Möglichkeiten und Grenzen der Optimierung von Verfahren Tiefer Interpretation durch Softwareunterstützung

In dem Beitrag werden Parallelen aufgezeigt zwischen Verfahren des sog. Deep Learnings im Kontext von künstlicher Intelligenz (KI) und gängigen Ablaufschemata im Bereich qualitativ-rekonstruktiver Verfahren empirischer Sozialforschung: Methodologien wie die Dokumentarische Methode, die Objektive Hermeneutik, die Grounded Theory oder das Narrationsstrukturelle Verfahren haben alle mehr oder weniger nicht methodisierbare Bereiche, auf die mit Begriffen wie Abduktion oder Intuition eingegangen wird. Die Parallele zur KI wird in den sog. Hidden layers gesehen, also den verborgenen Schichten algorithmischer Berechnung bei sprachverarbeitenden Systemen, die von Informatiker*innen ebenfalls nicht oder nur unter unverhältnismäßig großem Aufwand rekonstruiert werden können. Vor diesem Hintergrund werden die angesprochenen qualitativ-rekonstruktiven Methodologien als Verfahren Tiefer Interpretation rekonstruiert und abschließend ein Forschungsprojekt vorgestellt, welches eruiert, inwiefern eine QDA1-Software für das Interpretieren mit der Dokumentarischen Methode (DokuMet QDA2) durch KI unterstützt werden kann. In this article, parallels are shown between procedures of so-called deep learning in the context of artificial intelligence (AI) and common flow schemata in the field of qualitative- reconstructive procedures of empirical social research: methodologies such as the Documentary Method, Objective Hermeneutics, Grounded Theory or the Narrative Structural Approach all have more or less non-methodisable areas, which are addressed with terms such as abduction or intuition. The parallel to AI is seen in the so-called hidden layers, i.e. the hidden layers of algorithmic computation in language-processing systems, which cannot be reconstructed by computer scientists either, or only with disproportionate effort. Against this background, the aforementioned qualitative-reconstructive methodologies are reconstructed as procedures of deep interpretation and, finally, a research project is presented that investigates to what extent a QDA software for interpreting with the documentary method (DokuMet QDA) can be supported by AI.