5  In-situ-Designs in verschiedenen Untersuchungsanlagen

5.1 Kombination von In-situ-Designs mit anderen Erhebungsmethoden

Häufig werden In-situ-Designs mit anderen Erhebungsverfahren kombiniert. Im Folgenden stellen wir die gängigsten Methodenkombinationen vor (siehe Schnauber-Stockmann & Karnowski, 2020).

Sehr gängig ist die Kombination mit einer quantitativen Vorab- und/oder Nachbefragung. Die Vorabbefragung eignet sich für die Erhebung stabiler Personenmerkmale. Weiterhin dient sie häufig dem sog. Screening, also der Vorauswahl der Teilnehmer:innen hinsichtlich forschungsrelevanter Merkmale. Beispielsweise kann es das Ziel sein, Personen zu identifizieren, die zumindest zweimal wöchentlich Podcasts hören oder einer bestimmten Altersgruppe angehören. Schließlich können im Rahmen der Vorabbefragung wichtige Studieninformationen vermittelt und Informationsmaterialien sowie Kontaktmöglichkeiten bereitgestellt werden. Im Rahmen der Vorabbefragung wird oft auch der Informed Consent für alle Teile der Studie eingeholt (siehe Abschnitt 4.2). Die Nachbefragung wiederum kann dazu dienen, weitere Personenmerkmale zu erfassen, die Teilnehmer:innen nachträglich über den genauen Zweck der Untersuchung aufzuklären (Debriefing) oder um Nachfragen zur In-situ-Phase zu stellen. Die Abfrage von Kontaktdaten zur Ausschüttung von Incentives findet häufig ebenfalls im Rahmen der Nachbefragung statt. In der Podcastingstudie (siehe Studiensteckbrief) wurde die In-situ-Phase mit einer Vorab- und einer Nachbefragung kombiniert. Die Vorabbefragung (in Form einer herkömmlichen Onlineumfrage) enthielt die erste von zwei Einwilligungserklärungen. Zudem wurden dort stabile Personenmerkmale erhoben, z. B. Nutzungsgewohnheiten und allgemeine Bewertungen von True-Crime-Podcasts. Abschließend wurden die Befragten über den Ablauf des In-situ-Teils der Studie informiert und um Einwilligung zur ESM-Phase gebeten. In der Nachbefragung wurden u. a. methodische Merkmale – insbesondere hinsichtlich der Reaktivität – erfragt.

WichtigMERKE

Fast immer werden In-situ-Studien mit einer Vorabbefragung kombiniert, die u. a. der Rekrutierung, dem Screening, der Messung von Personenmerkmalen und dem Einholen des Informed Consent dient.

In-situ-Methoden bieten sich auch in Kombination mit qualitativen Befragungen an. Die in situ gesammelten Informationen werden in dieser Kombination z. B. als Prompts für qualitative Interviews genutzt. In der Studie von Pigg et al. (2014) zum Thema Schreibverhalten und Bedeutung von Schreiben im Alltag wurden die Teilnehmer:innen z. B. eine Woche lang fünfmal am Tag per SMS dazu befragt, was sie gerade schreiben oder kurz zuvor geschrieben hatten. Diese Antworten wurden genutzt, um im Rahmen qualitativer Interviews das Schreibverhalten der Teilnehmer:innen näher zu beleuchten.

Schließlich können In-situ-Studien mit digitalen Verhaltensdaten kombiniert werden (De Calheiros Velozo et al., 2022; Keusch & Conrad, 2022; siehe zur Verknüpfung von digitalen Verhaltens- und Befragungsdaten allgemein z. B. Stier et al., 2020). Zwei Zugangswege zu digitalen Verhaltensdaten sind im Zusammenhang mit In-situ-Studien zentral: Tracking und Datenspenden. Beide orientieren sich an den Nutzer:innen und erlauben die Sammlung von digitalen Verhaltensdaten auf der individuellen Ebene, d. h., wir können einzelnen Teilnehmer:innen ihre individuellen digitalen Verhaltensspuren zuordnen (z. B. ihre Nutzungshäufigkeit von TikTok). Trackingdaten setzen voraus, dass die Teilnehmer:innen ein Programm auf ihrem Gerät installieren, das während der Studienzeit für die Forschungsfrage relevante Daten (und nur diese, Stichwort ‚Datensparsamkeit‘, siehe Abschnitt 4.2) aufzeichnet und an die Forschenden übermittelt (siehe z. B. Christner et al., 2022; Ohme et al., 2024). Die Studie von Aalbers et al. (2022) (siehe Studiensteckbrief) kombiniert z. B. ESM- mit Trackingdaten.

