Datenextraktion mit KI:die Maschine entwirft, die Quelle entscheidet
Die eingeschlossenen Studien stehen fest, die Datenextraktion beginnt. Sie öffnen das erste Paper und notieren, was nützlich aussieht – und ein paar Paper später deckt jede Zeile andere Elemente ab. Diese Nacharbeit ist der klassische Extraktionsfehler, und die Ursache ist simpel: Datenextraktion heißt nicht Zusammenfassungen schreiben, sondern vordefinierte Elemente aus jedem Paper im selben Format ziehen. Dieser Artikel geht den Prozess durch und zeigt, wo KI wirklich hilft.
Veröffentlicht: 2026-07-22
Die Extraktionstabelle entwerfen, bevor ein einziges Paper aufgeht
Die erste Aufgabe ist kein Lesen – es ist Tabellendesign. Legen Sie zuerst die Spalten fest.
Ein Standardsatz: Autor, Jahr, Land, Studiendesign, Teilnehmende (Zahl und Merkmale), Intervention oder Exposition, Vergleich, Outcome samt Definition, Hauptergebnis (Effektgröße und Konfidenzintervall), Follow-up-Zeitraum, fehlende Daten, Limitationen. Arbeiten Sie rückwärts von dem, was Ihre Review-Frage braucht, und fixieren Sie die Spalten, bevor Sie das erste Paper öffnen.
An zwei, drei Papern pilotieren
Tabelle in der Hand? Stürzen Sie sich nicht auf den ganzen Bestand – testen Sie sie erst an zwei oder drei Papern. Hier zeigen sich unklare Spaltendefinitionen und Formatunterschiede von Paper zu Paper.
Das Design an diesem Punkt zu überarbeiten verhindert das Desaster, später alles neu machen zu müssen. Im Team nutzen Sie den Pilotlauf, um die Eintragungsregeln zu vereinheitlichen.
Die KI den Tabellenentwurf schreiben lassen
Stehen die Spalten, wird KI richtig stark. Bitten Sie sie, für jedes Paper „diese Elemente in diesem Format zu extrahieren“, und in Minuten steht ein Entwurf der Extraktionstabelle.
Einen Entwurf zu prüfen und zu korrigieren fühlt sich völlig anders an, als leere Zellen von Hand zu füllen. Die Rolle der KI ist der erste Zug, der die Zellen füllt – nicht die Garantie für ihren Inhalt. Wer diese Unterscheidung festhält, bekommt Tempo und Genauigkeit zugleich.
Die Zahlen verifizieren: Einheiten, Nenner, Richtung
Bei der Durchsicht des Entwurfs verdienen drei Eigenschaften jeder Zahl besondere Aufmerksamkeit.
Einheiten (Prozent oder Fallzahl, Monate oder Jahre). Nenner (die ITT-Population, die analysierte Population oder nur die Completer). Richtung (spricht die Effektgröße für die Interventions- oder für die Kontrollgruppe?). KI-Entwürfe rutschen an genau diesen drei Stellen am häufigsten aus, und jeder einzelne dieser Fehler kann die Schlussfolgerung Ihres Reviews kippen. Verifizieren Sie immer am Originaltext, seinen Abbildungen und Tabellen und bei Bedarf an den Supplements.
Zahlen für die Metaanalyse bekommen eine Extraportion Sorgfalt
Fließen extrahierte Daten in eine Metaanalyse, legen Sie die Latte höher. Prüfen Sie, ob Effektgrößen-Typ, Messzeitpunkt und Definition der Analysepopulation über die Studien hinweg korrespondieren, und notieren Sie, ob Werte aus einer Abbildung oder aus dem Text stammen.
Ob Studien gepoolt werden können und wie sich Werte umrechnen lassen, sind statistische Urteile – im Zweifel wenden Sie sich an eine Statistikerin oder einen Statistiker, Ihre Betreuung oder Ihr Team. Dieses Terrain können weder KI noch dieser Artikel für Sie abdecken.
Für jede Zahl festhalten, woher sie stammt
Eine praktische Gewohnheit: Notieren Sie in jeder Zelle oder Zeile der Extraktionstabelle die Fundstelle – Tabelle 2, S. 6, Supplement.
Verifizierung und Gegenprüfungen im Team kommen dann ohne wiederholte Suchaktionen durch dasselbe Paper aus. Über Dutzende Elemente und Dutzende Studien summiert sich diese kleine Gewohnheit zu Tagen.
Das Setup mit Paperfy
In Paperfy teilen sich KI-Zusammenfassung und Abbildungen/Tabellen jedes eingeschlossenen Papers eine Seite mit dem PDF – das macht das Auffinden der Fundstelle während der Extraktion deutlich schneller.
Ergänzen Sie das Bestätigte in der Zusammenfassung – „Nenner ist ITT, bestätigt in Tabelle 2“ – und die Grundlage Ihrer Extraktion bleibt auf der Seite des Papers, bereit zur Wiederverwendung bei späterer Durchsicht und Risk-of-Bias-Bewertung.
Das Wichtigste in Kürze
- Die Spalten der Extraktionstabelle standen fest, bevor ein Paper geöffnet wurde.
- Tabelle und Eintragungsregeln wurden nach einem Pilotlauf mit zwei, drei Papern überarbeitet.
- Einheiten, Nenner und Richtungen wurden am Originaltext verifiziert.
- Die Quelle (Tabellen- und Seitenzahl) jedes Werts wurde festgehalten.
Die Grundlage jeder Extraktion – auf der Seite des Papers
Mit Paperfy teilen sich KI-Zusammenfassung, Abbildungen, Tabellen und Originaltext eine Seite – und das Paper behält Ihre Verifizierungsnotizen zur Extraktion bei sich.
Screening
Dieses Thema Erkunden
Alle Leitfäden zu diesem Workflow gebündelt lesen.
Als Nächstes Lesen
Diese Leitfäden führen denselben Ablauf weiter.