Neo-Grounded Theory: KI-gestützte Analyse von Qualitativen Daten in Stunden

Die Neo-Grounded Theory (NGT) löst das lange bestehende Paradoxon von Umfang und Tiefe in der qualitativen Forschung. Durch die Kombination hochdimensionaler Vektor-Clustering-Algorithmen mit Multi-Agenten-Systemen können Forscher riesige Datensätze – hier 40.000 Zeichen chinesischer Interviewtranskripte – in nur drei Stunden analysieren, ohne dabei die interpretative Tiefe zu verlieren.

In einem Vergleich mit manueller Codierung und ChatGPT‑unterstützter Analyse zeigte NGT eine 168‑fach schnellere Verarbeitung (3 h statt 3 Wochen) und eine höhere Qualitätsbewertung (0,904 vs. 0,883). Gleichzeitig sank die Kosten um 96 % – von 50.000 $ auf lediglich 500 $ – was die qualitative Forschung für kleine Gemeinschaften und Forschungsteams zugänglicher macht.

Die Experimente verdeutlichten, dass reine Automatisierung zwar abstrakte Rahmenwerke liefert, aber ohne menschliche Anleitung keine umsetzbaren Theorien entstehen. Durch gezielte menschliche Eingriffe entstehen „Dual‑Pathway“-Theorien, die sowohl systematisch als auch praktisch relevant sind. NGT entdeckte zudem Muster, die bei manueller Codierung verborgen blieben, etwa Phänomene der Identitätsbifurkation.

NGT demonstriert, dass objektive, reproduzierbare Vektor‑Repräsentationen und menschliche Interpretation sich ergänzen. Während KI Muster erkennt, liefert der Forscher kreative, kontextbezogene Einsichten. Diese Synergie ermöglicht Echtzeit‑Analysen, sodass qualitative Erkenntnisse unmittelbar mit aktuellen Ereignissen verknüpft werden können.