschung (interpretativ, kontextsensitiv). Mixed-Methods ermöglichen ein integrier‐ tes Vorgehen, das beide Perspektiven verbindet. Entscheidend ist dabei, dass diese Verknüpfung theoretisch fundiert, methodisch stringent und epistemologisch reflektiert erfolgt. Im Detail | Mixed-Methods und wissenschaftstheoretische Reflexion Die Wahl von Methoden muss in einem theoretischen Rahmen begrün‐ det sein. Wenn beispielsweise eine Theorie menschliches Verhalten als Ergebnis tiefenpsychologischer Prozesse erklärt, ist eine qualitative Methode wie ein Tiefeninterview passender als eine reine Verhaltens‐ beobachtung. Die Theorie gibt vor, wie Wirklichkeit fokussiert und untersucht werden soll. Methodische Stringenz bedeutet, dass die Verfahren nachvollziehbar und transparent angewendet werden: Welche qualitativen und quan‐ titativen Ansätze werden genutzt? Warum gerade diese Methoden? Welcher Mehrwert für die Fragestellung? Wie werden die Daten der verschiedenen Methoden erhoben und wie werden sie zueinander in Beziehung gesetzt? Die einzelnen Schritte müssen klar dokumentiert 258 3 Die Wege der Wissenschaft <?page no="259"?> sein, jede Abweichung von Standardverfahren oder jede Anpassung muss begründet werden. Epistemologische Reflexion. Forscherinnen müssen sich klar machen, welche Annahmen über die Natur des Wissens und der Wirklichkeit mit den gewählten Methoden verbunden sind. Qualitative Methoden basieren auf einer konstruktivistischen oder interpretativen Perspek‐ tive, das heißt, Wirklichkeit wird als subjektiv, vielschichtig und kontextabhängig gesehen. Quantitative Methoden hingegen auf einer positivistischen oder kritisch-realistischen Perspektive, also Wirklich‐ keit ist messbar und objektiv erfassbar. Beispiele für integrierte Forschungsdesigns Exploratives Design. Beim explorativen Design steht am Anfang die qua‐ litative Erkundung eines bislang wenig erforschten Phänomens. Methoden wie Interviews, Fokusgruppen oder Beobachtungen helfen, relevante The‐ menfelder zu identifizieren, Hypothesen zu formulieren oder die Basis für standardisierte Messinstrumente (z. B. Fragebögen, Tests) zu schaffen. Ziel ist es, ein Forschungsfeld zunächst in seiner Vielschichtigkeit zu erfassen und daraus Konzepte abzuleiten, die dann quantitativ überprüft werden können. Beispiel | Eine qualitative Vorstudie zu den Erfahrungen von Studieren‐ den mit digitalem Lernen liefert Kategorien, etwa „Selbstorganisation“, „soziale Unterstützung“, die in einer groß angelegten Umfrage mit Skalen gemessen werden. Explanatives Design. Das explanative Design hingegen beginnt mit einer quantitativen Untersuchung, die breite Muster und Zusammenhänge in den Blick nimmt. Anschließend werden qualitative Methoden eingesetzt, um diese Ergebnisse zu differenzieren oder widersprüchliche Befunde zu klären. Dabei geht es darum, „Warum-Fragen“ zu beantworten, die durch statistische Befunde allein offenbleiben. Beispiel | Eine Umfrage zeigt, dass Schüler: innen aus städtischen Regio‐ nen bessere Mathematikleistungen aufweisen. Qualitative Interviews 3.5 Mixed-Methods, innovative Methoden 259 <?page no="260"?> mit Lehrkräften und Eltern helfen, die Ursachen dafür zu verstehen (z. B. unterschiedliche Förderangebote oder außerschulische Lernumgebun‐ gen). Paralleles Design. Im parallelen Design werden quantitative und qualita‐ tive Daten gleichzeitig erhoben, aber zunächst getrennt ausgewertet. In der Interpretationsphase erfolgt die Zusammenführung. Dadurch lassen sich verschiedene Dimensionen eines Phänomens erfassen und im Abgleich umfassender interpretieren. Beispiel | In einer Gesundheitsstudie wird eine Befragung zur Häu‐ figkeit von Bewegungsaktivitäten durchgeführt, parallel werden mit qualitativen Interviews Motivationsfaktoren und persönliche Barrieren erhoben. Die Gesamtschau der Ergebnisse zeigt, dass Bewegungsmangel bspw. mit der Schichtzugehörigkeit zwar statistisch korreliert, dass aber in den Interviews zusätzlich eine Palette von Beweggründen zum Tragen kommt, subjektives Wohlbefinden, Stressabbau, Statussymbol, soziales Umfeld, soziale Normen, kulturelle Bedeutungszuweisungen usw. Triangulation ist der Einsatz mehrerer Methoden auf dieselbe Forschungs‐ frage, um die Ergebnisse zu validieren und unterschiedliche Perspektiven zu erschließen. Es gibt eine Methoden-Triangulation (verschiedene Erhebungs‐ verfahren), Daten-Triangulation (verschiedene Quellen), eine Forscher-Tri‐ angulation (mehrere Auswertende) und eine Theorie-Triangulation (unter‐ schiedliche Deutungsrahmen). Ziel ist die Erhöhung der Glaubwürdigkeit und Robustheit der Ergebnisse. Beispiel | Ein Forschungsteam möchte herausfinden, wie und warum Menschen an einer Protestbewegung teilnehmen. Es kombiniert standardi‐ sierte Umfragen, um die Teilnehmerstruktur zu erfassen, mit qualitativen Interviews, die persönliche Motive und Erfahrungen sichtbar machen. Zudem werden Medienberichte und Social-Media-Beiträge ausgewertet, um öffentliche Wahrnehmungen zu berücksichtigen. Mehrere Forschende analysieren die Daten unabhängig voneinander, und die Ergebnisse werden in verschiedenen theoretischen Perspektiven - etwa Bewegungsforschung 260 3 Die Wege der Wissenschaft <?page no="261"?> und Emotionstheorie - diskutiert. Diese Methoden-, Daten-, Forscher- und Theorie-Triangulation zeigt, dass Protest nicht nur durch rationale Kosten-Nutzen-Abwägungen, sondern auch durch emotionale Dynamiken, kollektive Identität und mediale Resonanz bestimmt ist. Reflexion • Was sind Vorteile der Kombination quantitativer und qualitativer Methoden? • Welche epistemologischen Voraussetzungen müssen geklärt sein, bevor man sich für ein Mixed-Methods-Design entscheidet? • Wie könnte ein Mixed-Methods-Design für eine Studie über das ökologische Nachhaltigkeitsverhalten von Studierenden aussehen? Interdisziplinäre und praxisnahe Forschung Auch die interdisziplinäre und anwendungsorientierte Forschung nimmt zu. Viele gesellschaftliche Probleme - etwa im Gesundheitsbereich, der Bildung, der Umwelt oder der Digitalisierung - lassen sich nicht mehr auf eine Diszi‐ plin beschränken. So arbeiten etwa Informatiker: innen, Soziolog: innen und Ethnograf: innen gemeinsam an IT-Sicherheitslösungen, die nicht nur technisch funktionieren, sondern auch mit den alltäglichen Praktiken und Verständnissen der Nutzer: innen vereinbar sind. Der Begriff Interdisziplinarität beschreibt zunächst die Kooperation von Forscher: innen unterschiedlicher Wissenschaftsdisziplinen, die sich mit einem gemeinsamen Forschungsproblem befassen. Das heißt, die beteiligten Disziplinen prüfen gegenseitig ihre Konzepte, Methoden und Fragestellun‐ gen, um sie dann sinnvoll zu kombinieren. Im Idealfall entsteht so ein integratives Erkenntnismodell (Transdisziplinarität). Interdisziplinarität ist auch eine kulturelle Aufgabe: Die Denkstile, Diskurse und Bewertungskri‐ terien der beteiligten Disziplinen müssen transparent gemacht werden. Ein gutes Beispiel ist die interdisziplinäre Forschung zur Nachhaltigkeit, in der naturwissenschaftliche Klimamodelle, wirtschaftswissenschaftliche Kosten-Nutzen-Analysen, soziologische Studien zu Verhaltensmustern und politische Maßnahmenforschung zusammenwirken. Ebenso findet man integrative Zugänge in der Gesundheitsforschung, der Bildungsforschung oder der Urbanistik. 3.5 Mixed-Methods, innovative Methoden 261 <?page no="262"?> Während viele wissenschaftliche Arbeiten der Theoriebildung oder Grundlagenforschung dienen, gibt es auch eine Tendenz zu anwendungs‐ orientierter, praxisnaher Forschung vor allem in den Sozial-, Erziehungs-, Gesundheits- und Ingenieurwissenschaften. Praxisnahe Forschung forscht nicht nur über die Praxis, sondern forscht auch mit der Praxis, etwa bei Feldforschung oder Aktionsforschung. Beispiel | Interdisziplinäre und praxisnahe Forschung IT-Sicherheit wird primär technisch gesehen, z. B. als Frage von Firewalls, Verschlüsselungsprotokollen oder Zugriffskontrollen. In der Nutzung digitaler Technologien zeigt sich jedoch, dass technische Lö‐ sungen allein nicht ausreichen. Sicherheitsrisiken entstehen nicht nur durch Programmierfehler oder Hacker-Angriffe, sondern auch durch Missverständnisse in der Nutzung von Passwörtern. Obwohl es entspre‐ chende Sicherheitslinien gibt, werden Passwörter z. B. aufgeschrieben, mehrfach verwendet usw. Ziel eines Forschungsprojektes in einem Unternehmen könnte es demnach sein, gemeinsam mit den Beteiligten Lösungen zu entwickeln, etwa einfachere Authentifizierungsmethoden. Eine solche Untersuchung ist nur interdisziplinär möglich, gefragt ist IT-Know-how genauso wie Erfahrung mit sozialwissenschaftlichen Methoden. Wichtig in der interdisziplinären und praxisnahen Forschung ist Offenheit und Sensibilität für unterschiedliche Arbeitsweisen, Methoden im Hinblick auf verschiedene Ziele, Fachtraditionen und praktische Anforderungen zu reflektieren. Dabei gibt es auch Risiken: Interdisziplinarität kann beliebig werden, wenn keine gemeinsame Grundlage vorhanden ist, und Praxisnähe kann zur bloßen Dienstleistung verkommen, wenn sie sich nur an Verwer‐ tungsinteressen orientiert. Reflexion In welchen Bereichen ist interdisziplinäre Forschung besonders wich‐ tig? Wie kann man sicherstellen, dass praxisnahe Forschung sowohl wissenschaftlichen als auch praxisbezogenen Standards genügt? Skiz‐ zieren Sie ein interdisziplinäres Forschungsprojekt mit Praxisbezug, bspw. im Bereich digitale Bildung. 262 3 Die Wege der Wissenschaft <?page no="263"?> Methoden zur Analyse komplexer Systeme In vielen wissenschaftlichen Disziplinen, insbesondere in der Soziologie, Ökonomie, Umweltwissenschaft und Systembiologie, können klassische lineare Modelle an ihre Grenzen kommen. Phänomene lassen sich nicht immer durch einfache Ursache-Wirkung-Beziehungen erfassen, da solche komplexen Systeme aus vielen miteinander interagierenden Elementen bestehen, deren Zusammenspiel nicht-linear, rückgekoppelt und unsicher ist. Komplexe Systeme haben folgende Eigenschaften: • Vielfalt und hohe Anzahl der Elemente: Zahlreiche Akteure oder Variablen mit unterschiedlichen Eigenschaften. • Interdependenz: Die Elemente beeinflussen sich gegenseitig - häufig in nicht-linearen Zusammenhängen. • Rückkopplung: Veränderungen wirken nicht nur vorwärts, sondern auch zurück auf das System. • Selbstorganisation: Muster entstehen nicht von außen gesteuert, son‐ dern aus der Interaktion im Inneren des Systems. • Emergenz: Das Ganze ist mehr als die Summe seiner Teile - es entstehen Eigenschaften, die sich aus dem Zusammenspiel der Teile ergeben. Ein klassisches Beispiel ist das Wetter: Viele atmosphärische Variablen greifen ineinander, kleine Veränderungen können große Effekte haben, der sog. „Schmetterlingseffekt“. Auch in der Soziologie gelten Gesellschaf‐ ten, Meinungsbildungsprozesse oder Bildungsinstitutionen als komplexe Systeme. Zur Erforschung komplexer Systeme wurden in den letzten Jahrzehnten neue methodische Ansätze entwickelt, die klassische lineare Verfahren erweitern oder Verfahren aus der Systemtheorie, Informatik und Physik übernehmen. Netzwerkanalyse. Die Netzwerkanalyse untersucht, wie Einheiten (z. B. Personen, Organisationen, Begriffe) miteinander verbunden sind. Dabei geht es neben den Eigenschaften der Knoten (z. B. einer Person) vor allem um die Struktur der Beziehungen: Wer ist mit wem wie stark verbunden? Wo gibt es relevante Knoten oder Brücken? 3.5 Mixed-Methods, innovative Methoden 263 <?page no="264"?> Die Netzwerkanalyse wird u. a. in der Soziologie verwendet, um die Wirk‐ samkeit von sozialen Strukturen (zusätzlich zu subjektiven Faktoren oder statistisch erfassbaren Variablen) sichtbar zu machen, in der Biologie zur Analyse von Stoffwechselwegen oder in der Informatik zur Untersuchung digitaler Kommunikationsnetze. Beispiel | In der Bildungsforschung können Netzwerke von Schüler: in‐ nen oder Lehrkräften analysiert werden, um herauszufinden, wie Infor‐ mationsflüsse oder soziale Unterstützung organisiert sind. In der Bildungsforschung kann eine Netzwerkanalyse auf Lehrkräfte und Schüler: innen angewendet werden, um herauszufinden, wie Infor‐ mationsflüsse, Kooperationen oder Unterstützungssysteme in Schulen organisiert sind. Wird zum Beispiel sichtbar, dass sich Informationswei‐ tergabe über wenige Personen konzentriert, kann dies auf Abhängigkei‐ ten oder Kommunikationsbarrieren hinweisen. Simulationen und Agent-Based Modeling. Durch die enorme Rechenleis‐ tung moderner Computer und die Verfügbarkeit großer Datenmengen lassen sich hypothetische Szenarien durchspielen, Sensitivitätsanalysen durchführen und Muster identifizieren, die in traditionellen Datensätzen verborgen blieben. So wird es möglich, komplexe Zusammenhänge abzubilden, ohne sie auf einfache Ursache-Wirkung-Schemata reduzieren zu müssen. Bei agentenbasierten Modellen (ABM) wird das System als eine Vielzahl autonomer Einheiten („Agenten“) modelliert, die nach einfachen Regeln handeln, etwa Käufer: innen am Markt oder Teilnehmende einer Diskussion. Aus den Interaktionen auf der Mikroebene entstehen Muster, die auf höherer Ebene beobachtbar sind. So lässt sich etwa in der Stadtforschung untersu‐ chen, wie sich Verkehrsflüsse entwickeln, oder in der Ökonomie, wie Märkte auf individuelle Kaufentscheidungen reagieren. Beispiel | In der Epidemiologie werden ABM-Modelle verwendet, um Infektionsprozesse auf Mikroebene nachzuvollziehen. Jede Person wird als Agent mit individuellem Verhalten (z. B. Mobilität, Hygieneverhal‐ ten, Impfstatus) modelliert. Dadurch lassen sich Szenarien simulieren, wie sich ein Virus oder ein neues Impfprogramm in Abhängigkeit von sozialen Mobilitätsmustern, Altersgruppen oder beruflicher Tätigkeit 264 3 Die Wege der Wissenschaft <?page no="265"?> ausbreitet - etwa in einer „digitalen Zwillingstadt“ auf Basis realer Mobilitätsdaten. Systemdynamik. Systemdynamische Modelle beschreiben die zeitliche Entwicklung komplexer Systeme mithilfe von Differentialgleichungen. Sie sind besonders geeignet, Rückkopplungen, Regelkreise und verzögerte Effekte zu analysieren - beispielsweise, wie Bildungsungleichheit durch soziale Reproduktion verstärkt oder gebremst wird. Ergänzend kommen mathematische Ansätze der Komplexitäts- und Chaostheorie zum Einsatz: Sie erforschen Muster in scheinbar unvorhersagbarem Verhalten und zeigen, dass auch chaotische Systeme einer inneren Ordnung folgen können. Diese Modelle werden in Bereichen wie der Klimaforschung ebenso genutzt wie in der Analyse von Finanzmärkten und können in komplexen Szenarien zur Entscheidungsfindung beitragen. Beispiel | In der Umweltforschung kann ein dynamisches Modell simu‐ lieren, wie CO₂-Emissionen, Vegetationszyklen, politische Maßnahmen und wirtschaftliche Entwicklung miteinander interagieren. So lassen sich etwa Szenarien durchspielen, wie sich verschiedene Klimapolitiken auf die Emissionen auswirken und wie sich daraus langfristig Rückkopp‐ lungen im Ökosystem ergeben. Erweiterte statistische Verfahren. Auch die klassische Statistik entwi‐ ckelt sich weiter, um komplexe Zusammenhänge besser modellieren zu kön‐ nen. Methoden wie Multilevel-Modelle, Strukturgleichungsmodelle (SEM) oder latente Klassenanalysen erlauben es, Variablen auf unterschiedlichen Ebenen gleichzeitig zu berücksichtigen. Dies ist besonders sinnvoll, wenn Einheiten hierarchisch oder verschachtelt organisiert sind (z. B. Kinder in Klassen, Klassen in Schulen, Schulen in Bildungssystemen). Beispiel | Eine Bildungsstudie kann untersuchen, wie sich die indi‐ viduelle Leistungsentwicklung der Schüler: innen (Mikroebene) durch Faktoren wie persönliche Motivation, familiären Hintergrund oder Lernzeitbedingungen erklärt. Gleichzeitig werden auf meso- und mak‐ rostruktureller Ebene schulische Rahmenbedingungen wie Lehrerquali‐ 3.5 Mixed-Methods, innovative Methoden 265 <?page no="266"?> tät, Klassengröße oder Schultyp sowie übergeordnete Bildungspolitiken berücksichtigt. So zeigt sich bspw., wie soziale Ungleichheiten sich sowohl im individuellen Lernverhalten als auch in den strukturellen Bildungschancen manifestieren. Multilevel-Analysen können etwa auf‐ decken, ob sich Effekte des sozioökonomischen Status auf die Leistung von Schüler: innen je nach Schule oder Region unterscheiden. Die Arbeit mit komplexen Systemen verlangt Sorgfalt und methodische Umsicht. Ein heikler Punkt ist das Abstraktionsniveau. Modelle müssen realistisch sein, um die entscheidenden Dynamiken nicht zu verfälschen, zugleich auch abstrahieren, damit sie interpretierbar sind. Ebenso wichtig ist die Frage der Validierung. Komplexe Modelle beruhen auf zahlreichen Annahmen über Strukturen, Interaktionen und Rückkopp‐ lungen. Diese Annahmen müssen offengelegt und durch empirische Daten gestützt werden. Modelle, die rechnerisch elegant, aber inhaltlich nicht geprüft sind, bleiben Hypothesen. Die Komplexität der Systeme erfordert auch interdisziplinäre Zusammen‐ arbeit. Erst das Zusammenspiel unterschiedlicher Fachkompetenzen - von der mathematischen Modellierung bis zum fachlichen Wissen über den Gegenstand - ermöglicht ein fundiertes Gesamtverständnis. Entscheidend für den Erfolg ist zudem eine qualitativ hochwertige Datenbasis. Wo diese fehlt, muss das Modell durch plausibel formulierte, theoretisch begründete Szenarien gestützt werden, um es nicht zu einer bloßen Spekulation ver‐ kommen zu lassen. Reflexion • Welche Phänomene lassen sich nicht mehr durch einfache Ursa‐ che-Wirkung-Zusammenhänge erklären? • Wie können Modelle helfen, soziale Dynamiken sichtbar zu ma‐ chen, ohne sie zu simplifizieren? • Welche Rolle spielt Simulation in der Wissenschaft - bilden Mo‐ delle Realität ab oder sind sie hypothetisch-explorativ? • Wie verändert sich unser Begriff von „Wissen“, wenn es um kom‐ plexe Systeme geht? 266 3 Die Wege der Wissenschaft <?page no="267"?> 3.6 Digitale, computationale Methoden, KI Die zunehmende Digitalisierung aller Lebensbereiche hat für die Wissen‐ schaften nicht nur neue Forschungsgegenstände hervorgebracht, sondern auch die methodischen Möglichkeiten zur Erhebung und Auswertung von Daten grundlegend verändert. Digitale Forschungsmethoden Digitale Forschungsmethoden umfassen den Einsatz digitaler Technologien im gesamten Forschungsprozess - etwa bei der Datenerhebung, -verar‐ beitung, -analyse oder -darstellung. Sie sind längst nicht mehr auf die Informatik oder Informationswissenschaft beschränkt, sondern kommen auch in sozial-, kultur- und geisteswissenschaftlichen Fächern zum Einsatz, etwa in der Medienforschung, den Digital Humanities, der empirischen Sozialforschung, aber auch in den Gesundheits-, Umwelt- und Ingenieur‐ wissenschaften. Dabei geht es vor allem um digitale Datenquellen wie soziale Netzwerke, Blogs, Foren, Audio- und Videomaterialien oder digitale Textarchive. Solche „natürlich“ entstehenden Daten unterscheiden sich in Struktur und Verfügbarkeit deutlich von den klassischen, von Forschenden erzeugten Daten wie Interviews oder Beobachtungen. Digitale Techniken bringen neue Möglichkeiten für Datenerhebung, Datenmanagement und Datenanalyse. Datenerhebung. Verfahren der Datenerhebung nutzen digitale Kanäle, um Daten direkt von Teilnehmenden zu erheben. Dazu gehören Online-Umfra‐ gen über Tools wie LimeSurvey, SurveyMonkey oder Google Forms sowie digitale Interviews und Fokusgruppen über Videokonferenz-Plattformen wie Zoom oder MS Teams. Der große Vorteil ist die schnelle und kostengüns‐ tige Erreichung einer geografisch weit verstreuten Stichprobe. Die Nachteile liegen in der möglichen Stichprobenverzerrung (z. B. wenn bestimmte Gruppen keinen Online-Zugang haben) und der fehlenden persönlichen Interaktion, die in einem physischen Interview mehr Tiefe schaffen kann. Beispiel | Eine Soziologiestudentin untersucht im Rahmen eines Semi‐ narprojekts die Akzeptanz von Homeoffice-Regelungen. Sie erstellt mit LimeSurvey einen Online-Fragebogen und verbreitet den Link über soziale Netzwerke. Innerhalb weniger Tage erhält sie mehrere hundert 3.6 Digitale, computationale Methoden, KI 267 <?page no="268"?> Antworten - deutlich mehr, als sie mit klassischen Papierfragebögen erreicht hätte. Die digitale Erhebung spart Kosten, Zeit und logistischen Aufwand, verlangt aber eine sorgfältige Reflexion darüber, welche Gruppen sich tatsächlich beteiligen und welche möglicherweise fehlen. Automatisierte Datenerfassung. Mit diesen Verfahren werden öffentlich zugängliche Daten aus dem Internet systematisch und in großem Umfang gesammelt, die mit manuellen Methoden unzugänglich wären - etwa Millio‐ nen von Posts, Kommentare oder Produktbewertungen. Zu den Verfahren zu gehören das Web Scraping, also das gezielte Auslesen von Informationen aus Webseiten; das Web Crawling, das „Durchkriechen“ von Seiten über Links hinweg; und die Nutzung von APIs (Application Programming Interfaces), die Plattformen wie Twitter, Facebook oder Instagram bereitstellen, um strukturierte Daten programmgesteuert abzurufen. Während Scraping und Crawling schnell an technische und rechtliche Grenzen stoßen, gelten APIs als bevorzugte Methode, da sie kontrollierte Zugänge bieten und in der Regel auch ethisch vertretbarer sind, weil sie auf einer expliziten Bereitstellung durch die Datenhalter beruhen. Beispiel | Ein Studierender der Betriebswirtschaft möchte die Preisent‐ wicklung von Elektronikartikeln über mehrere Monate hinweg analy‐ sieren. Mithilfe eines selbstgeschriebenen Web-Scrapers lädt er täglich die aktuellen Preise verschiedener Online-Shops herunter und speichert sie in einer Datenbank. So kann er Trends, saisonale Schwankungen und Preisstrategien vergleichen. Im Unterschied dazu nutzt eine Medienwis‐ senschaftlerin die Twitter-API, um alle öffentlichen Tweets mit einem bestimmten Hashtag während eines Wahlkampfs zu sammeln. Auf dieser Grundlage untersucht sie die Dynamik von Informationsflüssen und die Rolle von Retweets in politischen Diskursen. Digitale Verhaltensspuren. Digitale Verhaltensspuren entstehen passiv durch die Nutzung digitaler Systeme und ohne direkte Interaktion mit den Forschenden. Beispiele sind Klickpfade auf einer Website, die Verweildauer auf bestimmten Seiten oder die Suchhistorien von Nutzer: innen. Sie spiegeln das tatsächliche Verhalten von Nutzer: innen wider, während Befragungen lediglich Selbstauskünfte liefern. Ihr Vorteil liegt in der hohen Alltagsnähe. 268 3 Die Wege der Wissenschaft <?page no="269"?> Ihre Analyse wirft jedoch Fragen des Datenschutzes auf und verlangt klare Regeln für Anonymisierung und informierte Einwilligung. Beispiel | Eine Informatikstudentin untersucht die Benutzerfreundlich‐ keit einer Lernplattform. Sie analysiert, welche Seiten die Studierenden am häufigsten anklicken, wie lange sie dort verweilen und an welchen Stellen sie die Plattform verlassen. So lassen sich typische „Abbruch‐ punkte“ identifizieren, an denen die Navigation unklar oder die Inhalte unattraktiv erscheinen. Diese Daten liefern konkrete Hinweise für die Optimierung der Benutzeroberfläche, ohne dass die Studierenden aktiv befragt werden müssen. Netnografie ist eine qualitative Methode, die traditionelle ethnografische Prinzipien auf digitale Gemeinschaften anwendet. Forschende tauchen in Online-Foren, Gaming-Communitys oder Social-Media-Gruppen ein, um deren Sprache, soziale Normen und Verhaltensweisen durch Beobachtung und Interaktion zu verstehen. Ziel ist, die Kultur einer Online-Gruppe von innen heraus zu verstehen. Beispiel | Eine Ethnologin interessiert sich für die Praktiken von Online-Gamer: innen. Sie beobachtet über mehrere Wochen eine Com‐ munity auf Discord und analysiert, wie Mitglieder über Spielstrategien, soziale Beziehungen und Gruppenzugehörigkeit sprechen. Ergänzend beteiligt sie sich an Diskussionen, um Vertrauen aufzubauen und die Kultur der Gruppe besser zu verstehen. Ihre Forschung zeigt, dass Gaming nicht nur Unterhaltung ist, sondern auch soziale Räume schafft, in denen Zugehörigkeit und Identität ausgehandelt werden. Organisation und Datenmanagement. Digitale Forschung erfordert ein gezieltes Forschungsdatenmanagement, insbesondere die sichere Ablage der Daten, die Erstellung von Metadaten und Kodebüchern, die die Daten beschreiben und die Vorbereitung der Daten für die Archivierung und die Weiterverwendung durch andere Forschende. 3.6 Digitale, computationale Methoden, KI 269 <?page no="270"?> Beispiel | In einem internationalen Umweltforschungsprojekt sammeln verschiedene Teams Messwerte zu Luftqualität und Temperatur. Damit diese Daten vergleichbar sind, werden sie in einem gemeinsamen Repo‐ sitory gespeichert, mit Metadaten beschrieben und für alle Beteiligten zugänglich gemacht. Nur durch diese standardisierte Organisation las‐ sen sich die Ergebnisse konsistent auswerten und über Ländergrenzen hinweg vergleichen. Analyse-Software. Spezialisierte Softwarelösungen sind für die effiziente Analyse großer oder komplexer Datensätze unerlässlich. In der qualitativen Forschung bieten Programme wie MAXQDA, NVivo oder Atlas.ti Werkzeuge zur Organisation und Kodierung großer Mengen von Text-, Audio- oder Videomaterial. Sie ermöglichen die Markierung relevanter Passagen, die Anlegung von Kategorien und die Visualisierung von Zusammenhängen. In der quantitativen Forschung werden klassische Statistikprogramme wie SPSS oder Stata genutzt, die auch für Forschende ohne Programmierkennt‐ nisse geeignet sind. Für komplexere Analysen und große Datenmengen sind hingegen Programmiersprachen wie R oder Python wichtig, da sie flexible Modellierungen und die Automatisierung ganzer Analyseprozesse erlauben. Beispiel | Eine Studierende der Erziehungswissenschaft importiert Transkripte von Experteninterviews in MAXQDA, kodiert die Aussagen und erstellt Memos zu wiederkehrenden Themen - so strukturiert sie ihre qualitative Inhaltsanalyse. - Ein Public-Health-Team wertet eine groß angelegte Online-Befragung mit SPSS aus, um Faktoren der Impf‐ bereitschaft zu untersuchen - Informatiker: innen nutzen Python, um Machine-Learning-Algorithmen auf Millionen von Gesundheitsdaten anzuwenden, wodurch Muster sichtbar werden, die Hinweise auf seltene Krankheitsverläufe geben. Reflexion • Welche Verantwortung tragen Forschende beim Umgang mit per‐ sonenbezogenen Spuren im Netz? • Wo verläuft die Grenze zwischen frei zugänglichen und tatsächlich nutzbaren Daten? 270 3 Die Wege der Wissenschaft <?page no="271"?> • Wie verändert sich unser Verständnis von wissenschaftlicher Erkenntnis, wenn Daten nicht mehr gezielt erhoben, sondern massenhaft „vorhanden“ sind und erst im Nachhinein analytisch strukturiert werden? Computational Methods An der Schnittstelle zwischen Informatik, Statistik, Sozialwissenschaft und Kognitionsforschung haben sich in den letzten Jahren spezifischere, com‐ putationale Methoden etabliert. Der Begriff computational verweist auf den Einsatz von Rechenverfahren (Computation) zur Lösung wissenschaftlicher Fragestellungen. Computationale Forschung nutzt maschinelle Informati‐ onsverarbeitung, um komplexe Zusammenhänge zu identifizieren, Simula‐ tionen durchzuführen oder große Datenmengen auszuwerten. Ihr Potential liegt darin, Muster und Strukturen sichtbar zu machen, die für menschliche Analysen zu groß oder zu unübersichtlich wären. Computationale Verfahren arbeiten mit mehreren Bausteinen: Big Data sind die Grundlage, auf der die anderen Bausteine aufsetzen. Big Data sind sehr große Datenmengen, die so komplex, schnelllebig und um‐ fangreich sind, dass sie mit herkömmlichen Verfahren nicht mehr effizient verarbeitet, gespeichert oder analysiert werden können. Die Merkmale der Big Data werden anhand von drei „V“ beschrieben: • Volume (Datenmenge). Dies bezieht sich auf das enorme Ausmaß der Daten. Es geht nicht mehr um Gigabyte oder Terabyte, sondern um Petabyte und Exabyte. Ein Beispiel hierfür sind die Milliarden von Transaktionen, die täglich auf E-Commerce-Plattformen stattfinden. • Velocity (Geschwindigkeit). Die Daten werden mit hoher Geschwindig‐ keit generiert, übertragen und müssen in Echtzeit verarbeitet werden: bspw. die Datenströme aus sozialen Medien, Sensoren in IoT-Geräten oder Finanzmärkten, die kontinuierlich neue Informationen erzeugen. • Variety (Datenvielfalt). Big Data umfasst eine breite Palette von Daten‐ typen. Diese reichen von strukturierten Daten (wie Tabellen in einer Datenbank) über halbstrukturierte Daten (wie XML-Dateien) bis hin zu unstrukturierten Daten (wie Texte, Bilder, Videos und Audioaufnah‐ men). 3.6 Digitale, computationale Methoden, KI 271 <?page no="272"?> Algorithmen bilden den operativen Rechenkern in der Datenanalyse: Das sind die Verfahren, mit denen Daten verarbeitet, Simulationen durchgeführt, Optimierungsaufgaben gelöst oder Prognosen erstellt werden. Algorithmen bestehen aus Einzelschritten, die von einem Menschen oder von Computern ausgeführt werden können. Dazu müssen bestimmte Voraussetzungen ge‐ geben sein: Eindeutigkeit: Jeder Schritt muss eindeutig und präzise beschrieben sein. Unterschiedliche Personen oder Maschinen führen denselben Algorithmus in identischer Weise aus. • Endlichkeit. Ein Algorithmus darf sich nicht unendlich fortsetzen. Er muss nach einer bestimmten Anzahl von Schritten entweder zu einem Ergebnis führen oder kontrolliert abbrechen. • Korrektheit. Der Algorithmus muss das vorgesehene Problem tatsäch‐ lich lösen. Bei gültigen Eingaben liefert er das richtige und erwartete Ergebnis. • Ein- und Ausgabe. Ein Algorithmus benötigt klar definierte Eingaben und erzeugt darauf aufbauend ebenso klar definierte Ausgaben. Künstliche Intelligenz (KI) und Maschinelles Lernen (ML) sind die übergeordneten Systeme, die Algorithmen nutzen, um aus den Big Data zu „lernen“. Anstatt explizit programmiert zu werden, wie ein Problem zu lösen ist, entwickeln diese Systeme selbstständig Entscheidungsregeln, indem sie riesige Datenmengen analysieren. Large Language Models (LLMs) sind ein spezifisches, mächtiges Anwen‐ dungsfeld von KI. Sie sind ausschließlich auf Sprache spezialisiert und lernen aus gewaltigen Textkorpora. Dadurch können sie sprachliche Muster erken‐ nen und Texte generieren, die menschlicher Sprache täuschend ähnlich sind. Text-Mining und die automatisierte Inhaltsanalyse sind die praktische Anwendung dieser Bausteine auf einen bestimmten Datentyp. Sie nutzen Algorithmen, um große Textmengen zu verarbeiten und mithilfe von KI-Mo‐ dellen Themen, Stimmungen und Zusammenhänge zu erkennen. Besondere Merkmale computationaler Methoden Computationale Methoden unterscheiden sich in ihren Kernmerkmalen von herkömmlichen Methoden: 272 3 Die Wege der Wissenschaft <?page no="273"?> • Skalierbarkeit. Sie sind in der Lage, große Datensätze, sog. Big Data, zu verarbeiten. Dazu zählt die Analyse von Milliarden von Social-Me‐ dia-Beiträgen, Millionen von Bildern oder unzähligen wissenschaftli‐ chen Publikationen. • Automatisierung. Durch den Einsatz von Algorithmen und maschinel‐ lem Lernen können Analyseprozesse weitgehend automatisiert werden. Dies reicht von der Erkennung von Objekten in Bildern bis zur Identi‐ fikation von Themen in großen Textkorpora. • Entdeckung statt Hypothesentestung. Während traditionelle quantita‐ tive Forschung oft auf der Überprüfung vorab definierter Hypothesen basiert, ermöglichen computationale Methoden auch eine explorative Herangehensweise. Sie können dabei helfen, unentdeckte Muster und Zusammenhänge in den Daten zu finden, die dann als Grundlage für neue Hypothesen oder Theorien dienen können. • Interdisziplinarität. Computationale Methoden bringen oft Expertise aus der Informatik, Statistik, Mathematik und den jeweiligen Fachdiszi‐ plinen in Synergie. Dies fördert eine neue Art der Zusammenarbeit und ermöglicht die Beantwortung von Forschungsfragen, die zuvor nicht denkbar waren. Anwendungsbereiche computationaler Methoden Die Anwendungsbereiche computationaler Methoden sind äußerst vielfältig und erweitern sich stetig. Sie finden sich in nahezu allen Disziplinen, von den Sozial- und Geisteswissenschaften bis hin zu den Natur- und Ingenieurwissenschaften. Computationale Textanalyse. Ermöglicht die umfassende Untersuchung riesiger Mengen von Textdaten - von historischen Dokumenten über Nach‐ richtenartikel bis hin zu Social-Media-Feeds. Hierbei können beispielsweise automatisiert Themen identifiziert, Stimmungen analysiert oder Argumen‐ tationsmuster in politischen Diskursen aufgedeckt werden. Statt einzelne Texte zu lesen, werden ganze Korpora nach sprachlichen und semantischen Mustern durchsucht. Dazu gehören Verfahren wie die automatisierte In‐ haltsanalyse, Topic Modeling, Sentiment-Analysen oder semantische Netz‐ werkanalysen großer Textmengen aus sozialen Medien, wissenschaftlichen Publikationen oder anderen Quellen. So können Forschungsfragen etwa zur Medienwirkungsanalyse, Diskursforschung oder Linguistik in bisher unerreichter Größenordnung und Tiefe bearbeitet werden. 3.6 Digitale, computationale Methoden, KI 273 <?page no="274"?> Beispiel | In der Medienwirkungsforschung werden große Mengen journalistischer Texte aus sozialen Medien automatisch analysiert, um Themencluster, Meinungsdynamiken oder Verbreitungswege von Nach‐ richten zeitnah zu erfassen. Maschinelles Lernen identifiziert Trends und strukturiert Inhalte, die für qualitative Einzelfallstudien oder quan‐ titative Trendanalysen wertvolle Ausgangspunkte bilden. Beispiel | Eine Studentin der Politikwissenschaft könnte mit Topic Modeling Software (z. B. MALLET) eine große Sammlung von Parla‐ mentsprotokollen analysieren, um zu identifizieren, welche Themen in bestimmten Legislaturperioden dominierend waren und wie sich Debatten im Zeitverlauf entwickelt haben. Automatische Bild- und Videoanalyse setzt Algorithmen ein, um vi‐ suelle Inhalte zu interpretieren. KI-gestützte Bilderkennung, Objekt- und Szenenanalyse ermöglichen die Auswertung visueller Daten, beispielsweise in der Medizin (radiologische Bildgebung), Medienwissenschaft, Umwelt‐ forschung oder Verhaltensforschung. So können Bilddaten automatisch kategorisiert, Bewegungsabläufe erkannt oder Veränderungen im Zeitver‐ lauf detektiert werden. In den Sozialwissenschaften kann dies beispielsweise bedeuten, urbane Veränderungen durch die Analyse von Satellitenbildern zu erfassen oder kulturelle Trends in Filmen und Werbungen zu identifizieren. Beispiel | Ein Student der Architektur könnte mittels KI-gestützter Bildanalyse-Software freie, öffentlich verfügbare Satellitenbilder über Jahre hinweg analysieren, um die Ausdehnung von versiegelten Flächen in einem urbanen Gebiet zu quantifizieren und so die Effekte der Stadtentwicklung zu untersuchen. Computationale soziale Netzwerkanalyse nutzt Algorithmen, um die Strukturen und Dynamiken sozialer Beziehungen zu untersuchen. Netzwer‐ kanalysen gehen über klassische statistische Verfahren hinaus, indem sie Beziehungen, Interaktionen und Strukturen zwischen Akteuren, Gruppen oder Ereignissen als Graphen modellieren und komplexe Muster sichtbar 274 3 Die Wege der Wissenschaft <?page no="275"?> machen. Die computationale Variante erlaubt die Analyse großer, dynami‐ scher Netzwerke mit tausenden Knoten. Dies betrifft nicht nur digitale Netzwerke wie Facebook oder Twitter, sondern auch traditionelle soziale Gefüge, die durch Interaktionsdaten rekonstruiert werden. Beispiel | Eine Abschlussarbeit in Kommunikationswissenschaft könnte die Interaktionsmuster in einem großen Online-Forum analysieren, um Akteure oder die Bildung von Untergruppen innerhalb der Commu‐ nity zu identifizieren, basierend auf der Häufigkeit von Antworten oder Erwähnungen. Computationale Analyse räumlicher Daten befasst sich mit der Verar‐ beitung und Interpretation geografischer Informationen. Geoinformations‐ systeme (GIS) und räumliche Analysen erlauben die Modellierung und visuelle Aufbereitung komplexer räumlicher Zusammenhänge, bspw. in der Stadtplanung, Umweltwissenschaft oder Epidemiologie. Die Kombination mit Machine Learning ermöglicht erweiterte Prognosen und thematische Kartierungen. Beispiel | Eine Studierende der Geographie könnte mittels GIS-Software und öffentlichen Daten (z. B. Bevölkerungsdichte, Infrastruktur) die Standorte von Supermärkten in einer Region analysieren, um food de‐ serts (Gebiete mit schlechter Lebensmittelversorgung) zu identifizieren. Wissenschaftstheoretische Fragen Computationale Methoden bewegen sich im Spannungsfeld zwischen tra‐ ditionellen quantitativen und qualitativen Paradigmen. Einerseits sind sie stark daten- und algorithmusorientiert und haben damit eine Nähe zur quantitativen Forschung: Sie suchen nach Mustern, Gesetzmäßigkeiten und statistischen Zusammenhängen. Andererseits eröffnen sie durch die Verarbeitung unstrukturierter Daten - etwa Texte, Bilder oder audiovisuelle Materialien - auch Zugänge, die bislang vor allem qualitativen, interpreta‐ tiven Ansätzen vorbehalten waren. Damit verschieben sie die klassischen Grenzlinien zwischen den beiden Paradigmen. 3.6 Digitale, computationale Methoden, KI 275 <?page no="276"?> Eine Herausforderung ist die Interpretierbarkeit der Ergebnisse. Algo‐ rithmen können zwar Korrelationen und Muster identifizieren, doch die Bedeutung dieser Muster erschließt sich nicht von selbst. Sie muss weiter‐ hin durch Forschende im theoretischen, sozialen und kulturellen Kontext gedeutet werden. Besonders in sensiblen Anwendungsfeldern wie Medizin oder Recht ist diese Differenz entscheidend: Ein algorithmischer Befund allein genügt nicht, solange er nicht nachvollziehbar erklärt und kritisch eingeordnet werden kann. Hier liegt auch das Problem der Black-Box-Sys‐ teme, die zwar eine hohe Performance haben, aber auch Intransparenz. Wissenschaftstheoretisch stellt sich damit die Frage, ob Ergebnisse ohne begründbare Nachvollziehbarkeit überhaupt als wissenschaftliches Wissen gelten können. Darüber hinaus fordern computationale Methoden neue Formen der Interdisziplinarität. Informatik, Statistik und Fachwissenschaften müssen eng zusammenarbeiten, um sowohl technische Exzellenz als auch inhaltliche Relevanz und methodische Stimmigkeit zu gewährleisten. Schließlich rücken mit computationale Methoden auch ethische Fragen in den Vordergrund. Die Analyse sensibler personenbezogener Daten - etwa aus sozialen Medien oder Gesundheitsakten - macht den verantwor‐ tungsvollen Umgang mit Datenschutz, Privatsphäre und informierter Zu‐ stimmung unverzichtbar. Das Paradoxon der Black Box der KI Der Einsatz von Künstlicher Intelligenz (KI) in der Forschung, insbeson‐ dere in Form von Deep Learning oder Large Language Models, eröffnet zweifellos neue methodische Möglichkeiten - führt zugleich aber zu einer epistemologischen Irritation. Sie lässt sich als Paradox formulieren: Eine erklärungsfundierte Technologie erzeugt Ergebnisse, die sich selbst der Erklärung entziehen. Grundlage: KI als Produkt erklärender Wissenschaft. Moderne KI-Sys‐ teme beruhen auf Wissen klassischer Disziplinen wie Statistik, Optimierung, Mathematik, Informationstheorie und Logik. Ihre Architektur und die zu‐ grunde liegenden Algorithmen sind formal klar beschrieben, und auch der Trainingsprozess ist technisch nachvollziehbar. KI ist damit ein Produkt erklärender Wissenschaft, also im Prinzip erklärungsfundiert. 276 3 Die Wege der Wissenschaft <?page no="277"?> Anwendungsebene: Der Verlust an Erklärbarkeit. Sobald ein Modell trainiert ist - etwa ein neuronales Netz mit Millionen Parametern oder ein Sprachmodell mit Milliarden Textbeispielen -, verändert sich das epistemi‐ sche Profil. Die Ergebnisse sind funktional brauchbar und oft beeindruckend präzise, doch der Weg zur jeweiligen Antwort bleibt intransparent. Interne Gewichtungen, Aktivierungsmuster und statistische Korrelationen sind für Menschen nicht mehr rekonstruierbar. Das System funktioniert, aber es erklärt nicht - und es kann auch nicht erklären, wie es zu seinen Ergebnissen kommt. Epistemologische Konsequenz: Keine Begründung, nur Plausibilität. Damit verschiebt sich der Charakter des erzeugten Wissens. • KI-Ergebnisse beruhen nicht auf Ursachenanalysen oder logischen Schlüssen, sondern auf statistischen Ähnlichkeiten im Trainingskorpus. • Sie sind wahrscheinlichkeitsbasiert und formal konsistent, aber nicht im klassischen Sinn begründet. • Es entsteht ein epistemischer Schein von Wissen: also plausibel und oft nützlich, aber ohne Nachvollziehbarkeit, deduktive Ableitung oder theoretische Fundierung. Wissenschaftstheoretische Konsequenz. Dies betrifft vor allem das wissenschaftliche Wissen. Geht man davon aus, dass KI-Systeme tatsächlich wissenschaftliches Wissen generieren, dann wäre das ein wissenschafts‐ theoretisches Erdbeben. Das Ziel von Wissenschaft ist nicht nur die Produk‐ tion von Ergebnissen, sondern vor allem auch deren Nachvollziehbarkeit, das heißt ihre Begründung in logischer, theoretischer, empirischer, metho‐ discher Hinsicht. KI-Systeme hingegen liefern Antworten, die zwar für uns valide sein können, aber ohne dass wir wissen warum. Insofern entsteht eine Asymmetrie zwischen Funktionalität und epistemischer Transparenz: Die Ergebnisse sind praktisch verwertbar, aber ohne Begründung. Die Frage ist: Reicht es, wenn eine KI-Antwort funktioniert, auch wenn sie nicht begründbar ist? Wenn ja, wer trägt Verantwortung für die Anwendung und Folgen von KI-Ergebnissen? Die KI ist ein Hotspot von offenen Fragen für die Wissenschaftstheorie. 3.6 Digitale, computationale Methoden, KI 277 <?page no="278"?> Reflexion • Wie unterscheidet sich das „Wissen“, das KI generiert, von wissen‐ schaftlich begründetem Wissen? • Kann ein plausibles und praktisch funktionales KI-Ergebnis ohne explizite Begründung bzw. Erklärung als „wissenschaftlich“ gelten? • Könnte es sein, dass sich mit KI auch die Definition von Wissen verändert? • Welche Risiken entstehen, wenn Ergebnisse von KI-Systemen nicht mehr nachvollziehbar sind? 278 3 Die Wege der Wissenschaft <?page no="279"?