Praxisnotizen zu KI-Literaturübersicht, Screening, Synthese und Zitationsaudit
Datenextraktion verdichtet eingeschlossene Arbeiten auf prüfbare Felder. Sie ist kein Ergebnisteil, keine Metaanalyse und nichts, das sich aus einem Titel vervollständigen lässt, wenn der Volltext fehlt.
Eine Forschungslücke ist nicht „es braucht mehr Studien“. Sie ist eine fehlende Population, ein fehlender Vergleich, ein Endpunkt, eine Nachbeobachtung oder ein Design, das die eingeschlossene Evidenz selbst nahelegt — und das sich in die nächste Frage überführen lässt.
Bewertung fragt, ob eine extrahierte Studie eine Folgerung tragen kann. LitSynth implementiert weder Cochrane RoB 2 noch ROBINS-I oder GRADE. Reihenfolge berichten, Tabelle als Arbeitsblatt nutzen, keine Low/High-Abzeichen erzeugen.
Screening ist kein Ranking durch ein Modell. Es sind festgezogene Einschlusskriterien, ein prüfbarer erster Durchgang an Titeln und Abstracts und eine Person, die jede Empfehlung umkehren kann — kein abgeschlossenes PRISMA.
ChatGPT und andere große Sprachmodelle erzeugen oft Literaturangaben, die echt aussehen und nicht existieren. Warum das passiert, wie man sie findet und welche Reihenfolge ein Literaturreview sicherer macht.
Wie man die zeitraubenden Teile eines Literaturreviews an KI gibt, ohne Zitate erfinden zu lassen und ohne die Entscheidungen abzugeben, die beim Menschen bleiben müssen.