KI für die Literaturrecherche: Was Elicit, NotebookLM und Co. wirklich können

Die kurze Antwort

Für die Literaturrecherche taugen KI-Werkzeuge, die auf echten Quellen arbeiten — entweder auf einem Index wissenschaftlicher Arbeiten oder auf Dokumenten, die du selbst hochlädst. Allgemeine Chatbots ohne Quellenanbindung taugen dafür nicht: Sie erzeugen Literaturangaben, die überzeugend aussehen und nicht existieren.

Was keines dieser Werkzeuge abnimmt: das Lesen. Sie helfen zu entscheiden, was du liest, und sie ordnen, was du gelesen hast. Zitieren darfst du nur, was du selbst geprüft hast.

Der Unterschied, der alles entscheidet

Fast alle Ratgeber zu diesem Thema werfen „KI“ in einen Topf. Das ist der Grund, warum so viele Studierende mit erfundenen Quellenangaben in der Betreuungssprechstunde sitzen. Es gibt einen technischen Unterschied, und er entscheidet, welche Fehler auftreten können:

• Ungebundene Sprachmodelle erzeugen den wahrscheinlichsten nächsten Text. Fragst du nach Literatur, bekommst du etwas, das die Form einer Quellenangabe hat — Autorname, Jahr, plausibler Titel, manchmal ein DOI. Ob es die Arbeit gibt, ist für das Modell keine Kategorie. Das ist keine Fehlfunktion, sondern die Funktionsweise.
• Fundierte Werkzeuge suchen zuerst in einem echten Bestand — einem Index wissenschaftlicher Arbeiten oder deinen eigenen hochgeladenen PDFs — und formulieren erst dann. Sie können dir keine Arbeit nennen, die nicht existiert, weil sie nur über gefundene Treffer sprechen.

Aber: Fundierte Werkzeuge sind nicht fehlerfrei. Sie erfinden keine Arbeiten, können aber falsch wiedergeben, was in einer echten steht — eine Einschränkung übersehen, ein Ergebnis zu stark formulieren, einen Befund einer falschen Studie zuordnen. Der Fehlertyp verschiebt sich von „diese Quelle gibt es nicht“ zu „das steht so nicht drin“. Der zweite ist schwerer zu bemerken und in der Verteidigung genauso teuer.

Die drei Werkzeugtypen

Produkte ändern sich schnell; die Kategorien nicht. Ordne jedes Werkzeug, das dir empfohlen wird, zuerst hier ein:

1. Suchende Werkzeuge über einem Literaturindex. Elicit ist das bekannteste Beispiel und der am schnellsten steigende Suchbegriff im Umfeld von „Bachelorarbeit“ überhaupt. Du stellst eine Frage, das Werkzeug sucht in indexierten Arbeiten und stellt Befunde tabellarisch gegenüber. Stark beim Sichten großer Mengen, schwach bei deutschsprachiger und bei nicht indexierter Fachliteratur.
2. Werkzeuge über deinen eigenen Dokumenten. NotebookLM und Anara arbeiten auf dem, was du hochlädst. Sie antworten nur aus diesen Quellen und verweisen auf die Stelle. Nützlich, wenn du 30 PDFs hast und wissen willst, wer was zu einem Teilaspekt sagt. Erfinden keine externen Quellen — finden aber auch nichts, was du nicht hochgeladen hast.
3. Allgemeine Chatbots. Gut für Begriffsklärung, für das Formulieren von Suchbegriffen und dafür, ein schwieriges Paper erklärt zu bekommen, das du bereits hast. Nicht geeignet, um Literatur zu finden.

Wofür sie taugen — und wofür nicht

Ehrlich sortiert:

• Gut: Sichten. Aus 80 Treffern die 15 herausfiltern, die deine Frage wirklich berühren. Das spart echte Tage.
• Gut: Gegenüberstellen. Wer verwendet welche Methode, welche Stichprobe, welches Ergebnis — als Tabelle. Das ist die Vorarbeit für deinen Forschungsstand.
• Gut: Verstehen. Ein Paper, das du hast, erklärt bekommen, bevor du es liest.
• Gut: Suchbegriffe finden. Fachtermini und englische Entsprechungen, mit denen du dann in der Datenbank suchst.
• Schlecht: Vollständigkeit. Kein Werkzeug deckt die lizenzierten Bestände deiner Bibliothek ab. Für eine systematische Recherche brauchst du die Fachdatenbanken.
• Schlecht: Deutschsprachige Fachliteratur. Deutlich schwächer abgedeckt als englischsprachige — für viele Fächer entscheidend.
• Schlecht: Belegen. Eine KI-Zusammenfassung ist kein Beleg. Nie.

Ein Ablauf, der funktioniert

1. Frage schärfen — ohne KI. Was genau willst du wissen?
2. Suchbegriffe entwickeln, gern mit Chatbot-Hilfe: Synonyme, Fachtermini, englische Entsprechungen.
3. Systematisch in den Fachdatenbanken suchen — das bleibt die Grundlage. Wie das geht, steht in unserem Beitrag zur Literaturrecherche.
4. Mit einem suchenden KI-Werkzeug querprüfen, ob dir etwas entgangen ist.
5. Treffer als PDF sammeln und in ein Werkzeug über eigenen Dokumenten laden.
6. Sichten und ordnen lassen — wer sagt was, wo widersprechen sich Befunde.
7. Die relevanten Arbeiten selbst lesen. Mindestens Methode, Ergebnisse, Limitationen.
8. Selbst schreiben, mit Belegen aus dem, was du gelesen hast.

Schritt 7 ist der, der übersprungen wird, und der, an dem es auffällt. Ein Forschungsstand aus Zusammenfassungen von Zusammenfassungen liest sich glatt und hält der ersten Rückfrage nicht stand.

Wie du jede KI-Angabe prüfst

Dreißig Sekunden pro Quelle, und sie ersparen dir das Gespräch, das niemand führen will:

1. Titel wörtlich in Google Scholar oder der Bibliotheksdatenbank suchen. Kein Treffer? Dann existiert die Arbeit vermutlich nicht.
2. DOI direkt aufrufen. Erfundene DOIs führen ins Leere.
3. Autor und Jahr abgleichen. Häufiger Fehler: echte Arbeit, falsches Jahr oder falsche Autorenschaft.
4. Die behauptete Aussage im Volltext wiederfinden. Der wichtigste Schritt bei fundierten Werkzeugen — die Arbeit existiert, die Aussage steht so aber nicht darin.

Ist das überhaupt erlaubt?

Meistens ja, für Recherche und Sortieren — und deutlich großzügiger geregelt als das Formulieren von Text. Aber das entscheidet deine Hochschule, nicht ein Ratgeber.

Drei Dinge, die du klären solltest, bevor du anfängst:

• Erlaubt deine Prüfungsordnung KI-Werkzeuge, und für welche Schritte?
• Musst du die Nutzung angeben? Viele Hochschulen haben inzwischen einen KI-Zusatz in der eidesstattlichen Erklärung.
• Erwartet deine Betreuung eine gesonderte Notiz zum Vorgehen?

Und halte während der Arbeit fest, welches Werkzeug du wofür genutzt hast. Das kostet zwei Minuten pro Woche und ist genau die Aufzeichnung, die dir hilft, falls die Urheberschaft deiner Arbeit je in Frage steht — dazu haben wir aufgeschrieben, wie du belegst, dass du selbst geschrieben hast.