← Startseite
🧭

Seminar 3

Methodik verstehen — und vom Industrie-Thema zur Forschungs-Community

Masterseminar IKT
Prof. Dr. Alexandra Mikityuk
HTW Berlin

Methodik · Methodenkapitel · Thema verstehen · Forschungs-Community finden

Rückblick — eure Pinnwand hat eindeutig gesprochen

In Seminar 2 ging es um die drei Sprünge vom Bachelor zum Master: Tiefe · Selbständigkeit · Methodik. In der Pinnwand-Übung war eine Antwort besonders häufig:

📌 Was ihr geschrieben habt

„Mein wackeligster Sprung: Methodik — ich verstehe ehrlich gesagt nicht, was Methodik eigentlich heißt."

Das war kein Einzelfall — es kam mehrfach. Und es ist eine gute, ehrliche Rückmeldung.

🎯 Konsequenz für heute

Wir bauen Seminar 3 anders als geplant: Methodik kommt nach vorne — wir entmystifizieren den Begriff. Danach Time-Management & Industrie-Spagat wie ursprünglich vorgesehen.

Versprechen: Am Ende von Teil 1 wisst ihr genau, was Methodik bedeutet, welche es für eure Arbeit gibt — und welche zu eurer Forschungsfrage passt.

Themen heute

Teil 1 — Methodik verstehen

  • Was heißt Methodik wirklich?
  • Methode vs. Methodik vs. Methodologie (3 Ebenen)
  • Die 6 wichtigsten Methoden für Masterarbeiten
  • Welche Methode passt zu welcher Frage?
  • Bachelor- vs. Master-Methodik — der Anspruchssprung
  • Anatomie des Methoden­kapitels + Gütekriterien

Teil 2 — vom Industrie-Thema zur Forschung

  • Industrie-Problem ≠ Forschungsfrage — wie baut ihr die Brücke?
  • Euer Thema in 3 Linsen verstehen
  • Verwandte Themen finden (Snowball + Tools)
  • Eure Forschungs-Community erkennen
  • Den Diskurs lesen — wo steht IHR drin?
Format: zwei Eigenarbeit-Phasen — eine pro Teil. Bringt eure Forschungsfrage aus Seminar 2 in greifbarer Form mit.

Was ist Methodik wirklich?

Methodik = das begründete „Wie" eurer Forschung.

Ihr habt eine Forschungsfrage. Methodik beschreibt: was ihr genau tut, um sie zu beantworten — und warum gerade so.

🧭 Alltagsanalogie — eine Expedition

Ihr wollt einen unbekannten Gipfel besteigen (= Forschungsfrage).

Methodik = welche Route nehmt ihr (Nordwand vs. Südgrat?), welches Equipment (Seil, Steigeisen?), wie viele Tage, wer in der Seilschaft — und warum genau diese Wahl.

Ohne Methodik → glücklicher Zufall oder Absturz. Reproduzierbar ist das nicht.

🔬 Master-Beispiel

Forschungsfrage: „Wie zuverlässig erkennt ein YOLO-v8-Modell Verkehrsschilder bei Regen — verglichen mit dem Trainings-Datensatz?"

Methodik: Vergleichendes Experiment mit zwei Datensätzen (Original + selbst gefilmtes Regen-Set, n=2.000 Bilder), Precision/Recall/F1 als Metriken, statistischer Test auf Signifikanz, Diskussion der Stichproben-Limitationen.

Drei Kriterien guter Methodik:
  • Nachvollziehbar — jemand anders könnte es nachmachen
  • Begründet — warum gerade diese Wahl? warum nicht eine andere?
  • Passend — beantwortet sie wirklich die Forschungsfrage?

3 Ebenen — Methode · Methodik · Methodologie

Drei Begriffe, oft verwechselt. Im Master müsst ihr sie sauber auseinanderhalten:

🛠️ Methode

Ein einzelnes Werkzeug.