Im Rahmen von Datenspenden stellen die Teilnehmer:innen ihre digitalen Verhaltensdaten zu Forschungszwecken zur Verfügung, sie ‚spenden‘ sie an die Forschenden. Dabei kann es sich um unterschiedliche Daten handeln, z. B. Data Download Packages von Social-Media-Plattformen (siehe z. B. Carrière et al., 2025; Driel et al., 2022; Ohme et al., 2024) oder selbstgenerierte Daten wie z. B. Bildschirmfotos oder Videos (z. B. Baumgartner et al., 2022). Datenspenden erfreuen sich u. a. aus forschungsethischen Gründen großer Beliebtheit, denn sie beziehen die Nutzer:innen aktiv in den Erhebungsprozess ein und ermöglichen ihnen einen souveränen Umgang mit den eigenen Daten (siehe z. B. Boeschoten et al., 2022).

Ein weiterer verbreiteter Zugang zu digitalen Verhaltensdaten sind sog. Application Programming Interfaces (APIs). Die Forschenden können über eine Softwareschnittstelle auf Plattformdaten zugreifen. Häufig werden darüber aber keine personenbezogenen Daten übertragen, sodass ihr Einsatz für In-situ-Studien eingeschränkt ist. Ernst et al. (2026) haben jedoch im Rahmen einer ESM-Studie über die Spotify-API Daten auf der Individualebene gesammelt. Einen ausführlichen Überblick über die verschiedenen Zugänge zu digitalen Verhaltensdaten (bzgl. der Social-Media-Nutzung) geben Ohme et al. (2024).

Die Kombination von In-situ-Designs, die auf Selbstauskünften beruhen, mit digitalen Verhaltensdaten kann aus mehreren Gründen sinnvoll sein. Zum einen können über das Smartphone getrackte digitale Verhaltensdaten für die automatische Auslösung von Protokollen bei ereignisabhängigen Stichproben dienen (siehe hierzu Abschnitt 6.3.2.1). Zum anderen können digitale Verhaltensdaten die über die Protokolle erhobenen Selbstauskünfte um Beobachtungsdaten ergänzen. Das kürzer gehaltene Protokoll kann die Teilnehmer:innen entlasten, weil bestimmte Variablen (z. B. digitale Mediennutzung oder Aufenthaltsorte) automatisch erfasst (genauer: beobachtet) und nicht erfragt werden. Die Erfassung digitaler Verhaltensdaten kann zudem auch Probleme von Selbstberichten wie eine verzerrte Wahrnehmung oder mangelnde Erinnerung umgehen. Variablen, die keiner Selbstauskunft bedürfen oder bei denen Selbstauskünfte wenig zuverlässig sind, können mithilfe digitaler Verhaltensdaten erhoben und gemeinsam mit den Selbstauskünften aus den In-situ-Protokollen ausgewertet werden. Aalbers et al. (2022) konnten z. B. zeigen, dass Smartphonenutzung (Log-Daten-Erhebung) mit Prokrastination (Selbstreport) einhergeht (siehe Studiensteckbrief). Müller et al. (2021) konnten ermitteln, dass Mobilitätsmuster (GPS-Tracking) mit Wohlbefinden (Selbstreport) zusammenhängen. Ernst et al. (2026) nutzten die Spotify-API, um die Nutzung von Musikstreaming zu erfassen. Sie testeten dann Mood-Management-Annahmen, indem sie die Daten mit Selbstauskunftsdaten zur aktuellen Stimmung kombinierten.

Bei der Einbindung von digitalen Verhaltensdaten sind eine Reihe von Aspekten zu beachten:

  • Die Anforderungen an die Kompetenzen der Forschenden im Umgang mit den erhobenen Daten (siehe hierzu z. B. Breuer et al., 2020; De Calheiros Velozo et al., 2022; Stier et al., 2020) und an die Forschungsethik erhöhen sich (siehe hierzu z. B. Breuer et al., 2021).

  • Die technischen Voraussetzungen müssen gegeben sein, etwa der Zugang zu Trackingssoftware oder zu Tools für Datenspenden (Ohme et al., 2024). Einige kommerzielle ESM-Tools verfügen über entsprechende Trackingoptionen, die meist aber auf einzelne Betriebssysteme, fast immer Android, beschränkt sind. Ein Überblick über vorhandene ESM-Software inklusive Informationen zu Trackingmöglichkeiten haben Wieland et al. (2025) zusammengestellt und hier verfügbar gemacht. Für die Sammlung von Datenspenden stehen bisher nur wenige Tools zur Verfügung (z. B. Araujo et al., 2022; Boeschoten et al., 2023; Haim et al., 2023; Pfiffner et al., 2024). Teilweise kommen für einzelne Projekte individuell entwickelte Apps und Tools zum Einsatz.

