Qualität und Ergebnis von Kinder- und Familientherapien hängen weitgehend davon ab, dass Therapierende und Klientinnen und Klienten gegenseitiges Verstehen herstellen. In Kinder- und Familientherapien sind häufig drei oder mehr Gesprächsbeteiligte involviert. Die Forschung dazu, wie gegenseitiges Verstehen hergestellt wird (wie bei Bavelas et al., 2017 skizziert), hat sich jedoch auf Dialoge zwischen nur zwei Personen konzentriert. Diese Forschungslücke unterstreicht den Bedarf an Studien, die untersuchen, wie drei oder mehr Personen diesen Prozess organisieren.

Gegenseitiges Verstehen herstellen

Therapierende und Klientel stellen gegenseitiges Verstehen in schrittweisen interaktiven Prozessen her. Es handelt sich im Wesentlichen um ein soziales Geschehen (Clark, 1996; Garfinkel, 1967; Lindgren et al., 2007; Linell, 2009; Roberts and Bavelas, 1996; Schegloff, 1992; Svennevig, 2009). Anders gesagt: Gegenseitiges Verstehen ist nicht nur etwas, das Gesprächsbeteiligte haben oder teilen können, sondern auch eine interaktive Tätigkeit, die sie gemeinsam vollziehen (Bavelas et al., 2017). In dieser Studie bezeichnet „gegenseitiges Verstehen herstellen“ den interaktiven Mikroprozess, den Gesprächsbeteiligte gemeinsam vollziehen, indem sie Schlussfolgerungen ziehen, aufeinander antworten und die Bedeutung ihrer Äußerungen kalibrieren (Bavelas et al., 2017). Eine Kalibrierungssequenz besteht aus den folgenden drei Schritten:

• A. Die sprechende Person eröffnet die Sequenz, indem sie neue Information präsentiert (die A-Initiierung).
• B. Die angesprochene Person reagiert in einer Weise, die Verstehen impliziert oder demonstriert (die B-Antwort).
• C. Die sprechende Person schließt in einer Weise an, die impliziert oder demonstriert, dass die Antwort der angesprochenen Person für die aktuellen Zwecke ausreichend war (das C-Follow-up).

(S. 96, Hervorhebung im Original)

Das heißt, nach Bavelas et al. (2017) nutzen Gesprächsbeteiligte dreischrittige Kalibrierungssequenzen, um den Status einzelner Präsentationen in gegenseitig verstandene Beiträge zu überführen (vgl. Lindgren et al., 2007; Tsui, 1989). Im Unterschied zu Clarks zweiphasigem Grounding-Prozess (z. B. Clark, 1996; Clark and Brennan, 1991) sind Kalibrierungssequenzen Mikroeinheiten aus drei beobachtbaren Schritten (vgl. Bavelas et al., 2017; Linell, 1998), die sowohl sichtbare als auch hörbare Minimalreaktionen einschließen können, etwa ein kurzes Schulterzucken oder ein knappes „mhm“. Dies ähnelt den Überlegungen und Analysen von Deppermann (2015) sowie Enfield und Sidnell (2021) zur Herstellung von Intersubjektivität: Damit Verstehen gegenseitig ist, müssen Gesprächsbeteiligte ihr Verständnis der Äußerungen der anderen öffentlich zugänglich machen und sicherstellen, dass diese Verständnisse „für praktische Zwecke hinreichend kompatibel“ sind (Deppermann, 2015: 78; vgl. Clark and Brennan, 1991; Clark and Schaefer, 1987; Garfinkel, 1967; Linell, 2009; Linell and Lindström, 2016; Schuetz, 1953; Svennevig, 2009). In Arundales Terminologie sind Interpretationen insofern „operativ“, als Gesprächsbeteiligte sie zur Gestaltung ihrer nachfolgenden Äußerungen nutzen können (Arundale, 2022). Kalibrierungen bewirken also nicht unbedingt eine kognitive, sondern eher eine praktische Intersubjektivität. Gegenseitiges Verstehen herzustellen setzt daher nicht voraus, dass Gesprächsbeteiligte eine endgültige oder identische Interpretation einer Äußerung haben oder teilen (vgl. Arundale, 2020). Kalibrieren ist vielmehr eine interaktive Tätigkeit, bei der immer mehr Information vorausgesetzt wird, sodass der Dialog voranschreiten kann.

Das folgende Beispiel, entnommen aus einer der audiovisuellen Aufzeichnungen triadischer Kinder- und Familientherapien (De Jong and Berg, 2013), auf die ich im Ergebnisteil zurückkomme, veranschaulicht Art und Größenordnung des Herstellens gegenseitigen Verstehens:

Alex (ch, Kind), seine Mutter (pt, Elternteil) und ihre Therapeutin (th) sprechen über Probleme, die es zu Hause gibt. Alex ist mit der Menge seiner Haushaltspflichten unzufrieden, und die Therapeutin fragt ihn, was er dagegen tun will:

• 1. Th: Also (dreht die Hände auf und ab), was wirst du tun?
• 2. Ch: (schaut nach unten) Äh, einfach versuchen, weiter, weiter (schaut die Therapeutin an) darüber zu reden, es immer wieder anzusprechen.
• 3. Th: (nickt und lächelt) Ja (nickt weiter), wow.

