Argumentenanalyse in der Wissenschaft

Einführung: Warum Argumentenanalyse?

In der Wissenschaft sind Argumente das Fundament jeder Arbeit: Sie verbinden Daten, Theorien und Ergebnisse zu nachvollziehbaren Schlussfolgerungen. Eine präzise Argumentenanalyse ermöglicht es, Thesen klar zu erkennen, Fehlerquellen zu vermeiden und überzeugende Urteile zu fällen. Sie ist unverzichtbar – von der Hausarbeit über Bachelor- und Masterarbeiten bis hin zur Dissertation, zu wissenschaftlichen Artikeln und Gutachten.

Argumentation erfüllt eine doppelte Funktion: Sie begründet Erkenntnisse und sie überzeugt die Fachgemeinschaft. Wer Argumente sauber darstellt, signalisiert methodische Strenge, Transparenz und intellektuelle Redlichkeit. Unklare oder fehlerhafte Argumente schwächen nicht nur eine Abschlussarbeit, sondern auch die Glaubwürdigkeit von Artikeln, Gutachten oder ganzen Forschungsprojekten.

Argumentenanalyse ist mehr als Sprache: Sie ist ein Werkzeug kritischen Denkens, das hilft, Komplexität zu ordnen und Rationalität in Diskussionen zu sichern. Durch das Erkennen von Argumenttypen, das Prüfen logischer Strukturen und das Reflektieren von Denkfehlern entsteht die Grundlage für fundierte Urteile – sei es im Seminar, in Publikationen, bei Peer Reviews oder in Dissertationsverteidigungen.

Typen von Argumenten

In der Wissenschaft dienen Argumente dazu, Erkenntnisse nachvollziehbar zu begründen. Sie zeigen, wie von Beobachtungen, Daten oder Theorien auf Schlussfolgerungen geschlossen wird. Drei Grundtypen lassen sich unterscheiden – je nach Stärke der Verbindung zwischen Prämissen und Schlussfolgerung.

Deduktive Argumente

Wenn die Prämissen wahr sind und die logische Struktur gültig ist, muss auch die Schlussfolgerung wahr sein. Deduktion liefert Gewissheit und ist typisch für Mathematik, Logik und Informatik.

• Beispiel: Alle Metalle leiten Strom. Kupfer ist ein Metall. → Also leitet Kupfer Strom.

Induktive Argumente

Hier machen die Prämissen die Schlussfolgerung wahrscheinlich, aber nicht zwingend. Induktion ist zentral für empirische Wissenschaften.

• Beispiel: In 10 von 12 Studien war ein Verfahren erfolgreich → es ist wahrscheinlich wirksam.

Abduktive Argumente

Abduktion bedeutet, aus mehreren möglichen Erklärungen die plausibelste zu wählen. Sie ist wichtig für Hypothesenbildung und Forschungsschlüsse.

• Beispiel: Ein Experiment liefert abweichende Werte → plausibelste Erklärung: Messfehler.

Wie prüft man Argumente? – Die 6 Schritte

1. Schlussfolgerung identifizieren
2. Prämissen identifizieren
3. Nebensächlichkeiten eliminieren
4. Querverweise entfernen
5. Widersprüchliche Terminologie vermeiden
6. Unterdrückte Prämissen ergänzen

Typische Denkfallen: Kognitive Verzerrungen

• Bestätigungsfehler: nur Belege suchen, die die eigene These stützen.
• Verfügbarkeitsheuristik: besonders einprägsame Beispiele überschätzen.
• Ankereffekt: früh genannte Zahlen oder Begriffe beeinflussen spätere Urteile.
• Framing-Effekt: dieselben Fakten wirken je nach Formulierung unterschiedlich.

Deduktive Argumente

Deduktive Argumente sind die strengste Form wissenschaftlicher Begründung: Wenn die Prämissen wahr sind und die logische Struktur korrekt ist, muss die Schlussfolgerung wahr sein. Damit liefern sie Gewissheit – unter der Bedingung, dass keine Prämisse fehlerhaft oder unvollständig ist.

Vorteile

• Hohe Zuverlässigkeit: bei korrekten Prämissen und gültiger Logik zwingend.
• Klarheit: Struktur und Gültigkeit lassen sich formal überprüfen.
• Einsatzgebiet: Besonders geeignet für Mathematik, Logik, formale Systeme und klare Gesetzesaussagen.

