Eine multimodale Perspektive auf soziale Interaktion verändert „zwangsläufig klassische Gegenstände und Fragestellungen der Konversationsanalyse“ (Schmitt 2005:24). Dies betrifft ganz sicher auch die konversationsanalytisch ausgerichtete Erzählforschung: Analysen zum multimodalen Erzählen werfen insbesondere auf das Rezipientenverhalten im Kontext narrativer Sequenzen ein neues Licht, da sich aufgrund des notwendigen Zurückfahrens der verbal-mündlichen Aktivitäten gerade im Bereich des Nonverbalen spezifische, für das Zuhören und Zusehen (vgl. Schmitt 2005:26) konstitutive Verhaltensweisen wie Kopfnicken (Stivers 2008), Blickverhalten (C. Goodwin 1984; C. Goodwin 1986; Rossano 2012; Rossano 2013) oder Körperausrichtung (C. Goodwin 1984; C. Goodwin 1986) manifestieren. Besonders Befunde zum Blickverhalten in narrativen Sequenzen liefern Hinweise darauf, dass soziale Akteure in der Face-to-Face-Interaktion die Blickorientierung als eine Art participation display zwecks Herstellung eines spezifischen Beteiligungsrahmens nutzen (C. Goodwin 1981; C. Goodwin 2000; M.H. Goodwin 1997; C, Goodwin/M.H. Goodwin 2004; Levinson 1988). In Situationen des kollaborativen Erzählens spielt das Blickverhalten außerdem eine zentrale Rolle in Bezug auf die Vergabe der primären Erzählerrolle (Zima 2017). Die analytische Ausblendung entsprechender Displays führt zwangsläufig zu einer unvollständigen Beschreibung narrativer Praktiken unter Bedingungen der Kopräsenz. Eine multimodale Analyseperspektive eröffnet jedoch nicht nur einen weiter gefassten Blick auf Praktiken des konversationellen Erzählens in der Face-to-Face-Interaktion (im Folgenden FtF), sondern ermöglicht es auch, Erzählpraktiken im Rahmen mediatisierter Interaktionsformen wie der Videotelefonie, d.h. in der Face-to-Screen-Interaktion (im Folgenden FtS) unter Berücksichtigung der potenziell verfügbaren Ausdrucksmodi systematisch zu analysieren und auf diese Weise Einblicke zu liefern in multimodale Strategien der kooperativen Hervorbringung narrativer Sequenzen unter Bedingungen virtueller Kopräsenz (Fornel 1994:110). Die Nutzung von web-basierten Diensten zur Durchführung von Videotelefonaten wie Facetime, Google Hangouts oder eben Skype dient häufig der Beziehungspflege über die Distanz – vor allem zwischen Personen, die eine mehr oder weniger enge soziale Beziehung pflegen. Entsprechende Techniken bedienen wachsende kommunikative Bedürfnisse „of geographically dispersed networks of families, friends and lovers“ (Harper/Watson/Licoppe 2017:301). Im Rahmen von Videotelefonaten werden zwecks Aufrechterhaltung der sozialen Bindung, häufig Erlebnisse in den räumlich getrennten Lebenswelten narrativ rekonstruiert und durch die gemeinsame Bearbeitung im Videotelefonat als Bestandteil des personal common ground (Clark 1996:112–116) etabliert. Videotelefonate weisen entsprechend nicht selten erhebliche narrative Anteile auf, die instruktive Einblicke in soziale Konstruktionsprozesse im Zeitalter des Web 2.0 eröffnen. Zum anderen bietet die Analyse von Videotelefonaten die Möglichkeit, auf Interaktionsereignisse bei systematischer Berücksichtigung des Sichtbaren analytisch zuzugreifen, ohne die ‚Natürlichkeit‘ dieser Ereignisse durch das Platzieren irgendeiner Art von Aufnahmetechnik zu beeinträchtigen. Videokamera und Mikrofonierung sind Teil der verwendeten Kommunikationstechnik selbst. Die Aufzeichnung greift lediglich auf ohnehin schon technisch erfasstes Datenmaterial zu. Hinzu kommt, dass der analysierende Forscher hier denselben, sich aus der Kameraperspektive ergebenden Einschränkungen unterliegt, wie sie für das äußere Wahrnehmungsfeld der Interagierenden zu veranschlagen sind. Dies scheint besonders vor dem Hintergrund der konversationsanalytischen Forderung nach einer möglichst guten Annäherung an die Teilnehmerperspektive der Interagierenden bedeutsam. Im vorliegenden Beitrag soll in einer Detailanalyse einer Erzählsequenz aus einem Videotelefonat mit Skype aufgezeigt werden, dass sich Muster im Blickverhalten der beteiligten Akteure entdecken lassen, die darauf hindeuten, dass die Blickausrichtung – vor allem in der wechselseitigen Bezogenheit der Akteure – als Ressource der Handlungskoordination genutzt wird, um eine konversationelle Erzählung als embodied joint project kooperativ hervorzubringen. Dies lässt vermuten, dass die Affordanzen der verwendeten Kommunikationstechnik es den Akteuren ermöglichen, in einer Art virtuellem Interaktionsraum miteinander zu interagieren. Um diesen Punkt interaktionstheoretisch adäquat fassen zu können, gilt es zunächst das in der interaktional ausgerichteten Multimodalitätsforschung etablierte Konzept des Interaktionsraumes (Deppermann/ Schmitt 2007; Hausendorf 2010; Hausendorf 2013; Hausendorf 2015; Mondada 2007; Mondada 2013) auf die Modellierung des ‚Raumes‘ der FtS zu übertragen (Abschnitt 2). Im Anschluss wird ein kurzer Überblick relevanter Forschungsergebnisse bezüglich des Blickverhaltens sozialer Akteure im Rahmen der kooperativen Herstellung konversationeller Erzählungen gegeben (Abschnitt 3), vor deren Hintergrund schließlich die Befunde der eigenen exemplarisch-explorativen Analyse (Abschnitt 4) systematisiert und interpretiert werden können (Abschnitt 5).