Qualitative Interviews codieren: Vom Transkript zum Codebuch

Sie haben 18 Transkripte und zwei Wochen Zeit, um Ihrer Betreuung ein Codebuch vorzulegen. Der Lehrbuchratschlag, Codes aus den Daten „emergieren“ zu lassen, stimmt – und ist trotzdem nicht besonders hilfreich, wenn Sie auf 200.000 Wörter Interviewtext starren. Dieser Leitfaden zeigt, wie Codierung in der Praxis tatsächlich aussieht: wie die drei Durchgänge funktionieren, was Ihr Codebuch enthalten muss, wo KI-Tools helfen und wo nicht, und wie Ihr Transkriptformat alles beeinflusst, was danach kommt.

Was Codieren eigentlich bedeutet

Codieren bedeutet, kurze Labels an Datensegmente anzuhängen, um ähnliche Inhalte später gruppieren zu können. Die Labels sind Codes. Die Segmente umfassen meist einige Wörter bis einige Absätze.

Ein guter Code erfasst eine konkrete Idee in wenigen Wörtern. „Misstrauen gegenüber institutionellen Autoritäten“ ist ein Code. „Wichtiger Punkt“ ist keiner. „Über Geld gesprochen“ qualifiziert sich kaum. Die Disziplin besteht darin, Codes zu formulieren, die spezifisch genug sind, um nützlich zu sein, und kurz genug, um sie sich merken zu können.

Bei einem typischen 60-minütigen Interview erwarten Sie 30 bis 80 Codes. Über ein Projekt mit 20 Interviews summieren sich 80 bis 250 unterschiedliche Codes. Die genaue Spanne hängt vom Thema ab und davon, ob Sie induktiv oder deduktiv codieren.

Induktive vs. deduktive Codierung

Die beiden Hauptansätze beginnen an unterschiedlichen Punkten.

Induktive Codierung beginnt bei den Daten. Sie lesen eine Passage, fragen, worum es geht, und schreiben einen Code. Die Liste wächst beim Lesen und stabilisiert sich dann.

Deduktive Codierung beginnt bei einer Theorie oder einem bestehenden Rahmen. Sie wenden Codes aus einer vorgefertigten Liste an und ergänzen neue nur dann, wenn die Daten es verlangen.

Die meisten publizierten qualitativen Arbeiten nutzen einen hybriden Ansatz: einen kleinen Satz deduktiver Codes, die an die Forschungsfrage gekoppelt sind, plus induktive Codes, die ergänzt werden, sobald Muster sichtbar werden. Diese Wahl ist für die Zeitplanung relevant. Induktive Codierung dauert länger, weil Sie das Codesystem erst während des Prozesses aufbauen.

Offene, axiale und selektive Codierung: Die drei Durchgänge

Die dreistufige Codierungssequenz wurde von Anselm Strauss und Juliet Corbin im Rahmen ihrer Grounded-Theory-Arbeit formalisiert und in Basics of Qualitative Research (Corbin und Strauss, 2008) ausführlich beschrieben. Ursprünglich Verfahren der Grounded Theory, haben sich die drei Durchgänge inzwischen in den unterschiedlichsten qualitativen Traditionen als praktische Struktur etabliert, um vom Rohtext zu einer strukturierten Analyse zu gelangen.

Offene Codierung: Erst die Breite

Die offene Codierung ist der erste Durchgang durch Ihre Daten. Das Ziel ist Breite, nicht Präzision. Vergeben Sie Codes großzügig; viele werden später zusammengeführt oder verworfen.

Faustregeln für die offene Codierung:

• Wenn Sie unsicher sind, ob Sie etwas codieren sollen, codieren Sie es. Einen Code später zu entfernen ist einfach. Transkripte erneut zu lesen, um verpasste Codes zu ergänzen, ist mühsam.
• Verwenden Sie die eigenen Worte der Teilnehmenden, wenn sie etwas präzise erfassen. „Hustle-Kultur“ (Begriff der Teilnehmenden) trifft es besser als „Arbeitsintensität“ (Ihre Umschreibung).
• Erlauben Sie sich auch naheliegende Codes. Manchmal sind gerade die offensichtlichen die wichtigsten.
• Zielen Sie auf 3 bis 6 Codes pro Seite. Deutlich weniger bedeutet, dass Sie überfliegen. Deutlich mehr bedeutet, dass Sie Rauschen codieren.

