Kundinnen und Kunden bezeichnen ein Feature als unverzichtbar, doch der Nutzungsbericht zeigt, dass es kaum jemand öffnet. Die naheliegende Reaktion ist zu entscheiden, welche Quelle vertrauenswürdiger ist. Eine aufschlussreichere Untersuchung fragt jedoch, ob beide Quellen überhaupt dasselbe messen: Vielleicht nutzt eine einzelne Administratorin das Feature stellvertretend für ein ganzes Team, oder „unverzichtbar“ bedeutet einfach, dass es für seltene Notfälle bereitstehen muss.
Triangulation beleuchtet eine Forschungsfrage aus verschiedenen Blickwinkeln – über mehrere Methoden, Quellen, Forschende oder Perspektiven hinweg. Sie kann eine Erklärung untermauern, verschiedene Facetten eines Erlebnisses aufdecken oder Widersprüche sichtbar machen, die man genauer untersuchen sollte. Übereinstimmung ist hilfreich, aber längst nicht das einzige wertvolle Ergebnis.
Evidenz mit klarer Rolle wählen
Im fiktiven Beispiel mit dem Feature könnten Event-Daten die tatsächliche Nutzung belegen, Interviews den Kontext beleuchten, in dem das Feature wichtig wird, und Beobachtungen zeigen, wie die Arbeit im Team aufgeteilt ist. Jede Quelle liefert einen konkreten Beitrag, statt einfach nur als weitere Stimme für ein vorab festgelegtes Fazit herzuhalten.
Der Leitfaden zur Triangulation der Nielsen Norman Group beschreibt, wie sich verschiedene Forschungsansätze kombinieren lassen, um methodische Schwächen auszugleichen. Mehrere Quellen bringen dann den größten Erkenntnisgewinn, wenn ihre Reichweite und Grenzen verstanden werden. Drei Dashboards, die auf demselben Tracking-Fehler basieren, liefern keine drei unabhängigen Bestätigungen.
Triangulation kann auch unterschiedliche Zielgruppen, Zeiträume oder Analysten einbeziehen. Die passende Kombination hängt von der Unsicherheit und der Tragweite ab; ein simples Wording-Problem rechtfertigt nicht automatisch drei Studien.
Behauptungen vergleichen, nicht nur die Schlagzeilen
Bevor man Übereinstimmungen oder Widersprüche interpretiert, lohnt sich ein Blick auf Zielgruppe, Zeitraum und Fragestellung hinter jedem Ergebnis. Eine Zufriedenheitsumfrage unter zahlenden Admins und Beobachtungen neuer Endnutzer beschreiben unter Umständen schlicht grundverschiedene Erfahrungen. Behandelt man sie ohne diesen Kontext als Widerspruch, schafft man ein Problem, das in den Daten so gar nicht existiert.
Jeder Teilbereich sollte methodisch sauber analysiert werden – inklusive seiner Grenzen. Ein Prozentwert aus einer Umfrage verlangt den Blick auf Rekrutierung und Antwortausfälle; Interpretationen aus Interviews müssen sich direkt in den Aussagen wiederfinden. Eine Kombination hebt die Schwächen der einzelnen Methoden nicht magisch auf.
Beleuchten die Stränge unterschiedliche Aspekte einer Frage, sollte man aufzeigen, wie sie zusammenpassen. Beziehen sie sich auf dieselbe Behauptung und widersprechen sich, gilt es, plausible Gründe zu prüfen und offene Punkte klar zu benennen. Der Bericht sollte unbequeme Belege nicht im Anhang verstecken, während Übereinstimmungen zur Hauptstory aufgeblasen werden.
Den Vergleich das Fazit formen lassen
Angenommen, die Untersuchung zeigt, dass ein selten genutztes Feature einer Administratorin ermöglicht, eine kritische monatliche Aufgabe für viele Kolleginnen und Kollegen zu erledigen. Das treffende Fazit dreht sich dann eher um konzentrierten Mehrwert als um flächendeckende Nutzung oder ein überflüssiges Feature. Das verändert sowohl die Produktentscheidung als auch die Sicht auf das Nutzungsverhalten.
Mixed-Methods-Forschung setzt oft auf diese Art der Verknüpfung, auch wenn Triangulation genauso innerhalb rein qualitativer oder quantitativer Arbeit funktioniert. Keine Methode garantiert absolute Sicherheit oder belegt Kausalität allein durch die bloße Anzahl der Quellen.
Das eigentliche Ergebnis ist eine fundierte Erklärung: Was stützt welche Quelle, wie hängen die Belege zusammen und wo bleibt die Aussagekraft begrenzt? Manchmal reicht das schon, um zu handeln – manchmal grenzt der Widerspruch genau die nächste Studie ein, die jetzt wirklich weiterhilft.