Beispiele:

  • Eine Online-Umfrage
  • Ein semi-strukturiertes Interview
  • Ein Benchmark-Test
  • Eine systematische Literatur-Suche

📚 Methodik

Die Gesamtstrategie — Methoden + Begründung + Reihenfolge.

„Ich nutze erst eine Literaturanalyse, um den Stand zu erfassen, dann ein Experiment (n=200 Sensoren), um die offene Frage X zu beantworten — weil reine Literatur sie nicht klären kann."

🔭 Methodologie

Das Denkgerüst dahinter — die wissenschaftliche Sichtweise.

Z.B. quantitativ-positivistisch (Hypothesen testen mit Zahlen) vs. qualitativ-interpretativ (Bedeutungen erschließen) vs. Design Science (durch Bauen erkennen).

Kurzformel: Methode = was. Methodik = was + warum + in welcher Kombination. Methodologie = aus welcher Forschungs-Tradition heraus. Im Master ist die Methodik der Schwerpunkt eures Kapitels.

Die 6 wichtigsten Methoden für Masterarbeiten

Schauen wir uns das Methoden-Repertoire für Informatik-Masterarbeiten an:

① Experiment

Kontrollierte Variablen, Messung, statistischer Test. Quantitativ.

Wann: messbare Hypothese („Algorithmus A ist schneller als B").

② Systematic Literature Review

Strukturierte Suche + Filterung + Synthese existierender Forschung nach festen Kriterien.

Wann: „Was ist der Stand der Forschung zu X?"

③ Case Study

Tiefen-Analyse eines realen Falls (Firma, System, Vorfall) — qualitativ + multi-source.

Wann: „Wie funktioniert X im realen Kontext?"

④ Design Science Research

Artefakt bauen (Tool, Methode, Modell) + systematisch evaluieren — Erkenntnis durch Konstruktion.

Wann: „Wie kann man X bauen, das Y leistet?"

⑤ Vergleichsstudie / Benchmark

Mehrere existierende Lösungen nach denselben Kriterien messen, begründete Empfehlung.

Wann: „Welche Variante eignet sich am besten für Y?"

⑥ Mixed Methods

Kombination — z.B. erst Umfrage (Breite), dann Interviews (Tiefe). Sehr beliebt im Master.

Wann: wenn weder rein qualitativ noch rein quantitativ trägt.

Wichtig: Ihr müsst nicht alle 6 beherrschen — ihr braucht eine, die ihr sauber durchzieht. Aber ihr solltet wissen, dass es Alternativen gibt — und kurz begründen können, warum ihr diese gewählt habt.

🤚 Schnell-Umfrage — welche Methode zieht es euch?

Bauchgefühl, nicht endgültig. Handzeichen pro Methode — wir sehen sofort, wie die Gruppe verteilt ist.

Ablauf (≈ 5 Min):

  1. Ich rufe jede der 6 Methoden auf — wer dort tendiert, hebt die Hand
  2. Ich zähle laut mit + notiere
  3. Bei der häufigsten + der seltensten Methode: kurze Rückfrage an 1-2 Personen: „warum gerade die?"

① Experiment

② SLR

③ Case Study

④ Design Science

⑤ Vergleichsstudie

⑥ Mixed Methods

Lernzweck: ihr seht sofort, wer ähnliche Wahl trifft — das sind potenzielle Sparring-Partner:innen. Und ich sehe, wo wir in den nächsten Seminaren methodisch tiefer einsteigen müssen.

Welche Methode passt zu welcher Frage?

