Wenn Programme reisen: Wie viel Anpassung verträgt ihre Evidenz?

Ein Präventionsprogramm hat in mehreren randomisierten Studien gezeigt, dass es wirkt. Es steht in einem Evidenzregister, das Manual liegt vor, die Schulungen sind organisiert. Dann wechselt es den Kontext: in ein anderes Land, ein anderes Schulsystem, eine andere Trägerlandschaft. Und sofort stellt sich eine Frage, die so alt ist wie die Präventionsforschung selbst: Muss die neue Fassung dem Original so genau wie möglich folgen, damit die nachgewiesene Wirkung erhalten bleibt? Oder muss sie sich dem neuen Kontext anpassen, damit sie dort überhaupt ankommt?

Beide Antworten haben gute Gründe, und beide haben einen Preis. Wer strikt am Original festhält, riskiert ein Programm, das formal korrekt umgesetzt wird und an der Lebenswelt der Zielgruppe vorbeiläuft. Wer großzügig anpasst, riskiert, dass am Ende nur noch der Name evidenzbasiert ist. Die Forschung nennt diese Spannung das Fidelity-Adaptations-Dilemma: Fidelity (Umsetzungstreue) meint, wie genau eine Intervention so durchgeführt wird, wie sie getestet und gedacht war; Adaption die bewusste, geplante Veränderung, die sie besser auf Zielgruppe und Kontext passen soll (von Thiele Schwarz et al., 2019). Das Wort „bewusst" hat dabei Gewicht: Es unterscheidet die Adaption vom Drift, dem schleichenden, unreflektierten Abweichen vom Konzept.

Was die Forschung über diese Spannung weiß, ist überraschend handfest – und es widerspricht beiden Lagern.

Zwei berechtigte Sorgen

Die Position der strikten Umsetzungstreue hat ihre klassische Formulierung in der Blueprints-Initiative gefunden, die wirksame Gewaltpräventionsprogramme identifizierte und ihre Verbreitung wissenschaftlich begleitete. Elliott und Mihalic (2004) berichten aus diesen Replikationsprojekten, dass sorgfältige Standortauswahl, Schulung, fachliche Begleitung und eine unabhängige Kontrolle der Umsetzungstreue erfolgreiche, getreue und dauerhafte Umsetzungen ermöglichten – und sie warnen davor, dass Veränderungen am Original die Kernbestandteile und Wirkmechanismen schwächen können. In der Literatur steht diese Position seither für die Skepsis gegenüber lokalen Umbauten: Was nicht getestet wurde, kann sich auf seine Tests auch nicht berufen.

Die Gegenposition hat im selben Jahr, im selben Heft derselben Zeitschrift ihre ebenso klassische Formulierung erhalten. Castro et al. (2004) beschreiben die „dynamische Spannung" zwischen der Treue zum Manual und der Anpassung an eine konkrete Zielgruppe und argumentieren, dass beide essenzielle Elemente guter Programmgestaltung sind. Ihr Ausgangspunkt ist die kulturelle Passung: Wo Sprache, kulturelle Bezüge oder Lebensumstände der Zielgruppe vom Entwicklungskontext abweichen, entsteht eine Lücke, die sich nicht durch mehr Treue schließen lässt. Ihr Vorschlag: hybride Programme, die Anpassung von vornherein „einbauen" – mit definierten Spielräumen, statt sie dem Zufall zu überlassen. Aus dieser Position ist eine eigene Forschungslinie zur kulturellen Adaption von Programmen hervorgegangen.

Bemerkenswert an dieser Gründungsdebatte ist, was sie nicht ist: kein Streit zwischen Evidenzfreunden und Evidenzskeptikern. Beide Seiten wollen wirksame Programme; sie gewichten nur die Risiken unterschiedlich. Die eine fürchtet das verwässerte Programm, die andere das unpassende.

Umsetzung zählt, Perfektion nicht

Was sagt die Empirie? Die meistzitierte Antwort stammt von Durlak und DuPre (2008), die mehr als 500 quantitative Studien zu Präventions- und Gesundheitsförderungsprogrammen auswerteten. Ihr Hauptbefund stützt zunächst die Seite der Umsetzungstreue: Das Implementationsniveau beeinflusst die Ergebnisse erheblich. Implementation meint dabei mehr als Manualtreue – Durlak und DuPre unterscheiden acht Aspekte der Umsetzung, darunter Dosis, Durchführungsqualität und die Beteiligung der Teilnehmer. Programme, die gut umgesetzt wurden, erzielten Effektstärken, die zwei- bis dreimal so hoch lagen wie bei Programmen mit erheblichen Umsetzungsproblemen.

