Soziale Netzwerkanalyse in der Präventionsumsetzung: Werkzeug, Strategie, Korrektiv

Einleitung: Eine Schule, ein Stadtteil, ein Programm

In einer mittelgroßen niedersächsischen Kommune entscheidet eine kommunale Steuerungsgruppe, ein evidenzbasiertes Präventionsprogramm einzuführen – etwa Klasse2000 in Grundschulen oder einen Lebenskompetenzansatz in der Sekundarstufe. Auf dem Papier sieht alles solide aus: Das Programm hat positive Effekte in randomisierten Studien gezeigt, ist auf der „Grünen Liste Prävention" gelistet, die Anschubfinanzierung steht. Zwei Jahre später zeigen die Daten ein anderes Bild. Die Hälfte der Lehrkräfte hat das Material nicht angefasst. In einer Schule ist der eigentlich engagierte Sozialpädagoge in Elternzeit, niemand hat übernommen. Die mit großen Erwartungen gestartete Elternarbeit erreicht vor allem jene Familien, die ohnehin gut vernetzt sind.

Das ist keine seltene Konstellation. Internationale Implementierungsforschung dokumentiert seit über zwanzig Jahren, dass die Lücke zwischen Wirksamkeit unter Studienbedingungen und Wirkung im Alltag (efficacy-effectiveness gap) der Regelfall ist und nicht die Ausnahme. Eine systematische Übersicht zum am häufigsten genutzten Implementierungsrahmenwerk EPIS – Exploration, Preparation, Implementation, Sustainment – fand 67 Studien, von denen nur ein Bruchteil alle vier Phasen empirisch untersuchte und die meisten Anwendungen oberflächlich blieben (Moullin et al., 2019).

In dieses Bild ist die soziale Netzwerkanalyse (SNA) seit etwa 15 Jahren mit zunehmender Sichtbarkeit eingerückt. Die Grundidee ist einfach: Programme funktionieren nicht in einem sozialen Vakuum, sondern entlang von Beziehungen – zwischen Lehrkräften, zwischen Schulen und Jugendhilfe, zwischen Eltern, zwischen Schülern. Wer diese Beziehungen sichtbar macht, kann gezielter intervenieren.

Der vorliegende Beitrag rekonstruiert, was SNA in diesem Feld leistet, was sie ausdrücklich nicht leistet, und welche praktischen Konsequenzen sich daraus für Präventionsfachkräfte ergeben. Er stützt sich primär auf die Übersichtsarbeit von Valente, Palinkas und Czaja (2015), erweitert diese aber um die seither erschienene Literatur zu Netzwerkinterventionen, EPIS-Anwendungen, Programmwirksamkeit und Übertragbarkeit, einschließlich der laufenden deutschen CTC-Evaluationsstudie.

Theoretische Verortung: Vier Modelle, ein Anliegen

Die Netzwerkanalyse steht nicht allein. Sie ist eingebettet in eine theoretische Landschaft, deren wichtigste Anker man kennen sollte, um die Reichweite und die Grenzen einzelner Aussagen einzuordnen.

Diffusion von Innovationen. Everett Rogers' Theorie aus den 1960er-Jahren ist der historische Ausgangspunkt. Sie beschreibt, wie sich Innovationen entlang sozialer Beziehungen verbreiten, mit Frühadaptierern, früher und später Mehrheit, Nachzüglern. Aktuelle Übersichten heben hervor, dass sich Diffusion of Innovations (DOI) als heuristischer Rahmen weiterhin bewährt, dass das Modell aber an spezifischen Schwächen leidet: einem Pro-Innovations-Verzerrungseffekt (Innovationen werden tendenziell positiv codiert), einem Individual-Blame-Bias (Nichtannahme wird Personen statt Strukturen zugerechnet) und einer Vernachlässigung soziokultureller Faktoren (Iqbal & Zahidie, 2021). Dearing und Singhal (2020) plädieren entsprechend für eine Erweiterung um drei Forschungsrichtungen: Disseminations- und Implementierungsforschung sowie das Konzept des „positiven Abweichens".

Soziales Entwicklungsmodell. Hawkins und Catalano formulierten in den 1990er-Jahren das Social Development Model, das Bindung, Beteiligung, Kompetenz und Belohnung als zentrale Schutzpfade jugendlicher Entwicklung benennt. Es bildet den theoretischen Unterbau des Communities-That-Care-Systems. Die aktuelle Synthese durch die Originalautoren (Cambron et al., 2018) und neuere strukturgleichungsbasierte Validierungen (Bishop et al., 2020) belegen, dass die Pfade des Modells in unterschiedlichen Kontexten gut replizierbar sind, dass aber die Operationalisierung in unterschiedlichen Stichproben moderate Anpassungen erfordert.

Sozialökologisches Modell. Bronfenbrenners Schichtenmodell – Mikro-, Meso-, Exo-, Makro- und Chronosystem – bleibt der dominante Mehrebenen-Rahmen in der Forschung zur öffentlichen Gesundheit. Eine aktuelle Übersicht über 88 HIV-Präventionsstudien zeigt, dass 38 Prozent dieser Arbeiten sozialökologische oder ökoentwicklungspsychologische Modelle nutzen, in der Regel auf Bronfenbrenner aufbauend (Denison et al., 2024). Für die Programmadaptation in heterogenen Stichproben relevant ist die Beobachtung, dass das Gewicht einzelner ökologischer Ebenen – Familie, Gleichaltrige, Nachbarschaft – sich zwischen sozialen Gruppen verschieben kann (Hong et al., 2019).

Capability, Opportunity, Motivation: das COM-B-Modell. Susan Michie und Kollegen führten das Behaviour Change Wheel ein, in dessen Zentrum drei Bedingungen für Verhaltensänderung stehen: Fähigkeit, Gelegenheit und Motivation (Michie et al., 2011). Mit über 17.000 Zitierungen ist dieses Rahmenwerk eines der am breitesten rezipierten in der Verhaltenswissenschaft; es erlaubt eine systematische Beschreibung dessen, an welcher Stelle eine Intervention ansetzt – ergänzt also netzwerk- und implementierungstheoretische Modelle, die eher auf der Ebene von Strukturen argumentieren.

Konkurrenz und Komplementarität. Neben EPIS sind die Konkurrenzrahmen CFIR (Consolidated Framework for Implementation Research) und i-PARIHS (integrated Promoting Action on Research Implementation in Health Services) die in der Literatur am häufigsten genutzten. Eine aktuelle Scoping-Review zu Implementierungsforschung in Intensivstationen identifizierte CFIR in sieben, i-PARIHS in zwei und EPIS in nur einer von 13 Studien (Liu et al., 2025). Codebücher zur strukturierten Anwendung von i-PARIHS sind kürzlich publiziert worden (Ritchie et al., 2022). Diese Vielfalt ist kein Mangel: Frameworks erfüllen unterschiedliche Funktionen – Beschreibung, Erklärung, Evaluation – und sind eher ergänzend als konkurrierend zu verstehen (Moullin et al., 2020).

Die epistemische Pointe lautet: Soziale Netzwerkanalyse ist ein Werkzeug innerhalb dieser Theorienlandschaft, kein eigener Erklärungsrahmen. Sie liefert Daten und Methoden, die sich an unterschiedliche theoretische Anker andocken lassen – an Diffusion, an Sozialökologie, an EPIS oder an COM-B. Wer sie ohne theoretische Bindung einsetzt, läuft Gefahr, Befunde zu produzieren, die elegant aussehen, aber wenig erklären.

Die Netzwerkanalyse als Diagnose-Instrument

Die schlichteste Anwendung der SNA ist diagnostisch: Sie macht sichtbar, was in einem sozialen Gefüge ohnehin existiert. Vier Maße sind dafür praktisch entscheidend.

