Wie die Supplement-Analyse funktioniert

Jeder veröffentlichte Inhaltsstoff-Hub wird an einem festen redaktionellen Rahmen gemessen. Gleiche Kategorien jedes Mal: Identität des Wirkstoffs und Evidenz-Fit, Dosierungsplausibilität, Claim-Realismus und (falls notiert) Kategorie-Wertkontext. Scores verdichten diese Inputs in vergleichbare Zahlen – sie ersetzen kein klinisches Urteil.

Decision engine, not sponsored reviews

We do not write mood reviews. We rank catalog SKUs with a fixed rubric: structured label reads, transparency signals, conservative safety checks, explicit value math where prices exist, and formula heuristics tied to published ingredient context. Compare pages, alternatives, and best lists exist so tradeoffs stay visible - commerce links never move scores.

How we rank products

Die Analyse startet vom deklarierten Wirkstoff (oder der Stoffklasse des Hubs), nicht von Markenstorytelling. Veröffentlichte Humanstudien und hochwertige Reviews wiegen schwerer als rein mechanistische Arbeit, Surrogat-only-Endpunkte oder Marketingmaterial.

Typische redaktionelle Klassen:

• Gestützt – vertretbare Übereinstimmung zwischen gängigen Nutzungs-Claims und Human-Outcomes unter Populations- und Dosisvorbehalten.
• Unterstützung schwach – mechanistisches oder vorläufiges Signal ohne proportionale Humanbestätigung für zirkulierende Claims.
• Nicht gestützt – laute Verbraucher-Claims bei dünnen oder fehlenden Humandaten auf dem behaupteten Sicherheitsniveau.

Etikett- und gängige Supplement-Dosen werden mit Bereichen verglichen, die in Studienzusammenfassungen und Referenzdiskussionen wiederkehren. Deutliche Unterdosierung relativ zu studierten Bereichen wird markiert, weil sie die Brücke zwischen Marketingversprechen und getesteten Mengen bricht.

Dosierungshinweise sind informativ; sie setzen keine persönliche Dosis. Nieren, Leber, Kinder und Polypharmazie brauchen professionelle Prüfung.

Öffentliche Claims – Shop, Influencer, Social-Aggregate – werden gegen gemessene Human-Endpunkte geprüft. Unrealistische Gewissheit, Krankheitsbehandlungs-Rahmen bei nur präventiver oder assoziativer Evidenz und Extrapolation auf fremde Populationen werden sichtbar.

Der veröffentlichte Hype-Score quantifiziert, wie weit populäre Narrative vor der Studienlage liegen. Höherer Hype heißt mehr Diskrepanz, nicht automatisch "schlechter Stoff".

Wo relevant, kann Kategorie- und Handelskontext genutzt werden, um Stoff-Verdienst von Regal-Taktiken zu trennen (z. B. proprietäre Mischungen, verschleierte Dosis, Premium ohne Zusatz-Evidenz). Diese Schicht bestimmt allein nicht Evidenz- oder Sicherheits-Scores.

Outbound-Händlerlinks, inklusive Affiliate-Beziehungen, beeinflussen keine numerischen Scores oder Urteilslabels.

Veröffentlichte Outputs kombinieren: Inhaltsstoff- und Claim-Evidenz, Dosierungsplausibilität (in der Evidenz-Erzählung), Sicherheitsspielraum und Hype-Lücke. Ein Gesamtscore (0–100) aggregiert diese Dimensionen mit fester interner Rubrik pro Hub. Er ist Sortier- und Orientierungsinstrument, keine persönliche Empfehlung.

Evidenz-Score – Stärke und Relevanz von Humandaten für die Leser-Endpunkte; Abwertung bei kleinen Studien, Heterogenität und übermäßiger Nicht-Replikation bei Industriesponsoring.

Sicherheits-Score – Verträglichkeit, dokumentierte Nebenwirkungsmuster, vulnerable Gruppen und Interaktionsrisiko in öffentlichen Quellen. Höher heißt weniger prominente Red flags in der redaktionellen Lesart – keine Garantie für Individuen.

Hype-Score – Größe der Marketing-zu-Studien-Diskrepanz; immer zusammen mit Evidenz lesen, nicht isoliert.

Labels verankern die Gesamtbandbreite und explizite Sicherheits-Gates. Sie sind keine Zertifizierung und kein individuelles Risiko-Urteil.

• Starke StudienlageHumanstudien und Reviews stützen übliche, vertretbare Anwendungen in der studierten Population; Marketing liegt meist weniger vor der Literatur.
• VielversprechendReales Signal, aber ungleichmäßig – kleinere Studien, engere Populationen oder mehr Branchenbeteiligung als für die Top-Band ideal.
• Gemischte EvidenzStudien widersprechen sich, Endpunkte differieren oder Replikation ist dünn; vernünftige Leser können die Betonung unterschiedlich setzen.
• Schwache EvidenzHumandaten zu den lautesten Claims sind dünn; Markt-Enthusiasmus übertrifft oft die Studienlage.
• Unzureichende EvidenzZu wenig qualitativ brauchbare Humanforschung für klare Schlüsse; konservative Grundhaltung.
• VorsichtSicherheit, Interaktionen, vulnerable Gruppen oder Missbrauchsmuster dominieren; Nutzen-Diskussion bleibt sekundär, bis Risiko-Kontext klar ist.

Diese Methodik beschreibt ein redaktionelles System. Sie diagnostiziert, behandelt oder verhindert keine Krankheit. Supplement-Entscheidungen gehören zu einer qualifizierten Fachperson mit vollem klinischen Bild.

• Marken-SKUs als bezahlte "Best in class"-Platzierungen ranken.
• Outcomes für einzelne Leser versprechen.
• Ärztliches Urteil in Schwangerschaft, Stillzeit, Pädiatrie oder komplexer Versorgung ersetzen.