Wissen & Forschung · Studie veröffentlicht: 23. Mai 2026 · Quellen geprüft: 14. September 2026
Transparenzhinweis: Der Betreiber dieser Website ist wirtschaftlich im Bereich Nikotinbeutel tätig. Dieser Beitrag erklärt die Methode einer Social-Media-Inhaltsanalyse. Er rekonstruiert keine Werbung, zeigt keine Produkte und enthält keine Kauf-, Kampagnen-, Anwendungs-, Mengen-, Gesundheits- oder Rechtsberatung.
Die Suchfrage Nikotinbeutel YouTube Shorts Inhaltsanalyse führt zu einer 2026 veröffentlichten explorativen Studie. Das Forschungsteam rief über die YouTube Data API Videos ab, die zwischen September 2020 und Januar 2025 veröffentlicht worden waren und definierte thematische Suchbegriffe erfüllten. Nach der Prüfung blieben 239 Shorts für die Codierung. Eine Inhaltsanalyse kann beschreiben, welche sichtbaren Themen in dieser Auswahl vorkamen und wie sie mit Aufruf-, Like- oder Kommentarzahlen zusammenhingen. Sie misst jedoch nicht, wer ein Video tatsächlich sah, was verstanden wurde oder ob sich Verhalten änderte. Dieser Beitrag erklärt Auswahl, Kategorien, Häufigkeiten und die Grenze zwischen Plattformmetrik, Exposition und Wirkung.
Das Wichtigste in Kürze
- Definiertes Fenster: Berücksichtigt wurden veröffentlichte Shorts von September 2020 bis Januar 2025.
- API und Suchbegriffe: Die technische Abfrage und die Schlüsselwörter bestimmen, welche Videos überhaupt auffindbar waren.
- 239 Videos: Nach dem Screening wurden 239 Beiträge in die Inhaltsanalyse aufgenommen.
- Codierte Präsenz: Prozentwerte zeigen den Anteil von Videos mit einer Kategorie, nicht den Anteil aller Nutzerinnen und Nutzer.
- Engagement ist keine Wirkung: Aufrufe, Likes und Kommentare belegen weder Überzeugung noch spätere Nutzung.
Nikotinbeutel YouTube Shorts Inhaltsanalyse: Was ist die Forschungsfrage?
Die Originalarbeit heißt Examining Marketing, Imagery, and Health-Related Messaging on Nicotine Pouch Products on YouTube Shorts: An Exploratory Content Analysis. Sie wurde am 23. Mai 2026 online in Nicotine & Tobacco Research veröffentlicht. PubMed führt PMID 42176221; der DOI lautet 10.1093/ntr/ntag120.
Die Forschenden wollten sichtbare Bildthemen, Marketingelemente und gesundheitsbezogene Botschaften in einer abgegrenzten Auswahl kurzer Videos erfassen. Zusätzlich untersuchten sie statistische Beziehungen zwischen codierten Kategorien und Engagement-Kennzahlen. Die Studie ist explorativ. Sie entwickelt und prüft ein Beobachtungsraster, nicht die Wirksamkeit einer Kampagne.
Der Untersuchungsgegenstand ist der Inhalt eines Videos im Datensatz. Eine Person, eine einzelne Ausspielung oder ein Kauf ist nicht die Analyseeinheit. Diese Unterscheidung verhindert einen häufigen Fehlschluss: Wenn ein Merkmal in vielen codierten Videos vorkommt, folgt daraus nicht, dass ein entsprechender Anteil der Bevölkerung dieses Merkmal sah oder davon beeinflusst wurde.
Auswahl über API, Zeitraum und Suchbegriffe
Nach dem Abstract nutzte das Team die YouTube Data API, um Shorts mit thematisch passenden Schlüsselwörtern abzurufen. Die Veröffentlichungsdaten reichten von September 2020 bis Januar 2025. Nach Anwendung der Einschlusskriterien blieben 239 Videos. Diese drei Bausteine – Plattformzugang, Suchbegriffe und Zeitfenster – definieren den Auswahlrahmen.
Eine API liefert nur die Felder und Treffer, die zum Abrufzeitpunkt verfügbar und über die gewählte Abfrage erreichbar sind. Gelöschte, private, falsch beschriftete oder nicht von den Schlüsselwörtern erfasste Videos können fehlen. Such- und Empfehlungsoberflächen können sich außerdem von API-Ergebnissen unterscheiden. Der Datensatz ist deshalb keine Vollerhebung aller jemals veröffentlichten oder angesehenen Shorts zum Thema.
