Forschungsinstitut: Literaturdschungel per KI navigieren

Ein außeruniversitäres Forschungsinstitut mit 120 Wissenschaftlerinnen und Wissenschaftlern in den Bereichen Materialwissenschaften und Chemie veröffentlicht jährlich rund 180 Fachartikel. Für jeden Artikel ist ein systematischer Literaturüberblick notwendig: Was ist bekannt? Was ist umstritten? Was fehlt noch?

Eine systematische Literaturrecherche über drei Datenbanken (Scopus, Web of Science, PubMed) dauert 2–4 Wochen — manuelles Durchlesen von 500–800 Abstracts, Bewertung der Relevanz, Extraktion der zentralen Aussagen, Identifikation von Widersprüchen. Für junge Wissenschaftlerinnen und Wissenschaftler ist das oft die zeitaufwendigste Phase ihrer Arbeit.

Nicht publizierte Daten dürfen das Institut nicht verlassen

Forschungsdaten, Rohexperimentedaten und unveröffentlichte Ergebnisse unterliegen strengen Vertraulichkeitspflichten — gegenüber Fördergebern, Kooperationspartnern und dem wissenschaftlichen Wettbewerb. Die Nutzung externer KI-Dienste für diese Daten kam nicht in Betracht.

Lokaler Literature-Review-Assistent mit SoverIQ

SoverIQ Stack läuft auf dem Institutsserver. Das System unterstützt den Literature-Review-Prozess:

• Exportierte Paper-Datenbanken (BibTeX, RIS) werden eingelesen und semantisch indexiert
• Forschungsfrage eingeben → relevante Paper nach semantischer Ähnlichkeit ranken
• Cluster-Analyse: Welche Forschungsrichtungen lassen sich identifizieren?
• Widerspruch-Erkennung: Wo kommen Paper zu entgegengesetzten Schlussfolgerungen?
• Automatisch generierte Review-Zusammenfassung: Stand der Forschung zu einer Frage, mit Quellenangaben
• Identifikation von Forschungslücken: Was wurde noch nicht untersucht?

Ergebnis

Durchschnittliche Dauer eines systematischen Literature Reviews sank von 3,5 Wochen auf 8 Tage. Wissenschaftlerinnen und Wissenschaftler lesen jetzt gezieltere Paper und übersehen seltener wichtige Arbeiten. Drei Forschungsprojekte wurden initiiert, die direkt aus durch KI identifizierten Forschungslücken entstanden.