Research Rabbit vs. Consensus vs. Elicit: welches KI-Tool?

Vor drei Jahren hiess KI-gestützte Literaturrecherche noch: ChatGPT nach Studien fragen und hoffen, dass sie existieren. Sie taten es meistens nicht. Inzwischen ist ein eigenes Marktsegment entstanden — spezialisierte Tools, die auf einem Korpus wissenschaftlicher Volltexte aufsetzen und Antworten mit Quellenangabe zurückgeben. Vier haben sich durchgesetzt: Elicit, SciSpace, Consensus und Research Rabbit. Dieser Beitrag vergleicht sie so, wie sie im Schreiballtag einer Bachelor- oder Masterarbeit tatsächlich helfen — und wo sie danebenliegen.

Direktvergleich: Research Rabbit, Consensus, Elicit, SciSpace

Wer diese Tools vergleicht, entscheidet sich meist zwischen zweien. Hier zuerst die kurzen Antworten; die ausführlichen Porträts der vier Tools folgen weiter unten.

Research Rabbit vs. Consensus

Die beiden beantworten verschiedene Fragen. Research Rabbit nimmt ein oder mehrere Papers, die du bereits kennst, und zeigt ihr Umfeld: wer sie zitiert, was sie selbst zitieren, welche Autor:innen immer wieder auftauchen. Das kostet nichts, sagt dir aber nichts darüber, was in den Papers steht. Consensus startet bei einer Ja-Nein-Frage und liefert passende Studien mit Kurzausschnitten, prominent oben der Consensus Meter mit dem Anteil von Ja, Nein und Uneindeutig. Als Realitätscheck taugt der Meter, er ist aber grob: Eine Studie mit kleinem Effekt in einer Nischenpopulation zählt gleich viel wie eine grosse Meta-Analyse. In der Praxis heisst das: erst Consensus für den groben Überblick, dann Research Rabbit, um von den zwei, drei zentralen Papers aus weiterzusuchen.

Elicit vs. Research Rabbit

Beide starten bei Papers, erledigen aber gegensätzliche Jobs. Research Rabbit ist fürs Entdecken: Von einem „Seed”-Paper aus zeigt es Literatur, die du mit einer Suche nie gefunden hättest; suchst du zu breit, wird der Graph allerdings schnell unübersichtlich. Elicit ist fürs Strukturieren: Es durchsucht Semantic Scholar zu deiner Forschungsfrage und legt pro Paper eine Zeile an, mit Spalten, die du selbst definierst (Stichprobengrösse, Studiendesign, Effektrichtung), gefüllt aus dem Volltext mit Zitat und Seitenzahl. Die Schwachstelle sind komplexe methodische Fragen, bei denen die Extraktion regelmässig danebenliegt. Lass Research Rabbit die Cluster finden und Elicit sie aufarbeiten.

Elicit vs. Consensus

Beide durchsuchen einen Korpus echter Publikationen und verlinken aufs Original, erfinden also keine Studien wie ChatGPT im schlechtesten Fall. Consensus gibt dir ein schnelles Bild zu einer einzelnen Ja-Nein-Frage, Elicit die Details vieler Papers nebeneinander. Für einen State of the Art oder eine systematische Übersicht spart Elicit Tage. Willst du prüfen, ob eine Behauptung, die im Alltag als „belegt” gilt, wirklich hält, ist Consensus schneller. Das Paper öffnen musst du bei beiden: Ein Consensus-Balken kann eine Fehlklassifikation enthalten, und Elicit zieht gelegentlich Werte aus der Kontrollgruppe statt der Interventionsgruppe.

SciSpace vs. ChatGPT

Der Unterschied liegt darin, was hinter der Antwort steht. ChatGPT ist ein allgemeines Sprachmodell: Es hat Papers gesehen, kann sich aber weder auf einen bestimmten Volltext verlassen noch eine DOI verifizieren, und so entstehen erfundene Quellen. SciSpace antwortet aus einem Paper, das du hochlädst oder aus dem Korpus wählst; du fragst nach der Hauptaussage, der Methode oder dem Unterschied zu einer anderen Studie. Um eine Einzelstudie schnell zu verstehen, ist SciSpace deshalb das bessere Werkzeug. Falsch zusammenfassen kann es trotzdem, und der Chat verführt dazu, das Paper nicht zu lesen. Die Stellen, die du zitierst, liest du selbst.

