Kleine Leseanleitung<\/h2>\r\n\r\n\t- Der Artikel beginnt mit einen schnellen \u00dcberblick dar\u00fcber, was das Worth\u00e4ufigkeiten-Werkzeug macht<\/a> und warum es sich lohnt, es in den eigenen Workflow aufzunehmen.<\/li>\r\n\t
- Es folgt eine Schritt-f\u00fcr-Schritt-Anleitung zur Durchf\u00fchrung einer Worth\u00e4ufigkeitsanalyse <\/a>, um eigene Z\u00e4hlungen einzurichten und auszuf\u00fchren.<\/li>\r\n\t
- Wer das schon kennt, kann direkt zur Interpretation der Ergebnisse<\/a> springen, um die Zahlen in Erkenntnisse zu verwandeln.<\/li>\r\n\t
- Au\u00dferdem gibt es ein paar zeitsparende Tipps unter Schnellaktionen in der Ergebnistabelle<\/a>, um effizienter mit den Resultaten zu arbeiten.<\/li>\r\n\t
- Darauf folgenpraxisnahe Anwendungsf\u00e4lle<\/a>, die zum St\u00f6bern und zur Inspiration dienen.<\/li>\r\n\t
- Wer sein Wissen vertiefen m\u00f6chte, dem m\u00f6chte ich erweiterte Funktionen<\/a> wie Diktion\u00e4re und Go-Wort-Listen f\u00fcr gezieltere Analysen.<\/li>\r\n\r\nans Herz legen\r\n\r\n\t
- Unbedingt empfehlenswert ist der folgende Teil zu typischen Fallstricken und reflexiven Praktiken<\/a> , damit Ergebnisse bedeutsam bleiben.<\/li>\r\n\t
- Keine Zeit? Alles Wesentliche zur Worth\u00e4ufigkeitsanalyse in a Nutshell<\/a> gibt es am Ende.<\/li>\r\n<\/ol>\r\n<\/div>\r\n\r\n
1. Was macht das Worth\u00e4ufigkeiten-Werkzeug von MAXQDA?<\/h2>\r\n
MAXQDA enth\u00e4lt als Teil des MAXDictio-Moduls<\/a> ein dediziertes Worth\u00e4ufigkeits-Werkzeug. Diese Funktion durchsucht ausgew\u00e4hlte Texte, z\u00e4hlt einzelne W\u00f6rter und zeigt eine sortierbare Tabelle mit der H\u00e4ufigkeit jedes Wortes an. Sie ist flexibel genug, um Interviews, Fokusgruppen, Feldnotizen, Social-Media-Downloads, Richtliniendokumente, Tabellenkalkulationen und mehr zu verarbeiten.<\/p>\r\nKurz gesagt: MAXQDA User:innen w\u00e4hlen einfach ihre Daten, starten das Werkzeug und sehen sofort, welche W\u00f6rter ihren Datensatz dominieren, wie oft sie auftauchen und wo sie vorkommen. Das Beste: alles erfolgt \u00fcber eine intuitive Point-and-Click-Oberfl\u00e4che.<\/p>\r\n<\/div>\r\n
\r\n2. So funktioniert die Worth\u00e4ufigkeitsanalyse in MAXQDA<\/h2>\r\n
Die Worth\u00e4ufigkeitsanalyse ist Teil des Features MAXDictio \u203a ![](\"https:\/\/www.maxqda.com\/de\/wp\/wp-content\/uploads\/sites\/1\/Word_Frequencies.png\")
Worth\u00e4ufigkeiten<\/strong>. Alternativ kann man im MAXDictio-Men\u00fc auf die Bezeichnung Worth\u00e4ufigkeiten klicken, um nur W\u00f6rter zu z\u00e4hlen, die in einem Diktion\u00e4r oder einer Go-W\u00f6rter-Liste vorkommen. Diese Optionen werden weiter unten im Beitrag erl\u00e4utert.<\/p>\r\nSobald das Tool gestartet wird, \u00f6ffnet sich das Optionen-Fenster f\u00fcr Worth\u00e4ufigkeiten (siehe unten).<\/p>\r\n
![\"Screenshot](\"https:\/\/www.maxqda.com\/wp\/wp-content\/uploads\/sites\/2\/WordFrequencyAnalysis_WordFrequenciesSettings.png\" "\\"Erste")
<\/div>\r\n
\r\nDurchf\u00fchrung:<\/p>\r\n
a. Auswahl der Inhalte f\u00fcr die Analyse<\/h3>\r\n
Vor Beginn der Analyse wird der Umgang der Wortz\u00e4hlung festgelegt.<\/p>\r\n
\r\n\t- Nur f\u00fcr aktivierte Dokumente:<\/strong> bestimmte Dateien werden analysiert, z. B. Interviews von Junior-Teilnehmenden oder Stellenanzeigen nur von Startups.<\/li>\r\n\t
- Nur in \u201eListe der codierten Segmente\u201c:<\/strong> F\u00fcr die Analyse sollen nur aktuell angezeigte, codierte Segmente betrachtet werden.<\/li>\r\n\t
- Alle Dokumente:<\/strong> Wenn keine Filter gesetzt sind, ber\u00fccksichtigt MAXQDA alles.<\/li>\r\n\t
- Ignorieren-Elemente:<\/strong> Hier lassen sich Links, E-Mails oder anderes \u201eRauschen\u201c ausschlie\u00dfen \u2014 das ist besonders n\u00fctzlich bei Webdaten oder exportierten Transkripten.<\/li>\r\n<\/ul>\r\n\r\n\r\n
Reflexivit\u00e4ts-Check<\/strong><\/p>\r\n\r\nDas Aktivieren nur bestimmter Dateien reflektiert eine theoretische Entscheidung. Es sollte sichergestellt werden, dass die Auswahl mit der Forschungsfrage \u00fcbereinstimmt. Wichtig ist au\u00dferdem, dass Forschende im Memo notieren, warum diese Dokumente einbezogen und andere ausgeschlossen wurden.<\/div>\r\n<\/div>\r\nb. \u00dcber Aufgliederungen vergleichen<\/h3>\r\n
Hier l\u00e4sst sich festlegen, wie Wortz\u00e4hlungen \u00fcber verschiedene Teile des Projekts aufschl\u00fcsseln werden sollen.<\/p>\r\n
\r\n\t- Nach Dokumenten:<\/strong> Erkennen von Ausrei\u00dfern oder Dateien, die bestimmte Begriffe treiben.<\/li>\r\n\t
- Nach Dokumentgruppen oder Sets <\/a>:<\/strong> Vergleichen von Gruppen wie „Wave 1 Interviews“ oder „Teilnehmende unter 30“.<\/li>\r\n\t
- Nach Fokusgruppen-Teilnehmenden:<\/strong> Kontrastieren von Rollen oder einzelnen Teilnehmenden (nur sichtbar bei Fokusgruppendaten).<\/li>\r\n\t
- Nach Codes:<\/strong> Untersuchung nach bestimmten Themen oder analytischen Kategorien (verf\u00fcgbar bei Analyse abgerufener Segmente).<\/li>\r\n<\/ul>\r\n
Diese Aufschl\u00fcsselungen zeigen Muster, die in einer aggregierten Ansicht verborgen bleiben k\u00f6nnen.<\/p>\r\n
c. Ausgabe feinabstimmen<\/h3>\r\n
Im unteren Teil des Fensters gibt es weitere Optionen dar\u00fcber, wie W\u00f6rter gez\u00e4hlt werden, damit die Ergebnisse zur Forschungsfrage passen.<\/p>\r\n
\r\n\t- Minimale Zeichenanzahl:<\/strong> Ignorieren kurzer F\u00fcllw\u00f6rter (z. B. Mindestl\u00e4nge 4 Zeichen, um „der“ oder „und“ zu \u00fcberspringen).<\/li>\r\n\t
- Stopp-Wort-Liste:<\/strong> Anwenden einer vorhandenen Liste oder Erstellen eine neuen, um h\u00e4ufige, aber irrelevante W\u00f6rter zu entfernen (z. B. „Team“ in Stellenanzeigen oder „Abschnitt“ in juristischen Texten).<\/li>\r\n\t
- Gro\u00df-\/Kleinschreibung:<\/strong> Festlegen, ob diese W\u00f6rter gleich oder getrennt gez\u00e4hlt werden \u2014 wichtig f\u00fcr Eigennamen und Akronyme.<\/li>\r\n\t