Erkennt eure Frage am Frage-Wort — dann ist die Methode oft schon halb klar:

Frage-TypBeispielWahrscheinlichste Methode
„Wie viel / wie schnell …?" Wie viel Latenz spart Caching-Strategie X? Experiment · Benchmark
„Welche / welcher ist besser …?" Welcher Vector-Store eignet sich für RAG < 1 Mio Docs? Vergleichsstudie · Benchmark
„Wie funktioniert X im Kontext?" Wie nutzen Senior-Devs KI-Tools im Alltag? Case Study · qualitative Interviews
„Was ist Stand der Forschung zu X?" Welche Anti-Patterns sind in REST-APIs dokumentiert? Systematic Literature Review
„Wie kann man X bauen, das Y leistet?" Wie lässt sich ein MCP-Server für Smart-Home umsetzen? Design Science Research
„Warum / wie + wie viel?" (beides) Wie und wie häufig nutzen Devs LLM-Code-Suggest? Mixed Methods (Umfrage + Interview)
Hinweis: Die Tabelle ist eine Heuristik, kein Gesetz. Wenn ihr unsicher seid, schreibt mir die Frage — wir gehen sie gemeinsam durch.

Bachelor- vs. Master-Methodik — wo ist der Sprung?

Erinnert ihr euch an die drei Sprünge aus Seminar 2? Der dritte war Methodik. Konkret heißt das:

🎓 Bachelor-Methodik

Anwendung: bekannte Methode auswählen und korrekt durchführen.

  • Methode wird beschrieben
  • Vorgehen wird dokumentiert
  • Ergebnis wird berichtet

🧑‍🎓 Master-Methodik

Reflexion: Methode wählen und die Wahl gegen Alternativen verteidigen.

  • + Begründung: warum diese Methode?
  • + Verworfene Alternativen: warum jene nicht?
  • + Limitationen: was kann eure Methode nicht?
  • + Gütekriterien: wie sichert ihr Qualität?
Der Unterschied in einem Satz: Im Bachelor zeigt ihr, dass ihr eine Methode beherrscht. Im Master zeigt ihr, dass ihr sie kritisch reflektieren könnt — und ihre Grenzen ehrlich seht.

Anatomie des Methoden­kapitels

In eurer Masterarbeit ist das Methoden­kapitel typisch 8-15 Seiten. Sechs Bausteine:

1️⃣ Forschungsdesign

Der Überblick: welche Methodologie (quant/qual/mixed/design), welche Methode, in welcher Reihenfolge — und warum genau diese.

2️⃣ Datenerhebung

Wo kommen Daten/Material her? Stichprobe, Datensatz, Interview-Teilnehmer, Mess-Setup. Mit konkreten Zahlen.

3️⃣ Datenanalyse

Wie wird ausgewertet? Statistische Tests, Codier-Schema, Analyse-Tools (Python/R/SPSS). So genau, dass jemand es reproduzieren könnte.

4️⃣ Gütekriterien

Wie sichert ihr, dass eure Ergebnisse glaubwürdig sind? (Reliability/Validity bzw. Triangulation/Sättigung — nächste Folie)

5️⃣ Limitationen

Was kann eure Methode nicht? Welche Aussagen sind nicht möglich? Ehrlich, nicht versteckt — das ist Master-Reife.

6️⃣ Ethik & Datenschutz

Wenn ihr mit Menschen / personenbezogenen Daten arbeitet: Einwilligung, Anonymisierung, DSGVO. Pflicht — kein Beiwerk.

Tipp: Macht das Kapitel früh fertig — vor der Datenerhebung. Wer erst hinterher dokumentiert, vergisst die Hälfte der Entscheidungen, die er getroffen hat.

Gütekriterien — woran misst man gute Forschung?

Quantitative und qualitative Forschung haben unterschiedliche Gütekriterien. Verwechselt sie nicht.

