Claude Code als Forschungsassistent
Dieses Projekt wurde vollständig mit Claude Code als KI-Entwicklungspartner erstellt — von der iOS-App über das Konzeptpapier bis zur Studienauswertung. Dieses Kapitel dokumentiert den Workflow und soll anderen Klinikern ermöglichen, ähnliche Projekte aufzusetzen.
Zwei Arbeitsmodi
Modus 1: App-Entwicklung
Claude Code agiert als Full-Stack iOS-Entwickler mit Zugriff auf das Xcode-Projekt:
| Aufgabe | Claude-Code-Workflow |
|---|---|
| Feature implementieren | Bestehenden Code lesen → Plan erstellen → Code schreiben → Testen |
| Bug fixen | Error-Message analysieren → Ursache finden → Fix implementieren |
| UI gestalten | SwiftUI-Views erstellen, Preview-Screenshots prüfen |
HealthKit-Integration |
API-Dokumentation kennen, Berechtigungen konfigurieren |
REDCap-Sync |
REST-API-Calls implementieren, Offline-Queue bauen |
Beispiel-Prompt:
Implementiere einen Symptom-Score-Eingabebildschirm mit 6 Items
(Übelkeit, Kopfschmerz, Müdigkeit, Verwirrtheit, Muskelkrämpfe,
Wohlbefinden-VAS). Gewichtung gemäß Algorithmus-Spezifikation.
Speichere in SwiftData als SymptomEntry.Modus 2: Forschungsdokumente
Claude Code agiert als wissenschaftlicher Assistent für Literaturrecherche, Dokumentenerstellung und Datenanalyse:
| Aufgabe | Claude-Code-Workflow |
|---|---|
| Literaturrecherche | PubMed durchsuchen, Paper zusammenfassen, Lücken identifizieren |
| Konzeptpapier schreiben | Quarto-Kapitel erstellen, Graphviz-Diagramme, Tabellen |
| Studienprotokoll | ICH-GCP-Anforderungen prüfen, fehlende Abschnitte ergänzen |
| SAP erstellen | Hypothesen formalisieren, Analysepopulationen definieren |
| Datenanalyse | Python-Code für Plotly-Charts, ROC-Analysen, Korrelationen |
| Bibliographie pflegen | DOIs verifizieren, refs.bib korrigieren, fehlende Paper ergänzen |
| Präsentation | Reveal.js-Slides erstellen und formatieren |
Beispiel-Prompt:
Prüfe die refs.bib auf falsche DOIs. Suche auf PubMed nach
aktuellen Papers (2024-2026) zu "delayed hyponatremia pituitary
surgery" und ergänze fehlende Referenzen.CLAUDE.md — Projektinstruktionen
Im Repo-Root liegt eine CLAUDE.md-Datei, die Claude Code bei jedem Start automatisch liest. Sie enthält projektspezifische Instruktionen:
- Verzeichnisstruktur und Konventionen
- Medizinische Fachbegriffe und Abkürzungen
- Quarto-spezifische Regeln (Bildpfade, Zitierformat)
- Bibliographie-Workflow (Zotero → refs.bib →
[@Key]) - Deploy-Workflow (Render → Netlify)
- Codekonventionen (SwiftUI,
SwiftData, Naming)
Workflow für andere Kliniker
Voraussetzungen
- Claude Code installieren (CLI)
- GitHub-Account mit Repository
- Grundlegende Terminalkentnisse (cd, git push)
Schritt-für-Schritt
# 1. Repository klonen
git clone https://github.com/NilsHempel/HyponaTrack-Project.git
cd HyponaTrack-Project
# 2. Claude Code starten
claude
# 3. Erste Aufgabe: Anpassung an eigene Studie
> "Passe das Konzeptpapier an meine Studie an:
> Thema: [eigenes Thema]
> Population: [eigene Population]
> Monitoring-Parameter: [eigene Parameter]"Was Claude Code besonders gut kann
- Systematische Literaturrecherche — PubMed-Suche, Paper-Zusammenfassungen, Evidenztabellen
- Dokumentenstruktur — ICH-GCP-konforme Protokolle, DSGVO-Dokumente, Patienteninformationen
- Datenvisualisierung — Interaktive Plotly-Charts, Graphviz-Diagramme
- Code-Refactoring — SwiftUI-Views optimieren, Architektur verbessern
- Quellenkritik — DOIs verifizieren, Widersprüche finden, fehlende Studien identifizieren
Grenzen
- Kein Ersatz für klinisches Urteil — Claude kennt keine Patienten und trifft keine medizinischen Entscheidungen
- Halluzinationsrisiko — Zitate und Fakten immer verifizieren (DOIs prüfen!)
- Kein Zugang zu Patientendaten — Nur synthetische/anonymisierte Daten verwenden
- Keine regulatorische Autorität — MDR-Einordnung, Ethikvotum und DSGVO-Bewertung durch Fachpersonal
Warum Claude Code — und wie weiter
Akademische Workflows mit Claude Code
Dieses Projekt demonstriert, wie Claude Code als Forschungsassistent eingesetzt werden kann. Ein vergleichbarer — und noch weiter ausgebauter — Ansatz findet sich im Workflow-Guide von Pedro Sant’Anna, einem Ökonometriker, der Claude Code systematisch für akademische Arbeit nutzt:
- Multi-Agent-Review — Mehrere Claude-Instanzen prüfen gegenseitig Ergebnisse
- Quality Gates — Automatisierte Qualitätsprüfungen vor jedem Commit
- Replication Protocols — Reproduzierbare Forschung durch standardisierte Pipelines
- CLAUDE.md als Projektgedächtnis — Persistente Instruktionen über Sessions hinweg
Dass dieser Ansatz skaliert, zeigt eine Stanford-Studie von Xu & Yang (2026): Eine KI-gestützte Pipeline erreichte 100 % Reproduzierbarkeit über 92 Papers (215 Spezifikationen), mit unter vier Minuten pro Paper.