> 4 Die Qualität der Wissenschaft Das einzige Mittel gegen Aberglauben ist Wissenschaft. Henry Thomas Buckle (1821-1862) In diesem Kapitel geht es um die Qualität der Wissenschaft, wie sie beurteilt und gesichert werden kann. Die wichtigste Voraussetzung ist die Begründung. Logik, Argumentation und Wissensorganisation sind die Werkezuge, um Begründungen korrekt, nachvollziehbar und kommunizierbar zu machen. Dann werden die Standards und Kriterien der Wissenschaftlichkeit besprochen, es wird gezeigt, wie sich mit ihnen Wissenschaft von Nicht-Wissenschaft, Pseudowissenschaft und Parawissenschaft abgrenzen lässt. Eine abschließende Checkliste soll dabei helfen, eigene Forschung inhaltlich, methodisch, wissenschafts‐ theoretisch zu reflektieren und zu begründen. Jede Forschung benötigt ein Ziel, ein Forschungsziel, einen Weg, eine Forschungsmethode und - wenn das Ziel erreicht ist - Möglichkeiten, wie die Qualität der erzielten Forschungsergebnisse gesichert, begründet, beurteilt werden kann. Neben den strategischen Zielsetzungen und For‐ schungsmethoden bildet die Qualitätssicherung den dritten Kernbereich der Wissenschaftstheorie. Die Qualität der Wissenschaft scheint auf den ersten Blick und vor allem, wenn sie funktioniert und Forschungsergebnisse in der Praxis effizient zur Anwendung kommen, eine Selbstverständlichkeit zu sein. Erst wenn Forschungsergebnisse infrage gestellt werden, erkennt man, dass die Vor‐ aussetzungen und Bedingungen von Qualität keineswegs von Haus aus klar sind. Es ist eine zentrale Aufgabe der Wissenschaftstheorie, Möglichkeiten der Sicherung der Qualität von Forschung zu reflektieren und zu etablieren. Denn fehlerhafte Studien, Betrug, Fakes, manipulierte Daten oder auch nur oder eine unklare Kommunikation oder eine voreilige Publikation von wissenschaftlichen Erkenntnissen, die noch nicht für die Öffentlichkeit be‐ stimmt sind, fliegen der Wissenschaft zehnfach um die Ohren und erschüt‐ <?page no="280"?> tern nicht nur einzelne Disziplinen, sondern das Vertrauen in Wissenschaft und Forschung und ihre Glaubwürdigkeit insgesamt. 4.1 Qualitätssicherung Qualitätssicherung heißt: die Wissenschaft prüft sich selbst. Qualitätssi‐ cherung ist keine äußere Kontrolle, sondern die institutionalisierte Form wissenschaftlicher Selbstreflexion und Selbstkorrektur der Wissenschaft. Mit Qualitätssicherung kann sie ihren eigenen Ansprüchen gerecht wer‐ den. Qualitätssicherung übersetzt die theoretischen Grundprinzipien wis‐ senschaftlicher Qualität - Objektivität, Reliabilität, Validität, Transparenz und Integrität - in überprüfbare Verfahren, ohne Qualitätssicherung blei‐ ben diese Prinzipien abstrakt. Qualitätssicherung ist insofern eine Praxis wissenschaftlicher Rationalität: Sie hält die Wissenschaft lebendig, kritisch und glaubwürdig - in der Forschungsgemeinschaft und im Hinblick auf die Gesellschaft. Wissenschaft trägt Verantwortung gegenüber der Gesellschaft. Fehler‐ hafte Ergebnisse können schwerwiegende Folgen haben: In Medizin, Tech‐ nik oder Umweltpolitik führen sie nicht nur zu theoretischen Irrtümern, sondern zu Fehlentscheidungen mit realen Konsequenzen für Gesundheit, Sicherheit und Umwelt. Qualitätssicherung bedeutet, die Bedingungen für verlässliches Wissen aktiv herzustellen und laufend zu prüfen. Sie umfasst alle Maßnahmen, die gewährleisten, dass Forschung nach‐ vollziehbar, überprüfbar und reproduzierbar bleibt: von der sorgfältigen Datenerhebung und Dokumentation über transparente Methoden bis zur kritischen Evaluation durch andere Forschende. Sie schützt vor systemati‐ schen Verzerrungen, vor Manipulation, Übertreibung oder Fehlinterpreta‐ tion. Indem sie Verfahren offenlegt, Ergebnisse überprüfbar macht und Korrektur ermöglicht, unterscheidet sie wissenschaftliches Wissen von bloßer Meinung. Ein grundlegendes Prinzip wissenschaftlicher Qualitätssicherung ist die Kumulativität: Jede Studie baut auf früheren Ergebnissen auf und wird selbst zum Baustein künftigen Wissens. Sind frühere Arbeiten ungenau oder feh‐ lerhaft, gerät das gesamte Gefüge ins Wanken. Eine präzise Dokumentation ist unverzichtbar - nur so können andere Forschende Studien nachvollzie‐ hen, replizieren und kritisch prüfen. Qualität sichert die Anschlussfähigkeit von Wissen und macht Fortschritt möglich. 280 4 Die Qualität der Wissenschaft <?page no="281"?> Ein weiteres Prinzip die Reproduzierbarkeit. Experimente und Studien müssen unter gleichen Bedingungen zu vergleichbaren Ergebnissen füh‐ ren. Wo dies nicht gelingt, wird nicht nur die einzelne Studie infrage gestellt, sondern auch das Vertrauen in den wissenschaftlichen Prozess. Reproduzierbarkeit schützt vor Irrtümern und Täuschungen, verhindert die Verschwendung von Ressourcen. Diese Transparenz und Überprüfbarkeit sind Voraussetzung für die größte Stärke der Wissenschaft: ihre Fähigkeit zur Selbstkorrektur. Qualitätssicherung ist damit zugleich eine ethische und epistemische Stra‐ tegie. Sie verlangt wissenschaftliche Redlichkeit, Verantwortungsbewusst‐ sein und die Bereitschaft zur Kritik. Peer Review, offene Daten, Replika‐ tionsstudien und ethische Richtlinien sind institutionelle Formen dieser Haltung - sie machen den inneren Anspruch der Wissenschaft öffentlich überprüfbar. Nicht zuletzt ist Qualitätssicherung die Grundlage für Vertrauen in Wissenschaft. Nur Forschungsergebnisse, die hohen Standards genügen, können verlässliche Grundlagen für technologische Entwicklungen und politische Entscheidungen sein. Nur so kann die Wissenschaft ihre Aufgabe wahrnehmen und ihrer Verantwortung gegenüber der Gesellschaft gerecht werden. Qualitätssicherung ist keine Fleißaufgabe und oder bloß ein akademi‐ sches Ritual. Die Qualität von Wissenschaft muss in der Forschungspra‐ xis immer wieder überprüft, bewiesen und sichtbar gemacht werden. Die sog. Replikationskrise in der Psychologie und in der Medizin z. B. hat ge‐ zeigt, wie schnell mangelnde Qualität das Vertrauen erschüttert. Zahlreiche vielzitierte Studien ließen sich in späteren Untersuchungen nicht wieder‐ holen. Medikamente wurden auf Basis unzureichender Evidenz getestet, Therapien empfohlen, deren Wirksamkeit zweifelhaft war. In der Öffent‐ lichkeit entstand dadurch der Eindruck, wissenschaftliche Ergebnisse seien beliebig oder manipulierbar. Komplexe Ursachen - methodische Schwächen, Publikationsdruck, selektive Berichterstattung - verdichteten sich zu einem pauschalen Vertrauensverlust. Kritiker nutzten jeden gescheiterten Replika‐ tionsversuch, um die Zuverlässigkeit der Wissenschaft insgesamt infrage zu stellen. Durch vollständige Dokumentation, transparente Methoden und 4.1 Qualitätssicherung 281 <?page no="282"?> systematische Replikationsstudien kann die Wissenschaft ihre Ergebnisse überprüfbar machen und damit Vertrauen zurückgewinnen. Qualitätssiche‐ rung schützt nicht nur vor Fehlern und Verzerrungen, sondern auch vor Wissenschaftsskepsis und Wissenschaftsablehnung. Noch deutlicher zeigt sich die gesellschaftliche Brisanz in der Klima‐ forschung. Prognosen zu Temperaturanstieg, extremen Wetterereignissen oder Meeresspiegelveränderungen beruhen auf komplexen Klimamodellen, die unzählige Variablen, Datenquellen und Annahmen verarbeiten. Diese Modelle enthalten naturgemäß Unsicherheiten, etwa hinsichtlich der Da‐ tengrundlage, der Modellparameter oder der Szenarien, mit denen künftige Entwicklungen simuliert werden. Solche Unsicherheiten sind kein Zeichen wissenschaftlicher Schwäche, sondern Ausdruck methodischer Redlichkeit. Werden diese Unsicherheiten nicht klar kommuniziert, entsteht eine Angriffsfläche für Klimaskeptiker. Klimaskeptiker können einzelne Unschärfen herausgreifen, um die Zuver‐ lässigkeit der gesamten Forschung zu diskreditieren. Und politische Akteure können wissenschaftliche Ergebnisse relativieren, mit punktuellen Zweifeln im Hinblick auf Modelle ganze Klimaprognosen diskreditieren und die internationale Klimapolitik blockieren. Qualitätssicherung betrifft demnach nicht nur die Forschungspraxis, sondern auch die kommunikative Transpa‐ renz der Forschungsergebnisse. Wissenschaftliche Qualität bedeutet nicht, absolute Gewissheit zu beanspruchen - eine solche wäre unvereinbar mit dem Charakter wissenschaftlicher Erkenntnis -, sondern Unsicherheiten nachvollziehbar zu benennen, Modelle offenzulegen und Methoden offen zu diskutieren. Ein weiteres Beispiel ist die Corona-Pandemie: Innerhalb kürzester Zeit mussten weltweit Daten gesammelt, Modelle berechnet, Medikamente ge‐ testet und Impfstoffe entwickelt werden. Forschung geschah unter enormem Zeitdruck, begleitet von öffentlicher Aufmerksamkeit, politischem Erwar‐ tungsdruck und einem ständigen Bedarf an Orientierung. In einer solchen Situation sind Irrtümer unvermeidlich. Frühe Annahmen zur Wirksamkeit bestimmter Medikamente, zu Infektionswegen, zur Mas‐ kenpflicht oder zur Dauer der Immunität mussten durch neue Erkenntnisse revidiert werden. Was im wissenschaftlichen Prozess normal ist - die laufende Selbstkorrektur durch neue Evidenz - wurde in der Öffentlichkeit jedoch vielfach als Widersprüchlichkeit oder Schwäche wahrgenommen. Wissenschaftsgläubigkeit und Wissenschaftsskepsis prallen in solchen Sze‐ narien aufeinander. 282 4 Die Qualität der Wissenschaft <?page no="283"?> Auch hier zeigt sich, dass Qualitätssicherung nicht allein in methodischer Strenge besteht. Sie verlangt ebenso eine klare und verantwortungsvolle Kommunikation von Forschungsergebnissen, Datenlagen und Unsicherhei‐ ten sowie eine sorgfältige Abwägung zwischen vorläufigen und gesicherten Erkenntnissen. Qualität bedeutet in diesem Zusammenhang, den wissen‐ schaftlichen Erkenntnisprozess selbst sichtbar zu machen - als einen Pro‐ zess, der sich fortwährend prüft, verbessert und an neue Bedingungen anpasst. So aktuell diese Beispiele sind, sie haben historische Vorläufer. Denn die Wissenschaft war nie frei von Fälschungen, Irrtümern oder gezielter Mani‐ pulation. Immer dann, wenn Irrtümer, Täuschungen oder widersprüchliche Befunde sichtbar wurden, stellte sich die Frage nach der Qualität wissen‐ schaftlicher Erkenntnis. Schon in der Antike debattierten Sophisten und Philosophen, ob Wahrheit überhaupt erkennbar sei oder ob alles nur eine Frage rhetorischer Überzeugungskunst und Manipulation sei. Im Mittelalter konkurrierten Autoritäten miteinander, theologische Dogmen setzten sich oft gegen empirische Beobachtungen durch, und wer gegen diesen Wider‐ spruch die Stimme erhob, riskierte sein Leben - man denke an Giordano Bruno, der wegen seiner Lehren auf den Scheiterhaufen kam, oder an Galileo Galilei, der seine Erkenntnisse unter dem Druck der Inquisition widerrufen musste. Fälschungen spielten ebenfalls eine Rolle: Astrologische Berechnungen, angebliche Reliquien oder manipulierte Urkunden zirkulier‐ ten als Wissen, bis sie durch kritische Prüfung entlarvt wurden. Und auch Skepsis gegenüber Wissenschaft ist keine moderne Erscheinung: Schon früh begegnete ihr Misstrauen, weil ihre Ergebnisse tradierten Alltagswahrheiten widersprachen oder Machtstrukturen infrage stellten. Vergleicht man dies mit heute, zeigen sich Parallelen. Auch gegenwär‐ tig wird wissenschaftliche Autorität von Fälschungen und „Fake News“ bedroht, unliebsame Ergebnisse werden ignoriert oder bekämpft, und auch heute stehen Forschende im Kreuzfeuer zwischen Wissenschaftsgläubigkeit auf der einen und Wissenschaftsskepsis auf der anderen Seite. Die Mecha‐ nismen sind andere, die Konfliktlinien ähnlich: Damals wie heute gilt es, Wissenschaft von bloßer Meinung, Ideologie oder Täuschung abzugrenzen und Verfahren zu entwickeln, die verlässliches Wissen sichern. Immer wieder haben sich Philosophen und Wissenschaftler darum bemüht, die Qualität und Wahrheit des wissenschaftlichen Wissens zu sichern. 4.1 Qualitätssicherung 283 <?page no="284"?> Bereits Platon hat in seinen Dialogen unterschieden zwischen δόξα (dóxa), der bloßen Meinung, und ἐπιστήμη (epistḗmē), dem begründeten Wissen, formuliert. Doxa bezeichnet Ansichten, die aus Wahrnehmung, Tradition oder subjektiver Überzeugung entstehen, ohne dass ihre Gültig‐ keit geprüft ist. Sie können zutreffen oder auch nicht, und bleiben daher unsicher und wandelbar. Episteme hingegen ist Wissen im strengen Sinn: Entsprechende Aussagen müssen durch Gründe gestützt, nachvollziehbar und überprüfbar sein. Platon verdeutlicht diese Unterscheidung z. B. in seiner Politeia (Buch VI) durch die Analogie der Linien: Wahrnehmungen und Meinungen bewegen sich im Bereich des Veränderlichen, während wissenschaftliche Erkenntnis auf das Unveränderliche, die Ideen, gerichtet ist. Qualitätssicherung bedeutet in diesem Sinn, Doxa von Episteme zu unter‐ scheiden: Hypothesen, Beobachtungen und Interpretationen müssen durch methodische Verfahren begründet, durch logische Argumente kohärent und durch transparente Dokumentation überprüfbar sein. Nur so wird aus einer bloßen Überzeugung eine wissenschaftlich gültige Aussage. Diese Unterscheidung übersetzt in die Gegenwart kann bspw. bedeuten: Die Doxa, dass schwere Körper schneller fallen als leichte, wird widerlegt und ersetzt durch die experimentell geprüfte und theoretisch begründete Episteme der Fallgesetze der Physik. Ist die Episteme dann endgültig wahres, insofern sicheres Wissen? Nein, aber es ist Wissen mit mehr wissenschaftlicher Qualität, Popper würde ver‐ mutlich sagen, es ist ein besser falsifizierbares, also überprüfbares Wissen. Und ist hier wohl auf einer Linie mit Luhmann: „In der Perspektive einer seit der Antike wichtigen Unterscheidung von sicherem Wissen (epistéme) und Meinungswissen (dóxa) könnte man zunächst vermuten, wissenschaftliches Wissen unterscheide sich vom Alltagswissen durch einen höheren Grad an Gewißheit. Dies lag denn auch in der Intention der frühneuzeitlichen Wissenschaftsbewegung mit ihrer Doppelgegnerschaft gegen Dogmatizismus und Skeptizismus. Aber das Gegenteil trifft zu. Das wissenschaftliche Wissen ist weniger sicher als das Alltagswissen. In der Interpretation von Wahrnehmungen des Alltags entstehen normalerweise keine Zweifel. Eine Rose, die man sieht, ist eine Rose, oder jedenfalls doch eine Blume. Ganz anders die Interpretation der Ergebnisse von Experimenten oder sonstigen wissenschaftlichen ‚Daten‘. Durch Wissenschaft wird nicht Sicherheit, sondern gerade Unsicherheit gesteigert - in gerade noch tolerierbaren Grenzen. Die Wissenschaft versucht, mit anderen Worten, den mit 284 4 Die Qualität der Wissenschaft <?page no="285"?> Komplexitätszunahme einhergehenden Zuwachs an Unsicherheit noch unter Kon‐ trolle zu halten. Ihre Methoden dienen der Kompensation ihrer eigenen Effekte. Deshalb kann sie Alltagsrelevanz gar nicht riskieren - oder allenfalls: in homöopa‐ thischen Dosierungen, etwa in Form geprüfter Technologien. Und deshalb muß die Wissenschaft, mit lauteren oder mit unlauteren Mitteln, System bleiben, weil sie nur so ihre eigenen Grenzen kontrollieren und sich darauf beschränken kann, zu sich selbst zu sprechen.“ (Luhmann 1990, S.-325 f.) Francis Bacon formulierte in seinem Novum Organum (1620) die Lehre von den idola. Diese „Trugbildern des Geistes“ klingen zwar konkret, aber es sind eigentlich Metaphern, die systematische Fehlerquellen des Denkens anschaulich machen. Die idola tribus (Trugbilder des Stammes) stehen für kulturell geprägte Tendenzen, in Natur und Gesellschaft mehr Ordnung zu sehen, als tatsächlich vorhanden ist. Die idola specus (Trugbilder der Höhle) verweisen auf individuelle Verzerrungen, die aus Erziehung, Sozialisation usw. herrühren. Die idola fori (Trugbilder des Marktplatzes) sind Missver‐ ständnisse, die aus der Sprache selbst entstehen, wenn Worte unscharf oder mehrdeutig sind. Und die idola theatri (Trugbilder des Theaters) bezeichnen Dogmen und Ideologien, die wie auf der Bühne eine künstliche Welt suggerieren, eine Blase, und im Gegensatz zur Bühne nicht als Fiktion, sondern als vermeintliche Realität. Reflexion Was haben die aktuellen Debatten über „Fake News“ oder „alternative Fakten“ mit Doxa, Episteme und Idola zu tun? Galileo Galilei bestand darauf, dass wissenschaftliche Erkenntnis nicht auf einmaligen Beobachtungen beruhen kann, sondern auf wiederholbaren Experimenten. Sein Anspruch auf Messung und Reproduzierbarkeit war ein radikaler Bruch mit spekulativen Naturdeutungen. Qualität bedeutet: Phänomene müssen unter gleichen Bedingungen jederzeit wieder evident sein. Galileis Verbindung von Beobachtung, Messinstrumenten und ma‐ thematischer Darstellung waren die Grundlagen für das moderne Wissen‐ schaftsverständnis. Immanuel Kant unterschied in seiner Erkenntnistheorie zwischen bloßer Meinung (opinio), subjektiver Überzeugung (fides) und objektiv gültigem Wissen (scientia). Für ihn gilt ein Erkenntnisanspruch erst dann als „Wis‐ sen“, wenn er sowohl subjektiv überzeugend als auch objektiv zureichend, 4.1 Qualitätssicherung 285 <?page no="286"?> also intersubjektiv überprüfbar und allgemein nachvollziehbar ist. Das Kriterium für wissenschaftliche Qualität ist also letztlich die Allgemein‐ gültigkeit innerhalb einer Gemeinschaft von Vernunftwesen - und nicht nur subjektive Plausibilität. Kant verschiebt den Qualitätsbegriff dabei tatsächlich in Richtung eines normativen Standards: Eine bloß empirische Bestätigung genügt nicht, wesentlich ist die reflexive Rechtfertigung und intersubjektive Anerkennung. Im 20. Jahrhundert wurde die Frage nach wissenschaftlicher Qualität noch mehr zugespitzt. Der Wiener Kreis mit seinem Programm des logischen Empirismus verband Qualität unmittelbar mit dem Kriterium der Verifika‐ tion: Aussagen sollten dann wissenschaftlich gelten, wenn sie empirisch überprüfbar oder logisch eindeutig ableitbar waren. Diese Strenge verlieh den Naturwissenschaften eine klare methodische Basis, führte aber zugleich dazu, dass viele Fragen der Geistes- und Sozialwissenschaften als sinnlos deklariert wurden. Das Prinzip der Verifikation zeigte einerseits, wie eng Qualität mit methodischen Standards verknüpft werden kann, und anderer‐ seits, wie schnell Exklusivität entsteht, wenn das Kriterium zu eng gefasst wird. Karl R. Popper lehnte die Verifikation ab, mit dem Gegenvorschlag, dass wissenschaftliche Theorien nicht durch Bestätigung, sondern durch Falsifikation zu prüfen seien. Qualität bedeutete hier: Eine Aussage muss so formuliert sein, dass sie prinzipiell widerlegt werden kann. Sein schönes Beispiel „Alle Schwäne sind weiß“ macht das deutlich: Die Beobachtung eines einzigen schwarzen Schwans reicht, um die Theorie zu Fall zu bringen. Für Popper bestand die Stärke wissenschaftlicher Aussagen darin, dass sie riskant sind: Sie halten nur so lange, bis sie widerlegt werden. Qualitätssi‐ cherung bedeutet deshalb, Theorien bewusst so zu formulieren, dass sie sich am Widerstand der Realität bewähren müssen, also dass sie falsifizierbar sind. Thomas S. Kuhn hingehen zeigt in seiner Analyse wissenschaftlicher Revolutionen (Kuhn 2023), dass Qualität nicht nur mit Methoden, sondern auch mit Paradigmen, mit in der scientific community geteilten Grundan‐ nahmen zusammenhängt. Innerhalb eines Paradigmas gilt als Qualität, was zur Lösung der darin anerkannten Probleme beiträgt. Gerät es ins Wanken, verschieben sich auch die Kriterien selbst. Qualität ist also historisch relativ und durch soziale, institutionelle und kulturelle Bedingungen definiert. Falsifizierbarkeit reicht nicht aus. 286 4 Die Qualität der Wissenschaft <?page no="287"?> „Kein bisher durch das Studium der wissenschaftlichen Entwicklung aufgedeckter Prozeß hat irgendeine Ähnlichkeit mit der methodologischen Schablone der Falsifi‐ kation durch unmittelbaren Vergleich mit der Natur. Diese Bemerkung bedeutet nicht, daß der Wissenschaftler nicht wissenschaftliche Theorien ablehnten oder daß Erfahrung und Experiment für den Prozess, in welchem sie es tun, nicht wesentlich seien. Sie bedeutet aber […], daß der Urteilsakt, der die Wissenschaftler zur Ablehnung einer vorher anerkannten Theorie führt, niemals nur auf einem Vergleich mit jener Theorie mit der Natur beruht. Die Entscheidung, ein Paradigma abzulehnen, ist immer gleichzeitig auch die Entscheidung, ein anderes anzunehmen, und das Urteil, das zu dieser Entscheidung führt, beinhaltet den Vergleich beider Paradigmata mit der Natur und untereinander.“ (Kuhn 2023, S.-80f.) Auch Paul Feyerabend (2002) lehnt den Anspruch ab, es gebe einheitliche, zeitlose Kriterien wissenschaftlicher Qualität (z. B. Objektivität, logische Strenge oder methodische Reinheit). Solche Maßstäbe unterdrücken Kreati‐ vität, Interdisziplinarität und theoretische Innovation. Stattdessen plädierte er für epistemischen Pluralismus: Verschiedene Methoden, Denkformen und Theorien sollen miteinander konkurrieren und sich gegenseitig her‐ ausfordern. Qualität entstehe nicht durch Normierung, sondern durch Vielfalt, kritische Auseinandersetzung und historische Lernprozesse. Regeln können Orientierung bieten, dürfen aber nicht zum Dogma werden. Sein berühmtes Diktum „Anything goes“ zielt nicht auf Beliebigkeit, sondern ist eine grundsätzliche Kritik an der Vorstellung einheitlicher wissenschaft‐ licher Qualitätsmaßstäbe. In der Wissenschaftsgeschichte wurden große Fortschritte - etwa bei Kopernikus, Galilei oder Einstein - gerade durch Re‐ gelverstöße ermöglicht. Diese Wissenschaftler handelten gegen die damals anerkannten Methoden, theoretischen Standards oder Beweisformen. Wenn wissenschaftliche Entwicklung faktisch immer wieder von Abweichungen lebt, kann es keine universell gültige Methode oder festen Qualitätsmaßstab geben, der allen Situationen gerecht wird. Die Gegenwart knüpft an diese Linien an, erweitert sie aber um neue Perspektiven. Erkenntnisse der Kognitionspsychologie zeigen, dass mensch‐ liches Denken durch systematische Verzerrungen anfällig ist - etwa durch Bestätigungsfehler, bei dem man unbewusst Informationen bevorzugt, die die eigene Hypothese stützen, oder durch sog. Framing-Effekte, Forschende sind nicht einfach neutrale Beobachter. Solche kognitiven Schwächen rela‐ tivieren die Verlässlichkeit einer rein subjektiven Qualitätssicherung: umso 4.1 Qualitätssicherung 287 <?page no="288"?> mehr sind begleitend auch institutionelle Mechanismen der Qualitätssiche‐ rung sinnvoll - wissenschaftliche Qualität ist kein Selbstläufer. Qualitätssicherung im Wissenschaftssystem Diese Mechanismen lassen sich in institutionelle Maßnahmen, soziale Prak‐ tiken und technisch-digitale Infrastrukturen unterteilen. 1. Institutionelle Maßnahmen: Formale Verfahren und Regel‐ werke. Wissenschaftliche Institutionen etablieren Verfahren, die for‐ mell sicherstellen sollen, dass Forschung methodisch sauber, ethisch vertretbar und nachvollziehbar ist. Zu den wichtigsten Elementen ge‐ hören: - Peer Review. Vor der Veröffentlichung wissenschaftlicher Arbeiten werden diese von unabhängigen Fachkolleg: innen begutachtet. Peer Review prüft in erster Linie methodische Solidität, theoreti‐ sche Konsistenz und Relevanz. Seine Stärke liegt in der fachlichen Nähe der Gutachter: innen - kleine Fehler, die Laien nicht erken‐ nen, fallen hier auf. Peer Review ist natürlich nicht unfehlbar. Subjektive Präferenzen, konservative Tendenzen und die Gefahr von Gefälligkeitsgutachten können die Qualität beeinträchtigen. - Ethikkommissionen. Vor allem in Medizin, Psychologie oder Sozi‐ alforschung müssen Studien, die in das Leben oder die Rechte von Menschen eingreifen, durch Ethikkommissionen genehmigt werden. Sie prüfen, ob die Risiken vertretbar und die Information und Einwilligung der Teilnehmenden gesichert sind. Der Schutz der Proband: innen steht im Vordergrund, doch auch hier kann es zu formaler Routine kommen - eine Genehmigung ersetzt keine methodische Qualität. - Akkreditierung und Evaluation. Studiengänge, Institute und For‐ schungsverbünde werden regelmäßig von externen Gutachter: in‐ nen überprüft. Hier geht es um Strukturen, Ressourcen und Pro‐ zesse, die Forschung und Lehre auf Dauer tragen sollen. - Qualifikations- und Förderlogiken. Promotions- und Habilitations‐ verfahren, Berufungen oder Drittmittelvergabe sind ebenfalls Teil der Qualitätssicherung. Anträge werden auf wissenschaftliche Relevanz, methodische Stringenz und Machbarkeit geprüft. För‐ 288 4 Die Qualität der Wissenschaft <?page no="289"?> derinstitutionen wie DFG, FWF oder ERC setzen damit eigene Qualitätsstandards. 2. Soziale Maßnahmen: Wissenschaft als kulturelle Praxis. Wissen‐ schaft lebt nicht nur von Regeln und Verfahren, sondern von einer sozialen Kultur der Kritik und Kooperation. Diese Dimension ist schwe‐ rer zu formalisieren, aber für die langfristige Qualität entscheidend. - Kritikfähigkeit und Streitkultur. Forschungsergebnisse werden nicht im stillen Kämmerlein verifiziert, sondern im Diskurs über‐ prüft. Kolloquien, Konferenzen und Fachzeitschriften schaffen Räume für Debatten, in denen Schwächen offengelegt und Theo‐ rien weiterentwickelt werden. - Zitations- und Referenzkultur. Korrekte Zitation macht nachvoll‐ ziehbar, auf welchem Vorwissen neue Erkenntnisse aufbauen. Sie verhindert nicht nur Plagiate, sondern ermöglicht es, dass Wissen anschlussfähig bleibt. Ein Problem ist, dass quasi strategisches Zitieren, Selbstzitation oder die Vernachlässigung unliebsamer Quellen die Qualität langfristig untergraben. - Transparente Autorenschaft und kollektive Verantwortung. Gerade in Großprojekten ist klar zu kennzeichnen, wer für welche Teile der Arbeit verantwortlich ist. Ghostwriting oder Gastautorschaft verletzen die soziale Integrität der Wissenschaft und gefährden das Vertrauen in die Ergebnisse. - Communities of Practice. Fachliche Netzwerke, Tagungen und Arbeitsgruppen fungieren als informelle Validierungsinstanzen. Vieles, was nie publiziert wird - Methodenprobleme, Zwischen‐ ergebnisse, nicht replizierbare Befunde - wird hier diskutiert. So haben in der Physik große Labore oft interne Vorträge und Preprint-Diskussionen, die Schwächen aufdecken, bevor ein Paper überhaupt ins Peer Review geht. 3. Technisch-digitale Infrastrukturen und Open Science. In den letz‐ ten Jahren hat sich eine dritte Säule etabliert: digitale Verfahren und offene Wissenschaftspraktiken. Sie ergänzen die klassischen Mechanis‐ men, indem sie Transparenz und Nachprüfbarkeit erhöhen. - Open Data und Open Methods: Durch die Veröffentlichung von Rohdaten, Code und Methoden wird es möglich, Ergebnisse zu prüfen und Studien zu replizieren. In der Klimaforschung z. B. können heute komplette Datensätze und Analyse-Skripte herun‐ tergeladen werden, was die Entdeckung von Fehlern erleichtert. 4.1 Qualitätssicherung 289 <?page no="290"?> - Replikationsprojekte und Preprint-Server. Digitale Plattformen er‐ möglichen es, Ergebnisse schnell verfügbar zu machen und vor der formalen Publikation zu diskutieren. Preprints und Replikationsinitiativen stärken die offene Qualitätskontrolle, auch wenn sie die traditionellen Publikationslogiken herausfordern. - Forschungsdatenmanagement und Langzeitarchivierung. Techni‐ sche Infrastruktur wie Repositorien, DOI-Systeme und Datenban‐ ken verhindert, dass Forschung „verschwindet“. Sie ist Teil einer nachhaltigen Qualitätssicherung, da nur dokumentierte und zu‐ gängliche Ergebnisse langfristig überprüfbar sind. Reflexion • Wie würden Sie Qualität in Ihrem eigenen Fachgebiet definieren - und an welchen Beispielen ließe sich mangelnde Qualität zeigen? • Ist „Falsifizierbarkeit“ ein hinreichendes Qualitätskriterium oder braucht es zusätzliche Maßstäbe (etwa Transparenz, Replizierbar‐ keit, ethische Verantwortung)? • Wie sollten Unsicherheiten und Irrtümer kommuniziert werden, damit sie nicht als Schwäche, sondern als Teil wissenschaftlicher Qualität verstanden werden? 4.2 Nichts ohne Begründung Wissenschaft erhebt den Anspruch, neues Wissen zu finden, das über individuelle Meinungen hinausgeht, und es auch so begründen, dass es intersubjektiv nachvollziehbar, überprüfbar und kritisierbar ist. Die Frage nach der Qualität wissenschaftlicher Forschung betrifft daher nicht ein Randthema, sondern den Kern wissenschaftlicher Praxis. Die Qualitätssi‐ cherung baut auf Kritik und Bereitschaft zur Selbstkorrektur, stützt sich auf Standards und Gütekriterien und institutionelle Maßnahmen. Aber Standards und Kriterien allein genügen nicht. Wissenschaft muss bereits im Forschungsprozess ihre Aussagen und Ergebnisse begründen, sie muss den Nachweis erbringen, warum aus empirischen Daten oder theoretischen Prämissen logisch korrekt bestimmte wissenschaftliche Aussagen folgen. Während Standards und Gütekriterien quasi anhand von Prüflisten den Rahmen von Wissenschaftlichkeit definieren, sorgen logische Strukturen, argumentative Kohärenz und überprüfbare Schlussweisen dafür, dass wis‐ 290 4 Die Qualität der Wissenschaft <?page no="291"?> senschaftliche Aussagen in der Sache nachvollziehbar und intersubjektiv anschlussfähig werden. Der Kern der Qualitätssicherung der Wissenschaft ist die Begründung. Die Begründung ist der Prozess (oder das Resultat), eine Aussage, Überzeugung, Handlung oder Norm durch andere Aussagen, Fakten oder Prinzipien zu stützen und so ihre Geltung, Akzeptabilität oder Plausibilität nachvollziehbar zu machen. Begründung unterscheidet wissenschaftliche Erkenntnis von bloßen Be‐ hauptungen, Alltagswissen oder politisch autoritärer Argumentation. Be‐ gründung ist kein einmaliger Akt, sondern ein fortlaufender Prozess. Gründe können sich als unzureichend erweisen, neue Daten oder Theorien können bestehende Erklärungen entkräften. Wissenschaft bleibt daher vorläufig, offen für Kritik und auf Revision angelegt. Ihre Qualität entsteht im Zusammenspiel von empirischer Evidenz, theoretischer Rahmung, me‐ thodischer Strenge, argumentativer Kohärenz und normativen Standards. Im Folgenden wird die Begründung als Grundlage wissenschaftlicher Qualität in unterschiedlichen Perspektiven entfaltet. Begründen, Gründe und Grundprinzipien zu suchen, gehört selbst zu den ältesten Fragen der Philosophie. Schon lange vor der modernen Wissenschaft hat man nach dem Ursprung, dem tragfähigen Fundament und den Rechtfertigungen von Wissen gefragt. Zunächst geht es deshalb um eine kleine Geschichte der Begründung und ihre Wurzeln in der antiken Philosophie (archḗ), um ontologische und epistemologische Dimensionen sowie das Problem der Letztbegründung. Anschließend werden Formen von Argumentation und Logik, Fragen der Wissensorganisation sowie die Standards und Kriterien der Qualitätssicherung behandelt. Begründung in der Geschichte der Philosophie Die Begründung ist ein Thema einer langen Ideengeschichte. Schon in der Antike beschäftigt man sich mit der Frage, worauf sich das Wissen über die Welt stützen lässt - wo alles beginnt. Der erste Schritt führte jedoch nicht über die Epistemologie, sondern über die Ontologie: Die Vorsokratiker 4.2 Nichts ohne Begründung 291 <?page no="292"?> suchten nach der Arché, dem Anfang, dem Grundprinzip, aus dem sich die Welt und ihre Ordnung erklären lässt. Das Thema des „Anfangs“ hängt auch mit der Begründung zusammen. Philosophie sucht nach Fundamenten und letzten Gründen. Epistemolo‐ gisch: Wie ist Erkenntnis überhaupt möglich? Oder ontologisch: Was ist das Erste, das existiert? Oder axiologisch: Was ist die grundlegende Norm, der grundlegende Wert? Der Versuch einer ontologischen Letztbegründung der Welt war indirekt auch eine Begründung für die Möglichkeit des Wissens: Wer den Ursprung der Welt kennt, kann sie auch epistemologisch erschließen. Mit Sokrates und Platon verschob sich die Aufmerksamkeit zum Teil vom Sein zum Wissen, von der Frage nach dem Ursprung der Welt zur Frage nach der Begründung von Aussagen über die Welt. Aristoteles legte den Fokus ganz auf logische und methodische Begründung der Erkenntnis. So spannt sich ein Bogen von der Arché der Vorsokratiker über die epis‐ temologische Wende bis hin zur modernen Wissenschaft, in der Begründung und Logik die wesentliche Garantie für die Qualität wissenschaftlichen Wissens sind. Der „Anfang“ in der Philosophie war der Anfang der Philosophie Warum ist der Anfang ein philosophisches Thema? Wir kennen alle die Bedeutung von Anfang, z. B. in zeitlicher Hinsicht (Der Anfang des Abends ist der Sonnenuntergang.) oder in räumlicher (Der Anfang des Hauses ist die Tür, der Anfang dieses Buches ist die Seite 1.). Der Begriff Anfang stellt uns Möglichkeiten zur Verfügung, die Wirklichkeit zu beschreiben. Aber nicht nur, der Anfang hat ein überschießendes Potential, das die menschliche Vorstellung in spekulative Sphären versetzt: Wenn alles einen Anfang hat, dann muss auch die Welt im Ganzen einen Anfang haben. Ob nun dieser Analogieschluss zurecht besteht oder nicht: jedenfalls haben hier Mythologien, Religionen, Philosophien und Theorien in der Physik auch ihrerseits ihren Anfang: ein Gott als Schöpfer, der erste Beweger, der Big Bang usw. Immer wieder wurde versucht, alles, wirklich alles, auf ein erstes oder (wie auch immer) letztes Fundament zu begründen, also hinter den vielen relativen Anfängen einen, den absoluten Anfang zu finden. Der Anfang ist demnach eine große Frage der Philosophie - und diese Frage markiert in der Antike auch den Anfang der Philosophie selbst. Die Versuche, die Frage des Anfangs nun nicht mehr mythologisch, sondern ontologisch und epistemologisch, auf jeden Fall wissenschaftlich zu beant‐ 292 4 Die Qualität der Wissenschaft <?page no="293"?> worten, war der Übergang vom mythologischen zum rationalen Denken und der Anfang der Philosophie. Es lohnt sich ein Blick in diese Vergangenheit. Exkurs | Der Mythos über den Anfang der Welt Im antiken Griechenland gibt mehrere Schöpfungsmythen, die bekann‐ teste Genealogie der Götter findet sich in Hesiods „Theogonie“ (ca. 700 v. Chr.). Zuerst war (das) Chaos (Χάος), ein gähnender, unermesslicher Abgrund, aus dem die ersten Urwesen entstanden, die Urkräfte des Kosmos, zuerst Gaia (Γαῖα), die Erde, Uranos (Οὐρανός), der Himmel, Pontos (Πόντος), das Wasser, Tartaros (Τάρταρος), die Unterwelt, Eros (Ἔρως), die Lust und die Liebe, und manch andere. Uranos hasste seine Kinder, sein jüngster Sohn Kronos (Κρόνος), die Zeit, entmannte ihn mit einer Sichel, aus dem Blut entstanden die Giganten, die Erinnyen und die Nymphen, aus dem Schaum, der entstand, als Uranos' Genitalien ins Meer fielen, wurde Aphrodite geboren. Kronos war noch ärger als sein Vater, er verschlang alle Kinder, die er mit Rhea (griech. Ῥέα), der Fruchtbarkeit, zeugte. Aber Rhea rettete ihren jüngsten Sohn Zeus (Ζεύς), indem sie Kronos einfach einen in Windeln gepackten Stein verabreichte. Nach langen Kämpfen mit den Titanen wird Zeus zum Herrscher über Götter und Menschen. Die Protagonisten der Mythologie haben in ihren Leidenschaften, Kon‐ flikten und familiären Beziehungen Ähnlichkeiten mit mit Menschen, natürlich überzeichnet. Rational begründet wird gar nichts, es gibt aben‐ teuerliche Szenarien für die Entstehung der Götter, wie Masturbation, Entmannung, Verschlingen. Zeus schließlich gelingt es, für Ordnung zu sorgen im Olymp und in der Welt: Auch weil das Weltbild und das Menschenbild in der griechischen Religion und Kultur durch die Mythologie geprägt wurde. Die frühen Philosophen im antiken Griechenland, die sog. Vorsokratiker, waren primär damit beschäftigt, ein erstes Prinzip zu finden, aus dem alles Seiende hervorgeht und woraus sich die Vielfalt der Welt erklären lässt. Sie gingen davon aus, dass den Erscheinungen und Veränderungen der Welt materielle Prinzipien zugrunde liegen. Diese Prinzipien haben zwar noch eine Ähnlichkeit mit den vormaligen Göttern, sie werden aber nicht 4.2 Nichts ohne Begründung 293 <?page no="294"?> mehr metaphorisch mithilfe von anthropomorphen Gestalten konkretisiert, sondern mit Begriffen - also der Übergang vom Mythos zum Logos. Exkurs | Der Logos über den Anfang der Welt Thales von Milet (624-544 v. Chr.), vermutlich der erste Philosoph, sah im Wasser den Ursprung allen Seins, es ist das Element, aus dem alles entsteht und zu dem alles zurückkehrt. - Anaximander (610-547 v. Chr.) ging schon einen Schritt weiter in der Abstraktion und meinte, der Ursprung könne nicht ein konkreter Stoff sein, sondern das Apeiron, das Unbegrenzte - ein ewiges, unbestimmtes Prinzip jenseits aller Ge‐ gensätze. - Anaximenes (585-525 v. Chr.) hingegen sah in der Luft den Urstoff, aus dessen Verdichtung und Verdünnung sich alle Dinge bilden: aus Luft wird Wasser, Erde, Feuer. - Heraklit von Ephesos (ca. 540-475 v. Chr.) betonte die ständige Veränderung: Alles sei im Fluss (πάντα ῥεῖ, panta rhei), und das Feuer sei der Urstoff, Symbol der Wandlung und Bewegung. Empedokles (495-435 v. Chr.) ging von vier Elementen aus, Feuer, Wasser, Erde und Luft, alles ist davon eine Mischung. - Für Demokrit (460-370 v. Chr.) besteht die Welt aus dem Leeren und den Atomen (ἄτομοi, atomoi). Alle Veränderungen entstehen durch Zu‐ sammenstoßen, Trennen und Neuordnen dieser Teilchen. - Parmenides (ca. 515-450 v. Chr.) hingegen argumentierte radikal für die Einheit und Unveränderlichkeit des Seins und sah die sinnliche Erfahrung des Wandels als Illusion. - Ein Sprung in der Geschichte: Für Aristoteles (384-322 v. Chr.) ist jede Veränderung, also jede Bewegung (κίνησις, kinesis) die Verwirklichung einer Möglichkeit; um einen unendlichen Regress von Ursachen für die Bewegung zu vermeiden, verwendet er das theoretische Konstrukt des πρῶτον κινοῦν ἀκίνητον (prōton kinoun akinēton), eines unbewegten Ersten Bewegers, als Anfang und erste Ursache. Der Anfang in der epistemologischen Begründung Diese Etappe in der Geschichte ist nicht nur der Anfang der Philosophie, die ab jetzt die Frage nach dem Anfang der Welt rational und logisch zu beantworten versuchte, sondern die Philosophie hat sich da auch ein neues Problem eingehandelt: die Frage nach dem Anfang des Logos, und das heißt, nach der ersten oder letzten Begründung der Erkenntnis. Wenn alles auf einem 294 4 Die Qualität der Wissenschaft <?page no="295"?> Urprinzip beruht, was begründet dieses Urprinzip selbst? In der Frage der sog. Letztbegründung scheiden sich die Geister schon daran, wie, mit was begründet werden kann, mit der Erfahrung oder mit der Vernunft, empirisch oder rational. Schon Platon (ca. 428-ca. 348/ 347 v. Chr.) favorisierte die Vernunft, die Erkenntnis bedarf universeller, angeborener Ideen, Aristoteles hingegen setzte auch auf Sinneserfahrung - im bekannten Fresko La scuola di Atene von Raffaello Sanzio da Urbino weist Platon mit dem Zeigefinger nach oben, Aristoteles hält die Hand horizontal und bleibt auf dem Boden. In der Neuzeit hat sich der Fokus noch mehr in Richtung Erkenntnis und Wissenschaft verschoben. So forderte Francis Bacon (1561-1626) eine empirische Wissenschaft, die auf Beobachtung, Induktion, Mathematik und Experiment beruht, um die Wissenschaft auf sichere Fundamente zu stellen. René Descartes (1596-1650) hingegen setzte auf die rationale Wissenschaft, die aus evidenten Grundsätzen logische Schlüsse ableitet. Er war überzeugt, auf der Grundlage seines Prinzips Cogito, ergo sum („Ich denke, also bin ich“), ein evidentes, unbezweifelbares Faktum, die Existenz der Welt und sogar die Existenz Gottes beweisen zu können. Die Probleme der Begründung verschärfen sich zusehends. Egal ob Empirismus oder Rationalismus, man landet notgedrungen beim Regressproblem, bei der Frage, wie man Erkenntnis, ein System von Aussagen so begründen kann, dass diese Begründung selbst nicht mehr begründet werden muss. Schon der Skeptiker Sextus Empiricus (ca. 150 - ca. 250) in der Spätantike und später Hans Albert (1968) zeigen, dass es für den Versuch einer Letztbegründung prinzipiell drei Optionen gibt, die letztlich erfolglos bleiben: • der unendliche Regress, der regressus ad infinitum, das heißt, jede Begründung bedarf einer weiteren Begründung, auch diese selbst wieder ohne Ende; • der Zirkelschluss, der circulus vitiosus, eine Aussage wird durch eine andere begründet, die wiederum auf die erste zurückführt, • der dogmatische Abbruch, die petio principii, die Begründungkette wird abgebrochen, eine Aussage wird ohne weitere Begründung, also nicht argumentativ, sondern autoritär als begründet deklariert. Dieses Szenario hat Hans Albert (1991) als „Münchhausen-Trilemma“ be‐ zeichnet - der bekannte Baron von Münchhausen, der sich an eigenen Haaren aus dem Sumpf ziehen will. Mittlerweile ist diese Skepsis im Hinblick 4.2 Nichts ohne Begründung 295 <?page no="296"?