KI in der Literaturrecherche
Künstliche Intelligenz
Was ist Künstliche Intelligenz?
Künstliche Intelligenz (KI) zielt darauf ab, Maschinen zu bef?higen, Aufgaben zu übernehmen, die traditionell menschliche Intelligenz erfordern. Dabei wird zwischen schwacher und starker KI unterschieden: Schwache KI ist auf spezifische Aufgaben, wie Sprachassistenten oder Gesichtserkennung, spezialisiert, w?hrend starke KI das Ziel verfolgt, die gesamte menschliche Intelligenz zu imitieren und sogar zu übertreffen. Letzteres ist jedoch noch Zukunftsmusik.
?
Im Zentrum der KI-Technologien stehen maschinelles Lernen und Deep Learning, wobei neuronale Netze – inspiriert von der Funktionsweise des menschlichen Gehirns – gro?e Datenmengen analysieren und daraus lernen. Diese Modelle werden mit umfangreichen Daten trainiert, um Muster zu erkennen und Vorhersagen zu treffen. Generative KI-Systeme, wie sie bei Tools wie ChatGPT eingesetzt werden, gehen sogar noch weiter: Sie erzeugen neue Inhalte, wie Texte oder Bilder, basierend auf zuvor gelernten Mustern.
?
Literaturrecherche mit KI
Für die wissenschaftliche Literaturrecherche bietet KI enorme Potenziale: Sie erm?glicht es, gro?e Datenmengen effizient zu durchforsten, relevante Literatur schneller zu identifizieren und komplexe Zusammenh?nge zu analysieren. Dies erleichtert den Forschenden nicht nur die Orientierung in der Fülle vorhandener Informationen, sondern verbessert auch die Qualit?t der Rechercheergebnisse. KI-gestützte Tools k?nnen automatisch Zusammenfassungen erstellen, Literatur vernetzen und neue thematische Verbindungen aufzeigen, was den Forschungsprozess erheblich beschleunigt und effizienter gestaltet. Durch den Einsatz dieser Technologien werden Forschende von zeitaufw?ndigen Routinet?tigkeiten entlastet und k?nnen sich verst?rkt auf kreative und analytische Aufgaben konzentrieren – basierend auf dem Prinzip des ?cognitive offloading“.
?
Diese gezielte ?Augmented Intelligence“, also die Kombination von menschlicher und künstlicher Intelligenz, erleichtert die Literaturrecherche ungemein, setzt jedoch voraus, dass die KI ziel- und passgenau umgesetzt wird.
Nutzung
- Assistenten: Diese Tools unterstützen bei der Themenfindung und der Formulierung von Forschungsfragen. Sie helfen, den Einstieg in die Recherche zu erleichtern, indem sie Vorschl?ge für relevante Themen und Fragen generieren.
- Analysewerkzeuge: Diese Anwendungen analysieren wissenschaftliche Texte, extrahieren Schlüsselideen und erstellen Zusammenfassungen. Sie sind besonders nützlich, um schnell ein tieferes Verst?ndnis komplexer Dokumente zu erlangen.
- Suchwerkzeuge: Diese Tools durchsuchen gro?e Datenbanken nach relevanter Literatur und bieten oft zus?tzliche Funktionen wie das Erstellen von Zusammenfassungen oder die Bewertung der Relevanz gefundener Artikel.
- Literaturvernetzungswerkzeuge: Diese Werkzeuge vernetzen wissenschaftliche Arbeiten, indem sie thematische Verbindungen aufzeigen und neue relevante Publikationen basierend auf vorhandenen Quellen identifizieren.
Was ist Prompting?
Prompting bezeichnet die Methode, Anweisungen an eine KI zu geben, um spezifische Antworten oder Ergebnisse zu erhalten. Es geht darum, der KI genau zu vermitteln, welche Informationen ben?tigt werden, um die bestm?glichen Ergebnisse zu erzielen. In der Literaturrecherche hilft richtiges Prompting dabei, relevante Artikel zu finden, Zusammenfassungen zu erstellen oder komplexe Informationen gezielt zu analysieren.
