[english] Introduction: Concept mapping tools have long been established in medical education as an aid for visualizing learning processes in computer-based programs. The case-based learning system CASUS with its mapping tool for visualizing the differential diagnostic reasoning process is an example. It was shown that such tools are well accepted by users and lead to an increased number of diagnostic hypotheses being visualized as maps. However, there is scarce evidence on the quality of user-generated diagnostic hypotheses. This study examines the quality of diagnostic hypotheses obtained with CASUS and whether the quality can be improved through ICD-10 coding as compared with an expert’s solution. Methods: We randomized 192 third-year medical students at the University of Munich into two groups. The students worked in groups of two on one computer. Group A was asked to code their diagnostic hypotheses with an ICD-10 coding browser before entering them into the mapping tool. Group B generated their hypotheses without prior ICD-10 coding. The differential diagnostic reasoning visualizations were analyzed quantitatively and qualitatively. An expert solution was used as reference. Results: Eighty-seven differential diagnoses were evaluated. Group A, using ICD-10 coding, made the correct and precise diagnosis of malaria tropica significantly more often than Group B (p &lt; 0.05). For additional alternative diagnostic hypotheses, no quantitative or qualitative differences were detected. Conclusions: ICD-10 coding in connection with a mapping tool supporting the diagnostic reasoning process improved the accuracy of diagnostic performance in third-year medical students in the case of malaria tropica. <br>[german] Einleitung: Der Einsatz von Concept-Mapping-Tools in computergestützten Lernprogrammen ist in der medizinischen Ausbildung etabliert: Es konnte gezeigt werden, dass diese Werkzeuge zur Visualisierung von Differentialdiagnosen vom Anwender akzeptiert werden und zu einer vermehrten Hypothesenbildung beitragen. Es gibt bisher jedoch wenige Erkenntnisse über die Qualität der dabei vom Anwender erstellten Hypothesen. Die vorliegende Studie untersucht die Qualität der im Netzwerk-Tool im fallbasierten Lernsystem CASUS erstellten Hypothesen und inwieweit diese durch Kodierung mittels ICD10 präzisiert werden können. Methodik: Die Lernenden bearbeiteten zu zweit einen Computerlernfall zum Thema Malaria. Wir randomisierten 192 Teilnehmer der Studie aus dem 3. Studienjahr an der Universität München in zwei Gruppen: Gruppe A wurde gebeten, die erdachten Hypothesen vor der Eingabe in das Netzwerk-Tool mittels eines ICD10-Browsers zu kodieren. Gruppe B erstellte ihre Hypothesen ohne weitere Hilfsmittel. Die Netzwerke wurden quantitativ und qualitativ evaluiert und die Ergebnisse der beiden Gruppen verglichen. Als Referenz diente das von Experten erstellte Netzwerk. Ergebnisse: 87 differentialdiagnostische Netzwerke konnten ausgewertet werden. In Gruppe A mit ICD10-Kodierung der Hypothesen, konnten die Lernenden signifikant häufiger (p&lt;0,005) die exakte Hauptdiagnose Malaria tropica stellen. In der Gruppe ohne ICD10 Kodierung wurde signifikant häufiger (p&lt;0,005) die unpräzise Diagnose "Malaria" gestellt. Für die Nebendiagnosen ergaben sich qualitativ und quantitativ keine Unterschiede. Schlussfolgerungen: Die ICD10-Kodierung der Hypothesen im Netzwerk-Tool führte zu einer präziseren Diagnosestellung der Studierenden im klinischen Studienabschnitt. Die Integration eines ICD-Browsers zur Unterstützung der differentialdiagnostischen Hypothesenbildung in fallbasierten Lernsystemen ist sinnvoll.