KI-gestützte Recherche-Tools

Lektion 11: KI-gestützte Recherche-Tools

Zwei Kollegen, zwei Arbeitsweisen

Stell dir vor, du hast zwei Kollegen. Der erste, nennen wir ihn Alex, ist extrem belesen, jahrelang hat er alles gelesen, was es gibt. Wenn du ihm eine Frage stellst, antwortet er sofort aus dem Gedächtnis: flüssig, überzeugend, hilfreich. Aber sein Wissen endet an einem bestimmten Datum, dem Trainings-Cutoff (englisch: training cutoff), also dem Stichtag, bis zu dem ein Modell Daten während des Trainings gesehen hat. Was danach passiert ist, weiß Alex nicht. Und manchmal erfindet er Details dazu, weil er dir helfen will und dabei zu selbstsicher ist.

Der zweite Kollege, Bea, ist etwas langsamer. Bevor sie antwortet, öffnet sie kurz das Internet, liest die aktuellsten Seiten, und zitiert dir dann ihre Quellen. Bea kann weniger aus dem Gedächtnis, dafür zeigt sie genau, wo ihre Antwort herkommt, und kann auch Neuigkeiten von heute einbeziehen.

Alex = klassischer LLM-Chat (z.B. Claude oder ChatGPT ohne aktive Websuche) Bea = KI-Recherche-Tool (z.B. Perplexity AI)

Beide sind nützlich, aber für unterschiedliche Aufgaben.

Perplexity AI: Der KI-Suchdienst

Perplexity AI ist eine KI-gestützte Suchmaschine, eine Kombination aus Suchmaschine und Sprachmodell. Wenn du dort eine Frage eingibst, laufen im Hintergrund zwei Schritte ab:

1. Retrieval (englisch: abrufen), Perplexity durchsucht das Web in Echtzeit und findet die relevantesten Seiten, ähnlich wie Google.
2. Generation (englisch: generieren), Das Sprachmodell formuliert aus diesen gefundenen Seiten eine zusammenhängende Antwort, und gibt dabei Citations (Quellenangaben) aus: klickbare Links zu den Originalseiten.

Diese Kombination hat sogar einen eigenen Fachbegriff: RAG, kurz für Retrieval-Augmented Generation (auf Deutsch: „abrufverstärkte Textgenerierung“). Das klingt komplizierter, als es ist: Erst abrufen, dann formulieren. RAG ist der Grund, warum Perplexity aktuelle und belegbare Antworten liefern kann, die ein klassisches Sprachmodell ohne Internetverbindung nicht kennt.

Wann ist Perplexity sinnvoll?

• Bei aktuellen Fragen (Neuigkeiten, aktuelle Preise, jüngste Studien)
• Wenn du Belege brauchst (z.B. für eine Präsentation oder einen Artikel)
• Als Google-Ersatz, wenn du eine zusammengefasste Antwort statt einer langen Trefferliste willst

Wichtige Einschränkung: Quellenangaben bedeuten nicht, dass alles stimmt. Perplexity kann eine Quelle falsch zusammenfassen oder auf eine Seite verweisen, die gar nicht das sagt, was behauptet wird. Die Quellenverifizierung, also das aktive Nachlesen, ob die zitierte Quelle wirklich den behaupteten Inhalt enthält, bleibt deine Aufgabe. Klick auf die Quellen, bevor du eine Information weitergibst.

Google NotebookLM: KI für deine eigenen Dokumente

Google NotebookLM funktioniert anders als Perplexity. Statt im öffentlichen Web zu suchen, arbeitest du hier ausschließlich mit deinen eigenen Dokumenten. Du lädst PDFs, Texte oder Google-Docs hoch, und die KI beantwortet dann Fragen auf Basis nur dieser Inhalte. Das nennt sich auch Dokument-Chat oder auf Englisch Document QA (QA = Question Answering, also das Beantworten von Fragen über ein Dokument).

Beispiel aus dem Alltag: Du hast fünf lange PDFs zu einem Thema. Statt alle zu lesen, lädst du sie in NotebookLM und fragst: „Was sind die wichtigsten Unterschiede zwischen Ansatz A und Ansatz B laut diesen Unterlagen?“ Die KI durchsucht nur deine Dateien, kein Internet, keine fremden Quellen. Das macht NotebookLM ideal für:

• Eigene Unterlagen durchsuchen (Verträge, Handbücher, Kursunterlagen)
• Lange Dokumente zusammenfassen lassen
• „Interviews“ mit einem Buch oder Bericht führen

Ein besonderes Feature: NotebookLM kann auf Knopfdruck einen Audio-Überblick erstellen, eine Art Podcast, bei dem zwei KI-Stimmen das Material gemeinsam diskutieren. Überraschend nützlich, wenn man unterwegs ist.

Websuche in klassischen Chats, aktiviert oder nicht?