Iterationskompetenz
?
- Klarheit und Pr?zision: Anfragen sollten so klar und pr?zise wie m?glich formuliert werden. Eine genaue Fragestellung hilft der KI, die relevantesten Informationen zu liefern. Beispiel: Statt ?Suche Artikel über KI“ lieber ?Finde wissenschaftliche Artikel über den Einsatz von KI in der medizinischen Bildverarbeitung“.
- Kontextbezogenheit: Es ist wichtig, der KI ausreichend Kontext zu geben, um bessere Ergebnisse zu erzielen. Wenn nach spezifischen Informationen gesucht wird, sollten relevante Details wie der Zeitraum, die Methode oder das Ziel der Forschung erw?hnt werden.
- Schrittweise Verfeinerung: Es empfiehlt sich, mit einer allgemeinen Anfrage zu beginnen und diese schrittweise zu verfeinern, basierend auf den erhaltenen Ergebnissen. Dieser iterative Prozess verbessert die Genauigkeit der Suchergebnisse.
- Zielorientierte Prompts: Anfragen sollten auf das gewünschte Endergebnis ausgerichtet sein. Wenn beispielsweise eine Literaturübersicht erstellt werden soll, kann der Prompt so formuliert werden, dass die KI relevante Artikel identifiziert und zusammenfasst.
- Feedback nutzen: Die Rückmeldungen der KI k?nnen genutzt werden, um Anfragen anzupassen. Wenn die Ergebnisse nicht passen, sollte die Fragestellung ge?ndert oder zus?tzliche Details hinzugefügt werden.
- Beispiel-Prompt: ?Erstelle eine ?bersicht der wichtigsten Artikel über KI in der medizinischen Bildverarbeitung seit 2015. Bitte berücksichtige nur peer-reviewed Studien und fasse die Hauptaussagen zusammen.“
?
Beim Einsatz von Künstlicher Intelligenz in der Literaturrecherche sind einige Risiken zu beachten:
?
- Ein zentrales Problem ist die Halluzination: KI-Systeme k?nnen fiktive Informationen generieren oder existierende Daten falsch interpretieren, was zu irreführenden Ergebnissen führt.
- Ein weiteres Risiko ist der Bias (Voreingenommenheit): KI-Modelle übernehmen oft die Verzerrungen aus den Daten, mit denen sie trainiert wurden, was zu einseitigen oder diskriminierenden Ergebnissen führen kann.
- Alignment bezieht sich auf die ?bereinstimmung der KI-Ziele mit den menschlichen Erwartungen und Werten. Ein Missalignment kann dazu führen, dass die KI unerwünschte oder sch?dliche Ergebnisse liefert, die nicht den ursprünglichen Absichten entsprechen. Diese Risiken machen es notwendig, KI-Tools mit Bedacht zu nutzen und die Ergebnisse stets kritisch zu hinterfragen.
Tools
Voraussetzung für den sinnvollen und nutzbringenden Einsatz von KI-Tools ist, sich im Vorhinein genau zu überlegen, welches Tool für welches Aufgabengebiet am geeignetsten ist. Ein vermeintlich passendes KI-Tool, das jedoch für den falschen Zweck eingesetzt wird, liefert n?mlich voraussichtlich nur unzufriedenstellende L?sungen. Folgende KI-Anwendungen sollen eine grobe ?bersicht über den passenden Einsatz in der Literaturrecherche liefern (vgl. auch den ausführlichen ?berblick bei Petrovska / Lahrsow (2024)).
?
