Thematische Analyse aus Transkripten: Die sechs Phasen

Thematische Analyse liefert belastbare, strukturierte Themen aus Interviewtranskripten, wenn Sie einem klaren Vorgehen folgen. Das sechsphasige reflexive Framework von Braun und Clarke – erstmals 2006 in Qualitative Research in Psychology veröffentlicht und in ihrem Buch Thematic Analysis: A Practical Guide von 2022 formalisiert – gibt Ihnen dieses Vorgehen an die Hand. Die sechs Phasen sind keine Checkliste, die Sie der Reihe nach abhaken; sie sind iterativ, und Sie werden zwischen ihnen hin- und herwechseln. Aber sie geben Ihrer Analyse eine Form, die Sie gegenüber Betreuern oder Peer-Gutachtern beschreiben können.

Die sechs Phasen auf einen Blick

Das Framework gliedert sich wie folgt:

1. Vertrautmachung mit den Daten
2. Generieren erster Codes
3. Generieren erster Themen
4. Überprüfen und Weiterentwickeln der Themen
5. Verfeinern, Definieren und Benennen der Themen
6. Erstellen des Berichts

In die Falle, die Phasen eins bis fünf als schnelle Vorbereitung zu behandeln und die gesamte Energie in Phase sechs zu stecken, tappen die meisten Nachwuchswissenschaftlerinnen und Nachwuchswissenschaftler. Der Bericht entsteht langsam, wenn die Analyse dünn ist. Ist die Analyse gründlich, schreibt sich der Bericht fast von allein.

Phase 1: Vertrautmachung (Sie beginnt bereits während der Transkription)

Die Vertrautmachung beginnt in dem Moment, in dem Sie sich mit dem Audio befassen, nicht erst, wenn Sie die Transkriptdatei öffnen. Braun und Clarke weisen darauf hin, dass manuelle Transkription, wo machbar, ein tiefes Eintauchen in die Daten erzeugt. Wer eine Aufnahme vor oder während der Transkription aktiv anhört, bekommt Hinweise auf Tonfall, Zögern und Betonungen, die der bereinigte Text ausblendet.

Sobald Sie Transkripte haben, ist das Minimum für echte Vertrautmachung, jedes einzelne zweimal vollständig zu lesen und dabei Notizen zu machen. Nicht überfliegen. Lesen.

Ein 60-minütiges Interview ergibt typischerweise 9.000 bis 12.000 Wörter Transkript. Bei einem Projekt mit 20 Interviews lesen Sie also rund 200.000 Wörter gleich zweimal. Planen Sie allein für diese Phase 25 bis 40 Stunden ein.

Genauigkeit an der Quelle zählt hier. Enthält Ihr Transkript häufige Fehler, bauen Sie Ihr mentales Modell der Daten auf einem fehlerhaften Fundament auf. Prüfen Sie jedes Transkript gegen das Audio, bevor die Vertrautmachung beginnt. Der Leitfaden zur Transkription für qualitative Forschung behandelt diesen Prüfprozess im Detail.

Wenn Sie Transkripte schnell fertigstellen müssen, bevor Sie mit der Vertrautmachung beginnen, erzeugt ConvertAudioToText ein vollständiges Transkript plus eine KI-generierte Zusammenfassung (bei englischsprachigem Audio), die Ihnen einen strukturierten Fünf-Minuten-Ersteindruck jedes Interviews verschafft, bevor Sie die vertiefte Lektüre angehen. Die Zusammenfassung ist kein Ersatz für die Vertrautmachung. Sie ist eine nützliche Orientierungsebene.

Phase 2: Erste Codes generieren

Beim Codieren verbringen die meisten Forschenden den Großteil ihrer analytischen Zeit. Ein Code ist eine kurze Bezeichnung, die einem Datenausschnitt angehängt wird und festhält, worum es geht.

Die reflexive thematische Analyse ist primär induktiv: Codes entstehen aus den Daten statt aus einem vorgegebenen Rahmen. Braun und Clarke beschreiben Codes als „vorläufige Interpretationen“, nicht als feste Extraktionen objektiver Bedeutung. Ihre Perspektive als Forschende(r) prägt aktiv, was Ihnen auffällt. Das ist kein Mangel der Methode, sondern ein Merkmal des reflexiven TA, das die Subjektivität der Forschenden als analytische Ressource behandelt statt als Bias-Quelle, die es zu eliminieren gilt.

Deduktive Elemente sind möglich, wenn Ihre Forschungsfrage sie verlangt, aber für eine stark deduktive Studie passen Framework-Analyse oder Template-Analyse oft besser als das reflexive TA.

