Ihr PRISMA Flow Chart Deutsch für 2026 erstellen

Stellen Sie sich das PRISMA-Flussdiagramm am besten als eine Art visuelles Protokoll Ihrer systematischen Literaturrecherche vor. Es ist im Grunde die Landkarte, die genau zeigt, wie Sie von Tausenden anfänglichen Suchtreffern zu der Handvoll entscheidender Studien gelangt sind, die Ihre Analyse stützen.

Ohne diese transparente Dokumentation fehlt einer wissenschaftlichen Übersichtsarbeit schlichtweg die Nachvollziehbarkeit und damit auch die Glaubwürdigkeit.

Warum das PRISMA Flow Chart so entscheidend ist

Eine systematische Recherche ohne PRISMA-Diagramm ist wie eine Expedition ohne Karte und Kompass. Man mag zwar irgendwie am Ziel ankommen, doch der Weg dorthin bleibt für andere ein Mysterium – unstrukturiert und nicht reproduzierbar.

Genau hier setzt das Diagramm an: Es verwandelt das potenzielle Chaos einer umfangreichen Literatursuche in einen logischen und nachvollziehbaren Prozess. Damit ist es ein absoluter Grundpfeiler moderner, evidenzbasierter Forschung geworden.

Von Tausenden Treffern zur finalen Auswahl

Die Kernaufgabe des Diagramms ist es, den strengen Filterprozess Ihrer Recherche Schritt für Schritt abzubilden. Es erzählt die Geschichte Ihrer Forschung in Zahlen und gliedert sich in vier zentrale Phasen, für die sich im Deutschen klare Bezeichnungen etabliert haben.

Obwohl die Originalbegriffe auf Englisch sind, hat sich in der deutschen Forschungspraxis eine klare Übersetzung durchgesetzt, um die Verständlichkeit zu maximieren. Die folgende Tabelle gibt Ihnen einen Überblick über die empfohlenen deutschen Bezeichnungen.

Deutsche Bezeichnungen für die PRISMA Phasen

Eine Übersicht der empfohlenen deutschen Beschriftungen für die vier Hauptphasen des PRISMA Flow Charts zur Sicherstellung von Konsistenz und Verständlichkeit.

Phase	Englische Originalbezeichnung (PRISMA 2020)	Empfohlene deutsche Bezeichnung
1	Identification	Identifizierung
2	Screening	Screening
3	Eligibility	Eignungsprüfung
4	Included	Eingeschlossene Studien

Die Verwendung dieser deutschen Begriffe sorgt für Klarheit in Manuskripten und Präsentationen für ein deutschsprachiges Publikum.

Konkret sieht der Prozess dann so aus:

• Identifizierung (Identification): Alles beginnt hier. Sie listen die Gesamtzahl der Treffer aus allen durchsuchten Datenbanken (wie PubMed, Scopus etc.) und anderen Quellen auf.
• Screening (Screening): Jetzt wird gesiebt. Zuerst fliegen alle Duplikate raus. Danach sichten Sie Titel und Abstracts und sortieren alles aus, was offensichtlich nicht zum Thema passt.
• Eignungsprüfung (Eligibility): Die verbliebenen Artikel nehmen Sie sich nun im Volltext vor. Anhand Ihrer vorab definierten Ein- und Ausschlusskriterien prüfen Sie jeden einzelnen Artikel ganz genau.
• Eingeschlossene Studien (Included): Am Ende dieses Prozesses steht die finale, goldene Auswahl. Das sind die Studien, die Sie in Ihre qualitative oder quantitative Synthese (z. B. eine Meta-Analyse) aufnehmen werden.

Jede Zahl, die Sie in diesem Diagramm eintragen, ist ein wichtiger Teil Ihrer Forschungsgeschichte. Sie begründet, warum Studien ausgeschlossen wurden und welche die strengen Qualitätskriterien erfüllt haben.

Der Goldstandard für Transparenz und Qualität

Man kann die Bedeutung des PRISMA-Ansatzes in der deutschen Forschungslandschaft kaum hoch genug einschätzen. Seit seiner Einführung 2009 hat es sich zum unverzichtbaren Werkzeug für systematische Reviews entwickelt.

Institutionen wie Cochrane Deutschland sehen die PRISMA-Checkliste und das zugehörige Flussdiagramm als Goldstandard an. Sogar die Deutsche Forschungsgemeinschaft (DFG) fordert seit 2015 für Förderanträge PRISMA-konforme Reviews, was nachweislich die Erfolgschancen von Projekten erhöht. Wenn Sie tiefer in das Thema eintauchen möchten, erfahren Sie hier mehr darüber, wie PRISMA die Literaturrecherche in Deutschland prägt.

