KI.upgrade.26: Recherchieren, prüfen und visualisieren im KI-Zeitalter

Informationskompetenz statt reiner Toolkompetenz

Generative KI kann innerhalb weniger Sekunden Antworten formulieren, Informationen zusammenfassen und komplexe Themen übersichtlich darstellen. Gerade diese einfache Verfügbarkeit kann jedoch den Eindruck vermitteln, eine Recherche sei mit der ersten Antwort bereits abgeschlossen.

Welche Informationen in einer KI-Antwort erscheinen, hängt von zahlreichen Faktoren ab: von der Formulierung der Frage, den verwendeten Fachbegriffen und der Datenbasis des Systems ebenso wie von Indexierung, Ranking, Retrieval-Logik, Zugriffsrechten und verfügbaren Funktionen. Gleichzeitig bleiben fehlende Perspektiven, nicht gefundene Quellen und Gegenpositionen häufig unsichtbar.

Hier setzte der Workshop KI.upgrade.26 // KI-Kompetenzen aktivieren: Recherchieren, Veranschaulichen & Durchstarten an. Als praxisorientiertes Spin-off des KI-Anwendertages KI.produktiv rückte das Format nicht einzelne Anwendungen, sondern den gesamten Informationsprozess in den Mittelpunkt.

Das Programm verband den Impulsvortrag „Recherchieren, Bewerten, Visualisieren – Informationskompetenz im KI-Zeitalter“ mit dem interaktiven Übungsteil „Do it yourself!“ und einer abschließenden Diskussion zur Frage, wie KI in Behörden und Unternehmen praktisch genutzt werden kann.

Wie aus einer allgemeinen Frage ein Rechercheauftrag wird

Ein besonders verwaltungsnahes Beispiel aus dem Vortrag lautete:

„Bringt KI beim Onboarding in der Verwaltung was?“

Die Frage klingt zunächst verständlich, lässt für eine belastbare Recherche aber wesentliche Punkte offen:

• Geht es um Chatbots, KI-Tutoren, Schulungen oder Assistenzsysteme?
• Soll untersucht werden, ob neue Beschäftigte schneller selbstständig arbeiten?
• Geht es um Rollenklarheit, Zufriedenheit oder Mitarbeiterbindung?
• Soll KI-gestütztes Onboarding mit der bisherigen Einarbeitung verglichen werden?
• Werden wissenschaftliche Wirkungsstudien, Erfahrungsberichte oder Praxisbeispiele gesucht?

Im Vortrag wurde die allgemeine Frage deshalb zu einem strukturierten Rechercheauftrag weiterentwickelt. Dieser bezog unterschiedliche Suchbegriffe, den deutschen und internationalen Forschungsstand, verschiedene Studiendesigns, Risiken, Limitationen und die Übertragbarkeit auf die öffentliche Verwaltung ein. Als Ergebnisformat wurde unter anderem eine Evidenzmatrix mit Kontext, Stichprobe, Studiendesign, Ergebnissen und Limitationen vorgesehen.

Das Beispiel zeigte anschaulich: Ein guter Rechercheprompt ist nicht lediglich eine längere Frage. Er bildet eine methodische Entscheidung darüber ab, welche Informationen gesucht, wie sie verglichen und anhand welcher Kriterien sie bewertet werden sollen.

Warum die erste KI-Antwort nicht genügt

Danny Walther zeigte, wie KI die Recherche verändert. Während klassische Suchmaschinen zunächst eine Trefferliste präsentieren, liefern generative Systeme häufig unmittelbar eine zusammenhängende Antwort.

Diese Antwort kann wie das Ende der Suche wirken. Zugleich ist jedoch nicht unmittelbar sichtbar,

• welche Quellen nicht berücksichtigt wurden,
• welche Gegenpositionen fehlen,
• welchen Informationsraum das System durchsuchen konnte,
• welche Dokumenttypen oder Sprachen unterrepräsentiert sind,
• und wie zuverlässig die genannten Quellen und Aussagen sind.

Sprachliche Überzeugungskraft ist deshalb nicht mit sachlicher Richtigkeit gleichzusetzen (ganz generell, aber insbesondere auf den betrachteten Themenkomplex bezogen). Sprachmodelle erzeugen wahrscheinliche und plausible Antworten, sind aber nicht automatisch darauf ausgelegt, jede Aussage auf Wahrheit zu prüfen.

Quellen sollten daher zumindest darauf kontrolliert werden, ob sie tatsächlich existieren und ob die von der KI wiedergegebenen Inhalte noch mit dem Original übereinstimmen. Gerade bei längeren Dialogen und mehrstufigen Bearbeitungsprozessen können Informationen verfälscht, verkürzt oder verallgemeinert werden.

