Literatursuche mit KI: Auch widersprechende Befunde finden

Das Problem

Frau Keller bemerkt, dass ein Literaturüberblick ausschliesslich Vorteile einer Lehrmethode beschreibt. Die Studierenden haben nach «Nutzen» und «Verbesserung» gesucht. Dass sie kaum kritische Befunde finden, liegt möglicherweise schon an der Formulierung der Suche.

Ein Bestätigungsfehler entsteht, wenn Informationen bevorzugt gesucht oder gewichtet werden, die zur eigenen Vermutung passen. KI kann diese Tendenz verstärken, wenn sie einen überzeugenden Text zur gewünschten Schlussfolgerung liefern soll. Gegenbelege müssen deshalb ausdrücklich mitgedacht werden.

Gesucht wird keine künstliche Ausgewogenheit mit gleich vielen positiven und negativen Texten. Das Ziel ist eine faire Prüfung der Frage, einschliesslich uneindeutiger Ergebnisse und Grenzen der vorhandenen Forschung.

So lösen Sie es mit KI – Schritt für Schritt

1. Schreiben Sie Ihre Erwartung offen auf. Notieren Sie vor der nächsten Suche, welches Ergebnis Sie vermuten und weshalb. Lassen Sie die Studierenden zusätzlich angeben, welche Beobachtung sie zum Überdenken dieser Erwartung bewegen würde.

1. Formulieren Sie alternative Erklärungen. Bitten Sie KI, auf Grundlage der Forschungsfrage mögliche Gegenhypothesen vorzuschlagen. Eine Gegenhypothese ist eine alternative Annahme, etwa dass ein beobachteter Vorteil durch unterschiedliche Vorkenntnisse statt durch die Lehrmethode entsteht.

1. Erweitern Sie die Begriffe sachlich. Sammeln Sie neutrale Bezeichnungen für Gegenstand und Ergebnismerkmal sowie Begriffe für Grenzen oder unerwünschte Folgen. Vermeiden Sie eine Suche, die ausschliesslich Formulierungen wie «kein Effekt» verlangt, weil entsprechende Studien sich anders ausdrücken können.

1. Führen Sie Suchläufe in geeigneten Quellen aus. Öffnen Sie die vereinbarten Fachdatenbanken und prüfen Sie deren Suchsyntax. Dokumentieren Sie neue Suchausdrücke, Filter und tatsächliche Ergebnisse; eine Liste von KI-Literaturvorschlägen ist noch keine geprüfte Recherche.

1. Wenden Sie dieselben Auswahlregeln an. Beurteilen Sie unterstützende und widersprechende Texte nach denselben Kriterien. Nehmen Sie einen schwachen Text nicht allein deshalb auf, weil er die gewünschte Gegenposition liefert, und schliessen Sie einen passenden nicht wegen seines Ergebnisses aus.

1. Prüfen Sie die Bedeutung uneindeutiger Befunde. Ein Nullbefund bezeichnet hier einen berichteten fehlenden Nachweis des untersuchten Unterschieds oder Zusammenhangs. Klären Sie mit methodischer Unterstützung, was die konkrete Untersuchung damit tatsächlich aussagen kann.

1. Überarbeiten Sie die Gesamtsicht. Lassen Sie die Studierenden zeigen, ob Gegenbefunde ihre Schlussfolgerung ändern, einschränken oder eine offene Frage begründen. Bewahren Sie diese Entscheidung mit den zugehörigen Quellenstellen auf; die KI kann Rückfragen stellen, aber die Gewichtung nicht übernehmen.

Vorlage zum Kopieren

Ich plane eine Lehrübung gegen einseitige Literaturauswahl.
Forschungsfrage: [Frage]
Ausgangsvermutung: [Annahme]
Bisherige Suchbegriffe: [Begriffe]
Vereinbarte Auswahlkriterien: [Kriterien]
Schlagen Sie alternative Erklärungen und neutrale Suchbegriffe vor.
Ausgabe: Annahme | mögliche Gegenhypothese | geeignete Begriffsgruppe |
welche Beobachtung die Annahme begrenzen würde | offene methodische Frage.
Erfinden Sie keine Studien oder Befunde. Liefert eine Suche später keine
Treffer, darf daraus kein Beweis für das Fehlen von Gegenbelegen werden.
Trennen Sie Suchideen von tatsächlich geprüfter Literatur.

Ersetzen Sie die Platzhalter durch Ihre Lehrsituation und ausschliesslich durch zur Nutzung freigegebene Inhalte.

Was bedeutet ein Gegenbefund für die Arbeit?