Ein korrekt ausgefülltes PRISMA-Flussdiagramm ist nicht nur eine formale Anforderung vieler Fachjournale – es ist ein klares Bekenntnis zu wissenschaftlicher Sorgfalt und Transparenz.

Letztendlich ist das Diagramm der entscheidende Beleg für die methodische Qualität Ihrer Arbeit. Es gibt Gutachtern, Editoren und anderen Forschenden die Möglichkeit, Ihr Vorgehen blitzschnell zu erfassen und zu bewerten. Ein fehlendes oder fehlerhaftes Diagramm sät sofort Zweifel, während ein sauberes Chart Vertrauen schafft und die Glaubwürdigkeit Ihrer gesamten Studie untermauert.

Das PRISMA 2020 Flow-Diagramm Schritt für Schritt erklärt

Das PRISMA 2020 Flow-Diagramm ist im Grunde die visuelle Landkarte Ihrer systematischen Literaturrecherche. Jeder Kasten, jeder Pfeil und jede Zahl erzählt die Geschichte Ihres Suchprozesses – transparent und für jeden nachvollziehbar. Wenn man einmal die Logik dahinter verstanden hat, wird das Ausfüllen von einer mühsamen Pflicht zu einem ganz natürlichen Teil der Arbeit.

Stellen Sie es sich am besten wie einen Trichter vor. Oben werfen Sie eine riesige, unsortierte Menge an potenziellen Studien hinein. Mit jedem Schritt wird der Inhalt feiner gefiltert, bis am Ende nur noch die hochrelevanten, goldenen Nuggets für Ihre Analyse übrig bleiben. Das Diagramm dokumentiert dabei genau, was auf jeder Stufe passiert ist und warum.

Phase 1: Identifizierung

Ganz oben im Diagramm beginnt Ihre Reise mit der Identifizierung. Hier geht es darum, das gesamte Universum an Studien zu erfassen, die für Ihre Fragestellung überhaupt infrage kommen könnten.

Im ersten Kasten tragen Sie die Gesamtzahl der Treffer aus Ihrer Datenbanksuche ein. Das ist die Summe aller Ergebnisse, die Ihre Suchstrategien in den verschiedenen wissenschaftlichen Datenbanken (wie PubMed, Scopus oder Web of Science) ausgespuckt haben. Ein Tipp aus der Praxis: Notieren Sie sich die Treffer pro Datenbank separat. Auch wenn im Diagramm nur die Gesamtzahl steht, ist diese Detailinformation für Ihre eigene Dokumentation Gold wert.

Gleich daneben findet sich ein Feld für zusätzlich identifizierte Quellen. Dieser Punkt wurde mit PRISMA 2020 stärker betont und ist enorm wichtig. Hierzu gehört alles, was Sie außerhalb der klassischen Datenbanksuche finden:

• Artikel, die Sie beim Durchsehen von Literaturverzeichnissen anderer Studien entdecken (Schneeballprinzip).
• Empfehlungen von Fachexperten, die Sie kontaktiert haben.
• Studien aus Registern für klinische Studien.
• Sogenannte „graue Literatur“, wie Konferenzbeiträge oder Dissertationen.

Diese zusätzlichen Quellen helfen dabei, den Publikationsbias zu minimieren – also die Tendenz, dass vor allem Studien mit positiven oder signifikanten Ergebnissen veröffentlicht werden.

Phase 2: Screening

Nachdem Sie diesen ersten großen Berg an potenziellen Studien zusammengetragen haben, beginnt die eigentliche Aussiebung: das Screening. Dieser Prozess ist in zwei Stufen unterteilt, um die Masse an Literatur effizient zu bewältigen.

Der allererste Schritt ist hier das Entfernen von Duplikaten. Jede Studie, die Sie über mehrere Datenbanken gefunden haben, taucht natürlich mehrfach auf. Mit einer Literaturverwaltungssoftware wie Zotero, Citavi oder EndNote können Sie diese Doppelgänger aufspüren und entfernen. Die exakte Anzahl der entfernten Duplikate wird im Diagramm festgehalten.

Was jetzt übrig bleibt, ist die Basis für das erste inhaltliche Screening. In diesem Schritt geht es um eine schnelle Triage: Sie lesen nur den Titel und das Abstract, um auf den ersten Blick unpassende Studien auszusortieren.

