Zum Inhalt springen
Zurück zu den Suchergebnissen

Datensättigung in der qualitativen Forschung

Eingeführt von
Barney Glaser and Anselm Strauss
Jahr
1967
Typ
Concept
Familie
sampling-concept

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

Schriftgröße

Was leistet sie?

Datensättigung ist ein grundlegendes Prinzip der qualitativen Forschung, das den Punkt beschreibt, an dem die Datenerhebung keine neuen Themen, Codes oder Erkenntnisse mehr liefert – zusätzliche Daten werden redundant.

Die Sättigung wurde von Glaser und Strauss (1967) in ihrer Arbeit zur Grounded Theory eingeführt und leitet Entscheidungen über die Stichprobengröße und den Zeitpunkt der Rekrutierung von Teilnehmern. Sättigung ist keine feste Zahl, sondern ein dynamischer Endpunkt, der durch die Prüfung bestimmt wird, ob neue Daten inhaltlich neue Informationen hinzufügen. Das Konzept ist zentral für die Behauptungen von Rigorosität und theoretischer Angemessenheit in der qualitativen Forschung und signalisiert, dass der Forscher genügend Daten gesammelt hat, um das Phänomen tiefgehend zu verstehen.

Die Intuition hinter der Methode

In der qualitativen Forschung geht es nicht darum, wie viele Personen Sie untersucht haben, sondern darum, ob Sie genügend Daten gesammelt haben, um das Phänomen tiefgehend zu verstehen. Sättigung operationalisiert dieses Prinzip: Sie fragt: 'Fügt jedes neue Interview, jede Fokusgruppe oder jede Beobachtung bedeutsam neue Informationen hinzu, oder hören wir immer wieder die gleichen Muster?' Frühe Interviews liefern typischerweise reichhaltige neue Themen; wenn Sie fortfahren, wiederholen neue Daten zunehmend bestehende Themen und fügen nur minimale neue Informationen hinzu. Sättigung signalisiert, dass Sie Tiefe und Breite des Verständnisses erreicht haben. Dies unterscheidet sich von statistischer Aussagekraft (die Repräsentation anstrebt) oder Generalisierbarkeit (die Populationsschätzungen anstrebt). Vielmehr zeigt Sättigung an, dass Sie die Komplexität und Variation des Phänomens innerhalb Ihrer Stichprobe erfasst haben. Das Erreichen der Sättigung ist ein Beweis dafür, dass Ihre Analyse auf den Daten basiert und nicht willkürlich ist.

Geschichte

Saturation was introduced by Glaser and Strauss (1967) as a key principle of grounded theory: theoretical sampling continues until new data no longer contribute new conceptual categories to the emerging theory. Strauss and Corbin (1998) operationalized saturation for practical use. Bowen (2008) and Guest et al. (2006) demonstrated that saturation in homogeneous samples often occurs at 12–20 interviews, challenging earlier assumptions that many more interviews are required. Contemporary discussions emphasize the importance of documenting saturation processes transparently and recognizing that saturation varies by research context, sample characteristics, and researcher skill. Recent work (Francis et al. 2010) has highlighted the distinction between thematic saturation (no new themes) and conceptual saturation (theory is fully developed), and has called for more precise terminology and documentation.

Wann wird sie eingesetzt?

Sättigung ist der Standardansatz zur Bestimmung der Stichprobengröße in qualitativen Studien, die thematische Analyse, Inhaltsanalyse oder Grounded Theory verwenden. Sie gilt für Interviews, Fokusgruppen, Beobachtungen und Dokumentenanalysen. Verwenden Sie Sättigungs-basiertes Sampling, wenn das Ziel das explorative Verständnis (Theoriegenerierung, Phänomenverständnis) und nicht die Hypothesenprüfung ist. Bei der Kombination qualitativer und quantitativer Methoden leitet die Sättigung die qualitative Stichprobengröße unabhängig von quantitativen Power-Berechnungen. Dokumentieren Sie die Sättigung explizit in Ihrer Methodik, um methodische Rigorosität nachzuweisen.

