Was bedeutet empirisch?
Empirisch bedeutet, dass eine Aussage auf systematisch erhobenen oder ausgewerteten Beobachtungen und Erfahrungen beruht. Empirische Forschung untersucht einen Ausschnitt der Wirklichkeit mithilfe nachvollziehbarer Methoden: Sie erhebt Daten, wertet diese aus und ordnet die Ergebnisse zur Forschungsfrage ein. Die Daten können aus einer eigenen Befragung oder einem Experiment stammen, aber auch aus bereits verfügbaren Messungen, Dokumenten oder Datensätzen.
Empirie: Bedeutung und Herkunft
Das Wort „Empirie“ geht auf das altgriechische empeiría zurück und bedeutet Erfahrung. In der Wissenschaft bezeichnet Empirie Erkenntnisse, die durch Beobachtung, Messung, Befragung, Experiment oder andere geregelte Verfahren gewonnen werden. „Empirisch“ ist entsprechend ein Adjektiv: empirische Daten, empirische Belege und empirische Untersuchungen stützen sich auf solche Erkenntnisse.
Empirisch und theoretisch
Empirisch und theoretisch beschreiben unterschiedliche Arbeitsschritte, die sich ergänzen. Eine Theorie ordnet Begriffe und erklärt mögliche Zusammenhänge. Empirische Forschung prüft, ob sich daraus abgeleitete Erwartungen in Beobachtungen oder Messungen wiederfinden. Umgekehrt können empirische Befunde Anlass geben, eine bestehende Theorie anzupassen oder neue Hypothesen zu formulieren.
Eine Literaturarbeit ist deshalb nicht automatisch theorielos oder unwissenschaftlich. Sie wertet vorhandenes Wissen systematisch aus, erhebt aber nicht zwingend selbst neue Daten. Auch eine empirische Studie braucht theoretische Vorarbeit: Sie muss klären, was untersucht wird und wie sich ein abstrakter Begriff in beobachtbare Merkmale übersetzen lässt. Diese Übersetzung heißt Operationalisierung.
Was ist empirische Forschung?
Empirische Forschung beantwortet eine Forschungsfrage mithilfe systematisch gewonnener Daten. Der Forschungsprozess legt fest, was beobachtet oder gemessen wird, welche Personen, Fälle oder Materialien einbezogen werden und wie die Ergebnisse ausgewertet werden. Ziel ist eine nachvollziehbare Aussage, deren Grundlage andere beurteilen können.
Empirische Daten und Methoden
Empirische Daten sind nicht zwangsläufig Zahlen. Messwerte, Häufigkeiten und standardisierte Antworten ergeben quantitative Daten. Interviewaussagen, Beobachtungsprotokolle und Dokumente enthalten qualitative Daten, die nach festgelegten Regeln ausgewertet werden. Quantitative und qualitative Informationen können auch in einem Mixed-Methods-Design verbunden werden.
| Forschungszugang | Daten und typische Verfahren | Erkenntnisziel |
|---|---|---|
| Quantitativ | Zahlen, standardisierte Befragung, Experiment, Messung | Häufigkeiten, Unterschiede und statistische Zusammenhänge bestimmen |
| Qualitativ | Gespräche, Beobachtungsprotokolle, Dokumente, Inhaltsanalyse | Bedeutungen, Erfahrungen und Abläufe nachvollziehen |
| Mixed Methods | Geplante Verbindung quantitativer und qualitativer Daten | Messbare Muster und deren Kontext gemeinsam untersuchen |
Die Methode folgt der Forschungsfrage. Eine Befragung kann Einstellungen erfassen, ein Experiment gezielte Veränderungen prüfen und eine Beobachtung tatsächliches Verhalten dokumentieren. Die Inhaltsanalyse wertet Texte, Bilder oder andere aufgezeichnete Inhalte nach einem nachvollziehbaren Kategoriensystem aus. Die Methodenwahl entscheidet mit darüber, welche Art von Ergebnis die Untersuchung überhaupt liefern kann.
Primärdaten und Sekundärdaten
Primärdaten werden für die konkrete Forschungsfrage neu erhoben, zum Beispiel durch Interviews oder Messungen. Sekundärdaten existieren bereits und werden erneut analysiert, etwa amtliche Statistiken, frühere Befragungen oder öffentlich zugängliche Datensätze. Beide Wege können empirisch sein, wenn die Daten systematisch ausgewertet werden und ihre Herkunft sowie Erhebungsbedingungen bekannt sind.