Dichte beschreibt den Anteil tatsächlich vorhandener Verbindungen an allen möglichen. Eine Schulleitungsrunde mit zwanzig Personen, in der jeder mit jedem regelmäßig spricht, hat eine Dichte von 1; eine Runde, in der nur drei Personen miteinander Kontakt haben, eine sehr niedrige Dichte. Empirisch und theoretisch wird ein Korridor zwischen 0,15 und 0,50 als günstig für Diffusionsprozesse diskutiert (Gesell et al., 2013, mit Bezug auf Valente). Diese Werte stammen aus relativ wenigen Studien und einer Pilotanwendung an einer Adipositas-Intervention für Familien (n = 34 Eltern), was die Verallgemeinerbarkeit deutlich begrenzt – ein Punkt, den auch die Originalautoren selbst betonen.

Zentralität misst die Position einer Person im Netz. Drei Varianten sind etabliert: Grad-Zentralität (Anzahl direkter Verbindungen), Nähe-Zentralität (durchschnittliche Distanz zu allen anderen), und Vermittler-Zentralität (Häufigkeit, mit der eine Person auf den kürzesten Pfaden zwischen anderen liegt). In einer Studie über 38 Leitungen kalifornischer Jugendbehörden zeigte sich, dass die eingehende Grad-Zentralität – also die Häufigkeit, mit der eine Person als Informationsquelle genannt wird – am stärksten mit dem Implementierungsfortschritt einer evidenzbasierten Praxis nach zwei Jahren assoziiert war (Palinkas et al., 2011). Das ist ein methodisch solides Korrelationsergebnis, aber kein Kausalbeleg.

Brücken und Strukturlöcher. Personen, die zwei sonst unverbundene Gruppen verbinden, haben im Netzwerk eine Schlüsselrolle: Sie ermöglichen Informationsfluss zwischen Subnetzen, die sonst voneinander abgeschnitten wären. In einer Analyse des US-amerikanischen Implementation Science Centers for Cancer Control (n = 182, Rücklauf 95 %) fand sich beispielsweise eine Netzwerkdichte von 14 Prozent, aber eine deutliche Konzentration der Praxis- und Politik-Dissemination auf wenige Knoten, mit 43 unverbundenen Mitgliedern für diese Funktion (Jacob et al., 2022). Solche Befunde lenken den Blick auf strukturelle Defizite, die ohne Netzwerkperspektive übersehen werden.

Cluster und Subgruppen. Algorithmen wie modulare Zerlegung oder Blockmodellierung machen sichtbar, wie ein größeres Netzwerk in Teilgruppen zerfällt. Für Präventionsarbeit ist relevant, ob bestimmte Subgruppen – etwa migrantische Familien, sozial benachteiligte Quartiere, geflüchtete Jugendliche – systematisch von der Programminformation abgeschnitten sind. In einer Netzwerkanalyse einer auf Verteilungsgerechtigkeit ausgerichteten Krebsforschungspartnerschaft wurden Subnetzdichten zwischen 13 und 55 Prozent dokumentiert; 63 Prozent der Mitglieder waren nicht-hispanisch weiß (Cruz et al., 2025). Solche Daten machen Gerechtigkeitslücken konkret, statt sie nur zu behaupten.

Vom Bild zur Entscheidung. Diagnostische Netzwerkanalyse ist erst dann produktiv, wenn sie an Entscheidungen geknüpft ist. Eine kanadische Praxisreflexion zur SNA in der frühen Phase einer Implementierungs-Infrastruktur fasst zusammen, dass Netzwerkdaten ohne qualitative Folgeinterviews kontextarm bleiben und leicht überinterpretiert werden (Brooks et al., 2025). In einer Kommune oder Schule heißt das praktisch: Eine Karte ist nur so gut wie das Gespräch, das auf sie folgt.

Die Netzwerkanalyse als Interventions-Strategie

Über die Diagnose hinaus lässt sich SNA selbst als Intervention nutzen. Thomas Valente unterscheidet in einer in Science publizierten Übersicht vier Klassen von Netzwerkinterventionen (Valente, 2012):

1. Identifikation. Auswahl einzelner Personen aufgrund ihrer Netzwerkposition – etwa der zentralsten, der einflussreichsten oder der am besten vernetzten – als Multiplikatoren.
2. Segmentierung. Adressierung ganzer Subgruppen, also Cliquen, Schulen oder Quartiere, in denen die Intervention jeweils gemeinsam ausgerollt wird.
3. Induktion. Anregung neuer Beziehungen oder Verstärkung bestehender, etwa durch Schneeball-Rekrutierung oder gezielte Vernetzungsformate.
4. Alteration. Aktive Veränderung der Netzwerkstruktur durch Hinzufügen, Entfernen oder Umlenken von Verbindungen.

Der Klassiker: Meinungsführer. Die häufigste Anwendung der Identifikationsstrategie ist die Aktivierung sogenannter Meinungsführer. Sozialpsychologisch ist die Idee alt; sie geht auf Lazarsfeld und Katz zurück und wurde im Bereich der öffentlichen Gesundheit durch das CDC-Programm „Popular Opinion Leader" für die HIV-Prävention bekannt (Valente, 2006). Eine Cochrane-Übersicht über 24 Studien zu lokalen Meinungsführern in Gesundheitskontexten, mit insgesamt mehr als 3.000 beobachteten Fachkräften, fand einen mittleren absoluten Anstieg der leitlinienkonformen Praxis um etwa 12 Prozentpunkte gegenüber keiner Intervention (Flodgren et al., 2019). Die Autoren benennen zwei Einschränkungen. Erstens variiert die Wirkung stark zwischen Studien und Endpunkten. Zweitens ist die Identifikation von Meinungsführern selbst problematisch: In einer der zitierten Arbeiten wurden nach zwei Jahren nur 8 bis 18 Prozent der ursprünglich identifizierten Meinungsführer erneut als solche genannt – die zeitliche Stabilität des Konstrukts ist also begrenzt.

Methodische Alternativen. Valente und Pumpuang (2007) systematisieren zehn Verfahren zur Identifikation von Meinungsführern: von Selbstauswahl über Mitarbeiterauswahl und Schneeballverfahren bis zur ethnografischen Beobachtung. Ihre Empfehlung, jeweils die obersten 10 bis 15 Prozent der Skala auszuwählen, ist heute weitgehend Standard. Eine aktuelle Vergleichsstudie an 20 US-Highschools im Rahmen des Suizidpräventionsprogramms „Sources of Strength" (n = 5.746 Schüler, 429 von Erwachsenen ausgewählte Multiplikatoren) zeigte, dass die von Erwachsenen ausgewählten Sets nur zu 13 bis 23 Prozent mit netzwerkbasiert identifizierten Sets übereinstimmten. Schulen mit höherer Konkordanz verzeichneten eine stärkere Verbreitung der vermittelten Inhalte. Eine an Freundschaften orientierte Auswahl produzierte tendenziell weißere und jüngere Multiplikatoren-Sets; der Key-Players-Algorithmus lieferte deutlich repräsentativere Sets (Pickering, Wyman & Valente, 2022). Das ist ein konkretes Argument für netzwerkbasierte gegenüber rein subjektiver Auswahl, gerade unter dem Gesichtspunkt der Verteilungsgerechtigkeit.

Simulation als Entscheidungshilfe. In jüngeren Arbeiten werden Netzwerkdaten genutzt, um die Effekte unterschiedlicher Saatpunkt-Strategien vor der eigentlichen Intervention zu simulieren. Eine Simulation zur Prävention von E-Zigaretten-Konsum an zehn Schulen Südkaliforniens zeigte, dass die gezielte Manipulation von 15 Prozent der Knoten – etwa der vermittlungsstärksten oder der meinungsführenden – signifikant stärkere Reduktionen der Konsumprävalenz erzeugte als eine zufällige Auswahl (Piombo et al., 2025). Solche Simulationen sind keine Wirksamkeitsbelege, sondern Planungshilfen: Sie zeigen, welche Strategie unter den getroffenen Annahmen am ehesten lohnen dürfte.