Grenzen und Hinweise

  • Requires ongoing analysis during data collection (time-intensive) and iterative decision-making; not possible if data collection and analysis are separated.
  • Subjective determination; researchers may disagree on when saturation is reached or what constitutes a 'new' theme.
  • Saturation varies by population homogeneity, research question complexity, and researcher skill; no universal threshold.
  • Can lead to prolonged or uncertain data collection timelines if saturation criteria are vague.
  • May delay or prevent publication if saturation is claimed prematurely or if researchers continue beyond saturation uncertainly.

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

Stärken

  • Provides principled, flexible approach to sample size determination; no need for a priori power calculations.
  • Grounds sample size in data itself; sample continues until theoretical adequacy is achieved rather than arbitrary cutoff.
  • Prevents both under-sampling (inadequate understanding) and over-sampling (unnecessary redundancy).
  • Encourages iterative, simultaneous data collection and analysis; allows emerging findings to guide further recruitment.
  • Strengthens rigor claims; saturation is recognized as evidence of methodological adequacy.

Anwendungen

  • Exploratory qualitative research across disciplines: determining when sufficient interviews, focus groups, or observations have been conducted to understand a phenomenon.
  • Grounded theory studies: using theoretical sampling to continue data collection until the emerging theory is fully developed and saturated.
  • Qualitative health research: studies of patient experiences, barriers to care, or implementation of health interventions rely on saturation-based sampling.
  • Social science research: saturation guides sample sizes in studies of attitudes, behaviors, organizational cultures, or social phenomena.
  • Mixed-methods research: saturation determines the qualitative sample size independently of quantitative sample size requirements.

So funktioniert es

So funktioniert es

1

Beginnen Sie mit der Datenerhebung durch erste Interviews, Fokusgruppen oder Beobachtungen. Analysieren Sie die Daten gleichzeitig mit der Erhebung (iterative Analyse), anstatt zu warten, bis alle Daten gesammelt sind. Kodieren und analysieren Sie die Daten nach jeder Datenerhebungsphase. Vermerken Sie neue Codes und Themen, wenn sie auftauchen. Rekrutieren und sammeln Sie weiterhin Daten. Fragen Sie sich bei jeder neuen Datenerhebungsphase: Fügt diese neue Datenerhebung wesentlich neue Themen oder Codes hinzu, oder passen sie zu bestehenden Kategorien? Verfolgen Sie die Häufigkeit neuer Codes: Wenn die letzten 3-5 Datenerhebungsphasen jeweils nur ein oder zwei neue Codes (oder keine) ergeben, nähert sich die Sättigung. Einige Forscher verwenden ein Sättigungsraster: Listen Sie Codes auf und markieren Sie, welche Interviews/Gruppen jeden Code enthalten. Wenn sich das Raster stabilisiert (wenige neue Codes erscheinen bei neuen Teilnehmern), ist die Sättigung erreicht. Dokumentieren Sie Ihre Entscheidungsfindung: Wie viele Teilnehmer haben Sie rekrutiert, wie viele zusätzliche Teilnehmer wurden benötigt, bevor die Sättigung erreicht war, und was galt als 'neues' Thema (geringe Ausarbeitung vs. inhaltlich unterschiedliche Erkenntnis).

2

Operationalisieren Sie die Sättigung, indem Sie definieren, was als 'neues' Thema gilt. Ein neues Thema bedeutet typischerweise eine wesentlich andere Erkenntnis, die zuvor nicht erfasst wurde – keine geringfügige Ausarbeitung oder Nuancierung bestehender Themen. Erstellen Sie ein thematisches Inventar: Listen Sie alle identifizierten Themen auf und vermerken Sie, in welchen Interviews/Gruppen jedes erscheint. Wenn neue Interviews nur geringfügige Details oder Ausarbeitungen zu bestehenden Themen hinzufügen, nähert sich die Sättigung. Erstellen Sie Sättigungstabellen, die die Codehäufigkeit über die Teilnehmer hinweg zeigen: Die Tabelle sollte sich stabilisieren, mit wenigen neuen Codes bei späteren Teilnehmern. Einige Forscher verwenden Redundanzraten: Berechnen Sie den Prozentsatz des 'neuen' Inhalts in jedem aufeinanderfolgenden Interview. Wenn der neue Inhalt pro Interview unter 5-10 % fällt, ist wahrscheinlich Sättigung erreicht. Bei homogenen Stichproben (ähnliches Alter, Erfahrung, Hintergrund) tritt Sättigung typischerweise bei etwa 12-15 Interviews auf; bei heterogenen Stichproben können 20-30+ Interviews erforderlich sein. Berichten Sie explizit, wie die Sättigung bewertet wurde und an welchem Punkt sie als erreicht galt.