Rechnen Sie bei einem typischen Projekt mit 20 Interviews mit 80 bis 200 ersten Codes über den gesamten Datensatz. Die Spanne ist breit, weil sie von der Breite des Themas und davon abhängt, wie granular Sie codieren.

Werkzeuge zum Codieren

Codieren können Sie in jedem Werkzeug, das es erlaubt, Textabschnitte mit Bezeichnungen zu versehen:

Wählen Sie ein Werkzeug und nutzen Sie es für das gesamte Projekt. Ein Wechsel mitten in der Analyse kostet Wochen des Neu-Importierens und Neu-Organisierens.

Für einen detaillierten Vergleich spezialisierter QDA-Software mit KI-gestützten Ansätzen beleuchtet der Vergleich NVivo vs. KI-Transkription die Trade-offs.

Phase 3: Erste Themen generieren

Sobald Sie Ihre ersten Codes haben, clustern Sie sie zu Kandidatenthemen. Das ist die konzeptionelle Schwerstarbeit.

Ein Thema ist kein bloßer Gegenstand. Es ist ein Muster über die Daten hinweg, das etwas analytisch Bedeutsames über Ihre Forschungsfrage aussagt. Ein Code benennt einen konkreten Sachverhalt in einer Passage; ein Thema benennt, was dieser Sachverhalt und verwandte Sachverhalte über mehrere Teilnehmende und mehrere Interviews hinweg aussagen.

Die Disziplin in dieser Phase besteht darin, Ihre Kandidatenthemen aufzuschreiben, dann die Codes unter jedem Thema anzusehen und zu fragen, ob sie wirklich zusammengehören. Gehören mehrere Codes in einem Cluster tatsächlich zu etwas anderem, muss das Thema aufgeteilt werden.

Die meisten reflexiven-TA-Studien im Dissertationsumfang erzeugen in diesem Stadium drei bis sechs erste Themen, entsprechend belegten Mustern in der publizierten Forschung. Weniger als drei bedeutet meist, dass die Themen zu abstrakt sind. Mehr als sechs bedeutet meist, dass sie noch auf Code-Ebene statt auf Themenebene liegen.

Phase 4: Überprüfen und Weiterentwickeln der Themen

Dies ist der erste Realitätscheck. Sie nehmen Ihre Kandidatenthemen und testen sie an zwei Ebenen von Belegen.

Ebene eins: innere Kohärenz. Lesen Sie alle Datenexzerpte, die unter einem einzigen Thema codiert wurden. Ergeben sie eine stimmige Geschichte? Wenn sie locker wirken, kann das Thema in Wahrheit zwei Themen sein – oder ein Thema und ein Unterthema.

Ebene zwei: Passung zum Gesamtdatensatz. Gehen Sie zu den Originaltranskripten zurück, nicht nur zu den codierten Exzerpten. Gibt es wesentliche Teile der Daten, die Ihre bisherigen Themen nicht abbilden? Diese Lücke ist ein Signal.

Themen werden in dieser Phase aufgespalten, zusammengelegt, umbenannt und verworfen. Planen Sie hier ein bis zwei volle Wochen ein, nicht zwei Tage.

Phase 5: Themen verfeinern, definieren und benennen

Bis Phase fünf sollten Ihre Themen stabil sein. Jetzt schreiben Sie für jedes eine prägnante Definition. Eine Themendefinition umfasst:

• Einen klaren Namen mit vier bis acht Wörtern
• Eine Beschreibung in zwei bis drei Sätzen, was das Thema erfasst
• Drei bis fünf repräsentative Zitate
• Notizen dazu, wie das Thema zu den anderen Themen steht

Dieses Dokument wird zum analytischen Rückgrat Ihres Berichts. In publizierten qualitativen Artikeln finden Sie dieses Material oft zusammengefasst im Methoden- oder im frühen Ergebnisteil.

Themennamen sollen analytische Arbeit leisten, nicht nur ein Sachthema etikettieren. „Teilnehmende sprachen über Herausforderungen bei der Finanzierung“ ist eine Codebeschreibung, kein Themenname. Ein Themenname würde einordnen, welche Art von Herausforderungen vorliegt, warum sie wichtig sind und was sie uns verraten.

Phase 6: Den Bericht erstellen

Haben Sie die Phasen eins bis fünf gründlich erledigt, dauert das Verfassen zwei bis vier Wochen für ein typisches Dissertationskapitel oder einen Zeitschriftenartikel. Der Ergebnisteil folgt üblicherweise Ihren Themen, wobei jedes Thema von den zwei bis drei stärksten Zitaten aus Ihren Daten getragen wird.

Zwei Dinge unterscheiden starke qualitative Berichte von schwachen.