📊 Quantitativ (Experiment, Benchmark, Survey)

  • Reliabilität — Wiederholbarkeit (gleicher Test → gleiches Ergebnis)
  • Validität — messt ihr, was ihr messen wollt?
    • Interne V.: Kausalität korrekt?
    • Externe V.: übertragbar auf andere Kontexte?
    • Konstrukt-V.: Indikator passt zum Konzept?
  • Objektivität — unabhängig von der Person, die misst

🗣️ Qualitativ (Interviews, Case Study)

  • Glaubwürdigkeit — sind die Schlüsse plausibel begründet?
  • Übertragbarkeit — auf welche anderen Kontexte könnten die Erkenntnisse gelten?
  • Triangulation — mehrere Datenquellen / Methoden, die sich gegenseitig bestätigen
  • Sättigung — Interviews so lange, bis nichts Neues mehr aufkommt
  • Audit Trail — alle Entscheidungen dokumentiert + nachvollziehbar
Häufiger Fehler: qualitative Studien an quantitativen Kriterien messen wollen — z.B. „Sind 8 Interviews ‚statistisch signifikant'?" Nein, das ist die falsche Frage. Bei qualitativen Studien zählt Sättigung, nicht Signifikanz.

⚠️ Häufige Methodik-Fallen — und wie ihr sie vermeidet

1. „Ich nehme einfach Methode X"

Falle: Methode wählen, ohne sie an der Frage zu prüfen.

Lösung: Frage zuerst, Methode danach — nie umgekehrt.

2. Tools-Wahl als Methode

Falle: „Meine Methodik ist Python und VS Code." Nein — Tools sind nicht Methodik.

Lösung: Tools gehören in die Datenanalyse-Subsektion, nicht ins Forschungsdesign.

3. Keine Begründung

Falle: Methode beschreiben, ohne zu sagen warum.

Lösung: jede Methodik-Entscheidung mit „weil…" — explizit.

4. Limitationen verschweigen

Falle: Limitationen weglassen, um „professioneller" zu wirken.

Lösung: Limitationen aktiv aufzeigen — das zeigt Master-Reife.

5. Methode passt nicht zur Frage

Falle: Umfrage für eine „Warum"-Frage, Interview für eine „Wie viel"-Frage.

Lösung: Tabelle Folie 7 — Frage-Typ → Methoden-Typ.

6. Methodik-Kapitel nachträglich

Falle: erst forschen, dann das Methoden­kapitel schreiben — verlorene Entscheidungen.

Lösung: Methoden­kapitel vor der Datenerhebung skizzieren.

⏱️ 15 Minuten · still + Pair

🛠️ Eigenarbeit 1: Welche Methode passt zu meiner Frage?

Ihr habt jetzt die 6 Methoden + die Frage-Methode-Tabelle gesehen. Wendet das auf eure Forschungsfrage aus Seminar 2 an:

10 Min — alleine:

  1. Schreibt eure Forschungsfrage noch einmal auf (X-Y-Z-K-Format aus Seminar 2)
  2. Welche der 6 Methoden passt? Begründet in 1-2 Sätzen — warum diese, warum nicht eine andere?
  3. Skizziert in 3-5 Bullet-Points, was ihr konkret tun würdet
  4. Notiert eine Limitation, die ihr jetzt schon seht — was wird eure Methode nicht leisten können?

5 Min — zu zweit (mit Sparring-Partner:in aus Seminar 2):

  • Tauscht Frage + Methode aus
  • „Advocatus Diaboli": welche Schwächen seht ihr?

Bringt das Notiz-Blatt zu Seminar 4 mit.

☕

Pause

15 Minuten

Holt euch was zu trinken, lauft kurz raus, sprecht mit den anderen über eure Methoden-Wahl. Im zweiten Teil: wie ihr euer Job-Thema in den Forschungs-Diskurs einbringt — Brücke bauen, Nachbarschaft kartieren, Community finden.

Teil 2

Vom Industrie-Thema zur Forschungs-Community

Ihr habt ein Thema aus eurem Job. Aber Forschung ist ein Gespräch — und ihr müsst wissen, wo es geführt wird und wie ihr da hineintretet.

