Ein Link ist kein Beweis: KI-Quellenangaben richtig prüfen

Die drei Ebenen eines brauchbaren Nachweises

Quellenprüfung beginnt mit einer einfachen Existenzkontrolle: Lässt sich die genannte Veröffentlichung tatsächlich aufrufen, und stimmen Titel, Autorenschaft sowie Datum? Danach folgt die inhaltliche Kontrolle. Eine reale Studie kann ein anderes Thema behandeln oder nur eine schwächere Aussage stützen. Erst im dritten Schritt wird geprüft, ob die Schlussfolgerung zulässig ist. Aus einem Zusammenhang folgt beispielsweise nicht automatisch eine Ursache. Das NIST-Risikoprofil beschreibt Konfabulationen als relevantes Risiko generativer Systeme, einschließlich überzeugend präsentierter falscher Inhalte. Forschung zu semantischer Entropie zeigt zugleich, dass bestimmte instabile Erfindungen erkennbar sein können. Für belastbare Recherche bleibt aber entscheidend, die konkrete Behauptung mit der tatsächlichen Originalstelle abzugleichen, statt lediglich die äußere Form einer wissenschaftlichen Referenz als Vertrauenssignal zu behandeln.

Besonders heikel sind Zahlen und Reichweiten

Viele Missverständnisse entstehen nicht durch vollständig erfundene Dokumente, sondern durch verschobene Bedeutungen. Ein Ergebnis aus einer kleinen Versuchsanordnung wird zur allgemeinen Aussage über alle Menschen. Ein relativer Unterschied erscheint ohne Ausgangswert. Eine Prognose wird wie eine Beobachtung formuliert. Bei KI-generierten Zusammenfassungen sollten deshalb besonders Zahlen, Einschränkungen und untersuchte Gruppen kontrolliert werden. Auch der Veröffentlichungsstatus zählt: Ein Vorabmanuskript ist nicht dasselbe wie eine begutachtete Arbeit, und eine Anbieterbeschreibung ist keine unabhängige Replikation. Diese Unterschiede machen eine Quelle nicht automatisch unbrauchbar. Sie bestimmen jedoch, wie vorsichtig ein Ergebnis eingeordnet werden muss. Eine hilfreiche Zusammenfassung benennt deshalb nicht nur das Resultat, sondern auch die Bedingungen, unter denen es ermittelt wurde, und die Fragen, die offenbleiben.

Ein Prüfverfahren, das sich wiederholen lässt

Für redaktionelle und fachliche Arbeit empfiehlt sich eine kleine Belegmatrix. Jede wichtige Aussage erhält eine Originalquelle, eine genaue Fundstelle und einen kurzen Hinweis auf ihre Grenzen. Das Sprachmodell darf beim Auffinden und Strukturieren helfen; die Freigabe folgt erst nach dem Abgleich. Bei langen Antworten lohnt es sich, zuerst die folgenreichsten Behauptungen zu kontrollieren, statt wahllos einzelne Links anzuklicken. Lassen sich Belege nicht öffnen oder enthalten sie die behauptete Information nicht, sollte die Aussage gestrichen, abgeschwächt oder erneut recherchiert werden. Ebenso wichtig ist die Dokumentation negativer Ergebnisse: Auch keine belastbare Quelle gefunden ist eine relevante Rechercheauskunft. So wird die KI zu einem Werkzeug für überprüfbare Vorarbeit und nicht zur unsichtbaren Instanz, die Glaubwürdigkeit allein durch flüssige Sprache erzeugt.

Weiter entdecken

• AlphaFold richtig lesen: Strukturvorhersagen brauchen Unsicherheitsangaben
• KI-Bildbeschreibungen: Nützlich, wenn der Zweck klar ist
• Datenqualität: Warum Herkunft und Auswahl wichtiger sind als reine Menge