Beste KI für Literaturrecherche: Elicit fürs Screening, Consensus für Antworten und 8 weitere

Welches KI-Tool ist für welche Phase der Literaturrecherche das beste?

Kein einzelnes Tool gewinnt jede Phase, deshalb besteht das beste Setup aus zwei oder drei Tools, die jeweils eine Aufgabe übernehmen. Wir haben am 25. Oktober 2026 die Preis- oder Über-uns-Seite jedes Anbieters gelesen. Die Tabelle zeigt, was jeder selbst angibt.

Lies die Spalte zum Bestand mit Vorsicht. Jeder Anbieter zählt auf seine eigene Weise: Scite zählt Zitationsaussagen, Consensus begutachtete Paper und ResearchRabbit Artikel. Eine größere Zahl bedeutet nicht automatisch bessere Abdeckung deines Fachgebiets. Suche in einem Tool zuerst deine drei wichtigsten bekannten Paper. Fehlt eines, fehlen auch andere.

Kann ChatGPT oder Claude eine Literaturrecherche für dich schreiben?

Nein. Ein allgemeiner Chatbot kann Fließtext über Paper entwerfen, aber man kann ihm die Literaturliste nicht anvertrauen. Drei begutachtete Studien haben das seit 2023 gemessen. Jede fand erfundene Paper.

Das Muster ist der nützliche Teil. Das Team um Jake Linardon an der Deakin University bat GPT-4o im Juni 2025 um sechs kurze Übersichten und prüfte dann jede Quelle in Google Scholar, Scopus, PubMed und WorldCat. Von 176 Quellen existierten 35 (19.9%) nicht. Die Rate war bei der am besten erforschten Störung am niedrigsten und bei den am wenigsten erforschten fast fünfmal so hoch. Von den 141 echten Quellen hatten 64 (45.4%) trotzdem Fehler, meist eine falsche DOI. Das Modell versagt also genau dort am stärksten, wo du Hilfe am nötigsten brauchst: bei einem Nischenthema, das du noch nicht gut kennst.

Die früheren Studien weisen in dieselbe Richtung. Walters und Wilder testeten GPT-3.5 und GPT-4 im September 2023 in Scientific Reports und schrieben: „Of the 222 works cited in the GPT-3.5 papers, 55% are fabricated.“ GPT-4 schnitt mit 18% besser ab. Eine JMIR-Studie von Chelli und Kollegen vom Mai 2024 verlangte die Quellen echter systematischer Reviews und ermittelte eine Halluzinationsrate von 28.6% für GPT-4 und 91.4% für Bard.

Deep-Research-Modi helfen, weil sie suchen, bevor sie schreiben. Im Hilfecenter von OpenAI heißt es: „All deep research outputs include citations or source links so you can verify the information.“ Ein Link zum Anklicken ist besser als ein erinnerter Titel. Eine geprüfte, vollständige Suche ist es trotzdem nicht, und keine der drei Studien hat einen Deep-Research-Modus getestet. Öffne also jede Quelle, bevor du sie zitierst.

Ist Elicit oder Consensus besser für eine Literaturrecherche?

Elicit ist besser für ein systematisches Review, Consensus besser für eine schnelle Antwort auf eine einzelne Frage. Die beiden lösen unterschiedliche Probleme, und der Preisunterschied zeigt es.

Elicit ist um eine Tabelle herum gebaut. Du wählst die Paper aus, benennst die Spalten (Stichprobengröße, Methode, Ergebnis), und Elicit füllt jede Zelle aus dem Paper. Der Pro-Tarif, $49 im Monat bzw. $588 im Jahr, ergänzt einen von Elicit so genannten „Dedicated Systematic Review Workflow that can screen 5,000 papers.“ Der kostenlose Basic-Tarif behält die unbegrenzte Suche über mehr als 138 Millionen Paper und unbegrenzte Zusammenfassungen, bei begrenzten Berichten.

Consensus beantwortet eine Frage mit einer Zusammenfassung dessen, was die Studien sagen. Frag „does creatine improve memory“, und du bekommst den Befund samt den Papern dahinter. Der Gratis-Tarif bietet 10 Pro-Nachrichten und bis zu 3 Deep Reviews im Monat. Pro kostet $144 im Jahr, also $12 im Monat, mit unbegrenzten Pro-Nachrichten und 15 Deep Reviews. Consensus gibt an, dass die Jahreszahlung $96 spart, monatliche Zahlung kostet also mehr. Der Deep-Tarif, $540 im Jahr ($45 im Monat), hebt diese Zahl auf 200.