Assistenten-Tools wie ChatGPT 4/4o, Microsoft Copilot oder HuggingChat unterstützen Forschende bei der Themenfindung, der Formulierung von Forschungsfragen und dem Einstieg in den Forschungsprozess. Sie bieten oft Vorschl?ge und erste Orientierungspunkte, um den Start einer wissenschaftlichen Arbeit zu erleichtern.
|
Tool |
Hauptfunktion |
Einsatzm?glichkeiten |
Vorteile |
Nachteile |
|
ChatGPT 4/4o |
Natürliche Sprachverarbeitung, Unterstützung bei Themenfindung und Fragenformulierung |
Erstellung von Literaturübersichten, Formulierung von Forschungsfragen |
Intuitive Interaktion, schnelle Antworten |
Relevanz abh?ngig von Eingabedaten, Aktualit?t der Trainingsdaten |
|
Microsoft Copilot |
Integration in Microsoft 365, Unterstützung bei der Dokumentenerstellung |
Effiziente Dokumentenerstellung, automatische Formatierungen |
Nahtlose Integration in Microsoft 365, Effizienzsteigerung |
Abh?ngigkeit von Microsoft 365, Kosten |
|
Google Gemini |
KI-gestützte Recherche, Datenanalyse, maschinelles Lernen |
Datenanalyse und -interpretation, Unterstützung bei der Literaturrecherche |
Leistungsf?hige Datenanalyse, maschinelles Lernen |
Erfordert Google-Dienste, Datenschutzbedenken |
|
HuggingChat |
Natürliche Sprachverarbeitung, Erzeugung von Antworten in natürlicher Sprache |
Interaktive Chats, Unterstützung bei der Literaturrecherche |
Hochentwickelte Sprachverarbeitung, flexible Einsatzm?glichkeiten |
Abh?ngigkeit von Trainingsdaten, Relevanz der Antworten |
Analysewerkzeuge wie ChatPDF, Elicit oder Humata dienen dazu, wissenschaftliche Texte zu analysieren, Schlüsselideen zu extrahieren und Zusammenfassungen zu erstellen. Sie helfen dabei, komplexe Dokumente schnell zu durchdringen und wesentliche Inhalte zu erfassen.
|
Tool |
Hauptfunktion |
Einsatzm?glichkeiten |
Vorteile |
Nachteile |
|
ChatPDF |
Analyse und Zusammenfassung von PDF-Dokumenten |
Schnelle Analyse von PDF-Dokumenten, Beantwortung spezifischer Fragen |
Schnelle und pr?zise Analysen, flexible Nutzung |
Abh?ngigkeit von der Textqualit?t, kann bei komplexen Dokumenten an Grenzen sto?en |
|
Explainpaper |
Analyse wissenschaftlicher Texte, detaillierte Erkl?rungen |
Verst?ndnis und Interpretation komplexer wissenschaftlicher Dokumente |
Tiefergehende Einblicke, kontextbezogene Erl?uterungen |
Genauigkeit variiert je nach Textqualit?t des Ausgangspapers |
|
Humata |
Analyse wissenschaftlicher Texte, Erkl?rungen und Zusammenfassungen |
Verst?ndnis komplexer Texte, Erstellung von Zusammenfassungen |
Detaillierte Analysen, kontextbezogene Erkl?rungen |
Genauigkeit variiert je nach Textqualit?t |
|
Docanalyzer.ai |
Analyse von PDF-Dokumenten, Erzeugung von Zusammenfassungen und Erkl?rungen |
Analyse wissenschaftlicher Artikel, Erstellung von Zusammenfassungen |
Tiefergehende Textanalysen, schnelle Zusammenfassungen |
Genauigkeit abh?ngig von der Textqualit?t |
Suchwerkzeuge wie SciSpace, Undermind oder Consensus sind spezialisierte KI-Tools, die gro?e Datenbanken nach relevanter Literatur durchsuchen. Sie erleichtern es, aktuelle und relevante wissenschaftliche Artikel zu einem bestimmten Thema zu finden und bieten oft zus?tzliche Funktionen wie Zitier- und Analysewerkzeuge.
