Zeit- & Datenmanagement

Zeitmanagement mit Studium, Examen und PJ

Eine besondere Herausforderung für Medizinstudierende ist das Zeitmanagement: Die Doktorarbeit läuft häufig parallel zu Studium, Prüfungen und Praktischem Jahr. Auch PhD-Studierende müssen ihre Forschung sinnvoll über mehrere Jahre verteilen und ggf. Lehrverpflichtungen oder Kurse einplanen. In diesem Abschnitt lernst du, realistisch einzuschätzen, wieviel Zeit du neben deinen anderen Verpflichtungen hast, und wie du diese Zeit optimal nutzt. Wir behandeln Strategien, um während großer Prüfungsphasen die Promotion pausieren (und danach wieder einsteigen) zu können, und geben Tipps, wie du im stressigen PJ die Arbeit an der Doktorarbeit aufrecht erhältst. Außerdem gehen wir auf Optionen wie Freisemester oder Urlaubssemester ein, also Phasen, in denen du dich voll auf die Forschung konzentrieren kannst, und wie du mit deinen persönlichen Ressourcen (Energie, Motivation) nachhaltig haushaltest.

Realistische Selbsteinschätzung

Der erste Schritt zu effektivem Zeitmanagement ist eine ehrliche Bestandsaufnahme: Wie viel Zeit pro Woche kannst du deiner Doktorarbeit realistisch widmen? Dabei neigen viele zu Beginn zu einer optimistischen Überschätzung. Vielleicht denkst du, neben dem Studium locker jeden Abend 2-3 Stunden forschen zu können, in der Realität kommen aber Ermüdung, andere Verpflichtungen oder einfach mal Freizeit dazwischen.

Mach dir daher bewusst den Unterschied zwischen einer optimistischen Planung und einer realistischen Planung. Optimistisch wäre: “Ich schaffe 15 Stunden die Woche für die Doktorarbeit”. Realistisch könnte sein: “Unter der Woche vielleicht 2 Abende à 2 Stunden und am Wochenende 4 Stunden, also gesamt ~8-10 Stunden”. Es ist wichtig, eine Stundenzahl zu finden, die du dauerhaft durchhalten kannst, ohne auszubrennen oder andere Bereiche deines Lebens zu vernachlässigen.

Schau dir deinen Stundenplan und Alltag genau an und identifiziere freie Zeitfenster. Bedenke auch, dass in einigen Wochen plötzlich andere Dinge Priorität haben (Klausuren, Famulaturen, private Ereignisse). Eine ehrliche Selbsteinschätzung könnte z.B. ergeben, dass während des Semesters nur ~5 Stunden/Woche übrig sind, in der vorlesungsfreien Zeit dagegen 20 Stunden/Woche möglich wären.

Überlege auch, wann du persönlich am produktivsten bist. Bist du ein Frühaufsteher, der morgens vor der Uni am besten schreibt? Oder eher abends, wenn alles andere erledigt ist? Diese Hoch- und Tiefphasen (tages- und jahreszeitlich, z.B. im Sommer mehr Energie, im Winter weniger) solltest du in deine Planung einfließen lassen.

Zeitblöcke & Rhythmen

Um die knappe Zeit effizient zu nutzen, hat es sich bewährt, feste Zeitblöcke für die Doktorarbeit einzuplanen und einen persönlichen Arbeitsrhythmus zu entwickeln. Zwei Ebenen sind dabei wichtig: die Mikro-Struktur (Tage/Wochen) und die Makro-Struktur (Monate/Jahre).

Mikrostruktur (im Wochenplan): Reserviere dir feste Doktorarbeits-Blöcke in deinem Wochenkalender. Zum Beispiel könntest du dir vornehmen: Mittwoch Nachmittag von 14-18 Uhr ist immer für die Doktorarbeit geblockt, ebenso Samstag Vormittag von 9-12 Uhr. Diese Zeiten behandelst du wie Vorlesungen oder Dienst, als verbindliche Termine mit dir selbst. In diesen Blöcken arbeitest du fokussiert an deinem Projekt (ohne Ablenkung durch andere Studienfächer oder Freizeitaktivitäten). Zusätzlich kannst du kleine Zeitfenster nutzen: Wartezeiten, Zugfahrten, Leerlauf zwischen Veranstaltungen, solche Lücken eignen sich z.B. zum Literaturlesen oder Notizen sortieren. Wichtig ist, dass du eine Routine entwickelst. Wenn du weißt “Mittwochnachmittag ist immer Doktorarbeitszeit”, fällt es leichter, sich mental darauf einzustellen und auch Freunde/Familie respektieren eher, dass du da „verplant“ bist.

Makrostruktur (im Jahresverlauf): Betrachte auch größere Abschnitte. Es kann Phasen geben, in denen du intensiver an der Doktorarbeit arbeitest, und andere, in denen sie bewusst in den Hintergrund tritt. Zum Beispiel könntest du dir während der Semesterferien oder in einem Freisemester eine Promotions-Intensivphase einrichten, wo du 4-8 Wochen nahezu Vollzeit an der Dissertation arbeitest (um z.B. einen großen Datensatz zu analysieren oder einen Manuskriptentwurf zu schreiben). Solche Sprints können das Projekt massiv voranbringen. Auf der anderen Seite gibt es „Low-Doc“-Phasen, in denen die Doktorarbeit kaum Zeit bekommt, etwa unmittelbar vor dem Physikum/Staatsexamen oder in einem sehr fordernden PJ-Tertial. Diese Phasen darfst (und sollst) du dir erlauben, ohne schlechtes Gewissen. Entscheidend ist, dass du sie einplanst: Wenn klar ist, dass im August/September wegen Examensvorbereitung nichts an der Diss passiert, kannst du davor und danach entsprechend mehr einplanen und Vorkehrungen treffen (siehe nächster Abschnitt zum Wiedereinstieg).

Ein regelmäßiger Wechsel aus moderatem Grundrauschen (ein paar Stunden pro Woche, damit das Projekt lebendig bleibt) und punktuellen Intensivphasen hat sich für viele bewährt. So bleibt die Doktorarbeit präsent, aber sie überfordert nicht dauerhaft. Jeder hat da einen eigenen Rhythmus, finde den, der zu deinem Studium und Lebensstil passt.

Umgang mit großen Prüfungsetappen

Medizinstudium und PhD-Programme sind gespickt mit Prüfungen und wichtigen Etappen (Physikum, Staatsexamen, OSCE, Verteidigungen etc.), die deine volle Aufmerksamkeit fordern. In solchen Zeiten ist es nahezu unmöglich, und meistens auch nicht ratsam, nebenbei intensiv an der Doktorarbeit zu arbeiten. Plane deshalb im Vorfeld ein, wann du bewusst Pausen in der Doktorarbeit einlegen wirst, um dich auf große Prüfungen zu konzentrieren.

