KI bei der Literaturrecherche 

Begriff / Use Case – worum geht es eigentlich?

Literaturrecherche mit KI bedeutet, die klassischen Recherchepfade zu verlassen und mehr als nur eine einfache Ergebnisliste zu erhalten, die Treffer zu den eingegebenen Suchbegriffen präsentiert. Vielmehr geht die Suche vernetzter vonstatten und die Ergebnispräsentation ist oft visuell aufbereitet. Gleichzeitig bedeutet Literaturrecherche mit KI unter Umständen auch, dass man weniger und qualitativ schlechtere Literatur findet oder aber auch mit einer sehr großen Menge an Treffern umgehen muss. Daher ist es wichtig zu wissen, welches Vorgehen im konkreten Fall zielführend ist.

Use Cases: Sie als Lehrperson, die gleichzeitig auch wissenschaftlich tätig ist, möchten Literatur für ein neues Themengebiet finden. Spezifische KI-Recherchetools können dabei die klassische Recherche ergänzen. 

Ein studentischer Use Case ist, dass wissenschaftliche Literatur für anstehende Haus- und Abschlussarbeiten gefunden werden soll.

Funktionsweise und Hintergrundinfos – was sollte man wissen?

Im Unterschied zu sogenannten textgenerierenden KI-Tools (wie z.B. ChatGPT), die als Reaktion auf einen Prompt neue Texte formulieren, sind KI-Recherchetools vorrangig dafür da, vorhandene Informationen „intelligent“ zu durchsuchen und zu sortieren.

Zugriff auf wissenschaftliche Datenbanken

Die Tools greifen auf Datenbanken mit wissenschaftlichen Artikeln, Büchern oder Preprints zu (z. B. PubMed, arXiv, Semantic Scholar, OpenAlex). 

Verarbeitung mit KI

Die Tools analysieren neben Titel und Schlagwörtern auch Zusammenfassungen und ganze Artikel. Dadurch erkennen sie Zusammenhänge, Fachbegriffe und Themen besser als eine normale Suche.

Intelligente Suchvorschläge

Die Tools schlagen passende Suchbegriffe, ähnliche Quellen oder relevante Autor:innen vor, selbst wenn man die Begriffe nicht genau trifft. Das ist besonders hilfreich bei der Einarbeitung in ein Thema.

Thematische Sortierung und Zusammenfassungen:

Manche Tools können ganze Themenfelder automatisch clustern oder kurze Zusammenfassungen der wichtigsten Erkenntnisse anzeigen. So bekommt man einen schnellen (manchmal jedoch unvollständigen oder unerwünscht gewichteten) Überblick über den Forschungsstand.

Wichtig:

• Mangelhafte Transparenz: Es ist nicht immer klar, auf welche Datenbanken ein konkretes Tool bei der Recherche zugreift. Somit ist eine umfassende oder gar systematische Suche nicht möglich.

• Bestimmte Ergebnisse sind erwartbarer als andere: Die Tools geben eher aktuelle als ältere, eher englischsprachige als anderssprachige Quellen, eher Journal-Artikel als Monografien oder Sammelbände aus. Open Access-Datenbanken werden bevorzugt durchsucht und liefern deshalb den Hauptteil der Ergebnisse.

• Es existieren je nach Art des geforderten Inputs bzw. des Outputs verschiedene Gruppen von Tools (dazu mehr unter Punkt 3).

Beispiel / Anwendung / Lösung – wie geht es denn?

Beispiel 1: Input durch Suchbegriffe und Operatoren ähnlich wie bei der herkömmlichen Suche, z. B. mit dem Tool OpenKnowledgeMaps.

Das Tool ordnet die 100 Quellen mit der höchsten Relevanz in inhaltlichen Clustern an.

Beispiel 2: Input durch das Stellen einer Frage, z. B. mit dem Tool SciSpace. 
Wenn Sie eine wissenschaftliche Frage eingeben, erhalten Sie eine erste Antwort auf der Basis der fünf Quellen, die als am relevantesten eingestuft werden, und eine Auflistung weiterer Quellen in Tabellenform, 

Beispiel 3: Input durch Ausgangsquelle(n), z. B. mit dem Tool ResearchRabbit. 

Nach dem Hochladen einer oder mehrerer Ausgangsquellen zeigt das Tool verwandte Quellen in einem Netzwerk oder einer Zeitleiste an, so dass man sich einen ersten Überblick verschaffen kann.

Beispiel 4: Input durch Prompts wie bei anderen KI-Tools, z. B. mit dem Tool

Undermind.

Beispiel 5: GPTs bei ChatGPT, z. B. der GPT von Consensus

Fallstricke – was sollte ich als Lehrperson beachten bzw. meinen Studierenden mitgeben?

• Auf textgenerierende KI-Tools wie ChatGPT sollten Sie bei der Literaturrecherche nicht setzen, da diese halluzinieren und somit nicht-existente Quellen erfinden könnten. Dieses unerwünschte Phänomen ist zwar durch den Zugriff der Tools auf das Internet zurückgegangen, jedoch nicht vollständig behoben.

• Kenntnisse der klassischen Literaturrecherche und der generellen Arbeit mit wissenschaftlicher Literatur sind unabdingbar, bevor KI-Tools eingesetzt werden:

1. Erklären Sie Ihren Studierenden, welche Quellenarten es gibt (Monografie, Sammelbandbeitrag, Zeitschriftenartikel etc.)
2. Besprechen Sie am besten anhand von fachlichen Beispieltexten, welche Texte zitierwürdig sind und welche nicht.
3. Erläutern Sie, welchen Kriterien die Quellen und auch das Literaturverzeichnis genügen müssen.

• Sprechen Sie mit den Studierenden über die Grenzen der KI-Literaturrecherche-Tools, testen Sie gemeinsam verschiedene Tools und vergleichen die Ergebnisse.

Was könnte danach der nächste kleine Schritt sein? – Reflexionsfragen für Lehrende

Studierende bauen gerade zu Beginn ihres Studium oft ausschließlich auf die Internetrecherche auf nicht einschlägigen Seiten sowie heutzutage auf „Recherche“ mittels KI. Überlegen Sie, wie Sie verdeutlichen können, dass eine reine KI-Literaturrecherche nicht ausreichend ist. Deutlich wird dies beispielsweise durch eine Recherche in zwei Gruppen: Gruppe 1 sucht ohne die Zuhilfenahme von KI-Tools, Gruppe 2 sucht ausschließlich mit KI-Tools Literatur zu einem vorgegebenen Thema. 

Auf institutioneller Ebene können Sie  an der Hochschule anregen, nicht nur Lizenzen für textgenerierende Tools zu erwerben, sondern auch für Literaturrecherche-Tools.