Hier fallen alle Artikel raus, die offensichtlich nicht zu Ihrem Thema, Ihrer Zielgruppe oder Ihrem Studiendesign passen. Die Gesamtzahl der hier ausgeschlossenen Studien wird vermerkt, aber Sie müssen die Gründe an dieser Stelle noch nicht detailliert auflisten. Es geht rein um die schnelle, grobe Filterung.

Phase 3: Eignungsprüfung

Alle Studien, die das erste grobe Screening überlebt haben, kommen nun auf den Prüfstand. In der Phase der Eignungsprüfung (Eligibility) geht es ans Eingemachte, denn jetzt lesen Sie die Artikel im Volltext.

Jeder einzelne verbliebene Artikel wird nun sorgfältig anhand Ihrer vorab definierten Ein- und Ausschlusskriterien bewertet. Auch hier wird die Anzahl der ausgeschlossenen Studien wieder genau dokumentiert. Der entscheidende Unterschied zur vorigen Phase ist aber: Für jeden hier ausgeschlossenen Artikel müssen Sie den konkreten Grund angeben.

Typische Ausschlussgründe in dieser Phase sind zum Beispiel:

• Falsches Studiendesign (z. B. ein Meinungsbeitrag statt einer empirischen Studie)
• Falsche Intervention, Kontrollgruppe oder Endpunkte
• Unvollständige Daten, die eine Auswertung für Ihre Zwecke unmöglich machen
• Veröffentlichung in einer für Sie nicht auswertbaren Sprache

Diese genaue Begründung ist ein Herzstück von PRISMA 2020 und absolut entscheidend für die methodische Qualität und Transparenz Ihrer Arbeit.

Phase 4: Eingeschlossene Studien

Ganz am Ende des Trichters, nach all den Filterstufen, bleibt Ihre finale Auswahl übrig: die eingeschlossenen Studien. Das ist die exakte Anzahl der Artikel, die alle Hürden genommen haben und die nun die Grundlage für Ihre eigentliche Analyse bilden.

Das PRISMA 2020-Diagramm deutet im letzten Kasten bereits die nächsten Schritte an. Die eingeschlossenen Studien fließen nun entweder in die qualitative Synthese (eine narrative Beschreibung und Zusammenfassung der Ergebnisse) oder, falls die Daten es zulassen, in die quantitative Synthese, besser bekannt als Meta-Analyse (die statistische Zusammenführung der Ergebnisse).

Eine saubere Dokumentation, wie sie PRISMA vorgibt, hat sich in der Wissenschaft absolut bewährt. So wurde beispielsweise die PRISMA-Erweiterung für Scoping Reviews seit ihrer Einführung in Deutschland in 70 % der neuen Studienprotokolle übernommen. Mehr zu den Standards für die Dokumentation finden Sie übrigens in diesem hilfreichen Handout von Cochrane Deutschland.

So füllen Sie Ihr PRISMA-Diagramm aus – eine praktische Anleitung

Ein leeres PRISMA-Diagramm kann auf den ersten Blick etwas abschreckend wirken. Aber keine Sorge: Mit einer klaren Struktur und dem richtigen Vorgehen wird daraus schnell eine lückenlose Dokumentation Ihrer Recherchearbeit. Betrachten Sie es einfach als die Buchhaltung Ihrer Literaturrecherche – jeder Eintrag muss nachvollziehbar sein und einem logischen Pfad folgen.

Dieser Leitfaden nimmt Sie an die Hand und führt Sie durch den gesamten Prozess, vom allerersten Suchtreffer bis zur finalen Auswahl Ihrer Studien.

Schritt 1: Die Vorbereitung – Identifikation der Treffer

Der Grundstein für ein sauberes PRISMA-Diagramm wird schon lange vor dem Ausfüllen gelegt. Eine akribische Dokumentation Ihrer Suchstrategie ist hier das A und O. Führen Sie für jede Datenbank (wie PubMed, Scopus oder Web of Science) ein genaues Protokoll, das die folgenden Punkte festhält:

• Name der Datenbank
• Exaktes Datum der Suche
• Die vollständige, von Ihnen verwendete Suchsyntax

Mit diesen Informationen haben Sie bereits die erste und wichtigste Kennzahl für Ihr Diagramm: die Gesamtzahl der identifizierten Datensätze. Tragen Sie diese Zahl in die oberste Box ein. Alle Treffer, die Sie über andere Wege gefunden haben – zum Beispiel durch das Schneeballverfahren oder aus grauer Literatur – notieren Sie in der separaten Box direkt daneben.

Schritt 2: Das Screening – Duplikate entfernen und sichten

Jetzt beginnt das eigentliche Filtern. In dieser Phase geht es darum, aus der großen Masse an Literatur die potenziell relevanten Studien herauszufischen. Der Prozess teilt sich in zwei wesentliche Schritte.