Nutze beide nacheinander. Consensus sagt dir in fünf Minuten, ob eine Frage überhaupt eine Evidenzbasis hat. Elicit screent und extrahiert dann aus den Papern, die du tatsächlich zitierst. Wenn du nur für eines zahlen kannst: Wer als Doktorand ein systematisches Review schreibt, braucht Elicit. Wer einen Essay von 3000 Wörtern schreibt, braucht Consensus.

Welche kostenlosen KI-Tools reichen für eine Literaturrecherche aus?

Semantic Scholar, ResearchRabbit, Zotero und Gemini Notebook decken zusammen die Recherche für eine ganze Abschlussarbeit für $0 ab. Jedes ist von Haus aus kostenlos, keine Testversion.

• Semantic Scholar durchsucht über 200 Millionen Paper. Ai2, das von Paul Allen gegründete gemeinnützige Institut, betreibt es und nennt es „a free, AI-powered research tool for scientific literature.“
• ResearchRabbit baut im Gratis-Tarif aus bis zu 50 Ausgangspapern eine Zitationskarte und sagt, es „has and will always have a free offering.“
• Connected Papers zeichnet pro Paper einen Graphen verwandter Arbeiten. Der Gratis-Tarif erlaubt 5 Graphen im Monat.
• Zotero speichert jedes Paper und erstellt das Literaturverzeichnis in Word oder Google Docs in über 9.000 Zitierstilen. Betrieben wird es von der gemeinnützigen Organisation Digital Scholar.
• Gemini Notebook (von Google im Juli 2026 aus NotebookLM umbenannt) beantwortet Fragen nur aus den PDFs, die du hochlädst. Der Gratis-Tarif erlaubt 100 Notebooks mit je 50 Quellen, und eine Quelle kann bis zu 500.000 Wörter umfassen.

Die eine Lücke eines kostenlosen Stacks ist das Screening im großen Maßstab. Stichprobengrößen aus 300 Abstracts von Hand herauszuziehen dauert Tage, und genau das erledigt der Bezahltarif von Elicit. Bei einem Review mit unter 50 Papern wirst du ihn nicht vermissen.

Wie nutzt du KI für eine Literaturrecherche ohne erfundene Quellen?

Lass Suchtools die Paper finden und Chatbots nur Text aus Papern umformulieren, die du schon geöffnet hast. Diese eine Regel beseitigt das Erfindungsproblem, denn das Modell muss sich nie eine Quelle merken.

1. Formuliere die Fragestellung in einem Satz, mit Population, Ergebnis und den Jahren, die du einbeziehst.
2. Suche in Semantic Scholar oder Consensus und speichere jeden Kandidaten in Zotero.
3. Füttere ResearchRabbit mit deinen fünf besten Papern, um die zu finden, die die Stichwortsuche übersehen hat.
4. Screene und extrahiere in Elicit, oder in einer Tabelle, wenn das Review klein ist.
5. Prüfe die Paper, auf die du dich am stärksten stützt, in Scite: Dort siehst du, ob spätere Forschung sie bestätigt oder widerlegt hat.
6. Lade die PDFs in Gemini Notebook oder einen Chatbot hoch und bitte um Themen, jeweils mit Zitat aus dem Paper hinter jeder Aussage.
7. Füge Zitate aus Zotero ein, nie aus dem Chatbot, und klicke jede DOI einmal an.

Synthese-Prompt für Schritt 6: „Using only the attached papers, group the findings into three to five themes. Under each theme, list the papers that support it and any that contradict it, with the page or section for each claim. If the papers don't answer part of my question, say so. Don't add any paper that isn't attached.“

Whizi, das diese Seite veröffentlicht, passt nur zu Schritt 6. Es durchsucht keinen wissenschaftlichen Index wie Semantic Scholar. Ein Whizi-Projekt fasst bis zu 10 angeheftete PDFs von je bis zu 10 MB. Pro lässt zwei Modelle nebeneinander auf denselben Papern laufen (etwa Claude gegen GPT), sodass du siehst, welches seine Quellen am genauesten wiedergibt.