Häufige Fallstricke

  • Treating minor elaborations or contextual details as 'new' themes; inflating saturation criteria to justify stopping early.
  • Failing to analyze data during collection; waiting until all data are gathered makes saturation assessment difficult and reactive.
  • Not documenting the saturation process transparently; claiming saturation without showing the evidence (code frequency tables, saturation grids).
  • Assuming saturation in one subgroup applies to another; homogeneous samples reach saturation faster than diverse ones.
  • Continuing data collection far beyond saturation without justification; saturation does not require continued collection to verify or deepen findings, though some researchers do this intentionally.

Häufig gestellte Fragen

How many interviews do I need to reach saturation?

For homogeneous samples (similar demographics, experiences), saturation typically occurs at 12–20 interviews. For heterogeneous samples (diverse backgrounds, experiences), 20–30+ interviews may be needed. Pilot studies suggest that among relatively homogeneous samples, saturation often occurs by the 12th interview with little new information after that (Guest et al. 2006). Document your actual data and show when saturation was reached rather than assuming a fixed number.

What counts as a 'new' theme?

A new theme is a substantively different insight not previously identified—a new perspective, explanation, or experience. Minor elaborations or contextual details related to existing themes do not count as new themes. Example: if you've identified that patients fear side effects, a patient describing specific side effects is not a new theme; but a patient discussing how side effects affect relationships is a new theme.

Can I claim saturation if I've done only 8 interviews?

Yes, but rarely and with caveats. If your sample is highly homogeneous and the research question is narrow, saturation may occur at 8 interviews. However, this requires documentation: show your coding tables or saturation grids demonstrating that new codes stabilized by interview 8 and no new codes appeared in interviews 9+ (if you conducted them). Be transparent about the limitation: acknowledge that your sample is small and findings apply to your specific context.

Do I need to continue data collection after reaching saturation?

No. Once saturation is reached, continuing to collect data yields redundancy, not deeper insight. However, some researchers intentionally collect additional data to verify or deepen understanding. This is acceptable but should be explicitly stated as a choice, not presented as required for saturation.

How do I reconcile saturation with ethics and feasibility?

Saturation is flexible. If resources (time, funding, access) limit data collection before saturation is reached, report this as a limitation. You can claim 'preliminary saturation' or 'saturation within resource constraints.' Be transparent: 'We reached saturation in themes A and B but not in theme C due to limited access to participants with C experiences.'

Verwandte Methoden

Quellen

  1. Glaser, B. G., & Strauss, A. L. (1967). The Discovery of Grounded Theory: Strategies for Qualitative Research. Aldine.

    ISBN: 978-0202302560
    Kopiert.
  2. Strauss, A., & Corbin, J. (1998). Basics of Qualitative Research: Techniques and Procedures for Developing Grounded Theory (2nd ed.). SAGE Publications.

    ISBN: 978-0803959393
    Kopiert.
  3. Bowen, G. A. (2008). Naturalistic inquiry and saturation (S): Determining when enough is enough. Journal of Research in Education, 18(1), 137-152.

    Publikationsreferenz öffnen
    Kopiert.
  4. Guest, G., Bunce, A., & Johnson, L. (2006). How many interviews are enough? An experiment with data saturation and variability. Field Methods, 18(1), 59-82.

    DOI-Referenz öffnen
    Kopiert.