Typische Meilensteine im Medizinstudium sind etwa: das Physikum (1. Abschnitt der Ärztlichen Prüfung), das schriftliche und mündliche Staatsexamen (2. Abschnitt), eventuell OSCEs oder andere klinisch-praktische Prüfungen, und natürlich der Beginn des PJ. Diese Ereignisse kann man schon lange im Voraus terminlich absehen. Überlege dir für jeden dieser Blöcke:

Pause einlegen: Wie lange vorher musst du realistisch voll fürs Examen lernen? Vielleicht planst du z.B. ein, zwei Monate vor dem Staatsexamen die Doktorarbeit vollständig ruhen zu lassen. Das nimmt Druck von beiden Seiten, du kannst dich aufs Examen konzentrieren, ohne im Hinterkopf das schlechte Gewissen wegen der Diss zu haben. Genauso könntest du sagen: „Im gesamten ersten PJ-Tertial mache ich außer vielleicht Literatur lesen nichts an der Doktorarbeit.“ Solche klaren Pausen kommunizierst du am besten auch deiner Betreuung frühzeitig, damit die Erwartungen gemanagt sind.

Wiedereinstieg vorbereiten: Sorge dafür, dass die Doktorarbeit nach der Pause nicht in Vergessenheit gerät oder der Wiedereinstieg unnötig schwer wird. Konkret heißt das: Dokumentiere den aktuellen Stand, bevor du in die Prüfungspause gehst. Erstelle eine kurze To-do-Liste oder ein Memo: Was war als Nächstes zu tun? Wo hast du aufgehört? Welche Ideen hattest du zuletzt? Diese Notizen liegen bereit, wenn du wieder anfängst. Viele kleben sich auch einen Zettel an den Bildschirm wie: “Weiter bei: Tabelle 3 auswerten” oder schreiben eine E-Mail an sich selbst mit dem Stand. So musst du nach der Prüfung nicht alles erneut durchdenken, sondern knüpfst direkt an.

Minimal-Kontakt halten (optional): Wenn die Pause sehr lang ist (etwa mehrere Monate PJ), kann es helfen, minimal in Kontakt zu bleiben, z.B. einmal im Monat einen Tag die Diss anschreiben oder ein Paper lesen, nur um gedanklich nicht völlig rauszufallen. Aber das ist Typsache: Manche fahren besser damit, konsequent nichts zu tun und sich komplett zu erholen, andere bleiben lieber “im Thema”. Wichtig: mach dir keinen Druck, in Lernphasen Großes an der Promotion zu reißen. Wenn du kleine Lücken fürs Projekt findest und es dir guttut, okay, aber es ist absolut legitim, in dieser Zeit Priorität woanders zu setzen.

Mit einer solchen Herangehensweise kannst du dich voll auf große Prüfungen fokussieren und danach wieder motiviert in die Forschung einsteigen, ohne dass deine Doktorarbeit darunter dauerhaft leidet.

Die Doktorarbeit im PJ

Das Praktische Jahr (PJ) ist vermutlich die intensivste Phase des Medizinstudiums, 40+ Stunden Woche im Klinikum, Schichtdienst, Nacht- und Wochenenddienste, Lernen für die mündliche Prüfung nebenher. Viele fragen sich: Kann ich während des PJ überhaupt an meiner Doktorarbeit weiterarbeiten? Die Antwort lautet: Ja, aber mit stark angezogener Handbremse und guter Planung.

Spezielle Herausforderungen im PJ: Deine Zeit- und Energiereserven sind im PJ begrenzt. Nach einem vollen Tag in der Klinik (ggf. plus Bereitschaft) abends noch datenanalysieren oder schreiben, das erfordert enorme Willenskraft und klappt oft nicht regelmäßig. Auch sind die Wochen im PJ durch Rotationspläne fremdbestimmt; du kannst dir deine Arbeitszeiten kaum flexibel einteilen.

Strategien, um trotzdem dranzubleiben:

Priorisiere “leichte” Aufgaben: Wähle für die PJ-Zeit solche Promotionsaufgaben, die sich in kleinen Häppchen nebenher erledigen lassen und nicht höchste Frustrationstoleranz erfordern. Beispielsweise eignet sich die PJ-Zeit gut, um Literatur zu lesen und Zusammenfassungen zu schreiben, Quellen für die Diss zu ordnen oder vielleicht Teile der Einführung/Methodik auszuformulieren. Dinge also, die du auch mal in 30 Minuten Ruhe erledigen kannst und bei denen es nicht schlimm ist, wenn du müde bist. Weniger geeignet sind hochkonzentrierte Analysen oder das Lösen kniffliger Programmierprobleme, solche Brocken verschiebst du besser auf nach PJ.

Kommuniziere mit der Betreuung: Sprich offen mit deinerm Betreuerin über das PJ und wie viel (oder wenig) du in dieser Phase schaffen kannst. Viele Betreuerinnen kennen die Herausforderungen des PJ und haben Verständnis, solange sie informiert sind. Legt gemeinsam realistische Etappenziele* fest: z.B. “Bis PJ-Ende möchte ich zumindest die Literaturübersicht geschrieben haben.” So bleibt ein Mindestfortschritt drin, ohne dich zu überlasten.

Nutze freie Tage geschickt: Im PJ bekommst du Urlaubstage, manche nutzen einen Teil davon gezielt für die Doktorarbeit (z.B. einen langen Wochenendblock zum Daten auswerten). Auch zwischen Tertialwechseln gibt es manchmal freie Tage. Diese Gelegenheiten kannst du bündeln, um z.B. einen intensiven Schreib- oder Analysetag einzulegen. Wichtig aber: Vergiss nicht, auch echte Erholung einzuplanen! Nicht jeder freie Tag sollte der Doktorarbeit gehören, sonst riskierst du Erschöpfung.

Anpassen statt Aufgeben: Wenn du merkst, im PJ geht wirklich gar nichts voran (und das kann passieren, weil das PJ dich voll vereinnahmt), verzweifle nicht. Das ist einigermaßen normal. Dein Projekt ist ein Langstreckenlauf, wenn es 3-4 Monate quasi auf Eis liegt, ist das kein Beinbruch, solange du danach den Faden wieder aufnimmst. Plane den Wiedereinstieg nach dem PJ bewusst: vielleicht einen Urlaub direkt nach Examen, den du teilweise fürs Projekt nutzt, oder ein anschließendes Freisemester.

Freisemester / Urlaubssemester / Vollzeitphasen

Manche entscheiden sich, für die Doktorarbeit eine Auszeit vom Studium zu nehmen oder die Studiendauer zu strecken. Ein solches Freisemester (auch Urlaubssemester genannt) kannst du offiziell bei deiner Universität beantragen, oft mit Begründung “Forschungsvorhaben”. Alternativ wählen einige eine Teilzeit-Studienoption oder hängen nach dem Examen eine Vollzeit-Forschungsphase an. Was bedeuten diese Optionen, und was sind die Vor- und Nachteile?

Möglichkeiten: Ein Freisemester bedeutet, du bleibst immatrikuliert, nimmst aber in diesem Semester nicht regulär am Studienbetrieb teil, sondern widmest dich z.B. voll deiner Doktorarbeit. Einige Unis erlauben sogar zwei aufeinanderfolgende Freisemester für die Promotion. Eine andere Variante ist, das Studium bewusst zu verlängern, indem du pro Semester weniger Kurse machst (so eine Art Teilzeit-Promotion parallel zum Teilzeit-Studium). Oder du legst direkt nach dem 2. Staatsexamen (vor Beginn des PJ) eine Forschungsphase ein, manche machen ein „Gap Year“ nur für die Doktorarbeit, bevor sie ins PJ starten.

