Claude Sonnet, Kimi 2.6, Notebook LM eignen sich besonders für die Analyse längerer, komplexer Texte wie Fachartikel, Buchkapitel, Forschungsberichte. Die Modelle arbeiten mit einem großen Kontextfenster und hält Zusammenhänge über lange Textpassagen stabil. Wer über die AcademicCloud arbeitet und keinen “Flat”-Zugang auf diese Modelle hat, nutzt stattdessen zum Beispiel Mistral-Modelle.
Prompt:
Analysiere den folgenden Text für meine Recherche zum Thema [Thema einfügen]:
- Was ist die zentrale These der Autorinnen oder Autoren?
- Welche Belege und Methoden werden verwendet?
- Welche Annahmen liegen der Argumentation zugrunde – und sind sie explizit gemacht?
- Welche Fragen bleiben offen oder werden nicht behandelt?
- Wie verhält sich dieser Text zu [andere Quelle / Gegenposition einfügen]?
Text: [Text einfügen]
Beispiel
Man recherchiert für ein Seminarreferat zu einem stadtgeschichtlichen Thema. Dazu haben Sie verschiedene Dokumente recherchiert, die zum Teil über hundert Seiten umfassen. Sie haben geprüft, ob sie urheberrechtlich geschützt sind [KI & Urheberrecht: Was Gasthörende dürfen].
Ihr Ziel ist eine Zusammenschau der Dokumente, wobei es aber auch darum geht, Widersprüche zwischen den Dokumenten zu identifizieren oder Zeitverläufe zu erkennen. Sie benötigen Quellenverweise auf die ursprünglichen Textstellen.
Modell-Vorschläge
Claude Sonnet
Claude Sonnet (wird u.a. in Perplexity angeboten) eignet sich für die Analyse längerer, komplexer Texte wie Fachartikel, Buchkapitel, Forschungsberichte. Das Modell arbeitet mit einem großen Kontextfenster und hält Zusammenhänge über lange Textpassagen stabil – Kimi 2.6 (s. Variante 3), das aber erst seit kurzem auf dem Markt ist und zu dem noch wenig Erfahrungen vorliegen, kann eine ernstzunehmende Alternative sein.
Wer über die AcademicCloud arbeitet, nutzt stattdessen zum Beispiel Mistral-Modelle.
Mit NotebookLM (google workspace) viele kürzere Dokumente analysieren
Sobald mehrere Quellen vorliegen, leistet NotebookLM etwas, das kein einzelner Chat-Prompt kann: Es analysiert ein ganzes Quellenkorpus gleichzeitig und zeigt Verbindungen, Widersprüche und thematische Cluster über alle hochgeladenen Dokumente hinweg. Bis zu 50 Quellen lassen sich in einem Notebook zusammenführen – PDFs, Artikel, eigene Notizen.
Besonders nützlich ist die Funktion, direkte Fragen an das Quellenkorpus zu stellen: „In welchen Texten wird Methode X kritisiert?” oder „Welche Autorinnen kommen zu gegensätzlichen Schlussfolgerungen?” Die Antworten werden mit konkreten Textstellen belegt.
Datenschutzhinweis: NotebookLM läuft auf Google-Servern.
Mit KIMI 2.6 (über Perplexity-Pro) auch lange Dokumente analysieren
Das über Perplexity-Pro zugängliche Modell KIMI 2.6 kann hier (wenn Urheberrechtsfragen geklärt und Datenschutzaspekte vernachlässigbar sind) gut unterstützen. Das Modell kann Dokumente nicht nur zusammenfassen, sondern beim Hochladen längerer PDFs (bis zu 400 Seiten im Kontext) komplexe Argumentationslinien rekonstruieren und gezielte Rückfragen beantworten. – Urheberrechtsfragen beachten. Die Stärke liegt dabei nicht in der Kreativität, sondern in der strukturierten Verarbeitung großer Informationsmengen. Die intellektuelle Bewertung und Einordnung bleibt, wie bei jedem KI-Werkzeug, die eigene Aufgabe.
Datenschutzhinweis: Es ist nicht klar, auf welchen Servern KIMI läuft, China/Singapure, jedenfalls darf hier eher nicht DSGVO-Konformität ausgegangen werden.