Search smarter: KI als Recherche-Assistent

Einzelne Abschnitte dieses Blogbeitrags wurden im Jänner 2026 aktualisiert.

Die Literaturrecherche ist ein wichtiger Bestandteil jeder wissenschaftlichen Arbeit. Mit dem Aufkommen von künstlicher Intelligenz haben sich neue Wege eröffnet, die Suche nach relevanter Fachliteratur effizienter zu gestalten. Doch welche KI-Tools sind für die wissenschaftliche Recherche geeignet, und wie unterscheiden sie sich von traditionellen Datenbanken? In diesem Beitrag zeigen wir, wie KI entlang der einzelnen Schritte der Literaturrecherche eingesetzt werden kann – von der Themenfindung bis zur Vertiefung der Recherche – und worauf Sie dabei unbedingt achten sollten.

Was ist Künstliche Intelligenz & Generative KI?

Künstliche Intelligenz (KI) bezeichnet Systeme oder Maschinen, die Aufgaben ausführen, für die normalerweise menschliche Intelligenz erforderlich wäre, etwa Datenanalyse, Mustererkennung oder das Erstellen von Texten. Um KI-Tools sinnvoll für die Literaturrecherche einsetzen zu können, ist es jedoch wichtig zu verstehen, wie diese Systeme grundsätzlich funktionieren und worin ihre Grenzen liegen.

Bekannte Tools wie ChatGPT, Google Gemini oder Microsoft Copilot gehören zur sogenannten Generativen KI. Sie basieren auf Large Language Models (LLMs), die als hochentwickelte Textvorhersagesysteme arbeiten. Diese Modelle greifen nicht wie klassische Datenbanken auf geprüfte Wissensbestände zurück, sondern berechnen Wahrscheinlichkeiten von Wortfolgen auf Basis ihrer Trainingsdaten. Sie „wissen“ daher faktisch nichts, sondern generieren Texte, die plausibel klingen.

Aus diesem Grund eignen sich solche Tools hervorragend für Brainstorming, Strukturierung und sprachliche Unterstützung. Für die gezielte Suche nach zitierfähiger Fachliteratur sind sie jedoch nur eingeschränkt geeignet, da sie häufig unzuverlässige oder sogar erfundene Quellenangaben erzeugen. Inzwischen existieren jedoch spezialisierte KI-Tools, die neue Suchansätze bieten und eine sinnvolle Ergänzung zu Suchmaschinen und Fachdatenbanken darstellen.

Wie kann ich KI bei der Literaturrecherche einsetzen?

Auch wenn ChatGPT & Co keine klassischen Recherchewerkzeuge sind, können sie an verschiedenen Stellen des Literaturrecherche-Prozesses sinnvoll unterstützen. KI kann bei der Ideenfindung, der Vorbereitung und Durchführung der Literaturrecherche helfen – aber auch beim Textverständnis unterstützen. Im Folgenden orientieren wir uns am typischen Ablauf einer wissenschaftlichen Literaturrecherche und zeigen, in welchen Phasen welche KI-Tools sinnvoll eingesetzt werden können. Dabei gilt stets: Die von KI generierten Ergebnisse müssen kritisch geprüft und mit dem eigenen Fachwissen sowie dem aktuellen Forschungsstand abgeglichen werden.

Themenfindung

Am Anfang jeder Recherche steht die Wahl eines passenden Themas. KI-Tools wie ChatGPT, Google Gemini oder der Copilot von Microsoft können hier eine wertvolle Unterstützung bieten. Ein möglicher Prompt könnte lauten: „Ich möchte eine wissenschaftliche Arbeit über […] schreiben. Kannst du mir helfen, das Thema einzugrenzen und aktuelle Trends aufzuzeigen?“

Besonders leistungsfähig ist in dieser Phase die Funktion „Deep Research“, die mittlerweile in Tools wie Perplexity, ChatGPT, Gemini oder Mistral integriert ist. Im Gegensatz zur einfachen Textgenerierung folgen diese Systeme einem „Search-Analyze-Write“-Zyklus: Sie durchsuchen das Live-Web in Echtzeit, werten verschiedene Quellen aus und erstellen daraus einen strukturierten Bericht inklusive erster Quellenverweise. Diese Ergebnisse eignen sich gut zur Orientierung, ersetzen jedoch keine systematische Literaturrecherche.