Vorteile: Der größte Pluspunkt ist natürlich die zusätzliche Zeit und Fokus für die Dissertation. In einem Freisemester kannst du quasi wie ein PhD-Student täglich 6-8 Stunden an deinem Projekt arbeiten. Das beschleunigt die Fertigstellung enorm und ermöglicht oft eine tiefere Einarbeitung. Viele schaffen in einem Vollzeit-Forschungssemester das, wofür sie nebenher 2-3 Jahre bräuchten. Zudem musst du in dieser Zeit nicht jonglieren zwischen Uni-Kursen und Forschung, du kannst dich voll auf eins konzentrieren, was die Qualität der Arbeit steigern kann. Ein weiterer Vorteil: Du bekommst einen Eindruck von vollzeitiger wissenschaftlicher Arbeit, was für manche (die Richtung Forschung Karriere überlegen) wertvolle Erfahrung ist.

Nachteile: Ein Freisemester wirft dich im Studiums-Zeitplan zurück. Du verlierst also formal ein Semester (bzw. absolvierst später). Das kann finanziell relevant sein: BAföG-Empfängerinnen erhalten oft kein BAföG im Urlaubssemester für Promotion (da du nicht “studierst”), und jedes zusätzliche Semester ohne BAföG oder Gehalt muss finanziert werden. Auch stipendiäre Förderung ist nicht immer selbstverständlich, manche Stipendien decken solche Forschungssemester, andere nicht. Zudem kann ein Urlaubssemester Auswirkungen auf deine Krankenversicherung oder andere Vergünstigungen haben (weil du eventuell als Vollzeit-Student zählst, aber keine Veranstaltungen besuchst, hier unbedingt bei Krankenkasse und Amt erfragen). Ein weiterer Nachteil: So ein intensives Forschungssemester kann auch Druck erzeugen, du „opferst“ dieses halbe Jahr einzig der Promotion, da möchtest du natürlich greifbare Ergebnisse sehen. Das kann mental belasten, wenn es mal nicht so läuft wie erhofft. Schließlich bist du in dieser Zeit von deinen Kommilitoninnen getrennt; der soziale Anschluss im Studium kann etwas leiden, wenn du ein Jahr aussetzt.

Formale Aspekte: Informiere dich frühzeitig über die Regularien deiner Uni. Meist muss ein Urlaubssemester beantragt und genehmigt werden, es kann bestimmte Fristen geben. Lass dir schriftlich bestätigen, dass es für Promotionszwecke erlaubt ist (die meisten Unis erkennen das an). Klär mit dem Prüfungsamt, wie sich das auf deine Studienleistungen auswirkt, du darfst in Urlaubssemestern oft keine Prüfungen ablegen, teilweise aber Scheine nachholen. Checke die Versicherungsstatus: in der studentischen Krankenversicherung bleibst du idR, aber melde dich bei der Kasse. Und plane die Finanzierung: Kannst du ggf. Stipendien erhalten für die Forschungszeit? Manche Förderwerke oder Unis bieten spezielle Doktorandenstipendien an, die genau so was abfedern. Oder musst du eventuell jobben nebenher, wenn BAföG wegfällt?

Vor- und Nachteil abwägen: Ein Freisemester kann ein sinnvolles Investment sein, wenn du dadurch deine Promotion deutlich verkürzen oder qualitativ verbessern kannst. Viele berichten, dass sie in einem Vollzeit-Forschungsblock enorm vorangekommen sind. Andererseits haben auch viele ohne Freisemester ihren Doktor gut geschafft, man darf den Aufwand nicht unterschätzen, aber es geht. Frage dich: Brauche ich diese Auszeit wirklich, um fertigzuwerden? und Will ich den “Break” im Studienfluss in Kauf nehmen? Das hängt auch vom Projekt ab: Ein zeitkritisches Laborprojekt, das kontinuierlich Betreuung braucht, profitiert vielleicht von 3 Monaten Vollzeit. Ein rein statistisches Projekt, das man flexibel nebenher machen kann, erfordert evtl. kein Urlaubssemester.

Kurzum: Ein Freisemester oder Vollzeitphase kann ein Boost für deine Promotion sein, will aber gut überlegt und organisiert sein. Es ist eine persönliche Entscheidung, die von deinen Umständen abhängt, und beides (mit oder ohne) ist legitim.

Persönliches Ressourcenmanagement

Zeitmanagement ist nicht nur Planen von Stunden und Tagen, es geht auch um den Umgang mit deinen persönlichen Ressourcen: Energie, Konzentration, Motivation. Gerade in einer Promotionsphase parallel zum Studium brauchst du einen langen Atem. Hier einige Aspekte des persönlichen Ressourcenmanagements:

Energie-Management: Achte darauf, wann du am leistungsfähigsten bist und plane wichtige Aufgaben in diese Zeitfenster. Bist du z.B. morgens geistig am frischesten, dann nutze vielleicht den frühen Vormittag am Wochenende für anspruchsvolle Doktorarbeitsaufgaben (Datenanalyse, Schreiben komplexer Texte). Bist du eher Abendmensch, plane deine Schreibsessions auf den Abend. Es bringt wenig, sich um 22 Uhr an Statistik zu setzen, wenn man um diese Zeit keinen klaren Gedanken mehr fassen kann, dann vielleicht lieber morgens eine Stunde eher aufstehen. Hör auf deine körperlichen und mentalen Hochphasen im Tages- und Wochenrhythmus.

Pausen & Erholung: Plan dich selbst als “Ressource” nicht zu knapp ein. Dauerstress ohne Erholungsphasen führt zu langfristiger Erschöpfung oder sogar Burnout (siehe dazu auch Kapitel 10 zu psychischer Gesundheit). Gönn dir regelmäßige Pausen, kurze Pausen während Arbeitstagen (mal ’nen Spaziergang nach 2 Stunden Schreiben) ebenso wie längere Auszeiten. Wenn du z.B. eine harte Prüfungsphase hattest, nimm dir ein paar Tage frei, bevor du die Diss wieder voll angehst. Und scheue dich nicht, mal ein Wochenende komplett nichts für die Doktorarbeit (und Uni) zu tun. Die Welt geht nicht unter, aber du kommst am Montag erfrischt zurück. Erholung ist keine verlorene Zeit, sondern notwendige Zeit, um deine Leistungsfähigkeit zu erhalten.