> auf Letztbegründung state of the art. Erkenntnis, Wissen, Wissenschaften gelten als kontingent, historisch und situativ relativ, prinzipiell fallibel, hypothetisch, offen. Es gibt in der Wirklichkeit nicht den Anfang oder ein erstes Fundament - wenn schon nur als theoretisches Konstrukt. Das ist auch der Standpunkt von Karl R. Popper, einem der vehementesten Kritiker der Letztbegründung. Wissenschaftliche Theorien können niemals endgültig verifiziert werden, sondern sich nur vorläufig bewähren. Die Falsifikation als ein Verfahren der systematischen Widerlegung ersetzt die Begründung durch Verifikation. Eine Theorie ist wissenschaftlich, wenn sie prinzipiell falsifizierbar ist. Damit wird die Qualitätssicherung in der Wis‐ senschaft nicht durch positive Begründung, sondern durch die Offenheit für Kritik und die Bereitschaft zur Revision gewährleistet. Popper lehnt insofern die Induktion als logisch unhaltbar ab und sieht in der deduktiven Prüfung von Hypothesen den einzig rationalen Weg. Diese Position vermeidet das Trilemma, um den Preis, dass keine positive epistemische Rechtfertigung formuliert werden kann. Die Frage bleibt, ob ein rein kritisches Verfahren ausreicht, um wissenschaftliche Rationalität zu sichern. Kohärenz. Eine Option, das Regressproblem zu vermeiden, ist, Begrün‐ dung im Sinne von Kohärenz als Netzwerk gegenseitiger Stützung zu sehen. Aussagen gelten als begründet, wenn sie sich in ein kohärentes System einfügen. Stephen Toulmin (1996) z. B. kritisiert die formale Logik als abstrakt und lebensfern und entwickelt ein Argumentationsmodell, das die Struktur von Alltags- und wissenschaftlichen Argumenten besser abbildet. Er unter‐ scheidet zwischen Behauptung, Daten, Rechtfertigung, Stützung, Modalität und Gegenargument. Argumente werden kontextabhängig bewertet und be‐ gründet: z. B. werden in den Sozialwissenschaften oft empirische Daten und theoretische Begründung durch ethische oder kulturelle Kontexte ergänzt. Qualitätssicherung ist also nicht ausschließlich formallogisch, sondern auch durch argumentative Kohärenz und Kontextsensitivität möglich. Das Problem liegt hier jedoch in der der Frage nach dem Kriterium: Was macht ein kohärentes System zuverlässig? Die Prinzipien der Kohärenz selbst sind nicht via Kohärenz begründbar. Zudem bleibt offen, ob Kohärenz allein ausreicht, um Wahrheit oder Begründung zu sichern, vor allem wenn mehrere kohärente, aber widersprüchliche Systeme denkbar sind. Reflexive Begründungen - eine weitere Option - versuchen, Prinzi‐ pien zu begründen, die allerdings in der Forschungspraxis wenig ergiebig und methodisch unsicher sind. Es bleibt fraglich, ob reflexive Strukturen (wie sie vor allem in der Hermeneutik formuliert werden) tatsächlich eine 296 4 Die Qualität der Wissenschaft <?page no="297"?> Letztbegründung ermöglichen oder nur das Problem verschieben. Nicht zu‐ letzt wird auch die normative Dimension ausgeklammert. Jürgen Habermas weist daraufhin, dass viele Begründungen durch Machtverhältnisse oder unausgesprochene Voraussetzungen verzerrt sind. Seine Idee der idealen Sprechsituation fordert, dass Argumente nur dann gültig sind, wenn sie in einem herrschaftsfreien Diskurs zustande kommen. Dies ist relevant für die Technikfolgenabschätzung, wo Bürgerdialoge und partizipative Verfahren eingesetzt werden, um rationale und demokratisch legitimierte Entscheidungen zu ermöglichen. Habermas zeigt, dass Qualitätssicherung nicht nur eine logisch epistemische, sondern auch eine kommunikative Dimension hat. Allerdings bleibt sein Konzept abhängig von idealisierten Kommunikationsbedingungen, die in der Realität selten erfüllt sind. Das war ein kleines Panorama: Insgesamt wurde die Idee einer Letztbegrün‐ dung in der modernen Wissenschaftstheorie aufgegeben. Vielmehr gibt es Konzepte wie Falsifikation, Fallibilismus, argumentative Kohärenz, diskur‐ sive Legitimation. Die Qualitätssicherung in der Wissenschaft erfolgt nicht über absolute Gewissheiten, sondern durch methodische Transparenz, kri‐ tische Offenheit, argumentative Nachvollziehbarkeit und kommunikative Fairness. Aber weiterhin gilt: Die Voraussetzung der Qualitätssicherung der Wissenschaft ist die Begründung, unabhängig davon, ob sie Theorien inhaltlich bis ins Letzte sichern, also eine Letztbegründung leisten kann - oder ob ihre Stärke auch in formaler Hinsicht zu suchen ist. Hier kommen Logik und Argumentation ins Spiel. 4.3 Logik und Argumentation Die Logik ist die Grundlage für die Begründung, für formal korrektes Schließen und Argumentieren. Sie befasst sich mit den Prinzipien und Gesetzen des korrekten Denkens und Schließens. Im Kern geht es in der Logik um die Struktur von Argumenten und um die Bedingungen, wann eine Schlussfolgerung gültig ist, das heißt, wann sie zwingend aus den Prämissen folgt, unabhängig vom Inhalt. Logik ist insofern primär formal: Eine Schlussfolgerung kann gültig sein, auch wenn ihre Prämissen tatsächlich falsch sind. Die Logik prüft nicht die empirische Wahrheit der Prämissen, sondern ausschließlich die formale Korrektheit der Schlussweise. 4.3 Logik und Argumentation 297 <?page no="298"?> Die Argumentation ist der aktive Prozess, in dem wir Behauptungen (Thesen) mit Gründen (Prämissen) stützen, um andere zu überzeugen oder unsere eigenen Überzeugungen zu rechtfertigen. Dabei nutzen wir die Prinzipien der Logik, um die Kohärenz und Gültigkeit unserer Schlussfol‐ gerungen sicherzustellen. Die Argumentation ist die Praxis des rationalen Diskurses. Logik prüft die Gültigkeit der Schlussfolgerungen: Wenn alle Metalle sich bei Erwärmung ausdehnen und Eisen ein Metall ist, dann folgt gültig, dass Eisen sich bei Erwärmung ausdehnt. Logik garantiert also, dass aus wahren Prämissen keine falschen Konklusionen abgeleitet werden. Sie sichert die interne Konsistenz wissenschaftlicher Theorien. Argumentation hingegen trägt die Begründung in die wissenschaftliche Gemeinschaft. In der Klimaforschung etwa werden verschiedene Szenarien vorgestellt, diskutiert und kritisch geprüft. Argumentation sorgt dafür, dass Gründe transparent gemacht und Einwände berücksichtigt werden. Damit ermöglicht sie kollektive Rationalität, auch wenn absolute Gewissheit nicht erreicht wird. Die Logik ist das Regelwerk, die Argumentation das Spiel nach diesen Regeln. Ohne Logik wäre Argumentation willkürlich und nicht nachvollziehbar. Ohne Argumentation wäre die Logik ein abstraktes Regelsystem ohne prak‐ tische Anwendung im Diskurs. Sie sind untrennbar miteinander verbunden. In der wissenschaftstheoretischen Reflexion sind vor allem zwei formale Logiksysteme von Bedeutung: die Aussagenlogik und die Prädikatenlogik. Die Aussagenlogik analysiert elementare Verknüpfungen ganzer Aussagen und deren Wahrheitswerte. Die Prädikatenlogik berücksichtigt darüber hinaus auch die interne Struktur von Aussagen - sie erlaubt es, über Eigenschaften, Relationen und Mengen (wie „alle“ oder „einige“) präzise zu sprechen. Gerade diese Fähigkeit macht sie zu einem unverzichtbaren Instrument für die Formalisierung wissenschaftlicher Hypothesen und Ge‐ setzesaussagen. Neben diesen logischen Systemen sind die Schlussweisen der Deduktion, Induktion und Abduktion wesentlich für die Wissenschaft. Sie beschreiben verschiedene Arten des Schließens, mit denen Theorien entwickelt, geprüft 298 4 Die Qualität der Wissenschaft <?page no="299"?> oder erklärt werden. Darüber hinaus gibt es weiterführende Logiksysteme wie Modallogiken (z. B. für Normen), temporale Logiken (für zeitliche Relationen) oder mehrwertige Logiken (zur Modellierung von Unsicherheit und Vagheit), die jeweils spezifische Anforderungen in Wissenschaft und Technik erfüllen. Aussagenlogik Die Aussagenlogik - auch Junktorenlogik oder Propositionslogik - ist das einfachste formale System und gleichzeitig die Grundlage für alle weiterführenden logischen Strukturen. Aussagen sind hier unstrukturierte Einheiten, denen ein eindeutiger Wahrheitswert zugewiesen wird: wahr (w) oder falsch (f). Beispielsätze wie „Die Erde ist eine Kugel“ (w) oder „2 + 2 = 5“ (f) sind klassische Aussagen in diesem Sinn. Dagegen gelten Fragen, Befehle oder Ausrufe nicht als Aussagen im logischen Sinn, da sie keinen Wahrheitswert tragen. Zur Abstraktion werden Aussagen durch Variablen wie P, Q oder R ersetzt, formalisiert. Logische Operatoren - die sogenannten Junktoren - verbinden diese Aussagen miteinander und ermöglichen die Konstruktion logischer Ausdrücke. Grundbausteine Aussagen (Propositionen). In der Aussagenlogik sind dies Sätze, denen eindeutig ein Wahrheitswert zugewiesen werden kann - sie sind entweder wahr (w) oder falsch (f), aber nie beides gleichzeitig und auch nie keines von beidem. „Die Erde ist eine Kugel.“ (wahr); „2 + 2 = 5.“ (falsch); „Es regnet.“ (kann wahr oder falsch sein, je nach Situation). Keine Aussagen sind Fragen („Regnet es? “), Befehle („Mach die Tür zu! “), Ausrufe („Oh weh! “). Aussagenvariablen. Um die innere Struktur von Aussagen zu abstrahieren, werden sie durch Buchstaben repräsentiert, meist P, Q, R, S oder A, B, C. P könnte für „Es regnet“ stehen, Q für „Die Straße ist nass“. 4.3 Logik und Argumentation 299 <?page no="300"?> Logische Operatoren (Junktoren) Die Aussagenlogik verknüpft diese einfachen Aussagen zu komplexen Aussagen mithilfe von logischen Operatoren (oder Junktoren). Die Bedeutung dieser Operatoren wird durch sog. Wahrheitstafeln exakt definiert: Sie geben an, welchen Wahrheitswert die zusammengesetzte Aussage in Abhängigkeit von den Wahrheitswerten (W für wahr, F für falsch) ihrer Teilaussagen annimmt. • Negation (-P): „nicht P“ - kehrt den Wahrheitswert um. -P („Es regnet nicht“). P -P W F Wenn P wahr ist, ist -P falsch. F W Wenn P falsch ist, ist -P wahr. • Konjunktion (P ∧ Q): „P und Q“ - nur wahr, wenn beide Teilaussagen wahr sind. P∧Q („Es regnet und die Straße ist nass“). P Q P ∧ Q W W W Wenn P wahr ist und Q wahr ist, ist P ∧ Q wahr. W F F Wenn P wahr ist und Q falsch ist, ist P ∧ Q falsch. F W F Wenn P falsch ist und Q wahr ist, ist P ∧ Q falsch. F F F Wenn P falsch ist und Q falsch ist, ist P ∧ Q falsch. • Disjunktion (P ∨ Q): „P oder Q“ - wahr, wenn mindestens eine der Aussagen wahr ist. Dies ist das inklusive Oder der Logik, „Oder“ wird üblicherweise exklusiv gebraucht im Sinne von „Entweder - Oder“. P∨Q („Es regnet oder die Sonne scheint“). 300 4 Die Qualität der Wissenschaft <?page no="301"?> P Q P ∨ Q W W W W F W F W W F F F • Implikation (P → Q): „Wenn P, dann Q“ - falsch nur dann, wenn P wahr und Q falsch ist. P → Q („Wenn es regnet, dann ist die Straße nass“). P Q P → Q W W W W F F F W W F F W Aber: Wenn P falsch ist, ist P→Q wahr, unabhängig davon, ob Q wahr oder falsch ist. Wenn es nicht regnet, ist die Aussage „Wenn es regnet, dann ist die Straße nass“ wahr, unabhängig davon, ob die Straße nass ist oder nicht. Die Implikation beschreibt eine logische oder kausale Abhängigkeit, aber keine wechselseitige Verbindung. Das heißt, aus P → Q folgt nicht Q → P: „Wenn es regnet, ist die Straße nass“ folgt nicht „Wenn die Straße nass ist, regnet es.“ Das wäre der Fehlschluss der affirmatio consequentis. Die Straße kann auch aus anderen Gründen nass sein (z. B. durch Reinigung oder Wasserrohrbruch). • Äquivalenz (P ↔ Q): „P genau dann, wenn Q“ - wahr, wenn beide Aussagen den gleichen Wahrheitswert haben. P↔Q („Es regnet genau dann, wenn die Straße nass ist“). 4.3 Logik und Argumentation 301 <?page no="302"?> P Q P ↔ Q W W W W F F F W F F F W Äquivalenzen werden z. B. verwendet, um Definitionen zu formulieren: „Eine Zahl ist gerade genau dann, wenn sie durch 2 teilbar ist.“ Gültigkeit von Argumenten in der Aussagenlogik Ein Argument in der Aussagenlogik besteht aus einer Reihe von Prämissen und einer Konklusion Ein Argument ist logisch gültig, wenn es unmöglich ist, dass alle Prämissen wahr sind und die Konklusion dennoch falsch ist. Die Gültigkeit hängt ausschließlich von der logischen Form ab, nicht vom Inhalt. Für die Argumentation gibt es unter anderem diese Schlussfiguren, die immer gültig sind: • Modus ponens: ((P→Q)∧P)→Q Prämisse 1: Wenn es regnet (P), dann ist die Straße nass (Q). (P→Q) Prämisse 2: Es regnet. (P) Konklusion: Also ist die Straße nass. (Q) • Modus tollens: ((P→Q)∧-Q)→-P Prämisse 1: Wenn es regnet (P), dann ist die Straße nass (Q). (P→Q) Prämisse 2: Die Straße ist nicht nass. (-Q) Konklusion: Also regnet es nicht. (-P) Tautologien, Kontradiktionen und Kontingenzen • Tautologie: Eine Aussage, die immer wahr ist, unabhängig von den Wahrheitswerten ihrer Teilaussagen. Sie stellt eine logische Gesetzmä‐ ßigkeit dar. P∨-P („Es regnet oder es regnet nicht.“ - Gesetz vom ausgeschlossenen Dritten). (P∧Q)→P (Wenn es regnet und die Straße nass ist, dann regnet es.) • Kontradiktion: Eine Aussage, die immer falsch ist, unabhängig von den Wahrheitswerten ihrer Teilaussagen. P∧-P („Es regnet und es regnet nicht.“ - Gesetz vom Widerspruch. 302 4 Die Qualität der Wissenschaft <?page no="303"?> • Kontingenz: Eine Aussage, deren Wahrheitswert von den Wahrheits‐ werten ihrer Teilaussagen abhängt; sie ist manchmal wahr und manch‐ mal falsch. P∧Q („Es regnet und die Straße ist nass.“) Relevanz der Aussagenlogik für die Wissenschaft Obwohl sie nur die Verknüpfung ganzer Aussagen betrifft, ist die Aussagen‐ logik für die Wissenschaft ein wichtiges Instrumentarium. Sie ist die Basis präziser Argumentation. Jede logische Argumenta‐ tion baut auf den Prinzipien der Aussagenlogik auf. Sie liefert die formalen Grundregeln, nach denen sich prüfen lässt, ob eine Konklusion zwingend aus den Prämissen folgt (logische Gültigkeit). Sie sensibilisiert für logische Fehler. Sie hilft, typische Fehlschlüsse zu erkennen, die oft intuitiv plausibel wirken, aber formal ungültig sind, um so scheinbar schlüssigen, aber inhaltlich leeren oder irreführenden Begrün‐ dungen auf die Schliche zu kommen. Beispiele für klassische Fehlschlüsse: • Affirmatio consequentis (Bejahung des Konsequens): ((P→Q)∧q)→P „Wenn es regnet, ist die Straße nass. Die Straße ist nass. Also regnet es.“ Ungültig, weil auch andere Ursachen möglich sind. • Negatio antecedentis (Verneinung des Antecedens): ((P→Q)∧-P)→-Q „Wenn ich Student bin, bekomme ich ein Semesterticket. Ich bin kein Student. Also bekomme ich kein Ticket.“ Ungültig, da es andere Gründe für ein Ticket geben kann. • Fallacia disiunctiva (Fehlschluss aus einer Disjunktion): ((P∨Q)∧p)→-Q „Ich esse Kuchen oder ich trinke Kaffee. Ich esse Kuchen. Also trinke ich keinen Kaffee.“ Ungültig bei inklusivem „oder“. • Fallacia aequivocationis (Äquivokation): „Alle Modelle sind falsch. Dieses Auto ist ein Modell. Also ist dieses Auto falsch.“ Bedeutungsverschiebung des Begriffs „Modell“. 4.3 Logik und Argumentation 303 <?page no="304"?> Übung | Formalisieren Sie diesen Schluss • Wenn ein Experiment sauber durchgeführt wurde, sind die Daten verlässlich. • Die Daten sind nicht verlässlich. • Also wurde das Experiment nicht sauber durchgeführt. Prädikatenlogik Während die Aussagenlogik Sätze als unteilbare Einheiten betrachtet, geht es in der Prädikatenlogik (auch: Quantorenlogik, Quantifikationslogik) um die Struktur der Sätze selbst. Sie ist das mächtigere System, das es uns erlaubt, Eigenschaften von Objekten, Beziehungen zwischen Objekten und über Mengen („alle“, „einige“) zu unterscheiden - und damit können wis‐ senschaftliche Hypothesen, Theorien und mathematische Beweisen präzise formalisiert werden. Grundbausteine Die Prädikatenlogik erweitert die Aussagenlogik um drei wesentliche Ele‐ mente. Individuenkonstanten. Das sind Namen für bestimmte Objekte (z. B. „Sokrates“, „Mars“, „die Zahl 7“), häufig in Kleinbuchstaben wie a, b, c geschrieben Individuenvariablen. Dies sind Platzhalter für Objekte (z.-B. x, y, z). Prädikate. Dies sind Symbole, die Eigenschaften von Individuen oder Beziehungen zwischen mehreren Individuen ausdrücken. Sie werden übli‐ cherweise oft mit Großbuchstaben wie P, Q, R. bezeichnet, gefolgt von Klammern, die die Argumente (Individuen) enthalten. Die Anzahl der Argumente bestimmt die Stelligkeit des Prädikats: • Einstelliges Prädikat: P(x), z.-B.: Mensch(x) („x ist ein Mensch“) • Zweistelliges Prädikat: Q(y,y), z.-B.: Liebt(x,y) („x liebt y“) • Dreistelliges Prädikat: R(y,y,z), z. B.: Zwischen(x,y,z) („y ist zwischen x und z“) Quantoren. Diese Symbole beziehen sich auf die Menge von Individuen, für die eine Aussage gilt: 304 4 Die Qualität der Wissenschaft <?page no="305"?> • Allquantor (∀): „Für alle …“, „Jeder …“, „All e…“ ∀x(Mensch(x)→Sterblich(x)) (Für alle x gilt: Wenn x ein Mensch ist, dann ist x sterblich. Oder einfach: Alle Menschen sind sterblich.) • Existenzquantor (∃): „Es gibt mindestens ein …“, „Einige …“, „Manche …“ ∃x(Mensch(x)∧Raucher(x)) (Es gibt mindestens ein x, das ein Mensch und ein Raucher ist. Oder einfach: Einige Menschen sind Raucher.) Aufbau komplexer Formeln. Mithilfe dieser Bausteine lassen sich we‐ sentlich komplexere Aussagen als in der Aussagenlogik formulieren. Man kombiniert Prädikate, Variablen, Konstanten und Quantoren mit den Junk‐ toren der Aussagenlogik. • „Jeder, der Philosophie studiert, liebt Logik.“ ∀x(StudiertPhilosophie(x)→LiebtLogik(x)) • „Es gibt mindestens einen Philosophen, der kein Logiker ist.“ ∃x(Philosoph(x)∧-Logiker(x)) Gültigkeit von Argumenten in der Prädikatenlogik. Die Gültigkeit von Argumenten in der Prädikatenlogik wird durch Ableitungsregeln bestimmt, die es erlauben, von gegebenen Prämissen zu einer Konklusion zu gelangen. Diese Regeln sind komplexer als in der Aussagenlogik, da sie die Quantoren und Prädikate berücksichtigen müssen (z. B. Quantoren-Elimination und -Einführung). Übung | Entformalisieren Sie diese Aussage ∃x (Wissenschaft (x) ∧ BeschäftigtSichMit(x, NichtMenschlicherIntelli‐ genz)) Schlussweisen Die Prädikatenlogik ist das Werkzeug, um die folgenden Schlussweisen präzise zu formulieren und ihre Struktur zu analysieren: Die Deduktion ist der Schluss vom Allgemeinen auf das Besondere. Wenn die Prämissen wahr sind und der Schluss logisch gültig ist, dann muss die Schlussfolgerung notwendigerweise wahr sein. Die Deduktion ist wahr‐ heitsbewahrend. Sie ermöglicht die Ableitung spezifischer Voraussagen oder Folgerungen aus allgemeinen Gesetzen oder Theorien. Die deduktive Logik ist entscheidend für das Testen von Theorien. Aus einer Theorie werden deduktiv überprüfbare Hypothesen abgeleitet. Wenn 4.3 Logik und Argumentation 305 <?page no="306"?> die empirischen Daten den deduzierten Voraussagen widersprechen, kann dies zur Falsifizierung der Theorie führen. ∀x(P(x) → Q(x)) Alle P haben die Eigenschaft Q P(a) a ist ein P ∴ Q(a). ∴ also: a hat notwendig auch die Eigenschaft Q Beispiel | Alle Vögel haben Flügel. Ein Spatz ist ein Vogel. Also hat ein Spatz Flügel. Die Induktion ist der Schluss vom Besonderen auf das Allgemeine. Aus einer Reihe von Einzelbeobachtungen wird eine allgemeine Regel oder Hypothese abgeleitet. Die Schlussfolgerung ist wahrscheinlich, aber nicht notwendig wahr. Obwohl die Induktion formal nicht zwingend ist, kann die Hypothese in der Prädikatenlogik formuliert werden, um sie präzise zu fassen und später deduktiv testen zu können. Die Induktion ist die Basis der Hypothesengenerierung in empirischen Wissenschaften. Sie ermöglicht es, aus Beobachtungsdaten Muster zu er‐ kennen und zu verallgemeinern, was die Grundlage für neue Forschungs‐ programme bildet. P(a), P(b), P(c), … a, b, c sind (haben die Eigenschaft) P Q(a), Q(b), Q(c), … a, b, c sind (haben die Eigenschaft) Q ∴ ∀x(P(x) → Q(x)) ∴ also: a, b, c sind wahrscheinlich Q Beispiel | Alle ersten zehn Steine, die ich werfe, fallen auf den Boden, also schließe ich, dass (wahrscheinlich! ) alle Steine, die ich werfe, auf den Boden fallen werden. Oder das Beispiel von Karl R. Popper: Ich beobachte viele weißen Schwäne und schließe draus, dass alle Schwäne weiß - auch das ist nur wahrscheinlich. Die Abduktion ist der Schluss auf die beste Erklärung. Aus einer beobachteten Tatsache wird auf eine plausible Ursache oder eine mögliche Erklärung geschlos‐ sen. Es ist ein Schluss, der zu neuen Hypothesen führt. Die abduktiv gewonnenen Erklärungen oder Hypothesen können mit Mitteln der Prädikatenlogik präzise formuliert werden, um ihre Konsistenz und Testbarkeit zu prüfen. 306 4 Die Qualität der Wissenschaft <?page no="307"?> Ausgangspunkt ist eine Beobachtung, für die uns die Erklärung fehlt. Wir stellen dann eine neue Regel als Hypothese auf, weil sie die Beobachtung am plausibelsten erklärt. Q(a) a ist ein Q ∀x(P(x) → Q(x)) angenommen: alle P sind Q, dann ist P(a) P(a) die beste Erklärung, warum a ein Q ist Beispiel | In der Küche liegen Lebensmittel auf dem Boden. Eine abduktive Hypothese wäre: „Wenn eine Katze etwas fressen will, öffnet sie den Kühlschrank und wirft Lebensmittel auf den Boden.“ Die beste Erklärung für die Lebensmittel am Boden wäre also, dass Kater Murr den Kühlschrank geplündert hat. Reflexion • Welcher Unterschied besteht zwischen einer gültigen Implikation und einer kausalen Beziehung? • Warum ist der Schluss „Wenn A, dann B. B. Also A.“ logisch ungültig? Z. B.: „Wenn es regnet, ist die Straße nass. Die Straße ist nass. Also hat es geregnet? “ • Wie lässt sich ein naturwissenschaftliches Gesetz in der Prädika‐ tenlogik formulieren? Z. B. „Alle Körper fallen im Vakuum gleich schnell.“ Die Logik als Grundlage der sog. Künstlichen Intelligenz Symbolische KI - die erste KI-Generation. Die frühen Ansätze der Künstlichen Intelligenz folgten dem Paradigma der symbolischen KI. Exper‐ tenwissen wird explizit in Regeln gefasst, die mithilfe der formalen Logik, der Aussagen- und Prädikatenlogik, verarbeitet werden. Die Logik ist die Grundlage z. B. der ersten medizinischen KI-Systeme und ist bis heute rele‐ vant für die Strukturierung, Überprüfung und Kombination medizinischen Wissens. Die KI in der Diagnostik gehört zu den vielversprechendsten Entwick‐ lungen der digitalen Medizin. In einem Feld, in dem präzises Erkennen, differenzierte Bewertung und schnelle Entscheidungsfindung entscheidend sind, ermöglicht KI die strukturierte Nutzung medizinischen Fachwissens, 4.3 Logik und Argumentation 307 <?page no="308"?> die Auswertung großer Datenmengen und die Erkennung von Mustern, die Ärzten entgehen können. Konkret bedeutet das: Wenn bestimmte Symptome, Laborwerte oder Befunde vorliegen, dann wird eine Diagnose oder Therapieempfehlung abgeleitet. Ein bekanntes Expertensystem aus den 1970er-Jahren ist MYCIN mit rund 600 Regeln. Die Grundlage dieser Regeln ist zunächst die Aussagenlogik, in der das medizinische Wissen in atomare Aussagen (z. B. „hat Fieber“) und logische Operatoren zerlegt wird. Die Regeln werden von einer sogenannten Inference Engine mithilfe der Deduktion logisch ausgewertet, einerseits als Forward Chaining von bekann‐ ten Fakten zu neuen Folgerungen (z. B. zu einer Diagnose), andererseits als Backward Chaining vom Ziel (z. B. von einer Diagnose) rückwärts zu passenden Prämissen. Wenn Fieber und Hautausschlag als Symptome vorliegen, dann ergibt sich die Diagnose (Verdacht auf )Masern. Fieber ∧ Ausschlag → Masern. Wenn die Diagnose (Verdacht auf) Mastern getroffen wurde, dann liegen die Symptome Fieber und Ausschlag vor. Masern → Fieber ∧ Ausschlag Bei komplexen Anforderungen - etwa wenn Variablen, Quantoren oder Beziehungen zwischen Entitäten benötigt werden - kommt die Prädikaten‐ logik erster Stufe zum Einsatz. „Patient X leidet an Krankheit Y“ ∀x (Patient(x) ∧ Fieber(x) ∧ Ausschlag(x) → Diagnose(x, Masern)) Die „Intelligenz“ der symbolischen KI beruht auf der Logik der Deduk‐ tion. Die symbolische KI ist demnach logisch sauber und wissenschaftlich ein‐ wandfrei, die deduktiv erschlossenen Erklärungen sind nachvollziehbar und überprüfbar. Diese einfache hölzerne Logik ist gleichzeitig die Schwäche der symbolischen KI. Diese KI kann nicht mit Unsicherheiten und Unschärfen umgehen, sie funktioniert nur in Wissensbereichen, in denen klare Regeln formuliert werden können, und sie verfügt nicht über implizites Wissen oder Kontextverständnis. So ist bspw. die klinische Realität selten eindeutig, Symptome sind unspezifisch, Informationen oft unsicher oder unvollständig. Ein logisches 308 4 Die Qualität der Wissenschaft <?page no="309"?> System, in dem eine Aussage entweder wahr oder falsch ist (das Prinzip des Teritium non datur: Ein Dittes gibt es nicht), ist wissenschaftlich top, aber greift zu kurz, denn unsichere, vage, wahrscheinliche Diagnosen bspw. lassen sich nicht formalisieren und insofern auch nicht als sog. Künstliche Intelligenz technisch implementieren. Diese Grenzen führten in den späten 1980er-Jahren zum ersten „KI-Winter“, also einem Einbruch von Aufmerksamkeit und Finanzierung. In den nachfolgenden Jahrzehnten wurden mehrere Versuche gemacht, diese Grenzen zu überwinden. Probabilistische Verfahren, z. B. Bayessche Netze, modellieren Symptome, Diagnosen und Risikofaktoren als Knoten in einem Netzwerk und verknüpfen sie über bedingte Wahrscheinlichkeiten. So lassen sich differenziertere Rückschlüsse ziehen, auch bei widersprüch‐ lichen oder fehlenden Daten. Wie wahrscheinlich ist eine Pneumonie, wenn Fieber und Husten vorlie‐ gen, aber das Röntgenbild unauffällig ist? Maschinelles Lernen. Die eigentliche KI-Renaissance brachten künstliche neuronale Netze, Entscheidungsbäume, die Verfügbarkeit großer Daten‐ mengen (Big data), neuartiger Algorithmen in den sog. LLM-Systemen (Large Language Model) und das maschinelle Lernen. Diese Systeme erkennen Muster in klinischen Daten, ohne dass jede Regel manuell definiert sein muss. In der Praxis entstehen zunehmend hybride Systeme, die logische, probabilistische und lernbasierte Verfahren kombinieren - etwa in der Radiologie, Dermatologie oder Kardiologie. Diese KI kann große Datenmengen auswerten, Diagnosen standardisieren und ärztliche Entscheidungen unterstützen. Zugleich gibt es Risiken: Sie sind Black-Box-Modelle, bei denen nicht nachvollziehbar ist, wie eine Diagnose zustande kommt; Verzerrungen in Trainingsdaten, etwa durch unterrepräsentierte Patientengruppen, die zu Fehleinschätzungen führen können; ethische Fragen der Verantwortung. Die Logik der Wissenschaft und die Logik der LLM-Systeme. Die Logik der Wissenschaft und die „Logik“ eines KI-Systems auf LLM-Basis unterscheiden sich grundlegend. Wissenschaftliche Logik legt Regeln fest, nach denen gültige Schlüsse zu ziehen sind, und dient als Maßstab für Be‐ gründung, Konsistenz und Nachvollziehbarkeit. Abduktion, Deduktion und Induktion greifen ineinander: Abduktion eröffnet Hypothesen, Deduktion prüft ihre Konsequenzen, Induktion sucht nach empirischer Bestätigung. So 4.3 Logik und Argumentation 309 <?page no="310"?> wird Wissen erzeugt und begründet - und die Qualität wissenschaftlicher Aussagen gesichert Die „Logik“ eines LLM funktioniert anders. Sie ist keine Logik im eigent‐ lichen Sinn, sondern ein statistisches Verfahren, mit dem die wahrschein‐ lichste sprachliche Fortsetzung gefunden wird. Was wie folgerichtige Argu‐ mentation erscheint, ist das Ergebnis von Wahrscheinlichkeitsverteilungen, die aus großen Datenmengen „gelernt“ wurden. Solche Outputs können wie eine Abduktion wirken, denn sie liefern scheinbar auch plausible Hypothese und Erklärungen. Doch im Unterschied zur wissenschaftlichen Theoriebil‐ dung fehlt auch noch alles Weitere: die Begründung durch Kontextualisie‐ rung mit bestehenden Theorien, die Prüfung auf logische Konsistenz und die empirische Überprüfung. Die „Logik“ der LLM-KI simuliert die Plausibilität einer Aussage durch Wahrscheinlichkeit. Die Logik der Wissenschaft ist die Voraussetzung für die Qualitätssicherung von Theorie durch Begründung und empiri‐ sche Überprüfbarkeit. Reflexion • Welche Formen von Wissen können durch Aussagen- oder Prädi‐ katenlogik erfasst werden - und welche nicht? • Welche Rolle spielt das Prinzip der Erklärbarkeit bei der Entschei‐ dung, ob eine KI wissenschaftlich akzeptabel ist? • Ist „logisches Schließen“ dasselbe wie „Verstehen“? Was fehlt einer KI, um wissenschaftlich sinnvoll zu handeln? 4.4 Wissensorganisation Wissensorganisation ist Voraussetzung für Qualität und Qualitätssicherung wissenschaftlicher Arbeit. Damit wissenschaftliches Wissen verständlich, nachprüfbar, anschlussfähig, gleichsam am Leben bleibt, muss es geklärt, definiert, geordnet, strukturiert, in seiner Komplexität reduziert, dokumen‐ tiert, organisiert werden. Wissensorganisation überall. Wissensorganisation ist ein durchgängi‐ ges Prinzip unserer Lebenswelt. Im Alltag sind wir ständig mit Wissensorga‐ 310 4 Die Qualität der Wissenschaft <?page no="311"?> nisation beschäftigt. Das Sortieren von Dokumenten, das Anlegen digitaler Ordner auf dem Computer, das Strukturieren von Notizen, das Erstellen von Einkaufslisten oder die Organisation von Kontakten sind alltägliche Beispiele. Eine effektive persönliche Wissensorganisation ermöglicht es uns, Informationen schnell wiederzufinden, Aufgaben effizient zu erledigen und den Überblick zu bewahren. Auch Sprache, Mythen, Traditionen oder Rechtssysteme sind Ausdruck von Wissensorganisation. Sie strukturieren kollektives Wissen, sichern seine Weitergabe über Generationen und definieren, was als wahr, relevant oder akzeptabel innerhalb einer Gemeinschaft gilt. Damit schaffen sie gemein‐ same Bezugsrahmen und tragen zur kollektiven Identität bei. In Wirtschaft und Industrie ist Wissensorganisation ein entscheidender Erfolgsfaktor. Systeme wie Dokumentenmanagement, Customer-Relation‐ ship-Management oder Enterprise-Resource-Planning zeigen, wie Wissen für betriebliche Entscheidungen verfügbar gemacht wird. Eine gute Or‐ ganisation reduziert Redundanzen, beschleunigt Prozesse und optimiert Innovations- und Lernfähigkeit von Unternehmen. Im Bildungsbereich ist Wissensorganisation entscheidend für die Gestal‐ tung von Lernprozessen. Lehrpläne werden systematisch aufgebaut, Lern‐ materialien didaktisch aufbereitet und Prüfungen so konzipiert, dass sie den Erwerb und die Abfrage von Wissen strukturieren. Auch Bibliotheken und digitale Lernplattformen beruhen auf ausgefeilten Ordnungssystemen. Wer versteht, wie Wissen organisiert ist, kann Lernprozesse gezielter gestalten und sich Wissen nachhaltiger aneignen. Die moderne Informationstechnologie ist ohne Wissensorganisation nicht denkbar. Datenbanken, Suchmaschinen, Dateisysteme oder die Struktur des Internets mit seinen Hyperlinks und Standards sind Manifestationen hochentwickelter Ordnungssysteme, die den Zugriff auf gewaltige Informa‐ tionsmengen überhaupt erst ermöglichen. Schließlich gilt dies auch für Ver‐ waltung und Gesundheitswesen: Die strukturierte Ablage von Bürgerdaten, die Ordnung von Gesetzestexten oder die Kodierung medizinischer Diagno‐ sen und Behandlungen sind Beispiele dafür, wie Wissensorganisation die Effizienz, Sicherheit und Verlässlichkeit komplexer Systeme gewährleistet. Wissensorganisation in der Wissenschaft Last not least: Wissensorganisation spielt vor allem in der Wissenschaft eine entscheidende Rolle. Sie ermöglicht erstens die Kumulation von Wissen, 4.4 Wissensorganisation 311 <?page no="312"?> indem Ergebnisse so geordnet und gesichert werden, dass sie langfristig gesammelt, bewahrt und weiterentwickelt werden können. Redundanzen werden reduziert, Vorarbeiten bleiben anschlussfähig, Fortschritt wird nach‐ vollziehbar. Gleichermaßen sichert sie Auffindbarkeit und Zugänglichkeit. Relevante Literatur, Daten und Methoden müssen schnell auffindbar sein - durch gut strukturierte Datenbanken und Kataloge, klare Metadatenstandards und zuverlässige Publikationsplattformen. Nur so lässt sich vorhandenes Wissen effizient nutzen. Für die Nachvollziehbarkeit und Replikation ist eine saubere Organisation von Forschungsdaten und -methoden entscheidend. Detaillierte Dokumen‐ tation, Versionierung und konsistente Metadaten erlauben es, Befunde zu prüfen, zu reproduzieren und damit die Validität von Forschung abzusi‐ chern. Transparenz schafft Vertrauen. Zugleich schafft Wissensorganisation die Grundlage für interdisziplinäre und internationale Zusammenarbeit. Einheitliche Klassifikationen, Ontolo‐ gien und Terminologien erleichtern den Austausch über Fachgrenzen und Sprachen hinweg und ermöglichen die Integration unterschiedlicher Wis‐ sensbestände. Wissensorganisation ist eine Voraussetzung für Qualität und Qualitäts‐ sicherung der Wissenschaft: Systematische und strukturierte Ordnung schafft klare Maßstäbe und Kriterien für nachvollziehbare Verfahren der Evaluation von Forschungsergebnissen. Wissensorganisation ist in der Wissenschaft sowohl auf der Ebene des For‐ schungssystems (Makroebene) als auch in einzelnen Projekten (Mikroebene) bedeutsam. Ihr Zusammenspiel ist entscheidend für Effizienz und Qualität wissenschaftlicher Arbeit. Institutionelle Infrastruktur. Auf der Makroebene manifestiert sich Wis‐ sensorganisation in umfassenden Infrastrukturen und standardisierten Pro‐ zessen, die eine kollektive Wissensproduktion und -nutzung ermöglichen. Bibliotheken und Archive bilden das klassische Rückgrat dieser Organisa‐ tion. Sie erschließen ihre Bestände mithilfe von Klassifikationssystemen und machen sie über Kataloge und Discovery-Systeme zugänglich. Norm‐ daten und Autoritätsdateien, wie die GND, sorgen dafür, dass Personen, 312 4 Die Qualität der Wissenschaft <?page no="313"?> Körperschaften und Schlagwörter eindeutig identifiziert werden. Neben der physischen Bewahrung spielt die digitale Langzeitarchivierung eine immer wichtigere Rolle. Durch die Nutzung von robusten Formaten, Checksum‐ men, Replikation und Migrationsstrategien wird sichergestellt, dass digitale Inhalte dauerhaft nutzbar bleiben. Eine zweite Säule bilden Datenbanken und Repositorien. Spezialisierte Indizes wie PubMed und multidisziplinäre Systeme wie Scopus strukturie‐ ren Publikationen über kontrollierte Metadaten, um präzise Recherchen zu ermöglichen. Repositorien für Daten und Software, etwa Zenodo oder Dryad, organisieren Forschungsoutputs entlang von Metadatenstandards und vergeben persistente Identifikatoren (DOIs). So werden Ergebnisse auf‐ findbar, zitierbar und nachnutzbar. Ergänzend verknüpfen Identitätssysteme wie ORCID Personen eindeutig mit ihren Arbeiten und Projekten. Grundle‐ gende Prinzipien wie die FAIR-Prinzipien (Findable, Accessible, Interoperable, Reusable) geben dabei die Richtung vor und fördern die Offenheit von Forschung. Auch Publikations- und Zitierstandards sind entscheidend. Einheitliche Layout- und Datenformate sowie etablierte Zitierstile wie APA, MLA oder Chicago schaffen Anschlussfähigkeit zwischen Zeitschriften, Disziplinen und Suchsystemen. Zugleich tragen Peer-Review-Workflows, Redaktions‐ prozesse und Cross-Referencing-Dienste dazu bei, dass Beiträge in gewach‐ sene Ordnungssysteme eingebunden werden und dauerhaft referenzierbar bleiben. Schließlich stabilisieren terminologische Ressourcen und Ontologien die fachliche Semantik. Disziplinäre Terminologien präzisieren wichtige Be‐ griffe, während Ontologien darüber hinaus Relationen zwischen Konzepten in maschinenlesbarer Form modellieren. Dies erleichtert nicht nur die Konsistenz und Verständigung, sondern ermöglicht auch automatisierte Verfahren wie semantische Suche, Text- und Data-Mining. Forschungspraxis. Das Literaturmanagement ordnet den aktuellen Wis‐ sensstand. Mit Referenzsoftware wie Zotero oder Mendeley lassen sich Quellen gezielt sammeln, verschlagworten und effizient in Schreibprozesse integrieren. Konsistente Zitierweisen und gepflegte Notizen erleichtern das Wiederfinden von Argumenten und Methoden und halten den roten Faden im Projekt. Ein Forschungsdatenmanagement (FDM) begleitet den gesamten For‐ schungszyklus. Es beginnt mit einem Datenmanagementplan und reicht 4.4 Wissensorganisation 313 <?page no="314"?> über die strukturierte Erhebung, die saubere Dateibenennung und Ver‐ sionierung bis hin zu Dokumentation, Sicherung, Zugriffsrechten und Archivierung. Codebooks, README-Dateien und nachvollziehbare Ordner‐ logiken machen Datensätze verständlich und sichern ihre künftige Nach‐ nutzbarkeit. Ebenso entscheidend ist die transparente Methodendokumentation. Wer Erhebungsinstrumente, die gesamte Analysekette und die getroffenen Ent‐ scheidungen fortlaufend in Labor- oder Feldtagebüchern, Protokollen und gut kommentierten Skripten festhält, schafft die Grundlage für Nachvoll‐ ziehbarkeit und Reproduzierbarkeit. In rechnergestützten Projekten erhö‐ hen reproduzierbare Workflows mit Skripten und Versionskontrolle die Verlässlichkeit, während Container oder Umgebungsbeschreibungen dabei helfen, Softwarestände zu fixieren. Die Zusammenarbeit in Teams profitiert von gemeinsamen Wissensspei‐ chern. Wikis, geteilte Laufwerke oder kollaborative Plattformen bündeln Materialien, Entscheidungen und Zuständigkeiten. Versionskontrolle mit Git macht Änderungen transparent und reversibel. Klare Rollen und Ordner‐ konventionen vermeiden Reibungsverluste und sichern, dass die Ergebnisse teamweit anschlussfähig bleiben. Schließlich gehört zur Mikroebene auch die Reflexion über Offenheit und Ethik. Wo es rechtlich und ethisch möglich ist, erleichtern offene Daten und Materialien die Nachnutzung. Gleichzeitig erfordern sensible Daten Anonymisierung, Zugriffsbeschränkungen und sorgfältige Einwilli‐ gungsprozesse. Die bewusste Balance aus Transparenz und Schutz ist Teil guter Wissensorganisation und Voraussetzung dafür, dass Ergebnisse nicht nur produziert, sondern auch verantwortungsvoll weiterverwendet werden können. Strategien und Methoden Über die infrastrukturellen und projektbezogenen Aspekte hinaus ist Wissensorganisation eine zentrale Komponente des wissenschaftlichen Erkenntnisprozesses selbst. Wissensorganisation als epistemische und me‐ thodische Praxis prägt, wie Forschende denken, interpretieren und forschen. Darin liegt die wissenschaftstheoretische Relevanz der Wissensorganisa‐ tion: die Strategien und Methoden der Wissensorganisation sind Vorausset‐ zungen für die wissenschaftlicher Erkenntnis und für die Sicherung ihrer Qualität. 314 4 Die Qualität der Wissenschaft <?page no="315"?> Strategien der Wissensorganisation definieren das übergeordnete Ziel, wie Wissen reduziert, geordnet oder anschlussfähig gemacht wird. Metho‐ den sind die konkreten, regelgeleiteten Verfahren, mit denen Strategien umgesetzt werden. Grundsätzlich lassen sich epistemische, kognitive-kom‐ munikative, dokumentarisch-digitale und soziale-kulturelle Strategien der Wissensorganisation unterscheiden, denen wiederum spezifische Methoden entsprechen. Epistemische Strategien: Begriff, Theorie, Ordnung Epistemische Strategien der Wissensorganisation umfassen die kognitiven und intellektuellen Verfahren, mit denen Forschende Wissen auf einer abstrakten Ebene strukturieren und ordnen. Ihr Ziel ist die begriffliche und theoretische Durchdringung eines Gegenstands, um Erkenntnisse zu gewin‐ nen und die Realität in einer wissenschaftlich nachvollziehbaren Weise zu fassen. Sie bilden damit die Grundlage jeder systematischen Erkenntnis, weil sie bestimmen, wie Phänomene sprachlich benannt, begrifflich gefasst und theoretisch miteinander in Beziehung gesetzt werden. 1. Begriffsklärung: Voraussetzung wissenschaftlicher Präzision Die präzise Begriffsklärung ist ein grundlegender Schritt, um Eindeu‐ tigkeit in der wissenschaftlichen Kommunikation zu schaffen und die Basis für nachfolgende Analysen zu legen. Sie dient dazu, Bedeutungen festzulegen, Mehrdeutigkeiten zu reduzieren und ein gemeinsames begriffliches Verständnis innerhalb einer Disziplin zu sichern. a. Definition. Die klassische Form der Definition in der Wissen‐ schaft geht auf Aristoteles zurück. Sie bestimmt einen Begriff durch seinen genus proximum (Oberbegriff) und seine differentia specifica (Unterscheidungsmerkmal) - z. B.: „Ein Dreieck ist ein ebenes geometrisches Gebilde, das von drei geraden Linien be‐ grenzt wird.“ Bei einer Definition sind ein paar Bedingungen zu beachten. Das Definiendum darf nicht schon im Definiens enthalten sein, das wäre sonst eine Zirkeldefinition - die Definition „Eine Defi‐ nition definiert einen Begriff “ wäre so ein Fall, der nichts Neues zutage bringt, ähnlich wie eine Tautologie, z. B. „Der Kreis ist rund.“ En passant wieder eine Definition: Eine Tautologie (griech. ταυτολογία, aus τὸ αὐτό „dasselbe“ und λογία „Aussage“) ist ein Satz, der immer wahr ist und insofern auch nichts Neues aussagt. 4.4 Wissensorganisation 315 <?page no="316"?> Eine weitere Bedingung für eine gute Definition ist, dass die Begriffe des Definiens bekannt sind, was wiederum vom kommu‐ nikativen Kontext abhängt, von den Kommunikationspartnern. Es bringt nichts, einen einfachen Begriff mit Wörtern zu definieren, die erst recht niemand versteht. Und eine Definition sollte auch für den Anwendungskontext relevant sein und den erwarteten und sinnvollen Standards an Exaktheit entsprechen. Manchmal sind deskriptive Definitionen oder Beispiele, wie ein Wort verwendet wird, zielführender. Auch Wissenschaftstheorie als Theorie über Wissenschaft zu bezeich‐ nen oder als Beispiel anzuführen, dass sie sich mit der Frage, was Wahrheit ist, beschäftigt, mag in manchen Kontexten hilfreich und sinnvoll - in diesem Buch natürlich nicht. Eine Definition bringt Klarheit und Eindeutigkeit, birgt jedoch die Gefahr der Überpräzision: Begriffe können zu eng gefasst werden und dadurch ihre Anschlussfähigkeit verlieren. Beispiel | Eine „Tanne“ ist ein „Nadelbaum“ (genus proximum), der durch seine „flachen, einzelnen Nadeln und aufrechtste‐ henden Zapfen“ (differentia specifica) charakterisiert ist. Oder: „Demokratie“ ist eine „Staatsform“ (genus proximum), in der die „Herrschaft vom Volk ausgeht und durch Wahlen legiti‐ miert wird“ (differentia specifica). b. Kontrastierung. Begriffe gewinnen an Schärfe, indem sie von verwandten oder gegensätzlichen Konzepten abgegrenzt werden. Diese Abgrenzung ist nicht nur sprachlich, sondern epistemolo‐ gisch relevant: Begriffe lassen sich oft erst aufgrund ihrer Bezie‐ hung zu anderen Begriffen klar machen. Eine klare Kontrastierung hilft, theoretische Positionen zu diffe‐ renzieren - etwa das Verhältnis von Individuum und Gesellschaft, von Struktur und Handlung oder von Verstehen und Erklären. Solche Gegenüberstellungen markieren unterschiedliche erkennt‐ nistheoretische Perspektiven und machen klar, auf welcher Ebene ein Phänomen betrachtet wird: mikrosozial oder makrosozial, kausal erklärend oder interpretativ verstehend. 316 4 Die Qualität der Wissenschaft <?page no="317"?