  • Wir müssen abwägen, ob die zusätzliche Belastung der Teilnehmer:innen gerechtfertigt ist. Die Erhebung digitaler Verhaltensdaten kann zwar die Länge des Protokolls verkürzen, sie ist aber häufig mit anderen Belastungen für die Teilnehmer:innen verbunden. Im Falle von Tracking z. B. mit kürzeren Akkulaufzeiten von Smartphones, im Falle von Datenspenden mit zusätzlichem Aufwand, etwa bei der Anforderung und dem Hochladen von Data Download Packages, oder auch dem zusätzlichen Tragen von Wearables. Ganz generell verschärfen sich Datenschutzbedenken mit der umfassenderen Preisgabe von Informationen.

Diese Einschränkungen verringern die Teilnahmebereitschaft oft deutlich (De Calheiros Velozo et al., 2022; Hase & Haim, 2024; Keusch et al., 2019; Welbers et al., 2024). Wir empfehlen deshalb eine über dieses Buch hinausgehende intensive Einarbeitung der Forschenden in das Thema (siehe z. B. De Calheiros Velozo et al., 2022; Harari et al., 2016; Keusch et al., 2019; Müller et al., 2021; Ohme et al., 2024; Pfiffner et al., 2024; Welbers et al., 2024).

WichtigMERKE

Die Kombination von In-situ-Methoden mit Beobachtungsverfahren, die digitale Verhaltensdaten speichern, ermöglicht eine genauere Erfassung individueller Mediennutzung sowie weiterer Merkmale der Situation, indem Selbstberichte durch objektive Verhaltensmessungen ergänzt und Verzerrungen reduziert werden. Digitale Verhaltensdaten werden vor allem über Tracking oder Datenspenden gewonnen. Beide Verfahren erfordern allerdings umfassende technische, datenschutzrechtliche und ethische Abwägungen.

5.2 Measurement-Burst-Designs

‚Einfache‘ In-situ-Studien dienen aufgrund der überwiegend kurzen Feldzeit von einigen Tagen vor allem dazu, eher kurzfristige Zusammenhänge und Phänomene zu untersuchen. Es sind aber auch Fragestellungen vorstellbar, bei denen Zusammenhänge oder Phänomene über längere Zeiträume von Interesse sind. Wir könnten uns etwa dafür interessieren, wie sich die Nutzung von politischen Podcasts und deren Einfluss auf Einstellungen in den verschiedenen Phasen eines Wahlkampfs (kein Wahlkampf, Beginn des Wahlkampfs, ‚heiße Phase‘ des Wahlkampfs und direkt nach der Wahl) unterscheiden. Ein weiteres zu untersuchendes Thema könnte die Nutzung von Podcasts zur Stimmungsregulierung in verschiedenen Phasen der Jugend sein.

Für die Untersuchung solcher oder ähnlicher Fragestellungen eignen sich sog. Measurement-Burst-Designs (z. B. Cho et al., 2019; Nestler, 2021; Sliwinski, 2008; Stawski et al., 2015). Measurement Bursts sind eine spezielle Art von Längsschnittdesigns, bei denen mehrere Bursts, also In-situ-Studien, in eine größere Längsschnittstudie eingebettet werden. Dieselben Personen nehmen nicht nur einmal an einer In-situ-Studie teil, sondern die In-situ-Phase wird nach einer gewissen Zeit (z. B. nach einem Monat, einem Jahr) mehrfach wiederholt. Dieses Design ermöglicht sowohl die Untersuchung von kurzfristigen intraindividuellen Zusammenhängen innerhalb der einzelnen Bursts wie jedes übliche In-situ-Design auch. Darüber hinaus können Veränderungen in den Prävalenzen oder Mittelwerten über die Zeit hinweg untersucht werden, z. B. ob in Wahlkampfzeiten mehr politische Podcasts gehört werden als außerhalb oder ob die Podcastnutzung im Verlauf der Jugend zunimmt. Außerdem können Veränderungen in den intraindividuellen Zusammenhängen zwischen den Bursts untersucht werden, etwa ob politische Podcasts einen größeren Einfluss auf Einstellungen in Wahlkampfzeiten haben als außerhalb oder ob die Stimmungsregulierung mit Podcasts in der späten Jugend erfolgreicher ist als in der frühen (zu Auswertungsmöglichkeiten siehe z. B. Nestler, 2021).

