Universitätsbibliothek

  1. Universität
  2. Organisation
  3. Universitätsbibliothek
  4. Kurse & Beratung
  5. KI in der Literaturrecherche

KI in der Literaturrecherche

Künstliche Intelligenz

Was ist Künstliche Intelligenz?

Künstliche Intelligenz (KI) zielt darauf ab, Maschinen zu befähigen, 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, während 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 – große 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.

 

CC-0
Literaturrecherche mit KI

Für die wissenschaftliche Literaturrecherche bietet KI enorme Potenziale: Sie ermöglicht es, große Datenmengen effizient zu durchforsten, relevante Literatur schneller zu identifizieren und komplexe Zusammenhänge zu analysieren. Dies erleichtert den Forschenden nicht nur die Orientierung in der Fülle vorhandener Informationen, sondern verbessert auch die Qualität der Rechercheergebnisse. KI-gestützte Tools können 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 zeitaufwändigen Routinetätigkeiten entlastet und können sich verstärkt 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

CC-0
KI revolutioniert die Literaturrecherche, indem sie große Datenmengen schnell analysiert, relevante Literatur effizient identifiziert und komplexe thematische Verbindungen aufzeigt. KI-gestützte Tools können automatisch Zusammenfassungen erstellen, Literatur vernetzen und Vorschläge für weiterführende Quellen liefern, was den Forschungsprozess erheblich beschleunigt. Allerdings stößt KI an ihre Grenzen, wenn es um das tiefere Verständnis von Kontexten und Nuancen in wissenschaftlichen Texten geht. Sie kann keine fundierte kritische Bewertung der Literatur durchführen und ist anfällig für Fehlinformationen, wenn die zugrunde liegenden Daten fehlerhaft oder unvollständig sind. Menschliche Expertise bleibt daher unverzichtbar.
CC-0
Die Auswahl des richtigen KI-Tools für die Literaturrecherche hängt von den spezifischen Anforderungen ab. KI-Tools lassen sich je nach Einsatzzweck unterschiedlich kategorisieren (vgl. Petrovska / Lahrsow 2024):
 
  • Assistenten: Diese Tools unterstützen bei der Themenfindung und der Formulierung von Forschungsfragen. Sie helfen, den Einstieg in die Recherche zu erleichtern, indem sie Vorschläge 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 Verständnis komplexer Dokumente zu erlangen.
  • Suchwerkzeuge: Diese Tools durchsuchen große Datenbanken nach relevanter Literatur und bieten oft zusätzliche 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.
CC-0
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 benötigt werden, um die bestmöglichen Ergebnisse zu erzielen. In der Literaturrecherche hilft richtiges Prompting dabei, relevante Artikel zu finden, Zusammenfassungen zu erstellen oder komplexe Informationen gezielt zu analysieren.

 
Iterationskompetenz
Iterationskompetenz bedeutet, dass man durch wiederholtes Ausprobieren und Anpassen von Eingaben bessere Ergebnisse erzielt. Bei der Literaturrecherche heißt das, dass Forschende ihre Suchanfragen und Anweisungen an die KI immer wieder verbessern, um genauere und relevantere Ergebnisse zu bekommen. Dieser Prozess hilft, die Fähigkeiten von KI-Tools voll zu nutzen und die Qualität der gefundenen Literatur zu steigern. Indem man schrittweise seine Anfragen anpasst, liefert die KI nach und nach bessere Ergebnisse, die besser zur Forschungsfrage passen.

 

CC-0
  1. Klarheit und Präzision: Anfragen sollten so klar und präzise wie möglich 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“.
  2. 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 erwähnt werden.
  3. 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.
  4. 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.
  5. Feedback nutzen: Die Rückmeldungen der KI können genutzt werden, um Anfragen anzupassen. Wenn die Ergebnisse nicht passen, sollte die Fragestellung geändert oder zusätzliche Details hinzugefügt werden.
  6. Beispiel-Prompt: „Erstelle eine Übersicht der wichtigsten Artikel über KI in der medizinischen Bildverarbeitung seit 2015. Bitte berücksichtige nur peer-reviewed Studien und fasse die Hauptaussagen zusammen.“

 

CC-0

Beim Einsatz von Künstlicher Intelligenz in der Literaturrecherche sind einige Risiken zu beachten:

 

  • Ein zentrales Problem ist die Halluzination: KI-Systeme können 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 Übereinstimmung der KI-Ziele mit den menschlichen Erwartungen und Werten. Ein Missalignment kann dazu führen, dass die KI unerwünschte oder schädliche 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 nämlich voraussichtlich nur unzufriedenstellende Lösungen. Folgende KI-Anwendungen sollen eine grobe Übersicht über den passenden Einsatz in der Literaturrecherche liefern. In der Kategorisierung folgen wir dabei Petrovska / Lahrsow (2024).