Nachteile

• Abhängig von der Wahrheit der Prämissen.
• Oft abstrakt und schwer auf reale Probleme übertragbar.
• In empirischen Wissenschaften nur eingeschränkt nutzbar.

Typen deduktiver Argumente

• Kategorisch: Aussagen über Klassen/Begriffe („Alle A sind B“).
• Konditional: Wenn–Dann-Strukturen („Wenn A, dann B“).
• Disjunktiv: Entweder–Oder-Strukturen („Entweder A oder B, nicht beides“).

Die 6 Schritte angewandt

1. Schlussfolgerung identifizieren: „Kupfer leitet Strom.“
2. Prämissen identifizieren: „Alle Metalle leiten Strom. Kupfer ist ein Metall.“
3. Nebensächlichkeiten eliminieren: irrelevante Zusatzinfos (z. B. Farbe oder Dichte von Kupfer) weglassen.
4. Querverweise entfernen: Definitionen klären (z. B. „Metall“, „Strom leiten“).
5. Widersprüchliche Terminologie vermeiden: konsistente Begriffe verwenden.
6. Unterdrückte Prämissen ergänzen: z. B. „Kupfer gehört tatsächlich zur Klasse der Metalle“.

Kognitive Verzerrungen bei Deduktion

• Bestätigungsfehler: nur passende Prämissen prüfen.
• Framing-Effekt: Logik wirkt je nach Begriffswahl unterschiedlich.
• Ankereffekt: frühe Definitionen beeinflussen spätere Urteile.

Bewertung deduktiver Argumente

• Gültigkeit: folgt die Schlussfolgerung zwingend?
• Wahrheit der Prämissen: sind sie inhaltlich korrekt?
• Nur wenn beides erfüllt ist, ist das Argument schlüssig.

Beispiele aus Disziplinen

• Mathematik: Alle Primzahlen > 2 sind ungerade. 7 ist eine Primzahl > 2 → 7 ist ungerade.
• Physik: Körper ohne Kraft bleibt in Ruhe oder gleichförmiger Bewegung.
• Rechtswissenschaft: Wenn Tatbestand + Rechtswidrigkeit erfüllt → Handlung ist strafbar.

Induktive Argumente im Detail

Induktive Argumente verallgemeinern von Einzelfällen auf allgemeine Aussagen. Sie liefern keine absolute Gewissheit, sondern Wahrscheinlichkeiten. Damit sind sie das Rückgrat empirischer Forschung – von Naturwissenschaften bis zu Sozial- und Geisteswissenschaften.

Vorteile

• Praxisnähe: baut auf Beobachtungen, Daten und Experimenten auf.
• Erweiterbar: kann mit wachsender Datenbasis gestärkt werden.
• Unverzichtbar: Grundlage für Hypothesenbildung und Theoriebildung.

Nachteile

• Keine logische Gewissheit: auch viele Beobachtungen garantieren keine universelle Gültigkeit.
• Anfällig für Verzerrungen: Stichprobengröße und Auswahl beeinflussen stark die Qualität.
• Falsche Verallgemeinerungen: können zu voreiligen Schlüssen führen.

Typen induktiver Argumente

• Induktive Verallgemeinerung: Von einer Stichprobe auf eine gesamte Population schließen.
• Kausale Induktion: Aus Beobachtungen auf Ursache-Wirkung-Zusammenhänge schließen.
• Analoge Induktion: Aus Ähnlichkeiten zwischen Fällen wird auf ähnliche Eigenschaften geschlossen.

Die 6 Schritte angewandt

1. Schlussfolgerung identifizieren: „Das Verfahren ist wahrscheinlich wirksam.“
2. Prämissen identifizieren: „In 10 von 12 Studien war das Verfahren erfolgreich.“
3. Nebensächlichkeiten eliminieren: irrelevante Details zu Studienbedingungen weglassen.
4. Querverweise entfernen: Klarstellen, was „wirksam“ bedeutet (z. B. messbare Verbesserung eines Symptoms).
5. Widersprüchliche Terminologie vermeiden: Begriffe wie „effektiv“ und „wirksam“ konsistent nutzen.
6. Unterdrückte Prämissen ergänzen: z. B. „Die 12 Studien sind methodisch solide und vergleichbar.“

Kognitive Verzerrungen bei Induktion

• Bestätigungsfehler: nur Studien berücksichtigen, die die eigene Hypothese stützen.
• Verfügbarkeitsheuristik: auffällige Einzelfälle überbewerten.
• Sampling Bias: verzerrte Stichprobe führt zu falscher Verallgemeinerung.
• Rückschaufehler: im Nachhinein erscheint ein Ergebnis vorhersehbarer, als es war.