Zuerst kommt die Duplikatentfernung. Da fast jede Studie in mehreren Datenbanken gelistet ist, kommen Sie um diesen Schritt nicht herum. Nutzen Sie eine Literaturverwaltungssoftware wie Zotero, Citavi oder ein Tool wie KalemiFlow, um Doppelungen automatisch aufzuspüren und zu entfernen. Die genaue Anzahl der entfernten Duplikate wird im Diagramm vermerkt.

Die verbleibende Anzahl einzigartiger Artikel ist Ihre Basis für das Titel-Abstract-Screening. Hierbei geht es darum, auf den ersten Blick unpassende Studien schnell und effizient auszusortieren.

Halten Sie die Zahl der Artikel fest, die Sie auf dieser Ebene ausschließen. Eine detaillierte Begründung ist hier noch nicht nötig; es handelt sich um eine schnelle, erste Triage.

Schritt 3: Die Eignungsprüfung – der Blick in den Volltext

Alle Studien, die das erste Screening überstanden haben, nehmen Sie nun genauer unter die Lupe. Diese Phase der Eignungsprüfung ist der entscheidende Moment: Sie lesen die Volltexte und bewerten die Studien im Detail anhand Ihrer Ein- und Ausschlusskriterien.

Für jede Studie, die Sie in diesem Schritt ausschließen, müssen Sie einen konkreten Grund angeben. Die PRISMA 2020-Richtlinien fordern hier eine klare Kategorisierung. Typische Ausschlussgründe sind:

• Falsches Studiendesign (z. B. ein Meinungsbeitrag statt einer empirischen Studie)
• Falsche Population (Zielgruppe)
• Unpassende Intervention oder Vergleichsgruppe
• Fehlende oder unzureichende Ergebnisdaten

Dokumentieren Sie für jeden dieser Gründe, wie viele Studien Sie ausgeschlossen haben. Diese detaillierte Auflistung ist ein zentrales Qualitätsmerkmal und sorgt für die nötige Transparenz Ihrer systematischen Übersichtsarbeit.

Die folgende Abbildung zeigt den gesamten Filterprozess noch einmal auf einen Blick.

Man sieht hier sehr schön, wie sich die Zahl der Studien von Phase zu Phase deutlich reduziert.

Schritt 4: Der Abschluss – finale Auswahl und Überprüfung

Nach der gründlichen Eignungsprüfung im Volltext bleibt nur noch die endgültige Anzahl der eingeschlossenen Studien übrig. Das ist die Zahl, die ganz unten in Ihrem Diagramm steht. Diese Studien bilden die Grundlage für Ihre qualitative Synthese oder quantitative Meta-Analyse.

Ein Beispiel aus der Praxis zeigt, wie stark diese Reduktion sein kann: In einem Review-Projekt der Universität Potsdam wurden aus anfänglich 6.700 Suchtreffern nach dem gesamten Screening- und Prüfprozess am Ende nur 45 Studien eingeschlossen. Das ist eine Reduktionsrate von über 98 % – ein absolut typischer Wert für systematische Reviews. Die genauen Zahlen und der Projektablauf veranschaulichen diesen Filterprozess sehr gut.

Zum Schluss werfen Sie am besten noch einmal einen kritischen Blick auf Ihr ausgefülltes prisma flow chart deutsch. Rechnen Sie alle Zahlen nach: Passen die Summen in jeder Phase? Sind alle Felder ausgefüllt? Ein systematisches Vorgehen ist hier Gold wert. Solide Kenntnisse, wie man eine Suchlogik mit booleschen Operatoren aufbaut, helfen dabei ungemein.

Moderne Werkzeuge wie KalemiFlow können den gesamten Prozess übrigens deutlich erleichtern. Sie unterstützen nicht nur bei der Quellensuche, sondern helfen auch dabei, Duplikate zu managen und das Screening zu beschleunigen. Das verschafft Ihnen mehr Zeit für das, was wirklich zählt: die inhaltliche Analyse der relevanten Studien.

Deutsche Vorlagen und Beispiele aus der Praxis

Theorie ist gut und schön, aber erst in der Praxis zeigt sich, wie ein Konzept wirklich funktioniert. Damit Sie vom abstrakten PRISMA-Modell zu einem handfesten Ergebnis für Ihre eigene Forschung kommen, habe ich hier ein paar direkt anwendbare Ressourcen und Beispiele aus dem echten Wissenschaftsalltag für Sie aufbereitet.