Einschränkende Stimme. Valente selbst hat in einem Kommentar (2017) die Versuchung kritisiert, in der Praxis bequeme Kompromiss-Strategien wie „rekrutiere die Freunde zufällig ausgewählter Personen" als gleichwertig mit theoretisch fundierter Knoten-Auswahl zu behandeln. Wer effektive Netzwerkinterventionen wolle, müsse die Theoriebindung halten. Das ist eine selten so deutlich formulierte Selbstkritik einer Forschungstradition – und ein Korrektiv gegen die Versuchung der Beliebigkeit.

Akute Anwendungen. Während der Pandemie sind Netzwerkinterventionen auch jenseits der Substanz- und Suizidprävention erprobt worden. Eine Gemeinde-Netzwerk-Intervention in Puerto Rico mit 24 lokalen Schlüsselakteuren erreichte eine Akzeptanzrate von 85,7 Prozent und signifikante Verbesserungen bei den eingesetzten Beteiligungsstrategien (p = 0,012) und beim Notfallmanagement im Gesundheitsschutz (p < 0,001) (Marzán-Rodríguez et al., 2023). Eine kontrollierte Vergleichsgruppe fehlte; methodisch ist der Befund daher begrenzt. Er illustriert aber, dass die Logik der knotenorientierten Aktivierung über das hier diskutierte Programmsegment hinausreicht.

Vier Phasen, ein Werkzeug: Netzwerkanalyse entlang des EPIS-Rahmens

Das EPIS-Modell von Aarons und Kollegen unterscheidet vier Phasen der Programmumsetzung: Exploration, Vorbereitung (Preparation), Umsetzung und Aufrechterhaltung. Die systematische Übersicht über 67 EPIS-Anwendungen (Moullin et al., 2019) zeigt, dass die meisten Studien nur zwei der vier Phasen empirisch betrachten – mit deutlichem Schwerpunkt auf der Umsetzungsphase – und dass die Anwendungstiefe im Mittel moderat bleibt (M = 2,8 von 5). Soziale Netzwerkanalyse kann in jeder dieser Phasen einen unterschiedlichen Beitrag leisten.

Exploration. In dieser Phase geht es um Bedarfsklärung und um die Kartierung bestehender Strukturen. SNA hilft, die Akteurslandschaft sichtbar zu machen: Welche Schulen, Jugendhilfeträger, Gesundheitsämter, Vereine und freien Träger sind in welchem Stadtteil aktiv? Wer kennt wen? Wo gibt es funktionierende Brücken zwischen Sektoren, wo isolierte Inseln? Eine kanadische Praxisreflexion zur Implementierungsforschung beschreibt, wie eine SNA in dieser Phase als Türöffner für strukturierte Folgeinterviews diente – ohne diese qualitative Vertiefung wären die Netzwerkdaten kaum sinnvoll interpretierbar gewesen (Brooks et al., 2025).

Vorbereitung. Hier wird die Programmwahl getroffen, eine lokale Koalition aufgebaut, Rollen werden verteilt. Die Palinkas-Studie (2011) zeigt, dass Behörden, deren Leitungen mit überregionalen Netzwerken verbunden sind, deutlich häufiger neue evidenzbasierte Praktiken adoptieren – Bezirke ohne Verbindungen über die Kreisgrenze hinaus entschieden sich in der Stichprobe gegen die Implementierung. Für Vorbereitungsphasen heißt das: Die Stärke des Beraternetzes der lokalen Steuerungsgruppe ist ein Frühindikator dafür, ob ein Programm überhaupt eine Chance hat.

Umsetzung. In dieser Phase greifen die diagnostischen Funktionen am unmittelbarsten. Gesell und Kollegen (2013) entwickelten das Social Network Diagnostic Tool, ein einfaches Instrument zur wiederholten Vermessung der Beziehungs- und Beratungsdichte in Interventionsgruppen, mit Rückmeldung an die Gruppenleitung. Im Pilot stieg die Dichte des Beratungsnetzwerks zwischen Sitzung 4 und Sitzung 12 von 0,082 auf 0,182 – statistisch signifikant, aber auf Basis einer einzelnen Gruppe und damit nicht verallgemeinerbar. Praktisch übersetzbar ist das Werkzeug trotzdem: Schulleitungen, die in Klasse2000 oder Lions Quest investieren, könnten zur Halbzeit prüfen, ob die Lehrkräfte untereinander zum Programm sprechen oder ob das Programm in einzelnen Räumen versandet.

Aufrechterhaltung. In der nachhaltigen Verstetigung über mehrere Jahre gewinnt die Personalfluktuation Bedeutung. Wenn die Schlüsselperson, die ein Programm in einer Schule getragen hat, geht, bricht die Implementierung häufig ein. SNA kann diese Vulnerabilität sichtbar machen, etwa durch die Frage, wie viele Personen Wissen und Kontakte zu einem Programm tragen und wie zentral sie jeweils sind. In der Cambron-/Catalano-/Hawkins-Synthese zum Sozialen Entwicklungsmodell wird dieser Punkt unter dem Stichwort „organizational embeddedness" diskutiert (Cambron et al., 2018). Eine konzeptionelle Erweiterung des EPIS-Rahmens um politische Determinanten – Finanzierungspolitik, gesetzliche Hebel, Akteursrollen über die Sektorgrenzen hinweg – ist als ergänzender Vorschlag publiziert worden (Crable et al., 2022). In deutschen CTC-Kommunen ist die Frage nachhaltiger Verstetigung Gegenstand der laufenden Effektivitätsstudie (Röding et al., 2021).

Programm-Fallstudien

Communities That Care: ein System, vier Evaluationskontexte

Communities That Care (CTC) ist ein 1992 von David Hawkins und Richard Catalano an der University of Washington entwickeltes Planungssystem, das Kommunen befähigen soll, evidenzbasierte Präventionsprogramme nach lokal erhobenen Risiko- und Schutzfaktorprofilen auszuwählen und umzusetzen. CTC ist im engeren Sinne kein Programm, sondern ein fünfphasiger Prozess der Koalitionsbildung, Bedarfsanalyse, Programmwahl und Umsetzung.

US-amerikanische Hauptevidenz. Im Community Youth Development Study (CYDS) wurden 24 Kommunen in sieben US-Bundesstaaten paarweise gematcht und randomisiert. Eine Subgruppenanalyse einer Panel-Kohorte von 4.407 Schülern von Klasse 5 bis Klasse 8 zeigte, dass die zuvor berichteten CTC-Effekte auf Substanzkonsum und Delinquenz weitgehend gleichmäßig über Risikogruppen und Geschlecht wirken. Zwei Ausnahmen wurden dokumentiert: Der Effekt auf Substanzkonsum in Klasse 8 war bei Jungen stärker, der Effekt auf Delinquenz bei den zu Studienbeginn nicht delinquenten Schülern (Oesterle, Hawkins & Fagan, 2010). Die Wirksamkeit erscheint damit weitgehend universell, nicht primär subgruppenspezifisch.

Strategic Prevention Framework als verwandter Ansatz. In Kansas verglichen Anderson-Carpenter und Kollegen (2016) elf Schulbezirke, in denen acht Kommunen das vom CTC abgeleitete Strategic Prevention Framework umsetzten, mit 14 demografisch gematchten Vergleichsbezirken. Die Koalitionen erzielten 137 Veränderungen auf Kommunenebene. Beide Gruppen verbesserten sich über die Zeit signifikant (p < 0,001) bei Rauschtrinken und beim Vollzug der Jugendschutz-Trinkgesetze; ein zusätzlicher Vorteil der Interventionsbezirke gegenüber den Vergleichsbezirken war jedoch nicht nachweisbar (p > 0,05). Die Studie ist quasi-experimentell, nicht randomisiert – und liefert damit ein konkretes Beispiel dafür, wie sehr Befundberichte vom genauen Vergleichsmaßstab abhängen.