Die Nutzung vorhandener Daten spart eine neue Erhebung, begrenzt aber die Fragestellung auf das, was tatsächlich erfasst wurde. Prüfe deshalb Definitionen, Erhebungszeitraum, Stichprobe und fehlende Werte. Eine Kennzahl lässt sich nicht ohne Weiteres auf eine Forschungsfrage übertragen, wenn sie ein anderes Merkmal abbildet.
Wie läuft eine empirische Untersuchung ab?
Eine empirische Untersuchung verbindet Forschungsfrage, Forschungsdesign, Datenerhebung und Auswertung. Die Schritte werden vorab so festgelegt, dass Daten und Methode die Fragestellung beantworten können.
Quelle: datenbasiert.de
Die Operationalisierung beschreibt, woran ein abstraktes Merkmal in der Untersuchung erkennbar ist. Soll beispielsweise „Lernbelastung“ untersucht werden, muss feststehen, welche beobachtbaren oder berichteten Indikatoren dafür verwendet werden. Ein Forschungsdesign legt unter anderem Untersuchungseinheiten, Zeitraum und Vergleichsbedingungen fest. Vor der Erhebung lässt sich außerdem planen, wie fehlende Angaben und Ausschlüsse behandelt werden.
Die Auswertung richtet sich nach Datentyp und Design. Quantitative Daten werden beispielsweise statistisch beschrieben oder auf Unterschiede und Zusammenhänge geprüft. Qualitative Daten werden kodiert, kategorisiert und interpretiert. Bei Mixed Methods werden die Ergebnisse beider Zugänge anschließend systematisch zusammengeführt. Datenanalyse ist daher mehr als das Erstellen einer Grafik: Sie bezieht Datenaufbereitung, Auswertungsverfahren und Forschungsfrage aufeinander.
Deduktiv, induktiv und abduktiv
Deduktion, Induktion und Abduktion beschreiben, wie Theorie und empirische Befunde im Erkenntnisprozess verbunden werden. Sie sind keine Datenerhebungsmethoden. Ein Forschungsprojekt kann zwischen diesen Schlussweisen wechseln.
| Schlussweise | Ausgangspunkt | Typische Bewegung |
|---|---|---|
| Deduktion | Theorie oder allgemeine Annahme | Daraus eine prüfbare Erwartung oder Hypothese für einen Einzelfall ableiten |
| Induktion | Beobachtungen oder einzelne Befunde | Wiederkehrende Muster erkennen und daraus eine allgemeinere Annahme entwickeln |
| Abduktion | Überraschender Befund oder erklärungsbedürftiges Muster | Eine mögliche Hypothese formulieren, die den Befund erklären könnte |
Bei einem deduktiven Vorgehen werden Hypothesen aus einer Theorie abgeleitet und anhand von Daten geprüft. Induktives Vorgehen entwickelt aus wiederkehrenden Beobachtungen mögliche Zusammenhänge. Abduktion sucht nach einer plausiblen Erklärung für einen überraschenden Befund. Keine Schlussweise macht eine Hypothese allein durch ihre Form empirisch bestätigt; entscheidend bleiben Daten, Forschungsdesign und Auswertung.
Die Art der Datenerhebung ist nicht an eine einzige Schlussweise gebunden. Quantitative Studien arbeiten oft hypothesenprüfend, qualitative Studien häufig erkundend und theoriebildend. Das sind verbreitete Kombinationen, aber keine zwingende Zuordnung. Forschungsfrage und Untersuchungsdesign bestimmen, welche Vorgehensweise passt.
Empirisch: Beispiele
Eine empirische Aussage stützt sich auf dokumentierte Beobachtungen oder Messungen. Entscheidend ist, dass klar bleibt, welche Daten erhoben wurden und wie die Schlussfolgerung daraus hervorgeht.
Eine Aussage über Schlaf und Lernen prüfen
Die Behauptung „Wer länger schläft, erinnert sich am nächsten Tag besser an Lerninhalte“ lässt sich empirisch untersuchen. Dafür wird zunächst festgelegt, was „länger schlafen“ und „besser erinnern“ in dieser Untersuchung bedeuten. Die Schlafdauer könnte in Stunden erfasst werden; die Erinnerungsleistung ließe sich mit einem einheitlichen Wissenstest messen.