Das erste ist die Zitatauswahl. Wählen Sie Zitate, die lebendig und konkret sind. Ein generisches Zitat, das aus jedem beliebigen Projekt stammen könnte, leistet weniger als ein konkretes, das klar an der Erfahrung Ihrer Teilnehmenden hängt.

Das zweite ist der analytische Schritt. Beschreibung sagt den Lesenden, was die Teilnehmenden gesagt haben. Analyse sagt ihnen, was das im Licht Ihrer Forschungsfrage und der vorhandenen Literatur bedeutet. Treiben Sie jedes Thema durch die Frage: Was verrät uns das, was wir nicht schon wussten?

Wo KI passt und wo nicht

KI-Tools können Teile der thematischen Analyse beschleunigen. Das analytische Urteilsvermögen können sie nicht ersetzen.

Wo KI hilft: bei der Transkription, beim Erzeugen einer Orientierungszusammenfassung im ersten Durchlauf für jedes Interview, beim Aufdecken von Kandidaten für Codebezeichnungen, die Sie anschließend evaluieren und überarbeiten, sowie beim Auffinden ähnlicher Passagen über Interviews hinweg.

Wo KI nicht hilft: beim Urteil, was Codes zusammen bedeuten, was Themen über die Daten erfassen und wie die Ergebnisse zur Literatur stehen. Das Buch von Braun und Clarke von 2022 stellt ausdrücklich klar, dass das reflexive TA die engagierte Subjektivität der Forschenden durchgehend verlangt. Das ist keine Einschränkung der heutigen KI, sondern ein Merkmal der Methode.

Der Vergleich KI- vs. menschliche Transkription behandelt die Genauigkeits-Trade-offs. Der Leitfaden zum Codieren qualitativer Interviews geht tiefer auf KI-gestütztes Codieren ein.

Meine Einschätzung: KI-Transkription spart am Anfang des Prozesses wirklich Zeit, und KI-Zusammenfassungen sind eine nützliche Orientierungsebene. Doch sobald Sie versuchen, KI Ihre Themen generieren oder Ihre Analyse schreiben zu lassen, haben Sie das reflexive TA gegen etwas anderes eingetauscht. Benennen Sie das klar in Ihrem Methodenteil, wenn Sie diesen Weg gehen, denn Gutachterinnen und Gutachter werden nachfragen.

Zeitbudget für ein Projekt mit 20 Interviews

Ein belastbares Zeitbudget für die thematische Analyse von 20 Interviews:

• Durchsicht der Transkripte (nach der KI-Generierung): 15 bis 30 Stunden
• Vertrautmachung (zwei vollständige Lektüren): 25 bis 40 Stunden
• Erste Codierung: 60 bis 100 Stunden
• Themengenerierung und -überprüfung: 30 bis 50 Stunden
• Themendefinition: 10 bis 20 Stunden
• Verfassen des Berichts: 60 bis 100 Stunden

Gesamt: 200 bis 340 Stunden. Bei 20 Stunden pro Woche sind das 10 bis 17 Wochen konzentrierter Arbeit. Das ist realistisch für ein Dissertationskapitel oder einen gewichtigen Zeitschriftenartikel. Es ist unrealistisch, das in vier Wochen gut zu schaffen.

Drei Muster, die in Ablehnungen im Peer-Review auftauchen

Themen, die in Wahrheit Codes sind. „Teilnehmende sprachen über Herausforderungen bei der Finanzierung“ ist eine Beschreibung auf Code-Ebene. Ein Thema würde das zugrunde liegende Muster benennen: welche Art von Herausforderungen, in welchem Kontext, mit welcher Bedeutung.

Handverlesene Zitate. Starke Themen werden von mehreren Teilnehmenden aus dem gesamten Datensatz getragen. Stützt sich ein Thema auf Zitate von zwei von zwanzig Teilnehmenden, ist es eine Ausreißerbeobachtung, kein Thema.

Beschreibung ohne Analyse. Der Ergebnisteil liest sich wie eine Zusammenfassung dessen, was die Teilnehmenden sagten, und lässt die Lesenden fragen: „Na und?“ Treiben Sie jedes Thema durch die Frage, was es über das bloße Wiederholen der Daten hinaus verrät. Dieser Schritt ist die Analyse.

Für mehr zum Aufbau einer soliden Grundlage aus qualitativen Transkripten behandeln der Leitfaden zur Transkriptionsgenauigkeit und der Leitfaden zur Speaker-Diarisierung die technische Seite, um saubere, korrekt zugeordnete Transkripte zu erhalten, bevor die Analyse beginnt.

Häufig gestellte Fragen

Was ist der Unterschied zwischen der ursprünglichen thematischen Analyse von Braun und Clarke aus dem Jahr 2006 und ihrem reflexiven TA-Ansatz?