Wenn die Therapeutin sagt „Also, was wirst du tun?“ (Äußerung 1), kann sie nicht einschätzen, ob ihr Klient Alex sie verstanden hat, bis er sein Verständnis in einer Antwort zeigt (Äußerung 2). Alex wiederum kann erst bei der dritten Äußerung wissen, ob er seine Therapeutin verstanden hat, wenn diese ihre Bewertung von Alex’ Antwort zeigt. Sobald die Therapeutin „(nickt und lächelt) Ja (nickt weiter), wow“ antwortet, kann Alex folgern, dass er die erste Äußerung der Therapeutin für die aktuellen praktischen Zwecke hinreichend verstanden hat. Nach Bavelas et al. (2017) sind diese drei Schritte die minimale Einheit, aus der Gesprächsbeteiligte ableiten können, gegenseitiges Verstehen hergestellt zu haben – in diesem Fall in Bezug auf die Frage der Therapeutin. Gegenseitiges Verstehen herzustellen setzt nicht voraus, dass die Äußerungen eigens dazu dienen, Verstehen anzuzeigen (vgl. Deppermann, 2015). Müssten Alex und seine Therapeutin ausdrücklich sagen, wie sie vorangegangene Äußerungen verstehen, würde ihr Gespräch „endlos“ (Heritage and Atkinson, 1984), „unökonomisch“ (Deppermann, 2015) und „weniger zielgerichtet“ (Enfield and Sidnell, 2021).

Man könnte einwenden, das Beispiel bestehe aus zwei sich überlappenden zweiteiligen Sequenzen (Jovanovic et al., 2006). Das „wow“ in der dritten Äußerung ergibt jedoch nur in Bezug auf die erste Äußerung Sinn; die Äußerungen 2 und 3 bilden also keine kanonische Paarsequenz.

Dreischrittige Sequenzen im Kontext der bisherigen Forschung

Anhand von Audioaufzeichnungen von Telefongesprächen zwischen zwei Gesprächsbeteiligten und deren minutiöser Transkription stellten Pionierarbeiten fest, dass die kleinsten Einheiten der Gesprächsorganisation Paarsequenzen (adjacency pairs) sind (Schegloff and Sacks, 1973). Diese Paare bestehen aus zwei Teilen, wobei die zweite Äußerung funktional von der ersten abhängt. Beispiele für Paarsequenzen sind „Gruß–Gruß“, „Frage–Antwort“ und „Angebot–Annahme/Ablehnung“ (Schegloff, 2007; Schegloff and Sacks, 1973). Nach Bavelas et al. (2017) wurde die Möglichkeit eines dritten Schritts vor allem als Ausnahme behandelt, die den Zwei-Züge-Standard erweitert (z. B. Peräkylä, 2011; Seedhouse, 1996). Dreischrittige Sequenzen wurden also vorwiegend als spezifisch für die untersuchten Settings betrachtet, nicht als Beleg für eine generische Struktur (Bavelas et al., 2017; Heritage, 2022). Trotz starker Belege wurde die zentrale Bedeutung der drei Schritte erst in jüngerer Zeit anerkannt (Heritage, 2022).

Andere Forschende haben dagegen an Mead (1934) und Goffman (1976, 1981) angeknüpft oder stehen mit ihnen im Einklang. Sie argumentieren, dass „der Großteil der Konversation nicht aus Paarsequenzen aufgebaut ist“ (Levinson, 1981: 482–483), und schlagen vor, dass gegenseitiges Verstehen in dreischrittigen Einheiten hergestellt wird (z. B. Arundale, 2010; Bavelas et al., 2012, 2017; De Jong et al., 2013; Heritage, 1984, 2022; Linell and Markovä, 1993; Severinson Eklundh and Linell, 1983; Svennevig, 2009; Tsui, 1989). Severinson Eklundh und Linell (1983) zeigten, dass es mindestens drei Schritte braucht, damit Gesprächsbeteiligte in einem Dialog eine geteilte Übereinstimmung über das Gesagte anzeigen. Ihnen zufolge erzeugt das systematische Zurückhalten dritter Schritte sogar ein Gefühl der Unzufriedenheit. Wie im Eingangsbeispiel hätten die Therapeutin und Axel ohne den dritten Schritt kein gegenseitiges Verstehen herstellen können (vgl. Deppermann, 2015; Heritage, 2022; Severinson Eklundh and Linell, 1983); das Verstehen wäre stattdessen implizit oder erschlossen geblieben. Im angeführten Beispiel aus Therapeutin und Klient hätte nach zwei Schritten nur die Therapeutin beurteilen können, ob Alex die Initiierung verstanden hatte. Alex hätte erst gewusst, ob seine Antwort für den aktuellen Zweck ausreichte, nachdem die Therapeutin daran angeschlossen hatte.

Während dreischrittige Sequenzen im Alltagsdiskurs weitgehend als Ausnahmen behandelt werden (Bavelas et al., 2017; z. B. Cullen, 2002; Mehan, 1979; Peräkylä, 2019; Schegloff, 2007; Sinclair and Coulthard, 1975), haben mehrere Forschende für ein stärker kontextunabhängiges Vorkommen argumentiert (z. B. Bavelas et al., 2012, 2017; Deppermann, 2015; Goffman, 1981; Heritage, 2022; Severinson Eklundh and Linell, 1983; Tsui, 1989). Neben Analysen von Kennenlerngesprächen (Bavelas et al., 2017) deuten detaillierte Analysen ärztlicher Konsultationen (Tsui, 1989), der Kommunikation bei Rettungseinsätzen (Lindgren et al., 2007), von Psychotherapien (Bavelas et al., 2012; De Jong et al., 2020), medizinischen Notrufen (Gerwing and Indseth, 2016), Kundschaftsanrufen (Kevoe-Feldman and Robinson, 2012) und Unterrichtssituationen (Mehan, 1979; Sinclair and Coulthard, 1975) sowie stärker theoretisch ausgerichtete Arbeiten (z. B. Goffman, 1976, 1981; Mead, 1934; Severinson Eklundh and Linell, 1983) darauf hin, dass dreischrittige Mikrosequenzen grundlegende Einheiten gesprächsförmiger Interaktion sind (Bavelas et al., 2017; Goffman, 1976, 1981; Mead, 1934; Severinson Eklundh and Linell, 1983; Tsui, 1989). Wie drei Gesprächsbeteiligte dies leisten, ist bislang jedoch nicht dokumentiert. Tatsächlich ergab eine aktuelle Übersicht über verfügbare Korpora von Mehrparteiendialogen und deren Themen (Mahajan and Shaikh, 2021), dass keines davon Intersubjektivität auf dieser Granularitätsebene untersuchte.

