Freitextantworten mit KI auswerten: So funktioniert die qualitative Analyse

Wie funktioniert die Freitextanalyse mit KI?

Bei der KI-gestützten Freitextanalyse werden offene Textantworten schrittweise ausgewertet. Zunächst werden Kernaussagen aus den Beiträgen herausgearbeitet, anschließend thematisch gebündelt und zu übergreifenden Erkenntnissen weiterverarbeitet. Die einzelnen Analyseschritte bleiben dabei nachvollziehbar und überprüfbar.

Freitexte entstehen beispielsweise in offenen Fragen einer Umfrage, bei Konsultationen, Ideenabgaben oder anderen Beteiligungsformaten der Bürgerbeteiligung. Anders als bei Auswahlfragen lassen sich diese Antworten nicht einfach zählen. Zunächst muss verstanden werden, welche Aussagen enthalten sind, welche Themen sich wiederholen und wie unterschiedliche Perspektiven zusammenhängen. Bei diesen Analyseschritten kann KI die qualitative Auswertung unterstützen.

Welche Schritte kann KI bei der Freitextanalyse übernehmen?

Ein möglicher Ablauf führt von der Originalantwort über das Bilden von Kernaussagen und Clustern bis zum Formulieren übergreifender Erkenntnisse. Diese Erkenntnisse werden anschließend an die zuständigen Entscheidungsträger:innen weitergegeben. Wie sie in Entscheidungen einfließen, liegt außerhalb der KI-gestützten Freitextanalyse.

1. Kernaussagen aus Freitexten herausarbeiten

Freitextantworten können sehr unterschiedlich ausfallen. Manche bestehen aus einem kurzen Satz, andere enthalten mehrere Gedanken, Begründungen oder konkrete Vorschläge. Genau das macht die Auswertung vieler Antworten so aufwendig.

KI kann hier im ersten Schritt helfen, den wesentlichen Inhalt eines Beitrags als Kernaussage herauszuarbeiten. Dabei prüft die KI jede Antwort auf enthaltene Gedanken und bildet daraus eine oder mehrere Kernaussagen, je nachdem wie viele unterschiedliche Anliegen in einer Antwort stecken. Der Satz „Hier könnte eine Ampel hin oder gleich den Autoverkehr massiv einschränken“ enthält beispielsweise zwei Kernaussagen: den Wunsch nach einer Ampel und den Wunsch nach weniger Autoverkehr. Der Originalbeitrag bleibt dabei immer erhalten. Die Kernaussage ersetzt ihn nicht und ergänzt auch keine neue Bewertung. Sie verdichtet lediglich das, was im Beitrag bereits enthalten ist.

Auch bei wenigen Antworten kann KI bereits bei der Bildung von Kernaussagen unterstützen. Mit zunehmender Zahl und Länge der Freitexte wächst der manuelle Aufwand für diesen Arbeitsschritt.

2. Ähnliche Aussagen thematisch clustern

Im nächsten Schritt werden inhaltlich verwandte Kernaussagen zu Themen zusammengeführt. Dafür vergleicht die KI die einzelnen Kernaussagen miteinander, erkennt thematische Gemeinsamkeiten, bildet daraus Themencluster und ordnet die Aussagen den passenden Clustern zu. So entsteht eine thematische Struktur, unter der jeweils die zugehörigen Kernaussagen gebündelt sind.

Dieser Schritt erfordert mehr fachliche Prüfung. Zwei Aussagen können unterschiedlich formuliert sein und trotzdem dasselbe Anliegen beschreiben. Umgekehrt können ähnliche Begriffe in verschiedenen Zusammenhängen unterschiedliche Bedeutungen haben.

KI-generierte Cluster sind deshalb als Vorschlag für eine thematische Struktur zu verstehen. Fachpersonen prüfen anschließend, ob Aussagen sinnvoll zugeordnet sind, Themen zusammengelegt oder getrennt werden sollten und ob zusätzliche Cluster fehlen.

Warum menschliche Prüfung beim Clustering wichtig bleibt

Beim Clustering reicht sprachliche Ähnlichkeit nicht aus. Aussagen müssen im Kontext der konkreten Fragestellung eingeordnet werden.

Auch die passende Granularität der Themen ist eine fachliche Entscheidung. In einer Beteiligung zur Stadtentwicklung können Aussagen wie „mehr Bäume“, „schattige Plätze“ und „weniger versiegelte Flächen“ beispielsweise als drei eigene Themen ausgewertet werden. Je nach Fragestellung kann es sinnvoller sein, sie unter einem gemeinsamen Thema wie „Hitzeschutz durch Begrünung“ zusammenzuführen.