Am besten entwickelt man ein Gefühl für die Zahlen und die Logik eines PRISMA Flow Chart auf Deutsch, indem man sich reale Szenarien ansieht. Die folgenden Beispiele zeigen ganz typische Abläufe und Herausforderungen, wie sie in fast jeder systematischen Arbeit vorkommen.

Eine gute Vorlage ist die halbe Miete

Starten Sie nicht bei null. Eine saubere, editierbare Vorlage erspart Ihnen nicht nur Arbeit, sondern stellt auch sicher, dass Sie die PRISMA 2020-Richtlinien von Anfang an einhalten.

Hier finden Sie eine direkt nutzbare Word-Vorlage, die ich bereits mit den deutschen Standardbegriffen versehen habe. Einfach herunterladen, mit Ihren Zahlen füllen und an die Besonderheiten Ihrer Studie anpassen.

• Logischer Aufbau: Alle Phasen – Identifizierung, Screening, Eignungsprüfung und Einschluss – sind bereits korrekt angeordnet.
• Deutsche Beschriftungen: Die Felder sind schon übersetzt, zum Beispiel mit „Ausgeschlossene Datensätze (z. B. Duplikate, vor dem Screening entfernt)“.
• Flexibel anpassbar: Sie können ganz einfach Felder ergänzen, etwa um die Namen der durchsuchten Datenbanken aufzulisten.

So können Sie sich voll und ganz auf den Inhalt konzentrieren, statt sich mit dem Layout herumzuschlagen.

Beispiel 1: Medizinische Studie mit vielen Duplikaten

Stellen Sie sich vor, Sie untersuchen die Wirksamkeit eines neuen Medikaments. Ihre Recherche in Datenbanken wie PubMed, Embase und der Cochrane Library liefert Ihnen zunächst eine beeindruckende Zahl: 1.250 Treffer.

Nach dem Import in Ihre Literaturverwaltung kommt der erste Realitätscheck: 450 Duplikate werden automatisch erkannt und entfernt. Damit bleiben 800 einzigartige Artikel für das erste Screening übrig. Beim Durchsehen der Titel und Abstracts stellen Sie fest, dass 680 davon unpassend sind – falsches Studiendesign, Tierstudien, falsche Patientengruppe.

Übrig bleiben 120 Artikel, deren Volltexte Sie sich nun genau ansehen. Bei dieser Detailprüfung fallen weitere Studien raus: 75 hatten die falsche Patientengruppe, bei 25 waren die Ergebnisse nicht wie benötigt dargestellt und 10 schieden aus anderen Gründen aus, weil es sich zum Beispiel nur um Konferenz-Abstracts ohne Volltext handelte.

Das Ergebnis? Nur 10 Studien schaffen es in die finale Meta-Analyse. Dieses Beispiel zeigt eindrücklich, wie stark die Zahl der Artikel in jeder Phase schrumpft und wie normal hohe Duplikatraten sind.

Beispiel 2: Sozialwissenschaftliche Studie mit detaillierten Ausschlussgründen

Ein anderes typisches Szenario findet sich oft in den Sozialwissenschaften. Nehmen wir an, eine Studie untersucht den Einfluss von Social-Media-Nutzung auf die mentale Gesundheit von Jugendlichen. Die Recherche in PsycINFO und Web of Science liefert 850 Treffer. Durch das Durchsehen von Literaturverzeichnissen relevanter Artikel (Schneeballverfahren) kommen 50 weitere Quellen hinzu. Gesamtmenge: 900.

Nach dem Entfernen von 200 Duplikaten bleiben 700 Artikel fürs Screening. Davon werden 550 direkt anhand von Titel und Abstract aussortiert.

Die restlichen 150 Artikel gehen in die Volltextprüfung. Hier ist eine transparente Dokumentation der Ausschlussgründe das A und O, um Ihre Arbeit nachvollziehbar zu machen:

• Falsche Population (n = 45): Fokus auf Erwachsene statt Jugendliche.
• Keine relevanten Outcome-Maße (n = 35): Es wurden keine validierten Skalen zur Messung der mentalen Gesundheit verwendet.
• Qualitative Studie statt quantitativem Design (n = 28): Methodik passte nicht zu den Kriterien für die geplante Meta-Analyse.
• Sonstige Gründe (n = 17): Z. B. Volltext nicht auffindbar, falscher Publikationstyp.