Es muss gut abgewogen werden, ob ein solches Design zum Einsatz kommen sollte, denn es ist deutlich ressourcenintensiver als übliche In-situ-Studien. Damit einher geht eine deutlich höhere Belastung für die Teilnehmer:innen, weshalb mit geringerer Teilnahmebereitschaft und höheren Abbruchquoten zu rechnen ist (Sliwinski, 2008).

5.3 Interventions- und Experimentaldesigns

Wie im einleitenden Kapitel ausgeführt, besteht eine zentrale Idee von In-situ-Studien darin, den Alltag möglichst umfassend abzubilden. Es sind aber auch Fragestellungen bzw. Zielsetzungen denkbar, bei denen es sinnvoll ist, dass die Forschenden in die üblichen Abläufe des Alltags eingreifen.

Zum einen können In-situ-Designs im Rahmen von Interventionsstudien eingesetzt werden, also Studien, die zur Entwicklung und Prüfung spezifischer Maßnahmen dienen. Im Mittelpunkt können etwa die Wirksamkeit gesundheitsfördernder Handlungen (z. B. Mikesell et al., 2018) oder die Effekte des digitalen Fastens auf das Wohlbefinden stehen (z. B. Hall et al., 2019). Beispielsweise könnten wir zur Steigerung der Informationsnutzung eine Interventionsstudie planen, in der die Teilnehmer:innen mehrfach im Studienverlauf per SMS informiert werden, dass sie sich zeitnah über ein politisches Thema unterhalten sollen. Mit In-situ-Protokollen könnte anschließend geprüft werden, ob sie deshalb mehr politische Podcasts hören. Denkbar ist auch, dass das Ausfüllen der In-situ-Protokolle selbst Teil der Intervention ist, etwa wenn Personen in den Protokollen über ihre gesundheitliche Verfassung reflektieren sollen und diese Aufzeichnungen die Aufmerksamkeit für die eigene Gesundheit erhöhen (ecological momentary interventions, EMI, Kuppens & Myin-Germeys, 2022; May et al., 2018)

Zum anderen kann der (strenge) Kausalnachweis wichtig sein. Es handelt sich bei In-situ-Studien zwar um Längsschnittstudien, womit – je nach Auswertungsvorgehen (siehe Abschnitt 9.5.2.7) – zumindest die zeitliche Reihenfolge als ein Merkmal von Kausalität berücksichtigt werden kann (die Ursache muss zeitlich vor der Wirkung liegen). Ein Kausalnachweis ist aber nur im Rahmen eines Experimentaldesigns möglich, bei dem neben der zeitlichen Abfolge von Variablen auch mögliche Störvariablen kontrolliert werden (zu In-situ-Studien mit Experimentaldesign siehe Neubauer & Schmiedek, 2020; Schmiedek & Neubauer, 2020). Bei einer Kombination von In-situ-Studien mit experimentellen Designs handelt es sich grundsätzlich um Feldexperimente (zu Feldexperimenten allgemein siehe z. B. Koch et al., 2025). Denn durch die In-situ-Abfrage im Alltag der Proband:innen über einen längeren Zeitraum hinweg können Störvariablen nicht (komplett) kontrolliert werden.

Im Rahmen von Experimentalstudien ist sowohl ein Between-Person-Design denkbar – verschiedene Teilnehmer:innen werden in Experimental- und Kontrollgruppen eingeteilt – als auch ein Within-Person-Design, indem im Studienverlauf die Teilnehmer:innen verschiedene Experimentalbedingungen durchlaufen. Häufig sind die o. g. Interventionsstudien ebenfalls experimentell angelegt, um die Wirksamkeit bestimmter Interventionen zu testen. Hall et al. (2019) untersuchten z. B. den Zusammenhang zwischen Social-Media-Fasten und Wohlbefinden. Sie teilten ihre Teilnehmer:innen in fünf Experimentalgruppen ein: kein Social-Media-Fasten, eine, zwei, drei oder vier Wochen Social-Media-Fasten. In Daily Diaries berichteten die Teilnehmer:innen dann über verschiedene Dimensionen des Wohlbefindens. Ein Zusammenhang mit digitalem Fasten konnte jedoch nicht gezeigt werden.

WichtigMERKE

In-situ-Studien erfassen alltägliches Leben (Kognitionen, Emotionen und Verhalten), können aber durch gezielte Eingriffe – etwa in Form von Interventionen oder experimentellen Designs – erweitert werden.