Abgrenzung & Nein-Sagen: Neben Studium und Promotion gibt es oft noch andere Anforderungen: Hiwi-Job, Familie, Ehrenamt, Hobbies… Du wirst nicht alles gleichzeitig mit voller Intensität betreiben können. Es ist völlig in Ordnung, und manchmal unerlässlich: „Nein“ zu sagen, wenn zusätzliche Verpflichtungen an dich herangetragen werden. Beispiel: Ein Dozent fragt, ob du bei einem Forschungsprojekt helfen kannst, oder ob du eine zusätzliche Schicht in der Klinik übernimmst. Wenn du merkst, dass dein Pensum eigentlich schon am Anschlag ist, darfst du höflich ablehnen. Setze Prioritäten: In der Zeit, in der du promovierst und studierst, muss vielleicht das Vereinsleben oder andere Projekte etwas zurückstecken. Das heißt nicht, dass du egoistisch wirst, es ist Selbstschutz, um die Qualität deiner Arbeit und deine Gesundheit zu erhalten. Kommunikation hilft: Viele haben Verständnis, wenn du erklärst, dass du gerade an deiner Doktorarbeit arbeitest und deshalb weniger Kapazität hast.

Natürlich sollst du nicht alle sozialen Aktivitäten streichen, die geben ja auch Kraft. Aber finde ein gesundes Maß und hab kein schlechtes Gewissen, Grenzen zu setzen. In findest du dazu viele Tipps, wie man eigene Grenzen erkennt und durchsetzt, ohne sich zu verausgaben.

Zusammengefasst: Zeitmanagement = Selbstmanagement. Es geht nicht nur darum, Stunden zu verplanen, sondern auch darum, dich selbst bei Laune und Gesundheit zu halten. Nur wenn du deine Energie sinnvoll einteilst, behältst du langfristig Motivation und Durchhaltevermögen. Und genau das brauchst du, um neben dem ganzen Unistress die Doktorarbeit erfolgreich zu Ende zu bringen.

Im nächsten Kapitelteil wenden wir uns dem Thema Daten und Dokumentation zu, ein oft unterschätzter Aspekt, der aber enorm wichtig ist für den Projekterfolg.

Datenmanagement & Dokumentation

Eine alte Forscherweisheit lautet: „Was nicht dokumentiert ist, ist nicht gemacht.“ Gute Planung und kluge Zeiteinteilung alleine genügen nicht, du musst auch inhaltlich sauber arbeiten und alles Wesentliche festhalten. Datenmanagement und Dokumentation klingen vielleicht trocken, sind aber das Rückgrat wissenschaftlicher Arbeit. Ohne systematische Ablage, Versionskontrolle und Aufzeichnungen verlierst du schnell den Überblick, riskierst Datenverlust oder kannst am Ende nicht nachvollziehen, wie Ergebnisse zustande kamen.

In diesem Abschnitt geht es darum, wie du deine Daten organisierst, welche Aufzeichnungen du führen solltest (Laborbuch, Forschertagebuch), wie du saubere Datenbanken anlegst, Dateien versionierst und sicherst, und wie du sämtliche Analyse-Entscheidungen transparent dokumentierst. Ziel ist, dass du (und andere) auch Monate später noch genau verstehen, was du getan hast, und dass nichts Wichtiges verloren geht. Dieser Teil ist auch eng mit den Prinzipien der Guten wissenschaftlichen Praxis (siehe ) verzahnt: Sorgfalt, Transparenz und Nachvollziehbarkeit.

Grundprinzipien: „Was nicht dokumentiert ist, ist nicht gemacht“

Stell dir vor, du liest in deiner Dissertation oder in einem Paper einen Befund, könntest du anhand deiner Unterlagen jeden Schritt belegen, der zu diesem Befund geführt hat? Wenn die Antwort Nein ist, hast du ein Dokumentationsproblem. Zwei Kernprinzipien sollten dich leiten:

Nachvollziehbarkeit: Jede wichtige Entscheidung oder Handlung in deinem Projekt sollte so dokumentiert sein, dass jemand anders (oder du selbst in einem Jahr) es nachvollziehen kann. Hast du z.B. entschieden, bestimmte Patienten aus der Analyse auszuschließen, schreibe auf, warum (z.B. Ausschlusskriterium X erfüllt). Änderst du das Studiendesign, notiere, wann und weshalb. Kurz gesagt: Erzeuge eine Papier- bzw. Datenspur aller relevanten Weichenstellungen. Was dokumentiert ist, kannst du im Zweifel beweisen und begründen, was nur in deinem Kopf existiert, geht leicht verloren.

Reproduzierbarkeit: Im besten Falle schaffst du Strukturen, mit denen andere (und dein zukünftiges Ich) deine Ergebnisse reproduzieren können. Das heißt, alle Rohdaten, Skripte und Schritte sind so abgelegt, dass man theoretisch denselben Output nochmal erzeugen könnte. Das klingt ambitioniert, ist aber das Ziel wissenschaftlicher Arbeit. Dafür braucht es z.B. sauber aufbereitete Datensätze, beschriftete Auswertungsskripte und klare Dokumentation, welche Version von Daten/Code letztlich genutzt wurde. Reproduzierbarkeit ist Goldstandard, erreiche ihn so gut es geht. Selbst wenn niemand den kompletten Prozess nachspielt, hilft es dir enorm: Wenn z.B. ein Gutachter eine Zahl anzweifelt, kannst du rasch zeigen, wie sie berechnet wurde.

In der Praxis heißt das: Schreibe lieber zu viel auf als zu wenig. Viele Schritte, die dir im Moment selbstverständlich erscheinen, wirst du später nicht mehr aus dem Stegreif wissen. Es gibt das schöne Sprichwort: „Das schwächste Bleistift ist stärker als das stärkste Gedächtnis.“ Einfache Beispiele: Notiere, wann du welche Version eines Datensatzes erstellt hast. Notiere bei jeder Analyse, welche Datenbasis (Datum, Version) du verwendet hast. Halte Kommunikationsentscheidungen fest, etwa „Am 12.5. mit Betreuer besprochen: Wir erhöhen Fallzahl auf 100.“ Solche Logbucheinträge mögen pedantisch wirken, ersparen dir aber viel Kopfzerbrechen später.

Und noch etwas: Eine gute Dokumentation schützt dich auch vor unberechtigten Vorwürfen. Solltest du je in die Verlegenheit kommen, wissenschaftliches Fehlverhalten nachweisen zu müssen (z.B. jemand unterstellt, du hättest Daten erfunden), dann sind detaillierte Aufzeichnungen deine beste Verteidigung.

Laborbuch & Forschertagebuch

In vielen Bereichen ist es Standard, ein Laborbuch zu führen, also ein Tagebuch aller experimentellen Tätigkeiten. Aber auch wenn du nicht im Labor an Reagenzgläsern arbeitest, solltest du ein Forschertagebuch oder Projektjournal führen. Wofür und wie?

Arten von Aufzeichnungen:
– Das klassische Laborbuch ist oft ein gebundenes Buch (nummerierte Seiten, damit nichts entfernt werden kann), in das alle Versuche, Beobachtungen und Ergebnisse handschriftlich eingetragen werden. In Laborfächern (Biochemie, Physiologie etc.) ist das Pflicht. Es dient als offizieller Nachweis dessen, was du wann getan hast, zum Beispiel relevant, um Urheberschaft von Ergebnissen zu klären.
– Ein elektronisches Laborbuch / digitales Journal ist die moderne Variante. Das kann ein Word-Dokument, OneNote-Notizbuch, ein Wiki oder Spezialsoftware sein, in der du Einträge machst. Wichtig ist auch hier: chronologisch geordnete, datierte Einträge. Vorteil: Du kannst Screenshots, digitale Daten etc. leicht einfügen und es ist durchsuchbar. Manche Forschungsgruppen stellen ihren Doktoranden Tools wie ELN-Software zur Verfügung. Du kannst aber auch mit einfachen Mitteln (z.B. Ordner mit Tagebuch-Textdateien) arbeiten.

