Grundlagen der qualitativen Datenerhebung im Gesundheitswesen

Qualitative Datenerhebung ist ein zentrales Instrument der empirischen Forschung im Gesundheitswesen. Sie hilft dabei, ein tieferes Verständnis für Themen zu gewinnen, die durch Zahlen allein nicht vollständig erfasst werden können – zum Beispiel, wie Patient:innen ihre Krankheit erleben, wie Entscheidungen im Team getroffen werden oder wie Pflegekräfte mit Unsicherheiten in komplexen Versorgungssituationen umgehen.

Im Gegensatz zur quantitativen Forschung, die auf messbare und vergleichbare Daten setzt, geht es bei qualitativen Methoden darum, subjektive Erfahrungen, soziale Prozesse und alltägliche Handlungsweisen in ihrem jeweiligen Kontext zu erfassen. Gerade im Gesundheitswesen – einem Feld, das geprägt ist von individuellen Lebenswelten, interprofessioneller Zusammenarbeit und institutionellen Rahmenbedingungen – bietet die qualitative Forschung wertvolle methodische Offenheit und Tiefe.

Ob in der Pflege, der Medizin, der Therapie oder im Bereich der Gesundheitsförderung: Qualitative Erhebungsmethoden machen sichtbar, was Menschen tun, fühlen, sagen – und warum. Sie ermöglichen es, Versorgung aus der Perspektive der Beteiligten zu betrachten und dadurch praxisnahe Erkenntnisse zu gewinnen, die für die Weiterentwicklung von Angeboten, Abläufen oder Schulungen genutzt werden können.

In dieser Selbstlerneinheit werden die grundlegenden Prinzipien qualitativer Datenerhebung im Gesundheitswesen vorgestellt. Dabei wird zunächst geklärt, was unter qualitativen Daten zu verstehen ist und wie sie sich von quantitativen Daten unterscheiden. Anschließend geht es um die Frage, welche Merkmale qualitative Daten haben und wie sie praktisch eingesetzt werden können – zum Beispiel durch Interviews, Beobachtungen oder Dokumentenanalysen.

Dieses Kapitel richtet sich an alle, die sich mit Forschung im Gesundheitswesen beschäftigen – ob in der Lehre, im Studium oder in der praktischen Versorgung durch Gesundheits- und Fachpersonal. Ziel ist es, einen verständlichen und praxisnahen Einstieg in die Welt qualitativer Erhebungsmethoden zu bieten – fundiert, nachvollziehbar und direkt anwendbar.

Was sind qualitative Daten?

Qualitative Daten sind Informationen, die nicht in Zahlen oder Statistiken ausgedrückt werden, sondern in Worten. Sie zeigen, wie Menschen ihre Erfahrungen, Gedanken und Gefühle beschreiben, wie sie Situationen wahrnehmen und Entscheidungen treffen. Solche Daten entstehen zum Beispiel in Interviews, bei Beobachtungen im Berufsalltag oder in offenen Fragen von Fragebögen.

Im Unterschied zu quantitativen Daten, die messbare Größen wie Blutdruck oder Wartezeiten abbilden, geht es bei qualitativen Daten um Inhalte wie Erfahrungen, Sichtweisen, Gefühle oder soziale Dynamiken. Diese Daten geben Einblick in individuelle Perspektiven und alltägliche Handlungszusammenhänge, etwa im Umgang mit Krankheit, Belastung, Entscheidungsfindung oder Versorgungssituationen.

 Im Gesundheitswesen geben qualitative Daten Antworten auf Fragen wie:

  • Wie empfinden Patient:innen das Gespräch mit Ärzt:innen oder Pflegekräften?
  • Wie erleben MFA oder Pflegekräfte Stress im Praxisalltag?
  • Was bedeutet es für Angehörige, wenn eine Therapie abgebrochen wird? 

Diese Daten entstehen nicht durch vorgegebene Antwortmöglichkeiten, wie bei einer klassischen Umfrage, sondern durch offene Gespräche, persönliche Erzählungen oder beobachtete Verhaltensweisen. Dadurch wird sichtbar, was Menschen wichtig ist, was sie beschäftigt oder wo es im Versorgungsalltag Herausforderungen gibt.

Qualitative Daten sind besonders nützlich, wenn noch wenig über ein Thema bekannt ist oder wenn es darum geht, Perspektiven zu hören, die sonst oft übersehen werden – etwa die Sorgen von Angehörigen, die Gefühle von Patient:innen nach einer Diagnose oder der Umgang mit moralischen Konflikten im Team.

Merkmale qualitativer Daten

Qualitative Daten sind kontextgebunden und deutungsbedürftig. Sie lassen sich nicht einfach zählen oder in Prozentangaben zusammenfassen. Stattdessen werden sie inhaltsanalytisch ausgewertet, z. B. durch die Identifikation von Themen, Kategorien oder Mustern (oft als "Codierung" bezeichnet). Dabei wird systematisch untersucht, was gesagt wird, wie etwas gesagt wird und in welchem Zusammenhang es steht.