Die vorliegende Studie

Diese Studie ist Teil eines größeren Forschungsprojekts zur Beteiligung von Kindern in Kinder- und Familientherapiesitzungen (z. B. (Edman et al., 2022; Edman et al., 2023)). Sie verbindet zwei Hauptthemen: Erstens konzentriert sie sich auf den interaktiven Mikroprozess, den Gesprächsbeteiligte nutzen, wenn sie gegenseitiges Verstehen herstellen, und stützt sich dabei auf einen neueren konzeptuellen Rahmen, eine Methodik und eine Terminologie (Bavelas et al., 2017). Zweitens überträgt sie diesen Rahmen von dyadischen auf triadische Dialoge.

Indem ich untersuche, wie Therapierende und Klientel in inszenierten wie natürlich entstandenen audiovisuellen Aufzeichnungen triadischer Kinder- und Familientherapiesitzungen gegenseitiges Verstehen organisieren und herstellen, möchte ich Komplexitäten herausarbeiten, die mit Mehrpersonentherapien verbunden sind. Dieses Wissen kann die Qualität von Kinder- und Familientherapien sowie von Dialogen in angrenzenden Feldern verbessern und die Dialogforschung insgesamt voranbringen.

Die Ergebnisse beruhen auf einer detaillierten Analyse, die sich an der Microanalysis of Face-to-face Dialogue (Bavelas et al., 2016) orientiert. Im Einklang mit dieser Methode habe ich die Pragmatik der audiovisuellen Aufzeichnungen betrachtet: Analysiert werden nur Verhaltensweisen, die durch Beobachtung (einschließlich Hören) erkennbar sind. Beobachtbare Verhaltensweisen umfassen sowohl Sprache als auch redebegleitende Gesten (Bavelas et al., 2014) und verkörperte nonverbale Verhaltensweisen (vgl. Goodwin, 2000), etwa ein kurzes Schulterzucken, ein ausrufendes „oh“, hochgezogene Augenbrauen usw. Ich habe die interaktive Funktion von Sprache, redebegleitenden Gesten und verkörperten Verhaltensweisen interpretiert (Bavelas et al., 2017).

Für die qualitative Datenanalyse der Aufzeichnungen nutzte ich die Software ELAN. ELAN hielt die annotierten Äußerungen und Sequenzen mit den Aufzeichnungen synchron und erlaubte es mir, die Aufzeichnung Bild für Bild anzusehen (z. B. Lausberg and Sloetjes, 2009). Das war hilfreich, da die Analyse eine sehr konzentrierte Aufmerksamkeit für kurze Mikroeinheiten verlangt (Bavelas et al., 2017).

Material und Methoden

Datensatz

Die Daten bestehen aus vier audiovisuellen Aufzeichnungen triadischer Kinder- und Familientherapiesitzungen (Tabelle 1). Die erste Aufzeichnung ist als Begleitmaterial zu Interviewing for Solutions (De Jong and Berg, 2013) veröffentlicht. Die Aufzeichnungen 2–4 sind bereits vorhandenes Material, also Produkte alltäglicher therapeutischer Praxis aus dem Zeitraum September 2019 bis Januar 2022. Sie sind Teil eines größeren Datensatzes und gehören zu einem übergeordneten Forschungsprojekt zur Beteiligung von Kindern (z. B. Edman et al., 2022; Edman et al., 2023). Zum Zeitpunkt der Aufzeichnung wusste keine der beteiligten Personen von dieser spezifischen Analyse zum Herstellen gegenseitigen Verstehens.

Drei Hauptgründe bestimmten die Auswahl des Datensatzes: (1) Da die erste Aufzeichnung keiner Vertraulichkeit unterliegt, können Teile der Studie repliziert werden. Diese Transparenz kann eine solide Grundlage für weitere Forschung bieten. (2) Die Aufzeichnungen 2–4 sind natürlich entstandene audiovisuelle Aufzeichnungen aus der Praxis. Sie erhöhen die Übertragbarkeit der Ergebnisse auf reale Settings. (3) Die Gesprächsbeteiligten sind gleichzeitig im Bild zu sehen, was detaillierte Analysen ihrer Interaktionen ermöglicht.

Analyse

Zur Identifikation von Kalibrierungssequenzen umfasst das Verfahren drei Stufen (siehe unten), die auf der von Gerwing und Healing (2017) entwickelten Mikroanalyse beruhen. Neben Entscheidungsbäumen und Leitlinien enthält das Manual operationale Definitionen von Äußerungen (Tabelle 2, mit Beispielen aus der ersten Aufzeichnung), Minimalreaktionen, A-Initiierungen, B-Antworten und C-Follow-ups (Tabelle 3, mit Beispielen aus der ersten Aufzeichnung). Die verschiedenen operationalen Definitionen weisen Übereinstimmungen zwischen Auswertenden von 89% bis 98% auf (Gerwing and Healing, 2017). Das Manual ist auf Anfrage bei den Verfassenden erhältlich. Da die erste Aufzeichnung keiner Vertraulichkeit unterliegt, habe ich die Beispiele in den Tabellen nicht anonymisiert.