Auch das Ende des Veröffentlichungsfensters ist wichtig. Ein im Mai 2026 erschienener Artikel analysiert nicht automatisch Videos aus dem Jahr 2026; die berücksichtigten Beiträge endeten im Januar 2025. Plattformdesign, Regeln, Suchverhalten und Inhalte können sich danach verändert haben. Das Publikationsdatum aktualisiert das Datenfenster nicht rückwirkend.
Codebuch, Codierung und Reliabilität
Bei einer Inhaltsanalyse werden beobachtbare Merkmale vorab in Kategorien übersetzt. Ein Codebuch sollte definieren, wann eine Kategorie als vorhanden gilt, wie Mehrdeutigkeiten behandelt werden und welche Einheit codiert wird. Schulung und Kalibrierung der Codierenden helfen, gleiche Regeln konsistent anzuwenden. Eine Reliabilitätskennzahl kann zeigen, wie häufig oder wie stark Beurteilungen übereinstimmen.
Der strukturierte PubMed-Abstract nennt die Themenfelder, aber nicht jede Einzelheit zu Zahl und Schulung der Codierenden, vollständigem Codebuch, Doppelcodierung oder Reliabilitätskennzahl. Diese Informationen können im Volltext oder in Zusatzmaterialien vorhanden sein. Aus dem Abstract allein dürfen sie weder als fehlend noch als erfüllt bezeichnet werden. Für die Weiterverwendung einzelner Prozentsätze sollten diese Abschnitte geprüft werden.
Codierung bleibt außerdem eine modellierte Beschreibung. Kategorien wie „Interesse erzeugende Bildsprache“, „Marketing“, „Warnung“ oder „positive gesundheitsbezogene Aussage“ hängen von operationalen Definitionen ab. Ein Video kann mehrere Kategorien gleichzeitig enthalten. Prozentwerte dürfen deshalb nicht ohne Kenntnis der Mehrfachcodierung addiert oder als gegenseitig ausschließende Marktanteile gelesen werden.
Was die berichteten Themenhäufigkeiten bedeuten
Im untersuchten Datensatz war eine Bildsprache, die nach dem Codebuch Interesse oder Aufmerksamkeit erhöhen sollte, in 81 Prozent der Videos vorhanden. 80 Prozent zeigten Produkte, 33 Prozent zeigten Nutzung und 30 Prozent zeigten Jugendliche oder junge Erwachsene. Marketing oder Promotion wurde in 73 Prozent der 239 Videos codiert.
Gesundheitswarnungen kamen laut Abstract in 38 Prozent, positive gesundheitsbezogene Aussagen in 30 Prozent vor. Die häufigste Warnkategorie betraf Abhängigkeit mit 26 Prozent; die häufigste positive Aussagekategorie bezog sich mit 25 Prozent auf Schadensminderung. Diese Zahlen beschreiben die Präsenz nach dem verwendeten Codebuch. Sie bestätigen nicht die Richtigkeit einer Aussage, ihre rechtliche Zulässigkeit oder ihre Wirkung.
Die Häufigkeiten beziehen sich auf Videos, nicht auf einzelne Zuschauende. Ein Beitrag mit vielen Aufrufen und ein Beitrag mit wenigen Aufrufen zählen in einer einfachen Präsenzquote jeweils als ein Video. Um individuelle Exposition zu bestimmen, wären Ausspielungsdaten, tatsächliche Sichtkontakte, Zielgruppen, Wiederholungen und Zeitverläufe nötig. Eine Inhaltsanalyse beantwortet zunächst nur: Welche Merkmale wurden in der analysierten Auswahl gefunden?
Warum Engagement keine Überzeugungswirkung beweist
Die Studie untersuchte auch Beziehungen zwischen Kategorien und Aufrufen, Likes oder Kommentaren. Der Abstract berichtet, dass verschiedene Codes höhere Engagement-Kennzahlen vorhersagten. Solche Beziehungen sind deskriptiv und modellabhängig. Ein häufig aufgerufenes Video kann älter sein, von einem größeren Kanal stammen, algorithmisch anders verteilt worden sein oder zu einem aktuellen Ereignis passen.
Ein Like kann Zustimmung, Unterhaltung, Wiedererkennung oder andere Motive ausdrücken. Ein Kommentar kann positiv, kritisch oder neutral sein. Ein Aufruf sagt ohne weitere Angaben nicht, wie lange ein Inhalt angesehen oder verstanden wurde. Keine dieser Kennzahlen belegt allein eine Einstellungsänderung, spätere Nutzung oder einen kausalen Effekt.
