Ein Interview auszuwerten bedeutet, aus einem gesprochenen Gespräch nachvollziehbare, belegte Erkenntnisse zu machen. Wer Kundeninterviews führt, kennt den Bruch dazwischen: Das Gespräch war reich, die Notizen sind lückenhaft, und am Ende bleibt ein Bauchgefühl statt einer belastbaren Aussage. Dieser Ratgeber zeigt, wie Sie ein Interview auswerten, welche qualitativen Methoden dahinterstehen und wie ein KI-Agent den wiederkehrenden Teil dieser Arbeit übernimmt, ohne dass die Kontrolle über das Ergebnis verloren geht.
Der Prozess des Interview auswertens folgt in der Praxis fast immer demselben Dreiklang: erst das Gesprochene festhalten, dann die Aussagen ordnen, zuletzt die Muster benennen und deuten. Jeder Schritt baut auf dem vorigen auf. Wer den ersten sauber macht, spart am dritten die halbe Zeit.
Am Anfang steht die Interview Transkription. Solange ein Gespräch nur als Audio vorliegt, lässt es sich nicht durchsuchen, nicht vergleichen und nicht belegen. Das Transkript ist die Grundlage, auf der alle weiteren Schritte stehen. Wichtig ist eine einheitliche Form über alle Interviews hinweg, damit Aussagen später vergleichbar bleiben. Ob wörtlich oder geglättet transkribiert wird, hängt vom Ziel ab. Für die inhaltliche Auswertung reicht meist eine lesbare, geglättete Fassung, in der jede Aussage klar einer Person zugeordnet ist.
Im zweiten Schritt werden die qualitativen Daten auswerten-fähig gemacht. Kodieren bedeutet, Textstellen mit einem kurzen Etikett zu versehen, das ihren Inhalt benennt. Aus vielen einzelnen Etiketten entstehen Kategorien, also Bündel verwandter Aussagen. Man kann die Kategorien vorab festlegen, etwa entlang der Fragen aus dem Leitfaden, oder sie aus dem Material heraus entwickeln. Entscheidend ist, dass jede Kategorie klar definiert ist und dass gleiche Aussagen konsequent gleich zugeordnet werden. Erst diese Disziplin macht aus einer Interview Zusammenfassung eine belegbare Auswertung.
Im dritten Schritt fassen Sie je Kategorie zusammen, was die Interviews sagen, und belegen jede Aussage mit einem wörtlichen Zitat. So bleibt nachvollziehbar, worauf eine Erkenntnis beruht. Erst danach folgt die Interpretation: Welche Themen tauchen bei vielen Befragten auf, wo widersprechen sie sich, was ist ein Einzelfall. Ein Interview auswerten endet nicht bei der Beschreibung, sondern bei der Frage, was daraus für die nächste Entscheidung folgt. Wer Kundenfeedback auswerten will, sucht genau diese Brücke von der Aussage zur Handlung.
Für das systematische Auswerten qualitativer Interviews haben sich zwei Verfahren etabliert. Beide ordnen Textmaterial über Kategorien, setzen aber unterschiedliche Schwerpunkte.
Die qualitative Inhaltsanalyse nach Philipp Mayring wertet Textmaterial regelgeleitet und schrittweise aus. Kern ist ein festes Kategoriensystem, nach dem das Material kodiert wird. Die Kategorien lassen sich deduktiv aus Theorie und Fragestellung ableiten oder induktiv aus dem Material entwickeln. Typische Grundformen sind das Zusammenfassen, das Explizieren und das Strukturieren des Textes. Die Methode ist besonders geeignet, wenn viele Interviews entlang vergleichbarer Fragen ausgewertet werden sollen, weil das klare Regelwerk die Ergebnisse zwischen den Interviews vergleichbar hält.
Die Grounded Theory verfolgt ein anderes Ziel: Aus den Daten soll eine Theorie entstehen, nicht eine bestehende geprüft werden. Kodiert wird in mehreren Stufen, vom offenen über das axiale bis zum selektiven Kodieren, wobei Datenerhebung und Auswertung eng verzahnt laufen. Neue Interviews werden so lange einbezogen, bis die theoretische Sättigung erreicht ist, also kein zusätzliches Gespräch mehr neue Erkenntnisse liefert. Anders als bei Mayring steht am Anfang kein festes Kategorienraster, sondern die Kategorien wachsen aus dem Material. Das macht die Grounded Theory offener, aber auch aufwendiger.
Ein qualitatives Interview auswerten heißt in der Praxis: transkribieren, kodieren, zusammenfassen und interpretieren. Sie überführen das Gespräch in ein Transkript, versehen die Aussagen mit Kategorien, bündeln je Kategorie die Kernaussagen samt Belegzitat und deuten am Ende die Muster über alle Interviews hinweg. Welche der beiden Methoden Sie wählen, hängt vom Ziel ab: ein festes Raster mit der Inhaltsanalyse nach Mayring, wenn Sie vergleichen wollen, ein offener Prozess mit der Grounded Theory, wenn Sie etwas Neues entdecken wollen.