Stufe 1. Ich identifizierte, kategorisierte und wählte Äußerungen aus, mit denen das Kind, der Elternteil oder die therapeutische Fachkraft neue Information präsentierte (A-Initiierung, Tabelle 3). Diese Äußerungen waren die Anfangsschritte potenzieller dreischrittiger Sequenzen.

Stufe 2. Für jede potenzielle A-Initiierung prüfte ich, ob die nächste Äußerung die Kriterien einer B-Antwort erfüllte (Tabelle 4).

Stufe 3. Für jede identifizierte B-Antwort prüfte ich, ob die nächste Äußerung der ursprünglich sprechenden Person die Kriterien eines C-Follow-ups erfüllte (Tabelle 4).

Einen Rahmen und eine Methodik, die in einem Kontext entwickelt wurden (Kennenlerngespräche unter Studierenden), auf einen neuen Kontext zu übertragen, ist nicht ohne Schwierigkeiten. Wenn in Kinder- und Familientherapien etwa Therapierende neue thematische Inhalte erfragen, kann dies Teil eines Behandlungsmodells sein und führt nicht notwendigerweise ihre persönliche Neugier auf das Thema ein. Zudem baut in triadischen Dialogen die Äußerung einer Person nicht immer auf der unmittelbar vorangehenden Äußerung auf. Während oder nach einer B-Antwort kann beispielsweise eine dritte Person eine Äußerung einschieben, bevor die Person, die die A-Initiierung geäußert hat, ein C-Follow-up liefert. Die Bedeutung von „nach“ (vgl. Tabelle 4) wird im Sinne der Arbeiten von Severinson Eklundh und Linell (1983) interpretiert, die argumentierten, dass es mindestens drei Schritte braucht, damit Gesprächsbeteiligte in einem Dialog eine geteilte Übereinstimmung über das Gesagte anzeigen. Die übergeordneten Definitionen dienten als Leitfaden, wenn ein Detail einer operationalen Definition nicht ausdrücklich den Äußerungen in den Aufzeichnungen entsprach. Um die Konsistenz mit der Mikroanalyse des Face-to-Face-Dialogs sicherzustellen, wendeten eine unabhängige auswertende Person und ich das Manual auf geschichtete Zufallsstichproben von 10% des ersten Datensatzes an. Da die Aufzeichnung keiner Vertraulichkeit unterliegt, konnte sie mit einer externen auswertenden Person geteilt werden. Wir bestimmten die Übereinstimmung zwischen Auswertenden, indem wir die Zahl unserer Übereinstimmungen durch die Gesamtzahl der Übereinstimmungen und Nichtübereinstimmungen teilten: A-Initiierungen 84%, B-Antworten 100% und C-Follow-ups 90%. Außerdem stellte ich eine Auswahl dreischrittiger Sequenzen in Datensitzungen vor und überprüfte meine Befunde mehrfach. Nach dieser letzten Stufe der Identifikation dreischrittiger Sequenzen untersuchte ich, wie Kind, Elternteil und therapeutische Fachkraft in jeder Aufzeichnung gegenseitiges Verstehen organisierten und herstellten.

Ethische Überlegungen

Das Forschungsprojekt wurde im August 2019 von der schwedischen Ethikprüfungsbehörde (Etikprövningsmyndigheten) genehmigt. Darüber hinaus genehmigten lokale Ethikgremien die Datenerhebung in den psychiatrischen Kliniken und im Sozialamt. In der Studie gab das 15-jährige Kind seine Einwilligung selbst. Nach schwedischen ethischen Richtlinien sind Kinder unter 15 Jahren davor geschützt, mit Fragen der Einwilligung belastet zu werden. Daher stimmten die Sorgeberechtigten des 13-jährigen und des 14-jährigen Kindes deren Teilnahme zu, der die Kinder nicht widersprachen. Die Schweigepflicht der Sozialämter und psychiatrischen Kliniken wurde auf das Forschungsprojekt übertragen. Kinder und Eltern wurden erst nach den Sitzungen über die Studie informiert, um das Engagement der Kinder in ihrer Behandlung nicht zu beeinflussen. Das Verfahren stellte zudem sicher, dass Kinder, bei denen die Fachkräfte der Sozialen Arbeit eine voraussichtliche Belastung durch die Studie sahen, nicht einbezogen wurden (vgl. Westlake, 2016; Winter et al., 2017). Zum Schutz der Anonymität der Teilnehmenden habe ich die Ausschnitte aus den geschützten Aufzeichnungen (Aufzeichnungen 2–4) pseudonymisiert. Zum Schutz der Anonymität dieser Teilnehmenden verwende ich geschlechtsneutrale Formulierungen (im englischen Original die Pronomen ze/hir).

Ergebnisse

Die meisten identifizierten Kalibrierungen hatten dieselbe Struktur wie das Eingangsbeispiel. Das heißt, die Teilnehmenden äußerten B-Antworten und C-Follow-ups unmittelbar nach den A-Initiierungen. Doch obwohl Kinder, Eltern und Therapierende 95,3 % der 669 identifizierten A-Initiierungen mit mindestens drei Schritten kalibrierten, beobachtete ich in 14,4 % der Kalibrierungen Komplexitäten, die mit der Dreipersonenkonstellation zusammenhängen. Ich identifizierte sechs Interaktionsmuster, die auf Komplexitäten in Dreipersonendialogen in Kinder- und Familientherapien hinweisen. Ich bezeichnete die Muster wie folgt: (1) aufgeschobene Kalibrierungen, (2) verschachtelte Kalibrierungen, (3) verzweigte Kalibrierungen, (4) mehrtaktige Kalibrierungen, (5) Kalibrierungen unterschiedlicher Interpretationen und (6) Kalibrierungen des Tons. Das sechste Muster ist jedoch nicht notwendigerweise spezifisch für triadische oder Mehrparteientherapien, noch für triadische oder Mehrparteiendialoge insgesamt.