Derselbe Übersichtsbeitrag enthält jedoch zwei Befunde, die das Bild verkomplizieren. Erstens: Perfekte Treue kommt in der Praxis nicht vor, und sie ist offenbar auch nicht nötig. Schon bei etwa 60 Prozent Umsetzungstreue traten häufig positive Ergebnisse auf; vollständige Treue über alle Durchführenden hat keine einzige Studie je dokumentiert. Zweitens: Die drei Studien, die den Zusammenhang zwischen Anpassung und Ergebnissen direkt untersuchten, berichteten sämtlich positive Effekte der Anpassung. Treue und Anpassung, so das Fazit, werden zwar gern als Entweder-oder beschrieben, treten in der Realität aber gemeinsam auf. Zur Ehrlichkeit gehört die Asymmetrie der Datenbasis: Der Implementationsbefund ruht auf über 500 Studien, der Adaptionsbefund auf gerade einmal drei Untersuchungen.

Für die Praxis heißt das: Die Frage „Treue oder Passung?" ist empirisch schief gestellt. Entscheidend ist, was getreu bleiben muss und was sich ändern darf – also die Unterscheidung zwischen Kernkomponenten, die den Wirkmechanismus ausmachen, und einer anpassbaren Peripherie. Nur ist diese Unterscheidung leichter gefordert als geleistet: Selbst die entschiedensten Vertreter der Umsetzungstreue, Elliott und Mihalic (2004), räumen ein, dass die wirksamen Bestandteile der meisten Programme bislang schlicht nicht identifiziert sind.

Die Implementationsforschung hat darauf inzwischen eine begriffliche Antwort. Sie unterscheidet die Kernfunktionen einer Intervention – die Zwecke, die der Veränderungsprozess erfüllen soll – von ihren Formen, den konkreten Aktivitäten, mit denen diese Zwecke vor Ort erreicht werden (Pérez Jolles et al., 2019). Treue gilt dann den Funktionen, nicht den Oberflächen: Eine Form darf wegfallen oder ersetzt werden, solange jede Funktion bedient bleibt. Ob ein Rollenspiel oder eine Fallarbeit das Üben von Ablehnungsfertigkeiten ermöglicht, ist eine Formfrage; dass es geübt wird, eine Funktionsfrage.

Programme auf Reisen: der empirische Härtetest

Am schärfsten lässt sich das Dilemma dort prüfen, wo Programme Ländergrenzen überqueren. Hier liegen inzwischen Metaanalysen vor – mit Ergebnissen, die überraschen.

Zur Einordnung der folgenden Zahlen: Die Effektstärke d misst, wie deutlich sich Interventions- und Kontrollgruppe unterscheiden. Werte um 0,2 gelten als klein, um 0,5 als mittel, ab 0,8 als groß; ein negatives Vorzeichen bedeutet hier einen Rückgang des Problemverhaltens, also den erwünschten Effekt.

Leijten et al. (2016) werteten 129 randomisierte Studien zu Elterntrainings gegen expansives Problemverhalten von Kindern gemeinsam aus: importierte („transported") gegen im eigenen Land entwickelte („homegrown") Programme. Das Ergebnis: kein bedeutsamer Unterschied. Im eigenen Land entwickelte Programme erreichten d = −0,55, importierte d = −0,45; statistisch ist das gleichauf, und das Muster blieb über Programm-Marken und die untersuchten – überwiegend westlichen – Weltregionen stabil. Die Schlussfolgerung der Autoren: Programme sollten nach ihrer Evidenzbasis ausgewählt werden, nicht nach ihrer kulturellen Herkunft.

Gardner et al. (2016) gingen in einer parallelen Metaanalyse der Frage nach, wie sich Elterntrainings beim Transport in andere Länder schlagen. Auch hier zeigten sich starke, hochsignifikante Effekte in den Zielländern (SMD = −0,71 über 14 randomisierte Studien; die standardisierte Mittelwertdifferenz SMD entspricht praktisch dem d). Dazu kommt ein Befund, der der verbreiteten Intuition widerspricht: Die Effekte fielen größer aus, wenn Programme in kulturell weiter entfernte Regionen transportiert wurden. Diesen Teilbefund stufen die Autoren selbst als vorsichtig-explorativ ein – er beruht auf einer Handvoll Studien außerhalb der westlichen Welt, darunter einem extremen Ausreißer. Robuster ist eine schlichtere Beobachtung der Analyse: In den untersuchten Transfers fand kaum formale Anpassung statt, umfangreiche kulturelle Überarbeitung war für den Erfolg offenbar nicht notwendig. Einzuräumen ist, dass beide Analysen aus derselben Oxforder Arbeitsgruppe stammen und sich in Datenbasis und Autoren überschneiden.