- Lemmatisierung:<\/strong> Sollen Wortvarianten zusammengefasst werden (z. B. „gab“, „gegeben“, „gibt“ \u2192 „geben“) oder separat bleiben? Das ist n\u00fctzlich, wenn zwischen allgemeinen Tendenzen und nuancierten Unterschieden separiert werden soll.<\/li>\r\n<\/ul>\r\n
Mit diesen Einstellungen wird die Ausgabe sauberer und leichter interpretierbar.<\/p>\r\n
\r\n\r\nReflexivit\u00e4ts-Check<\/strong><\/p>\r\nZur Lemmatisierung:<\/strong>
\r\nDas Gruppieren von Formen wie „regulieren“, „reguliert“ und „Regulierung“ ver\u00e4ndert die Bedeutung in juristischen oder politischen Texten. Fragestellung: Sind diese Formen in Ihrem Kontext konzeptionell verkn\u00fcpft, oder sollten sie separat behandelt werden? Notieren Sie Ihre Entscheidung im Projekt-Memo.<\/p>\r\nZu Stop-W\u00f6rtern:<\/strong>
\r\nStopp-Wort-Listen sind nicht neutral. Das Entfernen h\u00e4ufiger, aber \u201euninformativer\u201c W\u00f6rter kann beeinflussen, welche Muster sichtbar werden. Forschenden ist dringend anzuraten zu dokumentieren, was sie entfernt haben und warum. Die Analyse sollte einmal mit und einmal ohne Stopp-Wort-Liste ausgef\u00fchrt werden, um Unterschiede festzustellen.<\/p>\r\n<\/div>\r\n<\/div>\r\n<\/div>\r\n\r\n3. Interpretation der Ergebnisse der Worth\u00e4ufigkeitsanalyse<\/h2>\r\n
Jetzt kommt der interessante Teil: zu verstehen, was auftaucht, und es zur Steuerung Ihrer Analyse zu nutzen.<\/p>\r\n
Mit Klick auf OK<\/strong> verarbeitet MAXQDA die Daten und erzeugt eine Worth\u00e4ufigkeiten-Tabelle.<\/p>\r\n![\"Beispiel:](\"https:\/\/www.maxqda.com\/wp\/wp-content\/uploads\/sites\/2\/WordFrequencyAnalysis_WordFrequencyResultsTableGeneral.png\" "\\"Ergebnistabelle")
<\/div>\r\n
\r\nObere Leiste<\/strong><\/p>\r\nDer obere Bereich des Fensters fasst Umfang und Gr\u00f6\u00dfe zusammen: Anzahl der analysierten Dokumente, insgesamt geparste W\u00f6rter, Anzahl eindeutiger W\u00f6rter und das Type-Token-Verh\u00e4ltnis (ein grober Indikator lexikalischer Vielfalt, der sensibel gegen\u00fcber Textl\u00e4nge ist). Mehr dazu im MAXQDA Manual<\/a>.<\/p>\r\nTabellenspalten<\/strong><\/p>\r\nDie Tabelle enth\u00e4lt folgende Spalten: Wort, Wortl\u00e4nge, H\u00e4ufigkeit, % des Gesamttexts, Rang, Dokumente und Dokumente % (die Spalten variieren je nach Analyse-Einstellungen). Die Spaltenanzeige l\u00e4sst sich per Klick mit der rechten Maustaste auf die Kopfzeile anpassen.<\/p>\r\n
\r\n\r\nTipp<\/strong><\/p>\r\nWenn Lemmatisierung aktiviert ist, zeigt der Maus-Hover \u00fcber ein Wort seine gruppierten Varianten wie im obigen Bild. F\u00fcr zusammengef\u00fchrte Begriffe erscheint ein ![](\"https:\/\/www.maxqda.com\/de\/wp\/wp-content\/uploads\/sites\/1\/Show_Sum_LightMode.png\")
-Symbol; ein Maus-Hover \u00fcber die Zeile zeigt, welche Begriffe zusammengefasst wurden.<\/p>\r\n<\/div>\r\n<\/div>\r\n
\r\n
Strategien zur sinnvollen Deutung der Zahlen:<\/p>\r\n\r\n\t
- \r\n
\r\n\t- Suche nach dominanten Begriffen und wiederkehrenden Themen<\/strong>
\r\nH\u00e4ufige W\u00f6rter k\u00f6nnen zentrale Themen, kulturelle Schl\u00fcsselw\u00f6rter oder wiederkehrende Anliegen signalisieren. In Stellenanzeigen k\u00f6nnten Begriffe wie „Team“, „Flexibilit\u00e4t“ oder „Benefits“ dominieren. In Interview-Transkripten erw\u00e4hnen Teilnehmende vielleicht h\u00e4ufig „Vertrauen“, „Gerechtigkeit“ oder „Stress“. Diese H\u00e4ufigkeiten zeigen, wohin sich die Diskussion bewegt \u2014 um zu verstehen, warum das so ist, m\u00fcssen die umgebenden Segmente gelesen werden. Word Frequencies lassen sich gut als Einstiegspunkte f\u00fcr vertiefte Lekt\u00fcre verwenden, nicht jedoch als alleinige Schlussfolgerungen.<\/li>\r\n<\/ul>\r\n<\/li>\r\n
\r\n\t- \r\n
\r\n\t- Zwischen Gruppen und Codes vergleichen<\/strong>
\r\nWenn eine Aufgliederung gew\u00e4hlt ist, zeigt MAXQDA, wie oft jedes Wort in Dokumenten, Gruppen, Sets oder kodierten Segmenten vorkommt. So kann der Sprachgebrauch zwischen Subgruppen oder Themen verglichen werden. In einer Fokusgruppenstudie k\u00f6nnte man etwa nach Teilnehmenden differenzieren, um Wortschatzunterschiede zu erkennen. In der Politikforschung kann die Differenzierung nach Kapitelcodes zeigen, welche Abschnitte bestimmte Konzepte betonen. Diese Aufschl\u00fcsselungen machen Variationen sichtbar, die in aggregierten Z\u00e4hlungen verloren gehen.<\/li>\r\n<\/ul>\r\n<\/li>\r\n
\r\n\t- \r\n
\r\n\t- H\u00e4ufigkeiten als Leitfaden zum Codieren nutzen<\/strong>
\r\nH\u00e4ufigkeitsmuster k\u00f6nnen Codierentscheidungen dienen. Ein h\u00e4ufig verwendetes Wort verdient m\u00f6glicherweise einen eigenen Code, insbesondere wenn es zur Forschungsfrage passt. Umgekehrt kann ein seltenes, aber theoretisch relevantes Wort Anlass f\u00fcr gezieltere Suche oder Lekt\u00fcre geben. So k\u00f6nnen sogar Dokumentsets aus der Ergebnistabelle erstellt werden, um zu untersuchen, wo Schl\u00fcsselbegriffe auftreten, und so Segmente identifizieren, die einer n\u00e4heren Analyse bed\u00fcrfen.<\/li>\r\n<\/ul>\r\n<\/li>\r\n
\r\n\r\n\t- \r\n
\r\n\t- Den Filter nach Wortart nutzen<\/strong>
\r\nMAXQDA erlaubt das Filtern der Ergebnistabelle nach Wortarten, z. B. nur Substantive, Adjektive oder Verben. Das ist besonders hilfreich, wenn nach bestimmten Sprachtypen gesucht wird. Bei der Untersuchung emotionaler Tonalit\u00e4t k\u00f6nnten Adjektive im Fokus stehen; bei Agency-Fragestellungen dagegen Verben. Durch die Einschr\u00e4nkung wird das Rauschen reduziert und die Ausgabe an analytische Ziele angepasst. Im Fenster „Wortarten“ lassen sich die Textsprache und die gew\u00fcnschte Wortart w\u00e4hlen.<\/li>\r\n<\/ul>\r\n<\/li>\r\n
\r\n\r\n\t- Muster erkennen mit Tabellenspalten<\/strong>
