Sind KI-Erkenntnisse aus Interviews wirklich belegt?

Ein Zitat gibt dir einen Ansatzpunkt für die Prüfung

Eine flüssig formulierte KI-Analyse mit Zitaten wirkt überzeugend. Zwei Fragen bleiben: Stehen diese Worte tatsächlich in der Quelle? Und stützen sie die darüberstehende Behauptung?

Ein Textabgleich kann bei der ersten Frage helfen. Für die zweite musst du die gestellte Frage, die Situation der Person und widersprechendes Material verstehen. Auch unter einer überzogenen Schlussfolgerung kann ein echtes Zitat stehen.

Alle Personen, Zahlen und Gespräche in diesem Artikel sind erfundene Lehrbeispiele. Sie sind keine ScribeFlash-Kundendaten und belegen keine Werkzeuggenauigkeit.

Quelle öffnen und den Wortlaut lesen

Angenommen, die KI schreibt: „Neue Nutzer verzichten wegen zu hoher Preise auf Einladungen.“ Als Beleg dient: „Mit mehr Personen steigen die Kosten. Deshalb habe ich sie noch nicht eingeladen.“

Öffne das verknüpfte Interview und suche die vollständige Aussage. Fehlt eine Verneinung? Wurden weit auseinanderliegende Antworten zusammengesetzt? Ist eine Forschungsnotiz als Originalzitat dargestellt? Lautet die Quelle tatsächlich „Ich finde es nicht teuer; die Liste steht noch nicht fest“, ändert sich die Erklärung vollständig.

Lege nicht auffindbare Zitate beiseite. Die KI um eine natürlichere Ersatzformulierung zu bitten, schafft keinen Beleg. Kennzeichne eine Paraphrase als solche und bewahre die Quelle zur Prüfung auf.

Bei Transkripten aus Aufnahmen solltest du wichtige Beträge, Namen und Verneinungen nach Möglichkeit nachhören. Liegt nur Text vor, kannst du diesen prüfen, aber keine Kontrolle der Aufnahme behaupten.

Die Frage davor und die Antwort danach mitlesen

Ein weiteres erfundenes Gespräch:

Interviewer: Würden Sie zögern, wenn jede zusätzliche Person die Rechnung verdoppeln würde?

P02: Natürlich. Der aktuelle Preis ist für mich aber in Ordnung.

Wer nur „Natürlich“ übernimmt, macht aus der Antwort auf eine suggestive Annahme eine Ablehnung des aktuellen Preises. Der Zusammenhang ist ein anderer.

Prüfe auch die sprechende Person. Eine Nachfrage der Moderation, der Einwurf einer Kollegin und die Wiedergabe einer Chefmeinung sind keine austauschbaren Aussagen über die Bedürfnisse der befragten Person. Unsichere Sprecherzuordnungen gehören als Unsicherheit dokumentiert.

Gerade „passt“, „okay“ oder „kein Problem“ brauchen oft ein paar zusätzliche Zeilen. Bewertet jemand den Entwurf, stimmt dem weiteren Ablauf zu oder antwortet höflich?

Welche Teile der Behauptung trägt die Aussage?

Das erste erfundene Zitat verbindet zusätzliche Plätze mit Kosten und beschreibt eine verschobene Einladung. Es sagt noch nicht, ob das Budget überschritten ist, die Person das Produkt aufgibt oder auf eine Freigabe wartet.

Eine engere Arbeitsannahme wäre: „P01 berücksichtigt die Kosten zusätzlicher Plätze vor Einladungen.“ Frage nach Budget und weiterem Verlauf. Für „Hohe Preise verursachen Abwanderung“ fehlen zusätzliche Belege.

Auch Empfehlungen brauchen diese Sorgfalt. Wenn jemand die Abrechnung nicht versteht, folgt daraus nicht automatisch eine Preissenkung. Preiserklärung, Freigabeverfahren und Preisniveau sind unterschiedliche Probleme.

Die Unterscheidung von Daten, Befunden und Erkenntnissen bei NN/g ist hier hilfreich: Eine Aussage liefert Material; ihre Bedeutung hängt vom Kontext ab.