Bevor daraus eine neue Einseitigkeit wird, lohnt der Blick auf eine unabhängige dritte Untersuchungslinie. Sundell et al. (2016) werteten deutsche und schwedische Interventionsstudien danach aus, ob ein Programm neu entwickelt, unverändert importiert oder kontextuell angepasst worden war. Alle drei Wege erzielten positive Effekte, aber der bloße Import ohne Anpassung schnitt am schwächsten ab: In der deutschen Stichprobe waren Neuentwicklungen signifikant wirksamer als unverändert übernommene Programme, in der schwedischen lagen angepasste (gewichtetes d = 0,54) und neu entwickelte Programme (d = 0,43) tendenziell vor den übernommenen (d = 0,26). Eine spätere Replikation über die schwedische Interventionsforschung insgesamt bestätigte dieselbe Rangfolge: angepasst vor neu entwickelt vor unverändert übernommen (Olsson et al., 2023).

Die Befunde von Gardner und Sundell stehen in einer echten, produktiven Spannung zueinander – die eine Studienlinie findet kulturelle Anpassung verzichtbar, die andere einen Vorteil für angepasste Programme. Eine mögliche Erklärung, die hier als Lesart vorgeschlagen sei und keine Aussage der Studien selbst ist, liegt in einem Messproblem, das Leijten et al. (2016) benennen: Beim Transport werden fast immer implizite, „intuitive" Anpassungen vorgenommen, die undokumentiert bleiben. Die scheinbar unangepassten Programme wären dann längst stillschweigend angepasst. Diese Lesart erklärt freilich eher, warum unveränderter Import bei Sundell schwächer abschneidet, als Gardners Distanz-Befund – die Spannung bleibt offen. Sicher ist nur, dass undokumentierte Anpassung die Forschung blind macht: Was niemand festhält, kann niemand auswerten.

Wie schon im Beitrag zum isländischen Präventionsmodell diskutiert, ist die Übertragbarkeit von Erfolgsmodellen kein Selbstläufer; die Transport-Metaanalysen geben dieser Diskussion den systematischen Rahmen.

Vom Dilemma zum Handwerk

Die jüngere Implementationsforschung hat das Entweder-oder hinter sich gelassen und durch Werkzeuge ersetzt, die Anpassung strukturieren, dokumentieren und überprüfbar machen. Diese Werkzeuge arbeiten auf unterschiedlichen Ebenen – von der einzelnen Fachkraft bis zur Organisation.

Den konzeptionellen Boden bereitet das Dynamic Sustainability Framework (Chambers et al., 2013). Es stellt zwei Grundannahmen der klassischen Sichtweise in Frage: den „voltage drop", die Erwartung, dass Interventionen auf dem Weg in die Praxis zwangsläufig an Wirkung verlieren, und den „program drift", die Erwartung, dass jede Abweichung vom Manual die Ergebnisse verschlechtert. Beide weisen die Autoren explizit zurück: Eine Intervention lässt sich nicht vor der Implementierung fertig optimieren und dann „einfrieren"; ihr maximaler Nutzen entsteht erst durch fortlaufende Weiterentwicklung in unterschiedlichen Populationen und Systemen. Anpassung gilt hier als unvermeidlich – zu fördern, zu beobachten und durch Evidenz anzuleiten.

Drei Werkzeuge übersetzen diese Haltung in Verfahren, jedes auf seiner Ebene:

Ampelmodelle sind das Werkzeug für die einzelne Fachkraft. Für evidenzbasierte Curricula der Sexualaufklärung und HIV-Prävention entwickelte ein Projekt der US-Gesundheitsbehörde CDC die Systematik der „Green, Yellow, and Red Light Adaptations": grün für unbedenkliche Anpassungen, gelb für solche mit Vorsicht, rot für Eingriffe in Kernkomponenten – ergänzt um die Unterscheidung von Kern-Inhalt, Kern-Pädagogik und Kern-Implementierung (Rolleri et al., 2014). Wer ein Ampelschema für sein Programm hat, kann in der laufenden Stunde entscheiden, ohne die Evidenz zu verlassen.

