Zum Inhalt springen
Zurück zu den Suchergebnissen

Mehrfach-Fallstudie — Vergleichendes Fallstudien-Design

Eingeführt von
Robert K. Yin (systematic replication logic); Robert E. Stake (naturalistic/collective case tradition)
Jahr
1980s–1990s (Yin's first edition 1984; Stake's collective case study concept 1995)
Typ
Qualitative research method
Familie
Case Study

Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen

Schriftgröße

Was leistet sie?

Das Multiple-Case-Study-Design untersucht zwei oder mehr abgegrenzte reale Fälle anhand desselben Forschungsprotokolls und vergleicht dann die Ergebnisse über die Fälle hinweg, um Muster, Kontraste und erklärende Erkenntnisse zu identifizieren, die ein einzelner Fall nicht liefern könnte.

Der Ansatz, der hauptsächlich auf Robert Yins Replikationslogik und Robert Stakes Tradition der kollektiven Fallstudien basiert, ist besonders wirkungsvoll, wenn ein Forscher feststellen muss, ob ein Phänomen unter verschiedenen Bedingungen auftritt oder eine aufkommende theoretische Erklärung anhand konkurrierender Kontexte testen möchte.

Die Intuition hinter der Methode

Betrachten Sie die Multiple-Case-Study als ein strukturiertes Vergleichsprojekt. Anstatt die Implementierung eines neuen Pflegemodells in einem Krankenhaus zu untersuchen, untersuchen Sie vier Krankenhäuser – zwei, die erfolgreich waren, und zwei, die Schwierigkeiten hatten. Jedes Krankenhaus wird zunächst für sich selbst eingehend untersucht (Within-Case-Analyse), dann werden die vier Porträts nebeneinander gelegt, um zu fragen: Welche Muster treten in allen Fällen auf, welche Unterschiede zeigen sich und was sagen uns diese Ähnlichkeiten und Unterschiede darüber, warum Erfolg oder Misserfolg eintritt? Die Stärke des Designs liegt nicht in der statistischen Stichprobenziehung, sondern in der gezielten Auswahl und Replikation: Jeder Fall sagt entweder ein ähnliches Ergebnis voraus (wörtliche Replikation) oder ein kontrastierendes Ergebnis aus erklärbaren Gründen (theoretische Replikation).

Geschichte

Die Fallstudie als disziplinierte Forschungsmethode wurde weitgehend durch Robert Yins grundlegendes Werk von 1984 (jetzt in der sechsten Auflage von 2018) formalisiert, das den Replikationslogik-Rahmen und das Fallstudienprotokoll als Werkzeuge zur Erzielung von Rigor einführte. Robert Stakes parallele Tradition, die in seinem Band The Art of Case Study Research von 1995 und seiner Multiple Case Study Analysis von 2006 gipfelte, betonte die naturalistische Untersuchung und die kollektive Untersuchung von Fällen, die wegen ihres intrinsischen Interesses ausgewählt wurden. Zusammen definieren diese beiden Traditionen – Yins eher positivistische Replikationslogik und Stakes eher konstruktivistischer kollektiver Ansatz – die methodische Landschaft, die Forscher bei der Gestaltung von Multi-Case-Studien navigieren.

Wann wird sie eingesetzt?

Die Multiple-Case-Study ist geeignet, wenn eine Forschungsfrage untersucht, wie oder warum ein Phänomen in verschiedenen realen Umgebungen auftritt, und wenn der Forscher eine theoretische Erklärung aufbauen oder testen möchte, die in verschiedenen Kontexten gelten muss. Sie eignet sich für Situationen, in denen: (1) das Phänomen kontextabhängig ist und nicht isoliert von seiner Umgebung untersucht werden kann; (2) der Forscher Zugang zu zwei oder mehr vergleichbaren Fällen mit ausreichender Datentiefe hat; (3) das Ziel eine analytische (theoretische) und keine statistische Generalisierung ist. Sie ist nicht geeignet, wenn die Ressourcen nur eine eingehende Untersuchung eines Standorts zulassen (verwenden Sie Single-Case-Study), wenn die Forschungsfrage Schätzungen der Populationshäufigkeit erfordert (verwenden Sie Umfrage- oder epidemiologisches Design) oder wenn die Fälle nicht klar genug abgegrenzt werden können, um einen systematischen Vergleich zu unterstützen.