Ein 12.000-Wörter-Transkript eines 60-minütigen Interviews liefert typischerweise 40 bis 80 offene Codes. Planen Sie in dieser Phase 3 bis 5 Stunden Codierzeit pro Interview ein.

Axiale Codierung: Beziehungen finden

Sobald Sie über alle Interviews hinweg offene Codes haben, ordnet die axiale Codierung diese neu. Sie suchen nach Beziehungen zwischen Codes, gruppieren verwandte Codes zu Kategorien und beginnen, die Struktur Ihrer Daten zu erkennen.

In der Praxis sieht axiale Codierung so aus, dass Sie Ihre offenen Codes in Cluster sortieren. Manche Cluster sind offensichtlich. Andere überraschen Sie. Clusternamen werden oft zu Kandidaten-Themen in der nächsten Phase. Die Grenze zwischen axialer Codierung und Themengenerierung ist fließend. Unterschiedliche methodologische Traditionen ziehen die Linie an unterschiedlichen Stellen.

Was speziell bei der thematischen Analyse (dem Sechs-Phasen-Modell von Braun und Clarke) nach der axialen Codierung geschieht, beschreibt der Leitfaden zur thematischen Analyse aus Transkripten.

Selektive Codierung: Konvergenz auf eine Kernkategorie

Die selektive Codierung konzentriert sich auf die Kernkategorie, die Ihre Forschungsfrage beantwortet. Zu diesem Zeitpunkt ist Ihr Codebuch stabil, und Sie kehren zu den Daten zurück, um zu überprüfen, ob Ihre Themen Bestand haben.

Selektive Codierung ist schneller als offene Codierung, weil Sie wissen, wonach Sie suchen. Planen Sie in dieser Phase 1 bis 2 Stunden pro Interview ein, nicht 3 bis 5.

Selektive Codierung ist ein Konzept der Grounded Theory: Sie identifizieren diejenige Kategorie, die die meiste Varianz in Ihren Daten erklärt, und integrieren alle anderen Kategorien um sie herum. In der thematischen Analyse besteht das analoge Vorgehen darin, Ihre finalen Themen zu definieren und zu benennen. Die zugrunde liegende Disziplin ist dieselbe: aufhören zu sammeln und beginnen zusammenzuführen.

Transkriptformatierung, die das Codieren erleichtert

Die Struktur Ihres Transkripts beeinflusst, wie schnell Sie es codieren können. Diese Entscheidung sollten Sie treffen, bevor Sie irgendetwas transkribieren.

Konsistente Sprecherlabels sind die mit Abstand wichtigste Formatierungsentscheidung. Verwenden Sie ein vorhersehbares Format über alle Transkripte hinweg: INT für die Interviewerin oder den Interviewer, P01 bis P20 für die Teilnehmenden (oder ein echtes Pseudonym, das durchgängig verwendet wird). QDA-Software wie NVivo importiert diese Labels als Knoten-Metadaten, was Stunden manueller Verschlagwortung spart.

Zeitstempel sind ebenfalls wichtig. Ein Timecode alle 30 bis 60 Sekunden sowie bei wichtigen Themenwechseln ermöglicht es Ihnen, während der selektiven Codierung direkt zu Passagen zu navigieren. Unverzichtbar sind sie für jede Software, die Audio mit Text synchronisiert.

Wörtlich versus geglättet wörtlich ist eine separate Entscheidung. Wörtliche Transkripte erfassen Füllwörter, Satzabbrüche und Pausen; sie funktionieren am besten, wenn es darauf ankommt, wie etwas gesagt wird (Diskursanalyse, Konversationsanalyse). Geglättete wörtliche Transkripte entfernen sprachlichen Ballast, ohne die Bedeutung zu verändern; sie eignen sich am besten für schnelleres Lesen und Codieren in der Interviewforschung.

Dokumentieren Sie Ihre Formatentscheidungen in Ihrem Methodikteil und, falls Ihre Studie einer IRB-Aufsicht unterliegt, in Ihrem IRB-Protokoll.

Wenn Sie saubere Transkripte mit Sprecherlabels und Zeitstempeln brauchen, die bereits entsprechend formatiert sind, liefert das Interview-Transkriptionstool genau diese Struktur. Sie können das Ergebnis direkt in NVivo oder ATLAS.ti importieren, ohne manuell nachformatieren zu müssen.

Software-Optionen für die Codierung

Drei Softwarekategorien übernehmen Codierarbeit. Die falsche Wahl kostet Sie Wochen.