FRAME, das Framework for Reporting Adaptations and Modifications-Expanded, standardisiert die Dokumentation (Wiltsey Stirman et al., 2019). Es hält fest, wer wann was auf welcher Ebene verändert hat – und aus welchem Grund. Zwei Unterscheidungen bilden das Gerüst: War die Anpassung geplant oder reaktiv? Und bewahrt sie die Kernelemente, bleibt also dem Wirkmechanismus treu? Ausdrücklich vorgesehen ist dabei der Regelfall der Praxis, die ungeplant-reaktive Anpassung – wenn der Feueralarm zwanzig Minuten der Stunde frisst oder die erkrankte Co-Leitung fehlt, die das Rollenspiel bräuchte. FRAME ist kein Sitzungsprotokoll für die einzelne Fachkraft, sondern ein Standard für Träger und Begleitforschung; erst er macht erforschbar, welche Anpassungen nützen und welche schaden. Wo FRAME im Rückblick dokumentiert, fragt das verwandte Modell MADI vorausschauend, ob eine geplante Anpassung die Kernfunktionen wahrt und welche unbeabsichtigten Nebenwirkungen auf andere Ergebnisse sie auslösen könnte (Kirk et al., 2020).

Die ADAPT-Leitlinie (engl. „ADAPT guidance") schließlich gilt der Organisationsebene: ein konsentierter Gesamtprozess für den Fall, dass ein Programm in einen neuen Kontext übertragen wird – Passung von Intervention und Kontext prüfen, Anpassungen planen und vornehmen, Pilotierung und Re-Evaluation durchführen, die angepasste Intervention skalieren und erhalten, durchgängig unter früher Beteiligung der relevanten Akteure (Moore et al., 2021). Bemerkenswert ist die Begründung im Ausgangspunkt: Interventionen, die schlicht repliziert werden, reproduzieren ihre Effekte vermutlich seltener als solche, die eine gute Passung zum neuen Kontext erreichen.

Den theoretischen Schlussstein setzen von Thiele Schwarz et al. (2019) mit ihrer „Value Equation": Der Wert einer evidenzbasierten Intervention entsteht aus dem Zusammenspiel von Intervention, Kontext und Implementierungsstrategien. Drei Verschiebungen folgen daraus: vom reinen Interventionseffekt zum Gesamtwert für Klienten, Fachkräfte, Organisation und System; vom Vermeiden jeder Anpassung hin zu einer Implementierung, die Passung gezielt herstellt; und von der Treue-Fixierung zur Offenlegung aller drei Faktoren – Intervention, Kontext, Implementierung. Die wirksamste Intervention, so die pointierte Konsequenz, ist nicht automatisch die wertvollste. Die Autoren warnen zugleich vor dem Gegenstück, dem Übergehen von Anpassungen („adaptation neglect"): Anpassungen passieren ohnehin – die Frage ist nur, ob sie bemerkt und dokumentiert werden.

Woran Sie eine seriöse Anpassung erkennen

Für Steuerungsgremien und Träger verdichten sich die Befunde zu vier Prüffragen:

1. Sind die Kernkomponenten des Programms benannt – genauer: seine Kernfunktionen – oder wenigstens die Anpassungen, die der Anbieter ausschließt?
2. Werden Veränderungen schriftlich festgehalten, und sei es in zwei Zeilen?
3. Ist eine Überprüfung der angepassten Fassung vorgesehen?
4. Wer entscheidet über Abweichungen, wenn die Einführungsphase vorbei ist?

Für die einzelne Fachkraft beginnt seriöse Anpassung mit einer Frage: Liegt für das Programm eine Liste der Kernfunktionen oder ein Ampelschema vor? Erste Anlaufstelle ist der Programmanbieter oder die deutschsprachige Programmstelle, zweite der Eintrag in einem Register wie der Grünen Liste, dritte die Koordination des Trägers. Für die meisten deutschsprachigen Programme existiert ein publiziertes Ampelschema allerdings noch nicht – der realistische Normalfall heißt deshalb: nachfragen und minimaldokumentieren. Fehlt jede Auskunft, ist genau dies ein Befund, der an den Träger zurückgehört – ohne definierte Spielräume trägt die Fachkraft ein Risiko, das nicht ihres ist. Für den Alltag genügt eine Minimaldokumentation nach der Sitzung, im eigenen Durchführungsheft oder im gemeinsamen Programmordner des Trägers: Was wurde verändert, warum, und betraf es eine Kernfunktion oder nur die Form? Das ist in einer Minute geschrieben und macht aus stillem Drift eine verantwortbare Anpassung. Damit daraus keine Beschäftigungstherapie wird, braucht es einen Rückkanal: Ein Träger, der Anpassungsnotizen einsammelt, sollte sie auch auswerten und an die Programmpflege zurückspielen.

Wer entscheidet, wenn niemand mehr hinschaut?

