Text: Gunter Lösel & Irene Ragaller Bild: Google DeepMind on Unsplash
Keine Frage: Literatursuche kann durchaus mühsam sein. Wäre es nicht toll, wenn eine KI diese Arbeit für uns erledigen könnte? Zahlreiche neue KI-Recherchetools versprechen genau dies: Zeitersparnis und Effizienz bei der Literatursuche. Aber können sie dieses Versprechen auch halten?
Um dieser Frage nachzugehen, haben wir vom Team Digitalrat gemeinsam mit dem MIZ einige der gängigsten Tools im Rahmen einer Umfrage und eines Workshops genauer unter die Lupe genommen. Grundsätzlich gibt es drei verschiedene Arten von Tools:
- Literatur-Recherchetools liefern auf eine Forschungsfrage oder ein Stichwort hin eine Liste publizierter Arbeiten zu dem Thema, sortiert nach Relevanz.
- Visualisierungs-Tools geben eine grafische Übersicht über Papers, die in einem Forschungsfeld publiziert wurden, ordnen sie in Cluster und zeigen Beziehungen zwischen einzelnen Papers auf.
- Chat-with-Paper-Tools ermöglichen es, einem publizierten Artikel sozusagen «Fragen zu stellen» und so in eine Art Dialog mit dem Paper zu kommen.
Wir untersuchten in einem ersten Schritte vier KI-Recherche-Tools, nämlich Semantic Scholar, Consensus, Scholar.ai und Scispace. Die Resultate, die wir mit diesen Tools erhielten, verglichen wir mit jenen, die wir bei der Recherche auf dem Bibliothekskatalog swisscovery bekamen.
Es zeigte sich sehr schnell, dass die KI-Recherche-Tools oft ganz andere Treffer liefern als der Bibliothekskatalog – was auch an den zugrundeliegenden Modellen liegt: KI-basierte Tools ermitteln die semantische Ähnlichkeit von Texten, während die Suche im Bibliothekskatalog anhand bibliografischer Angaben und Verschlagwortung erfolgt.
Wie gut sind also KI-Recherche-Tools für die wissenschaftliche Recherche? Wie so oft lautet hier die Antwort «Es kommt ganz drauf an…». In der Regel greifen KI-Recherche-Tools, wie wir sie getestet haben, auf eine sehr breite, wenn auch wenig transparente Datenbasis zu und können daher vielleicht eine höhere Anzahl an relevanten Resultaten liefern. Die meisten gängigen Tools haben jedoch einen starken Fokus auf naturwissenschaftliche Artikel in englischer Sprache. Von den vier von uns getesteten Tools erschien uns Semantic Scholar wohl noch am ehesten relevant, da es keine Registrierung erfordert und sich einer gemeinnützigen Zielsetzung verschreibt.
Ergänzen – aber nicht ersetzen
Sinnvoll eingesetzt und kritisch evaluiert können KI-Recherche-Tools also durchaus eine traditionelle Recherche ergänzen – aber diese nicht ersetzen. So ist etwa nicht immer ersichtlich, ob die Zusammenfassung eines Artikels, die ein KI-Tools anzeigt, tatsächlich das Original-Abstract des Papers ist, oder ob die Zusammenfassung von der KI generiert wurde. Zu allen Werken, die man im Detail studieren und vor allem zu jenen, die man zitieren möchte, sollte man unbedingt das Original konsultieren.
ZHdK-Angehörige, die sich zur Recherche mit KI-Tools informieren möchten, können sich gerne ans MIZ wenden: miz.ik@zhdk.ch.
KI-Tools in Forschung: Getting Started
Überblick über KI-Tools in der Forschung:
https://www.vkkiwa.de/ki-ressourcen/ki-tools/
Einführung:
https://moodle.zhaw.ch/mod/page/view.php?id=1027618
Einführungsvortrag:
https://ub.uni-graz.at/de/suchen-ausleihen/wo-und-was-kann-ich-suchen/ki-tools-fuer-die-literatursuche