KI im Studium – Praxisorientierte Tools für Gasthörende und Seniorenstudierende
Eine schnelle Übersicht zu einem Thema liefern KI-Systeme zuverlässig. Jedes KI-Modell hat aber blinde Flecken, deshalb kann es sinnvoll sein, eine tiefe Recherche auf mehrere KI-Modelle zu stützen.
Transparenz
Text und Bild(er) mit KI-Unterstützung erarbeitet.
Tiefe Recherche – am Besten mehrere KI-Modelle nutzen
- Überblick und erste Quellen
Perplexity - Tiefenanalyse ausgewählter Texte
Claude Sonnet - Quellen verbinden
NotebookLM, KIMI - Gegencheck und Halluzinationstest
zweites Modell - Strukturierte Literaturübersicht
Claude Sonnet
Eine schnelle Übersicht zu einem Thema liefern KI-Systeme zuverlässig. Wer aber für eine Hausarbeit, ein Referat mit Substanz oder eine Citizen-Science-Fragestellung wirklich tief in ein Thema einsteigen will, kann mit einem einzigen Werkzeug an Grenzen stoßen. Jedes KI-Modell hat blinde Flecken: ein Trainings-Cutoff-Datum, eine Spezialisierung auf bestimmte Texttypen, unterschiedliche Stärken bei Zusammenfassung, Analyse und Verifikation.
Der Schlüssel zu verlässlicher Tiefenrecherche liegt deshalb nicht in einem besseren Modell, sondern im Zusammenspiel mehrerer Werkzeuge; jedes für die Aufgabe eingesetzt, für die es am besten geeignet ist.
Der Multi-Modell-Workflow: Fünf Schritte
Der folgende Workflow hat sich für akademische Tiefenrecherchen bewährt. Er ist kein starres Schema, sondern eine Orientierung – je nach Fragestellung lassen sich Schritte zusammenziehen oder vertiefen.
Schritt 1: Überblick und erste Quellen
Werkzeug: Perplexity
Perplexity eignet sich gut als Einstiegswerkzeug, weil es Antworten direkt mit verlinkten Quellen belegt und damit sofort nachprüfbare Ausgangspunkte liefert. Eine erste Recherche klärt: Was ist der aktuelle Stand der Diskussion? Welche Autorinnen und Autoren werden häufig zitiert? Welche Teilfragen sind strittig?
Prompt: Einstiegsrecherche
Ich recherchiere zum Thema [Thema einfügen] für [Kontext: Seminararbeit / Referat / persönliches Erkenntnisinteresse]. Gib mir einen strukturierten Überblick über den aktuellen Forschungsstand. Nenne die wichtigsten Diskussionslinien, zentrale Autorinnen und Autoren sowie offene Fragen. Belege alle Aussagen mit Quellen.
Schritt 2: Tiefenanalyse ausgewählter Texte
Werkzeug: Claude Sonnet (oder andere Modelle, die gut für Recherchen geeignet sind)
Claude Sonnet (wird u.a. in Perplexity angeboten) eignet sich besonders für die Analyse längerer, komplexer Texte wie Fachartikel, Buchkapitel, Forschungsberichte. Das Modell arbeitet mit einem großen Kontextfenster und hält Zusammenhänge über lange Textpassagen stabil. Wer über die AcademicCloud arbeitet, nutzt stattdessen zum Beispiel Mistral-Modelle.
Prompt: Tiefenanalyse
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]
Schritt 3: Querverbindungen zwischen Quellen herstellen
Werkzeug: zum Beispiel NotebookLM
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.
Ein Datenschutzhinweis ist hier angebracht: NotebookLM läuft auf Google-Servern. Wer unveröffentlichte eigene Texte, persönliche Daten oder vertrauliche Dokumente hochlädt, sollte die Nutzungsbedingungen kennen. Für öffentlich zugängliche Forschungsliteratur ist das in der Regel unproblematisch. Die Frage, was hochgeladen werden darf, behandelt ausführlich der Artikel [KI & Urheberrecht: Was Gasthörende dürfen].
Schritt 4: Gegencheck und Halluzinationstest
Werkzeug: zweites Modell (Gemini, Mistral, Aperture, Teuken via AcademicCloud oder Perplexity)
Dieser Schritt wird häufig ausgelassen, ist aber wichtig. KI-Systeme produzieren plausibel klingende Zusammenfassungen auch dann, wenn einzelne Aussagen nicht durch die vorgelegten Quellen gedeckt sind. Ein gezielter Gegencheck mit einem zweiten Modell deckt solche Abweichungen auf.
