Literaturrecherche-Strategie entwickeln

Zerlegen Sie Ihre Forschungsfrage mit dem PICO-Framework, sichern Sie 5 bis 10
Schluesselpublikationen per KI-semantischer Suche in natuerlicher Sprache, und
erweitern Sie Ihre Sammlung durch Vorwaerts- und
Rueckwaerts-Zitationsverfolgung. Verfeinern Sie die Ergebnisse mit Filtern und
dokumentieren Sie den Auswahlprozess mit einem PRISMA-Flussdiagramm.

Warum braucht man eine Suchstrategie?

Mit einer Suchstrategie finden Sie die benötigten Publikationen schnell, können sicher sein, dass keine wichtigen Arbeiten übersehen wurden, und können die Systematik Ihrer Literaturübersicht nachweisen. „Reicht es nicht, einfach bei Google Scholar ein paar Stichwörter einzugeben?" — Natürlich liefert das Ergebnisse. Doch die schlüsselwortbasierte Suche hat grundlegende Grenzen:

Publikationen, die dasselbe Konzept mit anderen Begriffen beschreiben, werden übersehen („Fernunterricht" vs. „Online-Lernen" vs. „E-Learning")
Man verschwendet Zeit damit, 3.000 Suchergebnisse einzeln durchzugehen
Ohne die richtigen Fachbegriffe ist der Einstieg schwierig

Mit einer Suchstrategie finden Sie die benötigten Publikationen schnell, können sicher sein, dass keine übersehen wurden, und können Gutachtern die Systematik Ihrer Literaturübersicht belegen.

Schritt 1: Forschungsfrage suchbar strukturieren

Der Ausgangspunkt der Suche ist nicht ein Stichwort, sondern die Forschungsfrage. Zerlegen Sie Ihre Frage mit dem PICO/PEO-Framework in Bestandteile.

Element	Beschreibung	Beispiel (Bildungsforschung)
P (Population)	Untersuchungsgruppe	Studierende, Grundschüler, Lehrkräfte
I (Intervention/Exposure)	Intervention oder Variable	KI-Tutoring, Flipped Learning
C (Comparison)	Vergleichsgruppe	Traditioneller Unterricht, Kontrollgruppe
O (Outcome)	Ergebnisvariable	Lernleistung, Lernmotivation

Durch diese Zerlegung ergeben sich sowohl natürlichsprachliche Fragen für die KI-gestützte semantische Suche als auch Suchbegriffe für die klassische Schlüsselwortsuche.

Schritt 2: KI-gestützte semantische Suche für Schlüsselpublikationen

Suche in natürlicher Sprache

Bei der klassischen Suche muss man die exakten Fachbegriffe kennen, bei der KI-gestützten semantischen Suche kann man die Forschungsfrage direkt eingeben.

Suchmethode	Eingabebeispiel	Besonderheit
Schlüsselwortsuche	"AI tutoring" AND "academic performance" AND "higher education"	Exakte Begriffe nötig, Synonyme werden leicht übersehen
KI-semantische Suche	„Wirkung KI-basierter personalisierter Lernmethoden auf die Studienleistung"	Natürlichsprachliche Eingabe, bedeutungsbasiertes Matching

Die KI-gestützte semantische Suche versteht Bedeutung, nicht nur Wörter. Selbst wenn der Begriff „KI-Tutoring" nicht vorkommt, werden Publikationen zu verwandten Konzepten wie „Intelligente Lernsysteme" oder „Adaptive Bildungstechnologie" gefunden.

Traditionell musste man je nach Fachgebiet verschiedene Datenbanken separat durchsuchen.

Fachgebiet	Wichtige Datenbanken
Allgemein	Google Scholar, Scopus, Web of Science
Medizin/Gesundheit	PubMed, MEDLINE, Cochrane Library
Bildung	ERIC, Education Source
Psychologie	PsycINFO, PsycArticles
BWL/VWL	SSRN, EconLit, Business Source Complete
Ingenieurwesen/Informatik	IEEE Xplore, ACM Digital Library

Die KI-Literatursuche von Nubint AI durchsucht 280 Millionen wissenschaftliche Publikationen aus diesen Datenbanken mit einer einzigen Abfrage. Statt mehrere Datenbanken einzeln zu durchsuchen, geben Sie einfach Ihre Forschungsfrage in natürlicher Sprache ein und finden fachübergreifend bedeutungsbasiert relevante Publikationen.

Zuerst 5–10 Schlüsselpublikationen sichern

Versuchen Sie nicht, alles auf einmal zu finden. Sichern Sie zunächst 5–10 Schlüsselpublikationen Ihres Fachgebiets.

Übersichtsarbeiten (Review Articles) zuerst suchen — Systematische Übersichtsarbeiten und Metaanalysen sind die Landkarte Ihres Forschungsfelds
Hochzitierte Publikationen der letzten 3–5 Jahre — Sie zeigen die aktuelle Richtung des Fachgebiets
Publikationen mit direktem Bezug zur Forschungsfrage — Publikationen, deren PICO-Elemente übereinstimmen

Geben Sie Ihr Forschungsthema beim Literaturrecherche-Agenten ein. Die KI analysiert relevante Publikationen und fasst zentrale Forschungsströme, wichtige Erkenntnisse und Forschungslücken zusammen. Da Suche und Analyse gleichzeitig erfolgen, gelingt die erste Literaturerfassung deutlich schneller.

Schritt 3: Erweiterung durch Zitationsverfolgung

Nachdem Sie 5–10 Schlüsselpublikationen gesichert haben, ist die Zitationsverfolgung wesentlich effizienter als wiederholtes Variieren von Suchbegriffen.