|
Tool |
Hauptfunktion |
Einsatzm?glichkeiten |
Vorteile |
Nachteile |
|
SciSpace |
Breite Datenbank wissenschaftlicher Artikel, Volltextzugriff, Zitierfunktionen |
Erstellung umfassender Literaturlisten, Bewertung von Artikelrelevanz |
Breite Datenbank, Volltextzugriff, Analysewerkzeuge |
Kosten, Komplexit?t der Benutzeroberfl?che |
|
Undermind |
Fortschrittliche Algorithmen zur Literaturidentifikation und -analyse |
Erstellung systematischer ?bersichten, Identifikation von Trends und Zusammenh?ngen |
Fortgeschrittene Algorithmen, systematische Reviews |
Einarbeitungszeit, Datenqualit?t vom Thema abh?ngig |
|
Perplexity AI |
Unterstützung bei der Themenfindung und Recherche, Identifikation relevanter Studien |
Themenfindung, Recherche relevanter Studien |
Effiziente Themenfindung, breite Datenbasis |
Relevanz abh?ngig von der Fragestellung |
|
Semantic Scholar |
Umfassende wissenschaftliche Datenbank, maschinelles Lernen zur Relevanzbewertung |
Literaturrecherche, Identifikation relevanter Arbeiten |
Umfangreiche Datenbank, maschinelles Lernen zur Relevanzbewertung |
Abh?ngigkeit von der Datenverfügbarkeit |
Literaturvernetzungswerkzeuge wie ResearchRabbit, Litmaps oder Connected Papers identifizieren thematische Verbindungen zwischen wissenschaftlichen Arbeiten und visualisieren diese. Sie erm?glichen es, auf Basis eines Ausgangspapiers neue relevante Publikationen zu entdecken und die Vernetzung von Literatur zu verstehen.
|
Tool |
Hauptfunktion |
Einsatzm?glichkeiten |
Vorteile |
Nachteile |
|
Research Rabbit |
Visualisierung und Vernetzung von Forschungsliteratur, Mapping von wissenschaftlichen Arbeiten |
Erweiterung bestehender Literaturlisten, Entdeckung neuer thematischer Zusammenh?nge |
Visualisierung von Verbindungen, benutzerfreundlich, kostenfrei |
Unübersichtlichkeit bei gro?en Datens?tzen, Datenqualit?t vom Thema abh?ngig |
|
LitMaps |
Visuelle Karte zur Darstellung von Beziehungen zwischen Artikeln |
?berprüfung von Literaturlisten, Entdeckung neuer relevanter Arbeiten und einflussreicher Papers |
Intuitive visuelle Darstellung, Entdeckung neuer Arbeiten |
Ergebnisqualit?t abh?ngig von Datenverfügbarkeit |
|
Connected Papers |
Visualisierung von Forschungspapieren, Identifikation von Verbindungen und thematischen Zusammenh?ngen |
Entdeckung thematischer Zusammenh?nge, Visualisierung von Netzwerken |
Intuitive visuelle Darstellung, Entdeckung neuer Zusammenh?nge |
Ergebnisqualit?t abh?ngig von der Datenverfügbarkeit |
|
Open Knowledge Maps |
Visualisierung wissenschaftlicher Literatur, thematische Clusterbildung |
Entdeckung thematischer Cluster, Visualisierung von Literaturübersichten |
Intuitive Clusterbildung, visuelle ?bersichten |
Abh?ngigkeit von der Datenqualit?t |
Dokumentation der KI-Nutzung in der Literaturrecherche
In der Literaturrecherche ist die explizite Kennzeichnung der verwendeten KI-Tools nicht zwingend notwendig. Anders als bei der Textgenerierung, wo die Quellen und Hilfsmittel klar angegeben werden müssen, gilt dies für die Nutzung von KI-Tools zur Literaturrecherche nicht automatisch. Da es an der Universit?t Augsburg noch keine einheitlichen Vorgaben für die Dokumentation gibt, ist es essenziell, die spezifischen Anforderungen des Lehrstuhls, der Fakult?t oder der Betreuer einzuholen, da diese bindend sind. Die Empfehlungen, die sie auf dieser Seite finden, dienen also ganz explizit als genau das – Empfehlungen.
?
Warum kann eine Dokumentation der KI-Nutzung in der Literaturrecherche dennoch erforderlich sein?
Auch wenn eine formale Kennzeichnung nicht unbedingt zwingend ist, tr?gt die Dokumentation der KI-Nutzung dazu bei, den Forschungsprozess für Lesende nachvollziehbar zu machen. Es ist wichtig, zu verdeutlichen, welche Rolle KI im Erkenntnisprozess gespielt hat, insbesondere wenn diese Tools ma?geblich zur Auswahl und Analyse der Literatur beigetragen haben. Diese Transparenz hilft, die Objektivit?t und die Zuverl?ssigkeit der Forschungsergebnisse zu sichern.
