Göttinger Forscher*innen geben Tipps für das interdisziplinäre Arbeiten
von Manuela Lenzen
Interdisziplinäre Forschung ist in aller Munde. Dass man das kann, es gerne und mit Erfolg betreibt, wird immer selbstverständlicher vorausgesetzt. Dabei wird allerdings meist übersehen, dass die Zusammenarbeit mit Kolleg*innen aus anderen Disziplinen keineswegs immer einfach ist. Oft zeigen sich Verständigungs- und andere Probleme erst nach einer gewissen Zeit und nicht immer ist gleich klar, worin diese Probleme genau bestehen, wie man sie am besten überwindet oder, noch besser, von vornherein vermeidet. Auch dass interdisziplinäres Arbeiten ganz Unterschiedliches bedeuten kann, vom „Zukauf“ von eher technischen Dienstleistungen über das Nebeneinanderstellen von Forschungsergebnissen aus verschiedenen Disziplinen in Sammelbänden bis zur intensiven Diskussion über Themen und Methoden, wird von dem nach wie vor attraktiv klingenden Begriff meist verdeckt. Viel zu selten ist die interdisziplinäre Forschung bislang selbst zum Forschungsgegenstand geworden, und entsprechend rar sind Einsichten in die Formen und Dynamiken dieser Formen der Kollaboration und konkrete Tipps für die Forschenden.
Hier setzt die Arbeit von Margarete Boos und Lianghao Daivon der Universität Göttingen an. Sie haben sich drei verschiedene interdisziplinäre Forschungsprojekte angesehen, in einer Feldforschung die Interaktion der Mitglieder und ihre Arbeit beobachtet und Interviews mit den Beteiligten geführt. Dann erstellten sie cognitive maps der Forschenden und analysierten, wie weit sie übereinstimmen. So konnten sie zeigen, wie Vorstellungen und Wissen der Teammitglieder geteilt und zu einer gemeinsamen Wissensstruktur integriert wurden.
Die Forscherinnen unterscheiden zwei grundlegende Muster des Austauschs und der Integration von Wissen in den interdisziplinären Forschungsteams. Das erste, das sie theory-method collaboration pattern nennen, bezeichnet die Zusammenarbeit zwischen Wissenschaftlerinnen und Wissenschaftlern, in denen die einen theoretische Grundlagen und die anderen Methoden zur Erhebung und Analyse von Daten zur gemeinsamen Fragestellung beitragen. Das zweite, technical collaboration pattern genannt, charakterisiert den Austausch von Werkzeugen und technischem Know-How zu einem geteilten Untersuchungsgegenstand.
Mithilfe dieser Muster entwarfen sie vier Szenarien der interdisziplinären Kooperation, die sich danach unterscheiden, ob die Forscher*innen das Forschungsthema und / oder die Forschungsmethoden teilen oder nicht. Davon ausgehend, dass es helfen kann, wenn Forscher*innen sich über die die Art ihrer Kooperation klar werden, sich also in dieser Matrix verorten, formulierten sie Empfehlungen für interdisziplinäre Teams:
- Diese könnten Zeit und Kosten sparen, wenn sie sich in einem Kick-off-meeting auf Ziele, Kommunikationsregeln und -werkzeuge einigten und das (meist unterschiedliche) Verständnis ihrer grundlegenden Begriffe diskutierten.
- Man solle sich überlegen, welche der Kollaborationsformen am besten zum eigenen Vorhaben passt und daraus auf die nötige Kommunikation schließen. Eher technischer Zusammenarbeit ist schon geholfen, wenn Datenbestände geteilt werden, Methoden und Theorien zu teilen, erfordere deutlich mehr Kommunikation.
- Im späteren Projektverlauf sei es hilfreich, sich explizit über die Art und Weise zu verständigen, wie Forschungsergebnisse integriert werden können. Zudem sei es wichtig, sicherzustellen, dass alle Beteiligten über Fortschritte und Zwischenschritte informiert sind.
- Auch für Geldgeber mag es einfacher sein, den Fortschritt einer interdisziplinären Kollaboration zu beurteilen, wenn klar ist, um welche Art von Kollaboration es sich handelt.
Interdisziplinäre Zusammenarbeit ist vor allem eine Übung im Teilen, so die Autoren. Das betreffe Arbeitskraft ebenso wie Geldmittel, Technologie und Wissen. Ob sich alle interdisziplinär Arbeitenden ihrer Klassifikation wiederfinden, bleibt abzuwarten. Sie ist auf jeden Fall ein Schritt, die Interdisziplinarität mit ihren Chancen und Fallstricken selbst zum Thema zu machen, statt sie nur zu beschwören.
Originalveröffentlichung: Lianghao Dai & Margarete Boos. Mapping the right fit for knowledge sharing. Nature (2019).
Doi: https://doi.org/10.1038/d41586-019-03558-5