Für Wirkung wären andere Designs nötig: Experimente mit zufälliger Zuweisung, Längsschnittbeobachtungen mit Messung vor und nach Exposition oder verknüpfte Ausspielungs- und Verhaltensdaten. Auch solche Designs benötigen Datenschutz, klare Endpunkte und Kontrolle alternativer Erklärungen. Der vorliegende Datensatz bleibt auf sichtbare Inhalte und Plattformmetriken begrenzt.
Plattform, Zeit und Deutschland nicht vermischen
YouTube Shorts ist nur eine Plattform und die Auswahl wurde über bestimmte thematisch relevante Schlüsselwörter erzeugt. Das Abstract weist keine repräsentative deutsche Teilstichprobe aus. Sprache, Kanäle, Algorithmen, Moderation, Werbung und regulatorischer Kontext unterscheiden sich zwischen Ländern und Zeitpunkten.
Die berichteten 239 Videos sind daher keine Schätzung für deutsche Nutzerinnen und Nutzer, keine Marktquote und kein aktueller Überblick über alle Plattformen. Auch die Erwähnung Jugendlicher oder junger Erwachsener im Bild ist nicht dasselbe wie bestätigte Altersdaten des Publikums. Dafür wären zuverlässige Zuschauerdaten erforderlich.
Der bestehende Beitrag zur Methode einer Nikotinbeutel-Marketing-Inhaltsanalyse erklärt dieselbe Ebenentrennung anhand britischer Händlerwebsites: Präsenz, Exposition, Rezeption und Wirkung sind unterschiedliche Fragen. Der Beitrag zum WHO-Bericht über Werbung und Jugendliche behandelt wiederum eine institutionelle Politikperspektive. Plattformanalyse, Händlerwebsites und globaler Bericht dürfen nicht zu einer gemeinsamen Wirkungszahl verschmolzen werden.
Welche Angaben für Reproduktion wichtig sind
Eine reproduzierbare Inhaltsanalyse sollte Suchbegriffe, API-Parameter, Abrufdatum, Veröffentlichungsfenster, Einschluss- und Ausschlussregeln, Umgang mit Duplikaten, Codebuch, Codiererschulung, Reliabilität und statistisches Modell dokumentieren. Bei dynamischen Plattformen sollte zudem festgehalten werden, welche Metadaten später veränderbar sind.
Der öffentlich zugängliche Abstract bestätigt API, Zeitfenster, 239 eingeschlossene Videos, zentrale Kategorien und die Untersuchung von Engagement-Beziehungen. Er enthält jedoch nicht alle technischen und organisatorischen Details. Auch Finanzierungs- und Interessenkonfliktangaben sind in der ausgelesenen PubMed-Ansicht nicht sichtbar. Daraus wird weder fehlende Finanzierung noch Konfliktfreiheit abgeleitet; der vollständige Artikel ist für diese Punkte maßgeblich.
Eine spätere Wiederholung könnte trotz gleicher Begriffe andere Treffer erhalten, weil Videos gelöscht, Titel geändert oder API-Zugänge angepasst wurden. Eine belastbare Replikation benötigt deshalb einen dokumentierten Zeitstempel und, soweit rechtlich und ethisch möglich, archivierte Identifikatoren oder Code. Abweichende Ergebnisse wären nicht automatisch ein Fehler, sondern könnten Plattformveränderung widerspiegeln.
Fazit und Quellen
Die Nikotinbeutel YouTube Shorts Inhaltsanalyse beschreibt 239 Videos aus einem definierten Veröffentlichungs- und Suchfenster. Bestätigt sind der API-basierte Abruf, das Fenster September 2020 bis Januar 2025, zentrale Themenhäufigkeiten und die Analyse von Engagement-Kennzahlen. Die Arbeit ist explorativ und nützlich, um ein Codebuch und weitere Forschungsfragen zu entwickeln.
Nicht gemessen werden individuelle Sichtkontakte, Verständnis, Einstellungsänderung, spätere Nutzung oder deutsche Marktanteile. Themenpräsenz ist keine Exposition, und Engagement ist keine Wirkung. Für jede Weiterverwendung müssen Auswahlrahmen, Analyseeinheit, Mehrfachcodierung, Reliabilität, Zeitraum und geografische Grenzen sichtbar bleiben.
- Hutson, W. D. et al. (2026). Examining Marketing, Imagery, and Health-Related Messaging on Nicotine Pouch Products on YouTube Shorts. PMID 42176221.
- Oxford University Press. Originaleintrag über DOI 10.1093/ntr/ntag120, veröffentlicht am 23. Mai 2026.
Methodischer Hinweis: Dieser Beitrag rekonstruiert keine Videos und gibt keine Kommunikations-, Kampagnen-, Kauf- oder Nutzungsanleitung. Er erklärt ausschließlich veröffentlichte Methoden und Aussagegrenzen.