Hybride Interpretation textbasierter Daten mit dialogisch integrierten LLMs: Zur Nutzung generativer KI in der qualitativen Forschung

Abstract

In diesem Beitrag wird das Verfahren der hybriden Interpretation mit multipler LLM-Nutzung vorgestellt, bei dem Forschende und drei Large Language Models (LLMs) in den Prozess der qualitativen Datenanalyse eingebunden sind. Dieses Verfahren zielt darauf ab, die generative KI-Technologie methodologisch reflektiert zu nutzen, um die Analyse textbasierter Daten heuristisch zu forcieren. Durch die iterative Interaktion mit den eingesetzten LLMs wird ein mehrstufiger Analyseprozess gewährleistet, bei dem die in die Interpretationsgruppe eingebrachten Deutungsangebote sowie fallbeschreibenden und -erklärenden Hypothesen wechselseitig geprüft, elaboriert und gegenstandsangemessen validiert werden. Zentral für die hybride Interpretation ist die konsequente Agency-Adressierung an die Forschenden. Sie steuern permanent den Analyseprozess, sichern die Einhaltung methodischer Standards und methodologischer Grundprinzipien qualitativer Forschung. Unter Rückgriff auf etablierte Prinzipien - insbesondere diskursive Validierung, abduktive Heuristik und Sensitizing Concept - wird in dem Beitrag gezeigt, dass das Verfahren der hybriden Interpretation mit mehreren LLMs für bestehende methodische Ansätze qualitativer Forschung adaptierbar ist. Dies gilt für inhaltsanalytische Verfahren, aber ebenso für die Grounded Theory sowie interpretativ-rekonstruktive Verfahren. Argumentiert wird, dass eine methodisierte Einbindung von LLMs als sinnvolle forschungspraktische Innovation angesehen werden kann. Das Verfahren der hybriden Interpretation stellt eine für die qualitative Forschung gangbare sozio-technische Assemblage dar, in der eine kommunikative Konstruktion von (wissenschaftlicher) Wirklichkeit erfolgt. Zur Untermauerung dieser Position wird in dem Beitrag epistemologischen, heuristisch-methodologischen sowie ethisch-datenschutzrechtlichen Fragen der KI-Nutzung bei der qualitativen Datenauswertung nachgegangen.

This paper presents the hybrid interpretation approach, in which researchers and three large language models (LLMs) are involved in the process of qualitative data analysis in a dialogue-based way. The key question of the approach is how to ground the use of generative AI technology in an explicit methodology to heuristically advance the analysis of empirical (text-based) data. Iterative interaction with the LLMs ensures that interpretations and case-describing and explanatory hypotheses introduced into the interpretation group are mutually examined, elaborated and validated appropriately. Central to hybrid interpretation is that human researchers retain agency at all times. They permanently control the analysis process and ensure compliance with methodological standards and basic methodological principles of qualitative research. With recourse to established principles - particular discursive validation, abductive heuristic and sensitizing concept - the article shows that the procedure of hybrid interpretation with several LLMs can be adapted for existing methodological approaches to qualitative research. This applies to content-analytical procedures, but also to grounded theory and interpretative-reconstructive procedures. It is argued that a methodical integration of LLMs can be seen as a meaningful innovation in research practice. The procedure of hybrid interpretation represents a social-technical assemblage, applicable to qualitative research, in which a communicative reconstruction of (scientific) reality takes place. To support this position, the article examines epistemological, heuristic-methodological and ethical-data protection issues related to the use of AI in qualitative data analysis.