Es sei darauf hingewiesen, dass die Kalibrierungssequenzen in den Aufzeichnungen, die ich direkt analysiert habe, zwangsläufig besser sichtbar sind als in den folgenden transkribierten Ausschnitten (vgl. Bucholtz, 2007; Hammersley, 2010; Ochs, 1979). Zudem enthalten die Ausschnitte zwar verschiedene Beispiele für Kalibrierungssequenzen und andere Gesprächsaktivitäten, diese liegen jedoch außerhalb des Rahmens der Analyse. Ich konzentriere mich auf Muster, die Komplexitäten darin aufzeigen, wie drei Gesprächsbeteiligte gegenseitiges Verstehen herstellen, und erörtere diese Muster sowie ihre möglichen Implikationen für Praxis und Forschung in der abschließenden Diskussion.

Aufgeschobene und verschachtelte Kalibrierungen

Aufgeschobene und verschachtelte Kalibrierungen treten auf, wenn eine konkurrierende A-Initiierung laufende Kalibrierungssequenzen in die Warteschleife schickt. Sie verzögern Initiierungen, die andernfalls in einfachen dreischrittigen Prozessen hätten kalibriert werden können.

Dieser erste Ausschnitt (aus der öffentlich zugänglichen Aufzeichnung) beginnt damit, dass die Therapeutin (th) Alex (ch, Kind) fragt, wie seine Mutter (pt, Elternteil) ist, wenn er „so“ ist (erste A-Initiierung in Zeile 814–815 und 817), worauf Alex signalisiert, dass er nicht folgen kann (zweite A-Initiierung in Zeile 818).

Ausschnitt 1, erste Aufzeichnung, 00:32:34–00:32:50

In den Zeilen 819 und 821 liefert die Therapeutin eine B-Antwort auf Alex’ A-Initiierung (Zeile 818), an die Alex erst viel später, in Zeile 827, anschließt. Zwischen der B-Antwort der Therapeutin und Alex’ C-Follow-up liegt eine verschachtelte Kalibrierung, die von der Mutter initiiert wird: A-Initiierung in Zeile 822 („manisch“ formuliert das „jovial gut gelaunt“ der Therapeutin und bezieht sich auf ein Gespräch, das sie früher in der Sitzung geführt hatten), eine B-Antwort in Zeile 823 und ein C-Follow-up in Zeile 825. Diese verschachtelte Kalibrierungssequenz bewirkt, dass die erste und die zweite A-Initiierung um acht bzw. sieben Äußerungen aufgeschoben werden.

Der Ausschnitt und der einleitende Absatz veranschaulichen einige der Komplexitäten, die Kalibrierungen in triadischen Kinder- und Familientherapien kennzeichnen. Als die Mutter einen Scherz einschiebt (initiiert in Zeile 822), stellt sie die beiden laufenden Kalibrierungen zurück, während der eingeschobene Scherz kalibriert wird. Was in zwei einfachen Sequenzen hätte kalibriert werden können, wurde also über mehrere Äußerungen hinweg aufgeschoben (vgl. Severinson Eklundh and Linell, 1983).

Verzweigte und mehrtaktige Kalibrierungen

Verzweigte Kalibrierungen treten auf, wenn sich A-Initiierungen in zwei Kalibrierungssequenzen mit unterschiedlichen angesprochenen Personen verzweigen. Wenn sich Kalibrierungen verzweigen, stellen die Gesprächsbeteiligten das gegenseitige Verstehen derselben A-Initiierung zwangsläufig in unterschiedlichen Phasen des Dialogs her. Ihre zeitlichen Abläufe unterscheiden sich also.

Im nächsten Ausschnitt erzeugt die A-Initiierung der therapeutischen Fachkraft (in den Zeilen 440–441) zwei unterschiedliche Kalibrierungssequenzen, erkennbar an zwei identifizierbaren B-Antworten – eine vom Kind (in Zeile 442) und eine vom Elternteil (in Zeile 443). Der Ausschnitt beginnt damit, dass die Fachkraft formuliert, warum das Kind über den Plan seines Elternteils, zu Hause zu bleiben, enttäuscht ist.

Ausschnitt 2, vierte Aufzeichnung, 00:08:26–00:08:30

In diesem Ausschnitt sehen wir, dass sich die Kalibrierung verzweigt und dass Kind und Fachkraft sowie Elternteil und Fachkraft gegenseitiges Verstehen in unterschiedlichen Phasen herstellen. Damit die A-Initiierung der Fachkraft in den Zeilen 440–441 vollständig kalibriert ist, verlangen die getrennten B-Antworten jeweils ein eigenes C-Follow-up der Fachkraft, das an die jeweils angesprochene Person gerichtet ist (in den Zeilen 444 und 446–448). Fachkraft und Kind stellen gegenseitiges Verstehen in Zeile 444 her, als die Fachkraft das Kind ansieht und dabei „und so“ sagt. Das gegenseitige Verstehen zwischen Elternteil und Fachkraft bleibt dagegen bis zu den Zeilen 446–448 implizit, in denen die Fachkraft, indem sie Geste und Rede an den Elternteil richtet, in einer Weise anschließt, die zeigt, dass auch die Antwort des Elternteils für die aktuellen Zwecke ausreichend war (C-Follow-up, Bavelas et al., 2017).