Niederlande: ein Negativbefund. Eine quasi-experimentelle Evaluation mit fünf CTC- gegenüber fünf Kontroll-Kommunen in den Niederlanden über drei Jahre (2008–2011) konnte keinen Effekt auf das untersuchte breite Spektrum von Problemverhalten oder den Konsumeinstieg bei Tabak und Alkohol nachweisen (Jonkman et al., 2015). Die Autoren benennen interne Validitätsbedrohungen und Designlimitationen, halten den Befund aber transparent fest. Es ist methodisch redlich, ihn nicht zu marginalisieren.

Australien: Beobachtungsdaten über 16 Jahre. Eine Beobachtungsstudie an 41.328 Jugendlichen in 109 australischen Kommunen zwischen 1999 und 2015 fand für CTC-Kommunen signifikant steilere jährliche Rückgänge bei Alkoholkonsum (adjustierte OR 0,94; 95-%-KI 0,93–0,95), Tabak (0,97; 0,96–0,99) und Cannabis (0,96; 0,93–0,98) gegenüber Vergleichskommunen (Toumbourou et al., 2019). Dies ist die längste verfügbare Beobachtungsserie. Sie ist nicht randomisiert; unbeobachtete Selektionseffekte können die Befunde mitprägen.

Deutschland: laufende Studie unter Pandemiebedingungen. Die deutsche CTC-Wirksamkeitsstudie (CTC-EFF, DRKS00022819) umfasst 21 Interventions- und 21 Vergleichskommunen mit kohortenbasierten und wiederholten Querschnittsbefragungen ab Klasse 5 (Röding et al., 2021). Die dafür eingesetzten Risikofaktorskalen wurden in einer Stichprobe von 1.911 niedersächsischen Schülern konfirmatorisch validiert und prädizieren Gewalt-, Delinquenz- und Substanzkonsumendpunkte (Reder et al., 2024). Die erste Längsschnittauswertung (2021 versus 2023) für 318 Schlüsselinformanten in 17 Interventions- und 15 Vergleichskommunen zeigt einen nicht-signifikanten Anstieg der Adoption evidenzbasierter Praxis in den Interventionskommunen (OR 1,25; 95-%-KI 0,34–4,61); die sektorale Zusammenarbeit veränderte sich nicht signifikant. Die Autoren werten die schwachen Effekte als „vorläufigen Hinweis" und führen sie auf pandemiebedingte Implementierungseinschränkungen zurück (Röding et al., 2024). Eine Meta-Analyse über zwölf gematchte Kommunenpaare findet einen positiven Gesamteffekt auf Adoption (g = 0,57; p = 0,02), erhebliche Heterogenität (I² = 0,59) und einen klaren Moderationseffekt der Implementierungsqualität (von Holt et al., 2025).

Die deutsche Befundlage ist also vorsichtig. Eine sachliche Lesart ist: Der Ansatz funktioniert dort, wo er gut umgesetzt wird; die Pandemie hat die Umsetzungsbedingungen beschädigt; ein abschließendes Urteil zur Wirksamkeit in Deutschland ist 2026 noch nicht möglich. Diese Lesart ist anders als ein Werbeversprechen, aber sie ist die, die die Daten hergeben.

PROSPER: Langzeitwirkung und Generationenfolge

PROSPER (PROmoting School-community-university Partnerships to Enhance Resilience) ist ein US-amerikanisches Implementierungsmodell, in dem schulische und familienbasierte universelle Präventionsprogramme über kommunale Partnerschaften ausgerollt werden. Die Spoth-Arbeitsgruppe verfolgt die Originalkohorte aus 28 randomisierten Schulbezirken in Iowa und Pennsylvania seit Klasse 6.

Das Follow-up nach 7,5 Jahren (Alter 19) berichtete signifikant geringere Substanzmissbrauchsraten in PROSPER-Kommunen mit relativen Reduktionen bis 41 Prozent für einzelne Substanzklassen, aber keine signifikanten Effekte auf antisoziales Verhalten oder gesundheitsriskantes Sexualverhalten (Spoth et al., 2017). Das Follow-up nach 14 Jahren (Alter 25) zeigt deutlich abgeschwächte punktuelle Effekte, aber verlangsamte Konsumzuwachsraten für illegale Drogen, nicht verschriebene Medikamente und Zigaretten; Hochrisikoteilnehmer profitierten bei einigen Endpunkten stärker (Spoth et al., 2022). Im Follow-up nach 15 Jahren – durchgeführt in den ersten Pandemiemonaten – fanden Feinberg, Fang und Fosco (2022) Hinweise auf eine Resilienz über Generationen: Frühere PROSPER-Teilnehmer zeigten geringere Alkoholanstiege und geringere Rückgänge elterlicher Wärme; ihre Kinder hatten weniger externalisierende und internalisierende Probleme.

Die Verlaufsanalyse von Fosco, Fang und Chen (2024) macht die Wirkmechanik präziser sichtbar: PROSPER reduzierte vor allem den frühen Konsumeinstieg, die spätere Eskalation aber nicht. Die langfristigen Effekte verlaufen indirekt über die verzögerte Initiation. Kontextfaktoren auf Gemeindeebene – proaktive Schulleitungen, Jugendorganisationen, Partizipationsstrukturen – moderieren die Wirkung auf proximale Erziehungsendpunkte (Chilenski et al., 2016).

Diese Befunde sind methodisch belastbar, sie stammen aber aus überwiegend ländlichen, mehrheitlich weißen US-Kommunen. Ihre direkte Übertragung auf urbane oder migrantisch geprägte deutsche Kontexte ist nicht trivial.

Sources of Strength: Suizidprävention an Schulen

Sources of Strength ist ein gleichaltrigenbasiertes Suizidpräventionsprogramm, das gezielt mit Schülern als Multiplikatoren arbeitet. Die zuvor zitierte Studie von Pickering und Kollegen (2022) an 20 US-Highschools mit 5.746 Schülern zeigt das praktische Argument für netzwerkbasierte Auswahl: Von Erwachsenen ausgewählte Multiplikatoren-Sets überlappten mit netzwerkbasiert identifizierten nur zu 13 bis 23 Prozent; eine an Freundschaften orientierte Auswahl produzierte demografisch verzerrte Sets, der Key-Players-Algorithmus repräsentativere. Schulen mit höherer Konkordanz zwischen Auswahlmethoden zeigten stärkere Verbreitung programmrelevanter Inhalte.

Sources of Strength ist in Deutschland nicht implementiert. Der Befund ist hier vor allem methodisch interessant: Er belegt, dass die intuitive Auswahl jugendlicher Multiplikatoren durch Lehrkräfte systematisch andere – und in mehrfacher Hinsicht weniger geeignete – Personen identifiziert als netzwerkanalytische Verfahren.

Schul- und gemeindebasierte Programme in Europa

Eine Scoping-Review zu europäischen schulbasierten Substanzpräventionsprogrammen (Abdelrahman et al., 2025) wertet 21 Studien zu Preventure, Unplugged und IPSYcare aus zwölf Ländern aus. Unplugged zeigt Reduktionen bei Cannabis und Rauschtrinken im Follow-up nach 15 Monaten; IPSYcare hat längerfristige Effekte auf schulische Verbundenheit, Alkohol und Tabak; Preventure zeigt gemischte Befunde. Eine slowakische Studie mit Solomon-Design fand, dass die Variante mit Auffrischungssitzungen (Unplugged 2) den kombinierten Alkohol-/Rauchindex signifikant reduzierte, während die klassische Variante keinen signifikanten Effekt hatte (Čurová et al., 2021). Auffrischungssitzungen sind also kein Detail, sondern wirkungsentscheidend. Auch die Implementierungsbedingungen prägen den Erfolg: Eine Evaluation von Lions Quest Skills for Adolescence in kroatischen Schulen während der Pandemie machte sichtbar, dass außerunterrichtliche Programme im Fernunterricht nur unter erheblichem Aufwand durchgehalten werden konnten und eine Reduktion auf Kernsitzungen erforderten (Stojanović et al., 2020).