Was diese Tools anders machen als ChatGPT

Der entscheidende Unterschied ist die Datengrundlage. Ein allgemeines Sprachmodell wie ChatGPT hat Papers gesehen, kann sich aber weder auf einen bestimmten Volltext verlassen noch eine DOI verifizieren. Das Ergebnis kennst du: halluzinierte Quellen, die formal makellos aussehen und im Katalog nicht existieren.

KI-Recherche-Tools setzen an einem geschlossenen Korpus an — meist Semantic Scholar (rund 220 Millionen Publikationen), CORE, OpenAlex oder eine eigene Aggregation. Deine Frage wird semantisch gegen diesen Bestand gematcht, die Antworten kommen mit Titel, Autor:innen, Jahr und Link zur Originalquelle. Erfundene Studien sind damit weitgehend ausgeschlossen. Was übrig bleibt an Fehlerquellen: die Zusammenfassung des Papers durch das Tool. Und die kann daneben liegen.

Wenn in deinem Literaturverzeichnis schon Einträge aus KI-Recherchen stecken, lohnt sich der Gegencheck vor der Abgabe: Der kostenlose Quick Check gleicht jeden Eintrag gegen Kataloge und Datenbanken ab, ohne Anmeldung. Wie die Prüfung im Detail funktioniert, steht auf der Seite zum Literaturverzeichnis-Check.

Elicit — die Analyse-Maschine

Elicit stammt aus dem KI-Forschungsspinoff Ought und positioniert sich als „Research Assistant”. Der Kern ist eine Tabelle: Du stellst eine Forschungsfrage, das Tool durchsucht Semantic Scholar und legt dir für jedes gefundene Paper eine Zeile an — mit Titel, Zusammenfassung und, wichtiger, mit Spalten, die du selbst definieren kannst.

Beispiel: Du fragst „Wie beeinflusst Homeoffice die Produktivität von Wissensarbeit?” Elicit sucht, zeigt dir 20 relevante Papers und du fügst Spalten wie „Stichprobengrösse”, „Studiendesign”, „Effektrichtung” oder „Land der Studie” hinzu. Für jede Zeile extrahiert das Tool die Antwort direkt aus dem Volltext, mit Zitat und Seitenzahl.

Stärke: Kein anderes Tool bringt Struktur so schnell in einen unübersichtlichen Recherchestand. Wer eine systematische Übersicht plant oder einen State of the Art aufbaut, spart Tage.

Schwäche: Die Extraktion ist nur so gut wie das Modell dahinter. Bei komplexen methodischen Aussagen — zum Beispiel „Welche Kontrollvariablen wurden verwendet?” — liegt Elicit regelmässig daneben, weil es die Frage zu wörtlich beantwortet. Du prüfst nach, immer.

Kosten: Kostenlose Basisversion mit begrenzten Suchen pro Monat; kostenpflichtig ab rund USD 12/Monat.

SciSpace — der Chat mit dem Paper

SciSpace (früher Typeset) hat einen anderen Ansatz. Statt Tabellen bietet es einen Chat, in dem du dich mit einem oder mehreren Papers unterhältst. Du lädst ein PDF hoch oder wählst aus dem Korpus, und stellst Fragen: „Was ist die Hauptaussage?”, „Welche Methode wurde verwendet?”, „Wie unterscheidet sich das von Studie X?”

Zusätzlich hat SciSpace eine allgemeine Suche, einen Paraphrasier-Modus und einen Zitat-Generator — die drei Zusatzfunktionen sind eher Beiwerk. Der Chat ist die Kernidee.

Stärke: Wenn du eine Studie schnell verstehen willst, ist SciSpace unschlagbar. Der Chat findet auch versteckte Details in langen Papers, die du beim Überfliegen übersehen hättest — die Formel für den verwendeten Signifikanztest, die Definition eines schlecht benannten Konstrukts, den Ort der Datenerhebung.

Schwäche: Der Chat verführt dazu, das Paper nicht zu lesen. Genau das ist der Fehler. SciSpace erklärt dir, was drin steht — aber ob du es richtig einordnen kannst, ohne selbst gelesen zu haben, ist eine andere Frage. Für die Prüfungssituation wertlos.

Kosten: Kostenlose Version für den Einstieg, Premium ab rund USD 12/Monat.