Inhalt: Was gehört in ein Forschertagebuch?
Grundregel: Schreibe jeden Tag auf, was du getan hast. Insbesondere: – Datum, Ort, Beteiligte: Jeder Eintrag beginnt mit Datum (und ggf. Ort, wenn relevant) und wer anwesend war (z.B. bei Meetings). Beispiel: „2025-05-14: Labor, mit T. Mayer (Laborbetreuer)“.
– Was wurde gemacht? Beschreibe den Versuch/Schritt/Aktivität. Z.B. “Maus Nr. 5-10 mit Dosis X behandelt. Beobachtung über 7 Tage.” Oder: “Datenbank: 20 neue Datensätze eingegeben.”
– Bedingungen/Parameter: Im Labor: Einstellungen von Geräten, verwendete Reagenzien (Chargennummern!), Umweltbedingungen. In der Datenerhebung: z.B. Befragung durchgeführt in Umgebung Y, besondere Vorkommnisse (Patient war nüchtern/nicht nüchtern etc.).
– Beobachtungen & Ergebnisse: Was kam dabei heraus? Labor: Messwerte, Farbumschläge, auffälliges Verhalten der Versuchstiere… Bei Daten: Wurden beim Eingeben Unstimmigkeiten entdeckt, etc. Alles, was dir auffällt, notieren!
– Probleme & Abweichungen: Trat etwas Unerwartetes auf? Gerät ausgefallen, Proband hat Fragebogen nicht vollständig ausgefüllt, etc. Dokumentiere das ehrlich. Auch “negatives” Ergebnis: “Test XY zeigte keine Reaktion” gehört rein.
– Ideen & To-dos: Oft kommen einem während der Arbeit Gedanken (“Sollte nächstes Mal Reagenz kühlen” oder “Könnte Ausreißer sein, später prüfen”). Schreib diese spontanen Eingebungen dazu, so vergisst du sie nicht.

All das muss keine literarische Schönheit sein, aber vollständig. Lieber zu viel Detail als zu wenig. Ein Außenstehender sollte zumindest grob verstehen können, was du gemacht hast.

Bedeutung und Nutzen: Ein gut geführtes Labor- oder Forschertagebuch ist Gold wert. Es ist zunächst ein Nachweis deiner wissenschaftlichen Sorgfalt, bei einer späteren Verteidigung könntest du zeigen: Hier, am 14.05. habe ich den kritischen Versuch durchgeführt, alles notiert. Viele Doktorand*innen merken erst beim Schreiben der Arbeit, wie hilfreich die Tagebuch-Einträge sind: Du kannst darin nachschauen, wann ein bestimmtes Problem auftrat oder wie genau die Versuchsdurchführung war, ohne dich auf dein Gedächtnis verlassen zu müssen.

Zweitens ermöglicht es Wiederholbarkeit: Wenn jemand den Versuch reproduzieren will, hat er in deinem Buch eine Step-by-Step-Chronik. Drittens hilft es dir bei der Dateninterpretation: Wenn z.B. ein Datenpunkt merkwürdig ausschlägt, schaust du ins Journal und findest “an dem Tag war Gerät defekt”, aha, das erklärt den Ausreißer.

Und nicht zuletzt: Es trainiert dich in systematischem Arbeiten. Die Disziplin, täglich Einträge zu machen, mag anfangs mühsam wirken, aber sie schärft deinen Blick für Details und Datenqualität.

Falls dein Projekt rein am Computer stattfindet (z.B. statistische Meta-Analyse), könntest du eine Art Arbeitslogfile führen, z.B. ein Word-Dokument, in das du jeden Tag deine Fortschritte und wichtigen Befehle/Ergebnisse reinkopierst mit Datum.

Egal wie, das Motto lautet: „Buch führen“ über dein Projekt, vom ersten bis zum letzten Tag. Es ist die Versicherung deiner Arbeit.

Datenbanken & Datenerfassung

Die meisten Doktorarbeiten sammeln irgendwo Daten, seien es Messwerte aus dem Labor, Patientencharakteristika, Umfrageantworten oder Interviewtranskripte. Entscheidend ist, wie du diese Daten erfasst und strukturierst. Ein Chaos an Zetteln oder zig Excel-Dateien wird dir das Leben später schwermachen. Besser: Von Anfang an ein sauberes Datenbanksystem aufsetzen.

Mögliche Strukturen:
– CRFs (Case Report Forms): Das sind strukturierte Erhebungsformulare, in die man Daten einträgt. Traditionell oft auf Papier (besonders in klinischen Studien: jedes Papierformular entspricht einem Patienten und enthält alle Items). Heute auch digital als eCRF. Wenn dein Projekt z.B. Patientenakten auswertet, könntest du dir einen CRF bauen, um pro Patient die relevanten Infos systematisch zu erfassen.
– Tabellen (Excel/CSV): Sehr verbreitet ist die Datenerfassung direkt in Tabellenform, z.B. mit Excel oder Google Sheets. Jede Zeile steht für einen Fall/Patienten, jede Spalte für eine Variable (Alter, Geschlecht, Messwert A, Messwert B, …). Das ist effektiv eine kleine Datenbank. CSV (Comma Separated Values) sind reine Texttabellen, auch gut geeignet und von Statistikprogrammen gut lesbar. Excel bietet etwas mehr Komfort (Formeln, Filter).
– Spezialisierte Tools / Datenbank-Software: Für umfangreichere oder kollaborative Projekte lohnt sich der Einsatz von Tools wie REDCap, SecuTrial, Access oder ähnlichen. REDCap z.B. ist ein web-basiertes System, speziell für Forschungsdaten, mit dem du Formulare erstellen, Daten eingeben und Exporte ziehen kannst. Viele Unis bieten REDCap kostenfrei an. Access ist eine relationale Datenbank (Teil von MS Office), damit kannst du auch Masken erstellen und komplexe Abfragen machen. Zudem gibt es Software, die für bestimmte Studienarten gedacht ist (z.B. OpenClinica für klinische Studien).

Welche Struktur du wählst, hängt von der Komplexität deines Projekts ab. Wenn du 50 Patienten und 10 Variablen hast, reicht eine gut gepflegte Excel-Liste aus. Hast du hunderte Datensätze, evtl. mit mehreren verbundenen Tabellen (z.B. Patient und zugehörige Messungen an mehreren Zeitpunkten), dann ist REDCap oder Access besser. Wichtig ist: Konsistenz und Klarheit.

