Die Ontogenese des Metaphernverstehens kann seit Piaget als gut beforschtes Feld gelten. Allerdings beziehen sich die entsprechenden Studien lediglich auf Text-Metaphern. Andere Realisierungsformen wie Bild- oder Text/Bild-Metaphern bleiben unberücksichtigt. Die vorliegende Studie geht der Frage nach, wie sich unterschiedliche Realisierungsformen von Metaphern aus der Sicht von Rezipienten darstellen. Die Datengrundlage bilden Peer-Gespräche zwischen Schülerinnen und Schülern der Jahrgangsstufe 4, 6, 8 und 10. In den Analysen wird sichtbar, dass Metaphern unterschiedlicher Realisierungsformen zu sehr ähnlichen Rezeptionsaktivitäten führen. Dabei zeigt es sich, dass Text/Bild-Metaphern für junge Rezipienten zugänglicher sind als monomodale Metaphern aus Texten oder Bildern. Diese Befunde haben weitreichende didaktische Konsequenzen.