Veröffentlichtes Wissen kann ein unvollständiges Bild der durchgeführten Forschung vermitteln. Leiten Sie aus fehlenden Treffern deshalb keine Gewissheit ab. Bei einer systematischen Arbeit sollten zusätzliche Suchwege und der Umgang mit unveröffentlichtem Material mit der fachlichen Betreuung geplant werden.

Worauf Sie achten müssen

• Daten begrenzen: Geben Sie keine Personendaten von Studierenden oder Schülerinnen und Schülern in öffentliche KI-Dienste ein. Verwenden Sie für Lehrübungen erfundene Fälle oder freigegebenes Material; prüfen Sie auch Kommentare und angehängte Dateien.
• Fehler erkennen: KI kann plausible, aber falsche Aussagen erzeugen. Eine flüssige Erklärung, eine Quellenangabe oder eine selbst vergebene Sicherheitseinstufung ersetzt keine Kontrolle am Ausgangsmaterial.
• Eigenständigkeit erhalten: Lassen Sie Lernende zuerst einen eigenen Vorschlag festhalten und danach eine Änderung begründen. Besprechen Sie Unsicherheiten persönlich, statt eine KI-Rückmeldung als Urteil über die Person zu behandeln.
• Zugang fair gestalten: Stellen Sie bei Lehrveranstaltungen eine gleichwertige Arbeitsmöglichkeit ohne privaten Bezahlzugang bereit. Klären Sie bei jüngeren Teilnehmenden zusätzlich die Altersbedingungen und die notwendige Begleitung.
• Örtliche Regeln klären: An Schweizer Hochschulen und PH gelten die Vorgaben der jeweiligen Institution und des Moduls; kantonale Rahmenbedingungen können unterschiedlich sein. Klären Sie zulässige Hilfsmittel, Offenlegung und offene Rechtsfragen mit den zuständigen Fachstellen im Einzelfall.

Ein Beispiel aus der Praxis

Ein erfundenes Beispiel: In einem Seminar in Aarau untersucht eine Gruppe digitale Lernhilfen. Nach einer Suche nach «Lernhilfe Vorteile» erscheinen nur bestätigende Texte. Frau Keller lässt die Begriffe auf konkrete Lernhandlungen und Ergebnismerkmale umstellen.

Die Gruppe findet nun auch Untersuchungen mit uneindeutigen Befunden. Sie erkennt, dass sich die untersuchten Aufgaben unterscheiden, und schränkt ihre bisherige Aussage ein. Im Überblick erklärt sie, welche Bedingungen noch unklar bleiben, statt einen pauschalen Nutzen zu behaupten.

So hilft Ihnen Alpasana

Mit Prompt Engineering können Sie die dafür nötige KI-Arbeitsweise üben. Sie üben, Aufgabe, Kontext, Ziel und Ausgabeformat klar zu beschreiben, komplexe Arbeiten aufzuteilen und Antworten zu überprüfen. Daraus entsteht ein getestetes Set wiederverwendbarer Arbeitsanweisungen; Programmierkenntnisse sind dafür nicht erforderlich.

Für Frau Keller ist das eine Grundlage, um eigene Lehrvorlagen bewusster zu gestalten und Ergebnisse nachvollziehbar zu kontrollieren. Die fachliche Beurteilung wissenschaftlicher Arbeiten und die Freigabe durch Ihre Hochschule bleiben bei den dafür zuständigen Personen.

Häufige Fragen

Muss ich gleich viele Texte pro Position aufnehmen?

Nein, die Auswahl richtet sich nach Relevanz und den vereinbarten Kriterien. Eine künstliche Gleichverteilung kann das Forschungsbild ebenso verzerren wie eine einseitige Auswahl.

Ist ein Nullbefund ein Beweis für Wirkungslosigkeit?

Das lässt sich nicht pauschal sagen. Prüfen Sie Untersuchungsziel, Messung und Unsicherheit der Ergebnisse, bevor Sie aus einem fehlenden Nachweis eine Aussage über das Fehlen einer Wirkung machen.

Was hilft, wenn ich stark an meiner These hänge?

Lassen Sie vor der Ergebnisdiskussion eine andere Person Ihre Suchbegriffe und Ausschlussgründe prüfen. Formulieren Sie ausdrücklich, welche Befunde Ihre These einschränken würden, und nehmen Sie diese Prüffrage in die Überarbeitung mit.

Für den nächsten Arbeitsschritt helfen Ihnen Literatursuche mit KI nachvollziehbar protokollieren: Vorlage und Literaturüberblick mit KI: Widersprüche statt Quellenlisten.