Den Schwerpunkt der Session bildete jedoch Google NotebookLM - ein Tool, das besonders durch seine Transparenz überzeugte. Anders als bei vielen KI-Anwendungen lässt sich hier jede Antwort bis zur ursprünglichen Textstelle zurückverfolgen. Die Teilnehmenden testeten das System sowohl mit inhaltlichen Fragen zu ihren eigenen Publikationen als auch mit kreativen Aufgaben wie der Entwicklung neuer Forschungsideen basierend auf den vorhandenen Quellen. Selbst bei sehr umfangreichen Dokumenten - getestet wurde mit über 900 Seiten - konnte NotebookLM spezifische Textstellen präzise lokalisieren. Das System antwortete dabei ausschließlich basierend auf den hochgeladenen Quellen. Wo Informationen fehlten, gab es das auch zu. Bei logischen Rätseln stieß es jedoch an seine Grenzen.

Das Feedback der Teilnehmenden war differenziert: In puncto Effizienz und Nutzbarkeit schnitten die KI-Tools durchweg gut ab. Besonders geschätzt wurde die Geschwindigkeit bei der Erstellung von Zusammenfassungen und die Möglichkeit, sowohl eine große Anzahl von Dokumenten als auch Dateien mit erheblicher Größe gezielt zu durchsuchen. Bei der Qualität der Ergebnisse zeigte sich jedoch ein gemischtes Bild: Während Korrektheit und Relevanz meist zufriedenstellend waren, blieb die Vollständigkeit problematisch.

Ein zentraler Punkt kristallisierte sich heraus: KI-Tools funktionieren am besten, wenn man bereits Vorwissen mitbringt. Die Tools eignen sich daher weniger für die Erstrecherche in unbekannten Gebieten, sondern vielmehr als intelligente Suchmaschinen für bereits bekannte Literaturbestände.

Ein wichtiger Perspektivwechsel kam aus der Diskussion: Statt KI-Tools isoliert zu nutzen, sollten sie mit bewährten Methoden kombiniert werden. Findet beispielsweise die KI bestimmte Informationen nicht, kann eine gezielte Suche im Original-PDF weiterhelfen. Das Fazit: KI-Tools sind wertvolle Ergänzungen, ohne methodisches wissenschaftliches Arbeiten geht es jedoch nicht!

Die Session machte deutlich: KI-Tools in der Literaturarbeit sind keine Zukunftsmusik mehr, sondern bereits heute praxistauglich - allerdings mit klaren Grenzen. Sie beschleunigen bekannte Arbeitsschritte und eröffnen neue Möglichkeiten der Textanalyse, ersetzen aber nicht die wissenschaftliche Urteilskraft.

Das didaktische Konzept - Live-Demonstrationen kombiniert mit eigenständigem Ausprobieren - erwies sich als besonders wertvoll. Während die Referentinnen NotebookLM vorführten, konnten alle Teilnehmenden parallel an den gleichen Beispielen experimentieren und eigene Fragen stellen. So entstanden authentische Lernerfahrungen jenseits theoretischer Präsentationen.

Für die Teilnehmenden ergaben sich konkrete nächste Schritte: Tools wie NotebookLM werden nun in eigenen Projekten getestet, Erfahrungen ausgetauscht und in einem gemeinsamen Wiki dokumentiert - das selbst als NotebookLM-Anwendung realisiert wurde. Die Entwicklung der KI-Landschaft ist so schnelllebig, dass nur durch kontinuierliches Ausprobieren und kritische Bewertung sinnvolle Einsatzszenarien identifiziert werden können.

Die wichtigste Erkenntnis bleibt: KI-Tools sind dann am wertvollsten, wenn sie bewusst und reflektiert eingesetzt werden - als intelligente Assistenten, nicht als Ersatz für wissenschaftliches Denken.