Nein. Das grundsätzliche Vorgehen ähnelt sich, doch Tiefe und Methode richten sich nach der Fragestellung. Ein einzelnes exploratives Gespräch verlangt ein anderes Vorgehen als zwanzig strukturierte Leitfadeninterviews. Bei vergleichbaren Fragen über viele Interviews hinweg passt ein festes Kategoriensystem. Geht es darum, ein Feld erst zu verstehen, ist ein offenes, schrittweises Kodieren sinnvoller. Auch der Detailgrad der Interview Transkription hängt vom Ziel ab.
Für das Kodieren und Verwalten qualitativer Daten gibt es etablierte Kategorien von Werkzeugen: klassische Programme für qualitative Datenanalyse, ein ux research repository oder eine user research repository für das Sammeln und Wiederfinden von Erkenntnissen, sowie breitere user research platforms und ux research platforms. Daneben unterstützen user research tools und user research software das Erheben, ux research tools und ux research software das Auswerten, ergänzt um remote usability testing tools, ux survey tools und ux research repository tools. Wer über einzelne Gespräche hinausdenkt, betrachtet auch competitor analysis ux und die weitergehende ux data analysis. Passende feedback tools helfen, die Ergebnisse in den größeren Zusammenhang zu stellen. Die Werkzeuge nehmen Ihnen das Kodieren aber nicht ab. Genau hier setzt ein KI-Agent an.
Ein Interview auswerten ist wiederkehrende Arbeit: Sie läuft bei jedem Gespräch nach demselben Muster ab und kostet trotzdem jedes Mal Zeit. Genau solche Aufgaben lassen sich an einen KI-Agenten übergeben. Bei Scalan bauen die Fachbereiche ihre Agenten selbst, in einem geführten Interview, ohne Programmierung. Der Agent bekommt einen Namen, eine Rolle und eine eigene Adresse, an die Sie ihm die Aufnahme oder das Transkript per E-Mail, im In-App-Chat oder über Telegram übergeben.
Der Beispiel-Skill "Interview-Synthese" macht aus Kundeninterviews Themen mit wörtlichen Belegen. Der Ablauf ist bewusst nachvollziehbar:
Der Punkt ist der Umgang mit dem, was nicht ins Raster passt. Ein starrer Ablauf bricht bei einem unerwarteten Fall ab. Der Agent arbeitet eindeutig im Ergebnis und frei im Weg dorthin: Die Kriterien und Kategorien stehen fest, den Weg dahin findet er selbst, und bei einer echten Unklarheit fragt er nach.
Ein kurzes Rechenbeispiel zur Orientierung, mit Ihren eigenen Zahlen: Angenommen, das manuelle Transkribieren und Kodieren eines Interviews kostet Sie rund zwei Stunden. Übernimmt der Agent Transkript, Kodierung und die belegte Themenübersicht, bleibt Ihnen die eigentliche Interpretation. Setzen Sie Ihren realen Zeitwert je Interview ein, und multiplizieren Sie ihn mit der Zahl der Gespräche pro Studie, um Ihren konkreten Effekt zu schätzen. Der Verbrauch je Vorgang und je Agent wird dabei ausgewiesen, die Kosten sind also keine Blackbox.
Weil in Interviews personenbezogene Aussagen vorkommen, zählt der Rahmen. Die Modelle laufen in deutschen Cloud-Regionen, es fließen keine Unternehmensdaten an die Modellanbieter ab, und auf Ihren Daten wird nicht trainiert. Der Agent bekommt einzeln freigegebene Aktionen, keine pauschalen Zugänge: Was er in angebundenen Systemen tun darf, wird pro Aktion freigegeben, nicht freigegebene Aktionen existieren für ihn nicht. Jeder Lauf ist im Nachhinein prüfbar, und die Beschreibung des Ablaufs in normaler Sprache ist zugleich die Dokumentation. So unterstützt Scalan Sie dabei, Ihre Pflichten aus dem AI Act zu erfüllen, ohne sie Ihnen abzunehmen.
Ein Interview auswerten bleibt Ihre fachliche Entscheidung. Den wiederkehrenden Weg dorthin, vom Transkript über die Kodierung bis zur belegten Themenübersicht, können Sie abgeben. Beschreiben Sie Ihren Auswertungsprozess einmal im geführten Interview, testen Sie ihn an echten Beispieldaten, und lassen Sie ihn ab dann für jedes neue Gespräch laufen.
Baue dein Team an KI-Mitarbeitern auf.
Jetzt starten und gewinne mehr Zeit für das Wesentliche.