Grenzen und Hinweise

  • Ressourcenintensiv: Jeder Fall erfordert die volle Tiefe einer Single-Case-Study, sodass sich die gesamte Datenerfassungs- und Analysebelastung mit der Anzahl der Fälle multipliziert.
  • Die Ergebnisse generalisieren analytisch auf theoretische Propositionen, nicht statistisch auf eine definierte Population – die Ergebnisse können nicht zur Schätzung der Prävalenz verwendet werden, wie es Umfrageergebnisse können.
  • Die Qualität des Cross-Case-Vergleichs hängt vollständig von der Konsistenz der Datenerfassung über die Fälle hinweg ab; jeder Protokoll-Drift untergräbt die Vergleichbarkeit.
  • Die Abgrenzung von Fällen ist in der Praxis oft schwierig – organisationale, gemeinschaftliche oder politische 'Fälle' haben häufig unscharfe Grenzen, die die Replikationslogik erschweren.
  • Bei mehr als sechs bis acht Fällen kann die detaillierte Within-Case-Analyse eingeschränkt werden, was die kontextuelle Reichhaltigkeit schwächt, die die Anwendung eines Fallstudienansatzes überhaupt rechtfertigt.

Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.

Stärken

  • Die Replikationslogik über mehrere Fälle hinweg liefert weitaus überzeugendere und robustere analytische Generalisierungen als ein einzelner Fall allein.
  • Die eingehende, mehrquellenbasierte Untersuchung jedes Falls bewahrt die kontextuelle Reichhaltigkeit und ermöglicht dennoch einen systematischen Vergleich.
  • Das Design kann gleichzeitig Theorie testen (ob dasselbe Muster repliziert wird) und Theorie aufbauen (indem untersucht wird, warum Fälle divergieren).
  • Gut etablierte methodische Standards – insbesondere Yins Fallstudienprotokoll und Datenbank – bieten eine transparente Audit-Trail, die die Glaubwürdigkeit stärkt.
  • Flexibel genug, um quantitative Evidenz (z. B. Kennzahlen zur organisationalen Leistung) neben qualitativen Daten innerhalb jedes Falls zu integrieren.

Anwendungen

  • Vergleich, wie verschiedene Schulen, Bezirke oder Länder dieselbe bildungspolitische Reform umsetzen und was differenzielle Ergebnisse erklärt.
  • Untersuchung, wie mehrere kleine und mittlere Unternehmen digitale Technologien in verschiedenen nationalen oder sektoralen Kontexten einführen.
  • Untersuchung, wie mehrere Nichtregierungsorganisationen gemeindebasierte Gesundheitsinterventionen in ressourcenarmen Umgebungen mit unterschiedlichen Ergebnissen verwalten.
  • Untersuchung der Implementierung klinischer Leitlinien in mehreren Krankenhäusern oder primärärztlichen Praxen, um kontextuelle Ermöglicher und Barrieren zu identifizieren.
  • Analyse, wie verschiedene Städte oder Gemeinden auf dieselbe Naturkatastrophe oder öffentliche Gesundheitskrise reagieren.
  • Erforschung, wie Führungspraktiken in mehreren Organisationen die Innovationskultur unter ähnlichem Marktdruck prägen.

So funktioniert es

So funktioniert es

1

Der Forscher formuliert eine klare Forschungsfrage und einen theoretischen Rahmen, der spezifiziert, was 'der Fall' ist, was zu finden erwartet wird und warum. Gemäß Yins Replikationslogik entscheidet der Forscher, ob die Fälle ähnliche Ergebnisse (wörtliche Replikation) oder kontrastierende Ergebnisse aus theoretisch vorhergesehenen Gründen (theoretische Replikation) liefern sollten. Ein gemeinsames Fallstudienprotokoll – ein detaillierter Leitfaden für Datenerhebungsverfahren, Interviewleitfäden und Analyseverfahren – wird vor Beginn der Feldarbeit erstellt, damit alle Fälle mit gleicher Strenge untersucht werden.