  

CC-0

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 Vorschläge und erste Orientierungspunkte, um den Start einer wissenschaftlichen Arbeit zu erleichtern.

Tool

Hauptfunktion

Einsatzmöglichkeiten

Vorteile

Nachteile

ChatGPT 4/4o

Natürliche Sprachverarbeitung, Unterstützung bei Themenfindung und Fragenformulierung

Erstellung von Literaturübersichten, Formulierung von Forschungsfragen

Intuitive Interaktion, schnelle Antworten

Relevanz abhängig von Eingabedaten, Aktualität der Trainingsdaten

Microsoft Copilot

Integration in Microsoft 365, Unterstützung bei der Dokumentenerstellung

Effiziente Dokumentenerstellung, automatische Formatierungen

Nahtlose Integration in Microsoft 365, Effizienzsteigerung

Abhängigkeit von Microsoft 365, Kosten

Google Gemini

KI-gestützte Recherche, Datenanalyse, maschinelles Lernen

Datenanalyse und -interpretation, Unterstützung bei der Literaturrecherche

Leistungsfähige 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 Einsatzmöglichkeiten

Abhängigkeit von Trainingsdaten, Relevanz der Antworten
CC-0

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

Einsatzmöglichkeiten

Vorteile

Nachteile

ChatPDF

Analyse und Zusammenfassung von PDF-Dokumenten

Schnelle Analyse von PDF-Dokumenten, Beantwortung spezifischer Fragen

Schnelle und präzise Analysen, flexible Nutzung

Abhängigkeit von der Textqualität, kann bei komplexen Dokumenten an Grenzen stoßen

Explainpaper

Analyse wissenschaftlicher Texte, detaillierte Erklärungen

Verständnis und Interpretation komplexer wissenschaftlicher Dokumente

Tiefergehende Einblicke, kontextbezogene Erläuterungen

Genauigkeit variiert je nach Textqualität des Ausgangspapers

Humata

Analyse wissenschaftlicher Texte, Erklärungen und Zusammenfassungen

Verständnis komplexer Texte, Erstellung von Zusammenfassungen

Detaillierte Analysen, kontextbezogene Erklärungen

Genauigkeit variiert je nach Textqualität

Docanalyzer.ai

Analyse von PDF-Dokumenten, Erzeugung von Zusammenfassungen und Erklärungen

Analyse wissenschaftlicher Artikel, Erstellung von Zusammenfassungen

Tiefergehende Textanalysen, schnelle Zusammenfassungen

Genauigkeit abhängig von der Textqualität
CC-0

Suchwerkzeuge wie SciSpace, Undermind oder Consensus sind spezialisierte KI-Tools, die große Datenbanken nach relevanter Literatur durchsuchen. Sie erleichtern es, aktuelle und relevante wissenschaftliche Artikel zu einem bestimmten Thema zu finden und bieten oft zusätzliche Funktionen wie Zitier- und Analysewerkzeuge.

Tool

Hauptfunktion

Einsatzmöglichkeiten

Vorteile

Nachteile

SciSpace

Breite Datenbank wissenschaftlicher Artikel, Volltextzugriff, Zitierfunktionen

Erstellung umfassender Literaturlisten, Bewertung von Artikelrelevanz

Breite Datenbank, Volltextzugriff, Analysewerkzeuge

Kosten, Komplexität der Benutzeroberfläche

Undermind

Fortschrittliche Algorithmen zur Literaturidentifikation und -analyse

Erstellung systematischer Übersichten, Identifikation von Trends und Zusammenhängen

Fortgeschrittene Algorithmen, systematische Reviews

Einarbeitungszeit, Datenqualität vom Thema abhängig

Perplexity AI

Unterstützung bei der Themenfindung und Recherche, Identifikation relevanter Studien

Themenfindung, Recherche relevanter Studien

Effiziente Themenfindung, breite Datenbasis

Relevanz abhängig von der Fragestellung

Semantic Scholar

Umfassende wissenschaftliche Datenbank, maschinelles Lernen zur Relevanzbewertung

Literaturrecherche, Identifikation relevanter Arbeiten

Umfangreiche Datenbank, maschinelles Lernen zur Relevanzbewertung

Abhängigkeit von der Datenverfügbarkeit
CC-0

Literaturvernetzungswerkzeuge wie ResearchRabbit, Litmaps oder Connected Papers identifizieren thematische Verbindungen zwischen wissenschaftlichen Arbeiten und visualisieren diese. Sie ermöglichen es, auf Basis eines Ausgangspapiers neue relevante Publikationen zu entdecken und die Vernetzung von Literatur zu verstehen.