Was wir klären: wie ihr (1) euer eigenes Thema wirklich versteht · (2) verwandte Themen findet · (3) eure Forschungs-Community erkennt · (4) eure Position im Diskurs formuliert. Ohne diese vier Schritte landet ihr methodisch sauber im Niemandsland.

Industrie-Problem ≠ Forschungsfrage — die Brücke bauen

Das ist der häufigste Stolperstein: ein Job-Problem ist noch keine Forschungsfrage. Sie haben unterschiedliche Logiken.

🏢 Industrie-Problem

  • Spezifisch: bei uns, jetzt, mit unseren Daten
  • Ziel: lösen — möglichst schnell
  • Erfolg: es funktioniert
  • Beispiel: „Unser Login ist langsam, weil wir bcrypt mit cost=14 nutzen."

🔬 Forschungsfrage

  • Verallgemeinert: über euren Fall hinaus relevant
  • Ziel: erkennen — wie verhält sich X?
  • Erfolg: ihr versteht ein Phänomen
  • Beispiel: „Wie skaliert Password-Hashing-Performance unter steigender Concurrency — am Vergleich bcrypt / argon2 / scrypt?"
Die Brücke: Euer Job-Problem ist ein Spezialfall eines größeren Phänomens. Eure Aufgabe: das Phänomen erkennen, an dem euer Problem hängt — und dieses Phänomen in eine Forschungsfrage formulieren.
Faustregel: Wenn ihr eure Frage so umformulieren könnt, dass eine andere Firma sie auch hätte stellen können — habt ihr die Brücke gebaut.

Euer Thema in 3 Linsen verstehen

Jedes Industrie-Thema lässt sich aus drei Richtungen betrachten. Jede Linse führt euch in eine andere Forschungs-Nachbarschaft.

🔧 Technologie-Linse

Welche Technik ist konkret im Spiel?

Algorithmen · Frameworks · Architekturen · Protokolle

Beispiel-Thema „Login langsam":

→ Hash-Algorithmen, KDF, Argon2 vs. bcrypt vs. scrypt

🌐 Anwendungs-Linse

In welchem Kontext spielt es?

Domäne · Nutzergruppe · System-Größe · Branche

Beispiel-Thema „Login langsam":

→ Web-Auth bei hoher Concurrency, Mobile-First Apps, Enterprise SSO

🔍 Wissenschafts-Linse

Welches grundsätzliche Phänomen?

Trade-off · Skalierung · Sicherheit · Performance

Beispiel-Thema „Login langsam":

→ Security-vs.-Performance Trade-off in Cryptographic KDFs

Warum drei Linsen? Jede führt euch zu anderen Konferenzen, Autor:innen, Suchbegriffen. Eure Arbeit liegt dort, wo sich zwei oder drei Linsen schneiden — das ist eure einzigartige Position im Diskurs.

Verwandte Themen finden — die Forschungs-Nachbarschaft kartieren

Drei konkrete Techniken — wenn ihr alle drei nutzt, habt ihr in ~2 Stunden eine solide Karte eures Felds.

① Keyword-Leiter

Von breit zu schmal zu technisch — schreibt mind. 3 Ebenen.

Beispiel „Login":

  • breit: „authentication"
  • schmal: „password hashing performance"
  • technisch: „argon2 concurrency benchmark"

② Snowball-Suche

Ein Seed-Paper finden, dann in beide Richtungen schneeballen:

  • rückwärts: deren Quellen lesen
  • vorwärts: „cited by" — wer hat sie zitiert?

2-3 Iterationen reichen — danach taucht das gleiche Material auf.

③ Survey-Papers als Karten

Sucht gezielt nach Übersichts-Artikeln — sie ersparen euch Wochen.

Sucht: „survey", „review", „state of the art", „systematic mapping" + euer Thema.

Bonus: deren Referenzliste = euer Lese-Plan.