2

Die Fälle werden gezielt und nicht zufällig ausgewählt. Der Forscher identifiziert Fälle, die entweder das untersuchte Phänomen in unterschiedlicher Intensität darstellen, unterschiedliche kontextuelle Positionen einnehmen (z. B. ressourcenstarke vs. ressourcenschwache Umgebungen) oder theoretisch relevante Kontraste darstellen. Die typische Bandbreite liegt bei 2–10 Fällen; weniger als zwei eliminieren die Vergleichslogik, während mehr als zehn unhandlich werden können, es sei denn, ausreichende Ressourcen unterstützen die Feldarbeit. Jeder Fall muss abgegrenzt sein – er hat einen klaren Anfang, ein Ende und einen Umfang.

3

Die Daten werden innerhalb jedes Falls mit mehreren Evidenzquellen erhoben: halbstrukturierte Interviews, direkte Beobachtung, Dokumentenanalyse und Archivunterlagen. Die Triangulation über Quellen innerhalb eines einzelnen Falls stärkt die interne Validität des Porträts dieses Falls. Dasselbe Datenerfassungsprotokoll wird für jeden Fall angewendet, um die Vergleichbarkeit zu gewährleisten. Feldbuchnotizen, Interviewtranskripte und Dokumente werden für jeden Fall in einer Fallstudien-Datenbank archiviert.

4

Bevor der Vergleich beginnt, wird jeder Fall einzeln und unabhängig analysiert. Der Forscher liest alle Daten für einen einzelnen Fall, identifiziert Schlüsselthemen, erstellt eine detaillierte narrative oder analytische Beschreibung und zieht vorläufige Schlussfolgerungen, die sich auf diesen Fall beziehen. Dieser Schritt erzeugt ein eigenständiges Porträt für jeden Fall, das für sich allein gelesen und bewertet werden kann – wodurch die Besonderheit jedes Kontexts erhalten bleibt, bevor zum Cross-Case-Blick übergegangen wird.

5

Die Within-Case-Porträts werden systematisch verglichen. Der Forscher identifiziert Muster, die in mehreren Fällen auftreten (Konvergenz), bemerkt Unterschiede und die Bedingungen, unter denen sie auftreten (Divergenz), und wendet die Replikationslogik an: Bestätigen die Fälle die theoretische Vorhersage, oder erfordern anomale Fälle eine Überarbeitung der Theorie? Tabellarische Darstellungen, Konzeptmatrizen und visuelle Kartierungswerkzeuge werden häufig verwendet, um den strukturierten Vergleich zu erleichtern.

6

Schlussfolgerungen werden auf zwei Ebenen gezogen. Erstens bestätigen oder widerlegen fallbezogene Schlussfolgerungen, was für jeden einzelnen Fall erwartet wurde. Zweitens synthetisieren fallübergreifende Schlussfolgerungen, was das Muster der Replikationen theoretisch bedeutet – und erzeugen analytische Generalisierungen (Aussagen über theoretische Propositionen, nicht über Populationen), die durch das konvergente oder divergente Muster der Evidenz über alle Fälle hinweg gestützt werden. Konkurrierende Erklärungen werden explizit berücksichtigt und behandelt.

Häufige Fallstricke

  • Die Auswahl von Fällen nach Bequemlichkeit statt nach theoretischem Zweck – Fälle, die ausgewählt werden, weil sie zugänglich sind, anstatt weil sie theoretisch bedeutsame Variationen darstellen, führen zu oberflächlichen Cross-Case-Vergleichen und schwachen Schlussfolgerungen.
  • Überspringen oder überstürzen der Within-Case-Analyse – der direkte Übergang zum Vergleich, ohne vorher ein rigoroses Porträt jedes Falls einzeln zu entwickeln, führt zu oberflächlichem Musterabgleich statt zu echtem Verständnis des Kontexts.
  • Vernachlässigung des Replikationsrahmens – ohne vorherige Festlegung, ob Fälle wörtlich oder theoretisch replizieren sollen, verfallen Cross-Case-Vergleiche in informelle Anekdoten statt in disziplinierte Schlussfolgerungen.
  • Behandlung des Multiple-Case-Designs als Umfrage – die Aggregation von Daten über Fälle hinweg, ohne die einzigartigen Kontexte jedes Falls zu berücksichtigen, untergräbt den Zweck des Designs und sollte durch eine Umfrage oder Meta-Analyse ersetzt werden.
  • Versäumnis, konkurrierende Erklärungen zu berücksichtigen – robuste Multiple-Case-Schlussfolgerungen erfordern, dass der Forscher explizit alternative Interpretationen identifiziert und ausschließt, die das beobachtete Cross-Case-Muster erklären könnten.