Nachdem diese 125 Artikel begründet ausgeschlossen wurden, bleiben am Ende 25 Studien für die Synthese übrig. Dieses Beispiel macht deutlich, wie wichtig eine präzise Begründung in der Eignungsphase ist. Diese Detailarbeit ähnelt dem Vorgehen beim Verfassen eines Exzerpts und ist für die wissenschaftliche Transparenz unerlässlich. Wenn Sie Ihr Vorgehen hier weiter verfeinern möchten, finden Sie hier ein hilfreiches Beispiel für ein Exzerpt und Vorlagen.

Vom Entwurf zur Publikation: Häufige Fehler vermeiden und das Diagramm perfekt einbinden

Ein sauber ausgearbeitetes PRISMA Flow Chart ist mehr als nur eine formale Anforderung – es ist das visuelle Herzstück Ihrer methodischen Sorgfalt. Doch gerade hier, im letzten Schritt, schleichen sich oft kleine Fehler ein, die im schlimmsten Fall die Glaubwürdigkeit Ihrer gesamten Arbeit infrage stellen.

Keine Sorge, die typischen Fallstricke sind leicht zu umgehen, wenn man weiß, worauf man achten muss. Betrachten Sie die folgenden Punkte als finale Checkliste, bevor Sie Ihr Manuskript einreichen. Ein kurzer, kritischer Blick kann Ihnen später mühsame Korrekturschleifen im Review-Prozess ersparen.

Die häufigsten Fehlerquellen im PRISMA-Diagramm

Aus meiner Erfahrung sind es immer wieder dieselben fünf Punkte, an denen Gutachter hängen bleiben. Gehen Sie sie am besten noch einmal durch.

1. Inkonsistente Zahlen: Das ist der Klassiker und gleichzeitig der Fehler, der am schnellsten auffällt. Die Zahlen müssen sich von oben nach unten lückenlos nachvollziehen lassen. Wenn Sie mit 100 Studien starten und 20 ausschließen, müssen in der nächsten Stufe exakt 80 übrig bleiben. Für Gutachter ist das die erste, einfachste Prüfung. Stimmt die Mathematik nicht, wirft das sofort einen Schatten auf den gesamten Prozess.
2. Veraltete Vorlage: Es passiert immer noch erstaunlich oft: Manuskripte nutzen das alte PRISMA 2009-Format. Stellen Sie unbedingt sicher, dass Sie die aktuelle PRISMA 2020-Vorlage verwenden. Diese ist deutlich detaillierter, insbesondere bei den Angaben, die für das Screening und die Volltextprüfung gefordert werden.
3. Vage oder fehlende Ausschlussgründe: Einer der wichtigsten Punkte in PRISMA 2020 ist die genaue Begründung, warum Studien auf Volltextebene ausgeschlossen wurden. Ein pauschales „Grund: unpassend“ reicht hier bei Weitem nicht aus. Seien Sie spezifisch und listen Sie die genaue Anzahl pro Grund auf (z. B. 8 Studien wegen falscher Intervention, 5 wegen falscher Population).
4. Andere Quellen ignoriert: Die kleine Box für Studien, die Sie außerhalb der Datenbankrecherche (z. B. durch Handsuche oder Schneeballprinzip) identifiziert haben, wird oft vergessen. Selbst wenn Sie auf diesem Weg keine weiteren Treffer hatten, lassen Sie das Feld nicht einfach leer. Tragen Sie eine „n = 0“ ein. Das signalisiert, dass Sie den Schritt bedacht, aber keine relevanten Studien gefunden haben.
5. Duplikate falsch behandelt: Der Abzug der Duplikate ist der allererste Schritt nach der Identifizierung der Treffer aus den Datenbanken. Ein häufiger Fehler ist, sie erst nach dem Titel-Abstract-Screening abzuziehen. Das verzerrt die Zahlen im gesamten weiteren Verlauf des Diagramms.

Merke: Ein fehlerhaftes Diagramm ist keine Nebensächlichkeit. Es erzählt eine Geschichte über Ihre Arbeitsweise. Für einen Reviewer ist es oft das erste Indiz für eine potenziell unsaubere Methodik. Die Zahlen müssen eine lückenlose und plausible Kette bilden.

So binden Sie das Diagramm korrekt in Ihr Manuskript ein

Ist Ihr Diagramm fertig und geprüft, geht es an die Einbettung in Ihre Masterarbeit, Dissertation oder Ihren Fachartikel. Auch hier gibt es ein paar etablierte Konventionen.

Wo gehört das Diagramm hin? Der logische Platz für das PRISMA-Flussdiagramm ist der Methodenteil. Platzieren Sie es dort, wo Sie den Prozess der Studienauswahl beschreiben, meist in einem Unterkapitel wie „Studienselektion“ oder „Datenerhebung und Auswahlprozess“.