Gegenseitiges Verstehen mit verschiedenen Klientinnen und Klienten herzustellen, die beide antworten, verlangt von Therapierenden, sich gleichzeitig auf divergierende Kalibrierungen einzulassen. Der nächste Ausschnitt liefert ein weiteres Beispiel für dieses Muster. Zu Beginn des Ausschnitts schaut das Kind nach unten, während Fachkraft und Elternteil Blickkontakt hatten. Die Fachkraft extrapoliert, was sie bis dahin verstanden hat (dass sowohl der Elternteil als auch das Kind mit einem Gespräch zufrieden sind, das sie am selben Morgen geführt hatten), und lädt beide ein, ihre Schlussfolgerung zu bestätigen oder zu verneinen. „Das“ in Zeile 782 bezieht sich auf dieses Gespräch.

Ausschnitt 3, vierte Aufzeichnung, 00:19:50–00:19:59

Wie man sieht, stellen Elternteil und Fachkraft das gegenseitige Verstehen der A-Initiierung vor Kind und Fachkraft her: Die Fachkraft äußert in den Zeilen 782–784 eine A-Initiierung, auf die der Elternteil in Zeile 785 antwortet (B-Antwort) und an die die Fachkraft in Zeile 786 anschließt (C-Follow-up). Das Kind, das nach unten schaut, kann nicht sehen, dass die Fachkraft ihre Äußerung abrundet, indem sie den Elternteil, das Kind selbst und dann wieder den Elternteil ansieht (in den Zeilen 772–773, vgl. Operationalisierung der Äußerung, Tabelle 2). Infolgedessen liefert das Kind seine B-Antwort erst später (in Zeile 787). Die Fachkraft schließt in den Zeilen 789–890 an die B-Antwort des Kindes an (C-Follow-up). Dieses C-Follow-up schließt zugleich an die zweite B-Antwort des Elternteils an (in Zeile 788). Anders gesagt: Fachkraft und Elternteil stellen gegenseitiges Verstehen in einem schnelleren Tempo her als Fachkraft und Kind. Sie schaffen es, zwei Kalibrierungen in derselben Zeit abzuschließen, in der Fachkraft und Kind eine abschließen.

Kalibrierungen unterschiedlicher Interpretationen

Kalibrierungen unterschiedlicher Interpretationen treten auf, wenn angesprochene Personen unterschiedliche B-Antworten geben, die unterschiedliche Verständnisse derselben A-Initiierung implizieren, und die ursprünglich sprechende Person diese in ihrem C-Follow-up bzw. ihren C-Follow-ups akzeptiert. Das Kalibrieren unterschiedlicher Interpretationen ist in der Dreipersoneninteraktion möglich und veranschaulicht eine von vielen Komplexitäten in Mehrparteientherapien.

Der folgende Ausschnitt zeigt, wie die drei Gesprächsbeteiligten sich überlappende Kalibrierungen unterschiedlicher Interpretationen derselben A-Initiierung vollziehen. Der Ausschnitt beginnt damit, dass das Kind vorschlägt, „du“ könntest ebenfalls Themen einbringen (A-Initiierung in den Zeilen 157–158), was zweimal kalibriert wird: einmal zwischen Kind und Fachkraft (B-Antwort in Zeile 161 und C-Follow-up in Zeile 162) und einmal zwischen Kind und Elternteil (B-Antwort in Zeile 159) und C-Follow-up in Zeile 160.

Ausschnitt 4, zweite Aufzeichnung, 00:03:13–00:03:19

Wie man sieht, kalibrieren Kind und Fachkraft einerseits und Kind und Elternteil andererseits unterschiedliche Verständnisse der A-Initiierung: Während Kind und Fachkraft kalibrieren, dass das Kind die Fachkraft einlädt, einzubringen, was die Fachkraft für wichtig hält, kalibrieren Kind und Elternteil, dass die Einladung („du“) an den Elternteil gerichtet ist. Da die Fachkraft auf den Notizblock schaut, während das Kind spricht, kann sie nicht sehen, dass das Kind dem Elternteil zugewandt ist, als es „du“ sagt (in Zeile 157). Da die Fachkraft weiter nach unten schaut, kann sie auch die B-Antwort des Elternteils (in Zeile 159) sowie das C-Follow-up des Kindes auf diese Antwort (in Zeile 160) nicht wahrnehmen. Stattdessen liefert die Fachkraft eine B-Antwort (in Zeile 161) auf eine längere A-Initiierung (in den Zeilen 157–158, 160), an die das Kind (vermutlich unbeabsichtigt, da es sich noch auf den Elternteil konzentriert) in Zeile 162 anschließt. Da die beiden Kalibrierungen in unterschiedlichem Tempo verlaufen, veranschaulicht der Ausschnitt auch mehrtaktige Kalibrierungen.

Kalibrierungen des Tons

Im Folgenden kalibrieren die Gesprächsbeteiligten den „Ton“ oder die „Qualität“ einer A-Initiierung, bevor der „thematische Inhalt“ der Äußerung als gegenseitig verstanden etabliert ist. Der Ausschnitt beginnt damit, dass die Therapeutin die Mutter fragt, wie ihr Sohn ist, wenn er gute Laune hat, und dann breit lächelt (A-Initiierung ab Zeile 787). Zu diesem Zeitpunkt schauen sowohl Alex als auch seine Mutter die Therapeutin an.