> Kontrastierungen sind Werkzeuge der Theoriebildung, aber sie können zu Vereinfachung führen, wenn komplexe Übergänge zu starren Dichotomien verengt werden. Wissenschaftlich fruchtbar werden sie, wenn sie als Pole eines Kontinuums verstanden wer‐ den, zwischen denen sich empirische Phänomene und theoretische Ansätze verorten lassen. Beispiel | In der Psychologie dient die Abgrenzung von „Emotion“ (kurzfristige, intensive Reaktion) und „Stimmung“ (länger anhaltender, diffuserer Zustand) dazu, affektive Phä‐ nomene differenzierter zu erfassen. Ähnliche begriffliche Un‐ terscheidungen - etwa zwischen „Motivation“ und „Antrieb“ oder zwischen „Angst“ und „Furcht“ - zeigen, dass theoreti‐ sche Präzision auch durch Kontrastierung entsteht. c. Operationalisierung ist die methodische Übersetzung abstrakter Konzepte in beobachtbare oder messbare Indikatoren. Sie schlägt die Brücke zwischen theoretischer und empirischer Forschung, indem sie festlegt, wie ein theoretischer Begriff empirisch prüfbar und intersubjektiv nachvollziehbar ist. In den Sozialwissenschaften etwa werden theoretische Konstrukte wie soziale Integration, Lebensqualität oder Demokratiezufrieden‐ heit operationalisiert, indem sie in messbare Dimensionen zerlegt werden - etwa durch Fragebogenindikatoren, Skalen oder statis‐ tische Indizes. So wird Abstraktes in erfassbare Größen übersetzt. Diese Reduktion ist notwendig, um empirisch zu arbeiten, führt aber zu einem Spannungsverhältnis zwischen theoretischer Kom‐ plexität und empirischer Messbarkeit: Nicht alles, was theoretisch relevant ist, lässt sich in beobachtbare Größen überführen. Eine gute Operationalisierung bewahrt den theoretischen Gehalt eines Begriffs, ohne ihn ausschließlich auf Messwerte zu reduzieren. Beispiel | Die Operationalisierung von „Demokratiequalität“ durch Indizes, die Faktoren wie Wahlbeteiligung, Pressefrei‐ heit und Korruptionswahrnehmung erfassen, ermöglicht in‐ ternationale Vergleiche politischer Systeme. Zugleich bleibt 4.4 Wissensorganisation 317 <?page no="318"?> bewusst, dass Demokratie mehr umfasst als das Messbare: institutionelle Stabilität, öffentliche Diskurse und kulturelle Einstellungen lassen sich nur begrenzt quantifizieren. Begriffsklärung schafft die sprachliche und konzeptuelle Präzision. Definition, Kontrastierung und Operationalisierung legen fest, was ein Begriff bedeutet, worin er sich unterscheidet und wie er empirisch fassbar wird. 2. Klassifikation: Die eindeutige Einteilung von Gegenständen Die Klassifikation ist eine Einteilung von Gegenständen in Klassen (oder Mengen, Gruppen), die auf Basis klar definierter Merkmale erfolgt. Sie ist ein wesentliches Instrument wissenschaftlicher Arbeit und schafft die Voraussetzung für Standardisierung, Vergleichbarkeit und Zählbarkeit. Vorausgesetzt wird dabei, dass sich die im Klassifikationssystem vor‐ gesehenen Klassen voneinander so unterscheiden, dass jedes Element des zu klassifizierenden Gegenstandsbereiches genau einer und nur einer Klasse zugeordnet werden kann. Das unterscheidende Merkmal (differentia specifica) muss also eindeutig bestimmbar sein - sei es durch ein empirisch beobachtbares Kriterium (z. B. Inhalt, Sachbereich), durch Konventionen, durch Standardisierung oder durch organisatorische Festlegungen. Das Besondere einer wissenschaftlichen Klassifikation ist ihre mengen‐ logische Zuordnung. Sie beruht auf folgenden Prinzipien: - Trennscharf: Die Klassen sind eindeutig voneinander abgegrenzt. Es gibt keine Überlappungen oder Grauzonen zwischen den Kate‐ gorien. - Disjunkt: Jeder Gegenstand gehört eindeutig nur einer einzigen Klasse an. Eine Mehrfachzuordnung ist ausgeschlossen. - Vollständig: Alle relevanten Gegenstände des zu klassifizierenden Bereichs können einer Klasse zugeordnet werden. Es gibt keine „Restkategorie“ für nicht zuordenbare Elemente. Damit eine solche Zuordnung verbindlich, nachvollziehbar und objektiv bleibt, müssen Merkmale, Definitionen und Zuordnungsregeln verbind‐ 318 4 Die Qualität der Wissenschaft <?page no="319"?> lich festgelegt, intersubjektiv überprüfbar und nachvollziehbar sein. Unterschiedliche Personen müssen bei Anwendung derselben Kriterien zum selben Ergebnis gelangen. Beispiel | Im Alltag wird häufig die Einteilung von Persönlichkeiten in die Kategorien „introvertiert“ und „extrovertiert“ verwendet, die vermeintlich klar ist, aber im streng wissenschaftlichen Sinne pro‐ blematisch ist, wenn sie als disjunkte und vollständige Klassifikation verstanden wird. Sie weist nicht die Merkmale einer Klassifikation auf: • Sie ist nicht trennscharf: Viele Menschen zeigen je nach Situation sowohl zurückhaltende als auch gesellige Verhal‐ tensweisen. Die Grenzen sind fließend. • Sie ist nicht disjunkt: Menschen können in Grauzonen fallen und sind nicht eindeutig einer der beiden Klassen zuzuordnen. • Sie ist nicht vollständig: Diese Klassifikation lässt andere wichtige Persönlichkeitsfacetten (u. a. emotionale Stabili‐ tät, Offenheit für Erfahrungen) unberücksichtigt. Sie deckt nicht alle relevanten Aspekte der menschlichen Persönlich‐ keit ab, es kann Persönlichkeiten geben, die in keine der beiden Klassen passen. Es fehlen demnach verbindliche Zuordnungsregeln: Wann genau ist jemand „introvertiert“? Reicht eine Selbsteinschätzung auf einem Fragebogen oder braucht es langjährige Beobachtungen? Solche Un‐ sicherheiten machen die Einteilung zwar für den Alltag praktisch, aber wissenschaftlich problematisch, wenn sie als Grundlage für Analysen, Vergleiche oder Zählungen verwendet wird. Beispiel | Im Gegensatz dazu ist die Klassifikation von Stoffen nach ihrem Aggregatzustand (fest, flüssig, gasförmig) wissenschaftlich valide: • Sie ist trennscharf: Die Übergänge zwischen fest, flüssig und gasförmig sind unter definierten Bedingungen (Temperatur, Druck) klar. 4.4 Wissensorganisation 319 <?page no="320"?> • Sie ist disjunkt: Ein Stoff kann zu einem bestimmten Zeit‐ punkt unter diesen definierten Bedingungen eindeutig ge‐ nau einem Aggregatzustand zugeordnet werden. Wasser etwa ist bei 20 °C und Normaldruck flüssig; es ist nicht gleichzeitig fest oder gasförmig. • Sie ist vollständig: Unter normalen Bedingungen lässt sich jeder Stoff eindeutig einem dieser drei Aggregatzustände zuordnen. Verbindliche, intersubjektiv überprüfbare und nachvollziehbare Regeln: Die Zuordnung basiert auf physi‐ kochemischen, messbaren Merkmalen wie Teilchenabstand und Bewegungsenergie. Ein gutes Beispiel ist auch die wissenschaftlich fundierte und institutionell standardisierte Klassifikation der Krankheiten und verwandten Gesundheits‐ probleme, der sog. ICD (International Classification of Diseases). Sie wird von der Weltgesundheitsorganisation (WHO) herausgegeben und weltweit für medizinische Dokumentation, Abrechnung, Statistik und Forschung verwendet. Ihre Definitionen werden in regelmäßigen Revisionen überprüft, angepasst und durch wissenschaftliche Konsense legitimiert. Krankheiten werden anhand klar definierter diagnostischer Kriterien beschrieben, die jeweils nur eine eindeutige Zuordnung zulassen. Eine Diagnose wie „Dia‐ betes mellitus Typ 1“ unterscheidet sich präzise von „Diabetes mellitus Typ 2“ durch Ursache, Verlauf und Therapieform. Jede Krankheit besitzt einen spezifischen ICD-Code und kann somit nur einer Klasse zugeordnet wer‐ den; Mehrfachzuordnungen sind ausgeschlossen. Das Klassifikationssystem umfasst sämtliche bekannten Krankheiten und Gesundheitsprobleme; für neu entdeckte Krankheitsbilder werden fortlaufend neue Codes ergänzt, sodass das System prinzipiell vollständig bleibt. Diese Klassifikation schafft Vergleichbarkeit zwischen Ländern und Institutionen, ermöglicht statisti‐ sche Auswertungen und bildet zugleich die Grundlage für Forschung, Gesundheitsplanung und evidenzbasierte Medizin. Reflexion | Warum erfüllt der ICD die Prinzipien der wissenschaftli‐ chen Klassifikation? 320 4 Die Qualität der Wissenschaft <?page no="321"?> 3. Taxonomie: Die hierarchische Ordnung von Wissen Eine Taxonomie ist eine besondere Form der Klassifikation, bei der Gegenstände oder Begriffe nicht nur in Klassen eingeteilt, sondern in einem hierarchischen System geordnet werden. Sie beschreibt nicht nur die Zugehörigkeit zu einer Kategorie, sondern auch die Stellung dieser Kategorie innerhalb eines übergeordneten Gefüges. Eine Taxonomie schafft damit eine vertikale Ordnung: von allgemeinen zu speziellen Klassen, von umfassenden Kategorien zu konkreten Einzelobjekten. Sie ist ein zentrales Instrument wissenschaftlicher Systematisierung, weil sie Beziehungen, Abstufungen und Verwandtschaftsverhältnisse sichtbar macht. Eine wissenschaftliche Taxonomie ordnet die Welt in einem abgestuf‐ ten System, in dem jede untergeordnete Klasse einer übergeordneten zugewiesen ist. Die Struktur einer solchen Hierarchie ist streng logisch aufgebaut und folgt konsistenten Zuordnungsregeln. Während eine einfache Klassifikation lediglich nebeneinanderliegende Gruppen be‐ schreibt, zeigt eine Taxonomie auch die Beziehungen zwischen diesen Gruppen. Sie bildet somit nicht nur Unterschiede, sondern auch Abhän‐ gigkeiten und Verwandtschaften ab. Das Besondere der wissenschaftlichen Taxonomie ist ihre hierarchische Struktur: - Mehrstufig: Sie ordnet Klassen in mehreren Ebenen von allgemei‐ nen zu speziellen Kategorien. - Monohierarchisch: Jede untergeordnete Klasse gehört eindeutig nur zu einer übergeordneten Klasse; Mehrfachzuordnungen sind ausgeschlossen. - Systematisch: Die Hierarchie folgt konsistenten, überprüfbaren Zuordnungsprinzipien, die auf klaren Merkmalen beruhen. Ein klassisches Beispiel für eine Taxonomie in der Geschichte der Wissenschaft ist das biologische Ordnungssystem. Carl von Linné (1707- 1778), ein schwedischer Naturforscher und Arzt, entwickelte in seiner Systema Naturae ein hierarchisch aufgebautes Ordnungssystem zur systematischen Einteilung aller Lebewesen. So gehört z. B. die Art (Species) Löwe (Panthera leo) zur Gattung (Genus) der Panthera, zur Familie (Familia) der Katzenartigen, zur Ordnung (Ordo) der Raubtiere, zur Klasse (Classis) der Säugetiere und zum Stamm (Phylum) der Wirbeltiere. Jede Art wird durch die Bezeichnung der Gattung und des 4.4 Wissensorganisation 321 <?page no="322"?> Spezifikums der Art beschrieben: der Homo sapiens gehört bspw. zur Gattung Homo, zu welcher auch andere Arten gehören, wie der Homo habilis (vor ca. 2,4-1,5 Mio. Jahren), der Homo erectus, heidelbergensis, neanderthalensis, floresiensis, naledi bis zum Homo luzonensis (vor ca. 50.000 Jahren). Das System von Linné war ein Meilenstein in der Geschichte der Wissenschaft, weil es Ordnung, Vergleichbarkeit und internationale Verständigung möglich machte. Eine solche hierarchische Systematik ermöglicht es, Verwandtschafts‐ beziehungen zu erkennen, Gemeinsamkeiten zu definieren und neue Arten oder Phänomene in ein bestehendes Wissenssystem einzuordnen. Moderne biologische Taxonomien berücksichtigen nicht nur äußere Merkmale, sondern auch genetische, ökologische und evolutionsge‐ schichtliche Zusammenhänge. Dadurch wird das System nicht nur beschreibend, sondern auch erklärend, z. B. wie biologische Vielfalt auf gemeinsame Ursprünge zurückgeführt werden kann. Auch in anderen Wissenschaften haben sich taxonomische Verfahren etabliert. In der Linguistik werden Sprachen genealogisch in Familien, Unterfamilien und Zweige gegliedert, sodass sich Verwandtschaften und Entwicklungslinien rekonstruieren lassen. In der Informations- und Bibliothekswissenschaft bilden Taxonomien die Grundlage für Klassifikationssysteme und digitale Ordnungsschemata. Datenbanken, Ontologien und Suchmaschinen verwenden hierarchische Strukturen, um Begriffe zu ordnen, Zusammenhänge zwischen Themenfeldern abzubilden und Wissen zugänglich zu machen. 4. Typologie: Die Bildung idealtypischer Modelle Auch die Typologie ist ein Verfahren zur Ordnung und Systematisierung von Gegenständen, Phänomenen oder Personen. Während Klassifika‐ tionen auf eindeutige, disjunkte Zuordnungen abzielen, arbeitet eine Typologie mit einem flexibleren Ordnungsprinzip. Auch hier werden Gegenstände eingeordnet, doch nicht nach einem einzigen klar un‐ terscheidbaren Merkmal, sondern durch die Kombination mehrerer Dimensionen. Ein Typ ist das Ergebnis solcher Merkmalskonstellationen und stellt einen Idealtypus dar: eine theoretische Konstruktion, die bestimmte Muster sichtbar macht, auch wenn sie in der Realität selten in reiner Form vorkommen. Die Typen in der Typologie müssen im Unterschied zur Klassifikation nicht disjunkt sein, es muss keine eindeutige Zuordnung geben. Ein 322 4 Die Qualität der Wissenschaft <?page no="323"?> Element kann mehreren Typen ähneln oder zwischen ihnen liegen. Die Merkmale und die Typen sind theoretische Konstrukte und dienen der differenzierenden Beschreibung, dem Vergleich und dem Verstehen komplexer Phänomene. Mit Typologien können Übergänge, Mischfor‐ men und strukturelle Variationen sichtbar gemacht werden, die in einer Klassifikation ausgeblendet würden. Typologien sind insofern flexibler als Klassifikationen. Typologien werden vor allem in den Sozial-, Kultur- und Geisteswissen‐ schaften eingesetzt, wo die untersuchten Phänomene selten eindeutig voneinander abgegrenzt sind. Ihre Stärke liegt darin, Strukturen und Muster zu erkennen, ohne die Vielgestaltigkeit der Wirklichkeit zu verflachen. Die Typen sind daher heuristische Werkzeuge: Sie entstehen aus einer theoretischen Perspektive, sind methodisch begründet, aber nicht als exakte Abbildungen zu verstehen. Sie erlauben es, Phänomene in Relation zueinander zu setzen, Unterschiede zu beschreiben und Regelmäßigkeiten zu erkennen. Ein schönes Beispiel ist die von Max Weber entwickelte Typologie der Herrschaftsformen. Weber unterscheidet zwischen legaler, traditioneller und charismatischer Herrschaft - drei idealtypischen Grundformen, die sich in der empirischen Realität meist überlagern. Diese Typen sind keine empirisch reinen Kategorien, sondern begriffliche Modelle, die helfen, gesellschaftliche Ordnungen und Machtbeziehungen analytisch zu erfassen. Die legale Herrschaft stützt sich auf rational geschaffene Regeln und bürokratische Verfahren; die traditionelle auf Gewohnheit, Herkunft und überlieferte Legitimation; die charismatische schließlich auf persönliche Ausstrahlung, Glauben und emotionale Bindung. In der Wirklichkeit begegnen sie in vielfältigen Mischformen: ein charis‐ matischer Führer, der sich auf legale Institutionen beruft, oder eine traditionelle Ordnung, die sich in rechtliche Strukturen übersetzt. Die Typologie ermöglicht es, solche Mischformen zu verstehen, weil sie nicht auf Eindeutigkeit, sondern auf interpretative Annäherung zielt. In ähnlicher Weise werden Typologien in vielen Disziplinen verwendet: zur Beschreibung von Lebensstilen, Organisationsformen, Lernhaltun‐ gen oder Kommunikationsmustern. Sie helfen, theoretische Konzepte mit empirischer Vielfalt zu verbinden und machen komplexe soziale Wirklichkeiten vergleichbar, ohne sie zu verengen. 4.4 Wissensorganisation 323 <?page no="324"?> Beispiel | Typenbildung in einer empirischen Studie Angenommen, wir führen eine kleine Befragung unter Studierenden durch, um herauszufinden, welche elektronischen Kommunikati‐ onsmedien sie bevorzugt verwenden. Uns interessiert nicht das Verhalten einzelner Personen, sondern die Herausbildung typischer Muster. Für die Auswertung sind drei Merkmalsdimensionen rele‐ vant: Geschlecht, Alter und Kommunikationsmedium. Auf jeder dieser Dimensionen werden die entsprechenden Merkmale abgetra‐ gen - auf jener des Alters die Gruppen 18-21 Jahre, 22-24 Jahre und älter als 24 Jahre. Kombiniert man diese Merkmale miteinander, entsteht eine dreidi‐ mensionale Kreuztabelle. Ein Typ ergibt sich aus der Kombination bestimmter Merkmale über die Dimensionen hinweg. So entsteht etwa der Typ der männlichen Studierenden im Alter von 18 bis 21 Jahren, die primär über Messenger-Dienste wie WhatsApp oder Te‐ legram kommunizieren, oder der Typ der weiblichen Studierenden zwischen 22 und 24 Jahren, die soziale Netzwerke wie Instagram oder X bevorzugen. Ebenso kann sich ein Typ älterer Studierender herausbilden, die E-Mail als Hauptmedium verwenden. Diese Typen beschreiben nicht einzelne Individuen, sondern typi‐ sche Muster der Mediennutzung innerhalb einer Gruppe. Sie sind keine scharfen Klassen, sondern analytische Verdichtungen mit fließenden Übergängen und Mischformen. Gerade darin liegt der heuristische Wert einer Typologie: Sie macht Vielfalt interpretierbar, ohne sie zu nivellieren, und entlang der Unterschiede zwischen Altersgruppen, Geschlechtern oder Kommunikationsstilen können Hypothesen über ihr Kommunikationsverhalten gefunden werden. Klassifikation, Taxonomie und Typologie sind komplementäre Strate‐ gien der Wissensordnung. Die Klassifikation ordnet durch eindeutige Abgrenzung, die Taxonomie durch hierarchische Gliederung, die Typo‐ logie durch idealtypische Begriffsbildung. 324 4 Die Qualität der Wissenschaft <?page no="325"?> 5. Abstraktion: Vom Besonderen zum Allgemeinen gelangen Abstraktion ist die Strategie, von spezifischen Details abzusehen, um die wesentlichen Merkmale oder übergeordneten Strukturen eines Phä‐ nomens hervorzuheben. So werden Erkenntnisse gewonnen, die über den Einzelfall hinausreichen: übergreifende Muster, Gesetzmäßigkeiten, Theorien und Modelle zu formulieren. Abstraktion lenkt die Aufmerk‐ samkeit auf das Relevante und strukturiert den Erkenntnisprozess. Beispiel | Abstraktion in der Netzwerkforschung In der Analyse sozialer Netzwerke werden konkrete Interaktionen - Freundschaften, Kommunikation, Kooperation - zu abstrakten mathematischen Modellen verdichtet. In der Graphentheorie wird das soziale Gefüge als System von Knoten (Personen) und Kanten (Beziehungen) dargestellt. So lassen sich Grundstrukturen wie Zen‐ tralität oder Dichte analysieren, unabhängig vom individuellen Kontext der Beteiligten. 6. Theoriebildung und Modellbildung: Wissensstrukturen zur Er‐ klärung Theoriebildung ist die höchste Form wissenschaftlicher Wissensorgani‐ sation. Sie verbindet begriffliche, empirische und abstrakte Strategien zu kohärenten Strukturen, die Zusammenhänge erklären, Vorhersagen ermöglichen oder Phänomene deuten. Eine Theorie ist ein System aus Begriffen, Definitionen, Annahmen und Hypothesen, das Beobachtun‐ gen in ein logisches Gefüge bringt. Modelle sind vereinfachte Repräsentationen von Ausschnitten der Wirklichkeit oder einer Theorie. Sie dienen dazu, Strukturen zu ver‐ anschaulichen, Prozesse zu simulieren oder Hypothesen zu prüfen. Modelle reduzieren Komplexität und machen Zusammenhänge sichtbar, ohne Anspruch auf vollständige Abbildung der Realität zu erheben. Beispiel | Die Diffusion of Innovations Theory (Everett Rogers) beschreibt, wie sich Innovationen in sozialen Systemen verbreiten, und ordnet das Wissen über Schlüsselkonzepte (z. B. Innovatoren, frühe Adopter, spätere Mehrheit) und deren Beziehungen in ein 4.4 Wissensorganisation 325 <?page no="326"?> theoretisches System. Mit einem Modell des Entscheidungsverhal‐ tens werden die Faktoren und Schritte strukturiert, die zu einer Entscheidung führen, um diesen Prozess greifbar zu machen. 7. Formalisierung: Präzision durch symbolische und logische Dar‐ stellung Formalisierung schließlich überführt Wissen in eine symbolische oder logische Form, um die Ambiguitäten und Unschärfen der natürlichen Sprache zu reduzieren und Beziehungen eindeutig zu definieren, um sie rechnerisch oder logisch verarbeiten zu können. Formalisierte Dar‐ stellungen - etwa mathematische Gleichungen, logische Kalküle oder algorithmische Strukturen - ermöglichen präzise, generalisierbare Aus‐ sagen, die intersubjektiv nachvollziehbar sind und leichter zu prüfen und zu falsifizieren. Beispiel | Die Darstellung von ökonomischen Zusammenhängen in mathematischen Gleichungen (z. B. Angebots- und Nachfragefunk‐ tionen) oder die Modellierung von Prozessen in der Informatik mit‐ tels Algorithmen und Pseudocode. In der Sozialforschung können formale Logiken zur präzisen Abbildung von Argumentationsstruk‐ turen genutzt werden, um ihre Gültigkeit zu prüfen. Begriffsklärung, Klassifikation, Taxonomie, Typologie, Abstraktion, Theoriebildung und Formalisierung sind Grundformen wissenschaftli‐ cher Erkenntnis. Sie tragen bei zur Qualitätssicherung, indem sie Wissen strukturieren, verdichten und ordnen, um es kommunizierbar, nachvoll‐ ziehbar, vergleichbar, überprüfbar und anschlussfähig zu machen. Kognitive und kommunikative Strategien Kognitive und kommunikative Strategien betreffen die Denkprozesse und die Ausdrucksformen, wie Wissen verarbeitet und in der Kommunikation repräsentiert wird. Sie übersetzen abstrakte Inhalte in verstehbare, merkfä‐ 326 4 Die Qualität der Wissenschaft <?page no="327"?> hige und anschlussfähige Formen und sind damit eine Brücke zwischen theoretischer Abstraktion und vermittelter Erkenntnis. Diese Strategien unterscheiden sich von epistemischen Strategien, da sie nicht direkt auf die Erkenntnisgewinnung und Theoriebildung abzielen, und von den dokumentarisch-formalen Strategien, da sie nicht primär die technische Aufbereitung oder Systematisierung von Wissen betreffen. Unser Gehirn ist ständig damit beschäftigt, eine Flut von Informationen aus unserer Umwelt zu ordnen und zu interpretieren. Dafür nutzen wir kognitive Strukturen und mentale Modelle, um Erfahrungen zu verarbeiten, Vorhersagen zu treffen und Probleme zu lösen. Sie bilden die Grundlage unseres individuellen Wissensmanagements. 1. Schemata und Frames bündeln Erfahrungen, Erwartungen und kul‐ turell geteilte Deutungsmuster zu einem Orientierungssystem, das uns hilft, Situationen sofort einzuordnen, ohne jedes Detail bewusst analy‐ sieren zu müssen. Sie fassen zusammen, was wir typischerweise erwarten oder wie wir uns verhalten sollten. Schemata entstehen durch wiederkehrende Erfah‐ rungen und werden im Laufe des Lebens stabilisiert; Frames dagegen sind stärker sprachlich und sozial geprägt und wirken wie interpreta‐ tive „Schablonen“, die bestimmen, wie wir etwas betrachten, welche Bedeutung wir einem Sachverhalt zuschreiben, worauf wir achten, was wir übersehen und welche Interpretationen uns spontan plausibel erscheinen. Insofern sind Schemata und Frames auch ökonomisch: Sie reduzieren Komplexität, machen Verhalten vorhersagbar und erleich‐ tern Kommunikation, weil viele Bedeutungen selbstverständlich sind. Gerade deshalb wirken sie häufig als implizites Wissen, sind unbewusst und schwer zu hinterfragen. Beispiel | Ein „Frame“ für einen Restaurantbesuch ist assoziiert mit Konzepten wie „Kellner", „Speisekarte", „Bestellung“ und „Rech‐ nung“. Diese Konzepte helfen uns, mit Situationen umzugehen, ohne jedes Mal bei Null beginnen zu müssen. Ähnlich ruft der Frame „Gerichtssaal“ eine spezifische Palette von Rollen und Erwartungen ab: Richter, Anklage, Verteidigung, Zeu‐ gen, Protokoll, Verhandlungsordnung. Damit ist auch ein bestimm‐ tes Sprachspiel verbunden: es wäre ja unpassend oder kreativ, aber 4.4 Wissensorganisation 327 <?page no="328"?> auf jeden Fall auffällig, wenn man außerhalb des Gerichtssaals Formulierungen wie „Einwände erheben“ oder „das Gericht möge dies zur Kenntnis nehmen“ verwenden würde. Der Frame liefert also Begriffe und Handlungsskripts. Ähnlich wirksam sind gesellschaft‐ liche Frames wie „Leistung“ oder „Sicherheit“, die unser Denken darüber prägen, was als problematisch oder wünschenswert gilt. Frames wirken demnach nicht nur beschreibend, sondern struk‐ turierend: Sie eröffnen bestimmte Sichtweisen und verschließen andere. Im Forschungsprozess sind Schemata und Frames entscheidend für die Konstituierung des Forschungsgegenstandes und die Formulierung einer Forschungsfrage. Sie bestimmen auch, was an einem Phänomen interessant ist, welche Dimensionen untersucht werden, welche Daten benötigt wer‐ den, welche Methoden sinnvoll sind und welche theoretischen Ansätze herangezogen werden. Frames wirken damit als unsichtbare Vorauswahl, die wissenschaftliches Arbeiten strukturiert, noch bevor eine eigentliche Theorie formuliert oder eine empirische Erhebung beginnt. Wer sich dieser Wirkung bewusst ist, kann sowohl den eigenen Forschungsfokus reflektie‐ ren als auch alternative Rahmungen prüfen, um den Gegenstand präziser oder umfassender zu erfassen. Exkurs | Wie Frames Forschungsgegenstand und Forschungsfrage konstituieren Das Thema „Integration von Migrant: innen“ zeigt, wie Frames nicht nur die öffentliche Wahrnehmung, sondern auch die wissenschaftliche Arbeit prägen. Sie beleuchten bestimmte Aspekte eines Phänomens und blenden andere aus; sie definieren, was das Problem ist, was Ursachen sein könnten und welche Lösungen denkbar wären. Damit definieren sie bereits den Forschungsgegenstand, noch bevor eine theoretische oder empirische Analyse beginnt. Wird Integration z. B. als kulturelles Anpassungsproblem gesehen, rückt die Frage nach Werthaltungen, Gewohnheiten, Normen und sozialen Praktiken in den Vordergrund. Forschungsgegenstand ist dann die kul‐ turelle Differenz oder Distanz, die überwunden werden soll, und Studien befassen sich vornehmlich mit Sprachbeherrschung, Traditionsfragen 328 4 Die Qualität der Wissenschaft <?page no="329"?> oder interkulturellen Kompetenzen. Diese Problemdefinition führt zu kulturtheoretischen Zugängen, die das Verhältnis zwischen Mehrheits- und Minderheitskultur untersuchen. Wird dasselbe Phänomen hingegen als ökonomische Herausforderung gerahmt, verlagert sich der Blick auf Arbeitsmarktintegration, Qualifi‐ kationsprofile, wirtschaftliche Folgen oder demografische Entwicklun‐ gen. Forschungsgegenstand ist dann die Frage der Ressourcenverteilung und Produktivität, und Theorien der Arbeitsmarktsoziologie, Ökonomie oder Sozialpolitik treten in den Vordergrund. Dieselbe Gruppe von Menschen und dieselben gesellschaftlichen Prozesse erscheinen in einer völlig anderen Struktur. Ein rechtlicher Frame wiederum sieht Integration primär als Frage von Rechten, Pflichten und institutionellen Zugehörigkeiten. Forschungsge‐ genstand sind hier Themen die Staatsbürgerschaft, Aufenthaltsrecht, Gleichstellung oder Diskriminierung. Bedeutsam sind rechtstheoreti‐ sche, politikwissenschaftliche und normative Theorien, Forschungsfra‐ gen betreffen Verfahren, Zugänge und Ungleichheiten im Rechtssystem. Wird schließlich Integration als Chancenstruktur betrachtet, richtet sich der Fokus nicht mehr auf Defizite oder Risiken, sondern auf Potenziale, Innovationsfähigkeit und gesellschaftliche Dynamik, relevant sind dann theoretische Ansätze aus Diversitätsforschung, Innovationsforschung oder Sozialraumtheorie . Der jeweilige Forschungsgegenstand ist nicht einfach an sich vorgege‐ ben, sondern durch den Frame geprägt, er wird jeweils anders fokussiert und strukturiert, und ist unterschiedlich theoretisch anschlussfähig. Unterschiedliche Frames führen insofern auch zu unterschiedlichen Forschungsfragen, im Beispiel: Wie überwinden Menschen kulturelle Unterschiede? Wie gelingt der Eintritt in den Arbeitsmarkt? Wie wirken gesetzliche Regelungen? Wie entstehen neue soziale Ressourcen? Jede hat Sinn, jede entsteht aus einer plausiblen Perspektive, abhängig vom Frame. 2. Heuristiken sind vereinfachte Denkwege, die es uns ermöglichen, auch unter Unsicherheit, Zeitdruck oder unvollständigen Informationen rasch zu einer Entscheidung zu kommen. Sie sind quasi Daumenre‐ geln oder Faustformeln, sie verkürzen den Weg zur Urteilsbildung, indem sie auf vertraute Muster, Erfahrungen oder leicht zugängliche 4.4 Wissensorganisation 329 <?page no="330"?> Informationen zurückgreifen. Gerade diese Verkürzungen machen sie auch anfällig für typische Verzerrungen: Was besonders präsent ist, scheint wahrscheinlicher; was gut ins bestehende Bild passt, wird bevorzugt; was zuerst gehört wurde, wirkt wie ein Anker für spätere Einschätzungen. Heuristiken erleichtern Orientierung, können aber zu überstürzten oder einseitigen Urteilen führen, wenn sie unreflektiert bleiben. Sie sind damit eine zweischneidige Ressource: unverzichtbar für die Bewältigung des Alltags, aber zugleich eine Quelle systematischer Fehlinterpretationen. Beispiel | In der Repräsentativitätsheuristik beurteilen wir ein Er‐ eignis danach, wie sehr es einem vertrauten Muster gleicht. Wenn jemand etwa einen Text mit abstrakter Sprache liest, wird er eher an‐ nehmen, dass er von einer Professorin oder einem Experten stammt, auch wenn der Text von einer künstlichen Intelligenz stammt. Das Urteil orientiert sich an Symptomen und oberflächlichen Merk‐ malen, weniger am tatsächlichen Inhalt. Ein anderes Beispiel ist die Verfügbarkeitsheuristik: Nach einem medial stark beachteten Ereignis, etwa einem spektakulären Zugunfall, schätzen Menschen die Wahrscheinlichkeit von Bahnreisen als riskanter ein, obwohl sich statistisch nichts bzw. wenig verändert hat. Das kurzfristig intensiv präsente Ereignis überlagert nüchterne Wahrscheinlichkei‐ ten. In beiden Fällen zeigt sich, wie Heuristiken Wahrnehmung strukturieren, Entscheidungen prägen und Einschätzungen steuern, meist ohne dass es uns bewusst ist. 3. Mentale Modelle sind innere, vereinfachte Abbildungen komplexer Zusammenhänge. Sie sind wie persönliche Mini-Theorien darüber, wie ein System aufgebaut ist, warum es funktioniert und wie es sich verändern lässt, sie sind entscheidend für unsere Fähigkeit, mit dem System zu interagieren. So können wir Abläufe vorhersagen, Zusam‐ menhänge erstehen und Probleme lösen, ohne alle Details im Kopf haben zu müssen. Mentale Modelle sind jedoch selektiv: Sie betonen bestimmte Aspekte eines Systems und blenden andere aus. Deshalb sind sie zugleich hilfreich und begrenzend. Sie vereinfachen Komplexität so weit, dass wir handlungsfähig bleiben, doch genau diese Vereinfachung kann dazu führen, dass wir Ursachen überschätzen, Wechselwirkungen 330 4 Die Qualität der Wissenschaft <?page no="331"?> übersehen oder Zusammenhänge zu linear denken. In der Kommunika‐ tion wiederum ermöglichen mentale Modelle, dass abstrakte Inhalte anschaulich werden: Wer ein funktionierendes Modell im Kopf hat, kann anderen erklären, wie ein Prozess oder eine Struktur zu verstehen ist. Beispiel | Das Modell eines Motors: Auch Menschen ohne tech‐ nische Ausbildung haben eine ungefähre Vorstellung, wie ein Mo‐ tor funktioniert: Kraftstoff plus Zündung ergibt Bewegung. Diese vereinfachte Struktur reicht aus, um Handlungen wie Gas geben, bremsen oder grundlegende Entscheidungen sinnvoll erscheinen zu lassen. Ähnliches gilt für mentale Modelle in der Kommunika‐ tion: Wenn wir die Struktur eines Arguments verstehen - dass es aus einer Behauptung, einer Begründung und einem Schluss besteht -, können wir einem komplexen Vortrag folgen oder selbst überzeugend argumentieren, auch ohne jedes Detail formallogisch zu prüfen. Das mentale Modell gibt Orientierung und macht es möglich, neue Informationen sinnvoll einzuordnen. 4. Metaphorische Konzepte. Wissenschaftliche Erkenntnis gilt als ob‐ jektiv, präzise und formal stringent. Weniger sichtbar ist, dass Meta‐ phern dabei eine konstante Rolle spielen. Sie sind nicht bloß rhetorisches Beiwerk, sondern kognitive Werkzeuge: Metaphern strukturieren, er‐ öffnen, begrenzen und motivieren Erkenntnisprozesse. In der klassischen Rhetorik bezeichnet eine Metapher die Übertragung eines Ausdrucks aus einem Bedeutungsbereich in einen anderen. Wenn wir sagen, „die Zeit verrinnt“, übertragen wir eine physikalische Ei‐ genschaft einer Flüssigkeit auf das abstrakte Phänomen Zeit. In der modernen kognitiven Linguistik (Lakoff 2021) gilt die Metapher als grundlegender Mechanismus des Denkens: Wir begreifen neue oder abstrakte Erfahrungen durch die Strukturierung mittels bereits bekann‐ ter Bedeutungsfelder. In der Wissenschaft eröffnen Metaphern Zugänge zu Unbekanntem, indem sie das Unbekannte mit Bekanntem verknüpfen, bedeutsam ist dies, wenn es um Phänomene geht, die nicht Teil unserer unmittelbaren Erfahrung sind, etwa subatomare Prozesse, kognitive Zustände oder gesellschaftliche Makrostrukturen. 4.4 Wissensorganisation 331 <?page no="332"?> In der Genetik wird etwa von einem „genetischen Code“, einem „Bau‐ plan“ oder einer „Maschinerie“ des Lebens gesprochen. Diese Begriffe stammen aus der Sprache der Technik und Informatik, sie implizieren Ordnung, Steuerung, Lesbarkeit - und blenden zugleich Aspekte wie Nicht-Determinierbarkeit, Zufall oder Emergenz aus. In der Physik ist die Vorstellung von Raumzeit als „gekrümmt“ eine Metapher, die auf geometrische Intuition zurückgreift, um ein mathematisch abstraktes Konzept verständlich zu machen. In der Kognitionspsychologie wird das Gehirn häufig mit einem Computer verglichen, das Denken mit Infor‐ mationsverarbeitung - eine Metaphorik, die tief in das Selbstverständnis dieser Disziplin eingeschrieben ist. Metaphern sind somit nicht bloß Illustrationen bereits vorhandener Erkenntnisse, sondern Elemente der Theoriebildung selbst. Sie beein‐ flussen, welche Fragen gestellt werden, welche Begriffe sich etablieren, welche Methoden angewandt und welche Erklärungen als plausibel empfunden werden. In diesem Sinne sind Metaphern epistemisch pro‐ duktiv, konstitutiv und selektiv. Besonders deutlich tritt die erkenntnisleitende Funktion von Metaphern in solchen Disziplinen hervor, die mit komplexen, unsichtbaren oder abstrakten Gegenständen arbeiten. In der Theoretischen Physik etwa sind viele Grundbegriffe wie „Feld“, „Kraft“, „Welle“ oder „Teilchen“ stark metaphorisch aufgeladen - und nicht ganz verträglich mit ma‐ thematischer Exaktheit. In den Biowissenschaften helfen Metaphern wie „Maschine, „Programm, „Schaltkreis oder „Signalweg, molekulare Prozesse greifbar zu machen. In der Psychologie dienen Metaphern der Orientierung in der Unsichtbarkeit des Geistes: ob als „Black Box“ im Behaviorismus und in der KI-Forschung, als „Speicher“ im Kognitivismus oder als „Netzwerk“ im Konnektionismus. Auch in den Sozialwissenschaften sind Metaphern bedeutsam: Gesell‐ schaft kann als „System“, „Organismus“, „Theater“, „Netzwerk“ oder „Maschine“ beschrieben werden - jede dieser Metaphern lenkt den Blick auf bestimmte soziale Dynamiken und blendet andere aus. Gesellschaft als System (etwa Luhmann 2010) fokussiert die Kommunikation als geschlossenen, selbstreferentiellen Kreislauf, und blendet individuelle Intentionen und Emotionen oder Machtstrukturen aus. Gesellschaft als Theater (etwa Goffman 2018) konzentriert sich auf Inszenierung, Rollen, Fassaden, Darbietung und die Beziehung zwischen Akteur und 332 4 Die Qualität der Wissenschaft <?page no="333"?> Publikum. Sie blendet größere strukturelle oder ökonomische Zwänge aus. Die wissenschaftstheoretische Relevanz von Metaphern liegt in ihrer Rahmenfunktion für Erkenntnis. Metaphern erzeugen nicht nur Bilder, sondern strukturieren das epistemische Feld, innerhalb dessen Wissen‐ schaft operiert. Insofern ist die Wahl einer Metapher nie neutral - sie prägt, was als erforschbar, erklärbar oder sichtbar gilt. Sie wirkt damit als Katalysator für kreatives Denken, Orientierung und Theoriebildung in vielen Disziplinen. Metaphern sind nützlich, bergen aber auch das Risiko, neue Selbstver‐ ständlichkeiten zu schaffen oder Aspekte zu übersehen. Deshalb ist eine wissenschaftstheoretische Reflexion über die verwendeten Metaphern wichtig: Metaphern sind Modelle, aber keine „letzten Wahrheiten“. Sobald sich ein Wissensgebiet konsolidiert, müssen die metaphorischen Verankerungen in präzise Definitionen und formale Theorien überführt werden, um die notwendige Klarheit, Eindeutigkeit und empirische Überprüfbarkeit zu gewährleisten. Die Kunst liegt darin, die produktive Kraft der Metaphern zu nutzen, ohne sich von ihren Ungenauigkeiten und Einschränkungen leiten zu lassen. Exkurs | Aristoteles und die Metapher Für viele Versuche, die Metapher zu definieren, hat der griechische Philosoph Aristoteles den Grundstein gelegt. „Metapher ist die Übertra‐ gung eines [fremden] Wortes (das somit in uneigentlicher Bedeutung verwendet wird), und zwar entweder von der Gattung auf die Art oder von der Art auf die Gattung oder von einer Art auf eine andere oder nach den Regeln der Analogie. […] Unter einer Analogie verstehe ich eine Beziehung, in der sich die zweite Größe zur ersten verhält wie die vierte zur dritten. Dann verwendet der Dichter statt der zweiten Größe die vierte oder statt der vierten die zweite. […] Oder: das Alter verhält sich zum Leben, wie der Abend zum Tag; der Dichter nennt also den Abend ‚Alter des Tages‘, oder, wie Empedokles, das Alter ‚Abend des Lebens‘ oder ‚Sonnenuntergang des Lebens‘“. (Aristoteles 2024, 67 f, 1457b) Aristoteles schwebt sogar eine Kompetenz der Metaphorisierung vor, nämlich Ähnlichkeiten zu sehen und Analogien herzustellen - quasi als Metakompetenz, die mehr ist als z. B. die Fähigkeit des logischen Schließens, da sie nicht erlernbar, vielmehr selbst die Voraussetzung 4.4 Wissensorganisation 333 <?page no="334"?> für Lernen ist: „Es ist wichtig, dass man alle die genannten Arten [die poetischen Stilfiguren] passend verwendet, […] es ist aber bei weitem das Wichtigste, dass man Metaphern zu finden weiß. Denn dies ist das Einzige, das man nicht von einem anderen lernen kann, und ein Zeichen von Begabung. Denn gute Metaphern zu bilden [eu metaphorein] bedeutet, dass man Ähnlichkeiten zu erkennen vermag.“ (Aristoteles 2024, 77, 1459a) Die Funktionen der Metapher: Kognitiv: Konkretisierung abstrakter Konzepte und Modelle. - Heuristisch: Strukturierung neuer Phänomene, Anstoß für Hypothesen. - Kommunikativ: Unterstützung von Verstän‐ digung durch Bilder. Die Risiken der Metapher: Selektion, Verzerrung und blinde Flecken. Analogien sind erweiterte Metaphern, sie vergleichen strukturelle oder funktionale Übereinstimmungen zwischen dem Quellbereich und dem Ziel‐ bereich. Während Metaphern einen prägnanten Transfer von Bedeutung darstellen, gehen Analogien einen Schritt weiter, indem sie ein Netzwerk von Übereinstimmungen aufbauen. Beispiele | Metaphern über Wissen, Denken, Gehirn und KI „Wissen ist Licht“: Licht gibt uns Klarheit, Erkenntnis und Orientierung. Wenn wir sagen, Wissen sei Licht, übertragen wir diese Eigenschaften auf den abstrakten Begriff des Wissens: Wissen ist so nicht nur eine Ansammlung von Fakten, sondern etwas Erhellendes, das Dunkelheit vertreibt. „Der Geist ist ein Container“: Ein Container hat Volumen, Öffnungen, Grenzen und Fächer. Diese Eigenschaften übertragen wird auf mentales Geschehen: Wir füllen unseren Kopf mit Wissen, legen eine Idee „auf die Seite“, ordnen unsere Gedanken, räumen den Kopf frei, behalten etwas „im Hinterkopf “ oder erleben eine Überfülle an Eindrücken. So erschei‐ nen Gedanken als Inhalte, die man aufnehmen, aufbewahren, sortieren und bei Bedarf wieder herausnehmen kann. Allerdings geht dabei das 334 4 Die Qualität der Wissenschaft <?page no="335"?> Prozesshafte und Dialogische des Denkens verloren, es braucht als Ausgleich die Metapher „Denken ist ein Gespräch“. „Das Gehirn ist wie ein Computer“ ist die klassische Analogie in den Kognitionswissenschaften. Hier wird nicht nur eine einzelne Ei‐ genschaft übertragen, sondern eine ganze Reihe von Entsprechungen aufgezeigt: Das Gehirn hat „Hardware“ (Neuronen) und „Software“ (mentale Programme), es „verarbeitet“ Informationen, hat „Speicher“ (Erinnerungen) und „Schnittstellen“ (Sinnesorgane). Diese Analogie war und ist eine Inspiration für viele Hypothesen und Theorien über die Funktionsweise des Gehirns. „Künstliche Intelligenz“ hat sich mittlerweile als Begriff etabliert, ist aber ursprünglich nichts als eine Metapher. Sie steht für die Vorstellung, dass Systeme, die nicht biologisch sind (also Maschinen, Algorithmen), menschenähnliche Leistungen wie Lernen, Problemlösen, Sprachver‐ stehen oder Kreativität zeigen können. Das Bild vom „intelligenten“ Computer prägte die Wahrnehmung. Auch die Wissenschaftstheorie braucht Metaphern, weil sie mit abstrak‐ ten Begriffen arbeitet. Einer kleiner metaphernanalytischer Überblick: Ein klassisches Bild ist die Wissenschaft als Gebäude oder Fundament. Wissenschaft wird Schicht für Schicht errichtet, Hypothesen sind die Steine, Theorien die Mauern, Methoden das Baugerüst - Wissenschaft gründet auf früheren Erkenntnissen und baut sich additiv auf. Andere Metaphern betonen mehr den Forschungsprozess. Theorien oder Forschungsfragen werden zum Leuchtturm, Kompass oder Wegweiser, damit Forschung nicht planlos verläuft, sondern durch Methoden, Hypothesen und Konzepte gesteuert. Diese Metapher findet sich vor allem in deduktiven und hypothesenprüfenden Positionen, z.-B. im Kritischen Rationalismus. Auch die Landkarte des Wissens ist ein prägendes Bild. Theorien können so visualisiert werden, nicht als exakte Abbildungen, sondern als Orientie‐ rungen. Eine gute Karte ist abstrahierend, aber zweckmäßig. Dieses Bild betont die Modellfunktion von Theorien, wie z. B. in den pragmatistischen und konstruktivistischen Positionen, die Theorie als heuristisches Werkzeug verstehen. Mit Karl R. Popper tritt ein anderes Bild in den Vordergrund: der Falsi‐ fizierbarkeits-Check oder die Prüfung am Pranger. Theorien müssen sich harten Tests stellen, um wissenschaftlich zu gelten. Hier ist die Assoziation 4.4 Wissensorganisation 335 <?page no="336"?> mit Härte und Strenge und die disziplinierende Funktion der Wissenschaft im Spiel: Eine Theorie, die nicht widerlegbar ist, hat keinen Platz im wissenschaftlichen Diskurs. Ebenfalls verbreitet ist die Vorstellung vom Puzzle oder Mosaik der Erkenntnis. Jedes Forschungsergebnis fügt sich in ein größeres Gesamtbild. Auch wenn einzelne Teile zunächst isoliert erscheinen, ergibt sich im Zusammenspiel das Muster der wissenschaftlichen Landschaft. Dieses Bild unterstreicht die Idee, dass Fortschritt auch inkrementell geschieht. Thomas Kuhn hat dieses Bild infrage gestellt, indem er vom Paradig‐ menwechsel sprach. Wissenschaft wächst nicht nur durch Hinzufügen von Bausteinen, sondern kennt auch Phasen radikaler Umwälzungen. In einer wissenschaftlichen Revolution wird das bisherige Gebäude zum Einsturz gebracht und durch eine neue Ordnung ersetzt. Die Metapher des Paradig‐ menwechsels macht Diskontinuität und Pluralität der Wissenschaft sichtbar. Und schließlich noch die schönste Metapher: die Blue Sky Research ist die freie Grundlagenforschung unter dem blauen Himmel, die nicht durch unmittelbare Nützlichkeit, sondern durch reine wissenschaftliche Neugierde motiviert ist. Es gibt noch weitere kognitive und kommunikative Strategien. 