Beschriftung und Verweis im Text Wie jede Abbildung in einer wissenschaftlichen Arbeit braucht auch Ihr Diagramm eine Nummer und eine klare Unterschrift. Eine saubere Beschriftung lautet zum Beispiel:

• Abbildung 1: PRISMA 2020-Flussdiagramm zur Darstellung des Studienauswahlprozesses.

Vergessen Sie nicht, im Fließtext aktiv darauf zu verweisen. Das stellt die Verbindung zwischen Ihrer Beschreibung und der visuellen Darstellung her. Eine einfache Formulierung genügt: „Der Auswahlprozess der Studien folgte den PRISMA 2020-Richtlinien und wird in Abbildung 1 veranschaulicht.“

Ein Tipp aus der Praxis für die Veröffentlichung

Wenn Sie bei einem Fachjournal einreichen, spielt die technische Qualität der Abbildung eine große Rolle. Ein unscharfes, pixeliges Diagramm macht einen unprofessionellen Eindruck und kann ein Kritikpunkt sein. Anstatt nur einen Screenshot zu machen oder es direkt aus Word zu kopieren, sollten Sie das Diagramm als hochauflösende Bilddatei exportieren.

Die meisten Tools bieten einen Export als TIFF oder EPS mit einer Auflösung von mindestens 300 dpi an. Damit stellen Sie sicher, dass Ihr prisma flow chart deutsch auch im Druck gestochen scharf aussieht und jedes Detail gut lesbar bleibt.

So beschleunigt KalemiFlow Ihre Literaturrecherche

Jeder, der schon einmal ein PRISMA-Diagramm von Hand erstellt hat, weiß: Das ist eine Geduldsarbeit, die Wochen dauern kann und bei der sich leicht Fehler einschleichen. Aber stellen Sie sich vor, Sie hätten einen persönlichen Forschungsassistenten, der Ihnen genau diese mühsamen Schritte abnimmt. Genau das ist die Idee hinter KalemiFlow, einem Werkzeug, das Sie gezielt bei der Erstellung Ihres PRISMA Flow Charts unterstützt.

Statt sich mühevoll durch jede einzelne Quelle zu kämpfen, hilft Ihnen die KI-gestützte Plattform von Anfang an, den Überblick zu behalten. KalemiFlow durchsucht nicht nur einen riesigen Pool von über 660 Millionen Dokumenten nach relevanter Literatur, sondern greift Ihnen auch in den entscheidenden Phasen des Screenings unter die Arme.

Vom ersten Klick bis zur fertigen Studie – intelligent unterstützt

Der größte Zeitfresser bei einer systematischen Literaturrecherche? Ganz klar, das Sichten von Tausenden von Artikeln. KalemiFlow packt genau dieses Problem an der Wurzel und macht den Prozess spürbar effizienter.

• Quellen finden und managen: Die Plattform hilft Ihnen, die richtigen Studien aufzuspüren und von Beginn an sauber zu organisieren.
• Duplikate aufspüren: Wer in mehreren Datenbanken sucht, kennt das Problem der Doppelgänger. KalemiFlow unterstützt Sie dabei, Duplikate schnell und zuverlässig zu identifizieren, was den Prozess enorm beschleunigt.
• Screening vereinfachen: Dank intelligenter Filter und einer klaren Benutzeroberfläche wird das Sichten von Titeln und Abstracts zum Kinderspiel.

Dieser optimierte Arbeitsablauf spart nicht nur wertvolle Zeit, sondern reduziert auch Flüchtigkeitsfehler, die bei manueller Arbeit schnell passieren.

Die KI fungiert hier quasi als Brücke zwischen der unübersichtlichen Datenflut und einem methodisch sauberen, nachvollziehbaren Ergebnis.

Das Highlight: Interaktiver PDF-Chat für die Eignungsprüfung

Eine Funktion, die in der Praxis wirklich einen Unterschied macht, ist der interaktive PDF-Chat. In der entscheidenden Phase der Volltextprüfung – also wenn Sie die Eignung der vorausgewählten Studien bewerten – können Sie die PDFs einfach hochladen und direkt mit den Dokumenten „sprechen“.

Sie müssen einen 50-seitigen Artikel nicht mehr komplett nach einem bestimmten Detail durchforsten. Fragen Sie einfach: „Wurde in dieser Studie die Patientengruppe XYZ untersucht?“ oder „Welches Messinstrument kam für die Datenerhebung zum Einsatz?“.