\r\nDie Ergebnistabelle in MAXQDA enth\u00e4lt mehr als nur die H\u00e4ufigkeit. Spalten wie Wortl\u00e4nge, Prozent des Gesamttexts, Rang und „Dokumente %“ (Anteil der analysierten Dokumente, die das Wort enthalten) liefern zus\u00e4tzliche Hinweise. Es l\u00e4sst sich auch die Metrik in den Zellen umschalten \u2014 z. B. Rang, Anzahl Dokumente oder Prozentsatz statt H\u00e4ufigkeit anzeigen. Das ist hilfreich beim Vergleich \u00fcber Dokumentsets oder Fokusgruppen hinweg. Ein Begriff kann in einer Gruppe hoch gerankt sein, in einer anderen aber nur kurz auftauchen \u2014 solche Kontraste sind oft analytisch aufschlussreich. Nicht alle Optionen stehen in jeder Ansicht zur Verf\u00fcgung, aber wo sie verf\u00fcgbar sind, f\u00fcgen sie der Interpretation eine weitere Dimension hinzu.<\/li>\r\n<\/ul>\r\n\r\n\r\nEin iterativer Prozess<\/strong><\/p>\r\nWorth\u00e4ufigkeitsanalyse ist kein einmaliges Zahlenspiel. Sie kann den gesamten Forschungsablauf steuern \u2014 vom fr\u00fchen Aufsp\u00fcren von Schl\u00fcsselbegriffen \u00fcber die Verfeinerung Ihrer Codes bis hin zur Erstellung aussagekr\u00e4ftiger Visualisierungen. Jeder Schritt verleiht der Interpretation mehr Tiefe.<\/p>\r\n<\/div>\r\n<\/div>\r\n
Fokus: Zahlen in Aktion sehen<\/h3>\r\n
Zur Veranschaulichung fassen wir alles mit einer Beispiel-Ergebnistabelle zusammen.<\/p>\r\n
![\"Screenshot](\"https:\/\/www.maxqda.com\/wp\/wp-content\/uploads\/sites\/2\/WordFrequencyAnalysis_WordFrequencyResultsTable.png\" "\\"Top")
<\/div>\r\n
\r\nDie obige Tabelle zeigt die Top 10 Substantive<\/strong> \u00fcber sechs US-Pr\u00e4sidenten-Inaugurationsreden (2001\u20132021), mit Ergebnissen nach Dokumenten differenziert<\/strong>. Diese Konfiguration sch\u00e4rft den Fokus auf begriffsreiche Sprache und erlaubt zugleich Vergleiche zwischen einzelnen Rednern.<\/p>\r\nAnalytisch balanciert diese Einstellung Breite (Frequenz \u00fcber das Dataset) mit Spezifit\u00e4t (Variation nach Dokument). Substantive fassen Kernthemen und symbolischen Wortschatz zusammen. W\u00fcrde der Fokus auf Handlungsf\u00e4higkeit, Modalit\u00e4t oder wertenden Haltungen liegen, k\u00f6nnte man stattdessen Verben oder Adjektive filtern \u2014 jede Wortart er\u00f6ffnet eine andere Perspektive auf den Diskurs.<\/p>\r\n
Eine genaue Lekt\u00fcre zeigt mehrere n\u00fctzliche Muster:<\/p>\r\n
\r\n\t- Kernbegriffe verankern das Genre.<\/strong>
\r\nDas Wort „nation“ erscheint in allen sechs Reden und rangiert insgesamt am h\u00f6chsten \u2014 ein Hinweis darauf, dass Antrittsreden Ritualsprache nationaler Identit\u00e4t nutzen. Seine konstante Verwendung reflektiert wahrscheinlich einen grundlegenden Wortschatz von Einheit und Zugeh\u00f6rigkeit. M\u00f6glicherweise m\u00fcssen Sie „nation“ nicht codieren; seine Pr\u00e4senz setzt jedoch das diskursive Grundniveau.<\/li>\r\n\t- Manche W\u00f6rter ziehen sich durch die Zeit, andere bleiben lokal.<\/strong>
\r\nBegriffe wie „people“, „country“ und „world“ treten in allen Dokumenten auf und deuten auf konstante Anliegen kollektiver Akteure und globaler Positionierung hin. Im Gegensatz dazu sticht „freedom“ in Bushs Rede 2001 hervor (25 Nennungen) und verschwindet bis Bidens Rede 2021. Solche Verschiebungen laden zu kontextueller Lekt\u00fcre ein: Ist der R\u00fcckgang Ausdruck politischer Ideologie, historischer Umst\u00e4nde oder rhetorischer Strategie?<\/li>\r\n\t- Ausrei\u00dfer sind wichtig.<\/strong>
\r\nDas Wort „citizen“ zeigt deutliche Varianz: neun Nennungen in Bushs Rede 2005, aber nur eine in Bidens 2021. Solche Schieflagen k\u00f6nnen auf lokalisierte Themen hindeuten, etwa eine Betonung staatsb\u00fcrgerlicher Pflichten oder eine spezifische Rahmung des Staats-B\u00fcrger-Verh\u00e4ltnisses. Ein Klick durch die Segmente und ein genaues Lesen lohnt \u2014 Ausrei\u00dfer tragen oft ideologische Bedeutung.<\/li>\r\n\t- Nicht alle h\u00e4ufigen W\u00f6rter sind analytisch n\u00fctzlich.<\/strong>
\r\nW\u00f6rter wie „today“ und „day“ sind h\u00e4ufig, haben aber meist zeremonielle Funktion; sie markieren den Anlass, tragen jedoch wenig zum thematischen Kern bei. Die H\u00e4ufigkeiten sind ein Wegweiser, nicht aber Ersatz f\u00fcr Bedeutung: einige W\u00f6rter sind Ger\u00fcst, andere Signale.<\/li>\r\n\t- Dokument % zeigt Verbreitung an.<\/strong>
\r\nDie Spalte „Dokumente %“ gibt an, in wie vielen analysierten Dokumenten ein Begriff vorkommt. „Nation“, „people“ und „country“ werden in 100% der Reden verwendet; „freedom“ und „day“ nur in f\u00fcnf von sechs. Das ist ein kleiner Unterschied, kann aber in einem kleinen Datensatz eine Ton- oder Fokusverschiebung markieren. Es lohnt sich auch hier, genau hinzuschauen.<\/li>\r\n\t- Word Frequencies sind Ausgangspunkte, keine Schlussfolgerungen.<\/strong>
\r\nWenn ein Wort die Aufmerksamkeit erregt, weil es h\u00e4ufig, fehlend oder ungew\u00f6hnlich erscheint, helfen MAXQDA Tools wie ![](\"https:\/\/www.maxqda.com\/de\/wp\/wp-content\/uploads\/sites\/1\/Keyword_in_Context_LightMode.png\")
Keyword-in-Context oder ![](\"https:\/\/www.maxqda.com\/de\/wp\/wp-content\/uploads\/sites\/1\/Word_Explorer_LightMode.png\")
Wort-Explorer, um zu sehen, wie ein Begriff Satz f\u00fcr Satz verwendet wird oder in Beziehung zu anderen steht. Frequenz kartiert den Wald; Interpretation beginnt, wenn man hineingeht. F\u00fcr einen genaueren Blick auf MAXQDAs Wort-Explorer empfiehlt sich unser Blogbeitrag zu Favoritenfunktionen des Word Explorer<\/a>.<\/li>\r\n<\/ul>\r\nSolche Tabellen sind wertvoll, weil sie viel diskursive Struktur in eine lesbare Form komprimieren und Makro-Level-Mustererkennung mit der M\u00f6glichkeit zum Close Reading verbinden. Das ist eine Voraussetzung f\u00fcr eine wirksame Mixed-Methods-Textanalyse. .<\/p>\r\n
\r\n\r\nMerke:<\/strong>
\r\nH\u00e4ufigkeitstabellen weisen auf Ph\u00e4nomene hin, die weitere Untersuchung erfordern. Sie sagen nicht per se, was diese Ph\u00e4nomene bedeuten.<\/p>\r\n<\/div>\r\n<\/div>\r\n<\/div>\r\n\r\n4. Schnellaktionen in der Ergebnistabelle<\/h2>\r\n\r\n\t- Per Rechtsklick auf ein beliebiges Wort<\/strong> in der Ergebnistabelle lassen sich folgende Befehle ausf\u00fchren:\r\n\r\n