Eine systematische Übersicht über sechs deutschsprachige Lebenskompetenzprogramme (ALF, Fit & Stark, IPSY, Lions-Quest „Erwachsen werden", REBOUND und Unplugged) belegt Effekte vor allem auf affektiv-evaluative und dispositionale Kompetenzen, kaum aber auf interpersonale Fertigkeiten wie Empathie und Kommunikation – diese werden in der Regel nicht gemessen (Leiblein et al., 2022). Die Autorinnen problematisieren bei REBOUND ausdrücklich unterschiedliche Abbruchquoten zwischen Interventions- und Kontrollgruppen, die die Konsumeffekte überschätzen können. Die quasi-experimentelle deutsche IPSY-Studie an 1.657 Fünftklässlern fand über drei Jahre einen signifikant verlangsamten Anstieg des Tabakkonsums, vermittelt über eine reduzierte Anpassung an Gruppendruck (Weichold et al., 2016).

Klasse2000, das mit über 2,4 Millionen erreichten Kindern seit 1991 das am breitesten verteilte deutsche Grundschulprogramm darstellt, ist in einer KFN-Evaluation in Niedersachsen untersucht worden (Krieg & Kliem, 2021). Die internationale Replikations- und Adaptationsforschung wächst: Die EU-DAP-Programmfamilie wird derzeit in Chile in einem Cluster-RCT mit 70 Schulen und 8.400 Jugendlichen erprobt (Gaete et al., 2022).

Vergleichstabelle: Was leistet welcher Ansatz?

Die Tabelle bündelt das, was bisher belastbar gesagt werden kann. Sie ersetzt nicht die Lektüre der Einzelarbeiten, dient aber als Orientierungsraster.

Übertragbarkeit: deutscher Kontext, Migration, Kosten

Kulturelle Adaptation: Treue versus Passung. Die zentrale Spannung internationaler Programmtransfer-Forschung formulierten Castro, Barrera und Martínez (2004) prägnant: Programme müssen genug ihrer ursprünglichen Wirkstoffe behalten, um wirksam zu bleiben (Treue), und genug an den neuen Kontext angepasst werden, um angenommen zu werden (Passung). Ein späterer Konsensbericht entwickelte fünf Adaptationsstufen: Informationssammlung, vorläufiges Design, vorläufige Erprobung, Verfeinerung, finale Studie (Barrera et al., 2013). In den dort referierten Reviews zu HIV/AIDS, Diabetes, Asthma und Ernährung schnitten kulturell angepasste Versionen meist besser ab als Standardversionen, allerdings auf Basis sehr kleiner Studienpools, teils mit n = 4 Studien je Übersicht.

Indigene und ethnisch spezifische Adaptationen. Eine Doppelfallstudie zu indigenen Adaptationen des Iowa Strengthening Families Program 10–14 dokumentiert, dass Adaptationsprozesse mehrjährig laufen und zwischen oberflächlicher Anpassung und tiefgreifender Umarbeitung unterscheiden müssen (Ivanich et al., 2018). Das ist eine konkrete Illustration dessen, was „Adaptation" als Prozess heißt – kein einmaliges Übersetzen, sondern ein iterativer Aushandlungsvorgang.

Migration im deutschen Kontext. Spezifisch deutsche Adaptationsforschung zu Migrationsfamilien ist dünn. Die deutsche IPSY-Studie (Spaeth et al., 2016) erfasst soziodemografische Merkmale, untersucht differenzielle Effekte aber nicht systematisch nach Migrationshintergrund. Eine umfangreiche Übersicht über 140 systematische Reviews zu populationsbezogenen Jugendinterventionen zeigt, dass nur 30 Prozent differenzielle Effekte nach sozioökonomischem Status berichten und lediglich 11 Prozent diese auch ausweisen (MacIntyre et al., 2020). Die Wirkung universeller Programme auf Verteilungsgerechtigkeit ist in der Reviewlandschaft systematisch unterbelichtet – ein weißer Fleck, kein bewiesener Vorteil.

Kosten und Renditen. Die WSIPP-Tradition (Washington State Institute for Public Policy) hat in den vergangenen 15 Jahren ein methodisches Standardrepertoire für Kosten-Nutzen-Analysen evidenzbasierter Präventionsprogramme entwickelt. Für Communities That Care ergab sich auf Basis des US-Cluster-RCT bis Klasse 8 ein Netto-Barwert von 5.250 US-Dollar pro Jugendlichem bei einem Nutzen-Kosten-Verhältnis zwischen 5,30 und 10,23 (Kuklinski et al., 2012). Die Folgeauswertung bis Klasse 12 mit 4.407 Jugendlichen errechnete einen Netto-Barwert von 3.920 US-Dollar pro Jugendlichem, eine interne Verzinsung von 21 Prozent und einen Amortisationspunkt nach neun Jahren; alle 1.000 Monte-Carlo-Simulationen lieferten positive Werte (Kuklinski et al., 2015). Diese Zahlen sind belastbar, sie stammen jedoch aus einem spezifischen US-amerikanischen Kontext mit anderer Sozialleistungsstruktur, anderen Kosten der Strafrechtspflege und anderer Programmkostenkalkulation. Eine direkte Übersetzung auf deutsche Verhältnisse ist nicht möglich.

Vergleichbare Daten für Multisystemic Therapy bei Kindesmisshandlung (Netto-Nutzen 26.655 US-Dollar pro Familie; Verhältnis 3,31; Dopp et al., 2018) und für jugendliche Sexualstraftäter (Follow-up nach 8,9 Jahren, Gesamtnutzen 343.455 US-Dollar pro Teilnehmer, Ersparnis 48,81 US-Dollar je investiertem Dollar; Borduin & Dopp, 2015) belegen die Größenordnung, in der sich klinisch hochintensive Programme ökonomisch rechnen können. Universelle Schulprogramme erreichen typischerweise kleinere absolute Effekte, aber höhere Reichweiten.

Die WSIPP-Logik selbst – disaggregierte Berechnung von Einsparungen für Teilnehmende, Steuerzahler und Gesellschaft, Monte-Carlo-Sensitivität, interne Verzinsung – ist als Methode in deutschen Präventionsplanungen erst in Ansätzen etabliert. Einzelne konzeptionelle Beiträge (Manning et al., 2018; Steverman & Shern, 2017) zeigen die Richtung, in der eine deutsche Adaption sich orientieren könnte.

Synthese

Was bleibt nach diesem Durchgang? Die Netzwerkanalyse ist weder Wunderwerkzeug noch Modeerscheinung. Sie ist eine Methodenfamilie mit klar umrissenem Funktionsspektrum, die in der Implementierung evidenzbasierter Präventionsprogramme an spezifischen Stellen konkrete Hebel bietet – und an anderen Stellen wenig bis nichts beiträgt. Die Frage ist nicht, ob man SNA „macht" oder nicht, sondern an welcher Stelle einer Programmplanung sie sinnvoll eingesetzt werden kann.

Limitationen, Schutzbehauptungen, ethische Spannungen

Eine sachliche Bestandsaufnahme muss benennen, was sie selbst nicht leisten kann.

Datenbasis und Kausalität. Die zentrale Quelle, auf die sich Übersichten zur SNA in der Programmumsetzung üblicherweise stützen, ist die konzeptionelle Arbeit von Valente und Kollegen (2015). Sie ist kein Wirksamkeitsnachweis, sondern ein Vorschlag. Die wenigen empirischen Belege für netzwerkanalytische Diagnose stammen entweder aus Pilotanwendungen (Gesell et al., 2013) oder aus Beobachtungsstudien (Palinkas et al., 2011). Kausale Aussagen über den Beitrag von SNA zur Programmwirksamkeit lassen sich daraus nicht ableiten.