Bewertung induktiver Argumente

• Stichprobengröße: Ist die Datenbasis ausreichend groß?
• Repräsentativität: Spiegelt die Stichprobe die Gesamtpopulation wider?
• Kohärenz: Stimmen die Schlussfolgerungen mit etablierten Erkenntnissen überein?
• Falsifizierbarkeit: Gibt es Gegenbeispiele, die das Argument schwächen?

Beispiele aus Disziplinen

• Biologie: In 95 % der beobachteten Fälle vererbte sich ein Merkmal dominant → wahrscheinlich allgemein dominant.
• Medizin: In klinischen Studien zeigt ein Medikament Wirkung bei den meisten Patient:innen → wahrscheinlich wirksam.
• Sozialwissenschaft: Befragungen zeigen mehrheitliche Zustimmung → wahrscheinlich auch in der Gesamtbevölkerung gültig.

Abduktive Argumente im Detail

Abduktive Argumente zielen darauf ab, aus mehreren möglichen Erklärungen die plausibelste auszuwählen. Sie liefern weder logische Gewissheit (wie Deduktion) noch Wahrscheinlichkeiten (wie Induktion), sondern Hypothesen, die als „beste Erklärung“ dienen. Abduktion spielt eine zentrale Rolle in der Hypothesenbildung, Fehlerdiagnose und im kreativen Forschen.

Vorteile

• Kreativ und flexibel: ermöglicht neue Hypothesen, wenn vorhandenes Wissen nicht ausreicht.
• Praxisnah: oft die erste Stufe wissenschaftlicher Erkenntnisfindung.
• Unverzichtbar: für Diagnoseverfahren, Hypothesengenerierung und Alltagslogik.

Nachteile

• Keine Sicherheit: die gewählte Erklärung ist nur die plausibelste, aber nicht zwingend korrekt.
• Subjektivität: hängt von Vorwissen und Bewertungskriterien ab.
• Anfällig für voreilige Schlüsse: Gefahr, die erstbeste Erklärung als „wahr“ zu betrachten.

Typen abduktiver Argumente

• Hypothesenbildung: aus überraschenden Befunden wird eine mögliche Erklärung formuliert.
• Diagnostische Abduktion: aus Symptomen wird auf die wahrscheinlichste Ursache geschlossen.
• Erklärende Abduktion: unerwartete Beobachtungen werden durch neue Theorien gedeutet.

Die 6 Schritte angewandt

1. Schlussfolgerung identifizieren: „Die plausibelste Erklärung für das Symptom ist eine Infektion.“
2. Prämissen identifizieren: „Patient:in zeigt Fieber und Husten.“
3. Nebensächlichkeiten eliminieren: irrelevante Details wie Kleidung oder Tageszeit ausblenden.
4. Querverweise entfernen: klar definieren, was unter „Infektion“ verstanden wird.
5. Widersprüchliche Terminologie vermeiden: nicht zwischen „Erkältung“ und „Infektion“ wechseln.
6. Unterdrückte Prämissen ergänzen: z. B. „Fieber und Husten sind typische Symptome einer Infektion.“

Kognitive Verzerrungen bei Abduktion

• Verfügbarkeitsheuristik: naheliegende, bekannte Erklärungen werden bevorzugt – auch wenn sie nicht passen.
• Bestätigungsfehler: nur Indizien suchen, die die präferierte Erklärung stützen.
• Ockhams Trugschluss: die einfachste Erklärung gilt voreilig als die richtige.
• Rückschaufehler: im Rückblick wirkt die Erklärung offensichtlicher, als sie war.

Bewertung abduktiver Argumente

• Plausibilität: Passt die Erklärung zum Befund?
• Kohärenz: Ist die Erklärung mit anderen Erkenntnissen vereinbar?
• Fruchtbarkeit: Eröffnet die Erklärung neue Forschungsfragen oder Experimente?
• Einfachheit: Ist sie im Vergleich zu Alternativen die ökonomischste Annahme?