Rückwärtszitation (Backward Citation)

Prüfen Sie das Literaturverzeichnis der Schlüsselpublikationen. Indem Sie den dort zitierten Vorstudien folgen, erfassen Sie schnell die Grundlagenliteratur des Fachgebiets.

Vorwärtszitation (Forward Citation)

Prüfen Sie die nachfolgenden Studien, die die Schlüsselpublikation zitiert haben. Nutzen Sie den „Zitiert von"-Link bei Google Scholar oder „Cited by" im Web of Science. Dies ist besonders effektiv, um aktuelle Forschungstrends zu erkennen.

Schneeballsuche (Snowballing)

Durch wiederholte Vorwärts- und Rückwärtszitation wächst die Zahl relevanter Publikationen schneeballartig an. Wenn keine neuen Publikationen mehr gefunden werden — das ist der Sättigungspunkt der Suche.

Der Zitationsfluss-Erkundungsagent von Nubint AI analysiert automatisch das Zitationsnetzwerk einer bestimmten Publikation und zeigt Schlüssel-Vorstudien und Folgestudien. Das spart erheblich Zeit gegenüber dem manuellen Verfolgen von Literaturverzeichnissen.

Schritt 4: Filterung und Verfeinerung der Suchergebnisse

Nachdem Sie über KI-gestützte semantische Suche und Zitationsverfolgung Publikationen gesammelt haben, verfeinern Sie durch Filterung.

Suchergebnisse eingrenzen

Wenn die Ergebnisse in der Nubint-AI-Literatursuche zu zahlreich sind, grenzen Sie mit der Filterfunktion ein.

Filterkriterium	Anwendung
Erscheinungsjahr	Auf die letzten 5–10 Jahre begrenzen; je nach Fachgebiet anpassen
Zitationsanzahl	Hochzitierte Publikationen zuerst prüfen
Open Access	Nach frei zugänglichen Volltexten filtern
Publikationstyp	Unterscheidung nach Übersichtsarbeit, empirischer Studie etc.

Suchprotokoll führen

Bei systematischen Übersichtsarbeiten (Systematic Reviews) wird die Reproduzierbarkeit des Suchprozesses verlangt. Dokumentieren Sie jede Suche.

Feld	Dokumentationsinhalt
Datum	2026-04-15
Datenbank	Scopus
Suchstring	("AI tutoring" OR "intelligent tutoring") AND "higher education"
Filter	2020–2026, English, Journal
Ergebniszahl	247 Treffer
Auswahl	32 nach Titel/Abstract ausgewählt

Schritt 5: Auswahl und Organisation

Filterkriterien

Jahr: Grundsätzlich die letzten 5–10 Jahre; je nach Fachgebiet anpassen
Dokumenttyp: Zeitschriftenartikel, Dissertationen, Konferenzbeiträge etc.
Sprache: Auf lesbare Sprachen beschränken
Titel-/Abstract-Screening: Relevanz zur Forschungsfrage bewerten
Volltextprüfung: Methodische Qualität, Eignung des Forschungsdesigns

PRISMA-Flussdiagramm

Bei systematischen Übersichtsarbeiten wird der Auswahlprozess mittels PRISMA-Flussdiagramm transparent dargestellt.

Phase	Beschreibung	Beispiel
Identifikation	Gesamte Suchergebnisse	1.240 Treffer
Duplikatentfernung	Deduplizierung über Datenbanken hinweg	→ 890 Treffer
Titel-/Abstract-Screening	Erste Auswahl nach Relevanz	→ 120 Treffer
Volltextprüfung	Ein-/Ausschlusskriterien anwenden	→ 45 Treffer
Endgültige Aufnahme	Für die Analyse verwendete Publikationen	→ 32 Treffer

Publikationen speichern und organisieren

Organisieren Sie gefundene Publikationen sofort. Wenn Sie es aufschieben, gehen Quellen verloren.

Literaturverwaltung: Zotero, Mendeley, EndNote
Notizen/Tags: Zu jeder Publikation Kernergebnisse, Methodik und Relevanz-Tags
Bibliothek: In der Publikationsbibliothek von Nubint AI gespeicherte Publikationen können von den Agenten referenziert und analysiert werden

Suchstrategie-Übersicht: 3-Stufen-Ansatz

Reihenfolge	Methode	Ziel	Werkzeug
1. Priorität	KI-semantische Suche	5–10 Schlüsselpublikationen schnell sichern	Nubint-AI-Literatursuche, Literaturrecherche-Agent
2. Priorität	Zitationsverfolgung	Netzwerk ausgehend von Schlüsselpublikationen erweitern	Zitationsfluss-Erkundungsagent
3. Priorität	Filterung & Verfeinerung	Ergebnisse eingrenzen, auswählen	Filter nach Jahr, Zitationen, Typ

Wenn Sie dieser Reihenfolge folgen, können Sie auch in der Anfangsphase ohne exakte Fachbegriffe schnell starten und sammeln beim Lesen auf natürliche Weise Schlüsselwörter.

Zusammenfassung

Der Kern der Literaturrecherche ist nicht „Welche Stichwörter gebe ich ein?", sondern „Welche Frage sollen die gesuchten Publikationen beantworten?". Sichern Sie mit KI-gestützter semantischer Suche Schlüsselpublikationen, erweitern Sie über Zitationsverfolgung das Netzwerk und ergänzen Sie durch Schlüsselwortsuche. Wenn Sie den Suchprozess dokumentieren, können Sie die Systematik Ihrer Literaturübersicht nachweisen.