Prompt: Halluzinationstest / Gegencheck
Ich habe folgende Zusammenfassung auf Basis eines wissenschaftlichen Textes erstellt: [Zusammenfassung einfügen]
Hier ist der Originaltext: [Originaltext oder Auszug einfügen]
Prüfe: Welche Aussagen in meiner Zusammenfassung sind durch den Originaltext nicht oder nicht korrekt belegt? Liste alle Abweichungen auf – auch kleine. Unterscheide dabei zwischen sachlichen Fehlern und zulässigen Vereinfachungen.
Schritt 5: Strukturierte Literaturübersicht
Werkzeug: Claude oder AcademicCloud Chat AI
Am Ende der Recherche steht die Aufbereitung: Welche Quellen werden für welchen Argumentationsschritt verwendet? Ein strukturierter Übersichts-Prompt hilft dabei, aus einem Quellenkorpus eine gebrauchsfertige Arbeitsgrundlage zu machen.
Prompt: Literaturübersicht
Ich habe folgende Quellen für meine Arbeit zum Thema [Thema] gesammelt: [Liste der Quellen einfügen – Titel, Autorin/Autor, Jahr]
Erstelle eine tabellarische Übersicht mit folgenden Spalten:
- Quelle (Autor, Jahr)
- Kernthese in einem Satz
- Methode / Datengrundlage
- Besonders relevant für [eigenen Argumentationsschritt einfügen]
- Einschränkungen oder offene Fragen
Weise darauf hin, wenn du einzelne Quellen nicht kennst – erfinde keine Angaben.
ORKG Ask: Ein Blick voraus
Die AcademicCloud wird in Kürze ORKG Ask integrieren – ein Recherchewerkzeug, das Antworten aus einem Korpus von über 80 Millionen wissenschaftlichen Publikationen generiert und dabei direkt auf Primärquellen verweist. Für akademische Tiefenrecherchen im Seniorenstudium wird das ein erheblicher Fortschritt sein: verlässliche Quellenangaben, DSGVO-konform, ohne Umweg über kommerzielle Plattformen. Es lohnt sich, die AcademicCloud-Seite im Blick zu behalten.
Eine Faustregel für den Alltag
Nicht jede Recherche braucht alle fünf Schritte. Für einen kurzen Seminarbeitrag reichen Schritt 1 und Schritt 2. Für eine größere Hausarbeit oder eine Citizen-Science-Fragestellung lohnt der vollständige Durchlauf. Der Gegencheck in Schritt 4 sollte dabei nie wegfallen – er kostet wenig Zeit und verhindert, dass fehlerhafte Zusammenfassungen in eigene Texte einfließen.
Quellen
Anthropic (2025): Das richtige Modell auswählen. Claude API Dokumentation. https://platform.claude.com/docs/de/about-claude/models/choosing-a-model
Emerging Linguists (2026): Literaturarbeit mit NotebookLM. https://emerginglinguists.org/de/literaturarbeit-mit-notebooklm/
Hilge Kohler (2025): So geht Recherche mit NotebookLM. https://www.hilgekohler.com/post/so-geht-recherche-mit-notebooklm
Hochschule Mittweida – Digital Campus (2025): NotebookLM: KI-gestützter Assistent für Analyse, Erklärung und Erstellung von Lernmaterialien. https://digital-campus.hs-mittweida.de/2025/04/notebooklm-ki-gestuetzter-assistent-fuer-analyse-erklaerung-und-erstellung-von-le
Empirische Studien und Forschungsberichte
CHE Centrum für Hochschulentwicklung (2025): DatenCHECK 6/2025: Künstliche Intelligenz im Studium – die Sicht von Studierenden im Wintersemester 2024/25. https://hochschuldaten.che.de/kuenstliche-intelligenz-im-studium-die-sicht-von-studierenden-im-wintersemester-2024-25/DZHW – Deutsches Zentrum für Hochschul- und Wissenschaftsforschung (2025): DZHW Brief 02/2025: Künstliche Intelligenz im Studienalltag. https://kops.uni-konstanz.de/server/api/core/bitstreams/8d6d5461-fb3d-4a09-abde-4f47e4f3832e/content