Beispiele aus Disziplinen

• Medizin: Patient:in zeigt Fieber und Husten → plausibelste Erklärung: Infektion der Atemwege.
• Archäologie: Ein Werkzeug weist bestimmte Abnutzungsspuren auf → plausibelste Erklärung: es diente zum Schneiden.
• Physik: Messdaten weichen von bekannten Modellen ab → plausibelste Erklärung: bislang unbekannter Effekt.

Anwendung in wissenschaftlichen Arbeiten

Die Kombination aus Argumenttypen, Bewusstsein für kognitive Verzerrungen und den 6 Schritten der Argumentenanalyse bietet Studierenden und Forschenden einen klaren Leitfaden. So entstehen stringente Hausarbeiten, fundierte Bachelor- und Masterarbeiten, methodisch reflektierte Dissertationen, präzise wissenschaftliche Artikel und nachvollziehbare Gutachten.

Nutzen in verschiedenen Arbeitsphasen

• Hausarbeit: Argumenttypen bewusst einsetzen, um Thesen klar zu stützen und logische Fehler zu vermeiden.
• Bachelorarbeit: Induktive Argumente sauber von Beobachtungen ableiten, Hypothesen transparent begründen.
• Masterarbeit: Kritische Reflexion: Unterdrückte Prämissen explizit machen, kognitive Verzerrungen erkennen und diskutieren.
• Dissertation: Systematische Anwendung aller Schritte, Kombination von Deduktion, Induktion und Abduktion – mit methodischer Begründung.
• Wissenschaftlicher Artikel: Klare Argumentationsketten für Peer Review sichtbar machen, Konsistenz der Terminologie sichern, Belege und Daten nachvollziehbar einordnen.
• Wissenschaftliches Gutachten: Argumentationsstrukturen anderer kritisch prüfen, Schwächen offenlegen, eigene Bewertung transparent und fair begründen.

Typische Fehlerquellen

• Unklare Schlussfolgerung: Leser:innen erkennen nicht, was genau gezeigt werden soll.
• Vermischung von Argumenttypen: Induktive Befunde als deduktive Gewissheit darstellen.
• Fehlende Prämissen: stillschweigende Annahmen nicht kenntlich machen.
• Kognitive Verzerrungen: nur Belege suchen, die die eigene Hypothese stützen (Bestätigungsfehler).
• Unbewusste Voreingenommenheit in Gutachten: bestimmte Forschungsrichtungen oder Personen bevorzugen.

Checkliste für die Praxis

1. Argumenttyp: Welche Art von Argument (deduktiv, induktiv, abduktiv) nutze oder bewerte ich gerade?
2. Schlussfolgerung: Ist sie klar formuliert?
3. Prämissen: Sind alle explizit, präzise und überprüfbar?
4. Konsistenz: Habe ich Nebensächlichkeiten eliminiert und Begriffe eindeutig definiert?
5. Verzerrungen: Wo könnten kognitive Biases (z. B. Bestätigungsfehler) meine Bewertung beeinflussen?
6. Vollständigkeit: Ist das Argument nach den 6 Schritten geprüft und dokumentiert?

Reaktivität, Proaktivität und das PROACT-Modell

Die 6 Schritte der Argumentenanalyse zeigen, wie Argumente systematisch geprüft werden können. Ebenso wichtig ist jedoch die Haltung, mit der wir in Analyse und Diskussion eintreten. Hier hilft die Unterscheidung von reaktivem und proaktivem Verhalten sowie das PROACT-Modell als strukturierter Leitfaden für reflektierte Entscheidungen.

Reaktivität vs. Proaktivität

Reaktivität bedeutet, primär auf äußere Einflüsse zu reagieren. Typisch sind die „4 C“ nach Stephen Covey: Criticising (Kritisieren), Comparing (Vergleichen), Competing (Konkurrieren) und Complaining (Klagen). Dieses Muster bindet Energie, verengt den Blick und schwächt die argumentative Klarheit.

Proaktivität nach van Stappen hingegen beschreibt die bewusste Orientierung an eigenen Werten und Zielen sowie den Fokus auf den eigenen Einflussbereich. Sie basiert auf vier Kernfähigkeiten:

• Selbstwahrnehmung – Bewusstsein für eigene Gedanken und Handlungen.
• Selbstempathie – Klarheit über Bedürfnisse und Ziele.
• Selbstbehauptung – respektvolle, klare Kommunikation der eigenen Position.
• Empathie – Verständnis für Perspektiven anderer.