🛠️ Tools, die ihr nutzen solltet

  • Google Scholar — Standard-Sucheinstieg + Zitierungs-Tracking
  • Semantic Scholar — bessere Filter + AI-Zusammenfassung
  • Connected Papers (connectedpapers.com) — visualisiert Paper-Nachbarschaft als Graph
  • Inciteful oder Litmaps — interaktive Citation-Trees
  • arXiv + IEEE Xplore + ACM DL — Volltexte

⚠️ Häufige Fehler

  • Nur Google nutzen (verpasst gated Papers + falsche Sortierung)
  • Erstbeste Treffer nehmen — ihr braucht 10-15 als Basis, nicht 3
  • Zu alte Quellen ignorieren (in CS: >10 Jahre oft veraltet, in Theorie aber Klassiker!)
  • Nur englisch suchen — manchmal hilft DE/franz. Suche bei lokalen Themen

Eure Forschungs-Community erkennen

„Community" klingt abstrakt. Konkret heißt es: Konferenzen · Journals · wiederkehrende Namen. Das sind die drei Spuren.

🎤 Konferenzen

Hier passiert die Action in der CS. Schneller als Journals, peer-reviewed, oft Open-Access.

Beispiele aus den Linsen:

  • Security: USENIX Security, ACM CCS, NDSS, IEEE S&P
  • SE: ICSE, FSE, ASE
  • HCI: ACM CHI, UIST
  • ML/AI: NeurIPS, ICML, ACL
  • Systems: SOSP, OSDI, NSDI

📚 Journals

Der kanonische Record. Langsamer, aber gewichtiger; oft hinter Paywall.

Allgemeine Anker:

  • IEEE Transactions on Software Engineering
  • ACM Transactions on (TOSEM, TOCS, …)
  • ACM Computing Surveys (CSUR) — sehr nützlich!
  • Empirical Software Engineering
  • Journal of Systems and Software

🧑‍🔬 Key Authors

Wenn ein Name 3+ mal auftaucht, ist es ein Anker eurer Community.

So findet ihr sie:

  • In Survey-Papers — wer wird oft zitiert?
  • Auf Konferenz-Programmen — wer hat dieses Jahr publiziert?
  • Google Scholar Profil → „Co-authors" → Netzwerk sichtbar

Tipp: ihre Twitter/Mastodon/Blog-Accounts folgen — Diskurs live mitbekommen.

Wie findet ihr eure Community? Schaut, wo eure 3 Seed-Paper publiziert sind — das ist eure Startadresse. Wenn alle drei auf USENIX Security landen, ist das eure Community. Wenn sie sich auf 3 verschiedene Felder verteilen, ist euer Thema interdisziplinär (auch okay — aber bewusst dokumentieren).

Den Diskurs lesen — wo steht IHR drin?

Forschung ist ein Gespräch zwischen Papers. Jedes Paper sagt: „Ich knüpfe an X an / ich widerspreche Y / ich erweitere Z." Ihr müsst eure eigene Position formulieren können.

📖 Eine Konversations-Karte zeichnen

Sobald ihr ~10 Papers gelesen habt, sortiert sie:

  • Was wird allgemein akzeptiert? (Konsens)
  • Was ist umstritten? (Streit zwischen Lagern)
  • Was wird gar nicht behandelt? (Lücke)

Eine A3-Mindmap reicht — Papers gruppieren, Pfeile zeichnen.

🎯 Eure Positionierung — 3 Templates

Wählt eines, das zu eurem Beitrag passt:

  • Aufbauen: „Aufbauend auf [X 2022] erweitere ich …"
  • Widersprechen: „Im Gegensatz zu [Y 2021] zeige ich …"
  • Lücke füllen: „Während [X] und [Y] untersucht sind, bleibt [Z] offen."
⚠️ Häufige Falle: Eine „Lücke" wählen, die niemand interessiert. Das passiert, wenn man die Lücke vor der Karte sucht. Erst die Konversation kartieren, dann die relevante Lücke identifizieren — sonst landet ihr methodisch sauber im Niemandsland.
Gold-Standard: Eure Lücke ist gut, wenn ihr mehrere Papers findet, die sie indirekt erwähnen („… future work could address …"). Dann wisst ihr: die Community kennt die Lücke — und braucht jemanden, der sie schließt.
⏱️ 15 Minuten · still + Pair