Häufig gestellte Fragen

Was ist der Unterschied zwischen einer Multiple-Case-Study und einer Single-Case-Study?

Eine Single-Case-Study untersucht einen abgegrenzten Fall in außergewöhnlicher Tiefe – geeignet, wenn der Fall einzigartig, aufschlussreich oder ein kritischer Test einer Theorie ist. Eine Multiple-Case-Study untersucht zwei oder mehr Fälle mit demselben Protokoll, damit der Forscher Muster zwischen ihnen vergleichen kann. Multiple Fälle liefern robustere und generalisierbarere theoretische Schlussfolgerungen, aber zu erheblich höheren Kosten. Wenn die Ressourcen nur einen Standort zulassen, ist ein Single-Case-Design besser geeignet als ein unterfinanziertes Multiple-Case-Design.

Wie viele Fälle brauche ich?

Es gibt keine einzelne richtige Zahl, aber Yins Anleitung legt nahe, dass die Auswahl einer Replikationslogik folgen sollte: Wählen Sie genügend Fälle aus, um eine wörtliche Replikation (mindestens zwei bis drei Fälle, die ähnliche Ergebnisse vorhersagen) und, falls relevant, eine theoretische Replikation (zwei bis drei zusätzliche kontrastierende Fälle) zu demonstrieren. In der Praxis ist die häufigste Bandbreite zwei bis sechs Fälle. Mehr als zehn Fälle laufen Gefahr, ohne erhebliche Forschungsressourcen unüberschaubar zu werden.

Ist Multiple-Case-Study qualitativ oder kann sie Zahlen enthalten?

Die Multiple-Case-Study ist in erster Linie ein qualitatives Forschungsdesign, da sie eine eingehende kontextuelle Untersuchung und analytische statt statistische Generalisierung betont. Sie kann jedoch legitimerweise quantitative Daten – Leistungskennzahlen, demografische Statistiken, Umfrageergebnisse – als eine Evidenzquelle innerhalb jedes Falls einbeziehen. Die quantitativen Daten dienen dazu, das qualitative Porträt jedes Falls zu bereichern und zu triangulieren; sie verwandeln das Design nicht in eine vergleichende quantitative Studie.

Was ist der Unterschied zwischen wörtlicher und theoretischer Replikation?

Wörtliche Replikation bedeutet, Fälle auszuwählen, von denen erwartet wird, dass sie ähnliche Ergebnisse liefern, und festzustellen, dass sie dies tun – was bestätigt, dass das Phänomen in vergleichbaren Kontexten robust ist. Theoretische Replikation bedeutet, bewusst Fälle auszuwählen, von denen erwartet wird, dass sie aus spezifizierbaren theoretischen Gründen unterschiedliche Ergebnisse liefern, und festzustellen, dass sie dies tun – was zeigt, dass die Theorie die Bedingungen, unter denen die Ergebnisse variieren, korrekt vorhersagt. Eine gut konzipierte Multiple-Case-Study verwendet typischerweise beide Arten zusammen.

Kann Multiple-Case-Study zur Theoriebildung statt zur Theorieprüfung verwendet werden?

Ja. Wenn wenig Vorabtheorie vorhanden ist, kann der Forscher ein exploratives Multiple-Case-Design verwenden, um aus den Daten eine begründete theoretische Erklärung zu entwickeln. Der Cross-Case-Vergleich deckt dann auf, welche Muster sich über Kontexte hinweg als robust erweisen und welche variieren – und liefert die empirische Grundlage für eine aufkommende Theorie. Theoriebildende Multiple-Case-Studien sind in der Management-, Politik- und Bildungsforschung üblich und stehen im Geiste der Grounded Theory nahe, behalten aber den Fall als primäre Analyseeinheit bei.

Verwandte Methoden

Quellen

  1. Yin, R. K. (2018). Case Study Research and Applications: Design and Methods (6th ed.). Sage.

    ISBN: 978-1506336169
    Kopiert.
  2. Stake, R. E. (2006). Multiple Case Study Analysis. Guilford Press.

    ISBN: 978-1593852481
    Kopiert.