\r\n\t- Hinzuf\u00fcgen des Wortes zu einer Stopp-Wort-Liste oder einem Diktion\u00e4r<\/li>\r\n\t
- Aktivieren der Dokumente, in denen das Wort vorkommt<\/li>\r\n\t
- Erstellen eines Dokumentset basierend auf Trefferergebnissen<\/li>\r\n\t
- \u00d6ffnen des Wortes im Wort-Explorer f\u00fcr mehr Kontext.<\/li>\r\n<\/ul>\r\n<\/li>\r\n\t
- Begriffe verschmelzen per Drag & Drop,<\/strong> Konzeptionell verwandte W\u00f6rter lassen sich kombinieren, indem man einen Begriff auf einen anderen zieht. Die zusammengef\u00fchrte Zeile wird mit einem -Summensymbol markiert. Ein Maus-Hover zeigt einen Tooltip mit allen in dieser Zeile enthaltenen Begriffen. Ein Klick auf den
![](\"https:\/\/www.maxqda.com\/de\/wp\/wp-content\/uploads\/sites\/1\/Undo_LightMode.png\")
-Pfeil in der Tabellen-Toolbar macht dies r\u00fcckg\u00e4ngig.<\/li>\r\n\t- Visualisieren dominanter Begriffe<\/strong> per Klick auf das
![](\"https:\/\/www.maxqda.com\/de\/wp\/wp-content\/uploads\/sites\/1\/Word_Cloud_LightMode.png\")
Wortwolke-Icon. Super f\u00fcr Pr\u00e4sentationen oder um Schl\u00fcsselsprachen auf einen Blick zu erkennen. Mehr zur Wortwolke-Funktion von MAXQDA<\/a>.<\/li>\r\n\t- Doppelklick auf ein Wort<\/strong>, um ein detailliertes „Suchergebnisse“-Fenster zu \u00f6ffnen und jede Instanz im Kontext zu sehen. Von dort aus k\u00f6nnen Sie:\r\n\r\n
\r\n\t- Autocode<\/a> Suchtreffer, oder<\/li>\r\n\t
- die Anzahl der Treffer pro Dokument als Variable speichern<\/li>\r\n<\/ul>\r\n<\/li>\r\n<\/ul>\r\n<\/div>\r\n\r\n
5. Anwendungsf\u00e4lle f\u00fcr verschiedene Datentypen<\/h2>\r\n
Um die Flexibilit\u00e4t des Worth\u00e4ufigkeiten-Werkzeugs zu veranschaulichen, durchlaufen wir mehrere praxisnahe Szenarien.<\/p>\r\n
\r\n\r\nRecruiting-Trends in Stellenanzeigen<\/h4>\r\n
Fragestellung: Inwiefern spiegeln lexikalische Entscheidungen das Thema Organisationskultur in der Arbeitgeber-Ansprache wider?<\/em><\/p>\r\nEs soll untersucht werden, wie Arbeitgeber Remote-Arbeit in IT-Stellenanzeigen darstellen. Das wird eine H\u00e4ufigkeitsanalyse \u00fcber eine Reihe aktueller Stellenanzeigen in MAXQDA ausgef\u00fchrt. Begriffe wie „remote“, „hybrid“ und „Team“ dominieren. Die Differenzierung nach Dokumentgruppen (z. B. Startups vs. etablierte Unternehmen) zeigt, dass kleinere Firmen „Flexibilit\u00e4t“ und „Innovation“ betonen, w\u00e4hrend gr\u00f6\u00dfere Organisationen „Benefits“ und „Karriereentwicklung“ hervorheben.<\/p>\r\n
Dieser lexikalische Kontrast kann unterschiedliche Organisationskulturen und Rekrutierungsstrategien widerspiegeln: Startups r\u00fccken Autonomie und unternehmerische Identit\u00e4t in den Vordergrund, Konzerne betonen institutionelle Stabilit\u00e4t. Worth\u00e4ufigkeitsanalyse n zeigen, wie Unternehmen ihre Identit\u00e4t und Werte in der Ansprache von Bewerber*innen rahmen und regen zu tiefergehender Untersuchung an, etwa zur \u00dcbereinstimmung zwischen beworbenen Werten und tats\u00e4chlichen Arbeitsbedingungen.<\/p>\r\n<\/div>\r\n
\r\nEntdeckung von Fokusgruppen-Vokabular<\/h4>\r\n
Fragestellung: Welche generativen Unterschiede lassen sich in verschiedenen Betreuungsnarrativen aufzeigen?<\/em><\/p>\r\nIn einer Studie zu Pflegearbeit wird eine H\u00e4ufigkeitsanalyse f\u00fcr Segmente durchgef\u00fchrt, die unter „Herausforderungen“ kodiert sind. W\u00f6rter wie „Zeit“, „Unterst\u00fctzung“, „Stress“ und „Familie“ treten am h\u00e4ufigsten auf. Die Differenzierung nach Fokusgruppe zeigt, dass j\u00fcngere Teilnehmende h\u00e4ufiger „Zeit“ und „Arbeitsbelastung“ nennen, w\u00e4hrend \u00e4ltere Teilnehmende eher „Gesundheit“ und „Unterst\u00fctzung“ thematisieren.<\/p>\r\n
Diese Muster deuten auf generationenspezifische Unterschiede in der Rahmung von F\u00fcrsorgeaufgaben hin. F\u00fcr j\u00fcngere Befragte liegt die Spannung zwischen bezahlter Arbeit und informeller Pflege; bei \u00e4lteren r\u00fcckt Gesundheit und das emotionale Netzwerk in den Vordergrund. Solche Befunde sind Anhaltspunkte f\u00fcr weitergehendes Codieren oder theoretische Einordnung.<\/p>\r\n<\/div>\r\n
\r\nSoziale Medien und Aktivismus<\/h4>\r\n
Fragestellung: Wie lassen sich in Aktivismus-Diskursen Dringlichkeit und Gerechtigkeit durch wiederkehrende Begriffe konstruieren?<\/em><\/p>\r\nBei der Analyse von Social-Media-Kommentaren zu einer Umweltkampagne k\u00f6nnen Hyperlinks und User-Handles \u00fcber die „Ignorieren“-Optionen ausgeschlossen und eine Stopp-Wort-Liste angewendet werden, um plattform-spezifische W\u00f6rter zu entfernen. Z\u00e4hlungen zeigen, dass „Klima“, „Gerechtigkeit“, „Jugend“ und „Zukunft“ wiederkehrende Themen sind.<\/p>\r\n
Diese Muster k\u00f6nnen auf einen Diskurs hinweisen, der durch intergenerationelle Dringlichkeit und moralische Appelle geformt ist. Die Pr\u00e4senz von „Gerechtigkeit“ und „Jugend“ passt zur Rhetorik der Klimagerechtigkeit, die Ungleichheit, Verantwortung und zeitliche Dringlichkeit in den Mittelpunkt stellt. Die H\u00e4ufigkeiten k\u00f6nnen als Wegweiser f\u00fcr tiefergehende Diskurs- oder Frame-Analysen genutzt werden \u2014 nicht jedoch als endg\u00fcltige Aussagen.<\/p>\r\n<\/div>\r\n
\r\nPolitik- und Rechtsdokumente<\/h4>\r\n
Aufgabenstellung: Vergleichen Sie Policy-Paradigmen \u00fcber nationale Kontexte hinweg mittels lexikalischer H\u00e4ufigkeit.<\/em><\/p>\r\nF\u00fcr eine vergleichende Policy-Analyse werden Umweltgesetze nach Land gruppiert und die H\u00e4ufigkeitsz\u00e4hlung nach Gruppe differenziert. Die Tabelle k\u00f6nnte zeigen, dass ein Land Begriffe wie „nachhaltig“ und „erneuerbar“ verwendet, ein anderes auf „Konformit\u00e4t“ und „Verpflichtung“ setzt, w\u00e4hrend ein drittes „Innovation“ und „Anreize“ betont.<\/p>\r\n