Stabilität der Identifikation. Die Cochrane-Übersicht zu Meinungsführern (Flodgren et al., 2019) dokumentiert, dass nur 8 bis 18 Prozent der ursprünglich identifizierten Meinungsführer nach zwei Jahren erneut als solche genannt wurden. Wer eine Person heute als Multiplikator gewinnt, gewinnt morgen möglicherweise eine andere Person. Diese Volatilität ist kein Defekt der Methode, sondern eine Realität sozialer Netze; sie hat aber praktische Konsequenzen für jede längerfristige Programmplanung.

Negativbefunde der Präventionsforschung. Die zehnjährige Nachuntersuchung von 1.002 Teilnehmern an D.A.R.E. fand keinen Unterschied zur Kontrollgruppe in tatsächlichem Drogenkonsum, Drogen-Einstellungen oder Selbstwert (Lynam et al., 1999); eine Meta-Analyse bestätigte die Wirkungslosigkeit trotz US-amerikanischer Bundesausgaben von rund 750 Millionen Dollar jährlich (West & O'Neal, 2004). Diese Befunde sind älter, aber sie sind das Maß, an dem sich neuere Behauptungen messen lassen müssen.

Iatrogene Gruppendynamiken. Dishion, McCord und Poulin (1999) berichteten erhöhte Problemverhaltenswerte bei Hochrisiko-Jugendlichen in zwei experimentellen Gruppeninterventionen. Der Befund ging unter dem Stichwort Devianztraining (engl. deviancy training) in die Literatur ein und gilt seither als Mahnung gegen die unkritische Zusammenführung problembelasteter Jugendlicher in Programmen. Die Replikationslage ist differenzierter: Eine Folgearbeit mit 18 meta-analytischen Tests fand in 17 von 18 Tests keine Belege für iatrogene Effekte (Weiss et al., 2005); eine kleinere randomisierte Studie zeigte sogar bessere Verhaltensergebnisse in homogenen als in gemischten Gruppen, bestätigte aber gleichzeitig Devianztraining in der gemischten Bedingung als Mediator (Mager et al., 2005). Welsh (2025) erinnert mit der historischen Cambridge-Somerville-Studie an einen klassischen Beleg dafür, dass selbst gut gemeinte Mentoring-Interventionen langfristige Schäden verursachen können. Die ethische Grundregel lautet: „Erst nicht schaden" gilt auch für wohlmeinende Programme.

COVID-19 und Implementierungsrealitäten. Die deutsche CTC-Wirksamkeitsstudie zeigt nicht-signifikante Tendenzen – die Autoren führen das ausdrücklich auf pandemiebedingte Implementierungseinschränkungen zurück (Röding et al., 2024). Solche Kontexteffekte sind keine methodische Schwäche der Studie, sondern Realität der Implementierungsforschung. Sie erinnern daran, dass die Wirksamkeit eines Programms immer auch eine Funktion der Bedingungen ist, unter denen es umgesetzt wird.

Lücken in der Verteilungsgerechtigkeit. In den USA dokumentieren Jacob und Kollegen (2022) für das vom National Cancer Institute finanzierte Implementation Science Centers for Cancer Control eine Netzwerkdichte von 14 Prozent, mit signifikant ungleicher Vernetzung nach Implementierungsexpertise, Rolle und ethnischem Hintergrund. Cruz und Kollegen (2025) fanden in einer auf Verteilungsgerechtigkeit ausgerichteten Forschungspartnerschaft 63 Prozent nicht-hispanisch weiße Mitglieder. Das ist kein spezifisch deutscher Befund, illustriert aber, dass Vernetzungsstrukturen Vielfaltslücken systematisch reproduzieren – auch in Forschungs- und Implementierungskontexten, die explizit das Gegenteil beanspruchen.

Ethik der Beziehungsdaten. Wer Beziehungen zwischen Menschen kartiert, greift in soziale Verhältnisse ein. Die kanadische Praxisreflexion von Brooks und Kollegen (2025) macht deutlich, dass SNA-Daten eine eigene Reaktivität haben können: Die Erhebung selbst verändert das, was sie misst. Kombiniert mit Datenschutzanforderungen der DSGVO – Zweckbindung, Datensparsamkeit, Einwilligung – ergibt das eine erhebliche methodische und juristische Anforderungslage. Sie früh zu klären und nicht im Anhang nachzureichen ist eine Frage methodischer Redlichkeit.

Schluss

Die soziale Netzwerkanalyse ist ein nützliches Werkzeug. Sie macht sichtbar, was im Alltagsbetrieb häufig unsichtbar bleibt: die strukturelle Architektur von Beziehungen, durch die Information, Vertrauen und Praxis hindurchfließen. In der Implementierung evidenzbasierter Präventionsprogramme kann sie an spezifischen Stellen – Bedarfsklärung, Multiplikatorenauswahl, Verstetigungsdiagnose – konkrete Beiträge leisten.

Sie ersetzt jedoch nichts: Weder ein gut gewähltes Programm noch eine sorgfältig aufgebaute kommunale Koalition, weder die Geduld einer mehrjährigen Aufbauphase noch die handwerkliche Qualität der pädagogischen Arbeit. Wer SNA als Mittel ausgibt, das den langen Weg evidenzbasierter Praxis abkürzt, überzieht die Empirie und tut der Methode keinen Gefallen.

Die ethische Pointe einer redlichen Präventionsarbeit liegt nicht in der Methode, sondern in der Bereitschaft, gleichzeitig wirken zu wollen und nicht zu schaden. Die Negativbefunde der Disziplin – D.A.R.E., die Cambridge-Somerville-Studie, die Diskussion um Devianztraining – sind keine historischen Fußnoten. Sie erinnern daran, dass Programme an Menschen ausgeführt werden, die sich nicht zur Verfügung stellen, damit sie wirksam werden, sondern weil sie auf Hilfe hoffen. Diese Hoffnung verpflichtet zu mehr als methodischer Eleganz.

Literaturverzeichnis

Abdelrahman, A., Bernad, L., Harris, F., et al. (2025). Prevention of alcohol, tobacco, and illicit drug use among youth: A scoping review of European school-based programs with insights on mental health. International Journal of Environmental Research and Public Health, 22(10), 1569. https://doi.org/10.3390/ijerph22101569

Anderson-Carpenter, K. D., Watson-Thompson, J., & Chaney, L. (2016). Reducing binge drinking in adolescents through implementation of the Strategic Prevention Framework. American Journal of Community Psychology, 57(1–2), 36–46. https://doi.org/10.1002/ajcp.12029

Arsenault Knudsen, É. N., Mundt, M. P., & Steege, L. M. (2024). Describing nurses' communication about evidence-based practice change: A social network analysis of hospital nurses. Worldviews on Evidence-Based Nursing, 21(2), 128–136. https://doi.org/10.1111/wvn.12708

Barrera, M., Castro, F. G., Strycker, L. A., & Toobert, D. J. (2013). Cultural adaptations of behavioral health interventions: A progress report. Journal of Consulting and Clinical Psychology, 81(2), 196–205. https://doi.org/10.1037/a0027085

Becan, J. E., Bartkowski, J. P., Knight, D. K., Wiley, T. R. A., DiClemente, R., Ducharme, L., … Aarons, G. A. (2018). A model for rigorously applying the Exploration, Preparation, Implementation, Sustainment (EPIS) framework in the design and measurement of a large scale collaborative multi-site study. Health & Justice, 6(1), 9. https://doi.org/10.1186/s40352-018-0068-3

Bishop, A. S., Hemphill, S. A., Gilman, A. B., et al. (2020). Developmental pathways of youth gang membership: A structural test of the social development model. In Routledge Handbook of Gangs and Gang Responses (S. 30–51). Routledge. https://doi.org/10.4324/9781351027106-3