Die 2025 in Scientific Reports veröffentlichte Studie zu KI in der qualitativen Forschung verglich eine mit GPT-4o erstellte thematische Analyse mit einer menschlichen Auswertung. Bei der Themenerkennung zeigte das Sprachmodell eine weitgehende Übereinstimmung mit der menschlichen Analyse. Schwächen zeigten sich bei der Auswahl geeigneter Belegzitate. Zudem traten Verfälschungen einzelner Formulierungen auf. Die Autor:innen empfehlen Sprachmodelle deshalb als Unterstützung bei der Identifikation von Themen, Schlüsselbegriffen und grundlegenden Narrativen, nicht als Ersatz für eine vertiefte qualitative Analyse. Und auch eine Studie zur KI-Codierung deutscher Freitextantworten zeigt deutliche Unterschiede zwischen den Modellen. Nur ein speziell feinabgestimmtes Modell erreichte eine zufriedenstellende Vorhersageleistung.

Für die Praxis spricht das für eine klare Arbeitsteilung: KI strukturiert vor, Menschen mit Fachwissen zum jeweiligen Beteiligungsprojekt prüfen die inhaltlichen Zusammenhänge.

Von Themenclustern zu Erkenntnissen

Nach der fachlichen Prüfung können Themencluster zu übergreifenden Erkenntnissen weiterverarbeitet werden. Ein Cluster zeigt, welche Aussagen thematisch zusammengehören. Eine Erkenntnis beschreibt, was sich aus diesen Aussagen ableiten lässt. Der Weg bleibt dabei nachvollziehbar: Ein Originalbeitrag bildet die Grundlage für eine oder mehrere Kernaussagen. Inhaltlich verwandte Kernaussagen werden einem Themencluster zugeordnet. Aus dem geprüften Themenzusammenhang entsteht eine Erkenntnis.

Gerade bei vielen Freitextantworten ist diese Struktur wichtig. So lässt sich später nachvollziehen, auf welchen Originalbeiträgen eine Erkenntnis basiert.

Was KI-Auswertung nicht bedeutet

KI-gestützte Freitextanalyse ersetzt keine vollständige qualitative Auswertung. KI kann Freitexte strukturieren, Kernaussagen herausarbeiten und thematische Muster erkennen. Welche Aussagen fachlich zusammengehören und welche Unterschiede relevant sind, muss im Kontext des jeweiligen Beteiligungsprojekts geprüft werden.

Quantitative Daten aus derselben Befragung werden anders ausgewertet. Antworten aus Einfachauswahl, Mehrfachauswahl oder Bewertungsskalen lassen sich statistisch analysieren. KI wird vor allem bei offenen Textantworten relevant, weil dort Sprache inhaltlich verarbeitet werden muss.

Die Formulierung „eine Umfrage mit KI auswerten“ greift deshalb zu kurz. Eine Befragung kann quantitative und qualitative Daten enthalten. Die KI-gestützte Freitextanalyse betrifft vor allem den offenen Textteil.

Praxisbeispiel: Freitextanalyse beim Spitalscampus Vorarlberg

Wie eine KI-gestützte Freitextanalyse in einem realen Beteiligungsprojekt aussehen kann, zeigt der Spitalscampus Vorarlberg. Bei der Online-Beteiligung ging es um die Weiterentwicklung der Krankenhausstrukturen im Land. Bürger:innen konnten ihre Erfahrungen, Erwartungen und Bedenken einbringen. 303 Personen beteiligten sich. Die Befragung enthielt eine Einfachauswahlfrage und fünf Freitextfragen.

Die Einfachauswahl wurde quantitativ analysiert. Die offenen Antworten wurden in mehreren Schritten ausgewertet: Zunächst entstanden Kernaussagen, anschließend Themencluster und daraus übergreifende Erkenntnisse.

Die Erstellung der Kernaussagen funktionierte nach Einschätzung des Projektteams sehr gut und erleichterte die Aufbereitung der Freitextantworten.

Beim Clustering war mehr fachliche Nacharbeit erforderlich. Zuordnungen wurden verändert, Kernaussagen anderen Themen zugewiesen und zusätzliche Cluster erstellt, die von der KI zunächst nicht vorgeschlagen worden waren. Eine konkrete Zeitersparnis wurde im Projekt nicht gemessen.

Das Praxisbeispiel zeigt konkret, wo KI bei der Freitextanalyse unterstützen kann: Sie strukturiert viele offene Antworten und schafft eine erste thematische Ordnung. Ob die Cluster fachlich sinnvoll sind, muss anschließend geprüft werden. Weitere Beispiele aus Beteiligungsprojekten finden sich auf unserer Seite "Kundenerfolge".

Wie CrowdInsights qualitative Freitexte auswertet

CrowdInsights bildet den Analyseprozess direkt im CrowdInsights Admin ab. Originalbeitrag, Kernaussage, Cluster und daraus abgeleitete Erkenntnisse bleiben einzeln sichtbar und bearbeitbar. Projektteams können Zuordnungen ändern, Cluster ergänzen und jeden Schritt bis zum ursprünglichen Beitrag zurückverfolgen. Möchten Sie die KI-gestützte Freitextanalyse oder andere Funktionen live sehen? Schreiben Sie uns für eine unverbindliche Demo.