?
?
Empfehlungen zur Dokumentation:
- Kennzeichnung im Methodenteil: Falls KI-Tools einen signifikanten Einfluss auf den Forschungsprozess hatten, kann es sinnvoll sein, dies im Methodenteil der Arbeit kurz zu erw?hnen. So bleibt die Nutzung nachvollziehbar, ohne dass eine detaillierte Kennzeichnung erforderlich ist.
- Reflexion über die KI-Nutzung: Die Reflexion über den Einsatz von KI-Tools im Forschungsprozess kann unter Umst?nden im Fazit einer Arbeit oder einem Anhang dokumentiert werden. Dies f?rdert nicht nur die Transparenz, sondern auch die Weiterentwicklung der eigenen wissenschaftlichen Methodik.
Wichtige Aspekte bei der Dokumentation:
- Transparenz: Auch wenn keine formale Kennzeichnung n?tig ist, sollte die Nutzung von KI transparent gemacht werden, besonders wenn sie die Auswahl der Literatur beeinflusst hat.
- Verantwortlichkeit: Trotz der Unterstützung durch KI bleibt die inhaltliche Verantwortung immer bei den Forschenden. Kritische Reflexion und Bewertung der von KI generierten Ergebnisse sind daher essenziell.
- Abstimmung mit Betreuenden: Bei Unsicherheiten bezüglich der Dokumentation sollte unbedingt weitere Rücksprache mit den Betreuenden gehalten werden, um den Anforderungen der jeweiligen wissenschaftlichen Arbeit gerecht zu werden.
Durch diese Vorgehensweise wird die Nutzung von KI-Tools in der Literaturrecherche klar und nachvollziehbar, ohne dass eine formale Kennzeichnung notwendig ist.
Rechtliche und Ethische Aspekte der KI-Nutzung in der Literaturrecherche
Die Nutzung von KI-Tools in der Literaturrecherche wirft sowohl rechtliche als auch ethische Fragen auf, die sorgf?ltig berücksichtigt werden müssen. Das Rechtsgebiet rund um KI-Technologien ist derzeit noch stark im Fluss, und neue Regelungen und Bestimmungen k?nnen jederzeit entstehen.
?
Urheberrecht
Bei der Verwendung von KI-Tools ist das Urheberrecht ein zentraler Aspekt. W?hrend bibliographische Angaben nicht urheberrechtlich geschützt sind und daher problemlos in Kombination mit KI genutzt werden k?nnen, ist bei anderen Inhalten Vorsicht geboten. Insbesondere beim Hochladen von E-Books oder anderen geschützten Werken in KI-Systeme besteht die Gefahr eines Urheberrechtsversto?es, wenn diese Werke nicht im Open Access verfügbar sind. Vor der Nutzung solcher Werke sollten stets die jeweiligen Lizenzvereinbarungen geprüft werden, um sicherzustellen, dass keine Rechte verletzt werden.
?
Datenschutz
Der Datenschutz ist ein weiterer kritischer Punkt bei der Nutzung von KI in der Literaturrecherche. Viele KI-Tools sammeln und verarbeiten Daten, weshalb die Einhaltung der geltenden Datenschutzgesetze, wie der DSGVO, unerl?sslich ist. Dies betrifft insbesondere die Verwendung von personenbezogenen Daten, die nur mit ausdrücklicher Einwilligung der betroffenen Personen verarbeitet werden dürfen.
?
Ethische ?berlegungen
Neben den rechtlichen Fragen spielen auch ethische ?berlegungen eine wichtige Rolle. Es ist entscheidend, die potenziellen Auswirkungen der KI-Nutzung auf den Forschungsprozess kritisch zu reflektieren. Dazu geh?rt auch die Frage, wie KI-gestützte Ergebnisse in die wissenschaftliche Arbeit integriert werden, ohne dass dies zu einer Verzerrung oder zu einer Beeintr?chtigung der wissenschaftlichen Integrit?t führt.