Designprinzipien für deine Datenerfassung:
– Klare Variablennamen: Verwende sprechende, eindeutige Variablennamen. Statt “X1, X2” lieber “Alter”, “Geschlecht”, “Blutzuckerwert”. Falls nötig, füge Einheit oder Zeitpunkt im Namen an (z.B. “Blutzucker_nuechtern”, “Blutzucker_2h”). Vermeide Umlaute und Sonderzeichen in Rohdatennamen (nutze ae statt ä etc.), da das im Export/Import Probleme machen kann.
– Codebuch führen: Parallel zur Datenbank solltest du ein Codebuch anlegen. Darin steht für jede Variable: Was bedeutet sie genau? Welche Kodierungen wurden verwendet? Beispiel: Variable “Geschlecht”, 1 = männlich, 2 = weiblich, 3 = divers. Oder “Therapieerfolg”, definiert als Abfall des Biomarkers X um >20%. Notiere auch Einheiten (z.B. Gewicht in kg). Dieses Codebuch ist enorm hilfreich, wenn du Monate später analysierst oder Daten mit anderen teilst. Es kann ein einfaches Word-Dokument oder Excel-Liste sein. Trage auch Bereiche ein (erwartbare Werte), z.B. Alter 18-99 Jahre.
– Vermeidung von Freitext, wo es geht: Versuche, Daten standardisiert zu erfassen. Statt Freitext “ja, nein, weiß nicht” lieber Kategorien definieren: 0 = nein, 1 = ja, 2 = unbekannt. Das macht die Auswertung leichter. Natürlich gibt es Daten, die aus Freitext bestehen (Kommentare etc.), die kannst du dann separat halten. Aber für alle auswertbaren Items: strukturieren.
– Plausibilitätsprüfungen: Richte, wenn möglich, in deinem Erfassungssystem Validierungen ein. Z.B. dass in ein Feld “Alter” nur Werte zwischen 0 und 120 eingegeben werden können. Oder dass Datumsfelder kein Datum in der Zukunft akzeptieren für Geburtsdatum. In Excel kann man Gültigkeitsregeln definieren, in REDCap noch ausgefeiltere Checks. So fängst du Tippfehler sofort ab (z.B. versehentlich 333 Jahre eingetippt). Auch Prüflogik zwischen Feldern ist hilfreich: Wenn z.B. Geschlecht = männlich, dann Schwangerschaftsfeld ausblenden, solche Sachen.
– Doppelte Dateneingabe / Stichprobenkontrolle: Ein klassischer Qualitätsansatz ist die doppelte Dateneingabe: Zwei Personen tippen unabhängig voneinander dieselben Fragebögen ab, und dann wird verglichen, ob die Dateien übereinstimmen. Unterschiedliche Einträge signalisieren Tippfehler. Das macht man vor allem bei großen, wichtigen Studien. Bei kleineren Projekten kannst du wenigstens eine Stichprobe deiner Eingaben überprüfen (z.B. nimm 10% der Patienten, geh noch mal über die originalen Quellen und checke, ob deine Datenbank korrekt ist). Das hilft, Fehler oder Inkonsistenzen früh zu entdecken.

Wenn du diese Prinzipien beachtest, sparst du dir später Unmengen an Ärger in der Analysephase. Nichts ist schlimmer, als bei der Auswertung festzustellen, dass Variablennamen unklar oder inkonsistent sind (z.B. “BP” mal als Blutdruck, mal als BezugsPerson?) oder dass etliche Tippfehler drin sind.

Noch ein Tipp: Teste deine Erfassungsstruktur früh mit ein paar Beispieldaten. Gib 2-3 fiktive Datensätze ein und versuch, sie zu exportieren und in dein Statistikprogramm zu laden. So merkst du schnell, ob irgendwas unpraktisch angelegt ist (z.B. Text statt Zahl, Komma vs. Punkt als Dezimaltrenner etc.) und kannst es anpassen, bevor du 100 echte Datensätze eingegeben hast.

Versionierung & Dateistruktur

Wahrscheinlich wirst du im Laufe des Projekts eine wahre Flut an Dateien produzieren: Rohdaten, bereinigte Daten, Analyse-Skripte, Ergebnis-Tabellen, Entwürfe deines Textes, Präsentationen, Bilder, etc. Ohne ein Ordnungssystem findest du dich bald nicht mehr zurecht. Hier zwei zentrale Punkte: eine konsistente Ordnerstruktur und eine durchdachte Versionierung deiner Dateien.

Ordnerstruktur: Überlege dir ein sinnvolles Ordnersystem, das deinem Projekt entspricht. Ein mögliches Top-Level-Schema könnte sein: – 01_Projektplanung (für Exposé, Protokoll, Ethikantrag, Gantt-Chart etc.) – 02_Daten_Roh (für unveränderte Originaldaten, z.B. exportierte CSVs, Rohfragebögen) – 03_Daten_Bereingt (für bereinigte/aufbereitete Datensätze, z.B. mit Labels, Ausreißer entfernt) – 04_Analyse_Skripte (für alle Programme, Syntax-Dateien, Jupyter Notebooks etc.) – 05_Ergebnisse (Output der Analysen: Tabellen, Grafiken, Zwischenergebnisse) – 06_Text (alle Textdokumente: Paper-Entwürfe, Dissertation-Kapitel, etc.) – 07_Literatur (PDFs der Papers, Zotero-Library exports, etc., falls nicht extern verwaltet) – 08_Protokolle_Kommunikation (Meeting-Protokolle, E-Mail-Notizen usw.)

Das ist nur ein Beispiel, passe es an dein Projekt an. Wichtig ist: Trenne Rohdaten von bearbeiteten Daten. Rohdaten sollten niemals überschrieben werden. Wenn du Änderungen vornimmst (z.B. offensichtliche Tippfehler korrigierst, neue Variablen berechnest), speichere das als neue Datei in Daten_Bereinigt. So bleibt das Original unverändert für alle Fälle erhalten. Ähnlich könntest du auch unterschiedliche Analyse-Versionen ablegen (z.B. einen Ordner für explorative Analysen, einen für finale Analysen). Halte die Struktur eher simpel und flach, zu tief geschachtelte Ordner verliert man auch aus dem Blick.

Versionierung: Kaum eine Datei entsteht in endgültiger Form. Meist hast du zig Zwischenversionen, vor allem bei Texten (Dissertationskapitel, Paper-Manuskripte) aber auch bei Präsentationen oder Auswertungsskripten. Um hier den Überblick zu behalten, verwende konsequent sinnvolle Dateinamen mit Versionshinweisen oder Datum. Schlechte Beispiele kennen wir alle: “Auswertung_final.docx” gefolgt von “Auswertung_final_final.docx” und dann “wirklich_final_endgueltig.docx”. Besser: – Nutze Datumsstempel im Dateinamen: z.B. Doktorarbeit_Einleitung_2025-06-01.docx (ISO-Format JJJJ-MM-TT sortiert sich auch chronologisch richtig). – Oder Versionnummern: Paper_Analysis_v1.0.do, …v1.1.do etc. Du kannst z.B. bei jeder größeren Änderung v+0.1 machen, bei Submission v1.0, bei Revision v2.0 usw. – Halte die “finale” Version erkennbar: z.B. Paper_X_Submitted_2025-08-30.docx dann Paper_X_Revised_2026-01-10.docx.