ChatGPT, Claude und Gemini können bei bestimmten Tarifen oder Einstellungen ebenfalls eine Websuche einbinden. Aber: Diese Funktion ist nicht immer aktiv. Wenn du ein Uhr-Symbol, ein Globus-Icon oder ein „Suche“-Label im Chat siehst, wird gerade das Web einbezogen. Wenn nicht, antwortet das Modell aus seinem eingefrorenem Wissen bis zum Trainings-Cutoff. Im Zweifelsfall hilft eine direkte Frage: „Nutzt du gerade aktuelle Websuche oder dein Trainingswissen?“

Das richtige Tool für die richtige Aufgabe, eine erste Übersicht

Morgen schauen wir uns diesen Überblick noch einmal als abschließende Lektion für Modul 4 an, dann mit konkreten Entscheidungshilfen.

Praxisaufgabe des Tages (ca. 10-15 min)

Heute vergleichst du dieselbe Frage in zwei verschiedenen Umgebungen.

Schritt 1: Geh auf perplexity.ai, eine Basisnutzung ist kostenlos, ohne Account.

Schritt 2: Stelle diese Frage (oder eine Frage zu einem Thema, das dich gerade interessiert):

Was ist Retrieval-Augmented Generation, und wofür wird es in der Praxis genutzt?

Schritt 3: Beobachte die Antwort. Achte besonders auf:

• Werden Quellen angezeigt? Wie viele?
• Klick auf mindestens eine Quelle, steht dort tatsächlich das, was Perplexity behauptet?

Schritt 4: Stelle dieselbe Frage in einem KI-Chat deiner Wahl (ohne aktivierte Websuche). Vergleiche beide Antworten:

• Welche klingt vertrauenswürdiger, und warum?
• Welche ist nützlicher für deinen konkreten Zweck?

Woran du merkst, dass du es verstanden hast: Du kannst in einem Satz erklären, warum Perplexity Quellenangaben macht, während ein klassischer Chatbot das in der Regel nicht tut, und in welchen Situationen das den Unterschied macht.

KI-News zum Lernen

• Andrej Karpathy wechselt zu Anthropic, Was ist passiert: Andrej Karpathy, einer der bekanntesten KI-Forscher weltweit (ehemaliger Leiter KI-Entwicklung bei Tesla, Mitgründer von OpenAI), hat angekündigt, zu Anthropic, dem Unternehmen hinter Claude, zu wechseln, um an der KI-Grundlagenforschung zu arbeiten. Warum interessant: Karpathy ist nicht nur Forscher, sondern bekannt dafür, komplexe KI-Konzepte verständlich zu erklären (sein YouTube-Kanal gilt als Goldstandard für alle, die tiefer einsteigen wollen). Sein Schritt zeigt auch, wie die besten Köpfe der Branche zwischen den Unternehmen wechseln, eine Dynamik, die das Tempo im Bereich bestimmt. Anthropic bezeichnet sich selbst als AI-Safety-Unternehmen (KI-Sicherheitsforschung): Es entwickelt leistungsfähige Modelle, legt aber besonderen Wert darauf, dass diese zuverlässig und sicher agieren.

• GitHub Copilot wechselt zu nutzungsbasierter Abrechnung, Was ist passiert: Microsoft hat angekündigt, dass GitHub Copilot (ein KI-Assistent, der direkt im Code-Editor Programmiervorschläge macht) ab Juni 2026 nicht mehr pauschal im Abo abgerechnet wird, sondern nutzungsbasiert, je nach tatsächlicher Nutzungsintensität. Warum interessant: Das zeigt ein wichtiges Konzept, das hinter vielen KI-Diensten steckt: Inferenzkosten (englisch: Inference Costs), die Rechenkosten, die entstehen, wenn ein Modell auf eine Anfrage antwortet. Bei komplexen, langen Code-Sitzungen sind diese Kosten so stark gestiegen, dass das bisherige Pauschal-Abo für den Anbieter nicht mehr tragbar war. Das erklärt, warum KI-Dienste Nutzungslimits einführen oder teurer werden: Hinter jeder Antwort steckt echter Rechenaufwand, und der ist nicht gratis.

Glossar des Tages

• RAG (Retrieval-Augmented Generation), Technik, bei der ein Sprachmodell zuerst relevante Dokumente oder Webseiten abruft und diese dann als Grundlage für seine Antwort nutzt; macht Antworten aktueller und besser belegbar
• Perplexity AI, KI-gestützte Suchmaschine, die Fragen mit Echtzeit-Webrecherche und klickbaren Quellenangaben beantwortet
• Google NotebookLM, KI-Tool, das ausschließlich auf deinen eigenen hochgeladenen Dokumenten basiert und darüber Fragen beantworten kann
• Citations (Quellenangaben), klickbare Verweise auf die Originalquellen einer KI-Antwort; unerlässlich, um Fakten eigenständig zu prüfen
• Trainings-Cutoff, das Datum, bis zu dem ein Modell Daten im Training gesehen hat; danach kennt es keine aktuellen Ereignisse mehr, außer es nutzt aktiv eine Websuche