Rahmenmodelle und Leitfäden zielen überwiegend auf die Einführungsphase eines Programms. Der Alltag beginnt danach: in der Erhaltungsphase (Sustainment), wenn Projektmittel, Begleitforschung und externe Unterstützung ausgelaufen sind. Genau dann liegt das Dilemma bei den Fachkräften, die das Programm durchführen – Sitzung für Sitzung, ohne Entscheidungshilfe.

Wie sie damit umgehen, hat eine schwedische Interviewstudie mit 19 Psychologen untersucht, die ein evidenzbasiertes Elternprogramm gegen kindliche Angst außerhalb seines ursprünglichen Anwendungskontexts einsetzten (Zetterlund et al., 2022). Das Ergebnis ist ein Lehrstück über die Differenz zwischen Haltung und Praxis: Die meisten Befragten hatten eine klare Grundposition, entweder für Treue oder für Anpassung – aber keine der beiden Positionen schützte vor Schwierigkeiten im konkreten Fall. Wer treu bleiben wollte, geriet in Situationen, in denen das Manual erkennbar nicht passte; wer anpasste, kam ins Grübeln, ab wann das Programm noch evidenzbasiert ist oder nur noch eine persönliche Variante. Die Befragten wünschten sich von den Programmentwicklern bessere Informationen über zulässige Anpassungen und mehr Unterstützung bei den Entscheidungen. Dieselbe Forschungsgruppe untersucht inzwischen, wie eine strukturierte Entscheidungshilfe Fachkräfte in der Erhaltungsphase entlasten kann – auch unter dem Gesichtspunkt, dass das ungelöste Dilemma eine psychische Arbeitsbelastung darstellt (von Thiele Schwarz et al., 2021).

Der Befund fügt sich in ein Muster, das im Magazin bereits zweimal sichtbar wurde: Nachhaltigkeit entscheidet sich nach der Förderphase, und auch das Festhalten an Wirkungslosem ist ein Phänomen der ungesteuerten Routine. Anpassung ohne Struktur und Treue ohne Passung sind zwei Erscheinungsformen desselben Defizits: fehlender Entscheidungsarchitektur im Programmalltag.

Konsequenzen für Register, Träger und Settings

Zunächst eine Konsequenz für Evidenzregister. Horne (2017) hat an US-amerikanischen Registern gezeigt, dass sie für die eigentliche Praxisfrage zu wenig Information liefern: Sie belegen, dass ein Programm irgendwo gewirkt hat, aber kaum, unter welchen kontextuellen Bedingungen – und damit fehlt die Grundlage für die Entscheidung, ob es hier wirken wird, mit dieser Organisation, diesen Fachkräften, dieser Zielgruppe. Seine Empfehlung: Register sollten Implementations- und Kontextfaktoren systematisch mitberichten und ihre Programmdarstellungen für Replikations- und Adaptionsentscheidungen öffnen. Für die deutsche Diskussion um die Grüne Liste Prävention ist das ein nützlicher Maßstab: Ein Register leistet am meisten, wenn es Programme nicht nur einordnet, sondern auch bei der Übersetzung in den eigenen Kontext hilft.

Für Träger und Settings bündelt sich der Forschungsstand in wenigen Sätzen: Umsetzungsqualität entscheidet über einen Gutteil der Wirkung. Anpassung ist normal und legitim, solange sie bemerkt wird, die Kernfunktionen wahrt und überprüft wird – der Unterschied zwischen Adaption und Drift ist die Dokumentation. Und Fachkräfte brauchen für die Erhaltungsphase explizite Spielräume und Entscheidungshilfen, keine Treue-Appelle.

Diese Maßstäbe gelten auch für die eigene Arbeit. FINDER hat im Projekt UPC-Adapt an der europäischen Anpassung des EUPC-Curriculums mitgewirkt, und mit Weitblick steht eine schulische Adaption der Sozialen Entwicklungsstrategie derzeit in externer Evaluation – ob die Anpassung die Wirkung erhält, ist dort eine offene empirische Frage, keine Selbstauskunft. Auf der Entscheidungsebene heißt das: Internationale Evidenz zeigt, was grundsätzlich wirkt; lokale Daten machen den konkreten Bedarf lesbar; der Gesamtbeschluss im Setting entscheidet, was in welcher Form umgesetzt wird.

Das Dilemma von Treue und Passung verschwindet dadurch nicht, aber es verliert seinen Schrecken. Es ist weniger ein Entscheidungsproblem zwischen zwei Lagern als eine Daueraufgabe der Programmsteuerung: Kernfunktionen kennen – oder einfordern, dass sie benannt werden –, Spielräume definieren, Anpassungen dokumentieren, Wirkung prüfen. Dann werden Treue zum Programm und Treue zum Kontext zu zwei Prüfsteinen derselben Sorgfalt.