Fünf Zitate können von einer Person stammen

Wenn P01 fünfmal Kosten anspricht, ist das Thema für P01 vermutlich wichtig. Daraus werden keine fünf Personen, die den Preis zu hoch finden. Zähle unterschiedliche Teilnehmende und prüfe, ob sie dieselbe Frage behandeln.

Schweigen bedeutet nicht Desinteresse. P03 wurde womöglich nie nach Preisen gefragt. P04 hat vielleicht nur einen Prototyp ohne Abrechnungsseite gesehen. Werden beide in einen Nenner aufgenommen, wirkt eine unklare Aussage rechnerisch präzise.

Suche aktiv nach anderen Erklärungen. Sagt P05: „Der Preis passt, die Einkaufsfreigabe hält uns auf“, bleibt das neben dem aktuellen Befund stehen. Vielleicht müssen Fälle nach Beschaffungsverfahren unterschieden werden.

Nach einer vollständigen Durchsicht lässt sich gegebenenfalls schreiben: „In dieser Studie wurde kein Gegenbeispiel gefunden.“ Das hat eine kleinere Reichweite als eine Aussage über alle Nutzer.

So prüfst du eine Erkenntnis in ScribeFlash

1. Öffne die Projekterkenntnisse und wähle eine Behauptung, die eine Entscheidung beeinflussen könnte. Lies die unterstützenden Belege.
2. Folge der Quelle zum Interview. Prüfe Wortlaut, Zuordnung und den Gesprächszusammenhang. Nutze Quellzeilen für importierten Text und verfügbare Aufnahmepositionen für Audio.
3. Prüfe Gegenbelege und Lücken. Grenze zu breite Aussagen ein und korrigiere oder entferne unzuverlässige Referenzen.
4. Bestätige die Erkenntnis nach der inhaltlichen Prüfung. Kontrolliere beim Bericht erneut die Referenzen. Spätere Änderungen oder Löschungen der Quelle können eine neue Prüfung verlangen.

Bei Textquellen gleicht ScribeFlash Zitate mit den verknüpften aktuellen Quellbereichen und der Interviewzuordnung ab. Das kann ungültige Zitate aufdecken. Ob eine Aussage eine Schlussfolgerung logisch trägt, wird damit nicht festgestellt. Eine bestandene Zitatprüfung ersetzt die Lektüre nicht.

Der Leitfaden für vorhandene Transkripte hilft beim Einstieg. Eine erneute Selbstprüfung durch dieselbe KI ist keine unabhängige Verifikation.

Eine kurze Notiz reicht, wenn sie den Grund festhält

Für den erfundenen Fall könnte die Notiz so aussehen:

Ursprüngliche Behauptung: Hohe Preise führen zur Abwanderung neuer Nutzer.

Prüfung: P01s Aussage existiert, beschreibt aber eine Verschiebung, keinen Abbruch. P05 wartet auf eine Freigabe.

Entscheidung: Eingrenzen auf „Einige Befragte müssen vor Einladungen Kosten oder Freigabebedingungen klären“. Beide Gründe getrennt halten. Zahlungsbereitschaft nachfragen.

Prüfe vor der Übergabe die wichtigen Zitate des Berichts einzeln. Stichproben können bei viel Material Risiken aufdecken; dokumentiere dann ihren Umfang. Zehn geprüfte Zitate bestätigen nicht den gesamten Bericht.

Bleiben nach der Prüfung zwei tragfähige Erkenntnisse, liefere zwei. Eine konkrete offene Frage für die nächste Studie kann ebenfalls ein nützliches Ergebnis sein.

Quellen

• NN/g: Accelerating Research with AI, im Januar 2026 überprüft, behandelt die menschliche Kontrolle von KI-Analysen.
• NN/g: Data vs. Findings vs. Insights unterscheidet Ausgangsmaterial und interpretierte Ergebnisse.
• GOV.UK: Analyse a research session beschreibt den Umgang mit Beobachtungen und Forschungsurteilen.

Das Titelbild ist eine illustrative Interviewszene. Für die Ausarbeitung folgt der Leitfaden zum Forschungsbericht.