5. Narrative organisieren Wissen, indem sie Ereignisse in eine zeitliche Abfolge bringen, Kausalitäten herstellen und Bedeutungen zuschreiben. Durch das Erzählen werden Zusammenhänge geschaffen, die nicht nur informieren, sondern auch Verständnis und emotionale Beteiligung er‐ möglichen. Was in den Kontext einer Geschichte gestellt wird, erscheint nachvollziehbar, anschaulich und bleibt besser im Gedächtnis. In der qualitativen Forschung spielt das Narrative eine zentrale Rolle. In narrativen Interviews erzählen Personen ihre Erfahrungen nicht als neutrale Berichte, sondern als Deutungen ihrer Lebenswelt. Das Erzählen ist eine Form der situativen und spontanen Weltdeutung. Ähnlich verfahren Biographieforschung, Fallrekonstruktion und Ethno‐ graphie, die versuchen, soziale Wirklichkeit in ihrer Prozesshaftigkeit und individuellen Logik nachzuvollziehen. Beispiel | In einer Studie über den beruflichen Werdegang von Pfle‐ gekräften bittet eine Forscherin ihre Gesprächspartnerinnen, ihre Laufbahn zu erzählen. Eine Pflegerin berichtet, wie sie nach Jahren 336 4 Die Qualität der Wissenschaft <?page no="337"?> im Beruf in die Leitung wechselte, dann einen Burnout erlebte und schließlich in die Ausbildung ging, um andere vor ähnlichen Fehlern zu bewahren. Diese Erzählung verknüpft persönliche Erfah‐ rungen mit gesellschaftlichen Themen wie Arbeitsbelastung und Fürsorgeethik. Die Analyse solcher Narrative erlaubt es, individuelle Geschichten als Ausdruck struktureller Spannungen zu verstehen, zwischen Ideal und Realität, zwischen Berufung und Erschöpfung. Narrative sind nicht nur entscheidend in der Datenerhebung, sondern auch in der Darstellung wissenschaftlicher Ergebnisse. Solche Darstellun‐ gen folgen bestimmten Drehbüchern und Erzählmustern: Sie beginnen mit einem Problem, entwickeln eine Fragestellung, führen Argumente an und enden mit einer Pointe oder Lösung. Damit verleihen sie den Forschungsergebnissen Kohärenz und Überzeugungskraft. In der Wis‐ senschaftskommunikation gewinnen narrative Formen an Bedeutung. Komplexe Zusammenhänge - etwa in der Klimaforschung, in Medizin, Technik und auch in der Wissenschaftstheorie - lassen sich über Geschichten, Fallbeispiele und Metaphern verständlicher machen. Nar‐ rative können dabei motivieren, Handlungsoptionen aufzeigen oder Dringlichkeit vermitteln. Narrative sind nicht neutral, sie lenken Aufmerksamkeit, setzen Schwer‐ punkte, gewichten, schließen alternative Deutungen aus und können Interessen verstärken. Deshalb gehört zur Reflexion über narrative Wissensorganisation auch die Frage nach Selektivität, Dramatisierung und Perspektive. Exkurs | Das Narrativ der Wissenschaft als „Kampf gegen die Dunkel‐ heit“ Ähnlich wie in der Metapher „Wissen als Licht“ wird in diesem Narrativ die Unwissenheit als Finsternis dargestellt, während Wissenschaft das Licht ist, das sukzessive diese Dunkelheit vertreibt. Geschichten über große Entdeckungen werden häufig in dieser Struktur erzählt: bspw. Galileis Beobachtungen durch das Teleskop, mit denen er die „Himmels‐ dunkelheit“ wissenschaftlich erhellte und das mittelalterliche Weltbild erschütterte; Darwins Reise auf der Beagle, auf der sich die „Entwick‐ lung des Lebens“ symbolisch als Übergang vom mythischen zum auf‐ 4.4 Wissensorganisation 337 <?page no="338"?> geklärten Denken vollzog; oder die Entschlüsselung des menschlichen Genoms, die als neuzeitlicher Versuch gilt, die letzten Schatten über der „Natur des Menschen“ zu lüften. Dieses Narrativ prägt auch das Selbstverständnis der Wissenschaft. Ein Forscher oder ein Forschungsteam stellt sich der Unklarheit, stößt auf Widerstände, überwindet Hindernisse und bringt schließlich Erkenntnis als Licht. Wissenschaft erscheint als linearer Fortschritt, als Sieg der Rationalität über Vorurteil, Tradition und Aberglauben. 6. Visualisierungen und epistemische Bilder. Visualisierungen sind nicht nur Schmuck, sondern Instrumente der Organisation, Analyse und Kommunikation von Wissen. Sie übersetzen komplexe Informationen und Zusammenhänge in visuelle Formen und Schaffen so einen Zugang, den rein sprachliche oder numerische Darstellungen nicht leisten kön‐ nen. Visualisierung bedeutet Informationsverdichtung. Wo Texte oder Zah‐ lenkolonnen mühsam gelesen werden müssten, erlauben Diagramme, Karten oder Modelle den schnellen Überblick. Mit der Verdichtung eng verbunden ist die Mustererkennung: Das Auge identifiziert Trends, Aus‐ reißer, Cluster oder Korrelationen unmittelbar, Darstellungen führen so zu neuen Einsichten. Ein Bild sagt mehr als tausend Worte. Visualisierungen übernehmen zugleich eine wichtige Rolle in der Kommunikation und Vermittlung von Wissen. Sie machen Sachverhalte verständlicher. Ein anschauliches Bild kann komplizierte Ergebnisse plausibel machen, ohne auf formale Präzision zu verzichten. Damit erfüllen Visualisierungen auch eine heuristische Funktion: In der Exploration von Daten können sie neue Fragen aufwerfen und Hypothe‐ sen anregen. Ihre Rolle bleibt nicht auf die Darstellung beschränkt; sie sind Teil des Forschungsprozesses. Als epistemische Werkzeuge tragen sie zum Erkenntnisgewinn bei, indem sie Strukturen sichtbar machen, die sonst verborgen blieben. Nicht zuletzt besitzen Visualisierungen auch ein argumentatives Poten‐ tial . Ein sorgfältig gestaltetes Diagramm, eine überzeugende Netzwerk‐ grafik oder ein eindrucksvolles 3D-Modell können Forschungsergeb‐ nisse nicht nur illustrieren, sondern auch ihre Plausibilität stärken und den argumentativen Gehalt visuell untermauern. 338 4 Die Qualität der Wissenschaft <?page no="339"?> Die Formen visueller Darstellung sind vielfältig: Von Diagrammen und Grafiken, die quantitative Daten anschaulich machen, über Schemata und Flussdiagramme, die Prozesse oder Systeme strukturieren, bis hin zu Karten, die räumliche Muster sichtbar machen. Infografiken verbinden Text und Bild zu einer zugänglichen Einheit, Netzwerkgrafiken machen Beziehungen greifbar, Zeitachsen veranschaulichen Entwicklungen und dreidimensionale Modelle und Simulationen eröffnen neue Perspekti‐ ven auf Strukturen und dynamische Prozesse. Beispiel | Ein Stammbaum visualisiert die hierarchischen Beziehun‐ gen innerhalb einer Familie und organisiert genealogisches Wissen. Ein Organigramm bildet die Struktur einer Organisation ab, zeigt Hierarchien und Abteilungsbeziehungen. Ein wissenschaftliches Diagramm, das die Wirkungsweise eines Medikaments auf zellulä‐ rer Ebene darstellt, verdichtet biologisches und pharmakologisches Wissen in einer erfassbaren Form und dient der Erklärung und der weiteren Forschung. Dokumentarische und digitale Strategien Dokumentarische und technische Strategien der Wissensorganisation sind die Infrastruktur der Wissenschaftskommunikation. Sie dienen dazu, Wis‐ sen zu strukturieren, zu speichern und verfügbar zu machen, sodass es langfristig auffindbar, verstehbar, wiederverwendbar und auch maschinell nutzbar ist. Auch hier geht es nicht nur um Technik, sondern um episte‐ mische Voraussetzungen: Ohne systematische Ordnung wäre das wissen‐ schaftliche Wissen von gestern für heutige Forschung wohl unzugänglich. Im Bibliotheks- und Dokumentationsbereich werden Ordnungstechniken entwickelt, z. B. Klassifikationssysteme wie die Dewey Decimal Classification (DDC) oder die Systematik der Library of Congress, oder kontrollierte Vokabulare wie den Schlagwortnormdateien (GND) oder Thesauri, die Synonyme, Ober- und Unterbegriffe festlegen. Diese Instrumente machen es möglich, literarische und wissenschaftliche Werke zu erschließen, sprach- und disziplinübergreifend. Vor allem mithilfe von strukturierten Metadaten: Titel, Autor: in, Erscheinungsjahr, Thema, Sprache, Abstract und Format werden in standardisierter Form gespeichert - z. B. im Dublin Core Metadata Standard. 4.4 Wissensorganisation 339 <?page no="340"?> Mit der Digitalisierung sind diese traditionellen Methoden nicht ver‐ schwunden, sondern vielmehr in neue Formen überführt worden. Digitale Repositorien, Fachportale und Katalogsysteme (z. B. BASE, Zenodo, DSpace) nutzen strukturierte Metadaten, um wissenschaftliche Dokumente suchbar und referenzierbar zu machen. Hier greifen dokumentarische Strategien (klassische Erschließung) und technische Strategien (digitale Infrastruktur, maschinenlesbare Formate) ineinander. Ein Paradigma digitaler Wissensorganisation ist heute Open Science. Ziel ist es, wissenschaftliches Wissen, gemäß den FAIR-Prinzipien findable, accessible, interoperable und reusable zu machen. Um diese Ziele zu erreichen, braucht es auch strukturierte Metadaten, klare Lizenzierungen (z. B. Crea‐ tive Commons), persistente Identifikatoren (wie DOIs oder ORCIDs) sowie Schnittstellen (APIs), die es anderen Systemen ermöglichen, auf die Daten zuzugreifen. Solche APIs sind beispielsweise in Europeana, Wikidata oder OpenAIRE integriert. Sie erlauben die automatisierte Suche, Analyse und Visualisierung wissenschaftlicher Inhalte und Metadaten. Neben großen Infrastrukturen werden in der Forschungspraxis zuneh‐ mend digitale Kollaborationsplattformen eingesetzt, etwa Nextcloud, Gi‐ tHub, Notion, Overleaf oder Zotero Groups, für die Bearbeitung und Archi‐ vierung von Forschungsdaten, Texten, Präsentationen oder Transkripten. Ergänzt wird dies durch Funktionen zur Synchronisation, Verschlüsselung und automatisierten Sicherung - wichtige Aspekte für Datenschutz und Forschungsintegrität. API-Schnittstellen erweitern den Zugriff auf strukturierte Daten und ermöglichen deren Integration in eigene Forschungsvorhaben, etwa zur automatisierten Analyse großer Datenbestände oder zur Anreicherung eigener Metadaten. So können etwa bibliografische Daten automatisch aus CrossRef, OpenCitations oder Wikidata bezogen und in eigene Anwendungen eingebunden werden. Diese Strategien bieten nicht nur neue Möglichkeiten, sondern werfen auch Fragen auf: Wie wird gesichert, dass Daten dauerhaft verfügbar und nachvollziehbar bleiben? Welche Rolle spielen proprietäre Systeme oder institutionelle Machtasymmetrien bei der Entscheidung über Standards? Und wie weit darf oder muss maschinelle Wissensorganisation gehen, bevor sie selbst zu einer Black Box wird? 340 4 Die Qualität der Wissenschaft <?page no="341"?> Exkurs | Begriffserklärungen: Dokumentarische und digitale Strategien API (Application Programming Interface): Eine Programmierschnitt‐ stelle, über die Softwareanwendungen miteinander kommunizieren. APIs erlauben z. B. den Zugriff auf bibliografische Datenbanken oder Repositorien zur automatisierten Weiterverarbeitung. Metadaten: Strukturierte Daten über Daten. Sie beschreiben Inhalt, Form, Entstehung und Kontext eines Dokuments oder Objekts, um dessen Auffindbarkeit, Einordnung und Weiterverwendung zu erleich‐ tern. Beispiel: Titel, Autor: in, Jahr, Schlagworte oder Dateiformat eines Artikels. Ontologie: In der Informatik und Wissensorganisation bezeichnet eine Ontologie ein formales Modell von Begriffen und ihren Beziehungen in einem bestimmten Bereich. Sie ermöglicht Maschinen das „Verstehen“ und Verarbeiten semantischer Strukturen. Open Science: Ein Wissenschaftsverständnis, das auf Offenheit und Transparenz setzt: Offener Zugang zu Publikationen (Open Access), offene Daten (Open Data), offene Methoden (Open Methods) und offene Software (Open Source). Repository: Ein digitales Archivsystem zur Speicherung, Verwaltung und Veröffentlichung wissenschaftlicher Materialien (z. B. Texte, Daten, Software). Beispiele: Zenodo, arXiv, Phaidra. Semantic Web: Eine Erweiterung des World Wide Web, bei der Daten nicht nur verlinkt, sondern auch inhaltlich (semantisch) definiert sind. Ziel ist es, Informationen maschinenlesbar und logisch verknüpfbar zu machen - z.-B. durch RDF, OWL und SPARQL. Thesaurus: Ein kontrolliertes Vokabular mit semantischen Relationen zwischen Begriffen, z. B. Synonymen, Ober- und Unterbegriffen. The‐ sauri ermöglichen präzisere Suchen und automatische Verknüpfungen von Inhalten. Versionierung: Ein Verfahren zur Nachverfolgung von Änderungen an digitalen Dokumenten, insbesondere bei gemeinsamer Bearbeitung. Systeme wie Git oder Nextcloud protokollieren, wann und von wem welche Änderungen vorgenommen wurden. 4.4 Wissensorganisation 341 <?page no="342"?> Reflexion • Wie unterscheiden sich klassische bibliothekarische Ordnungssys‐ teme von digitalen Dateninfrastrukturen? • Welche Vorteile und Risiken sehen Sie im Einsatz von APIs zur automatisierten Datennutzung? • Welche technischen und ethischen Voraussetzungen müssen erfüllt sein, damit eine digitale Kollaborationsplattform im Forschungsall‐ tag hilfreich ist? Soziale und kulturelle Wissensorganisation Wissensorganisation vollzieht sich nie isoliert, sondern immer im Kontext sozialer Praktiken und kultureller Deutungsmuster. Was als relevantes, gültiges oder gar „wahres“ Wissen gilt, hängt nicht allein von empirischen Daten oder logischen Argumenten ab, sondern von diskursiven Dynamiken, institutionellen Regeln und kulturellen Rahmenbedingungen. Diskursive Praktiken sind die sprachlich vermittelten Prozesse, in denen Wissen erzeugt, verhandelt und verbreitet wird. Wissenschaftliche Artikel, Vorlesungen, Fachgespräche oder Konferenzen sind nicht bloß Transport‐ mittel für Erkenntnisse, sondern Orte, an denen Wissen überhaupt erst Gestalt annimmt. Hier entscheidet sich, welche Begriffe verwendet werden, welche Argumente als gültig gesehen werden und welche Theorien sich durchsetzen. Beispiel | Eine neue Krankheit entsteht nicht allein durch „Entdeckung“, sondern durch das Zusammenspiel von Symptomen, Klassifikationen, Expertendiskursen, Medienberichterstattung und institutioneller Aner‐ kennung als solche konstruiert - mit weitreichenden Folgen für Dia‐ gnose, Therapie und Gesundheitspolitik. Kulturelle Ordnungssysteme sind die Infrastruktur wissenschaftlicher Diskurse. Jede Disziplin entwickelt eigene Normen, Begriffe, Zitiertraditio‐ nen und Begründungsweisen. So unterscheidet sich etwa die Argumentati‐ onspraxis in der Soziologie grundlegend von jener in der Experimentalphy‐ sik oder in den Literaturwissenschaften. 342 4 Die Qualität der Wissenschaft <?page no="343"?> Publikationskulturen verstärken diese Unterschiede: In manchen Fächern sind wichtige Journals der Schlüssel zur Sichtbarkeit, in anderen gelten Mo‐ nografien, Sammelbände oder auch multimediale Formate als maßgeblich. Die Frage, wie Wissen formatiert sein muss, um Anerkennung zu finden, ist keine bloß technische, sondern eine kulturelle. Diese Ordnungssysteme sind zudem historisch wandelbar. Leitbegriffe wie Objektivität, Autorenschaft oder Begründung haben sich im Lauf der Jahrhunderte verändert - und damit auch die Regeln, nach denen Wissen geordnet wird (etwa durch Klassifikationen), überprüft wird (etwa durch Peer Review oder experimentelle Reproduzierbarkeit) und weitergegeben wird (etwa durch Monografien, Journals oder digitale Formate). Markant zeigt sich dies auch in der Status des wissenschaftlichen Autors: Autoren‐ schaft im Mittelalter war oft anonym oder kollektiv, etwa in scholastischen Kommentaren und Klosterchroniken, bei denen der individuelle Urheber kaum eine Rolle spielte. In der Neuzeit wandelte sich dieses Verständnis: Mit dem Ideal des individuellen „Genies“ trat der einzelne Autor ins Zentrum, Originalität und persönlicher Stil wurden zum Maßstab, und Zitationsregeln dienten zunehmend dazu, Urheberschaft sichtbar zu machen und geistiges Eigentum abzugrenzen. Kulturelle Wissensordnung ist die Gesamtheit der meist implizit durch Erziehung, Institutionen oder mediale Diskurse wirksamen kulturellen Annahmen, Werte und Regeln, die bestimmen, welches Wissen in einer Gesellschaft als relevant, legitim oder sicher gilt. Im Detail | Das Wissen in kulturellen Kontexten Wissenschaftliches wie alltägliches Wissen existiert nie losgelöst von Symbolen, Praktiken und kollektiven Deutungsmustern, die prägen, wie wir die Welt wahrnehmen, verstehen und ordnen. Zu diesen kul‐ turellen Ordnungssysteme gehören auch unbewusste Regeln, Routinen und Bedeutungsgeflechte, die individuelle wie kollektive Erfahrungen strukturieren (Geertz 2022; Knorr-Cetina, 2002). Ein Teil unseres Wissens entstammt nicht der formalen Bildung, sondern dem Alltag. Dieses Alltagswissen (Berger, Luckmann 2010) ist selten explizit organisiert, aber hochgradig strukturiert: Es ermöglicht uns, Situationen routiniert zu erfassen, Handlungen als passend oder unpassend einzuord‐ 4.4 Wissensorganisation 343 <?page no="344"?> nen und Erwartungen zu koordinieren. Solche impliziten Wissensformen bilden das Fundament, auf dem formalisierte Wissenschaft aufbauen kann. Symbolsysteme - Farben, Rituale, Raumordnungen - laden Erfahrungen mit Bedeutung auf und verankern sie in kollektiver Erinnerung. Pierre Bourdieus (1987) Konzept des Habitus beschreibt diesen kultu‐ rellen Rahmen auf der Ebene der Dispositionen: tief verinnerlichte Hal‐ tungen, die unser Wahrnehmen, Denken und Handeln strukturieren, ohne dass wir sie reflektieren. Der Habitus wirkt wie ein unbewuss‐ tes Koordinatensystem, das vorgibt, was selbstverständlich erscheint, welche ästhetischen Präferenzen wir haben und welches Wissen wir ernst nehmen. So trägt er zur Reproduktion kultureller Ordnungen bei und bestimmt, welche Erkenntnis überhaupt möglich ist. Der kulturelle Rahmen entscheidet darüber, was als Wissen gilt, wie es validiert wird und wer Zugang dazu hat. Traditionelle Heilmethoden können in einer Kultur als „Aberglaube“ abgewertet, in einer anderen als legitimes Wissen geschätzt werden. Validierung erfolgt je nach Kontext durch unterschiedliche Instanzen - wissenschaftliche Peer Review, religiöse Autoritäten oder soziale Älteste. Der Zugang wiederum ist ungleich verteilt und abhängig von Geschlecht, Alter, sozialer Rolle oder Bildung. Diese kulturellen „Frames“ (Goffman 2018) sind meist unsichtbar, aber höchst wirkmächtig: Sie legen fest, welche Themen als forschungs‐ würdig gelten, welche Perspektiven ausgeschlossen bleiben und wie Erkenntnisse überhaupt entstehen können. Für die Wissenschaftstheo‐ rie bedeutet das: Wissensorganisation ist nie nur eine technische oder methodische Frage. Sie ist stets sozial situiert, kulturell verhandelt und historisch begrenzt - und muss deshalb kritisch reflektiert werden. 4.5 Standards und Gütekriterien Wissenschaftliches Arbeiten beruht auf Maßstäben, die Verlässlichkeit, Anschlussfähigkeit und Glaubwürdigkeit sichern. Damit Forschung als „wissenschaftlich“ gelten kann, muss sie sich von bloßen Meinungen, Alltagswissen oder Pseudowissenschaft unterscheiden. Dieses Unterschei‐ dungskriterium beruht u. a. auf den Standards der Wissenschaftlichkeit, grundlegende Mindestanforderungen, die jede Studie und jeden wissen‐ schaftliche Arbeit erfüllen muss. Ohne sie verliert eine Untersuchung ihren 344 4 Die Qualität der Wissenschaft <?page no="345"?> wissenschaftlichen Charakter - unabhängig davon, wie aufwendig oder originell sie durchgeführt ist. Die bloße Einhaltung der Standards garantiert jedoch noch keine hohe Qualität. Innerhalb des Rahmens wissenschaftlicher Standards gibt es große Unterschiede: Manche Studien erfüllen nur die Minimalanforderungen, andere erreichen ein hohes Niveau. Hier kommen die Indikatoren (oder Kriterien) ins Spiel. Sie zeigen, in welchem Ausmaß eine Studie die Standards tatsächlich realisiert - ob sie eher schwach, durchschnittlich oder herausra‐ gend ist. Standards und Indikatoren stehen also in einem komplementären Verhältnis: Die Standards markieren das unverzichtbare Minimum, die Indikatoren ermöglichen eine differenzierte Qualitätsbewertung. Über die Standards und ihre Indikatoren hinaus gibt es noch die Gütekriterien, die auf die methodologische Ebene zielen. Sie prüfen, ob die eingesetzten Verfahren und die gewonnenen Ergebnisse tatsächlich belastbar sind. Gütekriterien sind je nach Forschungsdesign unterschied‐ lich akzentuiert sind: In der quantitativen Forschung stehen Objektivität, Reliabilität und Validität im Vordergrund, in der qualitativen Forschung Transparenz, Reflexivität oder Triangulation. Für die theoretische Forschung treten logische Konsistenz und argumentative Kohärenz hinzu, während Mixed-Methods-Ansätze zusätzlich nach der gelungenen Integration der unterschiedlichen Zugänge zu beurteilen sind. Standards sind die Grundlagen für Qualität, Indikatoren zeigen ihren „Grad“. Gütekriterien definieren Qualität je nach Forschungsdesign. Im Folgenden werden zunächst die Standards der Wissenschaftlichkeit und ihre zugehörigen Indikatoren erläutert (Döring 2023, S. 83f.) Diese Standards grenzen die Wissenschaft auch von den unterschiedlichen Formen von Nicht-Wissenschaft ab, diese werden kurz dargestellt. (Döring 2023, S. 84f.) Anschließend geht es um die je nach Forschungsdesign spezifischen Güte‐ kriterien. Standard 1: Formulierung eines wissenschaftlichen Forschungsprob‐ lems Eine wissenschaftliche Untersuchung muss sich auf ein Problem beziehen, das sowohl empirisch untersuchbar als auch theoretisch erklärbar ist. 4.5 Standards und Gütekriterien 345 <?page no="346"?> Forschungsfragen und Hypothesen dürfen nicht im luftleeren Raum stehen, sondern müssen sich auf den aktuellen Stand der Forschung stützen und in einen bestehenden Publikations- und Diskussionskontext verortet sein. Nur wenn ein Problem für die scientific community erkennbar anschlussfähig ist, handelt es sich um eine genuine Forschungsfrage. Indikator: Inhaltliche Relevanz. Eine wissenschaftliche Studie erreicht nur dann eine hohe Qualität, wenn sie ein inhaltlich bedeutsames Forschungs‐ problem behandelt. In der Grundlagenforschung steht die theoretische Relevanz im Vordergrund: Sie zeigt sich darin, dass eine Forschungslücke geschlossen wird, ein theoretisches Modell überprüft oder der Wissens‐ stand eines Fachs erweitert wird. Studien von geringer Relevanz sind oft unscharf fokussiert oder wiederholen Bekanntes ohne Mehrwert. In der Anwendungsforschung ist die Relevanz stärker an der praktischen Nützlichkeit orientiert. Hochwertige Arbeiten sind hier jene, deren Ergeb‐ nisse konkrete Handlungsmöglichkeiten eröffnen - etwa durch Lösung praktischer Probleme, Verbesserung etablierter Verfahren oder kritische Reflexion gesellschaftlicher Rahmenbedingungen. Beispiel | Die Analyse interkultureller Kommunikation ist wissen‐ schaftlich, da sie durch empirische Methoden (etwa Interviews, Be‐ obachtungen, Umfragen) untersucht und interpretiert werden kann (z. B. anhand kultursoziologischer oder kommunikationstheoretischer Ansätze). Dagegen ist die „Kommunikation mit Außerirdischen“ kein wissenschaftliches Forschungsproblem, weil die empirische Basis fehlt. Standard 2: Durchführung des Forschungsprozesses mit anerkann‐ ten Methoden Wissenschaftliche Forschung ist nicht bloß ein spontanes Sammeln von Daten, sondern ein planvoller, methodisch gegliederter Prozess. Eine Studie muss so aufgebaut sein, dass ihre Schritte - von der Entwicklung der Fra‐ gestellung über das Forschungsdesign bis hin zur Analyse - systematisch, nachvollziehbar und theoretisch fundiert sind. Die eingesetzten Methoden müssen nicht nur im Fach anerkannt und do‐ kumentiert sein, sondern auch zum Forschungsproblem passen. Eine Methode gilt nicht deshalb als wissenschaftlich, weil sie in Lehrbüchern steht, sondern weil sie sich in der Praxis bewährt hat und für die konkrete Fragestellung geeignet ist. So wäre es unsinnig, für die Erforschung subjektiver Sinn‐ 346 4 Die Qualität der Wissenschaft <?page no="347"?> zusammenhänge ausschließlich standardisierte Fragebögen einzusetzen, während bei Hypothesen über statistische Regelmäßigkeiten gerade solche Instrumente notwendig sind. Indikator: Methodische Strenge (Rigor). Die Qualität einer wissenschaftli‐ chen Studie zeigt sich nicht allein daran, dass sie eine Methode verwendet, sondern wie sorgfältig diese Methode umgesetzt wird. Methodische Strenge bedeutet, dass alle Schritte - von der Stichprobenziehung über die Erhebung und Aufbereitung bis hin zur Analyse - mit hoher Genauigkeit, Regelkon‐ formität und Unvoreingenommenheit durchgeführt werden. Schwächen auf einer Stufe wirken sich unweigerlich auf die Gesamtqualität aus: Eine un‐ sauber gezogene Stichprobe etwa beeinträchtigt die Validität aller weiteren Ergebnisse. In der Grundlagenforschung hat methodische Strenge einen hohen Stel‐ lenwert: Hier entscheidet die Präzision der Methodik darüber, ob eine Hypo‐ these bestätigt oder falsifiziert werden kann. In der Anwendungsforschung kann es dagegen vertretbar sein, in bestimmten Punkten methodische Abstriche zu machen - etwa durch kleinere Stichproben oder pragmatische Erhebungsverfahren -, sofern der praktische Nutzen hoch und die Ergeb‐ nisse in ihrem Kontext plausibel sind. Hohe methodische Strenge ist also ein Qualitätsmerkmal, das wissen‐ schaftliche Arbeiten von bloß routinierten Untersuchungen unterscheidet. Sie garantiert, dass Ergebnisse nicht nur zufällig oder aus handwerklicher Schlampigkeit verzerrt sind, sondern regelgeleitet und damit belastbar zustande kommen. Beispiel | Ein quantitatives Projekt: Ein Forschungsteam untersucht, ob sexuelle Kommunikation - also die Fähigkeit, offen über Wünsche und Grenzen zu sprechen - mit der Zufriedenheit in langjährigen Partnerschaften zusammenhängt. Dafür wird eine Stichprobe von 500 Erwachsenen befragt, die seit mindestens drei Jahren in einer Beziehung leben. Sie beantworten standardisierte Fragebögen mit validierten Ska‐ len zur sexuellen Kommunikation, zur Intimität und zur allgemeinen Beziehungszufriedenheit. Die Auswertung erfolgt mit Korrelations- und Regressionsanalysen, um zu prüfen, ob und in welchem Ausmaß offene Kommunikation ein signi‐ fikanter Prädiktor für Zufriedenheit ist, wenn Alter, Beziehungsdauer und Stresslevel kontrolliert werden. 4.5 Standards und Gütekriterien 347 <?page no="348"?> Die methodische Strenge zeigt sich hier in der präzisen Operationali‐ sierung zentraler Begriffe, der geprüften Reliabilität der Skalen, der zufälligen Stichprobenziehung und der statistisch transparenten Aus‐ wertung. Unscharfe oder suggestive Fragen („Wie gut verstehen Sie sich im Bett? “) würden hingegen die Validität gefährden. Beispiel | Ein qualitatives Projekt: Eine Forscherin möchte verstehen, wie Paare über Sexualität sprechen, u. a. welche Themen angesprochen, welche vermieden werden und welche Rolle Scham, Humor oder Macht spielen. Sie führt dazu narrative Interviews mit zehn Paaren, die über den Verlauf ihrer sexuellen Kommunikation berichten: über das erste Gespräch über Verhütung, über Unterschiede in sexuellen Wünschen oder über Veränderungen im Lauf der Beziehung. Die Interviews werden aufgezeichnet, transkribiert und mit einer in‐ terpretativen Inhaltsanalyse ausgewertet. Die Forscherin sucht nach wiederkehrenden Mustern in den Erzählungen - etwa, dass viele Paare über Sexualität nur indirekt sprechen, etwa in humorvollen Andeutun‐ gen, oder dass Konflikte um Nähe und Autonomie sich auch in der Sprache widerspiegeln. Methodische Strenge zeigt sich hier in der transparenten Dokumenta‐ tion des Forschungsprozesses, in der Reflexion der eigenen Forscher‐ rolle (z. B. Nähe und Distanz zu intimen Themen) und in der theoreti‐ schen Verankerung der Analyse in Modellen der Kommunikations- und Geschlechterforschung. Standard 3: Orientierung an Wissenschafts- und Forschungsethik Wissenschaftliche Qualität setzt nicht nur methodische Präzision, sondern auch ethische Integrität voraus. Forschung darf nicht auf Kosten der Beteilig‐ ten, der Kolleg: innen oder der Glaubwürdigkeit der Wissenschaft erfolgen. Deshalb ist die Orientierung an wissenschafts- und forschungsethischen Prinzipien unverzichtbar. Ein wissenschaftliches Projekt verliert seinen Anspruch auf Wissen‐ schaftlichkeit, wenn es durch Datenfälschung, Plagiate oder verdeckte Interessenkonflikte belastet ist. Solche Verstöße zerstören nicht nur das Vertrauen in die betreffende Studie, sondern beschädigen die gesamte 348 4 Die Qualität der Wissenschaft <?page no="349"?> scientific community. Ebenso wichtig ist der Schutz von Forschungsteil‐ nehmenden: Personen, die an Studien teilnehmen, haben ein Recht darauf, über Ziele, Risiken und mögliche Folgen informiert zu werden. Belastungen und Schädigungen sind zu vermeiden, sensible Daten sind zu schützen, und die Anonymität ist zu gewährleisten, sofern nicht ausdrücklich anderes vereinbart wird. Indikator: Ethische Strenge (Ethical Rigor). Eine qualitativ hochwertige Studie erfüllt nicht nur die Minimalanforderungen der Ethik, sondern re‐ flektiert aktiv die möglichen Belastungen, Risiken und Interessenkonflikte. Ethische Strenge bedeutet, dass Prinzipien wie Schutz der Teilnehmenden, Fairness und Transparenz nicht nur eingehalten, sondern bewusst in den Forschungsprozess integriert werden. Dies zeigt sich etwa darin, dass ver‐ schiedene mögliche Vorgehensweisen gegeneinander abgewogen werden: Darf man sensible Fragen stellen, wenn sie für die Forschung wichtig sind, aber die Befragten belasten könnten? Soll man Ergebnisse anonymisieren, auch wenn dadurch die Kontexttiefe leidet? Verstöße gegen ethische Standards sind nicht nur moralisch problema‐ tisch, sondern gefährden die Glaubwürdigkeit und Reputation der gesamten Forschung. Sie können das Vertrauen der Öffentlichkeit erschüttern und langfristig auch den Handlungsspielraum der Wissenschaft einschränken. Deshalb gehört die ethische Strenge zu den entscheidenden Qualitätsmerk‐ malen wissenschaftlicher Arbeit. Beispiel | In einer klinischen Studie zur Wirksamkeit eines neuen Medikaments dürfen Proband: innen nur teilnehmen, wenn sie zuvor eine informierte Einwilligung (informed consent) abgegeben haben. Sie müssen über Zweck, Dauer, mögliche Risiken und Nebenwirkungen aufgeklärt werden - in einer Sprache, die sie verstehen. Die historische Erfahrung mit unethischen Experimenten ohne Zustimmung, etwa im 20. Jahrhundert, hat gezeigt, dass Forschung ohne Freiwilligkeit und Transparenz ihre ethische Substanz verliert. Heute überwachen Ethik‐ kommissionen Studien, um sicherzustellen, dass Nutzen und Risiko in einem vertretbaren Verhältnis stehen. Beispiel | Eine Studie untersucht die Sexualaufklärung junger Erwach‐ sener und bittet Teilnehmende, über persönliche Erfahrungen zu spre‐ 4.5 Standards und Gütekriterien 349 <?page no="350"?> chen. Hier muss besonders sensibel vorgegangen werden: Die Forschen‐ den sichern Anonymität zu, vermeiden wertende oder suggestive Fragen und sorgen dafür, dass die Gespräche in einem geschützten Rahmen stattfinden. Wenn die Befragung unangenehme Erinnerungen oder Scham auslösen könnte, ist es Pflicht, über den freiwilligen Charakter der Teilnahme und über Möglichkeiten zum Abbruch zu informieren. Ethik bedeutet hier, Respekt vor der Intimsphäre und eine achtsame Gesprächsführung, ohne Tabus zu brechen oder Druck aufzubauen. Beispiel | Auch Forschende, die nicht mit Menschen arbeiten, unterlie‐ gen ethischen Verpflichtungen. Wer fremde Texte, Ideen oder Daten übernimmt, ohne sie korrekt zu kennzeichnen, begeht Plagiat - eine schwerwiegende Form wissenschaftlichen Fehlverhaltens. Ebenso pro‐ blematisch ist es, unbequeme Befunde zu verschweigen oder Ergebnisse im Interesse von Geldgebern zu verzerren. Wissenschaftliche Redlich‐ keit verlangt vollständige Darstellung der Grundlagen, Quellen und Grenzen der eigenen Argumentation. Standard 4: Vollständige Dokumentation und Archivierung Ein wesentliches Prinzip wissenschaftlicher Arbeit ist die Nachvollzieh‐ barkeit. Forschung ist nicht privat, sondern richtet sich an die scientific community und die Öffentlichkeit. Damit andere Forschende Ergebnisse überprüfen, kritisch diskutieren oder weiterentwickeln können, müssen alle Schritte einer Untersuchung so dokumentiert werden, dass sie transparent und zugänglich sind. Zur Dokumentation gehört die Darstellung des Forschungsproblems, die Begründung der gewählten Methodologie, die Beschreibung der Erhebungs- und Analysemethoden sowie die Präsentation der Ergebnisse in einer nachvollziehbaren Form. Darüber hinaus verlangt wissenschaftliche Praxis, dass Daten, Materialien und Instrumente archiviert werden: Fragebögen, Interviewleitfäden, Kodier-Protokolle oder Datensätze. Ohne eine solche Archivierung sind Replikationen unmöglich, und der Erkenntniswert der Forschung sinkt erheblich. Indikator: Präsentationsqualität (Presentation Quality). Die Qualität einer Studie zeigt sich auch in der Art und Weise, wie Ergebnisse präsentiert 350 4 Die Qualität der Wissenschaft <?page no="351"?> werden. Hohe Präsentationsqualität bedeutet eine klare Struktur, eine ver‐ ständliche Sprache, die Verwendung von anschaulichen Visualisierungen sowie die vollständige und präzise Angabe aller relevanten Informationen. Eine sauber dokumentierte Studie ermöglicht nicht nur Fachkolleg: innen, Ergebnisse nachzuvollziehen, sondern erleichtert auch Personen aus ande‐ ren Disziplinen, Bezüge herzustellen und Erkenntnisse weiterzuverwenden. Gute Präsentationsqualität entscheidet darüber, ob Forschung zitiert, rezipiert oder in die Praxis umgesetzt wird. Selbst herausragende Befunde verlieren an Wert, wenn sie unklar dargestellt oder unzureichend belegt sind. Transparenz ist daher ein zentrales Gütekriterium wissenschaftlicher Arbeit. Beispiel | Ein Forschungsteam untersucht den Zusammenhang zwi‐ schen Smartphone-Nutzung und Schlafqualität bei Jugendlichen. Die Ergebnisse zeigen eine deutliche Korrelation, doch die Studie wäre wertlos, wenn unklar bliebe, wie die Schlafqualität gemessen wurde (z. B. Selbstauskunft, Schlaf-App, medizinischer Sensor). In einer gut dokumentierten Studie werden die verwendeten Messinstrumente, die Stichprobengröße, das Alter der Teilnehmenden, die statistischen Ver‐ fahren und Kennwerte wie Signifikanz und Effektstärken vollständig angegeben. Nur so können andere Forschende prüfen, ob die Ergebnisse belastbar sind oder in einer Replikationsstudie bestätigt werden. Beispiel | Eine Soziologin führt Interviews mit Paaren über die Be‐ deutung von Intimität in Langzeitbeziehungen. In der Dokumentation beschreibt sie nicht nur das Sample (Alter, Dauer der Beziehung, Kontext der Gespräche), sondern legt auch dar, wie die Interviews transkribiert, kodiert und interpretiert wurden. Sie archiviert die anonymisierten Transkripte und die Kodiermemos in einer Datenbank für qualitative Forschung (z. B. GESIS), sodass andere Forschende ihre Interpretationen nachvollziehen oder weiterführende Analysen durchführen können. Ohne diese Dokumentation wäre die Analyse zwar interessant, aber nicht überprüfbar. 4.5 Standards und Gütekriterien 351 <?page no="352"?> Beispiel | Ein Team erstellt eine Metaanalyse über Studien zum Zusam‐ menhang zwischen Sexualaufklärung und Verhütungsverhalten. Viele ältere Studien müssen ausgeschlossen werden, weil sie keine Angaben zur Stichprobengröße, zur Art der Messinstrumente oder zu den ver‐ wendeten statistischen Verfahren enthalten. Fehlende Dokumentation verhindert hier die Einbeziehung wertvoller Daten und schränkt den wissenschaftlichen Erkenntnisfortschritt ein. Wissenschaft und Nicht-Wissenschaft Die Einhaltung wissenschaftlicher Standards ist entscheidend, ob Forschung im strengen Sinn als Wissenschaft gelten kann. Jenseits dieser Standards gibt es jedoch vielfältige Formen von Wissen, die entweder keinen Anspruch auf Wissenschaftlichkeit erheben oder diesen Anspruch ohne hinreichende Er‐ füllung der Standards erheben. In der Wissenschaftstheorie lassen sich drei Kategorien unterscheiden: Nicht-Wissenschaft, Pseudowissenschaft und Grenzbzw. Parawissenschaft. Sie unterscheiden sich sowohl im Anspruch auf Wissenschaftlichkeit als auch in der Art, wie sie von den etablierten wissenschaftlichen Standards abweichen. (Döring 2023, S.-84f) 1. Nicht-Wissenschaft. Nicht-wissenschaftliches Wissen begegnet uns im Alltag auf Schritt und Tritt. Menschen orientieren sich an Intuition, gesundem Menschenverstand, praktischen Erfahrungen oder kulturel‐ len und religiösen Traditionen. Solches Alltagswissen ist oft nützlich, weil es schnelle Entscheidungen ermöglicht, stößt aber dort an Gren‐ zen, wo methodische Überprüfung und Begründung erforderlich sind. Wichtig ist: Nicht-Wissenschaft erhebt keinen Anspruch auf Wissen‐ schaftlichkeit. Daher sollte sie nicht abwertend als „unwissenschaftlich“ bezeichnet werden, sondern als vorwissenschaftliches oder kontextge‐ bundenes Wissen, das in seiner jeweiligen Praxis Geltung besitzt. Beispiel | Eine Gärtnerin beobachtet, dass ihre Tomaten in sonni‐ gen Bereichen besonders gut gedeihen, und schließt daraus auf die Bedeutung von Sonne. Das ist funktionales Erfahrungswissen, wird aber erst dann zu Wissenschaft, wenn es in kontrollierten 352 4 Die Qualität der Wissenschaft <?page no="353"?> Experimenten, mit Datenerhebung und unter Bezug auf bestehende Theorien geprüft wird. 2. Pseudowissenschaft. Von Pseudowissenschaft spricht man, wenn der Anspruch auf Wissenschaftlichkeit erhoben wird, die grundlegenden Standards aber verletzt werden. Pseudowissenschaft kann unbeabsich‐ tigt entstehen, etwa durch fehlende Methodenkompetenz oder organi‐ satorische Mängel. Sie kann vorsätzlich betrieben werden, etwa wenn Daten gefälscht oder Ergebnisse manipuliert werden, um wirtschaftliche oder ideologische Interessen zu stützen. Und sie kann ideologisch geprägt sein, wenn ein dogmatisches Weltbild über widersprechende Befunde gestellt wird. Beispiel | Die Homöopathie beruht auf Prinzipien, die sich mit naturwissenschaftlichen Erkenntnissen nicht vereinbaren lassen. Sie kann unbeabsichtigt pseudowissenschaftlich betrieben werden (wenn Praktizierende die fehlende Evidenz nicht reflektieren), ideo‐ logisch (wenn klinische Studien ignoriert werden) oder vorsätzlich (wenn Anbieter: innen mit unhaltbaren Wirkversprechen werben oder Studien manipulieren). 3. Grenz- und Parawissenschaften nehmen eine besondere Position ein. Sie erheben den Anspruch auf Wissenschaftlichkeit, nutzen korrekte Methoden, bewegen sich aber an der Grenze des Erklärbaren, weil ihre Forschungsgegenstände nach aktuellem Stand der Wissenschaft theoretisch nicht integriert oder empirisch nur schwer fassbar sind. Beispiele sind die Parapsychologie oder die historische Anomalistik, die sich mit Phänomenen wie außersinnlicher Wahrnehmung, Tele‐ kinese oder UFO-Sichtungen beschäftigen. Hier werden Daten nach wissenschaftlichen Standards gesammelt und ausgewertet, doch die Interpretation bleibt unsicher. Manche dieser Felder entwickeln sich weiter und werden in die etablierte Wissenschaft integriert (wie einst die Meteoritenforschung), andere verlieren mit der Zeit ihre wissenschaft‐ liche Anschlussfähigkeit. 4.5 Standards und Gütekriterien 353 <?page no="354"?> Beispiel | Das Wünschelrutengehen basiert auf Erfahrungswissen, das sich in Handwerk und Landwirtschaft verankert hat. Experi‐ mentelle Studien konnten jedoch keine belastbaren Effekte nach‐ weisen. Solange Wünschelrutengänger ihre Tätigkeit nicht mit falschen Belegen untermauern, bewegt sie sich im Bereich der Parawissenschaft, nicht der Pseudowissenschaft. Die Unterscheidung verdeutlicht: Wissenschaftlichkeit ist keine Eigenschaft des Themas selbst, sondern eine Frage der methodischen und reflexiven Praxis. Erst die konsequente Einhaltung von Standards - von der Hypothe‐ senbildung über die Datenerhebung bis zur Publikation - verleiht einem Erkenntnisanspruch wissenschaftliche Geltung. Nicht-Wissenschaft: Alltagswissen ohne Anspruch auf Wissenschaft‐ lichkeit. Pseudowissenschaft: Anspruch auf Wissenschaftlichkeit, aber fehlende oder verletzte Standards. Parawissenschaft: methodisch korrekt, aber anomale, theoretisch unge‐ klärte Phänomene. Reflexion Ordnen Sie die folgenden Aussagen jeweils als Alltagswissen, Pseu‐ dowissenschaft oder Parawissenschaft ein und begründen Sie Ihre Entscheidung: • „Astrologie kann Persönlichkeitsmerkmale vorhersagen.“ • „Homöopathie wirkt über den Placeboeffekt hinaus.“ • „Künstliche Intelligenz kann Bewusstsein entwickeln.“ • „Menschen bekommen bei Regen häufiger Erkältungen.“ • „Es gibt unidentifizierte Flugobjekte, deren Ursprung nicht geklärt ist.“ Überlegen Sie, welche dieser Phänomene gesellschaftlich folgenreich sind, wissenschaftlich untersucht werden könnten, und wo die Grenze zwischen kritischer Untersuchung und Pseudowissenschaft verläuft. 354 4 Die Qualität der Wissenschaft <?page no="355"?