Entscheidend: Dokumentiere, was jeweils final ist. Vermeide das Wort “final” im Dateinamen, sondern beschreibe den Zustand. Denn was final schien, wird oft doch nochmal geändert. Also lieber “v1.0 (Abgabe an Betreuer).docx”, “v2.0 (eingereicht).docx” etc.

Gerade wenn du im Team arbeitest und Dateien hin- und herschickst, achte auf Versionsmanagement: Führt jeder seine eigenen Dateinamen, entsteht Chaos. Besser, einer verwaltet den Master (z.B. du) und integriert Änderungen von anderen in einer Datei.

Optional: Versionskontrollsysteme: Für Textdokumente in Word ist man oft auf manuelles Versionieren angewiesen. Aber für Code und Skripte kannst du auch professionelle Werkzeuge nutzen, dazu mehr in . Git ermöglicht es, Änderungen nachzuverfolgen, ohne ständig neue Dateien zu erstellen. Wenn du programmierst (z.B. in R, Python oder auch SPSS-Syntax), denk über Git nach. Wenn nicht, bleib bei disziplinierter Dateibenennung.

Richte vielleicht eine README.txt in den Hauptordner, wo du kurz erklärst, welche Struktur und Benennung du verwendest. Das hilft jedem, der später auf deine Ordner schaut (auch dir nach längerer Pause). Und last but not least: Backup deine Ordnerstruktur regelmäßig (siehe nächster Abschnitt), damit die schöne Ordnung nicht durch einen Festplattencrash zunichte wird.

Backups & Zugriffsrechte

Die beste Datensammlung nützt nichts, wenn sie verloren geht. Leider passieren Datenverluste häufiger als man denkt, ob durch technischen Defekt, Diebstahl oder versehentliches Löschen. Deshalb ist ein robustes Backup-System unverzichtbar. Gleichzeitig musst du auch an den Schutz sensibler Daten denken: Wer darf eigentlich Zugriff auf welche Daten haben? Hierzu ein paar Leitlinien.

Backup-Strategie, die 3-2-1-Regel: Ein bewährtes Prinzip für Datensicherung lautet 3-2-1: – 3 Kopien deiner wichtigen Daten, – auf 2 verschiedenen Medien, – davon 1 Kopie off-site (räumlich getrennt).

Für deine Doktorarbeit könnte das konkret heißen: Du hast die Daten auf deinem Laptop (Kopie 1, Medium 1), zusätzlich auf einer externen Festplatte oder USB-Stick (Kopie 2, Medium 2), und eine weitere Kopie in der Cloud oder auf einem Uni-Laufwerk (Kopie 3, und da das physikalisch woanders liegt = off-site). Damit bist du gegen die meisten Katastrophen gewappnet. Wenn z.B. dein Laptop kaputtgeht oder geklaut wird, hast du noch die Festplatte und die Cloud. Wenn die Wohnung abbrennt (Laptop + Festplatte zerstört), hast du immer noch die Cloud.

Turnus: Mach Backups regelmäßig! Optimal wäre: nach jedem Arbeitstag, an dem wesentliche Änderungen entstanden sind, einmal backupen. Praktikabel: mindestens wöchentlich. Es gibt Tools, die das automatisiert machen können. Oder du kopierst manuell die geänderten Ordner auf das Backup-Medium. Wichtig: Teste hin und wieder, ob die Backups auch lesbar sind. Es kommt vor, dass man zwar sichert, aber die Dateien dann korrupt sind, das fällt erst im Notfall auf. Daher ruhig alle paar Wochen eine Datei aus dem Backup öffnen zur Kontrolle.

Ort & Medium: Möglichkeiten für Backups: – Lokaler Rechner + externe Festplatte: Viele speichern primär auf dem Laptop/PC und sichern auf eine USB-Festplatte. Achte darauf, diese Festplatte sicher und möglichst getrennt aufzubewahren (nicht dauerhaft neben dem Laptop in der Tasche, sonst gehen im Verlustfall beide gleichzeitig flöten). Und verschlüssele sensible Daten auf der externen, falls sie abhandenkommt.
– Uni-Server oder Klinik-Netzlaufwerk: Ideal, wenn verfügbar. Viele Institute bieten Netzlaufwerke an, die zentral gesichert werden. Wenn du deine Daten dort lagerst, übernimmt die IT oft das Backup für dich (trotzdem Vorsicht, erkundige dich nach deren Backup-Policy). Vorteil: meist gut geschützt und regelmäßig gesichert. Nachteil: Zugriff evtl. nur innerhalb des Uninetzes oder per VPN.
– Cloud-Lösungen: Hier ist Vorsicht geboten mit Blick auf Datenschutz! Verwende nach Möglichkeit sichere, institutionelle Cloud-Dienste. Einige Unis haben eigene Nextcloud-Instanzen oder bieten OneDrive/SharePoint in datenschutzkonformer Umgebung. Diese kannst du für nicht-hochsensible Daten nutzen. Nicht verwenden solltest du für Patientendaten: ungesicherte Clouds wie Dropbox, Google Drive o.ä., sofern keine spezielle Vereinbarung existiert. Persönliche Notizen oder Code können dort liegen, aber sobald es um echte personenbezogene Forschungsdaten geht, tabu (es sei denn, du verschlüsselst die Daten vor dem Upload).
– Andere Medien: DVDs, Bänder oder USB-Sticks sind heute weniger üblich, aber können zusätzliche Sicherungen sein. USB-Sticks nur, wenn verschlüsselt, da leicht zu verlieren.

Zugriffsrechte & Datenschutz: Überlege dir, wer auf welche Daten Zugriff haben soll oder darf. Ein paar Grundsätze: – Patientendaten nur auf sicheren Systemen: Wenn deine Arbeit patientenbezogene Daten umfasst (mit Personenbezug), dann dürfen diese nicht auf ungesicherten privaten Geräten oder Clouds herumliegen. Optimal ist, sie bleiben auf Klinik-/Institutsservern, und du greifst via VPN darauf zu. Wenn du sie lokal verarbeiten musst, sorge zumindest für Verschlüsselung (z.B. Festplattenverschlüsselung, TrueCrypt/VeraCrypt-Container für die Daten). Kläre mit deinem Datenschutzbeauftragten, was erlaubt ist. Oft gibt es Vorgaben in der Klinik/Uni.
– Zugriff intern regeln: Soll z.B. eine statistischer Beraterin die Daten bekommen? Dann pseudonymisiere sie vorher, sofern möglich (Entfernen von Namen, Geburtsdaten etc., siehe ). Stimme dich ab, ob alle Teammitglieder die vollständigen Daten sehen dürfen oder ob z.B. nur du und der Betreuer komplette Rohdaten haben und andere nur Auszüge. Wer externe Hilfskräfte (z.B. für Dateneingabe) einbindet, sollte Vertraulichkeitserklärungen vorbereiten.
– Keine personenbezogenen Daten in unsicheren Kanälen: Das heißt, versende keine Patientenlisten per unverschlüsselter E-Mail, speichere sie nicht in deiner privaten Dropbox und nimm sie nicht ungeschützt auf dem USB-Stick mit nach Hause. Schon mehrfach gingen so brisante Daten verloren. Nutze lieber vom Institut gestellte Lösungen.
– Passwortschutz:* Trivial, aber wichtig: Schütze wichtige Dateien/Ordner mit Passwörtern, zumindest wenn sie gesammelt irgendwo liegen. Manche Statistikformate (SPSS .sav etc.) kann man mit Passwort versehen, Excel/Word bietet Verschlüsselung an. Das hält zwar Top-Hacker nicht ab, aber schützt vor Gelegenheitseinblicken.