Die KI liefert Ihnen eine präzise Antwort direkt aus dem Text, inklusive Seitenzahl. Das beschleunigt die Überprüfung Ihrer Ein- und Ausschlusskriterien ungemein und macht die Dokumentation Ihrer Entscheidungen für das PRISMA-Diagramm viel genauer.

KalemiFlow hilft Ihnen sogar dabei, das Diagramm vorzustrukturieren und die Zitate Ihrer finalen Studienauswahl zu verwalten. So können Sie sich voll und ganz auf die inhaltliche Tiefe Ihrer Arbeit konzentrieren, während die lästige Verwaltungsarbeit im Hintergrund läuft. Wenn Sie mehr über KI-gestützte Tools für wissenschaftliches Arbeiten erfahren möchten, finden Sie in unserem Beitrag über das beste KI-Hausarbeit-Tool weitere spannende Einblicke. So wird Ihre nächste systematische Übersichtsarbeit nicht nur schneller, sondern auch methodisch sauberer.

Die häufigsten Fragen zum PRISMA-Flow-Chart aus der Praxis

Im Laufe einer systematischen Literaturrecherche tauchen immer wieder die gleichen Fragen rund um das PRISMA-Diagramm auf. Hier finden Sie klare Antworten auf die wichtigsten Punkte, damit Sie sicher und souverän durch Ihren Forschungsprozess navigieren.

Muss ich wirklich immer ein PRISMA-Flow-Chart erstellen?

Nicht immer, aber in den meisten Fällen ist die Antwort ein klares Ja. Wenn Sie eine systematische Übersichtsarbeit oder eine Meta-Analyse für eine renommierte Fachzeitschrift vorbereiten, kommen Sie darum nicht herum – es ist ein absolutes Muss. Auch bei Förderanträgen, etwa bei der DFG, wird diese Form der methodischen Transparenz quasi erwartet.

Und was ist mit anderen Arbeiten, zum Beispiel einer Masterarbeit? Auch wenn es dort keine formale Pflicht ist, gilt ein PRISMA-Diagramm als „Best Practice“. Es ist der eleganteste Weg, um die Sorgfalt Ihrer Recherche zu beweisen und Ihre methodische Kompetenz zu unterstreichen.

Worin liegt der große Unterschied zwischen PRISMA 2009 und 2020?

Der Teufel steckt hier im Detail – genauer gesagt, im Grad der geforderten Transparenz. Die PRISMA 2020-Version verlangt eine deutlich detailliertere Dokumentation Ihres Vorgehens, vor allem während des Screenings.

Eines der wichtigsten Updates ist die neue Struktur. Sie trennt nun klar zwischen Studien, die nur qualitativ ausgewertet werden, und jenen, die in eine quantitative Synthese (also eine Meta-Analyse) einfließen. Zudem müssen Sie jetzt explizit angeben, ob und wie viele Studien Sie über andere Wege als die reine Datenbanksuche gefunden haben.

Gibt es eine offizielle deutsche Übersetzung der Begriffe?

Nein, eine offizielle, vom PRISMA-Gremium abgesegnete deutsche Version der Begriffe existiert nicht. Das ist aber kein Grund zur Sorge. In der deutschen Forschungs-Community hat sich über die Jahre ein stabiler Konsens für die wichtigsten Bezeichnungen etabliert.

Die Begriffe, die wir auch in diesem Leitfaden verwenden – wie „Identifizierung“, „Screening“ und „Eignungsprüfung“ – sind dieser De-facto-Standard. Sie können sie bedenkenlos verwenden, da sie allgemein verstanden und akzeptiert werden.

Darf ich das Layout des Diagramms anpassen?

Ja, aber gehen Sie dabei mit Bedacht vor. Die Kernstruktur des Diagramms mit seinen vier Phasen und dem logischen Ablauf von oben nach unten ist unantastbar. Daran dürfen Sie nichts ändern, sonst ist die Konformität nicht mehr gegeben.

Kleinere, sinnvolle Ergänzungen sind aber erlaubt und sogar gern gesehen. Ein gängiges und von Gutachtern geschätztes Beispiel ist, direkt im Feld der Identifizierung die Namen der durchsuchten Datenbanken und die jeweilige Trefferzahl aufzulisten. Das schafft sofort zusätzliche Klarheit und Transparenz.

---

Wollen Sie Ihren Recherche- und Schreibprozess beschleunigen und sicherstellen, dass Ihr nächstes prisma flow chart deutsch methodisch wasserdicht ist? KalemiFlow kann Sie mit KI-gestützter Quellensuche und Zitationsmanagement dabei unterstützen. Entdecken Sie jetzt, wie KalemiFlow Ihre wissenschaftliche Arbeit vereinfachen kann.