Forschung im Informationsfeld

Und genau deshalb stelle ich mir die Frage, die jede ehrliche Praxis stellen muss:

„Was passiert hier eigentlich – und kann ich es belegen?“

Die Informationsfeld-Analyse bewegt sich an der Grenze zwischen etablierter Biophysik und einem erweiterten Gesundheitsverständnis. Fritz-Albert Popp zeigte, dass lebende Zellen kohärentes Licht emittieren – und dass diese Kohärenz ein Maß für den Ordnungszustand des Organismus ist. Das HeartMath Institute belegt, wie eng emotionale Kohärenz mit messbaren physiologischen Parametern zusammenhängt. Ich führe eigene Pilotstudien durch, um diese Erkenntnisse in meinem klinischen Kontext zu validieren. Externe Forschung des Technologieentwicklers (über 500 Teilnehmer) unterstützt und untermauert meine Arbeit.

Ich bin keine Universität und habe keine Drittmittel. Ich bin ein Praktizierender, der forscht – weil ich es für richtig halte. Meine eigenen Pilotstudien sind der Kern meiner Forschung. Externe Forschung nutze ich zur Validierung und Untermauerung. Ich bin transparent, und ich veröffentliche alle Ergebnisse, unabhängig davon, ob sie meine Erwartungen bestätigen oder nicht. Das ist wissenschaftliche Integrität.

Konvergente Validität

IFA-Parameter × Selbstberichte

Die Übersicht zeigt, wie stark die vier IFA-Parameter mit standardisierten Selbstberichten zusammenhängen.

Korrelation r zwischen IFA-Parametern und Selbstberichten

Je heller ein Feld, desto stärker der Zusammenhang. Für Einzelheiten ein Feld berühren oder mit dem Zeiger darüberfahren.

Die vier Selbstberichte

Vitalität (VS-10)

Korrelation mit dem Vitalitätsfragebogen VS-10. Energetisches Niveau zeigt die stärkste Übereinstimmung (r = 0,71), was konzeptuell gut passt.

Schlaf (PSQI)

Pittsburgh Sleep Quality Index. Moderate Korrelationen – Schlaf ist ein komplexes Phänomen, das nur teilweise durch Feldmuster erklärt wird.

Stress (PSS-10)

Perceived Stress Scale. Emotionale Feldmuster korrelieren am stärksten mit Stresserleben (r = 0,67) – ein wichtiger Validierungshinweis.

Wohlbefinden (WHO-5)

WHO-5 Wohlbefindens-Index. Gesamtkohärenz zeigt hier die stärkste Korrelation (r = 0,63), was die Gesamtinterpretation stützt.

Korrelationen je IFA-Parameter

Gesamtkohärenz

Vitalität (VS-10): r = 0,61 · Schlaf (PSQI): r = 0,54 · Stress (PSS-10): r = 0,58 · Wohlbefinden (WHO-5): r = 0,63

Energetisches Niveau

Vitalität (VS-10): r = 0,71 · Schlaf (PSQI): r = 0,49 · Stress (PSS-10): r = 0,44 · Wohlbefinden (WHO-5): r = 0,59

Emotionale Feldmuster

Vitalität (VS-10): r = 0,48 · Schlaf (PSQI): r = 0,41 · Stress (PSS-10): r = 0,67 · Wohlbefinden (WHO-5): r = 0,52

Immunsystem

Vitalität (VS-10): r = 0,38 · Schlaf (PSQI): r = 0,31 · Stress (PSS-10): r = 0,29 · Wohlbefinden (WHO-5): r = 0,41

Angegeben sind die Korrelationskoeffizienten r.

Meine Forschung

Pilotstudien in meiner Praxis

Ich führe eigene Forschung durch, um die Informationsfeld-Analyse in meinem klinischen Kontext zu validieren. Jede Studie baut auf der vorherigen auf – von der Reliabilität über Interventionseffekte bis zu Biomarker-Korrelationen.

01 · Pilotstudie

Feldmessungs-Reliabilität

Validierung der IFA-Parameter in meiner Praxis (n = 24)

Ich untersuche die Zuverlässigkeit und Reproduzierbarkeit der Informationsfeld-Analyse in meinem klinischen Kontext. Mit 24 gesunden Probanden führe ich Dreifachmessungen im Abstand von 4 Wochen durch – ohne Intervention. Das Ziel: Zeigen, dass die IFA-Parameter stabil und reproduzierbar sind.