> Gütekriterien der Forschung Nachdem eine Studie anhand der allgemeinen Standards und ihrer Indika‐ toren den ersten Härtest bestanden hat, stellt sich die Frage: Wie verlässlich und belastbar sind ihre konkreten Ergebnisse? Hier setzen die Gütekriterien an. Sie legen im Detail fest, nach welchen Maßstäben die Qualität von Daten, Analysen und theoretischen Argumenten beurteilt wird. Während die Standards die Basis der Wissenschaftlichkeit sichern, zeigen Gütekriterien, ob eine Studie innerhalb ihres jeweiligen Forschungsparadigmas tragfähige Resultate hervorbringt. Welche Gütekriterien dabei relevant sind, hängt vom Forschungszugang ab. In der theoretischen Forschung geht es um logische Konsistenz und ar‐ gumentative Stringenz. In der quantitativen Forschung stehen Objektivität, Reliabilität und Validität im Vordergrund. Die qualitative Forschung betont Glaubwürdigkeit, Nachvollziehbarkeit und Kontextsensitivität. Mixed-Me‐ thods-Ansätze schließlich müssen zusätzlich zeigen, dass sie die jeweiligen Kriterien sinnvoll kombinieren und die Ergebnisse aus unterschiedlichen Zugängen konsistent zusammenführen. Gütekriterien theoretischer Forschung Theoretische Forschung unterscheidet sich von empirischer Forschung darin, dass sie keine Daten erhebt, sondern mit Begriffen, Modellen und Argumenten arbeitet. Ihre Qualität entscheidet sich daher nicht an der Validität von Messinstrumenten, sondern an der Logik, Stimmigkeit und Tragfähigkeit von Begriffen und Theorien. Entsprechend gelten eigene Gütekriterien, die auf den inneren Aufbau und die Anschlussfähigkeit von Theorien zielen. 1. Logische Konsistenz. Eine Theorie muss in sich widerspruchsfrei sein. Begriffe und Aussagen dürfen nicht einander ausschließen oder unvereinbar nebeneinanderstehen. In der Wissenschaftstheorie wird hier häufig die formale Logik (Aussagen- oder Prädikatenlogik) heran‐ gezogen, um die Gültigkeit von Schlussfolgerungen zu prüfen. Beispiel | Eine Theorie, die behauptet, „soziales Handeln ist immer intentional“, aber zugleich annimmt, dass viele Handlungen unbe‐ wusst erfolgen, ist inkonsistent. Erst die begriffliche Unterschei‐ 4.5 Standards und Gütekriterien 355 <?page no="356"?> dung zwischen intentionalem und habitualisiertem Handeln schafft Konsistenz. 2. Begriffliche Klarheit. Wichtige Begriffe müssen präzise definiert sein. Mehrdeutige oder unscharfe Begriffe führen zu Missverständnissen und erschweren die Anschlussfähigkeit. Gute theoretische Forschung legt offen, wie ihre Schlüsselbegriffe verstanden werden und grenzt sie von ähnlichen Konzepten ab. Beispiel | Der Begriff „Intelligenz“ ist nur dann theoretisch frucht‐ bar, wenn er klar von „Wissen“, „Begabung“ oder „Kreativität“ unterschieden wird. 3. Erklärungswert und theoretische Tragfähigkeit. Eine Theorie sollte mehr leisten als die bloße Beschreibung von Phänomenen; sie sollte Zusammenhänge erklären und Hypothesen ermöglichen, die auch auf andere Kontexte übertragbar sind. Beispiel | Ein Modell, das die Entstehung von Prüfungsangst auf fehlendes Lernen reduziert, erklärt zwar einige Fälle, ist aber kaum tragfähig für Situationen, in denen gut vorbereitete Studierende auch Angst erleben. Ein besseres Modell müsste kognitive, emotio‐ nale und soziale Faktoren miteinbeziehen. 4. Anschlussfähigkeit. Eine Theorie gewinnt an Qualität, wenn sie an bestehende Diskurse anschließen und neue Fragen eröffnen kann. Anschlussfähigkeit bedeutet, dass sie in die laufende Diskussion inte‐ grierbar ist, Fruchtbarkeit, dass sie über sich hinausweist. Beispiel | In der Bildungsforschung gewinnt eine neue Theo‐ rie zur Lernmotivation an Qualität, wenn sie sich in beste‐ hende Motivationstheorien (z. B. Selbstbestimmungstheorie, Erwar‐ tungs-Wert-Theorie) einordnet und sich mit ihnen auseinandersetzt. 356 4 Die Qualität der Wissenschaft <?page no="357"?> Gütekriterien der quantitativen Forschung Diese Gütekriterien sind die klassischen Messstandards, die sicherstellen, dass die Ergebnisse einer Studie verlässlich, objektiv und gültig sind. Sie bilden das Fundament für die wissenschaftliche Qualität empirischer Mes‐ sungen. 1. Objektivität. Objektivität bedeutet, dass die Ergebnisse einer Un‐ tersuchung unabhängig von der Person des Forschenden sind. Das Forschungsergebnis muss gleichbleiben, egal wer die Daten erhebt, auswertet oder interpretiert. Objektivität ist nicht einfaches „Ja/ Nein"-Kriterium, sondern ein dreidimensionales Konzept: a. Durchführungsobjektivität. Dieses Kriterium sichert, dass die Be‐ dingungen der Datenerhebung standardisiert sind. Das bedeutet, alle Teilnehmenden werden gleichbehandelt und erhalten identi‐ sche Anweisungen. Beispiel | Bei einem Reaktionstest im Labor erhalten alle Teil‐ nehmenden denselben Ablauf und dieselben Instruktionen. Würde eine Testperson zusätzliche Erklärungen bekommen oder vorher üben dürfen, während andere unvorbereitet star‐ ten, wäre die Durchführungsobjektivität verletzt. b. Auswertungsobjektivität. Das Ergebnis soll unabhängig sein von der Subjektivität des Auswertenden. Die Kriterien für die Bewer‐ tung müssen so klar definiert sein, dass sie keinen Interpretations‐ spielraum lassen. Beispiel | Multiple-Choice-Tests werden automatisch ausge‐ wertet, sodass kein Interpretationsspielraum besteht. In offe‐ nen Prüfungen kann die Auswertungsobjektivität geringer sein, wenn Prüfer unterschiedlich kulant mit unvollständigen Antworten umgehen. c. Interpretationsobjektivität. Selbst bei identischen Ergebnissen muss sichergestellt sein, dass unterschiedliche Personen dieselben Schlussfolgerungen ziehen. 4.5 Standards und Gütekriterien 357 <?page no="358"?> Beispiel | Ein standardisierter IQ-Test liefert Rohwerte, die über eine feste Normtabelle in Intelligenzquotienten über‐ setzt werden. Wenn ein Lehrender die gleiche Punktzahl als „überdurchschnittlich“ und ein anderer als „durchschnittlich“ interpretiert, fehlt Interpretationsobjektivität. 2. Reliabilität beschreibt die Zuverlässigkeit und Stabilität einer Mes‐ sung, betrifft also die Messgenauigkeit. Ein Messinstrument ist reliabel, wenn es bei wiederholten Messungen unter gleichen Bedingungen stabile Ergebnisse liefert. Zu unterscheiden sind: a. Wiederholungsmessung (Test-Retest-Reliabilität). Ein Intelligenz‐ test sollte bei denselben Personen nach zwei Wochen ähnliche Ergebnisse erbringen, wenn sich ihre kognitive Leistungsfähigkeit in der Zwischenzeit nicht geändert hat. b. Paralleltest-Reliabilität. Zwei inhaltlich gleichwertige Tests (z. B. zwei Varianten einer Sprachprüfung) sollten zu ähnlichen Ergeb‐ nissen führen. c. Interrater-Reliabilität. Bei Beobachtungen oder Bewertungen müs‐ sen verschiedene Rater: innen zum gleichen Urteil kommen. Beispiel | Zwei Psycholog: innen beobachten dasselbe Ge‐ spräch und protokollieren die Anzahl der Unterbrechungen. Stimmen ihre Aufzeichnungen stark überein, ist die Reliabili‐ tät hoch. 3. Validität ist das wichtigste Gütekriterium, sie bezieht sich auf die Gültigkeit der Messung: Misst das Instrument tatsächlich das, was es messen soll? Eine Messung kann reliabel sein, ohne valide zu sein, z. B. kann eine Waage immer wieder 10 kg anzeigen (hohe Reliabilität), obwohl das tatsächliche Gewicht nur 5 kg beträgt (geringe Validität). Zu unterscheiden ist: a. Inhaltsvalidität. Dieses Kriterium sichert, dass ein Test oder Mess‐ instrument alle relevanten Aspekte des zu messenden Konzepts angemessen abdeckt. 358 4 Die Qualität der Wissenschaft <?page no="359"?> Beispiel | Ein Mathematiktest für die Grundschule enthält Aufgaben zu allen vier Grundrechenarten; würde er nur Ad‐ ditionen prüfen, wäre die Inhaltsvalidität gering. b. Kriteriumsvalidität. Diese Art von Validität beurteilt die Vorher‐ sagekraft einer Messung gegenüber einem externen, relevanten Kriterium. Beispiel | Ein Einstellungstest für Pilot: innen ist dann krite‐ riumsvalide, wenn er zuverlässig den späteren Ausbildungs‐ erfolg vorhersagt - hat also eine hohe Kriteriumsvalidität. c. Konstruktvalidität. Sie stellt sicher, dass die Messung das zugrunde liegende theoretische Konzept korrekt abbildet. Beispiel | Ein Prüfungsangsttest korreliert positiv mit physio‐ logischen Stressindikatoren (Herzfrequenz, Schweißreaktion) vor Prüfungen und negativ mit der Leistung in Prüfungssitu‐ ationen, aber nicht mit allgemeiner Nervosität im Alltag - und hat insofern eine hohe Konstruktvalidität. Dies sind die klassischen Gütekriterien, sie beziehen sich auf die Messge‐ nauigkeit einer Methode. Was die Qualität der Forschungsergebnisse in sachlicher Hinsicht betrifft, gibt es zwei weitere Kriterien. 4. Generalisierbarkeit. Die Frage ist, inwieweit bspw. die Ergebnisse über die untersuchte Stichprobe hinaus auf eine größere Population übertragen werden können. Gerade in der Umfrageforschung oder in experimentellen Studien ist Generalisierbarkeit entscheidend, um von spezifischen Daten zu allgemeineren Aussagen zu gelangen. 5. Relevanz bzw. Nützlichkeit. Schließlich hängt die Qualität quantita‐ tiver Forschung auch davon ab, welchen wissenschaftlichen oder prak‐ tischen Beitrag ihre Ergebnisse leisten. Eine Messung kann methodisch perfekt sein - wenn sie aber keine relevanten Fragen beantwortet, bleibt ihr Wert begrenzt. 4.5 Standards und Gütekriterien 359 <?page no="360"?> Quantitative Forschung gilt als hochwertig, wenn ihre Verfahren objek‐ tiv, reliabel und valide und ihre Ergebnisse generalisierbar, relevant und nützlich sind. Tipps | Checkliste quantitative Forschung: Habe ich … … subjektive Einflüsse meinerseits ausgeschlossen? → Objektivität … die Zuverlässigkeit durch Wiederholung geprüft? → Reliabilität … wirklich das gemessen, was ich wollte? → Validität … die Übertragbarkeit geprüft? → Generalisierbarkeit … theoretischen und praktischen Nutzen gezeigt? → Relevanz/ Nutzen Gütekriterien in der qualitativen Forschung Rekonstruktive oder qualitative Forschung arbeitet offen, explorativ und nicht standardisiert. Die klassischen Gütekriterien der Testtheorie - Ob‐ jektivität, Reliabilität, Validität - lassen sich deshalb nicht unmittelbar anwenden, weil qualitative Forschung weder auf Standardisierung noch auf statistische Generalisierbarkeit zielt. Sie können jedoch als Leitprinzipien dienen, die insofern auch relevant sind. • Objektivität bedeutet in qualitativer Forschung nicht Neutralität im Sinne völliger Distanz, sondern reflektierte Subjektivität. Forschende legen offen, wie ihre Rolle und ihre Vorannahmen die Datenerhebung prägen, und dokumentieren diesen Einfluss - etwa wenn eine teilneh‐ mende Beobachtung in einer Schulklasse durch die Anwesenheit der Forschenden mitgestaltet wird. • Reliabilität wird als methodische Konsistenz verstanden. Sie zeigt sich darin, dass der Forschungsprozess nachvollziehbar und strukturiert ist - zum Beispiel durch vollständige Transkripte, klare Kodierregeln und die transparente Dokumentation von Fallstrukturen. 360 4 Die Qualität der Wissenschaft <?page no="361"?> • Validität bedeutet, dass die Interpretationen plausibel und dem Material angemessen sind. Sie sollen die Perspektiven der Beforschten korrekt rekonstruieren und für Außenstehende nachvollziehbar sein. Für qualitative Forschung gelten jedoch eigene Gütekriterien, die sich an den Standards wissenschaftlicher Praxis orientieren, aber auf die Besonder‐ heiten interpretativer Verfahren zugeschnitten sind. 1. Nachvollziehbarkeit und Transparenz. Der Forschungsprozess muss für andere nachvollziehbar sein. Forschende sollen offenlegen, wie sie Fälle oder Gesprächspartner: innen ausgewählt haben, wie sie Daten erhoben und ausgewertet haben und warum sie bestimmte Entscheidun‐ gen getroffen haben. Transparenz bedeutet auch, Interviews vollständig transkribieren, Analyseschritte in Memos oder Forschungstagebüchern festhalten, Kodierprotokolle führen. Beispiel | In einer Interviewstudie zum Umgang von Studierenden mit Prüfungsangst werden alle Transkripte, Kodierungen und Ana‐ lyseschritte dokumentiert. So können andere Forschende prüfen, ob die gezogenen Schlüsse auf dem Material beruhen. 2. Reflexivität bedeutet, dass Forschende ihre eigene Rolle im For‐ schungsprozess kritisch reflektieren. Da qualitative Forschung stark interaktiv ist, beeinflussen die Forschenden selbst durch ihre Fragen, ihre Präsenz oder ihre Vorannahmen das Feld. Hohe Qualität zeigt sich darin, dass diese Einflüsse nicht verschwiegen, sondern bewusst thematisiert und in die Interpretation einbezogen werden. Beispiel | Bei teilnehmender Beobachtung in einer Schulklasse sollte die Forscherin reflektieren, wie ihre Anwesenheit das Ver‐ halten der Schüler: innen beeinflusst und diese Reflexion im For‐ schungsbericht dokumentieren. 3. Triangulation bedeutet, dass verschiedene Perspektiven, Methoden oder Datenquellen kombiniert werden, um Befunde abzusichern. Ziel ist es nicht, eine „objektive Wahrheit“ zu erreichen, sondern durch den 4.5 Standards und Gütekriterien 361 <?page no="362"?> Vergleich unterschiedlicher Sichtweisen die Plausibilität und Tiefe der Ergebnisse zu erhöhen. Beispiel | In einer Studie zu Jugendkulturen können Interviews, teil‐ nehmende Beobachtungen und Medienanalysen kombiniert wer‐ den. Stimmen die Ergebnisse überein, gewinnt die Interpretation an Gewicht. 4. Nähe zum Gegenstand. Ein weiteres Gütekriterium ist die Nähe zum Forschungsgegenstand. Qualitative Forschung soll den Kontext und die Perspektive der Beteiligten ernst nehmen, statt sie vorschnell in abstrakte Kategorien zu übersetzen. Qualität zeigt sich darin, dass Interpretationen auf dichten Beschreibungen, situativer Einbettung und den ursprünglichen Formulierungen der Beforschten beruhen Beispiel | In einer Grounded-Theory-Studie zur Schulverweigerung berichten Jugendliche in Interviews über Leistungsdruck, ihre Kon‐ flikte mit Lehrkräften und das Gefühl der Ausgrenzung. Nähe zum Gegenstand zeigt sich darin, dass theoretische Konzepte auf der Grundlage der subjektiven Deutungen der Jugendlichen entwickelt werden, ohne auf vorgefertigte Hypothesen zurückzugreifen. 5. Argumentative Absicherung. Da qualitative Forschung keine Zahlen als Belege bietet, muss sie ihre Interpretationen argumentativ absichern. Gute Studien zeigen anhand von Zitaten, Beobachtungsnotizen oder Textstellen, wie sie zu einer Deutung gelangen. So wird nachvollziehbar, dass die Interpretation nicht beliebig ist. Beispiel | Die Behauptung, ein Ritual stifte soziale Zugehörigkeit, muss mit konkreten Beobachtungen untermauert werden, etwa durch Beschreibung gemeinsamer Handlungen und symbolischer Praktiken. 362 4 Die Qualität der Wissenschaft <?page no="363"?> 6. Kommunikative Validierung. Ein ergänzendes Kriterium ist die Rückkopplung mit den untersuchten Personen oder mit Fachkolleg: in‐ nen. Wenn Betroffene oder andere Forschende die Interpretation bestä‐ tigen oder konstruktiv kommentieren, steigt die Glaubwürdigkeit der Ergebnisse. Beispiel | Nach einer Interviewanalyse werden die Interpretationen den Interviewpartner zurückgespiegelt. Stimmen diese überein oder können Widersprüche geklärt werden, stärkt dies die Validität. Qualitative Forschung ist hochwertig, wenn sie transparent dokumen‐ tiert, reflexiv reflektiert, durch Triangulation gestützt, gegenstandsnah beschrieben, argumentativ abgesichert und kommunikativ validiert ist. Tipps | Checkliste qualitative Forschung: Habe ich … … den Forschungsweg nachvollziehbar dokumentiert? → Transparenz … meine Rolle offengelegt? → Reflexivität … Datenquellen oder Methoden kombiniert? → Triangulation … die Sicht der Beforschten angemessen wiedergegeben? → Nähe … meine Deutungen mit den Daten begründet? → Begründung … meine Ergebnisse mit Kolleg: innen diskutiert? → Validierung Mit den Gütekriterien der quantitativen und qualitativen Forschung ist das Spektrum wissenschaftlicher Qualität jedoch noch nicht abgedeckt. In der Forschungspraxis gibt es Szenarien, die sich weder vollständig quantitativ standardisieren noch rein qualitativ rekonstruktiv bearbeiten lassen. 4.5 Standards und Gütekriterien 363 <?page no="364"?> Gütekriterien in Mixed-Methods-Forschung Mixed-Methods-Ansätze verbinden quantitative und qualitative Verfahren, um komplexe Forschungsfragen umfassender zu bearbeiten. Insofern wer‐ den Gütekriterien in zweifacher Hinsicht berücksichtigt, einmal jeweils die quantitativen und qualitativen Kriterien und zusätzlich die Kriterien, welche die Integration der beiden Methodologien betreffen. 1. Kriterien der Teilstudien. Jede Teilstudie muss zunächst ihre eigenen Gütekriterien erfüllen: - Quantitative Komponenten müssen objektiv, reliabel und valide sein. - Qualitative Komponenten müssen plausibel, nachvollziehbar und methodisch reflektiert sein. 2. Integrationsvalidität. Die Befunde aus quantitativen und qualitativen Analysen müssen kohärent zusammengeführt werden: Wie werden die Ergebnisse der quantitativen und qualitativen Analysen aufeinander bezogen? Wird klar begründet, warum beide Verfahren kombiniert werden und welchen Mehrwert die Kombination bietet? Beispiel | Eine Bildungsstudie erhebt zunächst Testdaten zum Leseverständnis (quantitativ) und führt anschließend Lehrkräfte-In‐ terviews (qualitativ). Die Güte hängt nicht nur von der Korrektheit beider Teilerhebungen ab, sondern auch davon, ob die Interviewin‐ terpretationen mit den Testergebnissen sinnvoll verknüpft werden, bspw., um Diskrepanzen zwischen Leistung und wahrgenommenem Lernverhalten sichtbar zu machen. 3. Triangulation. Mixed-Methods erlauben es, ein Phänomen mit ver‐ schiedenen Methoden zu beleuchten. Sie kombinieren quantitative und qualitative Zugänge, um sowohl messbare Zusammenhänge als auch subjektive Deutungen sichtbar zu machen. Stimmen die Ergebnisse beider Ansätze überein, stärkt das die Glaubwürdigkeit und Validität der Forschung; weichen sie voneinander ab, können daraus neue Ein‐ sichten entstehen, etwa über bislang unbeachtete Einflussfaktoren oder Kontextbedingungen. 364 4 Die Qualität der Wissenschaft <?page no="365"?> Beispiel | In der Gesundheitsforschung zeigen statistische Erhe‐ bungen einen Rückgang der Raucherquote, während qualitative Interviews aufzeigen, dass vor allem soziale Unterstützung im Freundeskreis den Verzicht auf Zigaretten erleichtert hat. Beide Perspektiven ergänzen sich, indem sie Verhalten und Beweggründe zugleich beleuchten. 4. Kohärenz des Forschungsdesigns. Ein Forschungsdesign ist kohä‐ rent, wenn alle Schritte - von der Forschungsfrage über die Methodik bis zur Darstellung der Ergebnisse - logisch aufeinander abgestimmt sind. Nicht stimmig wäre etwa, eine Forschungsfrage so zu formulieren, dass deren Beantwortung mit den gewählten Methoden gar nicht möglich ist. Beispiel | Eine Studie zur Integration von Geflüchteten ist kohärent, wenn sie quantitative Daten zu Arbeitsmarktchancen und qualita‐ tive Interviews zu Alltagserfahrungen so kombiniert, dass beide Perspektiven direkt auf dieselbe Forschungsfrage zielen und sich gegenseitig ergänzen. 5. Metainferenz. Metainferenz bezeichnet die übergreifende Schlussfol‐ gerung, die aus der Verbindung beider Datenarten entsteht. Qualität liegt vor, wenn die Integration zu Einsichten führt, die über die Einzel‐ ergebnisse hinausgehen. Beispiel | Eine Mixed-Methods-Studie zu einer Präventionskampa‐ gne zeigt quantitativ eine 10-%ige Senkung der Raucherquote (das Was) und qualitativ, dass Social Media und Peer-Einflüsse entschei‐ dend waren (das Warum). Die Metainferenz lautet: Die Kampagne ist wirksam, weil sie soziale Kontexte nutzt - eine Aussage, die erst durch die Kombination beider Methoden möglich wird. 4.5 Standards und Gütekriterien 365 <?page no="366"?> Gütekriterien für Veränderungsorientierte Forschung Forschung mit dem Erkenntnisziel Verändern bewegt sich im Spannungsfeld zwischen wissenschaftlicher Erkenntnisproduktion und praktischer Inter‐ vention. Sie will nicht nur beschreiben oder verstehen, sondern gezielt in gesellschaftliche, technische oder ökologische Prozesse eingreifen. Daraus ergeben sich besondere Anforderungen an die Qualität, die über klassische Gütekriterien hinausgehen: 1. Wirksamkeit der Intervention. Veränderungsorientierte Forschung muss zeigen, dass ihre Vorschläge, Maßnahmen oder Modelle tatsächlich Effekte in der Realität erzeugen. Diese Effekte können technisch (z. B. Funktionsfähigkeit einer neuen Technologie), organisatorisch (z. B. Verbesserung von Abläufen) oder gesellschaftlich (z. B. Stärkung von Partizipation) sein. Qualität bemisst sich daran, ob die intendierte Wirkung nachweislich eintritt. Beispiel | In der Medizinforschung gilt eine neue Therapieform als wirksam, wenn sie nicht nur statistisch signifikante, sondern klinisch relevante Verbesserungen im Gesundheitszustand der Pati‐ ent: innen zeigt. 2. Praktische Umsetzbarkeit. Eine theoretisch ausgearbeitete Lösung, die nur unter idealisierten Bedingungen funktioniert und in der Praxis nicht implementiert werden kann, verfehlt das Ziel des Veränderns. Zur Qualität gehört daher die Berücksichtigung realer Ressourcen, Akzeptanz durch Betroffene und institutioneller Rahmenbedingungen. Beispiel | In der Organisationsforschung ist ein neues Modell der Teamkommunikation nur dann umsetzbar, wenn es sich mit vorhan‐ denen Arbeitsabläufen vereinbaren lässt und von den Beschäftigten tatsächlich angenommen wird. 3. Ethische Vertretbarkeit. Veränderung bedeutet Eingriff - in soziale Strukturen, Lebensbedingungen oder natürliche Systeme. Gute For‐ schung wägt Risiken ab, bezieht Betroffene ein und minimiert mögliche Nebenwirkungen. Besonders in Medizin und Sozialforschung gilt: Wirk‐ 366 4 Die Qualität der Wissenschaft <?page no="367"?> samkeit ohne ethische Verantwortung kann kein wissenschaftliches Ziel sein. Beispiel | In der Bildungs- oder Sozialforschung ist ein Projekt zur Leistungsförderung nur ethisch vertretbar, wenn es keine Gruppe benachteiligt und die Teilnehmenden informiert zustimmen kön‐ nen. 4. Nachhaltigkeit der Veränderung. Kurzfristige Effekte, die rasch verpuffen oder neue Probleme schaffen, erfüllen die Gütekriterien nicht. Hochwertige Veränderungsforschung strebt Lösungen an, die langfristig tragen und anpassungsfähig bleiben, auch wenn sich Rah‐ menbedingungen ändern. Beispiel | Bildungsforschung: Ein neues Konzept für digitalen Unterricht gilt als nachhaltig, wenn Lernleistungen, Motivation und Kompetenzen nachweislich und langfristig steigen, technische Infrastrukturen und Personalressourcen gesichert sind und das Pro‐ gramm auch ohne externe Supervision und Betreuung fortgeführt werden kann. 5. Anschlussfähigkeit. Auch interventionsorientierte Forschung muss theoretisch fundiert und methodisch transparent sein. Nur so können andere Forschende Ergebnisse nachvollziehen, weiterentwickeln oder in neuen Kontexten prüfen. Beispiel | Umwelt- und Klimaforschung: Maßnahmen wie urbane Begrünungs- und Abkühlungsprogramme sind dann qualitativ hochwertig, wenn die genannten Kriterien erfüllt sind (nochmals zusammenfassend). Wenn sie wirksam sind, das heißt, wenn sie tatsächlich die Temperatur senken, die Lebensqualität der Bewohne‐ rinnen und Bewohner verbessern und zugleich langfristig pflegbar bleiben. Wenn das Projekt praktisch umsetzbar ist, wenn es bspw. politischen Konsens gibt und erforderliche Ressourcen verfügbar sind. Wenn es ethisch vertretbar realisiert ist, etwa durch die 4.5 Standards und Gütekriterien 367 <?page no="368"?> Beteiligung der Stadtbevölkerung an Planung und Umsetzung sowie die Vermeidung unbeabsichtigter Verdrängungsprozesse infolge städtebaulicher Aufwertungen. Wenn es nachhaltig ist, also wenn das Konzept langfristig ohne wissenschaftliche Begleitung weiter‐ läuft. Und anschlussfähig: Urbane Begrünungs- und Abkühlungs‐ programme erfüllen dieses Kriterium, wenn ihre Wirkung doku‐ mentiert, theoretisch evaluiert und in anderen Städten vergleichbar implementiert werden kann. 4.6 Wissenschaftstheoretische Positionierung Die Qualität einer wissenschaftlichen Arbeit zeigt sich nicht allein an ihrem fachlichen Inhalt oder an der korrekten Anwendung von Methoden. Sie entsteht aus dem Zusammenspiel von Fachwissen, methodischer Sorgfalt, logischer Konsistenz und wissenschaftstheoretischer Reflexion. Eine Ab‐ schlussarbeit oder ein Forschungsprojekt bündelt all diese Dimensionen und Ansprüche zu einer übergreifenden Zielsetzung. Wissenschaftstheorie ist kein Luxus, sie begründet die strategische Perspektive jeder Forschung. Wer am Ende des Studiums ein Forschungsproblem selbstständig bearbeitet, muss zeigen können, dass er nicht nur Wissen reproduzieren und Methoden anwenden kann, sondern das eigene Vorgehen auch wissenschaftstheore‐ tisch reflektieren und insofern im Kontext der Forschung verorten kann. Eine wissenschaftstheoretische Positionierung ist insofern mehrfach entschei‐ dend. 1. Im Hinblick auf das Forschungsvorhaben. Die wissenschaftstheo‐ retische Positionierung stellt sicher, dass der Forschungsgegenstand, die Fragestellung, die Methode und Interpretation konsistent aufeinander abgestimmt sind. Sie ist ein Instrument der Qualitätssicherung, weil sie die theoretischen, methodischen und normativen Voraussetzungen einer Arbeit im Zusammenhang transparent macht. Sie zeigt, dass das eigene Vorgehen nicht bloß technisch korrekt, sondern theoretisch fundiert und reflexiv durchdacht ist. Jede Forschung beruht auf einem bestimmten Verständnis von Wirklichkeit, Erkenntnis, Werten, Metho‐ den und Praxis. Diese fünf Dimensionen sind das Fundament, auf dem wissenschaftliche Arbeit steht: 368 4 Die Qualität der Wissenschaft <?page no="369"?> - Ontologische Dimension. Sie betrifft die Grundannahmen über die Wirklichkeit, und was als Gegenstand der Forschung gilt. Hier wird festgelegt, wie Wirklichkeit verstanden wird, ob z. B. als unabhängig vom Bewusstsein oder durch Wahrnehmung, Sprache und soziale Praktiken konstruiert. Die ontologische Position klärt somit, welche Phänomenen überhaupt als erforscht werden kön‐ nen. - Erkenntnistheoretische Dimension. Sie fragt nach den Bedingungen, Möglichkeiten und Grenzen menschlicher Erkenntnis. Je nach Position wird Wissen als Ergebnis empirischer Beobachtung, ra‐ tionaler Ableitung, interpretativer Verständigung oder kritischer Reflexion verstanden. Diese Dimension legt fest, wie Erkennt‐ nis entsteht, welche Begründungsformen als legitim gelten und welches Verhältnis zwischen Subjekt und Objekt des Wissens angenommen wird. - Axiologische Dimension. Sie betrifft die Werte und Prinzipien, die wissenschaftliches Handeln leiten. Dazu zählen Objektivität, Gültigkeit, Verantwortung, Transparenz und ethische Integrität. Die normative Dimension verankert Forschung in einem Rahmen von wissenschaftlicher und gesellschaftlicher Verantwortung und bestimmt auch, welche Ziele als legitim gelten und welche Gren‐ zen Forschung nicht überschreiten darf. - Methodologische Dimension. Sie bezieht sich auf die Regeln, Ver‐ fahren und Techniken, mit denen Erkenntnis gewonnen, geprüft oder begründet wird. Sie übersetzt wissenschaftstheoretische An‐ nahmen in methodisches Handeln - etwa durch die Wahl qualita‐ tiver, quantitativer oder gemischter Ansätze. Die methodologische Dimension sorgt dafür, dass das empirische Vorgehen mit der erkenntnistheoretischen und ontologischen Grundhaltung einer Arbeit übereinstimmt. - Pragmatische Dimension. Sie betrifft die konkrete Umsetzung der wissenschaftstheoretischen Positionierung im Forschungsprozess - von der Planung über die Durchführung bis zur Auswertung und Validierung. Hier zeigt sich, wie theoretische und methodische Entscheidungen praktisch wirksam werden: in der Dokumenta‐ tion, der Sicherung von Transparenz und Nachvollziehbarkeit sowie in der Reflexion der Reichweite und Grenzen eigener Ergeb‐ 4.6 Wissenschaftstheoretische Positionierung 369 <?page no="370"?> nisse. Die pragmatische Dimension verbindet damit theoretische Kohärenz mit praktischer Forschungspraxis. 2. Im Hinblick auf die Rezeption wissenschaftlicher Literatur. Wer Forschung kritisch beurteilen will, muss erkennen können, auf welchem theoretischen und methodischen Fundament sie steht. Erst wenn deut‐ lich ist, ob eine Untersuchung z. B. empirisch-analytisch, hermeneutisch oder kritisch argumentiert, lassen sich ihre Ergebnisse angemessen einordnen und ihre Aussagekraft bewerten. Ohne diese Klarheit besteht die Gefahr, unvereinbare Forschungslogiken zu vermischen, Äpfel und mit Birnen zu vergleichen, etwa qualitative und quantitative Befunde, die auf unterschiedlichen Erkenntniszielen und Geltungsansprüchen beruhen. 3. Im Hinblick auf die interdisziplinäre Forschung. Hier ist die wis‐ senschaftstheoretische Positionierung eine wesentliche Schnittstelle. Unterschiedliche Disziplinen bringen unterschiedliche Erkenntnisinte‐ ressen und ggf. spezifische Begrifflichkeiten mit, was leicht zu Missver‐ ständnissen führen kann. Eine Erklärung in der Physik unterscheidet sich grundlegend von einer Erklärung in der Soziologie, und noch mehr von einer Interpretation in der Soziologie oder einer Deutung in der Kunstwissenschaft. Erst wenn diese Unterschiede wissenschaftstheo‐ retisch deklariert und explizit gemacht werden, kann Verständigung entstehen - und mit ihr die Möglichkeit, Ergebnisse zu verbinden und innovative, integrative Perspektiven zu entwickeln, die über die Logik einzelner Disziplinen hinausgehen. Wissenschaftstheoretische Positionierung ist das Gütesiegel für Pla‐ nung, Durchführung, Begründung und Kommunikation der wissen‐ schaftlichen Arbeit. Wissenschaftstheorie im Studium Doch welchen Stellenwert hat Wissenschaftstheorie im Studium und in den Curricula einzelner Studienfächer? Inwieweit werden Sie auf diese Herausforderungen vorbereitet? Ein Blick auf die Kompetenzen, die ein Hochschulstudium entsprechend dem sog. Bologna-System vermitteln soll, 370 4 Die Qualität der Wissenschaft <?page no="371"?> stimmt auf den ersten Blick optimistisch. Mit dem Bologna-Prozess ist seit den 1990er-Jahren europaweit eine Hochschulreform in Gang gekommen, die zum Ziel hat, einen einheitlichen Europäischen Hochschulraum (Euro‐ pean Higher Education Area, EHEA) zu etablieren, um so Studiensysteme und Abschlüsse zu harmonisieren, Mobilität, Studien- und Berufswechsel innerhalb Europas zu forcieren und die internationale Wettbewerbsfähigkeit des europäischen Hochschulraums zu erhöhen. Die Bologna-Erklärung wurde 1999 unterzeichnet, mittlerweile haben sich 49 Staaten angeschlossen. Im Bologna-System sind vorgesehen: die Einführung eines gestuften Studiensystems (Bachelor, Master, Promotion), die Anwendung des europäischen Leistungspunktesystems (European Cre‐ dit Transfer and Accumulation System, ECTS) und eine einheitliche Qua‐ litätssicherung in Lehre und Studium. Während der Bologna-Prozess die politischen und strukturellen Rahmenbedingungen festlegt, konkretisiert der Qualifikationsrahmen für den Europäischen Hochschulraum (Qualifica‐ tions Framework for the European Higher Education Area, QF-EHEA) einen gemeinsamen Standard und ermöglicht so die Vergleichbarkeit der Qualifikationen innerhalb des Europäischen Hochschulraumes. Dieser Qualifikationsrahmen definiert die Kompetenzen, die Studierende nach einem Bachelor- oder Masterabschluss erworben haben sollten, und zwar unterschieden in fünf Kompetenzbereiche: 1. Wissen und Verstehen (Knowledge and Understanding). Absol‐ vent: innen verfügen über ein fundiertes, systematisches Wissen im gewählten Fach. Sie kennen die Theorien, Konzepte, Methoden und ihre wissenschaftstheoretischen Grundlagen. Beispiele | Psychologie: Eine Studentin ordnet Gedächtnismodelle (Mehrspeicher-, Arbeitsgedächtnis-, konnektionistische und netz‐ werkbasierte Modelle) historisch und systematisch ein, zeigt, welche Annahmen über Repräsentation und Verarbeitung jeweils gelten, und erläutert, wie diese Annahmen die Wahl typischer Messverfah‐ ren (Recall vs. Recognition, Dual-Task-Paradigmen) leiten. Geschichtswissenschaft: Ein Studierender kontrastiert Rankes Quellenpositivismus mit konstruktivistischen Deutungen, macht deutlich, wie sich „Objektivität“ in beiden Paradigmen begründet, und zeigt an einem Fall (Zeitungsberichte 1914), wie Quellenkritik 4.6 Wissenschaftstheoretische Positionierung 371 <?page no="372"?> und Kontextualisierung zu unterschiedlichen, aber begründeten Narrativen führen. Informatik: Eine Absolventin erklärt Big-O-Notation und zentrale Datenstrukturen (Listen, Heaps, balancierte Bäume), leitet die Lauf‐ zeit eines Sortierverfahrens formal her, benennt Lower Bounds und verortet damit die Grenze algorithmischer Lösbarkeit (z. B. NP-Vollständigkeit) im Spannungsfeld von Theorie und Praxis. 2. Anwendung von Wissen und Verstehen (Applying Knowledge and Understanding). Absolvent: innen sind in der Lage, ihr Wissen und wis‐ senschaftliche Methoden auf konkrete Fragestellungen anzuwenden. Beispiele | Ingenieurwissenschaften: Ein Studierender plant eine Messreihe zur Schwingungsdämpfung, kalibriert Sensorik, begrün‐ det Messpunkte über Modellannahmen, führt die Messung normge‐ recht durch und weist nach, wie Unsicherheiten (Temperaturdrift, Rauschen) in der Auswertung kompensiert werden. Sozialwissenschaften: Eine Absolventin entwickelt für das Kon‐ strukt „Arbeitszufriedenheit“ eine kurze Skala, zeigt die Ableitung der Items aus der Theorie (Facettenmodell), prüft Inhalts- und Konstruktvalidität (Pretest, Faktormodell) und setzt eine inferenzs‐ tatistische Auswertung mit klaren Annahmen um. Public Health: Ein Masterstudent führt eine Kohortenanalyse zu Impfwirksamkeit durch, definiert Einschlusskriterien, berechnet Inzidenzraten und Hazard Ratios, diskutiert Confounder (Alter, Komorbidität) und zeigt einen Sensitivitätscheck (Zeitfenster, Mis‐ sing-Data-Strategie). 3. Urteilsbildung (Making Judgements). Studierende können die Reich‐ weite und Grenzen von Erkenntnissen kritisch reflektieren und eigene Positionen entwickeln, die auf wissenschaftlichen Kriterien basieren. Beispiele | Ökonomie: Eine Absolventin bewertet ein Diffe‐ rence-in-Differences-Design zur Mindestlohnauswirkung, prüft die Common-Trends-Annahme grafisch und formal, setzt Placebo-Tests 372 4 Die Qualität der Wissenschaft <?page no="373"?> ein, gewichtet externe Validität (Branche, Region) und trennt sauber Kausalität von Korrelation. Medizin/ Evidenzlehre: Ein Studierender kritisiert eine Leitlinien‐ empfehlung, ordnet die Studien nach Evidenzstufen, analysiert Heterogenität (I²), adressiert Publikationsbias (Funnel-Plot) und begrenzt die Übertragbarkeit auf definierte Patient: innengruppen. Kulturwissenschaft: Eine Masterstudentin entfaltet zwei tragfähige Lesarten eines Textkorpus (hermeneutische und diskursanalytische Deutung), belegt beide mit Textstellen und Kontextwissen und begründet, unter welchen Bedingungen welche Interpretation vor‐ zuziehen ist. 4. Kommunikationskompetenz (Communication Skills). Absolvent: in‐ nen können fachliche Inhalte adressatengerecht darstellen - schriftlich, mündlich und multimedial. Sie beherrschen die Standards wissenschaft‐ licher Darstellung (z. B. die Zitationsregeln, die visuelle Aufbereitung und Präsentation von Daten). Beispiele | Naturwissenschaften: Ein Student erstellt ein „Graphical Abstract“, das die Kernaussage in 30 Sekunden erfassbar macht, Achsen, Unsicherheit und Stichprobe korrekt ausweist und auf ein Repositorium mit Daten/ Code verweist. Rechtswissenschaft: Eine Absolventin verfasst ein Gutachten im O-D-S-E-Schema (Obersatz-Definition-Subsumtion-Ergebnis), grenzt Normen präzise ab, verweist korrekt, und ergänzt eine verständliche Kurzfassung für eine nicht-juristische Zielgruppe. Datenwissenschaft/ Informatik: Ein Masterstudent präsentiert ein kleines Dashboard, erläutert Metriken und Limitationen transpa‐ rent, dokumentiert Versionierung und Datenherkunft und beant‐ wortet Rückfragen zu Annahmen und Randfällen nachvollziehbar. 5. Lern- und Reflexionskompetenz (Learning Skills). Studierende ent‐ wickeln die Fähigkeit, selbstgesteuert weiter zu lernen und eigene Forschungs- und Lernprozesse kritisch zu hinterfragen. 4.6 Wissenschaftstheoretische Positionierung 373 <?page no="374"?> Beispiele | Empirische Fächer allgemein: Eine Studentin repliziert eine zentrale Abbildung aus einer Publikation, dokumentiert Abwei‐ chungen (Deviation-Report), reflektiert Gründe (Datenbereinigung, Modellwahl) und leitet konkrete Verbesserungen für zukünftige Arbeiten ab. Informatik: Ein Studierender erschließt in kurzer Zeit ein neues Framework, erstellt ein Minimalbeispiel mit Tests, bewertet die Quelle (Maintainer-Aktivität, Lizenz, Issue-Tracker) und entschei‐ det begründet über Einsatzgrenzen. Lehramt in Kunst- und Musikpädagogik: Eine Absolventin analy‐ siert eine eigene Unterrichtssequenz per Video, vergleicht Selbst- und Peer-Feedback, benennt Lernziele für die nächste Iteration und macht explizit, welche Annahmen sich geändert haben und warum. Diese Kompetenzbereiche unterscheiden sich nach dem jeweiligen Qualifi‐ kationsniveau: Während Studierende im Bachelorstudium zeigen sollen, dass sie grundlegendes Fachwissen und bewährte Methoden beherrschen, beschreiben und korrekt anwenden, liegt der Schwerpunkt im Masterstu‐ dium zudem auf der Vertiefung, kritischen Reflexion und begründeten Weiterentwicklung dieser Kenntnisse im Hinblick auf komplexe, neue und weniger strukturierte Fragestellungen. Auf der Ebene der Doktorand: innen wird schließlich erwartet, dass Forschende zu alledem auch eigenständige Beiträge zum wissenschaftlichen Erkenntnisfortschritt leisten, also beste‐ hende Theorien und Methoden nicht nur anwenden oder anpassen, sondern innovativ erweitern, kritisch prüfen und in den wissenschaftlichen Diskurs einbringen. Wie sieht es in der Praxis aus? Während die Bologna-Reform in der Theorie auf forschungsorientiertes, reflektierendes Lehren und Lernen orientiert ist - entsprechende Ziele sind in allen Kompetenzbereichen mehr oder weniger angesprochen - , ist in der Praxis des Studiums einiges auf der Strecke geblieben, auch was Wissenschaftstheorie betrifft. Die Kompetenzen, die der QF-EHEA als Bildungsziele vorsieht, werden in den Studienplänen oft formal beschrieben, ohne konkret und konsequent in der Lehre umgesetzt zu werden. Reflexive Lehrformate sind selten institutionalisiert, und wis‐ senschaftstheoretische Inhalte werden oft in die Verantwortung einzelner Lehrender ausgelagert. In den wenigsten Fächern ist Wissenschaftstheorie 374 4 Die Qualität der Wissenschaft <?page no="375"?> ein eigenständiges Pflichtfach; in mehreren bildet sie ein Teilgebiet der Methodenlehre, in anderen ist sie kaum präsent. • Ein Pflichtfach ist Wissenschaftstheorie im Studium der Philosophie, häufig gemeinsam mit Logik und Erkenntnistheorie in Modulen wie Theoretische Philosophie oder Wissenschaftsphilosophie. In den Geis‐ tes- und Sozialwissenschaften ist sie in der Regel als Pflichtmodul oder als Bestandteil der Methodenausbildung verankert. Auch in den Wirt‐ schaftswissenschaften finden sich im Bachelorstudium häufig Pflicht‐ module wie Wissenschaftstheorie und Methoden wissenschaftlichen Arbeitens. • In vielen technisch-naturwissenschaftlichen Studiengängen wird Wis‐ senschaftstheorie nicht als eigenes Fach gelehrt, sondern im Rahmen der Forschungsmethoden vermittelt. Der empirisch-analytische Ansatz des Kritischen Rationalismus gilt hier oft als selbstverständlicher Stan‐ dard; Konzepte wie Hypothesenbildung, Falsifizierbarkeit und Validität werden in der Praxis der Labormethoden und Statistik behandelt, jedoch selten theoretisch reflektiert. • Auch in Medizin und Rechtswissenschaft wird Wissenschaftstheorie überwiegend integriert vermittelt, im Zusammenhang mit Methodik, Argumentation, Ethik und Beweisführung. Eigenständige Lehrveran‐ staltungen zu Wissenschaftstheorie sind selten, doch wissenschafts‐ theoretische Kompetenzen - etwa das Bewerten von Evidenz, das kriti‐ sche Lesen von Daten, das Begründen methodischer Entscheidungen und das transparente Berichten - werden in praxisnahen Formaten ver‐ mittelt: etwa in Kursen zur Studienkritik, zur evidenzbasierten Medizin (EBM), in Biometrie-Workshops oder in projektorientierten Analysen. Für diese Situation gibt es einige Gründe. Ein Grund ist wohl das allgemeine Manko des Bologna-Systems, dass die Modularisierung und Prüfungsver‐ dichtung zu einer Verschulung des Studiums geführt haben. Der Fokus liegt demnach stärker auf das Erreichen von ECTS-Punkten und auf der effizienten Organisation der Studien. Der Druck, Regelstudienzeiten und Modulvorgaben einzuhalten, wirkt sich negativ aus, wissenschaftliches Denken wird auf vorgegebene Lerninhalte reduziert - für kritische Refle‐ xion und wissenschaftstheoretische Diskussion bleibt kaum Zeit. Aber der primäre Grund ist, dass die Curricula tendenziell auf Employabi‐ lity und Effizienz orientiert sind. Studierende lernen primär, ein im Berufs‐ kontext anwendbares Wissen zu reproduzieren, weniger aber, seine Geltung 4.6 Wissenschaftstheoretische Positionierung 375 <?page no="376"?> und Genese zu hinterfragen. Wissen in diesem Verständnis muss verlässlich, eindeutig, quasi die Wahrheit an sich sein. Dabei auch noch eine Kompetenz zu vermitteln, die wissenschaftliches Wissen notorisch kritisch hinterfragt und das System verunsichert, indem deklariert wird, dass Wissen prinzipiell nur hypothetisch, vorläufig und nie richtig wahr sei kann, - eine solche Kompetenz wäre nicht nur Luxus, sondern auch systemisch kontraproduk‐ tiv. Auch ist es didaktisch einfacher, Wissen als kohärent und gesichert vom Stapel weg zu präsentieren, entsprechend einfacher ist auch die Leis‐ tungsbeurteilung, da die zu prüfenden Kompetenzen der Studierenden in operationalisierbare und messbare Formate abbildbar sind. Schließlich ist auch die Ökonomisierung der Bildungs- und Forschungseinrichtungen im Spiel: Ein vermeintlich objektives, wahres, anwendungseffizientes Wissen zu produzieren und zu vermitteln, ist offenbar auch ein besseres Argument in Finanzierungsverhandlungen. Ein Fach wie Wissenschaftstheorie gerät so zwischen die Fronten der offenkundigen Ambivalenz des Bologna-System: Einerseits wird Bildung propagiert, in der Tradition des Bildungskonzeptes von Wilhelm von Hum‐ boldt und auf der Grundlage der Werte der Aufklärung, andererseits wird Ausbildung forciert, also Wissensvermittlung. die den Anforderungen eines globalisierten, Arbeitsmarktes gerecht werden soll; einerseits werden Kom‐ petenzen auf Vernunft, kritisches Denken, Reflexion, Selbstbestimmtheit, Freiheit und gesellschaftliche Teilhabe orientiert; in der Praxis andererseits werden dieselben Kompetenzen jedoch auf Berufsqualifikation verengt, Lernziele werden in messbare Outcomes übersetzt, Module auf Berufsqua‐ lifikation getrimmt. Wenn ein Studium primär auf Aneignung von beruflich verwertbarem wissenschaftlichem Wissen abzielt und dabei Wissen als einen handlichen, wahren, selbstverständlichen Kanon voraussetzt, tritt Nachdenken über die Vorläufigkeit von Wissen, ihre Perspektivität und Konstruktivität in den Hintergrund und wird als bloß „theoretisch“ und nebensächlich gesehen. Was dies langfristig bedeutet, ist eine andere Frage. Mit dem Verschwinden kritischen Denkens und wissenschaftstheoretischer Reflexion werden sich vermutlich die Differenzen zwischen Wissenschaftsdisziplinen unterschied‐ licher wissenschaftstheoretischer Positionen verhärten, Fachdisziplinen bleiben in ihrem Paradigma und schaffen sich ähnlich wie die KI ihre eigene Filterblase, vermutlich werden auch Kreativität und Innovation schwinden, aus dem Blick geraten mögliche Alternativen, die anderen Erkenntnisziele, die anderen Zugänge auf die Wirklichkeit, mithin auch andere mögliche 376 4 Die Qualität der Wissenschaft <?page no="377"?