Solche Wortwahlen k\u00f6nnen unterschiedliche politische Logiken widerspiegeln, zum Beispiel Nachhaltigkeitsfokus, Regulierung oder marktorientierte Anreizsetzung. Hier bietet die H\u00e4ufigkeitsanalyse einen fr\u00fchen Indikator f\u00fcr unterschiedliche Rahmungen und kann die Auswahl f\u00fcr eine vertiefte vergleichende Diskursanalyse informieren.<\/p>\r\n<\/div>\r\n<\/div>\r\n<\/div>\r\n
\r\n6. Fortgeschritten: Diktion\u00e4re und Go-Wort-Listen<\/h2>\r\n
Wie weiter oben kurz erw\u00e4hnt, l\u00e4sst sich die Analyse auf bestimmte W\u00f6rter aus einem Diktion\u00e4r oder einer Go-Wort-Liste beschr\u00e4nken. Beide Optionen erlauben gezielte Exploration, ohne dass man sich jede einzelne Vokabel untersuchen muss. Das verschiebt den Fokus von emergenten Mustern zu theoriegeleiteten Fragestellungen und unterst\u00fctzt deduktive oder abduktive Analyseans\u00e4tze.<\/p>\r\n
![](\"https:\/\/www.maxqda.com\/de\/wp\/wp-content\/uploads\/sites\/1\/Dictionary_LightMode.png\")
Diktion\u00e4re<\/h4>\r\n
Wenn Sie MAXDictio \u203a Worth\u00e4ufigkeiten \u203a Worth\u00e4ufigkeiten (nur W\u00f6rter des Diktion\u00e4rs)<\/strong> w\u00e4hlen, filtert MAXQDA die Z\u00e4hlung so, dass nur W\u00f6rter aus Ihrem aktuell aktiven, benutzerdefinierten Diktion\u00e4r eingeschlossen werden. Das ist besonders hilfreich, wenn Sie mit vordefinierten Interessenskategorien arbeiten \u2014 z. B. „klimabezogene Begriffe“, „Skill-Keywords“ oder „politische Rhetorik“ \u2014 und deren Frequenz \u00fcber das Datenset verfolgen m\u00f6chten, ohne durch irrelevante W\u00f6rter abgelenkt zu werden.<\/p>\r\nF\u00fcr qualitative Forschende sind Diktion\u00e4re nicht nur Filter, sondern operationalisierte konzeptuelle Rahmen. Ein sorgf\u00e4ltig konstruiertes Diktion\u00e4r kann Ihre theoretische Orientierung widerspiegeln. In einer Diskursanalyse zu Nationalismus k\u00f6nnten Kategorien wie „Territorium“, „Volk“ und „Bedrohung“ mit ihren lexikalischen Varianten angelegt werden. Indem die H\u00e4ufigkeitsz\u00e4hlung auf W\u00f6rter beschr\u00e4nkt wird, die zum jeweiligen analytischen Fokus passen, k\u00f6nnen diskursive Muster pr\u00e4ziser kartiert, Ideologien nachgesp\u00fcrt oder theoretische Hypothesen getestet und verfeinert werden.<\/p>\r\n
Diktion\u00e4re in MAXQDA sind strukturierte Sammlungen von Suchbegriffen, die in vorher definierten Kategorien gruppiert werden. Diese k\u00f6nnen einfache Schl\u00fcsselwortlisten oder komplexere Hierarchien mit Unterkategorien und speziellen Matching-Regeln (z. B. Gro\u00df-\/Kleinschreibung, Ganzwortabgleich) enthalten. Diktion\u00e4re sind projekt\u00fcbergreifend wiederverwendbar, lassen sich per Excel oder TXT importieren und interaktiv beim Erkunden Ihres Datenbestands erweitern.<\/p>\r\n
Eine detaillierte Anleitung zum Erstellen, Organisieren, Importieren und Verwalten von Diktion\u00e4re sowie zur Verkn\u00fcpfung mit dem eigenen Code-System gibt es im MAXQDA Manual zum Verwalten von Diktion\u00e4ren<\/a>.<\/p>\r\n![](\"https:\/\/www.maxqda.com\/de\/wp\/wp-content\/uploads\/sites\/1\/Go_Word_Lists_LightMode.png\")
Go-Wort-Listen<\/h4>\r\n
1. Was macht das Worth\u00e4ufigkeiten-Werkzeug von MAXQDA?<\/h2>\r\n
MAXQDA enth\u00e4lt als Teil des MAXDictio-Moduls<\/a> ein dediziertes Worth\u00e4ufigkeits-Werkzeug. Diese Funktion durchsucht ausgew\u00e4hlte Texte, z\u00e4hlt einzelne W\u00f6rter und zeigt eine sortierbare Tabelle mit der H\u00e4ufigkeit jedes Wortes an. Sie ist flexibel genug, um Interviews, Fokusgruppen, Feldnotizen, Social-Media-Downloads, Richtliniendokumente, Tabellenkalkulationen und mehr zu verarbeiten.<\/p>\r\n Kurz gesagt: MAXQDA User:innen w\u00e4hlen einfach ihre Daten, starten das Werkzeug und sehen sofort, welche W\u00f6rter ihren Datensatz dominieren, wie oft sie auftauchen und wo sie vorkommen. Das Beste: alles erfolgt \u00fcber eine intuitive Point-and-Click-Oberfl\u00e4che.<\/p>\r\n<\/div>\r\n Die Worth\u00e4ufigkeitsanalyse ist Teil des Features MAXDictio \u203a Sobald das Tool gestartet wird, \u00f6ffnet sich das Optionen-Fenster f\u00fcr Worth\u00e4ufigkeiten (siehe unten).<\/p>\r\n Durchf\u00fchrung:<\/p>\r\n Vor Beginn der Analyse wird der Umgang der Wortz\u00e4hlung festgelegt.<\/p>\r\n Reflexivit\u00e4ts-Check<\/strong><\/p>\r\n\r\nDas Aktivieren nur bestimmter Dateien reflektiert eine theoretische Entscheidung. Es sollte sichergestellt werden, dass die Auswahl mit der Forschungsfrage \u00fcbereinstimmt. Wichtig ist au\u00dferdem, dass Forschende im Memo notieren, warum diese Dokumente einbezogen und andere ausgeschlossen wurden.<\/div>\r\n<\/div>\r\n Hier l\u00e4sst sich festlegen, wie Wortz\u00e4hlungen \u00fcber verschiedene Teile des Projekts aufschl\u00fcsseln werden sollen.<\/p>\r\n Diese Aufschl\u00fcsselungen zeigen Muster, die in einer aggregierten Ansicht verborgen bleiben k\u00f6nnen.<\/p>\r\n Im unteren Teil des Fensters gibt es weitere Optionen dar\u00fcber, wie W\u00f6rter gez\u00e4hlt werden, damit die Ergebnisse zur Forschungsfrage passen.<\/p>\r\n Mit diesen Einstellungen wird die Ausgabe sauberer und leichter interpretierbar.<\/p>\r\n Reflexivit\u00e4ts-Check<\/strong><\/p>\r\n Zur Lemmatisierung:<\/strong> Zu Stop-W\u00f6rtern:<\/strong> Jetzt kommt der interessante Teil: zu verstehen, was auftaucht, und es zur Steuerung Ihrer Analyse zu nutzen.<\/p>\r\n Mit Klick auf OK<\/strong> verarbeitet MAXQDA die Daten und erzeugt eine Worth\u00e4ufigkeiten-Tabelle.<\/p>\r\n Obere Leiste<\/strong><\/p>\r\n Der obere Bereich des Fensters fasst Umfang und Gr\u00f6\u00dfe zusammen: Anzahl der analysierten Dokumente, insgesamt geparste W\u00f6rter, Anzahl eindeutiger W\u00f6rter und das Type-Token-Verh\u00e4ltnis (ein grober Indikator lexikalischer Vielfalt, der sensibel gegen\u00fcber Textl\u00e4nge ist). Mehr dazu im MAXQDA Manual<\/a>.