Ausschnitt 5, erste Aufzeichnung, 00:31:28–00:31:40)

Die Mutter und Alex geben in Zeile 791 und in Zeile 792 getrennte B-Antworten, an die die Therapeutin in den Zeilen 793–794 anschließt. Indem sie sowohl Alex als auch seine Mutter ansieht und anlächelt, zeigt die Therapeutin an, dass beide Antworten akzeptabel sind. Erst in Zeile 795 jedoch liefert die Mutter eine B-Antwort zum thematischen Inhalt der A-Initiierung der Therapeutin, an die diese in den Zeilen 797–798 anschließt (C-Follow-up).

Abschließende Diskussion

Die Analyse zeigt, wie Therapierende, Kinder und Eltern in triadischen Kinder- und Familientherapien gegenseitiges Verstehen organisieren und herstellen. Sie liefert neue Belege dafür, wie drei Gesprächsbeteiligte gegenseitiges Verstehen in „aufgeschobenen“ (Ausschnitt 1), „verschachtelten“ (Ausschnitt 1), „verzweigten“ (Ausschnitte 2–3), „mehrtaktigen“ (Ausschnitte 2–4) und „gemischt interpretierten“ (Ausschnitt 4) Kalibrierungen herstellen. Die Analyse zeigt zudem, wie Gesprächsbeteiligte den „Ton“ einer A-Initiierung kalibrieren können (z. B. dass das Vorgebrachte mit Humor gesagt ist), bevor der thematische Inhalt derselben A-Initiierung gegenseitig verstanden ist (Ausschnitt 5).

Implikationen für die Praxis

Kalibrierungen bestehen neben Elementen, die für ihr jeweiliges Setting spezifisch sind. Ihre Implikationen hängen daher von kontextspezifischen Parametern ab. Wenn etwa Gesprächsbeteiligte in einer Familientherapiesitzung unterschiedliche Interpretationen derselben A-Initiierung kalibrieren (Ausschnitt 4) – manchmal zu unterschiedlichen Zeitpunkten und in unterschiedlichem Tempo (Ausschnitte 2–4) –, kann dies dazu beitragen, ein Ungleichgewicht zwischen ihnen zu erzeugen oder zu verstärken. Wenn beispielsweise die therapeutische Fachkraft und ein Elternteil in einem schnelleren Tempo kalibrieren als die Fachkraft und das Kind, kann das Kind zurückbleiben (oder noch weiter zurückfallen), was dazu führen kann, dass sich die Beziehung zwischen Fachkraft, Elternteil und Kind ungleich entwickelt (vgl. „Arbeitsbündnis“, McLeod et al., 2014). Infolgedessen ist das Kind möglicherweise weniger bereit, seine Anliegen mit der Fachkraft zu teilen, und damit weniger geneigt, sein Recht wahrzunehmen, seine Meinung in allen es berührenden Angelegenheiten zu äußern (United Nations, 1989). Solche Ungleichgewichte können auch andere triadische und Mehrparteiendialoge betreffen.

Ähnliche Implikationen können entstehen, wenn zwei oder mehr Klientinnen und Klienten getrennte B-Antworten auf unterschiedliche Teile derselben A-Initiierung geben. Schaut eine Person in eine andere Richtung, antwortet sie womöglich auf eine längere Äußerung als die Person, die die Fachkraft ansieht und Minimalreaktionen verwendet (vgl. Ausschnitt 4). Stellt die Fachkraft zudem mehrere Fragen in einer einzigen Äußerung, können die B-Antworten der Familienmitglieder ein Verständnis unterschiedlicher Abschnitte dieser Äußerung implizieren oder demonstrieren. Eine weitere mögliche Implikation kann entstehen, wenn die Fachkraft und eine Person den Ton einer Äußerung anders kalibrieren als die Fachkraft und eine andere Person – oder vielleicht gar nicht. Wird der Ton einer Äußerung unter den Gesprächsbeteiligten unterschiedlich kalibriert, kann die Äußerung unterschiedliche Funktionen erfüllen, was eine Therapiesitzung in gegensätzliche Richtungen lenken kann. Darüber hinaus kommen verschachtelte und aufgeschobene Kalibrierungen in triadischen Kinder- und Familientherapien vermutlich sehr häufig vor; Therapierende müssen sie wohl sowohl antizipieren als auch aufgreifen, um auf Kurs zu bleiben.

Dieses Wissen über Komplexitäten im Zusammenhang damit, wie drei Gesprächsbeteiligte in Kinder- und Familientherapien gegenseitiges Verstehen sequenziell organisieren und herstellen, kann helfen, Missverständnissen vorzubeugen und Ungleichgewichte, einschließlich ungleicher Arbeitsbündnisse, auszugleichen. Hätte etwa die Fachkraft in Ausschnitt 3 die Kontrolle über das Kalibrierungstempo übernommen, hätten Fachkraft und Kind ihr Verstehen schneller kalibrieren können als Fachkraft und Elternteil. Indem sie sowohl den Ton als auch den thematischen Inhalt mit allen Gesprächsbeteiligten kalibriert, könnte die Fachkraft zudem möglichen Missverständnissen vorbeugen.

Die Ergebnisse könnten für Fachkräfte nützlich sein, die mit verschiedenen Arten institutioneller Gespräche arbeiten, und beispielsweise für Therapierende, die mit Familien arbeiten, oder für Gesundheitsfachpersonen, die mit Patientinnen und Patienten und deren Angehörigen sprechen, von großem Wert sein. Implikationen kann es auch für institutionelle Gespräche geben, die Einschätzungen oder Begutachtungen umfassen, etwa für Leistungsberechtigte, die auf zutreffende Einschätzungen der Sozialen Arbeit angewiesen sind, oder für Asylsuchende bei Einbürgerungs- und Migrationsbehörden.