Spezialisierte QDA-Software

NVivo, MAXQDA, ATLAS.ti und Dedoose wurden für qualitative Codierung entwickelt. Sie bewältigen große Datenmengen, unterstützen Team-Codierung mit separaten Benutzerkonten, erstellen Codebuch-Berichte automatisch und verfolgen die Codierung über mehrere Dateien hinweg.

Der Nachteil sind Kosten und Einarbeitungszeit. Hier die aktuellen Preise, basierend auf Anbieterseiten, die im Juli 2026 geprüft wurden:

Die Lernkurve von NVivo ist steil: Die meisten Forschenden brauchen mehrere Sitzungen, bis sich der Kern-Workflow natürlich anfühlt, und fortgeschrittene Abfragen dauern länger. Wenn Sie eine Dissertation codieren, zahlt sich die Investition aus. Bei einem einzelnen Seminarprojekt mit 5 Interviews vielleicht nicht. Der Vergleich NVivo vs. KI-Transkription beleuchtet die Abwägungen ausführlicher.

Dedoose ist günstiger und läuft im Browser, was das Installationsproblem für Teams mit unterschiedlichen Betriebssystemen beseitigt. ATLAS.ti Cloud bietet den niedrigsten akademischen Einstiegspreis. MAXQDA ist ein solider Mittelweg für Forschende, die Desktop-Zuverlässigkeit ohne NVivos Preis wollen.

Word-Dokumente mit Kommentaren

Kostenlos, vertraut und unhandlich. Funktioniert für 3 bis 5 Interviews. Darüber hinaus stößt es an seine Grenzen.

Der Vorteil: Niemand muss neue Software lernen. Der Nachteil: Codes über Interviews hinweg zusammenzuführen wird manuell und fehleranfällig. Wenn Sie einen Pilotdurchlauf machen (siehe unten), fangen Sie hier an.

Tabellenkalkulation

Verfolgen Sie Codes in einer Tabelle mit Spalten für Teilnehmer-ID, Code, Zitat und analytischem Memo. Sperrig, aber transparent und leicht nachprüfbar.

Dieses Setup funktioniert bei deduktiver Codierung, bei der die Codeliste von Anfang an feststeht. Bei induktiver Codierung, bei der Codes erst im Prozess entstehen, funktioniert es schlecht.

Ihr Codebuch erstellen

Das Codebuch ist das Dokument, das jeden Code Ihrer Analyse definiert – mit Definitionen und Beispielen. Gutachter, Betreuende und Journal-Redaktionen fragen danach. Bauen Sie es parallel zum Codieren auf, nicht danach. Ein am Ende geschriebenes Codebuch ist meist eine Aufräumübung, die die unordentliche Realität der tatsächlichen Codeverwendung verfehlt.

Ein Codebucheintrag im Mindestformat enthält:

• Codebezeichnung
• Definition (1 bis 2 Sätze)
• Einschlusskriterien: wann dieser Code anzuwenden ist
• Ausschlusskriterien: wann er nicht anzuwenden ist, insbesondere zur Abgrenzung von einem ähnlichen Code
• 2 bis 3 Beispielzitate aus Ihren Daten

Die Ausschlusskriterien sind der Teil, den die meisten Forschenden überspringen und die meisten später bereuen. Wenn zwei Kodierer bei einem Code wiederholt nicht übereinstimmen, liegt es fast immer daran, dass die Abgrenzungskriterien nicht dokumentiert waren.

Inter-Rater-Reliabilität

Wenn Sie allein codieren, können Sie keine Inter-Rater-Reliabilität (IRR) berechnen. Wenn Sie im Team codieren, sollten Sie es tun.

Der Standardansatz: Zwei Kodierer codieren unabhängig voneinander 10 bis 20 Prozent der Daten, anschließend vergleichen Sie. Cohens Kappa über 0,70 ist die vielzitierte Schwelle für akzeptable Übereinstimmung. Der Benchmark stammt von Landis und Koch (1977), die Kappa von 0,61 bis 0,80 als „substanzielle Übereinstimmung“ einstuften. Viele klinische Fachzeitschriften legen die Messlatte bei 0,70 oder höher.

Wenn Sie unter 0,70 fallen, liegt das Problem fast immer in Ihren Codebuch-Definitionen, nicht bei Ihren Kodierern. Schärfen Sie die Ein- und Ausschlusskriterien für die Codes mit der höchsten Diskrepanz, codieren Sie diese Passagen neu und messen Sie erneut.