Die sechs Phasen sind unverändert. Der philosophische Rahmen hat sich in ihrer Arbeit von 2019 und 2022 deutlich verschoben. Beim reflexiven TA sind Themen vom Forschenden konstruierte Muster statt in den Daten entdeckte Entitäten. Die Subjektivität der Forschenden wird als analytische Ressource behandelt, nicht als Bias-Quelle, die ausgeklammert werden müsste. Inter-Rater-Reliabilität beim Codieren ist mit dem reflexiven TA explizit unvereinbar, weil die Methode davon ausgeht, dass zwei Analysten aus denselben Daten legitim unterschiedliche Codes produzieren. Wenn Ihre Institution oder Ihr Betreuer IRR erwartet, klären Sie, ob eine andere Spielart von TA oder eine ganz andere Methode gemeint ist.

Wie viele Themen sollte eine thematische Analyse hervorbringen?

Die meisten veröffentlichten reflexiven-TA-Studien auf Dissertationsebene ergeben drei bis sechs Hauptthemen mit jeweils zwei bis vier Unterthemen. Weniger als drei deutet darauf hin, dass die Themen möglicherweise zu breit sind, um analytisches Gewicht zu tragen. Mehr als sechs bedeutet oft, dass Sie noch auf Code-Ebene statt auf Themenebene arbeiten. Die richtige Zahl ist diejenige, die die Muster in Ihrem konkreten Datensatz genau wiedergibt.

Kann man KI-Tools zum Codieren qualitativer Transkripte verwenden?

KI-Tools können Kandidaten für Codebezeichnungen generieren und ähnliche Passagen über Transkripte hinweg auffinden. Diese Ausgaben sind nützliche Ausgangspunkte für das eigene Codieren der Forschenden, kein Ersatz dafür. Das reflexive TA verlangt ausdrücklich das engagierte Urteilsvermögen der Forschenden während des gesamten Codierprozesses. Wenn Sie KI-generierte Codes verwenden, müssen Sie jeden einzelnen evaluieren, überarbeiten und analytisch zu eigen machen. Dokumentieren Sie in Ihrem Methodenteil, wie Sie KI-Tools eingesetzt haben.

Benötigt die thematische Analyse Spezialsoftware wie NVivo oder ATLAS.ti?

Nein. Thematische Analyse lässt sich in Word mit Änderungsnachverfolgung und Kommentaren durchführen, in einer Tabellenkalkulation mit einer Zeile pro Codeanwendung oder in ausgedruckten Transkripten mit Textmarkern. Spezialisierte QDA-Software (NVivo, MAXQDA, ATLAS.ti) beschleunigt große Projekte und erleichtert Codehierarchien und Abfragen, aber die analytische Arbeit liegt unabhängig vom Werkzeug bei Ihnen. Bei Projekten mit weniger als fünf Interviews ist Word oft die einfachste Wahl.

Wie gehen Sie mit Transkriptionsfehlern um, bevor Sie mit der thematischen Analyse beginnen?

Prüfen Sie jedes Transkript gegen die Originalaufnahme, bevor Sie mit der Vertrautmachung beginnen. Achten Sie besonders auf Eigennamen, Fachbegriffe und jede Passage, in der die sprechende Person zögerte, sich mit einer anderen sprechenden Person überschnitt oder leise sprach. Fehler, die in Ihren Transkripten bleiben, werden zu Fehlern in Ihren Codes und schließlich in Ihren Themen. Die Genauigkeit der KI-Transkription variiert je nach Audioqualität und Akzent; behandeln Sie das KI-Transkript immer als ersten Entwurf, der überprüft werden muss, nicht als fertiges Dokument.

Quellen

• Braun, V. and Clarke, V. (2006). Using Thematic Analysis in Psychology. Qualitative Research in Psychology, 3, 77-101. https://www.tandfonline.com/doi/abs/10.1191/1478088706qp063oa
• Braun, V. and Clarke, V. (2022). Thematic Analysis: A Practical Guide. SAGE. https://uk.sagepub.com/en-gb/eur/thematic-analysis/book248481
• Skimle. Reflexive Thematic Analysis: What Changed with Braun and Clarke's Updated Approach. https://skimle.com/blog/reflexive-thematic-analysis-braun-clarke-guide
• Surviving Research. Reflexive Thematic Analysis in NVivo: Step-by-Step Guide. https://survivingresearch.com/step-by-step-example-of-the-braun-and-clarke-reflexive-thematic-analysis-approach-using-nvivo/
• Lumivero. NVivo: AI Qualitative Data Analysis Software. https://lumivero.com/products/nvivo/
• Skimle. MAXQDA vs ATLAS.ti in 2026. https://skimle.com/blog/maxqda-vs-atlas-ti-qualitative-analysis-software-2026