Consensus — der Meinungsdetektor

Consensus fragt anders: Nicht „gib mir Papers zum Thema”, sondern „was sagt die Forschung zu dieser konkreten Ja-Nein-Frage”. Du gibst zum Beispiel ein: „Erhöht Homeoffice die Produktivität?” Consensus durchsucht den Korpus und liefert eine Liste passender Studien mit Kurzausschnitten. Prominent oben: ein „Consensus Meter” — Balken, wieviel Prozent der Studien Ja, Nein oder Uneindeutig sagen.

Stärke: Der Consensus Meter ist ein guter Realitätscheck für Behauptungen, die im Alltag als „belegt” gelten. Wer erwartet, dass Homeoffice die Produktivität eindeutig senkt oder steigert, wird von einer 60/30/10-Verteilung schnell zurechtgerückt.

Schwäche: Die Ja-Nein-Klassifikation ist grob. Eine Studie, die einen kleinen Effekt in einer Nischenpopulation findet, wird gleich gewichtet wie eine grosse Meta-Analyse. Für den Einstieg brauchbar, für den State of the Art zu grob. Und: Ohne Volltext hinter dem Ausschnitt weisst du nicht, ob die Studie überhaupt zu deinem Kontext passt.

Kosten: Kostenlose Version für einige Fragen pro Monat, Premium ab rund USD 9/Monat.

Research Rabbit — die Landkarte

Research Rabbit hat weder Chat noch Tabelle noch Consensus Meter. Es zeigt dir Beziehungen. Du wirfst ein oder mehrere Papers hinein, die du bereits kennst, und Research Rabbit baut daraus einen Graphen: welche Papers zitieren dieses, welche werden davon zitiert, welche stammen von denselben Autor:innen, welche wurden zeitnah publiziert.

Stärke: Für die Entdeckung von Literatur, die du sonst nie gefunden hättest, ist das Werkzeug hervorragend. Wenn du in einem neuen Feld startest und ein „Seed”-Paper hast, hilft Research Rabbit, das relevante Umfeld sichtbar zu machen — inklusive der Autor:innen, die immer wieder auftauchen.

Schwäche: Research Rabbit gibt dir keine inhaltliche Analyse. Es sagt „diese Papers hängen zusammen” — was sie sagen, musst du selbst rausfinden. Und die Graphen werden schnell unübersichtlich, wenn du zu breit suchst.

Kosten: Kostenlos, ohne Abo-Modell.

Der direkte Vergleich

Diese Tools schliessen sich nicht aus. In der Praxis kombinierst du zwei oder drei — jedes für die Phase, in der es am stärksten ist.

Ein realistischer Workflow

Nimm eine Bachelorarbeit im Feld „Homeoffice und Produktivität”. So könnte ein Recherche-Workflow aussehen, der die vier Tools produktiv nutzt:

1. Consensus — grober Überblick über die Studienlage. Zeigt dir schnell, dass die Forschung uneinheitlich ist und in welchen Domänen (Wissensarbeit vs. Produktion) unterschiedliche Effekte gefunden werden.
2. Research Rabbit — von zwei, drei zentralen Papers ausgehend das Umfeld erkunden. Autor:innen und Cluster identifizieren.
3. Elicit — die identifizierten Cluster systematisch aufarbeiten. Eine Tabelle mit 30 Papers, Spalten „Studiendesign, Stichprobe, Land, Effektrichtung”, damit du beim Schreiben einen strukturierten Überblick hast.
4. SciSpace — bei den fünf bis zehn wichtigsten Studien tiefer graben, methodische Details klären, die du beim ersten Lesen übersehen hast.

Und danach: Du liest die Papers, die du zitieren willst, im Volltext. Kein Umweg. Kein „das habe ich schon in Elicit gesehen”. Das Tool ist die Vorauswahl — der Beleg ist das Original.

Wo diese Tools garantiert danebenliegen

Vier Fallstricke, die du unabhängig vom Tool auf dem Radar haben musst:

Zeitliche Grenze. Alle Tools setzen auf Korpora, die mit einer gewissen Latenz aktualisiert werden. Wenn du zu einem Thema recherchierst, das in den letzten sechs Monaten stark in Bewegung ist — KI-Regulierung, neue Sozialdaten —, fehlt dir die aktuellste Literatur.