Bestätigung bisheriger Forschungsergebnisse zum Herstellen gegenseitigen Verstehens

Die Gesprächsbeteiligten kalibrierten 95,3 % der 669 identifizierten A-Initiierungen mit mindestens drei Schritten. Dies legt nahe, dass der interaktive Mikroprozess, den zwei Gesprächsbeteiligte beim Herstellen gegenseitigen Verstehens nutzen (wie von Bavelas et al., 2017 definiert), wahrscheinlich auf triadische Dialoge übertragbar ist. Dies stünde im Einklang mit dem, was sowohl Mead (1934) als auch Goffman (1976, 1981) nahegelegt und spätere Forschende vorgeschlagen haben: Dreischrittige Sequenzen sind eine grundlegende Einheit der Gesprächsorganisation (z. B. Bavelas et al., 2012, 2017; Deppermann, 2015; Gerwing and Indseth, 2016; Heritage, 2022; Linell and Markovä, 1993; Severinson Eklundh and Linell, 1983; Svennevig, 2009; Tsui, 1989). Wie in der Einleitung erwähnt, wurde die Allgegenwart solcher dreischrittigen Sequenzen in Unterrichtssituationen (Mehan, 1979; Sinclair and Coulthard, 1975), ärztlichen Konsultationen (Tsui, 1989), Rettungseinsätzen (Lindgren et al., 2007), Kundschaftsanrufen (Kevoe-Feldman and Robinson, 2012), Psychotherapien (Bavelas et al., 2012; De Jong et al., 2020), Notrufen mit Sprachbarriere (Gerwing and Indseth, 2016) und Kennenlerngesprächen (Bavelas et al., 2017) festgestellt. Der vorliegende Artikel fügt der Liste der Aktivitätstypen, in denen dreischrittige Sequenzen verbreitet sind, die Kinder- und Familientherapie sowie audiovisuelle Aufzeichnungen von Dreipersoneninteraktionen hinzu. Dass sie in so unterschiedlichen Kontexten verbreitet sind, deutet darauf hin, dass Paarsequenzen zur Organisation und Herstellung gegenseitigen Verstehens neuer Informationen wahrscheinlich nicht ausreichen. Mit Heritage gesprochen: „Obwohl viel über die Bedeutung von Paarsequenzen geschrieben worden ist, sollte man ihre empirische Häufigkeit nicht überschätzen. Gespräche sind weit davon entfernt, ausschließlich aus ihnen aufgebaut zu sein“ (Heritage, 2022: 318). Das Demonstrieren von Verstehen der unmittelbar vorangehenden Äußerung lässt sich besonders schwer auf Mehrparteieninteraktionen anwenden, in denen der Verlauf weniger geradlinig erscheint. Statt auf Grundlage der unmittelbar vorangehenden Äußerung vorwegzunehmen, was als Nächstes kommt, müssen alle Gesprächsbeteiligten das Unerwartete „subprehendieren“ (subprehend, Enfield and Sidnell, 2021).

Methodische Fragen und künftige Forschungsrichtungen

Neben der Replikation früherer Studien mit ähnlichen Befunden (z. B. Bavelas et al., 2012, 2017; De Jong et al., 2020; Tsui, 1989) werden die Ergebnisse dieser Studie gestützt durch eine Analyse, die ein Manual mit operationalen Definitionen verwendete, durch zahlreiche Präsentationen und Diskussionen dreischrittiger Mikrosequenzen in Datensitzungen sowie durch eine hohe Übereinstimmung zwischen Auswertenden bei geschichteten Zufallsstichproben dreischrittiger Mikrosequenzen und bei einzelnen A-Initiierungen, B-Antworten und C-Follow-ups. Einen Rahmen und eine Methodik, die an Kennenlerngesprächen zwischen zwei Personen entwickelt wurden, auf triadische Kinder- und Familientherapiesitzungen anzuwenden, war jedoch kein geradliniger Prozess. Dies könnte erklären, warum ich etwa bei den A-Initiierungen eine geringere Übereinstimmung zwischen Auswertenden erzielte als die Verfassenden der Originalstudie (84% gegenüber 94%).

Die Zahl der kalibrierten Sequenzen ist möglicherweise unterschätzt; vermutlich waren sie zahlreicher und das Tempo noch höher, als ich hier darstelle. Da mehrere Gesprächsbeteiligte in den Aufzeichnungen überwiegend im Profil zu sehen waren, standen einige Äußerungen der Analyse womöglich nicht zur Verfügung. Ein schiefes Lächeln oder ein einäugiges Zwinkern der angesprochenen Person (Äußerungen, die der Analyse womöglich nicht zur Verfügung standen) hätte beispielsweise die Äußerung der ursprünglich sprechenden Person in zwei teilen können (Tabelle 2), was möglicherweise zu zusätzlichen Kalibrierungen und höheren Raten geführt hätte, als beobachtbar waren. Um diese Einschränkung anzugehen und die Forschung zum Face-to-Face-Dialog weiter vom Bias des geschriebenen – oder „gesprochenen“ – Wortes zu lösen (vgl. Linell, 1982, 2005), könnte künftige Forschung Aufzeichnungen analysieren, in denen die Gesichter (und vorzugsweise die Körper) der Gesprächsbeteiligten vollständig sichtbar sind.

Wie Kinder, Eltern und Therapierende in triadischen Kinder- und Familientherapien gegenseitiges Verstehen organisieren und herstellen, kann künftige Forschung zu Interaktionen mit mehr als zwei Gesprächsbeteiligten anregen. Weitere Mikroanalysen zur Organisation und Herstellung gegenseitigen Verstehens in triadischen und Mehrparteieninteraktionen könnten beispielsweise das Wissen darüber erweitern, wie sich Ungleichgewichte ausgleichen und Missverständnisse verhindern und beheben lassen.