Literaturrecherche vorbereiten

Nachdem Sie sich einen Überblick über das Thema verschafft haben, ist der nächste Schritt eine systematische Literaturrecherche. ChatGPT & Co können helfen, indem sie Suchbegriffe generieren, Suchstrings erstellen oder auch geeignete Datenbanken für die Suche empfehlen. Hier ist es wichtig, Synonyme, Oberbegriffe, Unterbegriffe und verwandte Begriffe zu identifizieren, um eine effektive Suche in Datenbanken durchzuführen. Durch die Kombination von KI-generierten Suchbegriffen und traditionellen Suchmethoden wie der Verwendung von Booleschen Operatoren können Sie Ihre Suchergebnisse optimieren.

Prompt: „Erstelle eine Literatursuche für die Forschungsfrage […]. Bitte identifiziere Schlüsselbegriffe zum Thema. Finde Synonyme und verwandte Begriffe und präsentiere diese in einer Tabelle. Trunkiere die Begriffe im nächsten Schritt. Erstelle sinnvolle Suchstrings für die Literatursuche in Datenbanken.“ (Vgl. HLB RheinMain. KI-Tools für die Recherchevorbereitung. https://www.hs-rm.de/hlb/suchen-entdecken/ki-tools/zur-recherchevorbereitung [Zugriff: 18.07.2025])

Obwohl diese Arbeitsabläufe gut von KI unterstützt werden können, liegt die fachliche Kontrolle der Begriffe immer bei der nutzenden Person. Den erstellten Suchstring können Sie nun in Datenbanken wie Web of Science oder Scopus in die Suche einfügen. Achten Sie dabei auf die Hilfeseite der einzelnen Datenbanken, eventuell werden bestimmte Suchoperatoren nicht unterstützt.

Literaturrecherche durchführen

Während KI in der Vorbereitungsphase vor allem strukturierend wirkt, kommt sie in der nächsten Phase direkt bei der eigentlichen Literatursuche zum Einsatz. Sobald gezielt nach Peer-Review-Artikeln gesucht wird, spielen spezialisierte KI-Tools eine wichtige Rolle. Diese unterscheiden sich grundlegend von Generativer KI, da sie direkt mit wissenschaftlichen Datenbanken verbunden sind.

Spezialisierte KI-Tools für die Literaturrecherche, wie Scite, Semantic Scholar oder Consensus kombinieren die Suche in wissenschaftlichen Datenbanken mit KI-Techniken wie Natural Language Processing (NLP) oder semantischer Suche. Dadurch sind diese Tools in der Lage, den Kontext einer Suchanfrage besser zu erfassen und große Datenmengen schneller zu verarbeiten. Diese Tools greifen auf wissenschaftliche Datenbanken zu und berücksichtigen zitierfähige Quellen. Sie können nicht nur relevante Artikel identifizieren, sondern auch prägnante Zusammenfassungen und visuelle Darstellungen liefern.

Ähnliche Literatur finden

Um Ihre Literaturrecherche zu vertiefen, können Sie den sogenannten Snowball-Effekt nutzen. Auch für diesen Arbeitsschritt gibt es wieder geeignete KI-Tools, beispielsweise Connected Papers. Connected Papers ist ein Literatur-Mapping Tool, das dabei hilft, wissenschaftliche Arbeiten und ihre Verbindungen zu anderen Arbeiten zu erkunden. Es generiert eine visuelle Karte von wissenschaftlichen Artikeln, basierend auf einem „Seed-Paper“, und zeigt deren Beziehungen zueinander an. Diese Beziehungen werden anhand von Ähnlichkeiten in den Zitierungen und dem Inhalt der Arbeiten festgestellt.