Eine Beobachtungsstudie könnte Schlafdauer und Testergebnisse über mehrere Nächte dokumentieren. Sie zeigt, ob die Merkmale in den erhobenen Daten zusammenhängen. Daraus folgt für sich genommen noch nicht, dass längerer Schlaf die bessere Erinnerungsleistung verursacht: Weitere Einflüsse wie Vorwissen oder Lernzeit könnten beide Ergebnisse mitprägen. Für eine kausale Aussage braucht es ein dafür geeignetes Forschungsdesign und eine begründete Kontrolle möglicher Einflussfaktoren. Korrelation und Kausalität sind daher getrennt zu beurteilen.
Ein empirisches Ergebnis wäre zum Beispiel: „In der untersuchten Stichprobe hing die erfasste Schlafdauer mit den Testwerten am Folgetag zusammen.“ Diese Aussage benennt Datengrundlage und Ergebnis, ohne mehr zu behaupten, als das Design tragen kann.
Wann ist eine empirische Aussage belastbar?
Eine empirische Aussage ist so belastbar wie die Daten, das Forschungsdesign und die Auswertung, auf denen sie beruht. Eine große Datenmenge allein garantiert keine gültige Schlussfolgerung. Prüfe, ob die erhobenen Merkmale zur Forschungsfrage passen, Fälle nachvollziehbar ausgewählt wurden und das Verfahren reproduzierbar dokumentiert ist.
Objektivität, Reliabilität und Validität
Die klassischen Gütekriterien quantitativer Messungen heißen Objektivität, Reliabilität und Validität. Objektivität fragt, ob Ergebnisse unabhängig von der erhebenden oder auswertenden Person zustande kommen. Reliabilität bezeichnet die Zuverlässigkeit beziehungsweise Messgenauigkeit eines Verfahrens. Validität fragt, ob tatsächlich das Merkmal erfasst wird, das die Untersuchung beansprucht zu messen.
Die Kriterien bauen in ihrer Logik aufeinander auf: Eine Messung kann sehr zuverlässig wiederholbar sein und trotzdem das falsche Merkmal erfassen. Standardisierte Anweisungen, festgelegte Auswertungsregeln und passende Messinstrumente tragen zur Qualität bei. Für qualitative Forschung werden die Kriterien je nach Forschungsansatz angepasst; hier sind unter anderem Transparenz, Reflexion der Forschenden und nachvollziehbare Interpretationsschritte wichtig.
Stichprobe und Repräsentativität
Eine Stichprobe umfasst die untersuchten Personen, Fälle oder Materialien. Ihre Zusammensetzung beeinflusst, auf welche Grundgesamtheit sich die Ergebnisse übertragen lassen. Eine große, selbst ausgewählte Online-Stichprobe ist nicht automatisch repräsentativ. Entscheidend sind Auswahlverfahren, Rücklauf, Ausschlüsse und die Übereinstimmung mit der Zielpopulation.
Auch die Formulierung von Fragen, die Messsituation und fehlende Antworten können systematische Verzerrungen erzeugen. Eine empirische Studie sollte deshalb beschreiben, wie Daten zustande kamen und welche Gruppen oder Fälle fehlen. Verallgemeinerungen sind nur so weit gerechtfertigt, wie Stichprobe und Forschungsdesign sie stützen.
Zusammenhang und Ursache auseinanderhalten
Empirische Daten können Zusammenhänge zeigen, ohne deren Ursache zu bestimmen. Eine Korrelation beschreibt, dass Merkmale gemeinsam variieren. Eine Kausalitätsaussage behauptet, dass eine Veränderung eines Merkmals eine Veränderung eines anderen hervorruft. Für diese Schlussfolgerung sind ein geeignetes Design, zeitliche Einordnung und die Prüfung möglicher Störfaktoren entscheidend.
Auch empirische Forschung kann Hypothesen nicht einfach endgültig beweisen. Ergebnisse können eine Hypothese stützen, ihr widersprechen oder unter bestimmten Bedingungen offenlassen. Forschende formulieren deshalb Reichweite, Unsicherheit und Grenzen passend zur Datenlage. Für die kritische Beurteilung hilft kritisches Denken.