Borduin, C. M., & Dopp, A. R. (2015). Economic impact of multisystemic therapy with juvenile sexual offenders. Journal of Family Psychology, 29(5), 687–696. https://doi.org/10.1037/fam0000113

Brooks, S., Yousefi-Nooraie, R., & Mortaz Hejri, S. (2025). Using social network analysis to inform implementation science infrastructure development. Global Implementation Research and Applications, 5. https://doi.org/10.1007/s43477-025-00180-8

Cambron, C., Catalano, R. F., & Hawkins, J. D. (2018). The Social Development Model. In The Oxford Handbook of Developmental Psychology and Education (S. 223–247). Oxford University Press. https://doi.org/10.1093/oxfordhb/9780190201371.013.13

Castro, F. G., Barrera, M., & Martínez, C. R. (2004). The cultural adaptation of prevention interventions: Resolving tensions between fidelity and fit. Prevention Science, 5(1), 41–45. https://doi.org/10.1023/B:PREV.0000013980.12412.cd

Chilenski, S. M., Welsh, J. A., & Perkins, D. F. (2016). Universal prevention exposure as a moderator of the community context: Findings from the PROSPER project. American Journal of Community Psychology, 57(1–2), 8–19. https://doi.org/10.1002/ajcp.12032

Crable, E. L., Lengnick-Hall, R., Stadnick, N. A., Moullin, J. C., & Aarons, G. A. (2022). Where is "policy" in dissemination and implementation science? Recommendations to advance theories, models, and frameworks: EPIS as a case example. Implementation Science, 17(1), 80. https://doi.org/10.1186/s13012-022-01256-x

Cruz, J. L., Daly, J. G., Dargon-Hart, S., et al. (2025). Identifying intervention points to increase the diversity of a research partnership for cancer equity: A descriptive social network analysis. Translational Behavioral Medicine, 15(1), ibaf073. https://doi.org/10.1093/tbm/ibaf073

Čurová, V., Orosová, O., & Abrinková, L. (2021). Effectiveness of the programs Unplugged and Unplugged 2 on alcohol use and smoking among schoolchildren. In INPACT 2021 Proceedings (S. 426–428). https://doi.org/10.36315/2021inpact092

Dearing, J. W., & Singhal, A. (2020). New directions for diffusion of innovations research: Dissemination, implementation, and positive deviance. Human Behavior and Emerging Technologies, 2(4), 307–313. https://doi.org/10.1002/hbe2.216

Denison, J. A., Willis, K., DeLong, S. M., et al. (2024). Advancing adolescent and young adult HIV prevention and care and treatment through use of multi-level theories and frameworks: A scoping review and adapted HIV ecological framework. AIDS and Behavior, 28(5), 1694–1707. https://doi.org/10.1007/s10461-023-04255-1

Dishion, T. J., McCord, J., & Poulin, F. (1999). When interventions harm: Peer groups and problem behavior. American Psychologist, 54(9), 755–764. https://doi.org/10.1037/0003-066X.54.9.755

Dopp, A. R., Schaeffer, C. M., Swenson, C. C., & Powell, J. S. (2018). Economic impact of Multisystemic Therapy for child abuse and neglect. Administration and Policy in Mental Health and Mental Health Services Research, 45(6), 876–887. https://doi.org/10.1007/s10488-018-0870-1

Feinberg, M. E., Fang, S., & Fosco, G. M. (2022). Long-term effects of adolescent substance use prevention on participants, partners, and their children: Resiliency and outcomes 15 years later during the COVID-19 pandemic. Prevention Science, 23(7), 1264–1275. https://doi.org/10.1007/s11121-022-01384-2

Flodgren, G., O'Brien, M. A., Parmelli, E., & Grimshaw, J. M. (2019). Local opinion leaders: Effects on professional practice and healthcare outcomes. Cochrane Database of Systematic Reviews, 6, CD000125. https://doi.org/10.1002/14651858.CD000125.pub5

Fosco, G. M., Fang, S., & Chen, L. (2024). A case study in developmental discontinuity: PROSPER interventions and adolescent substance use trajectories shape young adult substance use and mental health problems. Journal of Research on Adolescence, 34(4), 1263–1275. https://doi.org/10.1111/jora.12940

Gaete, J., Ramírez, S., Gana, S., et al. (2022). The Unplugged program in Chile ("Yo Sé Lo Que Quiero") for substance use prevention among early adolescents: Study protocol for a randomized controlled trial. Trials, 23, 84. https://doi.org/10.1186/s13063-021-05904-3

Gesell, S. B., Barkin, S. L., & Valente, T. W. (2013). Social network diagnostics: A tool for monitoring group interventions. Implementation Science, 8(1), 116. https://doi.org/10.1186/1748-5908-8-116

Hong, J. S., Hunter, S. C., Kim, J., et al. (2019). Racial differences in the applicability of Bronfenbrenner's ecological model for adolescent bullying involvement. Deviant Behavior, 42(3), 404–424. https://doi.org/10.1080/01639625.2019.1680086

Iqbal, M., & Zahidie, A. (2021). Diffusion of innovations: A guiding framework for public health. Scandinavian Journal of Public Health, 50(5), 533–537. https://doi.org/10.1177/14034948211014104

Ivanich, J. D., Mousseau, A. C., Walls, M., Whitbeck, L., & Whitesell, N. R. (2018). Pathways of adaptation: Two case studies with one evidence-based substance use prevention program tailored for indigenous youth. Prevention Science, 21(S1), 43–53. https://doi.org/10.1007/s11121-018-0914-5

Jacob, R. R., Korn, A. R., Huang, G. C., et al. (2022). Collaboration networks of the Implementation Science Centers for Cancer Control: A social network analysis. Implementation Science Communications, 3, 39. https://doi.org/10.1186/s43058-022-00290-6

Jonkman, H., Aussems, C., Steketee, M., et al. (2015). Prevention of problem behaviours among adolescents: The impact of the Communities That Care strategy in the Netherlands (2008–2011). International Journal of Developmental Science, 9(1), 37–52. https://doi.org/10.3233/dev-13121

Krieg, Y., & Kliem, S. (2021). Evaluation Klasse2000 in Niedersachsen. Kriminologisches Forschungsinstitut Niedersachsen e.V. https://doi.org/10.15496/publikation-83848

Kuklinski, M. R., Briney, J. S., Hawkins, J. D., & Catalano, R. F. (2012). Cost-benefit analysis of Communities That Care outcomes at eighth grade. Prevention Science, 13(2), 150–161. https://doi.org/10.1007/s11121-011-0259-9

Kuklinski, M. R., Fagan, A. A., Hawkins, J. D., Briney, J. S., & Catalano, R. F. (2015). Benefit–cost analysis of a randomized evaluation of Communities That Care: Monetizing intervention effects on the initiation of delinquency and substance use through grade 12. Journal of Experimental Criminology, 11(2), 165–192. https://doi.org/10.1007/s11292-014-9226-3

Leiblein, T., Bitzer, E.-M., & Spörhase, U. (2022). What skills do addiction-specific school-based life skills programs promote? A systematic review. Sustainability, 14(22), 15234. https://doi.org/10.3390/su142215234

Liu, M., Zhang, X., Wang, J., et al. (2025). Implementation science research in the intensive care unit: A scoping review. BMJ Open, 15, e106654. https://doi.org/10.1136/bmjopen-2025-106654

Lynam, D. R., Milich, R., Zimmerman, R., Novak, S. P., Logan, T. K., Martin, C., Leukefeld, C., & Clayton, R. (1999). Project DARE: No effects at 10-year follow-up. Journal of Consulting and Clinical Psychology, 67(4), 590–593. https://doi.org/10.1037/0022-006X.67.4.590

MacIntyre, A., Torrens, C., Campbell, P., Cawley, A., Aldridge, R., Curtis, S., & Schofield, L. (2020). Socioeconomic inequalities and the equity impact of population-level interventions for adolescent health: An overview of systematic reviews. Public Health, 180, 154–162. https://doi.org/10.1016/j.puhe.2019.11.008

