Open-Source-Ansatz stärkt Transparenz bei KI-gestützter Literaturrecherche

Die Auswertung wissenschaftlicher Literatur wird durch die wachsende Zahl an Publikationen zunehmend komplex. Forschende müssen relevante Arbeiten identifizieren, einordnen und korrekt zitieren. Herkömmliche KI-Sprachmodelle unterstützen diesen Prozess zwar, zeigen jedoch Schwächen wie fehlerhafte Angaben oder veraltete Inhalte.

Ein internationales Forschungsteam entwickelte daher das Modell „OpenScholar“, welches auf einem retrieval-augmentierten Ansatz basiert. Das System greift bei Anfragen gezielt auf externe Datenquellen zurück und ergänzt damit das interne Modellwissen. Dafür nutzt OpenScholar eine umfangreiche Datenbank mit rund 45 Millionen frei zugänglichen Publikationen. Diese Kombination steigert die Qualität der generierten Inhalte. Zusätzlich enthält das System mehrere tausend Forschungsfragen sowie geprüfte Referenzantworten aus verschiedenen Disziplinen.

In Tests erzielte das Modell laut den Entwickelnden bessere Ergebnisse als vergleichbare Systeme. Dabei wurde besonders die hohe Genauigkeit von Zusammenfassungen und Zitaten durch die Entwickler hervorgehoben. Ein Vorteil liegt im offenen Zugang, denn Forschende können das System kostenfrei nutzen und lokal einsetzen. Das System erfasst keine kostenpflichtigen Artikel. Eine Einschränkung bleibt jedoch der Zugriff auf Inhalte, da OpenScholar nur Open-Access-Publikationen verarbeitet. Das Forschungsteam sieht in diesem offenen Ansatz vor allem eine Grundlage für nachvollziehbare sowie transparente Analysen wissenschaftlicher Literatur.