Das PROACT-Modell

Komplexe Entscheidungen und Argumentationen profitieren von einer klaren Struktur. Das PROACT-Modell bietet hierfür acht Schritte:

1. Problem definieren: das eigentliche Entscheidungsproblem klar benennen.
2. Objectives (Ziele) klären: Ziele präzise und nachvollziehbar (z. B. SMART) formulieren.
3. Alternatives entwickeln: mehrere Handlungsmöglichkeiten systematisch erarbeiten.
4. Consequences abwägen: die Folgen jeder Alternative analysieren.
5. Trade-offs erkennen: Vor- und Nachteile bewusst gegeneinander abwägen.
6. Unwägbarkeiten berücksichtigen: Risiken und Unsicherheiten einbeziehen.
7. Risikobereitschaft prüfen: eigene Präferenzen zwischen Sicherheit und Innovation reflektieren.
8. Langfristige Folgen bedenken: Auswirkungen auf künftige Entscheidungen einordnen.

Gute wissenschaftliche Praxis & Ethik: Leitplanken für Methode und Verantwortung

Methoden wie Argumentenanalyse, Proaktivität und das PROACT-Modell erhöhen die Qualität von Entscheidungen und Forschung. Doch ohne ethische Haltung können sie missbraucht werden – zur Manipulation, Machtsicherung oder Verzerrung von Ergebnissen. Der DFG-Kodex zur Sicherung guter wissenschaftlicher Praxis formuliert dafür klare Standards, die auch über den engeren Forschungsbereich hinaus Orientierung geben.

1) Zentrale Leitlinien des DFG-Kodex

• Integrität & Berufsethos: Wissenschaftliche Redlichkeit ist Grundvoraussetzung jeder Forschung.
• Qualitätssicherung: Methodenwahl, Dokumentation, Datenhaltung und Publikation müssen überprüfbar sein.
• Transparenz & Rechenschaft: Ergebnisse offenlegen, Nachvollziehbarkeit sichern, Konflikte kenntlich machen.
• Verantwortung & Führung: Strukturen für Integrität schaffen, Zuständigkeiten klären.
• Ombudssystem & Fehlverhalten: Schutz für Hinweisgeber, Verfahren bei Verstößen, Kultur der Fairness.

2) Praktische Selbstprüfung (abgeleitet aus dem Kodex)

Vor, während und nach Analyse- oder Entscheidungsprozessen:

• Zweckklarheit: Dient das Vorgehen einem nachvollziehbaren wissenschaftlichen oder gesellschaftlichen Ziel?
• Bias-Check: Wo drohen kognitive Verzerrungen (z. B. Confirmation Bias, Framing)?
• Stakeholder-Blick: Wer wird von den Folgen betroffen? Wer fehlt in Daten oder Annahmen?
• Alternativenpflicht: Mindestens eine begründete Gegenposition („Steelman“) prüfen.
• Revisionsbereitschaft: Ergebnisse iterativ überprüfen, Fehler anerkennen, Korrekturen zulassen.

3) Mini-Kodex für verantwortliche Anwendung

• Klarer Zweck: Methoden nur für offen kommunizierte, legitimierte Ziele einsetzen.
• Würde & Fairness: Grenzen achten, Kritik ernst nehmen, Betroffene anhören.
• Transparenz: Annahmen, Kriterien und Unsicherheiten dokumentieren.
• Schadensprüfung: Risiken aktiv abwägen, Verhältnismäßigkeit wahren.
• Revisionskultur: Entscheidungen dokumentieren, Lernschleifen zulassen.

4) Praxis-Checkliste (1-Minute-Ethik)

1. Würde: Wird jemand hier als bloßes Mittel behandelt?
2. Gerecht: Würde ich diese Regel akzeptieren, wenn ich selbst in der schwächsten Position wäre?
3. Offen: Könnte ich meine Gründe öffentlich vertreten – auch vor Betroffenen?
4. Alternativen: Gibt es eine gleich wirksame, weniger schädliche Option?
5. Langfrist: Welche Signale setze ich für Kultur, Vertrauen und künftige Praxis?

5) Verbindung zu Proaktivität & PROACT

• Proaktivität: liefert die innere Haltung (Selbstwahrnehmung, Selbstempathie, Selbstbehauptung, Empathie).
• PROACT: strukturiert die Entscheidung – die ethische Haltung verankert sie in Verantwortung.