<\/p>\r\n Tabellenspalten<\/strong><\/p>\r\n Die Tabelle enth\u00e4lt folgende Spalten: Wort, Wortl\u00e4nge, H\u00e4ufigkeit, % des Gesamttexts, Rang, Dokumente und Dokumente % (die Spalten variieren je nach Analyse-Einstellungen). Die Spaltenanzeige l\u00e4sst sich per Klick mit der rechten Maustaste auf die Kopfzeile anpassen.<\/p>\r\n Tipp<\/strong><\/p>\r\n Wenn Lemmatisierung aktiviert ist, zeigt der Maus-Hover \u00fcber ein Wort seine gruppierten Varianten wie im obigen Bild. F\u00fcr zusammengef\u00fchrte Begriffe erscheint ein Strategien zur sinnvollen Deutung der Zahlen:<\/p>\r\n\r\n\t Ein iterativer Prozess<\/strong><\/p>\r\n Worth\u00e4ufigkeitsanalyse ist kein einmaliges Zahlenspiel. Sie kann den gesamten Forschungsablauf steuern \u2014 vom fr\u00fchen Aufsp\u00fcren von Schl\u00fcsselbegriffen \u00fcber die Verfeinerung Ihrer Codes bis hin zur Erstellung aussagekr\u00e4ftiger Visualisierungen. Jeder Schritt verleiht der Interpretation mehr Tiefe.<\/p>\r\n<\/div>\r\n<\/div>\r\n Zur Veranschaulichung fassen wir alles mit einer Beispiel-Ergebnistabelle zusammen.<\/p>\r\n Die obige Tabelle zeigt die Top 10 Substantive<\/strong> \u00fcber sechs US-Pr\u00e4sidenten-Inaugurationsreden (2001\u20132021), mit Ergebnissen nach Dokumenten differenziert<\/strong>. Diese Konfiguration sch\u00e4rft den Fokus auf begriffsreiche Sprache und erlaubt zugleich Vergleiche zwischen einzelnen Rednern.<\/p>\r\n Analytisch balanciert diese Einstellung Breite (Frequenz \u00fcber das Dataset) mit Spezifit\u00e4t (Variation nach Dokument). Substantive fassen Kernthemen und symbolischen Wortschatz zusammen. W\u00fcrde der Fokus auf Handlungsf\u00e4higkeit, Modalit\u00e4t oder wertenden Haltungen liegen, k\u00f6nnte man stattdessen Verben oder Adjektive filtern \u2014 jede Wortart er\u00f6ffnet eine andere Perspektive auf den Diskurs.<\/p>\r\n Eine genaue Lekt\u00fcre zeigt mehrere n\u00fctzliche Muster:<\/p>\r\n Solche Tabellen sind wertvoll, weil sie viel diskursive Struktur in eine lesbare Form komprimieren und Makro-Level-Mustererkennung mit der M\u00f6glichkeit zum Close Reading verbinden. Das ist eine Voraussetzung f\u00fcr eine wirksame Mixed-Methods-Textanalyse. .<\/p>\r\n Merke:<\/strong> Um die Flexibilit\u00e4t des Worth\u00e4ufigkeiten-Werkzeugs zu veranschaulichen, durchlaufen wir mehrere praxisnahe Szenarien.<\/p>\r\n Fragestellung: Inwiefern spiegeln lexikalische Entscheidungen das Thema Organisationskultur in der Arbeitgeber-Ansprache wider?<\/em><\/p>\r\n Es soll untersucht werden, wie Arbeitgeber Remote-Arbeit in IT-Stellenanzeigen darstellen. Das wird eine H\u00e4ufigkeitsanalyse \u00fcber eine Reihe aktueller Stellenanzeigen in MAXQDA ausgef\u00fchrt. Begriffe wie „remote“, „hybrid“ und „Team“ dominieren. Die Differenzierung nach Dokumentgruppen (z. B. Startups vs. etablierte Unternehmen) zeigt, dass kleinere Firmen „Flexibilit\u00e4t“ und „Innovation“ betonen, w\u00e4hrend gr\u00f6\u00dfere Organisationen „Benefits“ und „Karriereentwicklung“ hervorheben.<\/p>\r\n Dieser lexikalische Kontrast kann unterschiedliche Organisationskulturen und Rekrutierungsstrategien widerspiegeln: Startups r\u00fccken Autonomie und unternehmerische Identit\u00e4t in den Vordergrund, Konzerne betonen institutionelle Stabilit\u00e4t. Worth\u00e4ufigkeitsanalyse n zeigen, wie Unternehmen ihre Identit\u00e4t und Werte in der Ansprache von Bewerber*innen rahmen und regen zu tiefergehender Untersuchung an, etwa zur \u00dcbereinstimmung zwischen beworbenen Werten und tats\u00e4chlichen Arbeitsbedingungen.<\/p>\r\n<\/div>\r\n Fragestellung: Welche generativen Unterschiede lassen sich in verschiedenen Betreuungsnarrativen aufzeigen?<\/em><\/p>\r\n In einer Studie zu Pflegearbeit wird eine H\u00e4ufigkeitsanalyse f\u00fcr Segmente durchgef\u00fchrt, die unter „Herausforderungen“ kodiert sind. W\u00f6rter wie „Zeit“, „Unterst\u00fctzung“, „Stress“ und „Familie“ treten am h\u00e4ufigsten auf. Die Differenzierung nach Fokusgruppe zeigt, dass j\u00fcngere Teilnehmende h\u00e4ufiger „Zeit“ und „Arbeitsbelastung“ nennen, w\u00e4hrend \u00e4ltere Teilnehmende eher „Gesundheit“ und „Unterst\u00fctzung“ thematisieren.<\/p>\r\n Diese Muster deuten auf generationenspezifische Unterschiede in der Rahmung von F\u00fcrsorgeaufgaben hin. F\u00fcr j\u00fcngere Befragte liegt die Spannung zwischen bezahlter Arbeit und informeller Pflege; bei \u00e4lteren r\u00fcckt Gesundheit und das emotionale Netzwerk in den Vordergrund. Solche Befunde sind Anhaltspunkte f\u00fcr weitergehendes Codieren oder theoretische Einordnung.<\/p>\r\n<\/div>\r\n Fragestellung: Wie lassen sich in Aktivismus-Diskursen Dringlichkeit und Gerechtigkeit durch wiederkehrende Begriffe konstruieren?<\/em><\/p>\r\n Bei der Analyse von Social-Media-Kommentaren zu einer Umweltkampagne k\u00f6nnen Hyperlinks und User-Handles \u00fcber die „Ignorieren“-Optionen ausgeschlossen und eine Stopp-Wort-Liste angewendet werden, um plattform-spezifische W\u00f6rter zu entfernen. Z\u00e4hlungen zeigen, dass „Klima“, „Gerechtigkeit“, „Jugend“ und „Zukunft“ wiederkehrende Themen sind.<\/p>\r\n Diese Muster k\u00f6nnen auf einen Diskurs hinweisen, der durch intergenerationelle Dringlichkeit und moralische Appelle geformt ist. Die Pr\u00e4senz von „Gerechtigkeit“ und „Jugend“ passt zur Rhetorik der Klimagerechtigkeit, die Ungleichheit, Verantwortung und zeitliche Dringlichkeit in den Mittelpunkt stellt. Die H\u00e4ufigkeiten k\u00f6nnen als Wegweiser f\u00fcr tiefergehende Diskurs- oder Frame-Analysen genutzt werden \u2014 nicht jedoch als endg\u00fcltige Aussagen.<\/p>\r\n<\/div>\r\n Aufgabenstellung: Vergleichen Sie Policy-Paradigmen \u00fcber nationale Kontexte hinweg mittels lexikalischer H\u00e4ufigkeit.