Weiterführende Ressourcen
| Ressource | Fokus |
|---|---|
| Sant’Anna Workflow-Guide | Akademischer Multi-Agent-Workflow, LaTeX/Beamer + R |
| Claude Code Docs | Offizielle Dokumentation, Common Workflows |
| Claude Code Ultimate Guide | Umfassende Community-Dokumentation |
| Claude Code Best Practices | Praxiserprobte Empfehlungen |
KI-Forschungstools und Konnektoren
Claude Code ist ein Werkzeug unter vielen. Für die systematische Literaturrecherche und Evidenzbewertung gibt es spezialisierte Plattformen, die sich teilweise als MCP-Server direkt in Claude Code einbinden lassen.
Übersicht
| Tool | Stärke | Kosten | MCP-Integration |
|---|---|---|---|
| Elicit | Systematische Reviews, 138M Papers, Screening, PRISMA | Free / Plus / Pro | – |
| Scite.ai | Smart Citations (Support / Contrast / Mention) | ab 12 $/Mo | – |
| Consensus | Konsens-Scoring über Studien, GPT-gestützt | Free / 10 $/Mo | – |
| Semantic Scholar | Offene API, Citation-Graph, Paper-Empfehlungen | Kostenlos | verfügbar |
| Research Rabbit | Visuelle Paper-Entdeckung, Sammlungen | Kostenlos | – |
| Connected Papers | Graphbasierte Paper-Exploration | Free / Plus | – |
| PubMed / NCBI | Biomedizinische Referenzdatenbank | Kostenlos | in diesem Projekt eingebunden |
Empfohlener Kombinationsworkflow
- Forschungsfrage definieren → Claude Code formuliert Suchstrategien
- Breite Suche → Elicit (systematisch) + Consensus (Konsens prüfen)
- Zitationskontext → Scite.ai prüft, ob Ergebnisse gestützt oder widerlegt werden
- Verwandte Arbeiten → Research Rabbit / Connected Papers entdecken Cluster
- Detailrecherche → PubMed (via MCP in Claude Code) für Volltexte und Metadaten
- Synthese → Claude Code erstellt Evidenztabellen, identifiziert Lücken, schreibt Abschnitte
MCP-Integration
Das Model Context Protocol (MCP) erlaubt es, externe Datenquellen direkt in Claude Code einzubinden. In diesem Projekt ist PubMed als MCP-Server konfiguriert — Claude kann damit direkt Papers suchen, Metadaten abrufen und Volltexte lesen, ohne den Browser zu öffnen.
Weitere MCP-Server für Forschung sind in Entwicklung (Semantic Scholar, Zotero). Die Integration erfolgt über die settings.json von Claude Code:
{
"mcpServers": {
"pubmed": {
"command": "npx",
"args": ["-y", "@anthropic/pubmed-mcp-server"]
}
}
}Vorgeschlagene Claude Code Skills
Basierend auf den Workflows in diesem Projekt könnten folgende Skills für die breitere Nutzung verpackt werden:
Skill 1: clinical-study-setup
Trigger: “Hilf mir eine klinische Studie aufzusetzen” / “Erstelle ein Studienprotokoll”
Funktionalität:
- ICH-GCP-konformes Studienprotokoll generieren (Synopsis → Vollversion)
- SAP-Skeleton mit H0/H1, Fallzahlbegründung, Analysepopulationen
- DMP mit Datenvalidierungsregeln und Database-Lock-Prozedur
- SAE-Meldeverfahren mit Fristen und Abbruchkriterien
- DSGVO-Dokumente (DSFA, Verarbeitungsverzeichnis, Patienteninfo)
- Ethikantrag-Checkliste
Skill 2: quarto-medical-paper
Trigger: “Erstelle ein medizinisches Quarto-Dokument” / “Schreibe ein Konzeptpapier”
Funktionalität:
- Quarto-Book-Projekt mit medizinischer Kapitelstruktur initialisieren
- Zotero-Integration konfigurieren (refs.bib, CSL-Style)
- Graphviz-Diagramme für Studiendesign, Patientenfluss, Algorithmen
- Plotly-basierte Evidenzbewertungen und Vergleichstabellen
- Literaturrecherche (PubMed) und automatische Referenzierung
- GitHub Pages / Netlify Deployment
Skill 3: ios-health-app
Trigger: “Erstelle eine Gesundheits-App” / “HealthKit-Integration”
Funktionalität:
- SwiftUI-App-Skeleton mit
HealthKit,ResearchKit,CareKit SwiftData-Modelle für Patientendaten- Eskalationslogik (Ampelsystem) konfigurierbar
REDCap-Sync-Service mit Offline-Queue- Apple Watch Companion-App
- Widget + Live Activity
Skill 4: study-data-analysis
Trigger: “Werte Studiendaten aus” / “Erstelle eine Auswertungspipeline”
Funktionalität:
- Quarto-Notebooks mit interaktiven Plotly-Charts
- Demodaten-Generator (realistisch, mit Compliance-Profilen)
- ROC-Analysen, Korrelationsmatrizen, Kaplan-Meier
- Deskriptive Statistik, Subgruppenanalysen
- Compliance-Tracking und Adherence-Visualisierung
- Export als HTML-Website mit Passwortschutz