6) Analogie: Fehlende Ethik als Tragödie

Literarisch zugespitzt zeigt Bernarda Albas Haus, wie Kontrolle, Schweigen und Machtmissbrauch ein System zerstören, wenn ethische Leitplanken fehlen. Genau dem soll die gute wissenschaftliche Praxis vorbeugen: Sie schafft eine Kultur, in der Rationalität, Verantwortung und Würde Vorrang haben.

Fachliteratur & Konzepte

1. Szudek, Anna; Baiasu, Sorin; Talbot, Michael; Fletcher, Richard; Weeks, Marcus (2020). #dkinfografik – Philosophie im Alltag: Vom Wahrnehmen, Erkennen und Entscheiden. Dorling Kindersley, München.
   Relevanz: Visualisiert Denk- und Entscheidungsprozesse und führt die 6-Schritte-Argumentenanalyse kompakt ein – direkte Grundlage für die Kapitelstruktur.
2. Weeks, Marcus (2019). Kernfragen Philosophie. Dorling Kindersley, München.
   Relevanz: Systematische Einführung in Logik, Argumente und Begriffsarbeit – Stütze für die Abschnitte zu Deduktion/Induktion/Abduktion.
3. Weeks, Marcus (2019). Kernfragen: Psychologie. Dorling Kindersley, München.
   Relevanz: Verständliche Darstellungen zu Wahrnehmen, Urteilen und kognitiven Verzerrungen – Basis für die Bias-Übersicht.
4. Kahneman, Daniel (2012). Schnelles Denken, langsames Denken. Siedler Verlag.
   Relevanz: Primärquelle zu System-1/-2-Denken, Heuristiken und Bias – unentbehrlich für die Fehlerquellen der Argumentenanalyse.
5. Hemmings, Jessica; Collin, Chris; Ginsburg Ganz, Jennifer; Lazyan, Marina; Black, Adam (2019). #dkinfografik – Psychologie im Alltag: Wie wir denken, fühlen und handeln. Dorling Kindersley, München.
   Relevanz: Anschauliche Übersicht zu Denkfehlern und Entscheidungsverhalten – Ergänzung und Popularisierung der Bias-Themen.
6. Burnham, Daniel; Fletcher, Richard; Byrne, David; Szudek, Anna; Talbot, Michael; Webb, David; Weeks, Marcus (2023). SIMPLY. Philosophie. Dorling Kindersley, München.
   Relevanz: Kompakter Überblick zentraler philosophischer Konzepte – liefert Referenzrahmen für Argumenttypen und Ethikbezug.
7. Bochenski, Joseph Maria (2015). Formale Logik. Verlag Karl Alber, Freiburg/München, 1. Auflage. (Original 1956)
   Relevanz: Klassische Grundlage zur Prüfung formaler Gültigkeit – wichtig für die Deduktionsabschnitte und Terminologie-Konsistenz.
8. van Stappen, Anselm (2015). Das kleine Übungsheft – Grenzen setzen. Trinity.
   Relevanz: Praktische Selbstführung (Selbstwahrnehmung, Selbstbehauptung) – vertieft die proaktive Haltung jenseits reaktiver „4 C“ und Quelle von Reaktivität und Proaktivität.
9. Covey, Stephen R. (2018). Die 7 Wege zur Effektivität. Gabal.
   Relevanz: Primärquelle für Reaktivität vs. Proaktivität – liefert die Haltungsbasis für faire, transparente Argumentation.
10. Levine, Robert (2015). Die große Verführung – Psychologie der Manipulation. Piper.
    Relevanz: Zeigt Manipulationsmechanismen und Framing-Effekte – dient als Gegenfolie zu ethisch verantworteter Anwendung von Methoden.
11. Hammond, John S.; Keeney, Ralph L.; Raiffa, Howard (2015). Smart Choices: A Practical Guide to Making Better Decisions. Harvard Business Review Press.
    Relevanz: Ursprung des PROACT-Modells – methodische Grundlage der Entscheidungssektion.
12. Stanford Encyclopedia of Philosophy (2021). Abduction. Edward N. Zalta (Hrsg.). Metaphysics Research Lab, Stanford University. Online verfügbar.
    Relevanz: Umfassender Überblick zur Theorie der Abduktion – vertieft den wissenschaftlichen Hintergrund und ergänzt die didaktische Darstellung durch internationale Forschungsperspektiven. Zugriff am 18. August 2025

Kontakt

Für Anfragen und weitere Informationen: