EVIDENRA revolutioniert qualitative Forschung durch intelligente KI-Integration. Die AKIH-Methode kombiniert bewährte wissenschaftliche Ansätze mit moderner Technologie: Erstelle Forschungsfragen automatisch, entwickle Kategorien adaptiv und analysiere systematisch.
Adaptiv-KI-gestützt-Iterativ-Human-in-the-loop
Bewertungsformel: Σ(wₐ × Pₐ) × TI × HV — sieben gewichtete Phasen, multipliziert mit Transparenz-Index und Human-Validierung. Strobl (2025), DOI 10.5281/zenodo.17822748 · CC BY 4.0
Drei fundamentale Schritte der Analyse
KI-gestützte Voranalyse erstellt initiale Kategorien basierend auf theoretischen Grundlagen und Forschungsfragen. Deduktive und induktive Kategorienentwicklung werden systematisch kombiniert.
Fortschrittliche Mustererkennung ermöglicht rekursive Analyse-Zyklen. Das System verfeinert Kategorien durch kontinuierliches Feedback und KI-gestützte Musteranalyse.
Mensch-KI-Kollaboration vereint algorithmische Konsistenz mit menschlicher Expertise. Interpretative Tiefe trifft auf systematische Präzision für validierte Forschungsergebnisse.
Integration von vier etablierten Forschungsansätzen
Qualitative Inhaltsanalyse nach Mayring
Regelgeleitet und systematisch
Grounded Theory
Induktive Theorieentwicklung
Phänomenologische Analyse
Erfahrungsorientiert
Thematische Analyse
Musterorientiert
Inter-Rater-Reliabilität mit Cohen's Kappa ≥ 0.7 als Qualitätsstandard. Vollständige Dokumentation aller Analyseschritte und transparente Nachvollziehbarkeit.
Gemessen gegen eine veröffentlichte menschliche Kodierung an fremdem Material: 86,5 % Übereinstimmung über 74 Einheiten (Cohens κ 0,846 gepoolt; aufgabenweise 0,42 bis 0,89). Ein Vergleich gegen rein manuelle Arbeit wurde nicht angestellt.
Mehrschichtige Validierungsverfahren sichern wissenschaftliche Qualität. Automatische Konsistenzprüfung und methodische Präzision in jeder Analysephase.
Von Material-Upload bis zum publikationsreifen Bericht: Forschungsfragen, Kategorienbildung, Kodierung, Reliabilitätsanalyse, Musteranalyse, Validierung, Reporting.
Theoriegeleitete UND datengetriebene Kategorienentwicklung. Systematische Integration von Top-Down und Bottom-Up Ansätzen.
Wo die drei Einschätzungen je Segment einig sind, trifft die Kodierung in 95 % der Fälle; wo sie auseinandergehen, in 63 %. Wer nur die uneinigen Fälle nachsieht, prüft ein Viertel des Materials und findet sieben von zehn Fehlern.