Tool

Hauptfunktion

Einsatzmöglichkeiten

Vorteile

Nachteile

Research Rabbit

Visualisierung und Vernetzung von Forschungsliteratur, Mapping von wissenschaftlichen Arbeiten

Erweiterung bestehender Literaturlisten, Entdeckung neuer thematischer Zusammenhänge

Visualisierung von Verbindungen, benutzerfreundlich, kostenfrei

Unübersichtlichkeit bei großen Datensätzen, Datenqualität vom Thema abhängig

LitMaps

Visuelle Karte zur Darstellung von Beziehungen zwischen Artikeln

Überprüfung von Literaturlisten, Entdeckung neuer relevanter Arbeiten und einflussreicher Papers

Intuitive visuelle Darstellung, Entdeckung neuer Arbeiten

Ergebnisqualität abhängig von Datenverfügbarkeit

Connected Papers

Visualisierung von Forschungspapieren, Identifikation von Verbindungen und thematischen Zusammenhängen

Entdeckung thematischer Zusammenhänge, Visualisierung von Netzwerken

Intuitive visuelle Darstellung, Entdeckung neuer Zusammenhänge

Ergebnisqualität abhängig von der Datenverfügbarkeit

Open Knowledge Maps

Visualisierung wissenschaftlicher Literatur, thematische Clusterbildung

Entdeckung thematischer Cluster, Visualisierung von Literaturübersichten

Intuitive Clusterbildung, visuelle Übersichten

Abhängigkeit von der Datenqualität

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 Universität Augsburg noch keine einheitlichen Vorgaben für die Dokumentation gibt, ist es essenziell, die spezifischen Anforderungen des Lehrstuhls, der Fakultät 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, trägt 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 maßgeblich zur Auswahl und Analyse der Literatur beigetragen haben. Diese Transparenz hilft, die Objektivität und die Zuverlässigkeit der Forschungsergebnisse zu sichern.

 

 

Empfehlungen zur Dokumentation:
  1. Kennzeichnung im Methodenteil: Falls KI-Tools einen signifikanten Einfluss auf den Forschungsprozess hatten, kann es sinnvoll sein, dies im Methodenteil der Arbeit kurz zu erwähnen. So bleibt die Nutzung nachvollziehbar, ohne dass eine detaillierte Kennzeichnung erforderlich ist.
  2. Reflexion über die KI-Nutzung: Die Reflexion über den Einsatz von KI-Tools im Forschungsprozess kann unter Umständen im Fazit einer Arbeit oder einem Anhang dokumentiert werden. Dies fördert nicht nur die Transparenz, sondern auch die Weiterentwicklung der eigenen wissenschaftlichen Methodik.
 
Wichtige Aspekte bei der Dokumentation:
  • Transparenz: Auch wenn keine formale Kennzeichnung nötig 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.

CC-0

Rechtliche und Ethische Aspekte der KI-Nutzung in der Literaturrecherche

CC-0

Die Nutzung von KI-Tools in der Literaturrecherche wirft sowohl rechtliche als auch ethische Fragen auf, die sorgfältig berücksichtigt werden müssen. Das Rechtsgebiet rund um KI-Technologien ist derzeit noch stark im Fluss, und neue Regelungen und Bestimmungen können jederzeit entstehen.

 

Urheberrecht

Bei der Verwendung von KI-Tools ist das Urheberrecht ein zentraler Aspekt. Während bibliographische Angaben nicht urheberrechtlich geschützt sind und daher problemlos in Kombination mit KI genutzt werden können, ist bei anderen Inhalten Vorsicht geboten. Insbesondere beim Hochladen von E-Books oder anderen geschützten Werken in KI-Systeme besteht die Gefahr eines Urheberrechtsverstoßes, 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, unerlässlich ist. Dies betrifft insbesondere die Verwendung von personenbezogenen Daten, die nur mit ausdrücklicher Einwilligung der betroffenen Personen verarbeitet werden dürfen.

 

Ethische Überlegungen

Neben den rechtlichen Fragen spielen auch ethische Überlegungen eine wichtige Rolle. Es ist entscheidend, die potenziellen Auswirkungen der KI-Nutzung auf den Forschungsprozess kritisch zu reflektieren. Dazu gehört auch die Frage, wie KI-gestützte Ergebnisse in die wissenschaftliche Arbeit integriert werden, ohne dass dies zu einer Verzerrung oder zu einer Beeinträchtigung der wissenschaftlichen Integrität führt.

 

Fazit

Obwohl KI-Tools in der Literaturrecherche wertvolle Unterstützung bieten, ist es unerlässlich, 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

Webseiten
Literatur
CC-0

 

 

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

Referat 3: Wissenschaftliche Dienste
Kurse und Beratung (Informationskompetenz)
Universitätsbibliothek

E-Mail:

Suche