Fach-Bias. Semantic Scholar und Konsorten bilden Naturwissenschaften, Medizin und Informatik gut ab. In Geistes- und Sozialwissenschaften sind die Korpora dünner. Ein Elicit-Recherche zu einer literaturwissenschaftlichen Fragestellung liefert oft nur Randfunde.

Sprache. Die Korpora sind englischlastig. Deutschsprachige Publikationen — gerade in Recht, Pädagogik, deutscher Literatur — fallen häufig durch das Raster. Wer eine deutschsprachige Debatte rekonstruieren will, ergänzt die KI-Suche zwingend durch klassische Datenbanken wie wiso oder GESIS.

Extraktionsfehler. Auch das beste Tool fasst Studien manchmal falsch zusammen. Ein Consensus-Balken „70 % pro” kann eine Fehlklassifikation enthalten, die du erst siehst, wenn du das Paper öffnest. Genauso zieht Elicit gelegentlich Werte aus der Kontrollgruppe statt der Interventionsgruppe. Das ist keine Ausrede, das Tool nicht zu nutzen — es ist ein Grund, die Ergebnisse zu verifizieren, bevor sie in die Arbeit wandern.

Was kein KI-Recherche-Tool prüft

Papers finden und verstehen ist die eine Seite der Arbeit. Die andere zeigt sich erst am Schluss: ob jede Stelle in deinem fertigen Text die Aussage trägt, die du mit der Quelle dahinter belegst. Keines der vier Tools oben prüft das. Elicit sagt dir, was das Paper ungefähr enthält. Consensus sagt dir, ob das Feld ungefähr zustimmt. Aber ob der Satz auf Seite 34 deiner Bachelorarbeit tatsächlich das wiedergibt, was auf Seite 12 der Studie steht — das liegt ausserhalb ihrer Aufgabe.

Genau dieser Schritt geht auch in sorgfältigen Arbeiten schief: nicht aus böser Absicht, sondern weil eine Aussage mit jeder Überarbeitung ein Stück weiter von der Quelle wegdriftet oder weil die Seitenzahl nach dem Umformatieren nicht mehr stimmt. Plagiatsscanner erfassen das ebenfalls nicht — sie vergleichen deinen Text mit anderen Texten, nicht deine Aussagen mit den Quellen.

Diese Prüfung übernimmt Acurio. Nicht bei der Recherche, sondern als Gegencheck vor der Abgabe:

1. Dokument hochladen — die Arbeit als Datei, mit deinen Zitaten, so wie sie sind.
2. Automatischer Abgleich Aussage gegen Quelle — für jedes Zitat ruft Acurio die zugrunde liegende Quelle ab, findet die Passage, die du meinst, und vergleicht die Aussage in deinem Text mit dem, was die Quelle tatsächlich sagt — inklusive Seitenzahl.
3. Befundliste pro Zitat — pro Eintrag siehst du, ob die Aussage gedeckt ist, nur teilweise oder gar nicht — und an welcher Stelle, damit du es selbst korrigieren kannst.

Der Ehrlichkeit halber: Acurio beurteilt nicht, ob dein Argument gut ist, und schreibt deinen Text nicht um. Es prüft genau eine Sache — ob die Quelle, die du zitierst, den Satz trägt, den du geschrieben hast.

Für einen ersten Eindruck ohne Konto: Im Quick Check fügst du ein Literaturverzeichnis ein und siehst, welche Einträge einen genaueren Blick brauchen. Ein Recherche-Tool hilft dir, die richtige Quelle zu finden. Der Check vor der Abgabe stellt sicher, dass du sie richtig verwendest.

Fazit

Elicit, SciSpace, Consensus und Research Rabbit lösen unterschiedliche Probleme. Wer sie im Rausch der Möglichkeiten alle gleichzeitig benutzt, produziert oft nur mehr Rauschen. Wer sie phasenweise einsetzt — Consensus für den Überblick, Research Rabbit fürs Erkunden, Elicit fürs Strukturieren, SciSpace fürs Verstehen — spart Wochen an manueller Recherche.

Aber der Kern der wissenschaftlichen Arbeit bleibt derselbe wie vor der KI-Welle: Du liest die Quelle, die du zitierst. Du verstehst sie. Du gibst sie korrekt wieder. Kein Tool nimmt dir diesen Schritt ab. Was Tools abnehmen können: das Suchen davor und das Prüfen danach.