?
Fazit
Obwohl KI-Tools in der Literaturrecherche wertvolle Unterstützung bieten, ist es unerl?sslich, sich der rechtlichen und ethischen Rahmenbedingungen bewusst zu sein. Die dynamische Entwicklung in diesem Bereich erfordert eine kontinuierliche Auseinandersetzung mit aktuellen Regelungen und Best Practices, um die wissenschaftliche Arbeit auf rechtlich und ethisch einwandfreiem Fundament zu halten.
Weiterführende Infos
- Portal Lehre der Universit?t Augsburg: KI in der Hochschullehre
- Zentrum für digitales Lehren und Lernen (DigiLLab) der Universit?t Augsburg: KI-Systeme wie ChatGPT in der Hochschullehre (FAQ):
- DigiLLab der Universit?t Augsburg: Selbstlernkurs zur KI in Lehre und Studium
- KI-Campus: Lernplattform für Künstliche Intelligenz
- Bibliotheksportal: Bibliotheken und KI
- Brommer / Berendes / Bohle-Jurok et al.: "Wissenschaftliches Schreiben im Zeitalter von KI gemeinsam verantworten". Hochschulforum Digitalisierung (Diskussionspapier No. 27), Berlin 2023.
- Bucher / Holzwei?ig / Schwarzer: Künstliche Intelligenz und wissenschaftliches Arbeiten. ChatGPT & Co: Der Turbo für ein erfolgreiches Studium, München 2024.
- Buck / Limburg: Hochschulbildung vor dem Hintergrund von Natural Language Processing (KI-Schreibtools). Ein Framework für eine zukunftsf?hige Lehr- und Prüfungspraxis, in: die hochschullehre 6 (2023), 70–84.
- Burbach / Meyer / Plank / Trautzsch: Leitfaden: Sieben Eckpunkte für deine KI-Kompetenz. Working Paper (IU Discussion Papers 2). IU Internationale Hochschule, Erfurt 2024.
- Cardoso / Kusser / Kieselstein: Einsatz von KI in der wissenschaftlichen Literaturrecherche: Ein ?berblick. Universit?t Augsburg, Augsburg 2024.
- Deutsche Forschungsgemeinschaft e. V. (Hg.): Leitlinien zur Sicherung guter wissenschaftlicher Praxis, Bonn 2022.
- Deutsche Forschungsgemeinschaft e.V. (Hg.): Stellungnahme des Pr?sidiums der Deutschen Forschungsgemeinschaft (DFG) zum Einfluss generativer Modelle für die Text- und Bilderstellung auf die Wissenschaften und das F?rderhandeln der DFG, Bonn 2023.
- De Witt / Rampelt / Pinkwart: Whitepaper "Künstliche Intelligenz in der Hochschulbildung". KI Campus, Berlin 2022.
- Holzi / Scheuer: Inside KI. Wie künstliche Intelligenz und ihre Pioniere unser Leben und Arbeiten revolutionieren, Freiburg i. Br. 2024.
- Petrovska / Lahrsow: AI Research Tool Overview, Universit?t Tübingen, Tübingen 2024.
- Salden / Leschke (Hg.): Didaktische und rechtliche Perspektiven auf KI-geschütztes Schreiben in der Hochschulbildung, Bochum 2023.
- Schreiber / Ohly (Hg.), KI:Text. Diskurse über KI-Textgeneratoren, Berlin 2024.
- Verch: Per Prompt zum Plagiat? Rechtssicheres Publizieren von KI-generierten Inhalten, in: API 5,1 (2024), 1–20.
?
?
Hinweis: Beim Erstellen dieser Seite wurde KI eingesetzt (Text: ChatGPT 4o; Abbildungen: Dall-E 3 und Midjourney).
Die genannte Literatur stellt lediglich eine aktuelle Auswahl von Literaturhinweisen dar, die angesichts der Fülle an Publikationen allenfalls beispielhaften Charakter haben kann.
Fragen und Kontakt
- Telefon: +49 821 598-5421