Klare Kommunikation mit der Betreuung darüber ist sinnvoll: Frag nach, wo du Daten speichern sollst/darfst. Manchmal gibt es auch zentrale Repositorien für Forschungsdaten.

Worst Case Vorsorge: Überlege dir auch, was passiert, wenn du mal kurzfristig nicht verfügbar bist (Krankheit o.ä.) und jemand anders ans Projekt muss. Wenn alle Daten und Auswertungen ordentlich gesichert und dokumentiert sind, kann im Notfall ein Teammitglied übernehmen oder zumindest den Stand nachvollziehen. Das wünscht man sich nicht, aber es ist Teil verantwortlicher Forschung, das Projekt nicht an eine Person (dich) zu ketten.

Dokumentation von Analyseentscheidungen

Angenommen, du hast deine Daten erfolgreich erhoben und sitzt nun an der Auswertung. Hier triffst du unweigerlich viele Entscheidungen: Welche Fälle nehme ich in die Analyse? Wie definiere ich variable X genau? Welchen statistischen Test wähle ich? Wie gehe ich mit fehlenden Werten um? Diese Entscheidungen beeinflussen die Ergebnisse, und müssen daher festgehalten werden. Sonst weiß am Ende keiner (auch du nicht mehr), wie genau die Ergebnisse zustande kamen.

Worauf solltest du bei der Dokumentation der Auswertung achten?

Auswahl der Variablen: Wenn du aus einem großen Datensatz eine Auswahl triffst (z.B. du hattest 50 Variablen erhoben, aber fokussierst deine Analyse auf 10 davon), notiere, welche Variablen final analysiert wurden und warum. Vielleicht hast du einige weggelassen, weil sie zu viele Missing Values hatten oder nicht relevant waren, schreib das auf.

Transformationen und Berechnungen: Häufig werden Rohdaten weiterverarbeitet, z.B. aus Größe und Gewicht den BMI berechnet, Laborwerte log-transformiert, Scores aus Einzelitems berechnet. Halte fest, welche Berechnungsschritte du vorgenommen hast und nach welcher Formel/Regel. Am besten dokumentierst du das direkt im Analyseskript (z.B. Kommentar: # BMI = Gewicht(kg)/Größe(m)^2). Falls du etwas manuell in Excel berechnet hast, beschreibe es in einem separaten Protokoll (noch besser: vermeide manuelle Berechnungen, lieber reproduzierbare Skripte).

Filter & Ausschlusskriterien: Schreib detailliert auf, welche Datenpunkte ausgeschlossen wurden. Beispiel: “Habe 3 Probanden ausgeschlossen: ID 23 (Widerrief Einwilligung), ID 47 (>50% Daten fehlend), ID 89 (Ausschlusskriterium diagnostiziert nach Aufnahme)”. Auch welche Kriterien du generell angelegt hast (“Es wurden alle Fälle ausgeschlossen, die weniger als 10 Antworten hatten” etc.). So kannst du jederzeit erklären, warum deine finale Fallzahl geringer ist als die ursprünglich erhobene.

Änderungen am ursprünglichen Analyseplan: Wenn du am Anfang einen Plan hattest (“ich vergleiche Gruppe A vs B bzgl. Outcome Y mittels t-Test”) und dann während der Analyse feststellst, dass ein anderer Ansatz nötig ist (vielleicht nonparametrischer Test, weil Verteilung schief; oder zusätzliche Stratifizierung), dann dokumentiere diese Abweichung vom Plan. Zum Beispiel: “Ursprünglich geplanter t-Test durch Mann-Whitney-Test ersetzt, da keine Normalverteilung (p<0.001 Shapiro-Wilk).” Solche Notizen zeigen später, dass du reflektiert vorgegangen bist und nicht einfach planlos ausgewertet hast. Falls du eine Präregistrierung der Analyse hattest (bei experimentellen Arbeiten manchmal der Fall), ist die Dokumentation von Abweichungen sogar notwendig, um Transparenz herzustellen.

Verknüpfung mit Text: Denke daran, dass all diese Entscheidungen letztlich in den Methoden- und Resultatteil deiner Dissertation bzw. Publikation einfließen (sollten). Was du dokumentierst, dient also direkt als Basis, um im Methodenteil zu schreiben: “Drei Probanden wurden ausgeschlossen aufgrund … Die Variable XY wurde dichotomisiert (<5 vs ≥5) um … Die Analyse erfolgte mittels Mann-Whitney-U-Test, da die Verteilung nicht normal war.” etc. Wenn du während der Analysephase fleißig mitschreibst, fällt dir das Schreiben hinterher leicht, du musst quasi nur deine Notizen in Fließtext gießen.

Wie am besten dokumentieren? Kommentiere deinen Code, das ist bei Statistik-Skripten die beste Methode, weil es direkt an Ort und Stelle ist. Bei Klick-Software (SPSS ohne Syntax, Excel-Auswertungen) mach zumindest eine schriftliche Notiz parallel (z.B. in dein Forschertagebuch oder ein extra Doku-Dokument). Manche erstellen auch eine Art “Analyseprotokoll”: eine Word-Datei, in der in chronologischer Reihenfolge alle Analyseschritte mit Datum notiert sind, und referenzieren darin Outputs (z.B. “siehe output_Tabelle3.png”).

Ein Spezialfall ist, wenn du iterative Analysen machst und immer wieder etwas änderst. Hier droht Verwirrung, was der letzte Stand ist. Um dem vorzubeugen, kannst du Zwischenstände versionieren (vgl. 4.3.4) oder, eleganter, mit Branches in Git arbeiten (siehe 4.7.3), was aber fortgeschritten ist. Zumindest: Behalte nur eine finale Analysedatei, die genau dem entspricht, was du berichtest. Alte Versuche archiviere, aber arbeite klar auf eine Endversion hin.

Abschließend: Sei lieber zu gründlich in der Dokumentation deiner Analyse als zu lax. Es schützt dich auch hier vor Vorwürfen des sog. p-Hackings oder der Datenmassage, wenn sauber ersichtlich ist, welche Analysen geplant waren und wie du gegebenenfalls umgeplant hast. Und es hilft dir immens beim Schreiben der Ergebnisse: Dein zukünftiges Ich wird dankbar sein, wenn es genau sieht, was es getan hat.

Damit haben wir den Bogen von der Datenerhebung bis zur Datenanalyse geschlossen, immer mit dem Fokus auf guter Organisation und Nachvollziehbarkeit. Im nächsten Abschnitt geht es um die Menschen hinter dem Projekt: Teamarbeit und Rollen.