<\/em><\/p>\r\n F\u00fcr eine vergleichende Policy-Analyse werden Umweltgesetze nach Land gruppiert und die H\u00e4ufigkeitsz\u00e4hlung nach Gruppe differenziert. Die Tabelle k\u00f6nnte zeigen, dass ein Land Begriffe wie „nachhaltig“ und „erneuerbar“ verwendet, ein anderes auf „Konformit\u00e4t“ und „Verpflichtung“ setzt, w\u00e4hrend ein drittes „Innovation“ und „Anreize“ betont.<\/p>\r\n Solche Wortwahlen k\u00f6nnen unterschiedliche politische Logiken widerspiegeln, zum Beispiel Nachhaltigkeitsfokus, Regulierung oder marktorientierte Anreizsetzung. Hier bietet die H\u00e4ufigkeitsanalyse einen fr\u00fchen Indikator f\u00fcr unterschiedliche Rahmungen und kann die Auswahl f\u00fcr eine vertiefte vergleichende Diskursanalyse informieren.<\/p>\r\n<\/div>\r\n<\/div>\r\n<\/div>\r\n Wie weiter oben kurz erw\u00e4hnt, l\u00e4sst sich die Analyse auf bestimmte W\u00f6rter aus einem Diktion\u00e4r oder einer Go-Wort-Liste beschr\u00e4nken. Beide Optionen erlauben gezielte Exploration, ohne dass man sich jede einzelne Vokabel untersuchen muss. Das verschiebt den Fokus von emergenten Mustern zu theoriegeleiteten Fragestellungen und unterst\u00fctzt deduktive oder abduktive Analyseans\u00e4tze.<\/p>\r\n Wenn Sie MAXDictio \u203a F\u00fcr qualitative Forschende sind Diktion\u00e4re nicht nur Filter, sondern operationalisierte konzeptuelle Rahmen. Ein sorgf\u00e4ltig konstruiertes Diktion\u00e4r kann Ihre theoretische Orientierung widerspiegeln. In einer Diskursanalyse zu Nationalismus k\u00f6nnten Kategorien wie „Territorium“, „Volk“ und „Bedrohung“ mit ihren lexikalischen Varianten angelegt werden. Indem die H\u00e4ufigkeitsz\u00e4hlung auf W\u00f6rter beschr\u00e4nkt wird, die zum jeweiligen analytischen Fokus passen, k\u00f6nnen diskursive Muster pr\u00e4ziser kartiert, Ideologien nachgesp\u00fcrt oder theoretische Hypothesen getestet und verfeinert werden.<\/p>\r\n Diktion\u00e4re in MAXQDA sind strukturierte Sammlungen von Suchbegriffen, die in vorher definierten Kategorien gruppiert werden. Diese k\u00f6nnen einfache Schl\u00fcsselwortlisten oder komplexere Hierarchien mit Unterkategorien und speziellen Matching-Regeln (z. B. Gro\u00df-\/Kleinschreibung, Ganzwortabgleich) enthalten. Diktion\u00e4re sind projekt\u00fcbergreifend wiederverwendbar, lassen sich per Excel oder TXT importieren und interaktiv beim Erkunden Ihres Datenbestands erweitern.<\/p>\r\n Eine detaillierte Anleitung zum Erstellen, Organisieren, Importieren und Verwalten von Diktion\u00e4re sowie zur Verkn\u00fcpfung mit dem eigenen Code-System gibt es im MAXQDA Manual zum Verwalten von Diktion\u00e4ren<\/a>.<\/p>\r\n2. So funktioniert die Worth\u00e4ufigkeitsanalyse in MAXQDA<\/h2>\r\n
Worth\u00e4ufigkeiten<\/strong>. Alternativ kann man im MAXDictio-Men\u00fc auf die Bezeichnung Worth\u00e4ufigkeiten klicken, um nur W\u00f6rter zu z\u00e4hlen, die in einem Diktion\u00e4r oder einer Go-W\u00f6rter-Liste vorkommen. Diese Optionen werden weiter unten im Beitrag erl\u00e4utert.<\/p>\r\n<\/div>\r\n
\r\na. Auswahl der Inhalte f\u00fcr die Analyse<\/h3>\r\n
\r\n\t
b. \u00dcber Aufgliederungen vergleichen<\/h3>\r\n
\r\n\t
c. Ausgabe feinabstimmen<\/h3>\r\n
\r\n\t
\r\nDas Gruppieren von Formen wie „regulieren“, „reguliert“ und „Regulierung“ ver\u00e4ndert die Bedeutung in juristischen oder politischen Texten. Fragestellung: Sind diese Formen in Ihrem Kontext konzeptionell verkn\u00fcpft, oder sollten sie separat behandelt werden? Notieren Sie Ihre Entscheidung im Projekt-Memo.<\/p>\r\n
\r\nStopp-Wort-Listen sind nicht neutral. Das Entfernen h\u00e4ufiger, aber \u201euninformativer\u201c W\u00f6rter kann beeinflussen, welche Muster sichtbar werden. Forschenden ist dringend anzuraten zu dokumentieren, was sie entfernt haben und warum. Die Analyse sollte einmal mit und einmal ohne Stopp-Wort-Liste ausgef\u00fchrt werden, um Unterschiede festzustellen.<\/p>\r\n<\/div>\r\n<\/div>\r\n<\/div>\r\n3. Interpretation der Ergebnisse der Worth\u00e4ufigkeitsanalyse<\/h2>\r\n
<\/div>\r\n
\r\n-Symbol; ein Maus-Hover \u00fcber die Zeile zeigt, welche Begriffe zusammengefasst wurden.<\/p>\r\n<\/div>\r\n<\/div>\r\n
\r\n\r\n\t
\r\nH\u00e4ufige W\u00f6rter k\u00f6nnen zentrale Themen, kulturelle Schl\u00fcsselw\u00f6rter oder wiederkehrende Anliegen signalisieren. In Stellenanzeigen k\u00f6nnten Begriffe wie „Team“, „Flexibilit\u00e4t“ oder „Benefits“ dominieren. In Interview-Transkripten erw\u00e4hnen Teilnehmende vielleicht h\u00e4ufig „Vertrauen“, „Gerechtigkeit“ oder „Stress“. Diese H\u00e4ufigkeiten zeigen, wohin sich die Diskussion bewegt \u2014 um zu verstehen, warum das so ist, m\u00fcssen die umgebenden Segmente gelesen werden. Word Frequencies lassen sich gut als Einstiegspunkte f\u00fcr vertiefte Lekt\u00fcre verwenden, nicht jedoch als alleinige Schlussfolgerungen.<\/li>\r\n<\/ul>\r\n<\/li>\r\n
\r\n\t\r\n\t
\r\nWenn eine Aufgliederung gew\u00e4hlt ist, zeigt MAXQDA, wie oft jedes Wort in Dokumenten, Gruppen, Sets oder kodierten Segmenten vorkommt. So kann der Sprachgebrauch zwischen Subgruppen oder Themen verglichen werden. In einer Fokusgruppenstudie k\u00f6nnte man etwa nach Teilnehmenden differenzieren, um Wortschatzunterschiede zu erkennen. In der Politikforschung kann die Differenzierung nach Kapitelcodes zeigen, welche Abschnitte bestimmte Konzepte betonen. Diese Aufschl\u00fcsselungen machen Variationen sichtbar, die in aggregierten Z\u00e4hlungen verloren gehen.<\/li>\r\n<\/ul>\r\n<\/li>\r\n
\r\n\t\r\n\t
\r\nH\u00e4ufigkeitsmuster k\u00f6nnen Codierentscheidungen dienen. Ein h\u00e4ufig verwendetes Wort verdient m\u00f6glicherweise einen eigenen Code, insbesondere wenn es zur Forschungsfrage passt. Umgekehrt kann ein seltenes, aber theoretisch relevantes Wort Anlass f\u00fcr gezieltere Suche oder Lekt\u00fcre geben. So k\u00f6nnen sogar Dokumentsets aus der Ergebnistabelle erstellt werden, um zu untersuchen, wo Schl\u00fcsselbegriffe auftreten, und so Segmente identifizieren, die einer n\u00e4heren Analyse bed\u00fcrfen.<\/li>\r\n<\/ul>\r\n<\/li>\r\n
