Was KI-Forschungsagenten in der Literaturarbeit leisten, und was nicht
Das Zukunftslabor Generative KI hat sechs KI-Forschungsagenten im Praxistest verglichen. Das Ergebnis: hohes Tempo bei der Recherche, dazu formal perfekt wirkende Quellenangaben mit teils erheblichen Mängeln.
In der Ausgabe 8/26 von Forschung & Lehre ist am 19. August 2026 ein Beitrag von Prof. Dr. Doris Weßels, Dr. Miriam Maibaum und Martin Schanze aus dem Zukunftslabor Generative KI erschienen. Er beschreibt den Übergang von reaktiven Chatbots zu KI-Agentensystemen, die einen Rechercheauftrag eigenständig planen und ausführen, und prüft empirisch, wie verlässlich diese Systeme dabei arbeiten.
Für die wissenschaftliche Praxis bedeutet das zunächst einen Effizienzgewinn: Informationsbeschaffung und erste Aggregation von Quellen lassen sich in einen automatisierten Workflow überführen. Zugleich verschiebt sich die menschliche Rolle von der Informationsbeschaffung hin zur strategischen Steuerung und methodischen Qualitätssicherung.
Formale Perfektion als Risiko
Ein zentrales Merkmal aktueller Forschungsagenten ist ihre Fähigkeit, Zitierstile wie APA 7 oder Harvard oberflächlich exakt abzubilden. Das erzeugt den Eindruck handwerklicher Professionalität und begünstigt einen Automatisierungs-Bias: Ergebnisse automatisierter Systeme werden unkritisch übernommen. Die Abweichungen stecken in den bibliografischen Metadaten und fallen erst beim systematischen Abgleich mit der Primärquelle auf.
Der Testaufbau
Im Juni 2026 hat das Team sechs im akademischen Kontext relevante Systeme mit identischem Auftrag getestet: Claude (Opus 4.8), Edison Scientific, Genspark (Opus 4.7), Manus Lite 1.6, Perplexity Pro (Sonnet 4.6) und ChatGPT (GPT 5.5). Aufgabe war es, die fünf einflussreichsten Publikationen des Jahres 2026 zu KI-Forschungsagentensystemen über einen begründeten Score auszuwählen, bis zu zehn weitere Quellen zu ergänzen und daraus einen wissenschaftlichen Beitrag mit Harvard-Zitation und APA-7-Literaturverzeichnis zu erstellen. Strittige Metadaten wurden gegen die Primärquellen geprüft.
Inhaltlich war die Quellenauswahl größtenteils relevant. Über alle Systeme hinweg entstanden 97 Quellenangaben mit 20 Dopplungen. Die Systeme verständigten sich also nur bei einem kleinen Kern besonders einflussreicher Arbeiten, im Übrigen ging die Auswahl deutlich auseinander.
Vier Typen formaler Abweichungen
- Strukturelle Formatierungsfehler: unaufgelöste interne Platzhalter statt lesbarer Autor-Jahr-Zitate im Fließtext.
- Fehlattributionen: falsche Erstautoren, teils bei zentralen Nature-Arbeiten, formal korrekt aussehend und nur im Quellenabgleich erkennbar.
- Nicht existente Quellen und Blindzitate: erfundene Belege sowie im Text genannte, im Verzeichnis fehlende Arbeiten.
- Widersprüchliche Angaben: abweichende Publikationsstadien, falsche Zeitschriftenzuordnungen und verwaiste Verzeichniseinträge.
Kein Ersatz für kritische Kontrolle
Das Fazit des Autorenteams: KI-Forschungsagenten beschleunigen die Literaturarbeit und reduzieren den Aufwand für die initiale Recherche. Den wissenschaftlichen Konsens eines Forschungsfelds bilden sie nur eingeschränkt ab, und sie entbinden nicht von der wissenschaftlichen Sorgfaltspflicht. Die Anforderungen verschieben sich im Sinne des New Skilling: Klassische Quellenkritik wird um eine systematische digitale Validierungskompetenz erweitert. Cite-Checking-Tools helfen dabei, bieten aber keine vollständige Sicherheit.
Nur eine systematische Validierung der Ergebnisse mit Abgleich zu Literaturdatenbanken sichert die Qualitätsstandards der Forschung und ermöglicht eine produktive Synthese aus algorithmischer Geschwindigkeit und menschlicher Urteilskraft. Doris Weßels, Miriam Maibaum und Martin Schanze, Forschung & Lehre 8/26
Der vollständige Beitrag ist bei Forschung & Lehre erschienen: „Wie KI-Forschungsagenten die Literaturarbeit revolutionieren".
Zitierform: Weßels, Doris / Maibaum, Miriam / Schanze, Martin: „Hybride Intelligenz: Wie KI-Forschungsagenten die Literaturarbeit revolutionieren", in: Forschung & Lehre, Ausgabe 8/26, S. 34f.