Künstliche Intelligenz (KI) verändert zunehmend die wissenschaftliche Recherche. Neben generativen Systemen wie ChatGPT, die beim Formulieren oder bei der Ideenfindung unterstützen können, gibt es spezialisierte, KI-gestützte Tools, die gezielt wissenschaftliche Publikationen durchsuchen und inhaltliche Zusammenhänge sichtbar machen.
Mehr Informationen zu den einzelnen Tools finden Sie in der Übersicht KI-Tools für die Literatursuche.
Recherche vorbereiten – Themen und Suchbegriffe entwickeln
Generative KI kann die ersten Schritte einer Recherche sinnvoll unterstützen, bevor Sie in wissenschaftlichen Datenbanken wechseln. Nutzen Sie generative KI, um
- Themen einzugrenzen oder neue, spezifischere Fragestellungen zu formulieren,
- Synonyme, verwandte Begriffe und alternative Schreibweisen für die spätere Suche in Fachdatenbanken (z. B. Web of Science, Scopus, PubMed) zu identifizieren.
Tools: ChatGPT, Gemini, Copilot, Perplexity etc.
Nutzen Sie generative KI nicht für die direkte Suche nach wissenschaftlichen Quellen – die Angaben können unvollständig oder fehlerhaft sein. Geben Sie außerdem keine personenbezogenen oder vertraulichen Daten in solche Systeme ein.
Literatur gezielt suchen – relevante Quellen identifizieren
Mit spezialisierten KI-Tools können Sie nach verifizierbaren, wissenschaftlichen Quellen suchen. Während klassische Datenbanken primär auf Stichwort-Übereinstimmungen basieren, arbeiten viele KI-gestützte Tools semantisch: Sie erfassen die inhaltliche Bedeutung einer Frage und liefern dadurch thematisch breitere oder neue Ergebnisse. Oft nutzen sie das Prinzip der Retrieval-Augmented Generation (RAG) – eine Kombination aus Datenbanksuche und Sprachmodell. Dadurch können auch inhaltliche Zusammenhänge erkannt werden, die über reine Wortübereinstimmungen hinausgehen.
Tools: Semantic Scholar, Scite, Consensus, Elicit etc.
Literatur vernetzen – Zusammenhänge visualisieren
Wenn Sie bereits relevante Arbeiten gefunden haben, können KI-gestützte Mapping-Tools helfen, Forschungslandschaften sichtbar zu machen und Verbindungen zwischen Publikationen zu erkennen. Sie verknüpfen Publikationen, zeigen thematische Cluster und visualisieren die Entwicklung von Themen über Zeit und Autor:innen hinweg.
Tools: Open Knowledge Maps, Research Rabbit, Connected Papers, Inciteful etc.
Einschränkungen
KI-gestützte Tools können neue Perspektiven eröffnen, ersetzen aber nicht die klassische, sorgfältige Literatursuche. Ein bewusster, kritischer Umgang mit den Ergebnissen – überprüfen, dokumentieren, richtig zitieren – ist Teil guter wissenschaftlicher Praxis.
- Richtigkeit & Qualität: Ergebnisse sollten stets überprüft und auf Zitierfähigkeit kontrolliert werden. Wenn ein KI-Tool keine Volltexte anzeigt, sollte der Zugang zu den entsprechenden Quellen über Bibliothekszugänge oder Fernleihe sichergestellt werden.
- Datenbasis: Die meisten Tools greifen nur auf Open-Access-Material und Abstracts zu – keine Volltexte. Lizensierte Inhalte werden nicht durchsucht. Bücher und gedruckte Werke werden kaum abgedeckt.
- Transparenz & Reproduzierbarkeit: Es ist oft nicht nachvollziehbar, warum bestimmte Quellen angezeigt werden oder wie die Ergebnisse sortiert sind. Gleichartige Suchanfragen können zu unterschiedlichen Ergebnissen führen; systematische, wiederholbare Suchen sind kaum möglich.
- Bias: Suchergebnisse spiegeln Schwerpunkte der Trainingsdaten wider – bestimmte Regionen, Sprachen oder Disziplinen können unterrepräsentiert sein.
Sie sind sich nicht sicher, wie Sie KI sinnvoll im Rechercheprozess nutzen können?
- In unserem Blogbeitrag erfahren Sie, wie KI Schritt für Schritt in den Phasen der Literatursuche eingesetzt werden kann – mit Beispieltools und Prompts.
- Auf unserer Übersicht KI-Tools für die Literatursuche finden Sie eine aktuelle Zusammenstellung von KI-gestützten Recherchetools mit Funktionen, Einsatzmöglichkeiten und Links.
- In unseren Workshops erfahren Sie, wie Sie KI effizient und kritisch in der Recherche einsetzen können. Termine und Anmeldungen finden Sie auf der Veranstaltungsseite der Bibliothek.