IRR wird in Begutachtungsverfahren qualitativer Zeitschriften zunehmend erwartet. Prüfen Sie Ihre Zielzeitschriften, bevor Sie die Datenerhebung abschließen, nicht danach.

KI-gestützte Codierung: Was wirklich hilft

KI-Tools haben den Bereich der qualitativen Codierung erreicht. Die ehrliche Einschätzung ist gemischt.

Wo KI hilft:

• Generieren von Kandidaten-Codelisten aus einem Transkript. Die KI schlägt 20 bis 40 Codes vor, die Sie prüfen und verfeinern können. Selbst wenn die Hälfte danebenliegt, beschleunigt das die Phase der offenen Codierung erheblich.
• Auffinden ähnlicher Passagen über Transkripte hinweg, wenn Sie sich an den Kern erinnern, aber nicht an die Stelle.
• Erstellen erster Zusammenfassungen, die Sie vor dem vertieften Codieren in jedem Interview orientieren.

Wo KI nicht hilft:

• Entscheiden, welche Codes für Ihre Forschungsfrage relevant sind. Das ist Ihr analytisches Urteil.
• Erkennen kontextabhängiger Bedeutung. Eine Formulierung, die in Interview 3 das eine bedeutet, kann in Interview 14 ein anderes Gewicht tragen. Daran scheitert KI regelmäßig.
• Vollziehen des analytischen Schritts von Codes zu Themen. KI-Zusammenfassungen sind deskriptiv. Themen erfordern Synthese.

Das Muster, das funktioniert: Nutzen Sie KI als wissenschaftliche Hilfskraft auf Junior-Ebene. Sie macht Dinge sichtbar. Sie entscheiden, was zählt.

Häufige Fehler bei der qualitativen Codierung

Drei Muster tauchen immer wieder auf.

Zu feinkörnig codieren. Wenn jedes Interview 200 Codes hervorbringt, haben Sie übercodiert. Codes verlieren ihren Nutzen, wenn es zu viele sind. Zielen Sie auf 40 bis 80 pro einstündigem Interview.

Codes als Themen behandeln. „Finanzierungsherausforderungen“ ist ein Code. Ein Thema wäre eher etwas wie „wie Teilnehmende die Lücke zwischen versprochener und geleisteter institutioneller Unterstützung bewältigten“. Themen erfordern analytische Synthese, nicht nur ein Label.

Nur codieren, was ins Framework passt. Wenn Sie deduktiv gestartet sind, riskieren Sie, Muster zu übersehen, die nicht in Ihren ursprünglichen Rahmen passten. Planen Sie auch bei deduktiven Projekten Zeit für induktive Durchgänge ein.

Was Sie diese Woche tun

Wenn Sie ein Codierprojekt starten und noch keines gemacht haben, führen Sie einen minimalen Pilotdurchlauf durch. Wählen Sie drei Transkripte aus, die die Bandbreite Ihrer Stichprobe abbilden. Codieren Sie sie in einem Word-Dokument mit Kommentaren. Erstellen Sie daraus ein arbeitsfähiges Codebuch.

Nach dem Pilotdurchlauf kennen Sie Ihre Codes-pro-Stunde-Rate, Ihre typische Codebuchgröße und die Schwachstellen Ihrer Methode. Skalieren Sie von dieser Grundlage aus auf das Gesamtprojekt.

Wenn Sie Transkripte mit Sprecherlabels und Zeitstempeln brauchen, die bereit für den Import in QDA-Software sind, übernimmt ConvertAudioToText sowohl die Transkription als auch den Formatierungsschritt. Eine Sache weniger, die vor dem Start der Codierung zu erledigen ist.

Für den nächsten Schritt nach Abschluss der Codierung beschreibt der Leitfaden zur thematischen Analyse aus Transkripten, wie Sie von strukturierten Codes zu finalen Themen gelangen. Für Forschungskontexte mit speziellen Transkriptanforderungen behandelt wie man eine Interviewaufnahme transkribiert die Vorbereitungsseite ausführlicher.

FAQ

Was ist der Unterschied zwischen offener Codierung und thematischer Analyse?