Mager, W., Milich, R., Harris, M. J., & Howard, A. (2005). Intervention groups for adolescents with conduct problems: Is aggregation harmful or helpful? Journal of Abnormal Child Psychology, 33(3), 349–362. https://doi.org/10.1007/s10802-005-3572-6

Manning, M., Wong, G. T. W., Graham, T., Ranbaduge, T., Christen, P., Taylor, S., Wortley, R., & Homel, R. (2018). Towards a 'smart' cost–benefit tool: Using machine learning to predict the costs of criminal justice policy interventions. Crime Science, 7(1), 12. https://doi.org/10.1186/s40163-018-0086-4

Marzán-Rodríguez, M., Muniz-Rodriguez, K., Morales, L., et al. (2023). Epidemiological intelligence community network intervention: A community response for COVID-19 community transmission. BMC Public Health, 23, 1052. https://doi.org/10.1186/s12889-023-15727-3

Michie, S., van Stralen, M. M., & West, R. (2011). The behaviour change wheel: A new method for characterising and designing behaviour change interventions. Implementation Science, 6(1), 42. https://doi.org/10.1186/1748-5908-6-42

Moullin, J. C., Dickson, K. S., Stadnick, N. A., Albers, B., Nilsen, P., Broder-Fingert, S., Mukasa, B., & Aarons, G. A. (2020). Ten recommendations for using implementation frameworks in research and practice. Implementation Science Communications, 1(1), 42. https://doi.org/10.1186/s43058-020-00023-7

Moullin, J. C., Dickson, K. S., Stadnick, N. A., Rabin, B., & Aarons, G. A. (2019). Systematic review of the Exploration, Preparation, Implementation, Sustainment (EPIS) framework. Implementation Science, 14(1), 1. https://doi.org/10.1186/s13012-018-0842-6

Oesterle, S., Hawkins, J. D., & Fagan, A. A. (2010). Testing the universality of the effects of the Communities That Care prevention system for preventing adolescent drug use and delinquency. Prevention Science, 11(4), 411–423. https://doi.org/10.1007/s11121-010-0178-1

Palinkas, L. A., Holloway, I. W., Rice, E., Fuentes, D., Wu, Q., & Chamberlain, P. (2011). Social networks and implementation of evidence-based practices in public youth-serving systems: A mixed-methods study. Implementation Science, 6(1), 113. https://doi.org/10.1186/1748-5908-6-113

Pickering, T. A., Wyman, P. A., Valente, T. W., et al. (2022). A comparison of peer change agent selection methods: Evidence from a high-school based suicide preventive intervention. BMC Public Health, 22(1), 1023. https://doi.org/10.1186/s12889-022-13372-w

Piombo, S. E., Vega Yon, G. G., & Valente, T. W. (2025). The impact of social norms on diffusion dynamics: A simulation of e-cigarette use behavior. Health Education & Behavior, 52(4), 428–438. https://doi.org/10.1177/10901981251327189

Reder, M., Runge, R. A., Schlüter, H., et al. (2024). The German Communities That Care youth survey: Dimensionality and validity of risk factors. Frontiers in Public Health, 12, 1472347. https://doi.org/10.3389/fpubh.2024.1472347

Ritchie, M. J., Drummond, K. L., Smith, B. N., et al. (2022). Development of a qualitative data analysis codebook informed by the i-PARIHS framework. Implementation Science Communications, 3, 98. https://doi.org/10.1186/s43058-022-00344-9

Röding, D., Soellner, R., Reder, M., et al. (2021). Study protocol: A non-randomised community trial to evaluate the effectiveness of the Communities That Care prevention system in Germany. BMC Public Health, 21(1), 1939. https://doi.org/10.1186/s12889-021-11935-x

Röding, D., von Holt, I., Decker, L., et al. (2024). Early effects of Communities That Care on system change outcomes: A quasi-experimental study [Preprint]. Research Square. https://doi.org/10.21203/rs.3.rs-5685486/v1

Spoth, R., Redmond, C., & Shin, C. (2017). PROSPER delivery of universal preventive interventions with young adolescents: Long-term effects on emerging adult substance misuse and associated risk behaviors. Psychological Medicine, 47(13), 2246–2259. https://doi.org/10.1017/S0033291717000691

Spoth, R., Redmond, C., & Shin, C. (2022). Applying the PROSPER prevention delivery system with middle schools: Emerging adulthood effects on substance misuse and conduct problem behaviors through 14 years past baseline. Child Development, 93(4), 925–940. https://doi.org/10.1111/cdev.13746

Steverman, S. M., & Shern, D. L. (2017). Financing mechanisms for reducing adversity and enhancing resilience through implementation of primary prevention. Academic Pediatrics, 17(7), S144–S149. https://doi.org/10.1016/j.acap.2017.04.003

Stojanović, M., El-Khatib, Z., Brandić, A. R., et al. (2020). Lions Quest Skills for Adolescence implementation during COVID-19 challenges in Croatia. Psychological Trauma: Theory, Research, Practice, and Policy, 12(S1), S274–S275. https://doi.org/10.1037/tra0000843

Toumbourou, J. W., Rowland, B., Williams, J., et al. (2019). Community intervention to prevent adolescent health behavior problems: Evaluation of Communities That Care in Australia. Health Psychology, 38(6), 536–544. https://doi.org/10.1037/hea0000735

Valente, T. W. (2006). Opinion leader interventions in social networks. BMJ, 333(7578), 1082–1083. https://doi.org/10.1136/bmj.39042.435984.43

Valente, T. W. (2012). Network interventions. Science, 337(6090), 49–53. https://doi.org/10.1126/science.1217330

Valente, T. W. (2017). Putting the network in network interventions. Proceedings of the National Academy of Sciences, 114(36), 9500–9501. https://doi.org/10.1073/pnas.1712473114

Valente, T. W., & Pitts, S. R. (2017). An appraisal of social network theory and analysis as applied to public health: Challenges and opportunities. Annual Review of Public Health, 38(1), 103–118. https://doi.org/10.1146/annurev-publhealth-031816-044528

Valente, T. W., & Pumpuang, P. (2007). Identifying opinion leaders to promote behavior change. Health Education & Behavior, 34(6), 881–896. https://doi.org/10.1177/1090198106297855

Valente, T. W., Palinkas, L. A., Czaja, S., Chu, K. H., & Brown, C. H. (2015). Social network analysis for program implementation. PLoS ONE, 10(6), e0131712. https://doi.org/10.1371/journal.pone.0131712

von Holt, I., Decker, L., Ünlü, S., et al. (2025). Factors influencing the effectiveness of Communities That Care in Germany: A meta-analysis. European Journal of Public Health, 35(Suppl. 4), ckaf161.173. https://doi.org/10.1093/eurpub/ckaf161.173

Weichold, K., Tomasik, M. J., & Silbereisen, R. K. (2016). The effectiveness of the life skills program IPSY for the prevention of adolescent tobacco use. The Journal of Early Adolescence, 36(7), 881–908. https://doi.org/10.1177/0272431615589349

Weiss, B., Caron, A., Ball, S., Tannenbaum, J., Plotkin, J., & Caron, A. (2005). Iatrogenic effects of group treatment for antisocial youths. Journal of Consulting and Clinical Psychology, 73(6), 1036–1044. https://doi.org/10.1037/0022-006X.73.6.1036

Welsh, B. C. (2025). The longitudinal-experimental design and the development and prevention of criminal offending over the life-course: Advances in science and policy from the Cambridge-Somerville Youth Study. Criminal Behaviour and Mental Health, 35(2), 89–94. https://doi.org/10.1002/cbm.2369

West, S. L., & O'Neal, K. K. (2004). Project D.A.R.E. outcome effectiveness revisited. American Journal of Public Health, 94(6), 1027–1029. https://doi.org/10.2105/ajph.94.6.1027