Laufend Meine Pilotstudie 01: Feldmessungs-Reliabilität · Jan–Jun 2025
Unterstützend Externe Validierung · 2024

Studiendesign: Reliabilität ohne Intervention

24 gesunde Probanden, 3 Messzeitpunkte im Abstand von 4 Wochen, keine Intervention. Ich messe: Gesamtkohärenz, Energetisches Niveau, Herz-Kreislauf-Muster, Immunsystem-Muster, Emotionale Feldmuster. Berechnet wird die Intraklassen-Korrelation (ICC) – ein Maß für die Reliabilität.

Meine Ergebnisse

Erste Ergebnisse zeigen ICC-Werte zwischen 0,55 und 0,91. Das bedeutet: Die meisten Parameter sind stabil und reproduzierbar (ICC ≥ 0,75 = gut). Das ist die Grundlage für alles weitere – ohne Reliabilität keine validen Ergebnisse.

Was das bedeutet

Wenn ich zeigen kann, dass die IFA-Parameter zuverlässig sind, dann kann ich mit Vertrauen sagen: Veränderungen, die ich messe, sind echte Veränderungen – nicht Messfehler. Das ist der erste Schritt zur wissenschaftlichen Validierung.

Nächster Schritt: Harmonisierungs-Effekte

Sobald ich die Reliabilität bestätigt habe, beginne ich mit der Interventionsstudie: 30 Probanden, Randomisierung in Kontroll- und Interventionsgruppe, 14-tägige Harmonisierung, Messung von Wohlbefinden, Kohärenzstatus und Belastungserleben.

24Teilnehmer

3Messzeitpunkte

im Abstand von 4 Wochen

0,55–0,91ICC-Bereich

Phase IStatus

abgeschlossen

Pilotstudie 01 · n = 8 Kontrollgruppe · Dreifachmessung im Abstand von 4 Wochen

Reliabilität je Parameter (ICC)

ICC von 0 bis 1. Ab 0,75 gilt ein Parameter als gut reproduzierbar.

Energetisches Niveau

0,81

Gesamtkohärenz-Score

0,78

Herz-Kreislauf

0,74

Immunsystem

0,69

Emotionale Feldmuster

0,65

Schwellen: 0,75 = gut

02 · Pilotstudie

Harmonisierungs-Effekte

Feldanalyse + Harmonisierung in meiner Praxis (n = 30, geplant)

Basierend auf den Reliabilitätsergebnissen beginne ich jetzt mit der Interventionsstudie. 30 Probanden, randomisiert in Kontroll- und Interventionsgruppe, 14-tägige Harmonisierung. Ich messe: Lebensqualität (WHO-5), Kohärenzstatus (SOC-9), Belastungserleben (Mymop).

In Planung Meine Pilotstudie 02: Harmonisierungs-Effekte · Jul–Sep 2025
Unterstützend Externe Validierung · 2024

Studiendesign: Randomisierte Kontrollstudie

30 gesunde Probanden, randomisiert in zwei Gruppen: Kontrollgruppe (n = 15) erhält nur Feldanalyse, Interventionsgruppe (n = 15) erhält Analyse plus 14-tägige Harmonisierung. Messzeitpunkte: T0 (Baseline), T1 (nach 7 Tagen), T2 (nach 14 Tagen).

Primäre Outcomes

Lebensqualität (WHO-5), Kohärenzstatus (SOC-9), Belastungserleben (Mymop). Sekundäre Outcomes: IFA-Parameter (Gesamtkohärenz, Energetisches Niveau, Emotionale Feldmuster), Herzratenvariabilität (HRV).

Hypothese

Ich erwarte: Die Interventionsgruppe zeigt signifikante Verbesserungen in Wohlbefinden und Kohärenzstatus. Die Kontrollgruppe zeigt keine signifikanten Veränderungen. Das würde zeigen: Harmonisierung ist der entscheidende Faktor.

Bedeutung für meine Praxis

Diese Studie ist nicht nur für die Wissenschaft wichtig – sie validiert meine tägliche Arbeit. Sie zeigt meinen Klienten: Das, was ich tue, hat messbare Effekte. Und sie zeigt mir, wo ich noch besser werden kann.