> wissenschaftliche Erkenntnisse, andere Handlungsmöglichen für unsere Lebenswelt. Wissenschaftstheorie für die Abschlussarbeit Trotzdem: Die Stunde der Wahrheit im Studium kommt mit der Abschluss‐ arbeit. Tatsächlich sind Qualifikationsarbeiten, die Bachelor-, Master- und Doktorarbeiten, der Ort, wo auch Ihre wissenschaftstheoretische Kompe‐ tenz auf dem Prüfstand steht: ob Sie die methodologischen und wissen‐ schaftstheoretischen Grundlagen ihres Faches verstanden haben und re‐ flektiert forschungspraktisch anwenden können, von der Formulierung einer klaren Forschungsfrage bis zur korrekten Anwendung von Methoden, und dies konsistent begründen können; ob Sie - auch als zukünftige: r Akademiker: in - eine Aufgabenstellung definieren, eigenständig bearbeiten, Ihre Vorgehensweise dokumentieren und vor allem reflektieren können; ob Sie Wissen nicht nur reproduzieren, sondern selbst produzieren können, sei als Analyse von bestehenden Theorien oder auch als Entwicklung eigener Hypothesen. Im theoretischen Teil Ihrer Abschlussarbeit (im sog. „Theorieteil“) zeigen Sie, ob Sie mit unterschiedlichen Theorien, Konzepten und Begriffen kritisch umgehen, sie klar unterscheiden; ob und wie Sie Ihre Arbeit begründen; warum Sie bestimmte Konzepte, Definitionen, Modelle und Theorien ver‐ wenden; wie Sie auf dieser Grundlage Ihre eigene Forschungsfrage präzisie‐ ren und ggf. Hypothesen formulieren. Zugleich ordnen Sie im theoretischen Teil Ihre Studie in den aktuellen Forschungsstand ein, Sie markieren im besten Fall eine Forschungslücke, Sie behaupten also nicht einfach die Relevanz Ihrer Arbeit, sondern begründen Ihren substanziellen Beitrag, sei es theoretisch oder anwendungsbezogen. Sie können so zeigen, dass Ihre Arbeit nicht „aus der Luft gegriffen“ ist. Im Abschnitt Methodenbegründung (im „Methodikteil“) kommt Ihre wis‐ senschaftstheoretische Kompetenz noch mehr zum Zug. Sie beschreiben nicht einfach Ihre Methode in technischer Hinsicht und wie Sie diese ope‐ rativ anwenden, sondern Sie begründen, warum Sie sich für diese Methode entschieden haben, warum sie die beste Wahl für Ihr Erkenntnisziel und für Ihre Forschungsfrage ist - und sie zeigen, dass Ihnen bewusst ist, welche epistemologischen und ontologischen Konsequenzen mit Ihrem Erkenntnis‐ ziel und Ihrer Forschungsmethode verbunden sind, dass es Alternativen zu 4.6 Wissenschaftstheoretische Positionierung 377 <?page no="378"?> ihnen gibt, dass Ihr Zugang einer unter mehreren ist und dass Sie insofern Ihre Forschungsergebnisse nicht die einzige „Wahrheit“ sein können. Was bedeutet dies für Sie in operativer Hinsicht in der konkreten For‐ schungspraxis? Viele Abschlussarbeiten sind ambitioniert, formal korrekt und methodisch sauber - und erfüllen damit grundlegende Erwartungen. Wissenschaftliche Qualität beschränkt sich aber nicht darauf, Regeln einzu‐ halten, z. B. wie man korrekt zitiert oder technisch perfekt Daten auswertet. Erst wenn die Fragestellung, die Methodenwahl und die Argumentation wis‐ senschaftstheoretisch reflektiert wird und insofern begründet positioniert und klar und konsistent dargelegt wird, entsteht eine Arbeit, die über reine handwerkliche Korrektheit hinausgeht und im wissenschaftlichen Diskurs Qualität hat. Wissenschaftstheoretische Checkliste Die folgenden 10 Gebote sind keine Verbote - wie man solche sonst kennt -, sondern positiv formulierte Leitlinien, worauf es beim wissenschaftli‐ chen Arbeiten wirklich ankommt. Diese Hinweise sollen die Fragen und Themen der Wissenschaftstheorie auf die konkreten operativen Schritte des wissenschaftlichen Arbeitens übertragen und so eine forschungsnahe Orientierung bieten, was beim Schreiben einer Abschlussarbeit oder eines Forschungsberichts wissenschaftstheoretisch auf der Agenda steht. Dies soll jeweils mit fiktiven Szenarien verdeutlicht werden: Und nachdem es ja in diesem Buch um Wissenschaftstheorie geht, stellen wir uns als Beispiel vor, dass wir eine Abschlussarbeit über das Thema „Wissenschaftstheorie im Studium“ schreiben. 378 4 Die Qualität der Wissenschaft <?page no="379"?> 1. Klären Sie Ihren Untersuchungsgegenstand. Der erste Schritt be‐ steht darin, aus dem Gegenstandsbereich einer Disziplin ein Phänomen ins Auge zu fassen, das Sie interessiert. Dabei geht es noch nicht darum, das spezifische Forschungsproblem zu formulieren, sondern einen Bereich oder Aspekt festzulegen, an den Sie anknüpfen möchten. Die Wahl kann sowohl durch persönliche Neugier, durch Ihr Umfeld oder auch durch gesellschaftliche Relevanz motiviert sein. Tipps und Beispiele | Untersuchungsgegenstand finden • Benennen Sie ein Phänomen, das innerhalb Ihres Faches sinnvoll untersucht werden kann. • Reflektieren Sie kurz, warum es Sie interessiert oder warum es relevant ist. • Vermeiden Sie, schon jetzt Forschungsfragen oder Hypothe‐ sen konkret zu formulieren. Sehr gut: „Untersuchungsgegenstand ist die Bedeutung von Wis‐ senschaftstheorie in der Hochschullehre, insbesondere im Hinblick auf die Vorbereitung von Studierenden für ihre Abschlussarbeiten.“ Genügend: „Untersuchungsgegenstand dieser Arbeit ist die Rolle von Wissenschaftstheorie im Studium.“ Nicht genügend: „Meine Arbeit beschäftigt sich mit Wissenschaftstheorie.“ Natürlich zu vage. 4.6 Wissenschaftstheoretische Positionierung 379 <?page no="380"?> 2. Begründen Sie Ihre wissenschaftstheoretische Position. Zuerst geht es um eine strategische Entscheidung: Wollen Sie den Untersu‐ chungsgegenstand erklären, verstehen oder verändern? Und überlegen Sie dann, welche Konsequenzen diese Entscheidung haben kann im Hinblick auf grundlegende philosophische Entscheidungen: Was für Sie Wirklichkeit ist (Ontologie), wie Sie Ihr Wissen über Wirklichkeit gewinnen können (Epistemologie) und welche Werte für Sie dabei leitend sind (Axiologie). Auch Ihre Forschung erfolgt nicht ohne Vor‐ aussetzungen. Tipps und Beispiele | Eine wissentschaftstheoretische Position finden • Deklarieren Sie, welches Erkenntnisziel Sie mit Ihrer Arbeit verfolgen (Erklären, Verstehen, Verändern). • Zeigen Sie, in welchem wissenschaftstheoretischen Rahmen Ihre Arbeit steht - epistemologisch z. B.: realistisch, kon‐ struktivistisch, kritisch, pragmatisch. • Klären Sie, welche Geltungsansprüche Ihre Ergebnisse auf‐ grund dieser Voraussetzungen haben können. Sehr gut: „In dieser Arbeit soll die Relevanz der Wissenschafts‐ theorie für Abschlussarbeiten aus der Perspektive von Studierenden rekonstruiert werden. Erkenntnisziel ist das Verstehen studentischer Bedeutungskonstrukte. Die Ar‐ beit geht insofern von einer konstruktivistischen Position aus.“ Genügend: „Die Arbeit folgt einem interpretativen Ansatz und geht davon aus, dass Wissen als sozial konstruiert ist.“ Nicht genügend: „Die Arbeit behandelt Wissenschaftstheorie im Studium.“ Bloße Themenbenennung ohne Positionierung. 380 4 Die Qualität der Wissenschaft <?page no="381"?> 3. Begründen Sie Ihre Methode. Methoden bringen immer Annahmen darüber mit, welche Art von Wissen überhaupt erzeugt werden kann. Eine reflektierte Methodenwahl zeigt, dass Sie verstanden haben, wie Ihr Erkenntnisziel und Ihre Fragestellung mit den gewählten Verfahren zusammenpassen. Methoden sind nie neutrale Werkzeuge. Tipps und Beispiele | Eine Methode finden • Begründen Sie, warum Ihre Methode für Ihr Erkenntnisziel geeignet ist. • Beschreiben Sie die Methode und benennen Sie auch ihre Grenzen. Sehr gut: „Qualitative Interviews wurden gewählt, weil damit sub‐ jektive Einschätzungen von Studierenden zur Rolle von Wissenschaftstheorie im Studium erfasst werden kön‐ nen. Die Methode erlaubt es, individuelle Sichtweisen und Begründungsmuster sichtbar zu machen, kann aber keine Aussagen über Häufigkeiten oder statistische Zu‐ sammenhänge liefern.“ Eine umfassende Begründung der Methode, sie kommuniziert klar Ziele, Ansprüche und gleichzeig die Grenzen der zu erwartenden Erkenntnisse. Genügend: „Es wurden Interviews geführt, um Studierende nach ihren Erfahrungen mit Wissenschaftstheorie zu befragen.“ Das ist ansatzweise eine Begründung, ein erstes Ziel wird erkennbar, wenn auch nur plakativ. Nicht genügend: „Für die Untersuchung werden Interviews geführt.“ Eine reine deskriptive Absichtserklärung ohne Begründung. 4.6 Wissenschaftstheoretische Positionierung 381 <?page no="382"?> 4. Konkretisieren Sie Ihren Forschungsgegenstand. Ein Thema wird erst dann zu einem Forschungsgegenstand, wenn es mit einem Erkennt‐ nisziel, einer wissenschaftstheoretischen Position und einer passenden Methode „verbunden“ wird. Diese Konstituierung des Forschungsge‐ genstandes muss wissenschaftstheoretisch transparent gemacht wer‐ den. Tipps und Beispiele | Den Forschungsgegenstand festlegen • Konkretisieren Sie Ihr Thema so, dass daraus ein plausibler und bearbeitbarer Forschungsgegenstand wird. • Verdeutlichen Sie, wie dabei Forschungsgegenstand, Er‐ kenntnisziel, theoretische Perspektive und Methode aufein‐ ander bezogen sind. Sehr gut: „Diese Arbeit untersucht, wie Studierende die Bedeu‐ tung von Wissenschaftstheorie für die Begründung me‐ thodischer Entscheidungen in ihren Abschlussarbeiten wahrnehmen. Erkenntnisziel ist das Verstehen dieser Deutungen. Forschungsmethodisch kommen qualitative Interviews zum Einsatz.“ Genügend: „Die Arbeit untersucht die Rolle von Wissenschaftstheorie in Curricula.“ Noch etwas zu allgemein. Nicht genügend: „Das Thema ist Wissenschaftstheorie im Studium.“ Bloße Themenbenennung. 382 4 Die Qualität der Wissenschaft <?page no="383"?> 5. Präzisieren Sie Ihre Forschungsfrage. Jetzt kommen Sie zu Ihrer Forschungsfrage, diese bündelt Untersuchungsgegenstand, Erkenntnis‐ ziel und theoretischen Rahmen. Das Forschungsprojekt bekommt ein konkretes Ziel. Die Forschungsfrage ist gleichsam der Kompass und der Motor für das weitere Vorgehen. Ohne eine präzise Frage bliebe Forschung beliebig und ohne Konturen. Tipps und Beispiele | Die Forschungsfrage festlegen • Formulieren Sie eine konkrete, präzise, überprüfbare Frage‐ stellung. • Achten Sie darauf, dass sie mit Ihrem Erkenntnisziel wis‐ senschaftstheoretisch und forschungsmethodisch überein‐ stimmt. Sehr gut: „Wie bewerten Studierende die Bedeutung von Wissen‐ schaftstheorie für die Begründung methodischer Ent‐ scheidungen in ihren Abschlussarbeiten? “ Klar, eingrenz‐ bar und überprüfbar. Genügend: „Welche Rolle spielt Wissenschaftstheorie in universitä‐ ren Curricula? “ Etwas fokussiert, aber trägt zu wenig weit. Nicht genügend: „Warum ist Wissenschaftstheorie wichtig? “ Zu breit und unscharf. 4.6 Wissenschaftstheoretische Positionierung 383 <?page no="384"?> 6. Begründen Sie Ihr Forschungsvorhaben im theoretischen Kon‐ text. Wissenschaft lebt von Anschlussfähigkeit, jede Arbeit steht im Kontext bestehender Theorien, Modelle und Konzepte. Entscheidend ist, dass sie nicht nur benennen, auf welche Theorien Sie sich stützen, sondern dass Sie sich konkret mit ihnen auseinandersetzen und vor allem begründen, warum gerade diese Theorien sachlich relevant sind und warum sie wissenschaftstheoretisch und forschungsmethodisch mit ihrem Forschungsprojekt konsistent sind - und wie Ihr Beitrag darüber hinausführen könnte. Tipps und Beispiele | Das Forschungsvorhaben begründen • Benennen Sie die relevanten Theorien oder Konzepte. • Begründen Sie, warum diese für Ihre Fragestellung geeignet und relevant sind, und warum sie forschungsmethodisch mit Ihrer Forschungsfrage konsistent sind. • Machen Sie deutlich, worin Ihr spezifischer Beitrag im bestehenden Diskurs liegt. Sehr gut: „Die Arbeit berücksichtigt vor allem konstruktivistisch orientierte Theorieangebote. Auf dieser Grundlage ist es möglich, studentische Sichtweisen im Hinblick auf Wis‐ senschaftstheorie als soziale Konstruktionen zu verstehen und in ihrer Eigenlogik zu analysieren.“ Genügend: „Die Arbeit stützt sich auf konstruktivistische Ansätze.“ Immerhin ein knapper Hinweis, aber keine Begründung. Nicht genügend: „Es gibt viele Ansätze zur Wissenschaftstheorie.“ Reine Aufzählung. 384 4 Die Qualität der Wissenschaft <?page no="385"?> 7. Arbeiten Sie mit klaren Begriffen und konsistenter Logik. Begriffe und Logik sind die Bausteine wissenschaftlicher Theorien. Unpräzise Begriffe oder widersprüchliche Argumentationen gefährden die Ver‐ ständlichkeit und Nachvollziehbarkeit Ihrer Arbeit. Logische Klarheit ist eine Grundbedingung wissenschaftlicher Qualität, Tipps und Beispiele | Richtig definieren und argumentieren • Definieren Sie wichtige Begriffe eindeutig. • Achten Sie auf eine saubere, nachvollziehbare Argumenta‐ tionskette. • Vermeiden Sie klassische Fehlschlüsse, z. B. Korrelation unter der Hand als Kausalität ausgegeben. Sehr gut: „Unter Wissenschaftstheorie wird in dieser Arbeit die Reflexion über Erkenntnisziele, Methodenwahl und Be‐ gründungsstrategien verstanden. Reflexionskompetenz bezeichnet die Fähigkeit, diese Zusammenhänge auf die eigene Forschung anzuwenden.“ Genügend: „Studierende lernen in der Wissenschaftstheorie, wie man Methoden reflektiert.“ Ein richtiger Gedanke, aber un‐ scharf. Nicht genügend: „Studierende lernen durch Wissenschaftstheorie mehr über Wissenschaft.“ Tautologisch. 4.6 Wissenschaftstheoretische Positionierung 385 <?page no="386"?> 8. Sichern Sie Qualität und Transparenz. Wissenschaft unterscheidet sich von anderen Wissensformen dadurch, dass ihre Ergebnisse nach‐ vollziehbar, überprüfbar und kritisierbar sind. Diese Qualität zeigt sich in Gütekriterien. Tipps und Beispiele | Qualität sichern • Halten Sie die relevanten Gütekriterien ein. • Machen Sie Ihr Vorgehen nachvollziehbar. Sehr gut: „Die Ergebnisse beruhen auf Interviews mit 20 Studie‐ renden verschiedener Fachrichtungen. Das Vorgehen ist dokumentiert und nachvollziehbar; eine Übertragung auf andere Kontexte ist möglich, aber eingeschränkt.“ Genügend: „Die Ergebnisse gelten für die befragten Studierenden.“ Korrekt, aber unvollständig. Nicht genügend: „Die Ergebnisse gelten allgemein.“ Eine Generalisierung ohne Begründung. 386 4 Die Qualität der Wissenschaft <?page no="387"?> 9. Reflektieren Sie Ihre Verantwortung. Forschung betrifft Menschen, Gesellschaften und Kulturen. Jede wissenschaftliche Praxis impliziert Werte und hat Folgen. Wissenschaftstheoretische Reflexion macht diese Dimension sichtbar und hilft, Verantwortung bewusst wahrzunehmen. Forschung ist nie neutral. Tipps und Beispiele | Verantwortungsbewusst handeln • Sichern Sie Freiwilligkeit und Anonymität der Teilnehmen‐ den. • Prüfen Sie, ob Ihre Fragen eine unnötige Belastung erzeugen könnten, und gestalten Sie sie entsprechend sensibel. • Beachten Sie, dass Ihre Ergebnisse fair und respektvoll dargestellt werden. Sehr gut: „Die Interviews wurden freiwillig und anonym geführt. Fragen wurden so formuliert, dass sie keine zusätzliche Belastung erzeugten. Ergebnisse werden so dargestellt, dass keine Rückschlüsse auf einzelne Studierende möglich sind.“ Genügend: „Die Teilnahme war freiwillig und anonym.“ Korrekt, aber knapp. Nicht genügend: „Die Teilnahme war anonym.“ Ein Minimalstandard. 4.6 Wissenschaftstheoretische Positionierung 387 <?page no="388"?> 10. Stellen Sie Anschlussfähigkeit her. Wissenschaft lebt vom Diskurs. Forschung hat Wert, wenn sie an bestehende Arbeiten anschließt, überprüfbar bleibt und weitergeführt werden kann. Tipps und Beispiele | Anschlussfähigkeit erzeugen • Zeigen Sie, woran Ihre Arbeit anknüpft. • Machen Sie Ihren Beitrag sichtbar. • Öffnen Sie Perspektiven für Anschlussfragen. Sehr gut: „Die Ergebnisse knüpfen an Studien zur Wissenschafts‐ theorie in der Lehrer: innenbildung an und erweitern diese um die Perspektive der Studierenden. Damit können An‐ satzpunkte für weitere Untersuchungen zur Integration von Reflexionskompetenz in Curricula erzielt werden.“ Genügend: „Die Ergebnisse ergänzen bisherige Studien zur Rolle von Wissenschaftstheorie.“ Minimal anschlussfähig. Nicht genügend: „Die Ergebnisse stehen für sich und sind neu.“ Ein State‐ ment im luftleeren Raum. 388 4 Die Qualität der Wissenschaft <?page no="389"?> 4.7 Wissenschaft als Spiel, System, Ideal Das Ziel von Wissenschaft ist, Theorien zu finden und vor allem sie zu be‐ gründen. Auf zwei Ebenen. Auf der inhaltlichen muss eine Theorie in jedem Fall theoretisch begründet werden, das heißt, sie sollte in ihrer Argumenta‐ tion logisch korrekt sein und nach Möglichkeit konsistent und kohärent auf bereits bestehenden, als gültig anerkannten Theorien aufbauen. Eine Theorie kann zusätzlich auch empirisch begründet werden, indem mithilfe von Methoden, die zum Erkenntnisziel passen, empirische Daten, die für die Forschungsfrage relevant sein könnten, erhoben und ausgewertet werden, um so neue Hypothesen zu finden oder bestehende zu bestätigen. Darin besteht, knapp formuliert, das eigentliche Ziel der Wissenschaft als Spiel in der Forschungspraxis. Neben der Objektebene der Wissenschaft gibt es die wissenschaftstheore‐ tische Ebene der Begründung, die Metaebene. Hier geht um die Reflexion dieses Spiels, der Forschungspraxis, gleichsam aus der Perspektive des Schiedsrichters, der außerhalb des Spielfeldes steht. Eine Theorie muss auch begründet werden im Hinblick darauf, wie sie gefunden und wie sie theoretisch und ggf. auch empirisch begründet wird, im Hinblick auf ihr Erkenntnisziel, die gewählte Forschungsmethode sowie ihre ontologischen, epistemologischen und axiologischen Voraussetzungen. Dies macht ihre wissenschaftstheoretische Position aus, also das System der Spielregeln, an das sich die Forschungspraxis, das Spiel, orientiert. Der Begründung geht jeweils immer eine Entscheidung für eine be‐ stimmte Option voraus: auf der Objektebene in sachlicher Hinsicht für eine Hypothese, auf der Metaebene für eine wissenschaftstheoretische Position. Diese Entscheidung setzt die Unterscheidung möglicher Alternativen voraus. Begründung, Entscheidung und Unterscheidung beruhen auf dem Prinzip: Es könnte immer auch anders sein. Je mehr Alternativen unterschieden werden und im „Spiel“ sind, umso besser ist das Spiel, also die Entscheidung für eine Option und ihre Begründung, und umso höher ist letztlich die Qualität der Theorie. Dass es überhaupt mögliche Alternativen, andere Hypothesen und andere wissenschaftstheoretische Zugänge jenseits der eigenen „gibt“, das macht das Potential der Wissenschaft aus, das dann sichtbar wird, wenn man sie unter das Vorzeichen des Ideals setzt. Dieses Potential gibt es nicht als ein tatsächliches Spiel oder als ein ausbuchstabiertes System, es besteht vielmehr (um mit Immanuel Kant zu sprechen) aus regulativen Prinzipien 4.7 Wissenschaft als Spiel, System, Ideal 389 <?page no="390"?> (man könnte auch sagen Qualitätskriterien) wie bspw. Begründungspflicht, Objektivität, Falsifizierbarkeit, und diese sind nicht gegeben, sondern aufge‐ geben. Das Wort „aufgeben“ ist allerdings semantisch reichhaltig und vage: hier ist es nicht gemeint im Sinne von: abgeben, abliefern, oder abbrechen, abrücken, oder abschaffen, auflösen, oder sich ergeben, kapitulieren - sondern: auferlegen, anordnen, als Aufgabe stellen, in unserem Kontext: als Hausaufgabe und Orientierung für alle, die mit Wissenschaft zu tun haben. Insofern muss in der Forschungspraxis auf der inhaltlichen Ebene immer die Möglichkeit von anderen, alternativen Hypothesen berücksichtigt wer‐ den. Wissenschaftliche Erkenntnisse sind eben prinzipiell hypothetisch, nicht apodiktisch, nur vorläufig und nicht ewig gültig, und wenn gültig, dann nur so lange, bis sie nicht durch neue Erkenntnisse revidiert, korrigiert, widerlegt werden - diese Devise des Kritischen Rationalismus von Karl R. Popper ist mittlerweile ein in der Welt der Wissenschaft weitgehend geteilter Grundsatz. Ebenso sind in der wissenschaftstheoretischen Begründung der For‐ schungspraxis immer auch alternative Spiele oder alternative als wissen‐ schaftstheoretische Positionen explizierte Systeme mitzudenken, das heißt: andere Erkenntnisziele (z. B. nicht nur erklären, sondern auch verstehen), andere Forschungsmethoden (z. B. nicht nur quantitative, sondern auch qualitative) usw. Diese Alternativen zu kennen, zu unterscheiden, ist die Voraussetzung, sich für eine wissenschaftstheoretische Position entschei‐ den und dies gut zu begründen zu können. Und die Voraussetzung dafür wiederum ist, alternative Zugangsweisen und ihre Andersartigkeit zu ak‐ zeptieren, mit ihnen ins Gespräch zu kommen, anschlussfähig zu sein und eine integrative Perspektive zu finden. Genau das ist kritisches Denken: Mögliche Alternativen (auf der Objekt- und auf der Metaebene) zu unterscheiden, sich für eine als die beste Option zu entscheiden und diese Entscheidung zu begründen. Der Begriff „Kritik“ geht auf das griechische Wort κρίνειν (krínein) zurück, das - unserem Zusammenhang entsprechend - „unterscheiden“, „trennen“ und „entscheiden“ bedeutet. Auch der mit „Kritik“ eng verwandte Begriff der „Analyse“ beruht auf dem griechischen ἀναλύειν, analýein und bezeichnet das Auflösen eines Ganzen in seine Bestandteile. Entscheidend ist, dass dieses Auflösen kein Selbstzweck ist. Kritik und Analyse dienen auch nicht der Zerstörung des Ganzen, sondern seiner Klärung. Sie machen Strukturen sichtbar, legen Voraussetzungen frei und ermöglichen es, das Ganze gezielt 390 4 Die Qualität der Wissenschaft <?page no="391"?> neu zusammenzusetzen und die Teile im Ganzen und in ihren Beziehungen untereinander zu sehen. Kritik und Analyse zielen auf Trennung und Zu‐ sammenhang, Rekonstruktion und begründete Ordnung. Kritisches Denken beginnt daher dort, wo Unterschiede sichtbar gemacht, Voraussetzungen geprüft und Zusammenhänge erklärt und verstanden werden. Der Begriff „Kritisches Denken“ wird in Bildung, Wissenschaft und Alltag häufig verwendet, ohne dass klar wird, was genau gemeint ist. Oft ist „Kritisches Denken“ nur eine plakative façon de parler, oft wird es als Selbstverständlichkeit gesehen, oft als allgemeine Aufforderung zu Skepsis oder eigenständigem Urteilen. Aber Kritik ist nicht einfach Misstrauen, Widerspruch, Ablehnung. Kritik in diesem engeren Sinn kann destruktiv sein, wenn jede andere Meinung, jede Alternative pauschal in Abrede gestellt wird. Auch Skepsis kann lähmen, wenn sie alles in Zweifel zieht. Zu Kritik gehört es, Meinungen, Theorien, Autoritäten usw. in Frage zu stellen, aber entscheidend ist das analytische Prüfen von Argumenten auf Begründ‐ barkeit und die reflektierende Perspektive, die besonders auch das eigene Denken und seine Voraussetzungen mit einbezieht. Kritisches Denken ist prinzipiell konstruktiv und integrativ: Es sucht nach Gründen, Alternativen und besseren Argumenten, öffnet, klärt, verbindet. Diese Vielschichtigkeit macht kritisches Denken anspruchsvoll. Auch im Alltag gilt kritisches Denken als Schlüsselkompetenz. In einer Zeit, in der Informationen im Überfluss verfügbar, aber nicht immer ver‐ lässlich sind, ist kritisches Denken Voraussetzung für Orientierung und Selbstbestimmung. Wir stehen täglich vor der Aufgabe, Behauptungen, Argumente und scheinbare „Fakten“ zu prüfen: Soll man einer Nachricht im Internet trauen? Welche Gründe sprechen für oder gegen eine politische Entscheidung? Wie lassen sich widersprüchliche Informationen einordnen? Immer geht es darum, Daten und Fakten zu recherchieren, zu prüfen, worauf sich Informationen stützen, welche Annahmen sie voraussetzen und welche Alternativen denkbar wären, zu vergleichen und zu bewerten, um so zu einer begründeten Einschätzung zu kommen. Gerade im Alltag, im Berufsleben, in der politischen Entscheidungsfindung zeigt sich, dass Urteile selten eindeutig sind und Entscheidungen oft unter Unsicherheit getroffen werden müssen. Kritisches Denken bedeutet hier, mit dieser Unsicherheit reflektiert umzugehen, statt sie zu verdrängen oder vorschnell einfachen Antworten aufzusitzen. 4.7 Wissenschaft als Spiel, System, Ideal 391 <?page no="392"?> Besonders in einer digitalen Wirklichkeit, in der zunehmend Algorithmen für uns Inhalte selektieren, bewusst Falschinformationen verbreitet werden und künstlich erzeugte Inhalte wie Deepfakes die Grenze zwischen Fakt und Fiktion verwischen, gewinnt diese Kompetenz zusätzlich an Bedeutung. Informationen sind nicht neutral, sondern eingebettet in technische, ökono‐ mische und politische Kontexte und Interessen. Kritisches Denken richtet sich daher nicht nur auf den Inhalt einer Information, sondern auch auf die Bedingungen seiner Entstehung und Verbreitung, auf das System, in dem sie entsteht: Wer spricht? Mit welchem Interesse? Auf welcher Grundlage? Und was bleibt unsichtbar? In den USA kursieren regelmäßig Behauptungen in politischen Reden, sozialen Medien, Nachrichtensendungen, auch in Statements von Amtsträ‐ gern, die Präsidentschaftswahl 2020 sei „gestohlen“ worden oder Wahlma‐ schinen hätten die Stimmenzählung manipuliert - ein gefährliches Beispiel eines politisch manipulativen Narrativs. Die Faktenlage zeigt jedenfalls, dass es keine belastbaren Belege für systematische Wahlmanipulation gibt. Gerichte, Behörden und unabhängige Expertinnen bestätigen diese Einschätzung, die Cybersicherheitsbehörde CISA sieht die Wahl als eine der sichersten in der amerikanischen Geschichte. Nach der Wahl wurden zwar über 60 Klagen eingereicht, die jedoch alle scheiterten, weil keine Beweise vorgelegt wurden, eher geben sie aufschlussreiche Einblicke in die Strate‐ gien, mit denen das Wahlergebnis nachträglich angefochten werden sollte. Kritisches Denken heißt in solchen Fällen, nicht sofort zu „wissen“, was stimmt, nicht einfach Schuldzuweisungen vornehmen, Behauptungen nicht nach ihrer emotionalen Wirkung für bare Münze nehmen, sondern aufgrund prüfbarer Quellen beurteilen. Gibt es belastbare Daten oder unabhängige Untersuchungen? Welche Institutionen äußern sich dazu, und mit welcher Expertise? Werden Einzelfälle verallgemeinert, lassen sich systematische Muster nachweisen? Welche politischen Interessen gibt es? Im konkreten Umgang mit Informationen bewegen wir uns auf der Ebene des Spiels: Wir prüfen Aussagen, vergleichen Quellen und bewerten Begrün‐ dungen nach impliziten Regeln der Plausibilität und Kohärenz, nach dem gesunden Hausverstand. Zugleich greifen wir - meist ohne es ausdrücklich zu reflektieren - auf Systeme zurück, die festlegen, was als glaubwürdig gilt, etwa mediale Formate, institutionelle Autoritäten oder gesellschaftlich etablierte Deutungsmuster. Über beide Ebenen hinaus wirkt kritisches Denken jedoch als Ideal. Es ist kein Zustand, den man einfach erreicht, son‐ 392 4 Die Qualität der Wissenschaft <?page no="393"?> dern ein normativer Anspruch: die Orientierung an begründeten Urteilen, die Offenheit für Alternativen und die Bereitschaft zur Revision eigener Überzeugungen. Kritisches Denken im Alltag ist eine Form praktischer Rationalität. Es ermöglicht, Entscheidungen zu treffen, ohne absolute Gewissheit zu beanspruchen, und Verantwortung zu übernehmen, ohne sich auf bloße Meinungen oder Autoritäten zu stützen. Kritisches Denken im Alltag ist im Prinzip und im Ansatz ähnlich wie in der Wissenschaft, hier ist Kritisches Denken allerdings mehr reflektiert, explizit, systematisch und an klare Spielregeln gebunden - bzw. sollte es sein. Kritisches Denken in der Wissenschaft geschieht wie gesagt auf zwei Ebenen: auf der Objektebene im Zusammenhang mit der theoretischen und empiri‐ schen Begründung von Hypothesen, auf der Metaebene im Zusammenhang mit der Begründung der wissenschaftstheoretischen Position. Aufgrund dieser Komplexität müssen hier noch viel mehr die Perspektiven, wie und als was Wissenschaft dabei gesehen wird, ausdrücklich unterschieden werden - und diese Perspektiven sollten nicht verwechselt werden. Wissenschaft ist immer zugleich Praxis, Ordnung dieser Praxis und Gegenstand normativer Reflexion. Das heißt, Wissenschaft wird als Spiel oder als System oder als Ideal in den Blick genommen. Kritisches Denken bewegt sich wie schon gezeigt zwischen diese Perspektiven, im Folgenden dazu ausführlicher. Wissenschaft als Spiel ist die wissenschaftliche Praxis: das Forschen, Argumentieren, Messen, Interpretieren und Publizieren usw. Wissenschaft‐ liches Arbeiten folgt dabei zwei Typen von Spielregeln. Es gibt bspw. Zitier‐ regeln, Kriterien für Qualifikationsnachweise, Publikationsformate usw. - das sind konventionelle, mehr oder weniger zufällige Regeln. Und es gibt wesentliche, für die wissenschaftliche Erkenntnis unbedingt notwendige, wissenschaftstheoretisch relevante Spielregeln. Diese Regeln sind oft nur implizit wirksam, sie werden in der Praxis erlernt und weitergegeben. Das können akzeptierte Fragestellungen sein, etablierte Begriffe, zulässige Methoden, anerkannte Formen der Argumentation und implizite Kriterien dafür, was als gelungen, überzeugend oder problematisch gilt - all das, was in diesem Buch besprochen wurde. Werden diese Spielregeln wissenschaftstheoretisch nicht reflektiert, z. B. in einem Forschungsprojekt nicht eigens begründet, sondern einfach voll‐ zogen, dann ist die Forschungspraxis auf Wissenschaft als Spiel beschränkt, also das, was Wissenschaftlerinnen und Wissenschaftler in der Hauptsache 4.7 Wissenschaft als Spiel, System, Ideal 393 <?page no="394"?> tun. Kritisches Denken hat hier eine doppelte Funktion. Vor allem ermög‐ licht es einerseits die kompetente Teilnahme am Spiel: Nur wer die Regeln kennt, kann sinnvoll mitspielen, z. B. wie Methoden effizient zum Einsatz kommen. Wenn bei diesen Spielregeln aber Ungereimtheiten, Unklarhei‐ ten und Widersprüche zutage kommen, dann schafft kritisches Denken andererseits auch die Voraussetzungen für die wissenschaftstheoretische Reflexion dieses Spieles selbst. Die Frage ist dann nicht mehr, ob innerhalb der Regeln korrekt argumentiert oder methodisch sauber gearbeitet wird, sondern ob die Regeln, nach denen gespielt wird, sinnvoll, angemessen und effektiv sind. Welche Forschungsfragen gelten als legitim, welche nicht? Was sind die leitenden Zielsetzungen? Welche Phänomene werden dabei sichtbar, welche bleiben ausgeblendet? Welche Begriffe und welche Methoden strukturieren und formatieren den Gegenstand - und welche Alternativen wären denkbar? Deutlich wird zudem, dass wissenschaftliche Rationalität nicht zeitlos oder neutral ist. Regeln können sich ändern, Spiele können sich ändern. Paradigmenwechsel, methodische Innovationen oder interdisziplinäre Öffnungen verschieben Spielregeln. Wissenschaftstheorie setzt also dort ein, wo das Spiel als Spiel erkannt wird, wenn Alternativen sichtbar werden und die impliziten Regeln des Spiels reflektiert und explizier werden. In dieser Perspektive ist Wis‐ senschaft ein System, bestehend aus: jeweils einer strategischen Zielset‐ zung, erkenntnistheoretischen Annahmen, ontologischen Festlegungen, Forschungsmethoden und Kriterien wissenschaftlicher Geltung. Ein System ist die wissenschaftstheoretische Explikation eines Spiels. Es beschreibt nicht nur, wie operativ geforscht wird, sondern unter welchen Vorausset‐ zungen dieses Forschen sinnvoll, rational oder gültig ist. Wissenschaft, als ein System expliziert, entspricht einer wissenschaftstheoretischen Po‐ sition. Das System schafft Verbindlichkeit, methodische Verlässlichkeit, Anschlussfähigkeit. Zugleich kann es aber träge werden, Innovationen abwehren oder andere mögliche Systeme systematisch ausblenden, sich als exklusiv deklarieren. Kritisches Denken als wissenschaftstheoretische Reflexion macht die Ambivalenz zwischen Verbindlichkeit und Offenheit des Systems konstruktiv sichtbar, es zielt nicht darauf, das wissenschaftli‐ che System pauschal zu delegitimieren, sondern seine Funktionsweise zu verstehen und reflexiv zugänglich zu machen. Und indem systemische Bedingungen expliziert werden, spielen schon Unterschiede zu anderen Systemen mit, werden Handlungsspielräume sichtbar: für methodische 394 4 Die Qualität der Wissenschaft <?page no="395"?> Öffnung, Austausch zwischen Disziplinen und Paradigmen, Revision einer als vermeintlich exklusiv etablierten Ordnung. Die systematische Explikation eines Spiels ist demnach notwendig, aber prinzipiell begrenzt. Jedes System ist an ein bestimmtes Spiel gebunden und kann dieses nicht vollständig von außen begründen. Gerade weil unter‐ schiedliche wissenschaftliche Spiele existieren und sich in unterschiedlichen Systemen explizieren lassen, stellt sich unausweichlich die Frage nach Alternativen. Das ist gut. Aber oft drängt sich auch die Frage auf, was das beste Spiel und das beste System sein könnte. Doch weder das Spiel noch das System kann aus sich heraus den Maßstab liefern, um dies für alle Spiele und Systeme entscheiden und begründen zu können, denn es würde innerhalb seines Spiels und seines Systems argumentieren und in dieser Selbstbezüglichkeit an den eigenen Grenzen scheitern. Genau hier setzt die Perspektive der Wissenschaft als Ideal an. Kritisches Denken in der Perspektive des Ideals richtet sich nicht nur auf das Gegebene, es prüft nicht nur, ob Regeln des Systems korrekt angewendet werden. Wissenschaft als Ideal weist über ihre faktische Praxis als Spiels und ihre Ex‐ plikation als System hinaus, es bezeichnet nicht eine Forschungspraxis oder eine wissenschaftstheoretische Position, sondern den normativen Anspruch, wissenschaftliche Erkenntnis zu vertiefen, zu revidieren, zu verbessern, an Prinzipien zu orientieren. Die Prinzipien von Wahrheit, Rationalität, Objektivität, Begründbarkeit und Kritikfähigkeit fungieren nicht als Be‐ schreibungen dessen, was Wissenschaft immer schon ist und macht, sondern als Maßstäbe, an denen wissenschaftliche Praxis beurteilt wird. Obwohl Wissenschaft als Ideal nie vollständig eingelöst werden kann, ist es wirksam. In dieser Perspektive hat kritisches Denken innovatives Potential. Ohne diesen Horizont wäre Wissenschaft zwar ein funktionierendes Spiel und ein stabiles System, allerdings mit dem Risiko, alternative Erkenntnisse zu blockieren und auszuschließen und langfristig Innovation zu verhindern. Wissenschaft als Ideal steht in Spannung mit der Wissenschaft als Spiel und System. Das Ideal kann mit bestehenden Regeln kollidieren, systemische Selbstverständlichkeiten und eingespielte Praktiken infrage stellen. Diese Spannung hält Wissenschaft beweglich. Kritisches Denken lebt im Horizont nicht nur dessen, was ist, sondern auch dessen, was sein könnte. Nach diesen philosophischen Überlegungen lohnt noch ein kurzer Besuch in der Werkstatt der Forschung: Wie sehen solche Unterscheidungen, Entscheidungen und Begründungen in einem Forschungsprojekt konkret 4.7 Wissenschaft als Spiel, System, Ideal 395 <?page no="396"?> aus? Wo fungiert Wissenschaft als Spiel, als System, als Ideal sichtbar? Nehmen wir als Beispiel die Forschungsfrage: „Führt die Nutzung von sog. KI-Tutoren bei Schülern zu einem tieferen Verständnis von Lerninhalten als der klassische Frontalunterricht? “ Nebenbei: Ein KI-Tutor ist ein adaptives Lernsystem, es soll den individuellen Lernprozess unterstützen quasi durch Dialog, Erklärung, schrittweise Anleitung und Anpassung an das Vorwis‐ sen und Lernfortschritt. Wir sind hier in der Wissenschaft als Spiel. Die Forschungsfrage zielt demnach auf den Vergleich zweier unterschiedlicher Lernarrangements im Hinblick auf Lerneffektivität. Schon hier zeigt sich in sachlicher Hinsicht eine erste implizite Unterscheidung von Alternativen und die Entscheidung für eine Option: Lernen wird als etwas verstanden, das sich im Hinblick auf „Tiefe“ des Verständnisses definieren lässt - wobei es durchaus auch anders sein könnte: Lernen kann man bspw. auch als bloße Reproduktion von Wissen sehen. Offen ist nur mehr die Frage, ob und in welcher Weise der Einsatz von KI überhaupt und wenn ja wie „tief “ lernförderlich wirkt. Als Hypothese naheliegend wäre, dass KI-Tutoren ein tieferes Verständnis fördern, weil sie individuelles Tempo, Rückfragen und unmittelbares Feedback möglich machen. Aber es könnte auch anders sein: Plausibel ist auch die Annahme, dass KI-gestützte Lernangebote keinen signifikanten Unterschied bewirken, da nicht so sehr das Medium, als vielmehr das didaktische Setting des Un‐ terrichts entscheidend ist. Als Option ist auch die extreme Gegenhypothese denkbar, dass KI-Tutoren das Verständnis sogar oberflächlicher machen, etwa weil sie Lernprozesse erleichtern und zu einer passiven Übernahme von Antworten verleiten. Wir leben in der Wissenschaft mit Alternativen. Wenn man sich für eine dieser Hypothesen entscheidet, braucht es - nur so funktioniert Wissenschaft - eine theoretische Begründung. Die Annahme, dass KI-Tutoren ein tieferes Verständnis fördern, könnte z. B. auf lernthe‐ oretischen Überlegungen aufbauen. Für konstruktivistische Lerntheorien ist Lernen besonders dann nachhaltig, wenn Lernende aktiv beteiligt sind. KI-Tutoren könnten hier ansetzen, bspw. durch Rückfragen oder alternative Erklärungen, um Lernende anzuregen, eigene Gedanken durchzuspielen. Auch Konzepte des selbstregulierten Lernens sprechen dafür, dass subjek‐ torientierte und individualisierte Unterstützung das Verstehen fördert, wenn Lernende dadurch ihre Lernprozesse reflektieren und steuern können. Diese auf bestehenden Theorien basierenden Begründungen machen diese Hypothese plausibel, aber ohne sie definitiv zu bestätigen; sie muss offen bleiben für Einwände und alternative theoretische Deutungen. 396 4 Die Qualität der Wissenschaft <?page no="397"?> Eine zusätzliche inhaltliche Begründung könnte empirisch erfolgen, in‐ dem das theoretische Konstrukt „Lernergebnis“, also das erwartete Ver‐ ständnis für Lerninhalte, operationalisiert und überprüfbar gemacht wird. Tieferes Verständnis ließe sich beispielsweise nicht nur über reine Wissens‐ abfragen, sondern über Transferaufgaben, Problemlösungen oder Argumen‐ tationen erfassen. In einer empirischen Untersuchung könnten Schüler, die mit KI-Tutoren arbeiten, mit Schülern verglichen werden, die denselben Stoff im Frontalunterricht erlernen. Zeigen sich systematische Unterschiede zugunsten der KI-gestützten Lernform, wäre die Hypothese empirisch gestützt, also begründet - allerdings stets unter dem Vorbehalt alternativer Erklärungen, die in der Koinzidenz von Lernergebnis und KI-Einsatz auch mithilfe anderer Kausalitäten erklärt werden könnte, etwa motivationale Effekte oder unterschiedliche Biografen und Vorerfahrungen der Lernenden. Und dann bedarf es auch einer wissenschaftstheoretischen Begründung des gewählten Erkenntniszieles. Hier kommen wir in die Sphäre der Wissen‐ schaft als wissenschaftstheoretisches System. In unserem Beispiel Fall geht es um ein Erklären. Es soll ein allgemeiner Zusammenhang zwischen einer Unterrichtsform und einem Lernergebnis aufgezeigt werden. Damit ist der Anspruch verbunden, den Einsatz eines KI-Tutors nicht nur zu beschreiben oder subjektiv zu deuten, sondern als einen potenziell wirksamen Faktor im Unterrichtsgeschehen zu identifizieren, der dann gezielt als Technologie (im Sinne des Kritischen Rationalismus), mithin als didaktische Strategie zum Einsatz kommen kann. Das Erkenntnisinteresse richtet sich auf verallgemei‐ nerte Zusammenhänge zwischen Unterrichtsform und Lernerfolg und nicht auf singuläre Lernverläufe oder individuelle Bedeutungszuschreibungen. Dieses Erkenntnisziel ist insbesondere dort plausibel, wo pädagogische Entscheidungen auf systematisches Wissen gestützt werden sollen, etwa im Kontext von Schulentwicklung, Planung von Curricula oder bildungspoliti‐ scher Steuerung. Die Frage, ob KI-Tutoren zu einem tieferen Verständnis führen als Frontalunterricht, erhält ihre wissenschaftliche Relevanz in diesem Fall gerade dadurch, dass sie über den Einzelfall hinaus beantwortet werden soll. Eine wissenschaftstheoretische Position bestimmt auch, was als relevante Erkenntnis gelten kann. Alternative Erkenntnisziele wären zwar möglich, würden demnach aber zu einer anderen Art von Wissen führen. Ein verstehender Zugang könnte dieselbe Fragestellung anders zuschneiden, indem nicht der Vergleich von Lernergebnissen, sondern die subjektiven Lernprozesse und Deutungen der Schüler im Mittelpunkt stehen. Ebenso 4.7 Wissenschaft als Spiel, System, Ideal 397 <?page no="398"?