Wir haben Ihnen hier nur eine kleine Auswahl an Tools exemplarisch vorgestellt. Mehr KI-Tools und deren Funktionen finden Sie in dieser Übersicht.

Herausforderungen: Worauf Sie bei KI-gestützter Recherche achten müssen

Unklare Datenbasis

Die Datenbasis vieler KI-Tools ist oft intransparent, und die Anbieter geben wenig bis gar keine Informationen darüber preis. Häufig beziehen sich die Modelle auf öffentlich zugängliche Inhalte, insbesondere Open-Access-Inhalte, während lizensierte oder kostenpflichtige wissenschaftliche Datenbanken in der Regel nicht berücksichtigt werden. 

Gefahr von Fehlinformation (Hallucinations)

Ein weiteres Problem bei der Nutzung von KI-Tools ist die Gefahr von Halluzinationen – falschen oder erfundenen Informationen, die wie verlässliche Informationen erscheinen können. KI-Modelle nutzen häufig Abstracts und Metadaten wie Titel und Autoren, um Inhalte zu generieren. Diese Kurzfassungen können jedoch nur oberflächliche Informationen liefern, und wichtige Details oder kontextuelle Aspekte gehen verloren.

Daher ist es entscheidend, die Zitationen und Quellenangaben stets zu überprüfen, um sicherzustellen, dass die angegebene Information korrekt ist. Wenn ein KI-Tool keine Volltexte anzeigt, sollte der Zugang zu den entsprechenden Quellen über Bibliothekszugänge oder Fernleihe sichergestellt werden.

Kosten und Abos

Viele KI-Tools bieten nur eine eingeschränkte Grundversion ihrer Dienste kostenlos an. Der volle Zugriff auf erweiterte Funktionen und verlässliche Daten erfordert in der Regel ein kostenpflichtiges Abonnement. Hier sollten Nutzer abwägen, ob die angebotenen Leistungen den Preis wert sind und welche Funktionen für die eigene Recherche wirklich notwendig sind.

Datenschutz

Ein weiterer wichtiger Aspekt ist der Datenschutz, insbesondere bei Tools mit Sitz außerhalb der EU. Bei einer erforderlichen Registrierung sollte geprüft werden, wie personenbezogene Daten verarbeitet werden und welche Risiken damit verbunden sind.

Fazit

KI-Tools sind eine wertvolle Ergänzung zur klassischen Literaturrecherche. Sie können den Rechercheprozess beschleunigen und neue Perspektiven eröffnen. Dennoch bleibt die klassische Literaturrecherche in wissenschaftlichen Datenbanken unverzichtbar, da diese Zugang zu verlässlichen, zitierfähigen und qualitätsgesicherten Quellen bietet. Ein bewusster und kritischer Einsatz beider Methoden ermöglicht eine fundierte und umfassende Recherche. Überprüfen Sie die gefundenen Quellen immer auf Ihre Richtigkeit und Zitierfähigkeit und denken Sie an die gute wissenschaftliche Praxis.

Weiterführende Ressourcen

Bucher, Holzweißig, Schwarzer, Holzweißig, Kai, Schwarzer, Markus, & Verlag Franz Vahlen. (2024). Künstliche Intelligenz und wissenschaftliches Arbeiten : ChatGPT & Co.: der Turbo für ein erfolgreiches Studium. Als E-Book verfügbar unter: https://permalink.obvsg.at/tug/AC17101632

Lahrsow, Miriam. (2025). KI-Tools für die wissenschaftliche Literaturrecherche: Potenziale, Problematiken, Didaktik und Zukunftsperspektiven. Bibliothek Forschung und Praxis. https://doi.org/10.1515/bfp-2025-0002

Taskcards KI-Tools für die Literatursuche

Übersicht KI in der Literatursuche

AI an der TU Graz

Teile des Textes wurden mit DeepL Write überarbeitet und von der Autorin überprüft und nachbearbeitet.