🗺️ Eigenarbeit 2: Eure Forschungs-Nachbarschaft kartieren

Nehmt euer Industrie-Thema aus eurer Forschungsfrage. Macht eine erste Karte:

10 Min — alleine (Laptop / Handy nutzen):

  1. Industrie-Problem in 1 Satz — wie ihr es im Job formulieren würdet
  2. 3 Linsen-Begriffe — je 1 Suchbegriff aus Technologie / Anwendung / Wissenschaft
  3. Keyword-Leiter — 1 breiter / 1 schmaler / 1 technischer Suchbegriff
  4. 2 Seed-Papers — über Google Scholar finden, Titel + Jahr + Venue notieren
  5. 1 Konferenz oder Journal — wo sind die Seed-Papers erschienen?
  6. 1 Lücken-Satz — „Während X erforscht ist, bleibt Y offen."

5 Min — zu zweit:

  • Tauscht eure Karte aus
  • Eine Person formuliert die Lücke des/der anderen nochmal in eigenen Worten — passt es?

Es geht nicht darum, dass die Karte perfekt ist. Es geht darum, dass ihr angefangen habt zu kartieren.

📚 Hausaufgaben bis Seminar 4

Was bis nächstes Mal vorzubereiten ist

  1. Methoden-Wahl finalisieren — eine Methode aus den 6 wählen + 1 Absatz Begründung (warum diese, warum nicht eine andere)
  2. Methoden­kapitel-Skizze — 6 Bausteine als Überschriften + 2-3 Stichpunkte je Baustein
  3. Forschungs-Nachbarschaft ausbauen — aus Eigenarbeit 2 weitermachen: 5 Seed-Papers + 2 Konferenzen/Journals + 3 Key-Autor:innen
  4. Lücken-Satz schärfen — euer „Während X erforscht ist, bleibt Y offen" auf 1-2 Sätze bringen, mit Verweis auf 2 Papers, die die Lücke indirekt erwähnen
Format: Schickt mir die 4 Sachen als ein PDF (max 2 Seiten) bis Abend vor Seminar 4. Ich gebe individuelle Rückmeldung.

Take-aways aus heute

🧪 Teil 1 — Methodik

  • Methodik = das begründete Wie eurer Forschung.
  • 3 Ebenen: Methode · Methodik · Methodologie.
  • 6 Methoden: Experiment · SLR · Case Study · Design Science · Vergleichsstudie · Mixed Methods.
  • Frage zuerst, Methode danach.
  • Master-Anspruch: begründen + reflektieren + Limitationen.

🗺️ Teil 2 — Vom Job-Thema zur Forschung

  • Industrie-Problem ≠ Forschungsfrage — euer Problem ist ein Spezialfall eines größeren Phänomens.
  • 3 Linsen: Technologie · Anwendung · Wissenschaft — jede führt in eine andere Nachbarschaft.
  • Findet mit Keyword-Leiter · Snowball · Survey-Papers + Tools (Scholar, Connected Papers).
  • Eure Community = wo eure Seed-Papers publiziert sind.
  • Erst kartieren, dann Lücke — nicht umgekehrt.

Fragen?

Nächstes Mal: Struktur einer Masterarbeit · LaTeX einrichten · Literaturmanagement mit Zotero.

Prof. Dr. Alexandra Mikityuk
HTW Berlin · Büro Raum 308
Schickt mir eure Methoden-Wahl + Forschungs-Karte bis Seminar 4!

© 2026 HTW Berlin · Masterseminar IKT

1 / 21