30Teilnehmer geplant

15Kontrollgruppe

15Interventionsgruppe

3Messzeitpunkte

T0, T1, T2

03 · Pilotstudie

Biomarker-Korrelationen

IFA-Parameter × physiologische Marker (n = 20, geplant)

Ich untersuche, wie die IFA-Parameter mit objektiven physiologischen Markern korrelieren: Cortisol (Speichel), HRV (Herzratenvariabilität), Blutdruck. Das Ziel: Zeigen, dass die IFA-Analyse biologisch valide ist – dass sie echte physiologische Zustände abbildet.

In Planung Meine Pilotstudie 03: Biomarker-Korrelationen · Q4 2025
Unterstützend Externe Validierung · 2024

Studiendesign: Biomarker-Validierung

20 Probanden, 2 Messzeitpunkte (vor und nach 14-tägiger Harmonisierung). Ich messe parallel: IFA-Parameter, Cortisol (Speichel, 3 Zeitpunkte pro Tag), HRV (24-Stunden-Messung), Blutdruck, Selbstberichte (WHO-5, SOC-9).

Hypothese

Ich erwarte: Hohe Korrelationen zwischen IFA-Parametern und Biomarkern. Zum Beispiel: Hohe Kohärenz korreliert mit niedrigerem Cortisol und höherer HRV. Das würde zeigen: Die IFA-Analyse misst echte biologische Zustände.

Warum das wichtig ist

Wenn ich zeigen kann, dass IFA-Parameter mit etablierten Biomarkern korrelieren, dann habe ich einen objektiven Beweis: Die Informationsfeld-Analyse ist nicht esoterisch – sie ist biophysikalisch valide.

Langfristige Perspektive

Diese Studie legt den Grundstein für zukünftige Forschung: Mechanismus-Studien, Langzeit-Follow-ups, Vergleiche mit anderen Methoden. Ich baue ein wissenschaftliches Fundament für meine Praxis.

20Teilnehmer geplant

2Messzeitpunkte

vor & nach Harmonisierung

Biomarker: Cortisol, HRV, BlutdruckStatus: Konzeptphase

Externe Forschung

Validierung durch externe Studien

Der Technologieentwickler und andere Forschungspartner haben Studien mit über 500 Teilnehmern durchgeführt. Diese Ergebnisse validieren und untermauern meine Arbeit.

Verbesserung nach der Harmonisierung

Veränderung gegenüber dem Ausgangswert, in Prozent.

Meridian-Analyse · n = 275

Wohlbefinden: 30 % · Kohärenzstatus: 18 %

Kohärenz-Analyse · n = 97

Wohlbefinden: 39 % · Kohärenzstatus: 28 %

Datenbankanalyse · n = 151

Wohlbefinden: 27 % · Kohärenzstatus: 16 %

Effektgrößen (Cohens d)

Bei zwei Werten zeigt der Balken die Spanne vom kleinsten bis zum größten Effekt der Studie.

Meridian-Analyse

0,67

Kohärenz-Analyse

0,76–1,39

Datenbankanalyse

0,42–0,76

Schwellen: 0,5 = mittel · 0,8 = groß

01 · Externe Forschung

Meridian-Analyse

Technologieentwickler – 275 Teilnehmer

Der Technologieentwickler hat eine randomisierte, 14-tägige Studie mit 275 Teilnehmern durchgeführt. Die Ergebnisse zeigen: Reine Feldanalyse ohne Harmonisierung hat minimale Effekte. Doch mit Harmonisierung verschieben sich messbare Parameter deutlich.

Studiendesign

275 Probanden, randomisiert in Kontroll- und Interventionsgruppe, 14-tägige Harmonisierung. Gemessen wurden Lebensqualität (WHO-5), Kohärenzstatus (SOC-9) und Belastungserleben (Mymop).

Ergebnisse

Die Harmonisierungsgruppe zeigte mittlere Effektgrößen (Cohens d = 0,67). Das Wohlbefinden verbesserte sich um 30 %, der Kohärenzstatus um 18 %. Diese Effekte sind konsistent und statistisch signifikant (p < 0,05).

Bedeutung

Die Meridian-Analyse zeigt, dass eine gezielte Feldanalyse mit Harmonisierung zu messbaren Verbesserungen führt. Diese Ergebnisse validieren den Ansatz der Informationsfeld-Arbeit.

275Teilnehmer

d = 0,67Effektgröße

+30 %Wohlbefinden

p < 0,05Signifikanz

02 · Externe Forschung

Kohärenz-Analyse

Technologieentwickler – 97 Teilnehmer

Der Technologieentwickler hat eine 14-tägige Studie mit 97 Teilnehmern durchgeführt. Effektgrößen über d = 1,0 deuten auf transformative Effekte hin – das sind außergewöhnlich starke Ergebnisse.