\r\n\r\n\t\r\n\t
\r\nMAXQDA erlaubt das Filtern der Ergebnistabelle nach Wortarten, z. B. nur Substantive, Adjektive oder Verben. Das ist besonders hilfreich, wenn nach bestimmten Sprachtypen gesucht wird. Bei der Untersuchung emotionaler Tonalit\u00e4t k\u00f6nnten Adjektive im Fokus stehen; bei Agency-Fragestellungen dagegen Verben. Durch die Einschr\u00e4nkung wird das Rauschen reduziert und die Ausgabe an analytische Ziele angepasst. Im Fenster „Wortarten“ lassen sich die Textsprache und die gew\u00fcnschte Wortart w\u00e4hlen.<\/li>\r\n<\/ul>\r\n<\/li>\r\n
\r\n\r\n\t
\r\nDie Ergebnistabelle in MAXQDA enth\u00e4lt mehr als nur die H\u00e4ufigkeit. Spalten wie Wortl\u00e4nge, Prozent des Gesamttexts, Rang und „Dokumente %“ (Anteil der analysierten Dokumente, die das Wort enthalten) liefern zus\u00e4tzliche Hinweise. Es l\u00e4sst sich auch die Metrik in den Zellen umschalten \u2014 z. B. Rang, Anzahl Dokumente oder Prozentsatz statt H\u00e4ufigkeit anzeigen. Das ist hilfreich beim Vergleich \u00fcber Dokumentsets oder Fokusgruppen hinweg. Ein Begriff kann in einer Gruppe hoch gerankt sein, in einer anderen aber nur kurz auftauchen \u2014 solche Kontraste sind oft analytisch aufschlussreich. Nicht alle Optionen stehen in jeder Ansicht zur Verf\u00fcgung, aber wo sie verf\u00fcgbar sind, f\u00fcgen sie der Interpretation eine weitere Dimension hinzu.<\/li>\r\n<\/ul>\r\nFokus: Zahlen in Aktion sehen<\/h3>\r\n
<\/div>\r\n
\r\n\r\n\t
\r\nDas Wort „nation“ erscheint in allen sechs Reden und rangiert insgesamt am h\u00f6chsten \u2014 ein Hinweis darauf, dass Antrittsreden Ritualsprache nationaler Identit\u00e4t nutzen. Seine konstante Verwendung reflektiert wahrscheinlich einen grundlegenden Wortschatz von Einheit und Zugeh\u00f6rigkeit. M\u00f6glicherweise m\u00fcssen Sie „nation“ nicht codieren; seine Pr\u00e4senz setzt jedoch das diskursive Grundniveau.<\/li>\r\n\t
\r\nBegriffe wie „people“, „country“ und „world“ treten in allen Dokumenten auf und deuten auf konstante Anliegen kollektiver Akteure und globaler Positionierung hin. Im Gegensatz dazu sticht „freedom“ in Bushs Rede 2001 hervor (25 Nennungen) und verschwindet bis Bidens Rede 2021. Solche Verschiebungen laden zu kontextueller Lekt\u00fcre ein: Ist der R\u00fcckgang Ausdruck politischer Ideologie, historischer Umst\u00e4nde oder rhetorischer Strategie?<\/li>\r\n\t
\r\nDas Wort „citizen“ zeigt deutliche Varianz: neun Nennungen in Bushs Rede 2005, aber nur eine in Bidens 2021. Solche Schieflagen k\u00f6nnen auf lokalisierte Themen hindeuten, etwa eine Betonung staatsb\u00fcrgerlicher Pflichten oder eine spezifische Rahmung des Staats-B\u00fcrger-Verh\u00e4ltnisses. Ein Klick durch die Segmente und ein genaues Lesen lohnt \u2014 Ausrei\u00dfer tragen oft ideologische Bedeutung.<\/li>\r\n\t
\r\nW\u00f6rter wie „today“ und „day“ sind h\u00e4ufig, haben aber meist zeremonielle Funktion; sie markieren den Anlass, tragen jedoch wenig zum thematischen Kern bei. Die H\u00e4ufigkeiten sind ein Wegweiser, nicht aber Ersatz f\u00fcr Bedeutung: einige W\u00f6rter sind Ger\u00fcst, andere Signale.<\/li>\r\n\t
\r\nDie Spalte „Dokumente %“ gibt an, in wie vielen analysierten Dokumenten ein Begriff vorkommt. „Nation“, „people“ und „country“ werden in 100% der Reden verwendet; „freedom“ und „day“ nur in f\u00fcnf von sechs. Das ist ein kleiner Unterschied, kann aber in einem kleinen Datensatz eine Ton- oder Fokusverschiebung markieren. Es lohnt sich auch hier, genau hinzuschauen.<\/li>\r\n\t
\r\nWenn ein Wort die Aufmerksamkeit erregt, weil es h\u00e4ufig, fehlend oder ungew\u00f6hnlich erscheint, helfen MAXQDA Tools wie Keyword-in-Context oder Wort-Explorer, um zu sehen, wie ein Begriff Satz f\u00fcr Satz verwendet wird oder in Beziehung zu anderen steht. Frequenz kartiert den Wald; Interpretation beginnt, wenn man hineingeht. F\u00fcr einen genaueren Blick auf MAXQDAs Wort-Explorer empfiehlt sich unser Blogbeitrag zu Favoritenfunktionen des Word Explorer<\/a>.<\/li>\r\n<\/ul>\r\n
\r\nH\u00e4ufigkeitstabellen weisen auf Ph\u00e4nomene hin, die weitere Untersuchung erfordern. Sie sagen nicht per se, was diese Ph\u00e4nomene bedeuten.<\/p>\r\n<\/div>\r\n<\/div>\r\n<\/div>\r\n4. Schnellaktionen in der Ergebnistabelle<\/h2>\r\n
\r\n\t
\r\n\t
Wort-Explorer f\u00fcr mehr Kontext.<\/li>\r\n<\/ul>\r\n<\/li>\r\n\t-Summensymbol markiert. Ein Maus-Hover zeigt einen Tooltip mit allen in dieser Zeile enthaltenen Begriffen. Ein Klick auf den -Pfeil in der Tabellen-Toolbar macht dies r\u00fcckg\u00e4ngig.<\/li>\r\n\t Wortwolke-Icon. Super f\u00fcr Pr\u00e4sentationen oder um Schl\u00fcsselsprachen auf einen Blick zu erkennen. Mehr zur Wortwolke-Funktion von MAXQDA<\/a>.<\/li>\r\n\t\r\n\t
5. Anwendungsf\u00e4lle f\u00fcr verschiedene Datentypen<\/h2>\r\n
Recruiting-Trends in Stellenanzeigen<\/h4>\r\n
Entdeckung von Fokusgruppen-Vokabular<\/h4>\r\n
Soziale Medien und Aktivismus<\/h4>\r\n
Politik- und Rechtsdokumente<\/h4>\r\n
6. Fortgeschritten: Diktion\u00e4re und Go-Wort-Listen<\/h2>\r\n
Diktion\u00e4re<\/h4>\r\n Worth\u00e4ufigkeiten \u203a Worth\u00e4ufigkeiten (nur W\u00f6rter des Diktion\u00e4rs)<\/strong> w\u00e4hlen, filtert MAXQDA die Z\u00e4hlung so, dass nur W\u00f6rter aus Ihrem aktuell aktiven, benutzerdefinierten Diktion\u00e4r eingeschlossen werden. Das ist besonders hilfreich, wenn Sie mit vordefinierten Interessenskategorien arbeiten \u2014 z. B. „klimabezogene Begriffe“, „Skill-Keywords“ oder „politische Rhetorik“ \u2014 und deren Frequenz \u00fcber das Datenset verfolgen m\u00f6chten, ohne durch irrelevante W\u00f6rter abgelenkt zu werden.<\/p>\r\n Go-Wort-Listen<\/h4>\r\n
![](\"https:\/\/www.maxqda.com\/wp\/wp-content\/uploads\/sites\/2\/Xan-scaled.jpg\")
<\/div>\r\n