> ließe sich ein auf Veränderung orientiertes Erkenntnisziel formulieren, das darauf abzielt, KI-Tutoren weiterzuentwickeln und in die pädagogi‐ sche Praxis zu integrieren. Die Entscheidung für das Erklären ist somit nicht selbstverständlich, sondern an einen bestimmten Zweck von Wis‐ sen gebunden. Denn ein insofern begründetes Erkenntnisziel liefert dann in forschungsmethodischer Hinsicht auch die Begründung für die Wahl bspw. von vergleichenden Designs, standardisierten Erhebungsinstrumen‐ ten und quantitativen Auswertungsverfahren. Gleichzeitig beruht dieses Erkenntnisziel auf ontologischen Annahmen, etwa dass „Verständnis“ als relativ stabiles Merkmal von Lernenden aufgefasst werden kann, sowie auf epistemologischen Annahmen darüber, dass ein solches „Verständnis“ quantifizierbar und messbar ist. Wie zeigt sich in diesem Beispiel die Wissenschaft als Spiel, System und Ideal? Die Entscheidung für eine bestimmte Hypothese, ihre theoretische Begründung mithilfe bestehender Lerntheorien sowie ihre empirische Prü‐ fung folgen klaren Spielregeln: logische Konsistenz der Argumentation, saubere Operationalisierung zentraler Begriffe wie „Verständnis“, kontrol‐ lierte Vergleichsgruppen und methodisch korrekte Auswertung der Daten. Innerhalb dieses Spiels ist eine Erkenntnis dann gültig, wenn sie diesen Spielregeln entspricht. Eine Behauptung über die Wirksamkeit von KI-Tu‐ toren ohne theoretischen und ggf. empirischen Begründungskontext wäre in diesem Spiel chancenlos, unwissenschaftlich. Mit der Entscheidung, Lernen als messbare „Tiefe“ des Verständnisses zu fassen, Hypothesen vergleichend zu prüfen und generalisierbare Aussagen anzustreben, ist bereits ein Übergang auf die reflexive Ebene - das System - vollzogen. Hier wird nicht mehr nur gefragt, ob korrekt gespielt wird, sondern unter welchen Voraussetzungen dieses Spiel überhaupt sinnvoll ist. Die Entscheidung für das Erkenntnisziel „Erklären“, die Wahl quantitativer Methoden und die Annahme, dass Verständnis als relativ stabiles Merkmal von Lernenden aufgefasst werden kann, verweisen auf ein bestimmtes wis‐ senschaftstheoretisches System. Dieses System legt fest, was als relevante Evidenz gilt, welche Formen von Begründung anerkannt werden, aber auch, welche Aspekte der Lernwirklichkeit systematisch ausgeblendet bleiben. Dass alternative Systeme möglich wären - etwa ein verstehender oder verändernder Zugang -, gehört ansatzweise zur reflexiven Einsicht dieser Ebene. Das System strukturiert zwar ein Spiel, aber kann sich selbst mit eigenen Bordmitteln nicht begründen. 398 4 Die Qualität der Wissenschaft <?page no="399"?> Über Spiel und System hinaus verweist das Beispiel schließlich auf das Ideal, das den Horizont möglicher wissenschaftlicher Erkenntnis an‐ visiert. Die Untersuchung zur Wirkung von KI-Tutoren ist nicht darauf ausgerichtet, eine endgültige Wahrheit über Lernen zu liefern, sondern einen vorläufigen, begründeten Erkenntnisstand zu formulieren. Dass es auch anders sein könnte - andere Hypothesen, andere Methoden, andere Erkenntnisziele - ist nicht ein Defizit, sondern die eigentliche Stärke wis‐ senschaftlicher Rationalität. Gerade die Offenheit gegenüber Revision, Kor‐ rektur und theoretischer Neujustierung macht die Forschung anschlussfähig für zukünftige Entwicklungen, in unserem Beispiel: etwa für neue Formen von KI, für veränderte Lernkulturen oder alternative Bildungsbegriffe. In diesem Sinne definiert das Ideal wissenschaftlicher Erkenntnis gerade nicht einen erreichbaren Endpunkt, sondern ein regulatives Prinzip: Es orientiert das Forschen, ohne je vollständig eingelöst werden zu können. Kritisches Denken lässt sich schwer ausschließlich als Technik oder Me‐ thode beschreiben. Es ist eher eine Haltung, eine Einstellung, eine in‐ tellektuelle Tugend. Im heutigen Sprachgebrauch wird „Tugend“ oft als moralisierend, normativ oder sogar altmodisch gesehen. Es erinnert an religiöse Moral, an Pflichtethik oder Belehrungen über „richtiges Verhalten“. In pluralistischen, liberalen Gesellschaften vermeidet man solche Begriffe gern. Und zwar dann zu Recht, wenn der Eindruck erwecken soll, es gebe eine verbindliche Norm vom guten Leben. Allerrings wird so das Kind auch mit dem Bade ausgeschüttet: Denn was früher die „Tugenden“ waren, läuft heutzutage unter anderen Flaggen: bspw. Kompetenzen, Fähigkeiten, Dispo‐ sitionen, Soft Skills, Resilienz, Verantwortungsbewusstsein, Urteilsfähigkeit, Selbstkontrolle oder Zivilcourage. In der Philosophie ist der Tugendbegriff aber nicht verschwunden. Spätestens seit dem Revival der Tugendethik im letzten Jahrhundert wird Tugend wieder im Anschluss an Aristoteles als Praxisbegriff verstanden, nicht als starre Moralregel, sondern als praktische Klugheit, als Lebensform. Kritisches Denken als Tugend und Lebensform beruht seinerseits auf mehreren Tugenden. Eine ist Bescheidenheit: bereit sein, das eigene Spiel zu reflektieren, hellhörig sein für systemische und institutionelle Abhängig‐ keiten, eigene Irrtümer erkennen, sich der Grenzen des Wissens bewusst sein - der Philosoph Sokrates, der Lehrmeister des Kritischen Denkens, hat es ja auf den Punkt gebracht: „Ich weiß, dass ich nichts weiß.“ Eine zweite ist Offenheit: gegenteilige Argumente und Standpunkte ernst nehmen, denken 4.7 Wissenschaft als Spiel, System, Ideal 399 <?page no="400"?> im Horizont von Alternativen, offen sein für andere Spiele, ohne sie auf ein vermeintliches Maß aller Dinge zu reduzieren, bereit sein, die eigene Perspektive zu relativieren, lernfähig sein, versuchen, die Wirklichkeit mit den Augen anderer und als veränderbar zu sehen, orientiert sein auf Ideale, die über das Gegebene hinausweisen. Eine weitere Tugend ist Beharrlich‐ keit: komplexe Probleme gründlich durchdenken, um die beste Lösung zu finden, sich nicht von Frustrationen oder Widerständen beirren lassen. Und schließlich braucht kritisches Denken - vor allem in Zeiten wie diesen - Mut: unbequeme Fragen zu stellen, Autoritäten zu hinterfragen, sich äußerem Druck zu widersetzen und die eigene Meinung selbstbestimmt zu vertreten. Auch das Kritische Denken der Wissenschaft und der Wissenschaftstheo‐ rie ist in diesem Sinn eine Lebensform - und zugleich eine Schule für kritisches Denkens überhaupt. Kritisches Denken als Lebensform ist etwas Besonderes. Aristoteles unterscheidet in seiner Nikomachischen Ethik drei Formen des Lebens. Das Genussleben (βίος ἀπολαυστικός, bíos apolaustikós) sieht er relativ streng: Es folgt dem bloßen körperlichen Genuss und ist daher die niedrigste Form und der tierischen Existenz ähnlich. Weniger kritisch sieht er das politische Leben (βίος πολιτικός, bíos politikós): Es ist auf die Teilnahme am Gemeinwesen ausgerichtet, sucht aber auch Anerkennung und Ehre und gerät leicht in Abhängigkeit von Meinungen anderer. Auf der höchsten Stufe steht für Aristoteles das theoretische Leben (βίος θεωρητικός, bíos theōrētikós): Es ist auf Erkenntnis orientiert, es ist Selbstzweck, nicht fremd‐ motiviert, es ist selbstgenügsam und autark, prinzipiell unabhängig von den Lebensbedingungen - denken kann man immer, auch wenn es rundum brennt. Aristoteles argumentiert so: Der Mensch besitzt im Gegensatz zu Pflanzen und Tieren Vernunft; die Vernunft ist die höchste menschliche Kompetenz; das höchste Ziel dieser Kompetenz ist die Weisheit; das Er‐ reichen dieses höchsten Zieles führt zur vollkommenen Glückseligkeit: also ist das theoretische Leben die höchste und die vollkommene Form menschlichen Lebens. Sie ist insofern dem Göttlichen am nächsten, das heißt, wenn man es etwas säkularer formuliert: Wer theoretisch lebt, lebt auch im Horizont des Ideals, sozusagen im Himmel der Möglichkeiten jenseits der faktischen Wirklichkeit---natürlich nicht nur. Das ist die Perspektive eines Philosophen, eines Wissenschaftlers. Künst‐ ler: innen oder Musiker: innen würden es etwas anders sehen. Mit Recht, doch es gibt Gemeinsamkeiten, auch Kunst und Musik haben mit Kritischem 400 4 Die Qualität der Wissenschaft <?page no="401"?> Denken zu tun, wenn man von einem breiteren Verständnis von Rationalität ausgeht. Rationalität kann sich unterschiedlich zeigen, gebunden an Lebens‐ formen, an bestimmte Ausdrucksmittel und Erkenntnisziele. Sie ist nicht auf formale Logik, methodische Kontrolle oder wissenschaftliche Argumenta‐ tion beschränkt. Kritisches Denken bedeutet insofern auch, unterschiedliche Systeme von Rationalität zu akzeptieren und zu respektieren. Wissenschaft, Philosophie, Musik und Kunst gestalten Ordnung, schaffen Wirklichkeit, arbeiten mit Formen, Strukturen Ordnungen, Spannungen und Alternativen - jeweils mit ihrem Repertoire: mit Sprache, Begriffen, Theorien, Klängen, Melodien, Farben, Gestalten, Bildern. Rationalität zeigt sich als Logik, Harmonie, Konsistenz, Kohärenz, Reflexivität - in der Erkenntnis, in der Wissenschaft, in der musikalischen und künstlerischen Artikulation, im Leben miteinander. 4.7 Wissenschaft als Spiel, System, Ideal 401 <?page no="402"?> Recherchieren, Dokumentieren, Zitieren Die Arbeit mit wissenschaftlichen Quellen Der Erfolg einer wissenschaftlichen Arbeit hängt zu einem großen Teil davon ab, wie Quellen recherchiert, ausgewählt, verwaltet und zitiert werden. Damit dies gut gelingt, vermittelt Klaus Niedermair die nötigen Kompetenzen in seinem Buch. Dabei geht er auf hilfreiche Techniken beim Recherchieren, Dokumentieren und Zitieren ein und zeigt, wie zielorientiertes Projektmanagement ausweiter ... b <?page no="403"?> Literaturverzeichnis Adorno, Theodor W.; Dahrendorf, Ralf; Pilot, Harald; Albert, Hans; Habermas, Jürgen; Popper, Karl R. (1991 [1969]): Der Positivismusstreit in der deutschen Soziologie. 14. Aufl. Darmstadt, Neuwied: Luchterhand. Albert, Hans (1991[1968]): Traktat über kritische Vernunft, 5. Aufl. Tübingen: Mohr Siebeck. Aristoteles (2023): Metaphysik. Schriften zur Ersten Philosophie. Stuttgart: Reclam. Aristoteles (2024): Poetik. Griechisch/ Deutsch. Hrsg. v. Manfred Fuhrmann. Ditzin‐ gen u.-a.: Reclam. Atteslander, Peter; Ulrich, Georges-Simon; Hadjar, Andreas (2023): Methoden der empirischen Sozialforschung. 14. Aufl. Berlin: Erich Schmidt Verlag. Balzer, Wolfgang (2016): Die Wissenschaft und ihre Methoden. Grundsätze der Wissenschaftstheorie. Ein Lehrbuch. Baden-Baden: Alber. Berger, Peter L.; Luckmann, Thomas (2010 [1966]). Die gesellschaftliche Konstruk‐ tion der Wirklichkeit. 23. Aufl. Frankfurt am Main: Fischer Taschenbuch-Verl. Black, Max (1962): Models and Metaphors. Studies in Language and Philosophy. Ithaca, NY: Cornell University Press. Bourdieu, Pierre (1987 [1979]). Die feinen Unterschiede. Kritik der gesellschaftlichen Urteilskraft.: Frankfurt am Main: Suhrkamp. Bourdieu, Pierre (2009 [1972]): Entwurf einer Theorie der Praxis auf der ethnolo‐ gischen Grundlage der kabylischen Gesellschaft. 2. Aufl. Frankfurt am Main: Suhrkamp. Brühl, Rolf (2021): Wie Wissenschaft Wissen schafft. Wissenschaftstheorie und -ethik für die Sozial- und Wirtschaftswissenschaften. 3. Auf. München u. a.: UVK (UTB). Carrier, Martin (2021): Wissenschaftstheorie zur Einführung. 5. Aufl. Hamburg: Junius. Cartwright, Nancy (1999): The dappled world. A study of the boundaries of science. Cambridge u.-a.: Cambridge University Press. Cartwright, Nancy (2002): How the Laws of Physics Lie, Oxford u. a. : Clarendon Pr. u. a. (1983) Chalmers, Alan F. (2007): Wege der Wissenschaft. Einführung in die Wissenschafts‐ theorie. 6. Aufl. Berlin, Heidelberg, New York: Springer. Collins, Harry & Evans, Robert (2009): Rethinking Expertise. Chicago, Ill. u. a.: Univ. of Chicago Press. <?page no="404"?> Denzin, Norman K.; Lincoln, Yvonna S.; Giardina, Michael D]; Cannella, Gaile S. (Hrsg.) (2024): The Sage handbook of qualitative research. Sixth edition. Los Angeles u.-a.: Sage. Diekmann, Andreas (2022): Empirische Sozialforschung. Grundlagen, Methoden, Anwendungen. 15. Aufl. Reinbek bei Hamburg: Rowohlt- Dilthey, Wilhelm (1900): Die Entstehung der Hermeneutik. In: Gesammelte Schrif‐ ten. Bd.-5. 7. Aufl. Tübingen: Mohr. URL https: / / mdz-nbn-resolving.de/ details: bs b11171742 [2025-08-01]. Dilthey, Wilhelm (1957 [1894]): Ideen über eine beschreibende und zergliedernde Psychologie. In: Gesammelte Schriften. Bd.-5. 2. Aufl. Göttingen: Vandenho‐ eck & Ruprecht. URL: https: / / archive.org/ details/ gesammelteschrif0000dilt_o5h1 [2025-08-01]. Döring, Nicola (2023): Forschungsmethoden und Evaluation in den Sozial- und Humanwissenschaften. 6., vollständig überarbeitete, aktualisierte und erweiterte Auflage. Berlin, Germany: Springer. Eco, Umberto (1983): Der Name der Rose. München u.-a.: Hanser. Eco, Umberto (1985): Semiotik und Philosophie der Sprache. München: Fink. Eco, Umberto (1985b): Hörner, Hufe, Sohlen. Einige Hypothesen zu drei Abduktions‐ typen. In: Eco, Umberto; Sebeok, Thomas A. (Hrsg.): Der Zirkel oder Im Zeichen der Drei. Dupin, Holmes, Peirce. München: Fink, S.-288-320. Eco, Umberto (1991): Semiotik - Entwurf einer Theorie der Zeichen. 2. Aufl. München: Fink. Eco, Umberto (2004 [1990]): Die Grenzen der Interpretation. 3. Auflage, München: DTV. Eco, Umberto (2020): Wie man eine wissenschaftliche Abschlußarbeit schreibt. Doktor-, Diplom- und Magisterarbeit in den Geistes- und Sozialwissenschaften. 14. Aufl. Wien: Facultas (UTB). Ender, Sven (2023): Logik. Eine Einführung für das Philosophiestudium. Paderborn: Brill (UTB). Endruweit, Günter (2015): Empirische Sozialforschung. Wissenschaftstheoretische Grundlagen. Konstanz: UVK (UTB). Feyerabend, Paul (2022 [1975]): Wider den Methodenzwang. Frankfurt am Main: Suhrkamp Fischer, Peter (Hrsg.) (2023): Wissenschaftstheorie der Sozialwissenschaften. Biele‐ feld: transcript (UTB). Fleck, Ludwik (2021 [1935]): Entstehung und Entwicklung einer wissenschaftlichen Tatsache. 13. Aufl. Einführung in die Lehre vom Denkstil und Denkkollektiv. Frankfurt am Main : Suhrkamp. 404 Literaturverzeichnis <?page no="405"?> Gadamer, Hans-Georg (2010 [1969]): Wahrheit und Methode. Grundzüge einer philosophischen Hermeneutik (Gesammelte Werke, Bd.-1.: Hermeneutik I, 7. Aufl.). Tübingen: Mohr Siebeck. Geertz, Clifford (2022 [1973]): Dichte Beschreibung. Beiträge zum Verstehen kultur eller Systeme. 15. Aufl. Frankfurt am Main : Suhrkamp. Gess, Nicola (2023): Staunen. Eine Poetik. Göttingen: Wallstein. URL: https: / / doi.or g/ 10.46500/ 83533311 [2025-08-01]. Glaser, Barney G.; Strauss, Anselm L.; Paul, Axel T. (2008 [1967]): Grounded theory. Strategien qualitativer Forschung. 2. Aufl. Bern: Huber. Glasersfeld, Ernst von (1995): Konstruktion der Wirklichkeit und des Begriffs der Objektivität. In: Foerster, Heinz von (Hrsg.): Einführung in den Konstruktivismus. 2. Aufl. München: Oldenbourg, S.-9-40. Goffman, Erving (2018): Rahmen-Analyse. Ein Versuch über die Organisation von Alltagserfahrungen. 10. Aufl. Frankfurt am Main: Suhrkamp. Habermas, Jürgen (1979 [1968]): Erkenntnis und Interesse. 5. Aufl. Frankfurt am Main: Suhrkamp. Habermas, Jürgen (1991 [1981]): Theorie des kommunikativen Handelns. Bd.-1: Handlungsrationalität und gesellschaftliche Rationalisierung. Frankfurt a. M.: Suhrkamp. Habermas, Jürgen (1991 [1981]): Theorie des kommunikativen Handelns. Bd. 2: Zur Kritik der funktionalistischen Vernunft. Frankfurt a. M.: Suhrkamp. Haraway, Donna (1995): Die Neuerfindung der Natur. Primaten, Cyborgs und Frauen. Frankfurt a, Main u.-a.: Campus. Harding, Sandra (1999 [1986]): Feministische Wissenschaftstheorie. Zum Verhältnis von Wissenschaft und sozialem Geschlecht. Hamburg: Argument-Verl. Harding, Sandra G. (Hg.) (2006): Science and social inequality. Feminist and postco‐ lonial issues. Urbana: Univ. of Ill. Press. Heidegger, Martin (2001): Sein und Zeit. 18. Aufl. Tübingen: Niemeyer. Helfrich, Hede (2024): Wissenschaftstheorie für Betriebswirtschaftler. 2. Aufl. Wies‐ baden: Springer. Horkheimer, Max (2021 [1937]): Traditionelle und kritische Theorie. Stuttgart: Reclam. Horkheimer, Max; Adorno, Theodor W. (1988 [1944]): Dialektik der Aufklärung. Frankfurt a. M.: Fischer. Hug, Theo (Hrsg.) (2001): Wie kommt Wissenschaft zu Wissen? Bd. 4: Einführung in die Wissenschaftstheorie und Wissenschaftsforschung. Baltmannsweiler: Schnei‐ der. Literaturverzeichnis 405 <?page no="406"?> Hug, Theo; Poscheschnik, Gerald (2020): Empirisch forschen. Die Planung und Umsetzung von Projekten im Studium. Unter Mitarbeit von Bernd Lederer und Anton Perzy. 3. Aufl., München u.-a.: UVK Verlag; UTB (Studieren, aber richtig. 3357). Hume, David (2003 [1739]): A Treatise of Human Nature. Book I: Of the Understan‐ ding. URL: https: / / gutenberg.org/ ebooks/ 4705 [2025-08-01]. Husserl, Edmund (2009 [1913]): Ideen zu einer reinen Phänomenologie und phäno‐ menologischen Philosophie. Erstes Buch, allgemeine Einführung in die reine Phänomenologie, Hamburg: Meiner. Kant, Immanuel (1976 [1783]): Prolegomena zu einer jeden künftigen Metaphysik. Hamburg: Meiner. Originalausgabe: Prolegomena zu einer jeden künftigen Me‐ taphysik die als Wissenschaft wird auftreten können (1783). Riga: Hartknoch. URL: https: / / www.projekt-gutenberg.org/ kant/ prolegom) [2025-08-01]. Kant, Immanuel (1978 [1781]): Kritik der reinen Vernunft. Stuttgart, Reclam. Origi‐ nalausgabe: Critik der reinen Vernunft (1781), von Immanuel Kant, Professor in Königsberg, Riga: Hartknoch. URL: https: / / www.deutschestextarchiv.de/ book/ sh ow/ kant_rvernunft_1781 [2025-08-01]. Kant, Immanuel (2003 [1788]): Kritik der praktischen Vernunft. Hamburg: Meiner. Originalausgabe: Critic der practischen Vernunft (1788), von Immanuel Kant, Riga: Hartknoch. URL: https: / / www.deutschestextarchiv.de/ book/ show/ kant_pv ernunft_1788 [2025-08-01]. Kant, Immanuel (2004 [1785]): Grundlegung zur Metaphysik der Sitten. Ham‐ burg: Meiner, 1999. Originalausgabe: Grundlegung zur Metaphysik der Sitten (1785). Riga: Hartknoch. URL: https: / / mdz-nbn-resolving.de/ details: bsb10926990 [2025-08-01]. Kekulés, August (1890): Dankesrede A. Kekulé. In: Bericht über die Feier der Deutschen Chemischen Gesellschaft zur Ehren August Kekulés. In: Berichte der deutschen chemischen Gesellschaft, 23, 1, S. 1302-1311. URL: https: / / doi.org/ 10.1 002/ cber.189002301204 [2025-08-01]. Kelle, Udo (2010): Vom Einzelfall zum Typus. Fallvergleich und Fallkontrastierung in der qualitativen Sozialforschung. 2. Aufl. Wiesbaden: VS Verlag für Sozialwis‐ senschaften. Kielblock, Stephan (2024): Kompass quantitative Forschung. Stuttgart: utb. Klafki, Wolfgang (1996): Neue Studien zur Bildungstheorie und Didaktik. Zeitge‐ mäße Allgemeinbildung und kritisch-konstruktive Didaktik. 5. Aufl. Weinheim und Basel: Beltz. Knorr-Cetina, Karin (2002): Wissenskulturen. Ein Vergleich naturwissenschaftlicher Wissensformen. Frankfurt am Main: Suhrkamp. 406 Literaturverzeichnis <?page no="407"?> Knorr-Cetina, Karin (2023): Die Fabrikation von Erkenntnis. Zur Anthropologie der Wissenschaft. Berlin: Suhrkamp. Kogge, Werner (2022): Einführung in die Wissenschaften. Wissenschaftstypen-Deu‐ tungskämpfe-interdisziplinäre Kooperation. Bielefeld: transcript. Kornmesser, Stephan; Büttemeyer, Wilhelm (2020): Wissenschaftstheorie. Eine Einführung. Berlin: Metzler Kruse, Otto (2024): Kritisches Denken und Argumentieren. 2. Aufl., München u.-a.: UVK Verlag; UTB (Studieren, aber richtig). Kuckartz, Udo; Rädiker, Stefan (2024): Qualitative Inhaltsanalyse. Methoden, Praxis, Umsetzung mit Software und künstlicher Intelligenz. 6. Aufl. Weinheim u.-a.: Beltz Juvent. Kuhn, Thomas S. (2023 [1962]): Die Struktur wissenschaftlicher Revolutionen. 27. Aufl. Frankfurt am Main: Suhrkamp. Kutschera, Franz von (2018): Logik. Eine Einführung in die klassische Aussagen- und Prädikatenlogik. UTB. Lakatos, Imre (1982): Die Methodologie der wissenschaftlichen Forschungspro‐ gramme. Wiesbaden: Vieweg. Lakoff, George; Johnson, Mark (2021): Leben in Metaphern. Konstruktion und Gebrauch von Sprachbildern. 10. Aufl. Heidelberg: Carl-Auer Verlag. Lamnek, Siegfried; Krell, Claudia (2016): Qualitative Sozialforschung. Mit On‐ line-Materialien. 6. Aufl. Weinheim: Beltz. Latour, Bruno (2022): Eine neue Soziologie für eine neue Gesellschaft. Einführung in die Akteur-Netzwerk-Theorie. 6. Aufl. Frankfurt am Main: Suhrkamp Lewin, Kurt (1986): Die Lösung sozialer Konflikte. Ausgewählte Abhandlungen über Gruppendynamik. Bad Nauheim: Christian Verlag. Löffler, Winfried (2008): Einführung in die Logik. Stuttgart: Kohlhammer (Urban-Ta‐ schenbücher, 402). Luhmann, Niklas (1992[1990]): Die Wissenschaft der Gesellschaft. Frankfurt am Main: Suhrkamp. Luhmann, Niklas (2010 [1984]): Soziale Systeme. Grundriss einer allgemeinen Theorie. Frankfurt am Main: Suhrkamp. Mainzer, Klaus (Hrsg.) (2024): Philosophisches Handbuch Künstliche Intelligenz. Berlin, Heidelberg: Springer. Mainzer, Klaus; Kahle, Reinhard (2022): Grenzen der KI - theoretisch, praktisch, ethisch. Berlin, Heidelberg: Springer. Marx, Karl; Engels, Friedrich (1990): Werke. Band-3: 1845 bis 1846. 9. Aufl. Berlin: Dietz. Literaturverzeichnis 407 <?page no="408"?> Mayring, Philipp (2022): Qualitative Inhaltsanalyse. Grundlagen und Techniken. 13. Aufl. Weinheim, Basel: Beltz. Mayring, Philipp (2023): Einführung in die qualitative Sozialforschung. Eine Anlei‐ tung zu qualitativem Denken. 7. Aufl. Weinheim, Basel: Beltz. Meidl, Christian N. (2009): Wissenschaftstheorien für SozialforscherInnen. Wien, Köln, Weimar: Böhlau (UTB). Mittelstraß, Jürgen; Carrier, Martin (Hrsg.) (2024): Enzyklopädie Philosophie und Wissenschaftstheorie. 8 Bände. 2. Aufl. Berlin: Metzler. Moore, Gorge E. (1939): Proof of an External World. In: Proceedings of the British Academy, 25, S. 273-300. URL https: / / gwern.net/ doc/ philosophy/ epistemology/ 1 939-moore.pdf [2025-08-01]. Morel, Julius; Bauer, Eva; Meleghy, Tamás; Niedenzu, Heinz-Jürgen; Preglau, Max; Staubmann, Helmut (Hrsg.): Soziologische Theorie. Abriss der Ansätze ihrer Hauptvertreter. 9. Aufl. Berlin: de Gruyter Oldenbourg. Niedermair, Klaus (1996): Computerunterstützte qualitative Analyse. In: Hierdeis, Helmwart; Hug, Theo (Hrsg.): Taschenbuch der Pädagogik. Bd. 4. Baltmannswei‐ ler: Schneider Verlag Hohengehren. S.-533-544. Niedermair, Klaus (2010): Eine kleine Einführung in Wissenschaftstheorie und Methodologie. Innsbruck: Studia Universitätsverlag. Niedermair, Klaus (2001): Metaphernanalyse. In: Hug, Theo (Hrsg.): Wie kommt die Wissenschaft zu Wissen? Bd.-2. Baltmannsweiler: Schneider Verlag Hohengeh‐ ren. S.-144-165. Niedermair, Klaus (2023): Recherchieren, Dokumentieren, Zitieren. Die Arbeit mit wissenschaftlichen Quellen. 2. Aufl. München, Tübingen: UVK Verlag; Narr Francke Attempto Verlag (Studieren, aber richtig, 3356). Peirce, Charles S. (1973): Vorlesungen über Pragmatismus = Lectures on pragmatism. Hrsg. von Elisabeth Walther. Hamburg: Meiner. Pfister, Jonas (Hrsg.) (2016): Texte zur Wissenschaftstheorie. Stuttgart: Reclam. Platon (2020): Theätet. Griechisch/ Deutsch. Originalversion mit deutscher Überset‐ zung. Stuttgart: Reclam. Pohlmann, Markus (2022): Einführung in die Qualitative Sozialforschung. Konstanz: UVK (UTB) Polanyi, Michael (1985 [1966]): Implizites Wissen. Frankfurt am Main: Suhrkamp. Popper, Karl R. (2005 [1935]): Logik der Forschung. 10. Aufl.1935. Tübingen: Mohr Siebeck. Popper, Karl R. (1974 [engl. 1972]): Objektive Erkenntnis. Ein evolutionärer Entwurf. 2. Aufl. Hamburg: Hoffmann und Campe. 408 Literaturverzeichnis <?page no="409"?> Poser, Hans: Wissenschaftstheorie: Eine philosophische Einführung. 2. Aufl. Stutt‐ gart: Reclam. Poth, Cheryl N. (Hrsg.) (2023): The Sage handbook of mixed methods research design. London, Thousand Oaks, California: SAGE Publications. Rasch, Björn; Friese, Malte; Hofmann, Wilhelm; Naumann, Ewald (2021): Quantita‐ tive Methoden. Band-1. 5. Aufl. Berlin, Heidelberg: Springer. Rasch, Björn; Friese, Malte; Hofmann, Wilhelm; Naumann, Ewald (2021): Quantita‐ tive Methoden. Band-2. 5. Aufl. Berlin, Heidelberg: Springer. Reichenbach, Hans (1938): Experience and Prediction. An Analysis of the Foun‐ dations and the Structure of Knowledge. Chicago, Ill. (The University of Chicago Press) 1938. URL: https: / / archive.org/ details/ experiencepredic00reic [2025-08-01]. Reichertz, Jo (2003): Die Abduktion in der Qualitativen Sozialforschung. Wiesbaden: VS Verlag für Sozialwissenschaften. Santos, Boaventura de Sousa (2018): Epistemologien des Südens. Gegen die Hege‐ monie des westlichen Denkens. Münster: Unrast. Schmitt, Rudolf (2017): Systematische Metaphernanalyse als Methode der qualitati‐ ven Sozialforschung. Wiesbaden: Springer VS. Schülein, Johann August; Reitze, Simon (2021): Wissenschaftstheorie für Einsteiger. 5. Auflage. Wien: facultas; UTB. Schütz, Alfred (1971): Gesammelte Aufsätze. Bd.-1: Das Problem der sozialen Wirklichkeit. Den Haag: Nijhoff. Schurz, Gerhard (2021): Einführung in die Wissenschaftstheorie. 3. Aufl. Darmstadt: Wissenschaftliche Buchgesellschaft. Schurz, Gerhard (2021): Erkenntnistheorie. Eine Einführung. Stuttgart: Metzler. Seiffert, Helmut (1992): Einführung in die Wissenschaftstheorie. Bd.-3: Handlungs‐ theorie, Modallogik, Ethik, Systemtheorie. 2. Aufl. München: Beck. Seiffert, Helmut (1997): Einführung in die Wissenschaftstheorie. Bd. 4: Wörterbuch der wissenschaftstheoretischen Terminologie. München: Beck. Seiffert, Helmut (2003): Einführung in die Wissenschaftstheorie. Bd.-1: Sprachana‐ lyse, Deduktion, Induktion in Natur- und Sozialwissenschaften. 13., unveränderte Aufl. München: Beck. Seiffert, Helmut (2006): Einführung in die Wissenschaftstheorie. Bd.-2: Geistes‐ wissenschaftliche Methoden. Phänomenologie - Hermeneutik und historische Methode - Dialektik. 11. Aufl. München: Beck. Tausendpfund, Markus (2025): Quantitative Methoden in der Politikwissenschaft. Eine Einführung. 1. Aufl. Wiesbaden: Springer Literaturverzeichnis 409 <?page no="410"?> Toulmin, Stephen E. (1996 [1958]): Der Gebrauch von Argumenten. 2. Aufl. Wein‐ heim: Beltz Van Fraassen, Bas C. (1989): The scientific image. Oxford : Clarendon Press. Watzlawick, Paul (2005 [1976]): Wie wirklich ist die Wirklichkeit? Wahn, Täu‐ schung, Verstehen. 3. Aufl. München: Piper. Watzlawick, Paul; Beavin, Janet H.; Jackson, Don D. (1985 [1969]): Menschliche Kommunikation. Formen, Störungen, Paradoxien. Bern u.-a.; Huber. Weber, Max (1985 [1921]): Wirtschaft und Gesellschaft. Band-1. 6. Aufl. Tübingen: Mohr Siebeck URL: http: / / www.zeno.org/ nid/ 2001144035X [2025-08-01]. Whorf, Benjamin Lee (2008 [1942]): Sprache, Denken, Wirklichkeit. Beiträge zur Metalinguistik und Sprachphilosophie (= Rowohlts Enzyklopädie. 55403). 25. Auflage. Reinbek bei Hamburg: Rowohlt. Wiltsche, Harald A. (2021): Einführung in die Wissenschaftstheorie. 1. Aufl. Göttin‐ gen: Vandenhoeck & Ruprecht (UTB) Winner, Langdon (1986): The whale and the reactor. A search for limits in an age of high technology. Chicago u.-a.: The University of Chicago Press. Wittgenstein, Ludwig (1984): Werkausgabe in 8 Bänden. Bd. 1: Tractatus logico-phi‐ losophicus. Tagebücher 1914-1916. Philosophische Untersuchungen. 1. Aufl. Frankfurt am Main: Suhrkamp. Wittgenstein, Ludwig (1984b): Werkausgabe in 8 Bänden. Bd. 8: Bemerkungen über die Farben. Über Gewißheit. Zettel. Vermischte Bemerkungen. 1. Aufl. Frankfurt am Main: Suhrkamp. Woodward, James (2005): Making things happen. A theory of causal explanation. Oxford u.-a.: Oxford Univ. Press. 410 Literaturverzeichnis <?page no="411"?> Personenregister Adorno, Theodor W.-141, 179, 183 Albert, Hans-182, 295 Anaximander-294 Anaximenes-294 Aristoteles-27, 38, 61, 100, 175, 185, 254, 294f., 333 Bacon, Francis-176, 285 Berger, Peter L.-71, 142 Berkeley, George-76 Blumer, Herbert-139 Bourdieu, Pierre-131, 344 Bruner, Jerome-144 Cartwright, Nancy-177 Comte, Auguste-160, 215 Demokrit-294 Descartes, René-61, 70, 76, 161, 295 Dilthey, Wilhelm-124, 133 Eco, Umberto-104, 128f. Einstein, Albert-236 Feyerabend, Paul-287 Fichte, Johann Gottlieb-77 Fleck, Ludwik-99 Foerster, Heinz von-71 Fraassen, Bas van-178 Gadamer, Hans-Georg-132, 134, 147 Galilei, Galileo-149, 285 Glaser, Barney-251 Glasersfeld, Ernst von-71 Habermas, Jürgen-141, 179, 183, 297 Haraway, Donna-184 Harding, Sandra-183 Hegel, Georg Wilhelm Friedrich-77 Heidegger, Martin-134, 146 Heraklit-294 Horkheimer, Max-141, 179 Hume, David-76, 101, 159 Husserl, Edmund-61, 136 Johnson, Mark-254 Kant, Immanuel 61, 78, 80, 161, 202, 285 Kekulé, August-98 Klafki, Wolfgang-184 Knorr-Cetina, Karin-184 Kuhn, Thomas -99, 286, 336 Lakoff, George-254 Latour, Bruno-184 Leibniz, Gottfried Wilhelm-76, 161 Lewin, Kurt-184 Linné, Carl von-321 Locke, John-76 Luckmann, Thomas-71, 142 Luhmann, Niklas-52, 164, 284, 332 Marx, Karl-176 Maturana, Humberto-71 Mayring, Philipp-246 Mead, George Herbert-139 Mill, John Stuart-215 Moore, Georg. E.-64 <?page no="412"?> Newton, Isaac-149 Nietzsche, Friedrich-27 Peirce, Charles S.-100, 102 Piaget, Jean-71, 79 Platon-27, 44, 61, 284, 292, 295 Popper, Karl R.-99, 162, 182, 215, 284, 286, 296, 335 Ricœur, Paul-134, 144 Santos, Boaventura de Sousa-184 Schelling, Friedrich Wilhelm Joseph-77 Schleiermacher, Friedrich-133 Schmitt, Rudolf-254 Schütz, Alfred-136f. Sextus Empiricus-295 Spinoza, Baruch-76 Stegmüller, Wolfgang-163 Strauss, Anselm-251 Thales von Milet-294 Toulmin, Stephen-296 Varela, Francisco-71 Vico, Giambattista-70 Watzlawick, Paul-71 Weber, Max-135, 137, 182, 323 Whorf, Benjamin Lee-68 Wittgenstein, Ludwig-14, 65, 70 Woodward, James-178 Wygotski, Lew-71 412 Personenregister <?page no="413"?> Sachregister Abduktion-100, 298, 310 explizit subsumierende-129 heuristisch subsumierende-129 implizit subsumierende-128 Meta-Abduktion-107 überkodierte-105 unterkodierte-105 Verstehen-128 Abschlussarbeit-192, 377 Begründung-113 Erkenntnisziel-191 Forschungsthema-191 KI-86 Qualität-163, 368 qualitative Studie-241 quantitative Studie-228 Abstraktion-299, 325 Affirmatio consequentis-303 Akkreditierung-288 Akteur-Netzwerk-Theorie-184 Algorithmen-272ff., 309 allgemeine Wissenschaftstheorie-46 Alltagswissen-23, 129, 284, 343, 352 Analogie-333f. Anschlussfähigkeit-356, 367 anwendungsorientierte Forschung-26, 55, 57, 261 API-341 Äquivalenz-19, 301 Arché-292 Argument-37, 100f., 302, 305, 355 Argumentation-208, 297f., 302 argumentative Absicherung-362 Atlas.ti-250, 270 Aussagenlogik-298f. Auswertungsobjektivität-357 axiales Kodieren-252 Axiologie-36 Erklären-166 Verändern-186 Verstehen-147 Begriffsklärung-206, 315 Begründung-16, 97, 109, 114, 291 Anfang-292 Axiologie-112 empirische-111 Epistemologie-112 Erklären-154 Kohärenz-296 logische-110 Ontologie-112 Qualitätssicherung-290 theoretische-110 wissenschaftstheoretische-111 Begründungszusammenhang-98, 107 Behaviorismus-67, 332 Bibliothek-312, 339 Big Data-271ff. Bildanalyse-274 Bildung-49, 172, 185 Bildungsforschung-184 Biologie-83 Black Box-276 Blue Sky Research-336 Bologna-System-370 circulus fructuosus-34, 127 <?page no="414"?> circulus vitiosus-34, 127, 295 Clusteranalyse-234 Codierung-224 computationale Methode-205, 267, 271, 275 computationale Textanalyse-273 Corona-Pandemie-282 Datenanalyse-224, 229, 250, 270 Datenauswertung-194, 224, 240, 242 Datenbanken-313 Datenerhebung-194, 220, 229, 238, 242 Deduktion-101, 151, 298, 305 deduktives Vorgehen-214 deduktiv-nomologischen Modell-151 Definition-315 deskriptive Statistik-224 Diagramm-339 dichte Beschreibung-240 digitale Forschungsmethode-267 digitales Interview-267 Discovery-Systeme-312 Diskursanalyse-239 DOI-340 Dokumentation-339 Dokumentenanalyse-239 Doxa-284 Durchführungsobjektivität.-357 Empirie-161, 176, 198, 200, 202f., 211 empirische Begründung-197 empirische Forschung-201 empirische Methoden-205 Empirismus-159, 295 Entdeckungszusammenhang-97 Episteme-284 Epistemologie-36, 58 Erklären-166 Verändern-186 Verstehen-147 Epoché-137 Erkenntnisinteresse-179, 191 emanzipatorisches-180 praktisches-180 technisches-180 Erkenntnisziel s. Strategische Zielsetzung-30 Erklären-148, 159, 166 Abduktion-109 Begründen-154 Biologie-152 durch Modelle-153 Geowissenschaften-153 Grenzen-157 Logik-149 Medizin-153 Ökonomie-153 Physik-152 Psychologie-153 Sozialwissenschaften-152 wissenschaftstheoretische Position-159, 165 Erklärungswert-356 Ethikkommission-288 ethische Strenge-349 ethnografische Verfahren-240 Evaluation-288 Evolution-83 Experiment 66, 111, 149, 198, 216, 218ff., 223 explanatives Design-259 exploratives Design-259 FAIR-Prinzipien-313, 340 Fallacia aequivocationis-303 Fallacia disiunctiva-303 414 Sachregister <?page no="415"?> Fehlschluss-303 feministische Wissenschaftstheorie 183 Formalisierung-298, 326 Forschung-49, 51 Forschungsdatenmanagement 269, 290, 313 Forschungsdesign-193, 216 Forschungsergebnis-194, 199, 279, 359 Forschungsfrage-192, 242 Forschungsgegenstand-117, 120 Forschungsprojekt-54 Forschungsprozess- Ablaufmodell-195 allgemeines Modell-197 lineares Modell-195 reflexives Modell-196 zirkuläres Modell-196 Forschungsthema-197 Forschungsziel-191 Fragebogen-222 Frames-327, 344 Frankfurter Schule-140, 178, 183 Freiheit der Wissenschaft-57 Funktionalismus-163 Gegenstandsbereich-114f. Germanistik-81 Grenzwissenschaften-353 Grounded Theory-211, 241, 251, 253 Gruppendiskussion-239 Gütekriterien-355 Erkenntnisziel Verändern-366 Mixed-Methods-364 Objektivität-357 qualitative Forschung-360 quantitative Forschung-357 Reliabilität-357f. theoretische Forschung-355 Validität-358 Habitus-344 Handlung-67, 121 Handlungstheorie-67 Hempel-Oppenheim-Schema-218 Hermeneutik-132 hermeneutischer Zirkel-126 Heuristik-329 historische Phänomene-123 Hypothese-17, 193, 228, 307 Ideologiekritik-183 Implikation-18 Indikator- inhaltliche Relevanz-346 methodische Strenge-347 Präsentationsqualität-350 Individuenkonstante-304 Individuenvariable-304 Induktion-101, 159, 298, 306 Induktionsproblem-159 Inferenzstatistik-225 innovative Methoden-258 Integrationsvalidität-364 interdisziplinäre Forschung-261 Interdisziplinarität-261, 273 Interpretation-194, 227, 229 Interpretationsobjektivität-357 Interrater-Reliabilität-358 Intervallskala-221 Kategorienbildung-241 Kausalität-151, 214 KI-86, 272 Black Box-276 LLM-System-309 Logik-307 Sachregister 415 <?page no="416"?> Maschinelles Lernen-309 Symbolische KI-307 Klassifikation-318 Klassifikationssystem-312 Klimaforschung-282 Kodierung-240 Kohärenz-296 kommunikative Validierung-363 komplexes System-263 Konstituierung- des Gegenstandes-114, 120 Forschungsgegenstand-120 Konstruktivismus-68, 74, 79 Kontingenz-303 Kontradiktion-302 Korrelationsanalyse-233 Kritischer Rationalismus-51, 97, 162, 177, 182, 215 Kritische Theorie-140, 178, 183 kulturelle Artefakte-123 kulturelle Verzerrung-236 Künstliche Intelligenz s. KI-86 Kunstwerk-124 Längsschnittstudien-216 Langzeitarchivierung-290 Large Language Models (LLMs)-272 Lehre-49 Leitfadeninterview-239 Letztbegründung-292, 295, 297 Logik-37, 297 Aussage-299 Aussagenlogik-299 Aussagenvariable-299 Disjunktion-300 Erklären-149, 218 Implikation-301 Individuenkonstante-304 Junktor-300 KI-307, 309 Konjunktion-300 Negation-300 Quantor-304 logische Analyse-208 Logischer Empirismus-161 Logos-294 maschinelles Lernen (ML)-272 MAXQDA-270 Medienkompetenz-82 Intervention-91 Medienpädagogik-82 mentale Modelle-330 Messniveau-220 Messung-218, 220 Meta-Abduktion-107, 109 Metadaten-339, 341 Metainferenz-365 Metakommunikation-39 Metapher-13, 331 Wissenschaftstheorie-335 Metaphernanalyse-254, 256 Metapherntheorie-254 Metaphysik-38 Metatheorie-38 Methode-17, 204 Methodenwahl-242 Mixed-Methods-258, 364 Modell-219 Agent-Based Modeling-264 Modellbildung-325 Modus ponens-302 Modus tollens-302 multivariate Regression-232 multivariate Verfahren-226 Münchhausen-Trilemma-295 416 Sachregister <?page no="417"?> Mythologie-293 Mythos-293 Nachhaltigkeit der Veränderung-367 Nachvollziehbarkeit-16 Forschungsprozess-361 Naiver Realismus-62 Gegenargumente-66 narrative Hermeneutik-144 narratives Interview-238 Negatio antecedentis-303 Netnografie-269 Netzwerkanalyse-263, 274 Nicht-Wissenschaft-352 Nominalskala-221 notwendige und hinreichende Bedingungen-18 NVivo-270 Objektivität-25 qualitative Forschung-360 offenes Kodieren-251 Online-Umfrage-267 Ontologie-35, 58, 313 Erklären-166 Verändern-186 Verstehen-146 Open Science-289, 340f. Operationalisierung-193, 220, 228, 317 Operator, logischer-300 ORCID-313, 340 Ordinalskala-221 Panelbefragung-232 paralleles Design-260 Paralleltest-Reliabilität-358 Parawissenschaften-353 partizipative Forschung-171 Peer Review-288 petio principii-295 Phänomenologie-136 Positivismus-160, 183 Positivismusstreit-181 Postkolonialismus-184 Prädikat-304 Prädikatenlogik-298, 304 praktische Umsetzbarkeit-366 Praxis-199, 203 Praxisforschung-184 praxisnahe Forschung-261 Preprint-Server-290 problemzentriertes Interview-238 Proposition-299 Pseudowissenschaft-353 qualitative Forschung-237 qualitative Inhaltsanalyse-240, 247, 250 explizierende-247 strukturierende-247 zusammenfassende-247 qualitative Methode- Diskursanalyse-239 ethnografische Verfahren-240 Gruppendiskussion-239 qualitative Inhaltsanalyse-240 qualitatives Interview-238 teilnehmende Beobachtung-239 qualitatives Interview-238, 246 qualitative Studie-243 Beispiel-241 Qualitätskriterien-213 Qualitätssicherung-197, 280, 312 Begründung-290 Wissenschaftssystem-288 quantitative Forschung-215 Forschungsdesign-216 Sachregister 417 <?page no="418"?> Gütekriterien-357 Methodologie-214 quantitative Methode-212 Anwendungsbereiche-230 quantitative Studie-230, 360 Beispiel-228 Quantor-304 Quantorenlogik-304 Querschnittstudie-216 Rationalismus-76, 161, 295 Ratioskala-221 Realismus-75, 77 Reflexivität- Forschungsprozess-361 Regressproblem-295 regressus ad infinitum-295 Reliabilität-358 qualitative Forschung-360 Replikationskrise-281 Replikationsprojekt-290 Replizierbarkeit-214 Repository-313, 341 Reproduzierbarkeit-281 Scheinobjektivität-236 Schemata-327 Schlussweise-302, 305 Science and Technology Studies (STS)-184 Sekundärdatenanalyse-217 selektives Kodieren-252 Semantic Web-341 Social Media-90 Belohnungssystem-90 Identitätskonstruktion-91 soziale Vergleichsprozesse-91 sozialer Konstruktivismus-142 spezielle Wissenschaftstheorie-46 Spieltheorie-14 SPSS-270 Standards- Anerkannte Methoden-346 Archivierung-350 Dokumentation-350 Forschungsethik-348 Forschungsfrage-345 Wissenschaftlichkeit-344f. Statistik-215, 219, 224, 229, 236, 265 Stichprobe-222 strategische Zielsetzung-30, 32, 93f., 114, 191 Erklären-30 Verändern-30, 168 Verstehen-30 Streitkultur-289 Strukturalismus-163 Survey-217 Symbolischer Interaktionismus-139 Systemtheorie-52, 163 Tätigkeit-67 Tätigkeitstheorie-67 Tautologie-302 Taxonomie-321 teilnehmende Beobachtung-239 Terminologie-313 Test-Retest-Reliabilität-358 Textdokument-123 Text-Mining-234, 272 Theoretical Sampling-251 theoretische Begründung-197 theoretische Forschung-212 Gütekriterien-355 theoretische Methode-206 logische Analyse-208 418 Sachregister <?page no="419"?> Modellbildung-207 Simulation-207 Theorieintegration-209 Theorievergleich-209 theoretische Physik-332 theoretische Sättigung-252 theoretisches Forschen-211 theoretisches Modell-241 Theorie-18, 199, 203, 211 Struktur-163 Theoriearbeit-190, 193, 201, 209, 211f. Theoriebildung-97, 129, 194, 197, 252, 325 Thesaurus-341 Tipps- Abschlussarbeit-113, 163, 191 Forschungsfrage-192 Grounded Theory-253 Metaphernanalyse-256 qualitative Inhaltsanalyse-250 qualitatives Interview-246 qualitative Studie-243, 363 quantitative Studie-230, 360 theoretische Forschung-212 Transkription-240 Transparenz- Forschungsprozess-361 Triangulation-260, 361, 364 Typologie-241, 322 Überprüfbarkeit-16 Untersuchungsbereich-114 Gegenstandsbereiche-117 Untersuchungsgegenstand-93, 117, 120 Forschungsgegenstände-117, 121 Validität- qualitative Forschung-360 Verändern-95, 158, 168, 172, 175, 185 Abduktion-109 als emanzipatorisches Projekt-171 als pragmatisch-gestaltend-170 als technologische Anwendung-169 Epistemologie-186 Ontologie-186 wissenschaftstheoretische Position-175 Verhalten-67, 121, 123 Verifikationismus-162 Verstehen-95, 118, 132, 145 Abduktion-108 alltägliches-118 als Abduktion-128 Bedeutung-119 empirische Basis-123 wissenschaftstheoretische Position-132 verstehende Soziologie-135 Videoanalyse-274 Visualisierung-228, 338 Vorsokratiker-293 Vorverständnis-126 Wertneutralität-25 Werturteil-182 Werturteilsstreit-181 Wiener Kreis-161 Wissen- explizites-23 implizites-23 Wissenschaft-13, 15, 21, 48f., 51, 57 wissenschaftliche Arbeit-368 wissenschaftliches Wissen-23, 129, 284, 340 Wissenschaftsethik-20 Wissenschaftsgeschichte-20 Sachregister 419 <?page no="420"?> Wissenschaftskommunikation-20, 337 Wissenschaftsmanagement-20 Wissenschaftsökonomie-20 Wissenschaftspolitik-20 Wissenschaftssoziologie-19 wissenschaftstheoretische Position-32, 189 Erklären-159, 165 Verändern-175, 185 Verstehen-132, 145 Wissenschaftstheorie-21ff., 33, 45 Checkliste-378 Studium-374 Wissensorganisation-310 Analogie-334 Begriffsklärung-315 Definition-315 diskursive Praktiken-342 Klassifikation-318 kognitive Strategien-326 Kontrastierung-316 Metapher-331 Operationalisierung-317 Qualitätssicherung-312 Strategien-315 Taxonomie-321 Typologie-322 Wissenschaft-311 Zitierstil-313 420 Sachregister <?page no="421"?> ISBN 978-3-8252-6476-5 Wissenschaftstheorie verstehen - reflektieren - anwenden Wissenschaftstheorie ist mehr als bloße Theorie - sie ist eine Schlüsselkompetenz für alle, die forschen, lehren oder wissenschaftlich arbeiten. Klaus Niedermair führt in seinem Handbuch klar und praxisnah in die Grundlagen ein: von den zentralen Strömungen wie Kritischem Rationalismus, Hermeneutik und Kritischer Theorie bis zu den Methoden, Gütekriterien und strategischen Zielen der Forschung. Der Autor erklärt anschaulich, wie wissenschaftliches Wissen entsteht und begründet wird - und wie es sich von KI-generiertem Wissen unterscheidet. Mit zahlreichen Beispielen und Reflexionsfragen macht er Wissenschaftstheorie verständlich und greifbar. Der perfekte Einstieg für Studierende, Lehrende und alle, die wissenschaftliches Denken verstehen und anwenden möchten. Schlüsselkompetenzen Dies ist ein utb-Band aus dem UVK Verlag. utb ist eine Kooperation von Verlagen mit einem gemeinsamen Ziel: Lehr- und Lernmedien für das erfolgreiche Studium zu veröffentlichen. utb.de QR-Code für mehr Infos und Bewertungen zu diesem Titel