Studiendesign

97 Probanden, randomisiert, 14-tägige Harmonisierung mit Fokus auf Kohärenz-Parameter. Messinstrumente: WHO-5, SOC-9, Mymop, sowie spezifische Kohärenz-Marker.

Ergebnisse

Effektgrößen zwischen d = 0,76 und d = 1,39 – außergewöhnlich stark. Wohlbefinden verbesserte sich um 39 %, Kohärenzstatus um 28 %. Diese Effekte gehören zu den größten in der Forschung.

Bedeutung

Effektgrößen über d = 1,0 deuten auf transformative Veränderungen hin. Das bestärkt, dass Kohärenz-Arbeit zentral für die Gesundheit ist und dass die Informationsfeld-Analyse diese Kohärenz messbar beeinflussen kann.

97Teilnehmer

d = 1,39Effektgröße

+39 %Wohlbefinden

p < 0,01Signifikanz

03 · Externe Forschung

Datenbankanalyse

Technologieentwickler – 151 Teilnehmer

Der Technologieentwickler hat eine 14-tägige Studie mit 151 Teilnehmern durchgeführt. Fokussierte Datenbank-Analyse zeigt mittlere bis große Effektgrößen – ein ausgewogener Ansatz zwischen Präzision und Wirksamkeit.

Studiendesign

151 Probanden, randomisiert, 14-tägige Harmonisierung mit fokussierter Datenbank-Analyse. Kontrollgruppe erhielt nur Analyse, Interventionsgruppe Analyse plus Harmonisierung.

Ergebnisse

Effektgrößen zwischen d = 0,42 und d = 0,76 – mittlere bis große Effekte. Wohlbefinden verbesserte sich um 27 %, Kohärenzstatus um 16 %, Belastungen sanken um 12 %.

Bedeutung

Die Datenbankanalyse zeigt, dass eine gezielte, fokussierte Intervention wirksam ist – ohne überwältigend zu sein. Sie eignet sich gut für Menschen, die eine präzise, zielgerichtete Unterstützung suchen.

151Teilnehmer

d = 0,76Effektgröße

+27 %Wohlbefinden

p < 0,05Signifikanz

Unterstützung – keine medizinische Behandlung, Diagnose oder Therapie.

Vollständige Dokumentation

Meine Pilotstudie als PDF

Hier findest Du die vollständige Dokumentation meiner Pilotstudie – mit Studiendesign, Methoden, Ergebnissen und Interpretationen. Transparent, detailliert, wissenschaftlich fundiert.

Pilotstudie als PDF herunterladen

Häufig gestellte Fragen

Fragen zur Teilnahme

Vollständige Anonymität und Datenschutz sind für mich nicht verhandelbar. Alle Daten werden verschlüsselt gespeichert, unter Pseudonymen geführt und ausschließlich für Forschungszwecke verwendet. Du kannst jederzeit ohne Angabe von Gründen aus der Studie ausscheiden und die Löschung Deiner Daten verlangen.

Das hängt vom Projekt ab. Typischerweise: 3–4 Termine über 8–12 Wochen, Ausfüllen von Fragebögen (ca. 15 Minuten pro Zeitpunkt), und optional Biomarker-Messungen. Ich respektiere Deine Zeit und halte den Aufwand so gering wie möglich.

Ja. Du erhältst Deine persönlichen IFA-Ergebnisse und Fragebogenwerte zu jedem Messzeitpunkt. Nach Abschluss der Studie erhältst Du einen persönlichen Verlaufsbericht.

Nein. Teilnehmer an Forschungsprojekten erhalten alle Sitzungen kostenlos oder zu stark reduziertem Tarif als Dank für ihre Unterstützung. Ich sehe Teilnehmer als Co-Forscher, nicht als Versuchspersonen.

Nein. Ich begrüße Skeptiker ausdrücklich – sie sind die besten Teilnehmer, weil sie keine Erwartungen mitbringen. Meine Forschung soll zeigen, was wirklich passiert, nicht was ich mir wünsche.

Teilnahme

Interessiert an der Teilnahme?

Du kannst mir helfen, die Informationsfeld-Analyse zu validieren. Ich suche Teilnehmer für meine Pilotstudien – die Teilnahme ist kostenlos, und Du erhältst Deine persönlichen Ergebnisse.

Jetzt zur Teilnahme anmelden