Der Erkenntniswert qualitativer Daten liegt nicht in der Repräsentativität, sondern in der Tiefe des Verständnisses. Sie ermöglichen es, komplexe Phänomene in ihrer Vielschichtigkeit zu erfassen – z. B. Entscheidungsprozesse in Teams, subjektive Krankheitsverläufe oder alltägliche Herausforderungen in der Versorgung.

 

Relevanz für Praxis, Lehre und Forschung

Qualitative Daten spielen in vielen Bereichen des Gesundheitswesens eine Rolle:

  • In der Praxis, z. B. bei Patientenbefragungen, Teambesprechungen oder Ethikrunden
  • In der Lehre, zur Reflexion beruflicher Erfahrungen und Förderung kommunikativer Kompetenzen
  • In der Forschung, zur Entwicklung neuer Fragestellungen, Hypothesen und praxisnaher Empfehlungen

Dabei gelten – unabhängig vom Anwendungsfeld – die Grundprinzipien guter wissenschaftlicher Praxis: der respektvolle Umgang mit Aussagen, die Sicherung von Vertraulichkeit und die kritische Reflexion der eigenen Perspektive in der Auswertung.

Woher kommen qualitative Daten? – Unterscheidung zwischen Primär- und Sekundärdaten

In der qualitativen Forschung im Gesundheitswesen stellt sich immer die Frage: Woher stammen die Daten, mit denen wir arbeiten? Um dies zu beantworten, unterscheidet man zwei grundlegende Arten von Datenquellen – Primärdaten und Sekundärdaten.

Primärdaten: Selbst erhoben für ein konkretes Forschungsziel

Primärdaten sind Informationen, die Forscher:innen selbst erheben, um eine bestimmte Fragestellung zu untersuchen. In der Praxis bedeutet das: Man führt Interviews mit Patient:innen oder Angehörigen, beobachtet Abläufe auf Station oder moderiert Fokusgruppen mit Pflegefachpersonen. Die Daten entstehen im direkten Kontakt mit dem Feld und sind dadurch sehr nah an der Versorgungspraxis.

🏥 Beispiele für Primärdaten im Gesundheitswesen:

  • Gespräche mit Patient:innen über ihren Behandlungsverlauf
  • Interviews mit Pflegekräften zu Entscheidungsprozessen im Team
  • Beobachtungen in interprofessionellen Besprechungen

Diese Art von Daten ist besonders wertvoll, weil sie individuell, situationsbezogen und kontextsensitiv ist. Sie erlaubt einen unmittelbaren Zugang zu subjektiven Erfahrungen und beruflicher Praxis.

Sekundärdaten: Bereits vorhandene Informationen neu betrachtet

Sekundärdaten sind Daten, die bereits existieren und ursprünglich zu einem anderen Zweck erhoben wurden – beispielsweise Dokumente, Fallakten oder frühere Interviewtranskripte. Auch Medienberichte, Leitlinien oder schriftliche Patient:innenberichte können wertvolle qualitative Datenquellen sein.

🏥 Beispiele für Sekundärdaten:

  • Pflegeberichte in Patientenakten
  • Sitzungsprotokolle eines Ethikkomitees
  • Transkripte aus früheren Studien
  • Beiträge in Online-Selbsthilfegruppen

Sekundärdaten können besonders dann hilfreich sein, wenn der Zugang zum Feld schwierig ist oder wenn zusätzliche Perspektiven zur Analyse beitragen können.

Ausblick

In dieser Lerneinheit wurde erläutert, was qualitative Daten ausmacht und welche Quellen ihnen zugrunde liegen können – ob als selbst erhobene Primärdaten oder als bereits vorhandene Sekundärdaten. Doch wie genau entstehen solche Daten eigentlich? Welche Methoden eignen sich, um Erfahrungen, Perspektiven oder Alltagspraktiken im Gesundheitswesen systematisch zu erfassen?

In der nächsten Lerneinheit geht es um die konkreten Methoden der qualitativen Datenerhebung – etwa Interviews, Fokusgruppendiskussionen oder Beobachtungen. Dabei wird aufgezeigt, wie diese Verfahren angewendet werden können, worauf bei der Durchführung zu achten ist und welche Methode sich für welche Fragestellung besonders eignet.

Logo des Projekts DIM-Ruhr
Logo des Förderers Bundesministerium für Forschung, Technologie und Raumfahrt
Creative Commons Lizenz BY 4.0

 Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung 4.0 International Lizenz (CC BY 4.0) .

Universität Witten/Herdecke, Projekt DIM-Ruhr

Última modificación: lunes, 23 de marzo de 2026, 12:23