Mit Hilfe von KI-gestützer Literaturrecherche lassen sich große Datenbestände systematisch durchsuchen, relevante Publikationen schnell identifizieren und komplexe thematische Zusammenhänge sichtbar machen. Darüber hinaus bieten KI-Tools effektive Unterstützung bei der Erarbeitung von Referaten oder Hausarbeiten, in dem sie bei der Themenentwicklung, der der Literaturanalyse und der Textüberarbeitung helfen können.
Gezielt und verantwortungsbewusst eingesetzt, optimiert KI die Literaturrecherche und erleichtert das wissenschaftliche Arbeiten.
Schulung "Literaturrecherche mit KI – Tipps und Tools"
Diese Schulung vermittelt einen Überblick über den Einsatz von KI in der Literaturrecherche. Sie erklärt die Funktionsweise generativer KI-Assistenten und stellt Werkzeuge wie Consensus (zur präzisen Literaturfindung) und Research Rabbit (zur Visualisierung thematischer Zusammenhänge) vor. Der Fokus liegt auf der effektiven Kombination von KI-Tools mit klassischen Recherchemethoden, um den Literaturrecherche-Prozess zu optimieren.
Schulung "KI-Tools für das wissenschaftliche Arbeiten"
Die Schulung beleuchtet zentrale Aspekte des Einsatzes und der Funktionsweise generativer KI für das wissenschaftliche Arbeiten. Thematische Schwerpunkte sind die gezielte Formulierung von Prompts und der Einsatz spezifischer KI-Tools zur Unterstützung der Literaturrecherche sowie Dokumentenanalyse. Die erworbenen Kompetenzen ermöglichen einen effizienten und reflektierten Umgang mit aktuellen KI-Technologien in der wissenschaftlichen Arbeit.
AI Literacy etablierte sich als interdisziplinärer Ansatz, um den Herausforderungen bezüglich KI zu begegnen. Im Zentrum steht dabei die Vermittlung von Wissen und Fertigkeiten, um KI-Systeme kritisch zu hinterfragen, mit ihnen zusammenzuarbeiten und sie in verschiedenen Lebensbereichen praktisch anzuwenden. Im Sinne der Informationskompetenz ist der Umgang mit KI daher ein wichtiges Aufgabenfeld der Universitätsbibliothek.
Generative KI ist der Oberbegriff für alle KI-Systeme, die trainierte statistische Modelle nutzen, um eigenständig neue Inhalte wie Texte, Bilder, Audio, Code oder Videos zu erzeugen.
Künstliche Intelligenz (KI) bezeichnet Systeme, die menschenähnliche kognitive Fähigkeiten nachahmen - von Spracherkennung und Textgenerierung bis hin zur Entscheidungsfindung und Problemlösung. Diese Technologien bieten vielversprechende Ansätze für die wissenschaftliche Arbeit, erfordern jedoch auch einen kritischen Umgang.
Large Language Models (LLMs) wie ChatGPT oder Open WebUI sind spezialisierte Formen Generativer KI, die Texte verstehen, verarbeiten und erzeugen können. Sie wurden mit einer enormen Menge an Textdaten trainiert und haben dabei Milliarden von Wortkombinationen analysiert. LLMs generieren die Antworten ausschließlich durch statistische Vorhersagen innerhalb des vorgegebenen Anfragekontexts (dem sog. Prompt). Da sie Sprache lediglich als Wahrscheinlichkeitsmuster interpretieren, fehlt ihnen kritisches Denkvermögen und ein echtes Sprachverständnis, weshalb sie auch als „stochastische Papageien“ (Bender et al. 2021) bezeichnet werden.
Retrieval-Augmented Generation (RAG) kann die KI-gestützte Literaturrecherche verbessern, indem große Sprachmodelle mit externen Datenquellen wie Forschungspapers (z.B. aus PubMed) oder eigenen PDF-Sammlungen verknüpft werden. So entstehen präzisere, faktenbasierte Ergebnisse, während das Risiko falscher oder erfundener Aussagen ("Halluzinationen") sinkt. Dieses Verfahren kommt bereits bei KI-Tools wie Perplexity, Elicit oder Semantic Scholar zum Einsatz. Die Qualität der Ergebnisse hängt dabei von den zugrundeliegenden Daten ab und erfordert weiterhin eine kritische Überprüfung.