Die offene Codierung ist der erste Durchgang in einer Grounded-Theory-Codierungssequenz (Strauss und Corbin) und konzentriert sich darauf, breite Labels an jedes bedeutungsvolle Datensegment anzuhängen. Die thematische Analyse (das Sechs-Phasen-Modell von Braun und Clarke) ist eine eigenständige Methodik mit eigener Codegenerierungsphase, aber beide überschneiden sich in der Praxis erheblich. Forschende verwenden oft die Sprache der offenen Codierung, wenn sie die frühen Phasen der thematischen Analyse beschreiben – unpräzise, aber verbreitet. Der entscheidende Unterschied: Die Grounded Theory zielt darauf ab, Theorie aus den Daten zu entwickeln; die thematische Analyse zielt darauf ab, Muster zu identifizieren und zu berichten.

Wie viele Codes sollte ich pro Interview haben?

Bei einem 60-minütigen Interview mit etwa 10.000 bis 12.000 Wörtern sind 40 bis 80 offene Codes ein realistisches Ziel. Weniger als 30 bedeutet meist, dass Sie die Daten nur überfliegen. Mehr als 120 bedeutet meist, dass Sie Rauschen codieren, und viele dieser Codes werden redundant sein oder sich mit anderen überschneiden.

Was bedeutet Cohens Kappa über 0,70 tatsächlich?

Kappa misst die Übereinstimmung zwischen zwei Kodierern und korrigiert dabei für zufällige Übereinstimmung. Nach Landis und Koch (1977) steht ein Kappa zwischen 0,61 und 0,80 für substanzielle Übereinstimmung, und über 0,80 für nahezu perfekte Übereinstimmung. Die in der qualitativen Forschung häufig zitierte Schwelle von 0,70 liegt innerhalb dieses Bereichs der „substanziellen“ Übereinstimmung. Ein Kappa unter 0,70 bedeutet nicht zwangsläufig, dass Ihre Kodierer schlecht arbeiten; es bedeutet oft, dass Ihre Codebuch-Definitionen strengere Ein- und Ausschlusskriterien benötigen.

Brauche ich QDA-Software wie NVivo, um qualitative Interviews zu codieren?

Nicht bei kleinen Projekten. Drei bis fünf Interviews lassen sich mit Word-Kommentaren oder einer Tabelle bewältigen. Darüber hinaus amortisiert sich QDA-Software durch die eingesparte Zeit bei der Suche über Interviews hinweg, bei Abfragen zur Codehäufigkeit und bei der Erstellung von Codebuch-Berichten. NVivo und MAXQDA bieten akademische Preise, die deutlich unter ihren kommerziellen Tarifen liegen. Dedoose ist mit 17,95 $ pro aktivem Monat der günstigste Einstieg mit echter QDA-Funktionalität.

Wann sollte ich KI für die qualitative Codierung einsetzen?

KI ist am nützlichsten in der Phase der offenen Codierung, wo sie aus einem Transkript eine erste Liste möglicher Codes vorschlagen kann, die Sie prüfen und verfeinern. Sie spart Zeit, ersetzt aber kein Urteilsvermögen. KI-Tools sind nicht verlässlich, wenn es darum geht zu entscheiden, welche Codes analytisch wichtig sind, kontextabhängige Bedeutung über Interviews hinweg zu erkennen oder den interpretativen Schritt von Codes zu Themen zu vollziehen. Behandeln Sie den KI-Output als ersten Entwurf, der Ihren analytischen Blick benötigt.

Quellen

• Corbin, J. und Strauss, A. (2008). Basics of Qualitative Research: Techniques and Procedures for Developing Grounded Theory (3. Aufl.). SAGE. https://us.sagepub.com/en-us/nam/basics-of-qualitative-research/book235578
• Braun, V. und Clarke, V. (2006). „Using thematic analysis in psychology.“ Verifiziert über MAXQDA Research Guides: https://www.maxqda.com/research-guides/thematic-analysis
• Landis, J. R. und Koch, G. G. (1977). Benchmarks für Inter-Rater-Reliabilität. Verifiziert über: https://en.wikipedia.org/wiki/Cohen%27s_kappa
• NVivo-Preise: https://shop.lumivero.com/qda-and-research/nvivo (Preise nicht öffentlich gelistet; Zahlen aus dem usercall.co-Review, Juli 2026)
• MAXQDA-Preise: https://www.usercall.co/post/maxqda-pricing-guide-2025-plans-costs-and-add-ons-explained
• ATLAS.ti-Preise: https://www.usercall.co/post/atlas-ti-pricing-guide-2025-plans-costs-and-key-differences
• Dedoose-Preise: https://www.dedoose.com/pricing/pricing-subscriptions
• Hinweise zur Transkriptformatierung: https://gotranscript.com/en/blog/interview-transcription-template-qualitative-research