Kein Werkzeug bildet den gesamten Informationsraum ab

Ein weiterer Schwerpunkt lag auf unterschiedlichen Recherche-Infrastrukturen und KI-gestützten Werkzeugen. Vorgestellt und eingeordnet wurden unter anderem klassische und semantische Suchverfahren, spezialisierte Rechercheplattformen sowie die Erweiterung allgemeiner KI-Systeme durch Skills, Plugins und Konnektoren.

Dabei wurde deutlich:

• Kein Werkzeug ist vollständig.
• Unterschiedliche Systeme verfügen über unterschiedliche Datenbestände.
• Mehr Treffer bedeuten nicht automatisch bessere Ergebnisse.
• Auch übereinstimmende Resultate können gemeinsame blinde Flecken enthalten.
• Gute Metadaten beeinflussen, ob eine Quelle überhaupt gefunden wird.
• Die Qualität einer Recherche hängt vom Zusammenspiel aus Fragestellung, Datenbasis und Systemlogik ab.

ChatGPT, Claude und vergleichbare Allzweck-KI-Systeme können Rechercheprozesse unterstützen. Sie sind jedoch nicht automatisch wissenschaftliche Rechercheplattformen. Welche Qualität sie erreichen, hängt davon ab, auf welche Quellen und Datenbanken sie zugreifen können, welche Konnektoren verfügbar sind und welche methodischen Arbeitsanweisungen verwendet werden.

Die menschliche Expertise bleibt daher entscheidend; besonders bei der Auswahl der Rechercheumgebung, der Bewertung der Quellen- und Studienqualität, der Interpretation von Evidenz und der Prüfung von Ergebnissen.

KI-Recherche als iterativer Prozess

Die Präsentation fasste einen tragfähigen Rechercheprozess in fünf Schritten zusammen:

Explorieren → Präzisieren → Prüfen → Erweitern → Synthetisieren

In einem ersten Schritt kann KI helfen, ein Themenfeld zu erschließen, Fachbegriffe und alternative Suchbegriffe zu identifizieren oder mögliche Perspektiven sichtbar zu machen. Anschließend muss die Frage präzisiert werden.

Danach folgen die Prüfung der gefundenen Quellen und Aussagen, die Erweiterung der Suche auf weitere Datenbanken oder Informationsräume und schließlich die Synthese der belastbaren Ergebnisse.

KI ersetzt damit nicht die methodische Recherche. Sie kann einzelne Arbeitsschritte erleichtern, beschleunigen oder zugänglicher machen. Verantwortung für die Auswahl, Prüfung und Interpretation bleibt jedoch beim Menschen.

Informationen bearbeitbar visualisieren

Neben der Recherche und Bewertung war die Visualisierung ein weiterer Schwerpunkt des Workshops. Vorgestellt wurden Möglichkeiten, Texte und Modelle mithilfe von KI in Mindmaps, Flowcharts, Prozesslandkarten und andere Diagramme zu überführen.

Werkzeuge wie draw.io und Mermaid.ai nutzen beispielsweise Mermaid-Code, eine textbasierte Beschreibung von Diagrammen. Dadurch lassen sich Darstellungen relativ schnell erzeugen, anschließend bearbeiten, teilen und in anderen Zusammenhängen weiterverwenden.

Diese Bearbeitbarkeit ist besonders wichtig. Eine KI-generierte Grafik sollte nicht als unveränderbares Endprodukt verstanden werden. Begriffe, Beziehungen, Hierarchien und Darstellungsformen müssen fachlich geprüft und gegebenenfalls angepasst werden.

Datenschutz als Auswahlkriterium für Behörden

Für die überwiegend aus sächsischen Behörden und Ministerien kommenden Teilnehmenden war neben der Funktionalität der Werkzeuge insbesondere der Umgang mit Daten relevant.

Cloudbasierte Anwendungen können das Erstellen ansprechender Visualisierungen erheblich vereinfachen. In solche Systeme sollten jedoch keine vertraulichen Behördeninformationen, personenbezogenen Daten oder geschützten Geschäftsangaben eingegeben werden.

Die Präsentation stellte deshalb nicht nur Funktionen, sondern auch Unterschiede bei Datenverarbeitung und technischer Bereitstellung heraus. So kann beispielsweise bei draw.io eine Desktop- oder selbst gehostete Variante genutzt werden. Bei anderen cloudbasierten Werkzeugen ist vor der Verwendung zu prüfen, welche Daten übertragen und gespeichert werden.

Für die öffentliche Verwaltung folgt daraus: Die Auswahl eines KI-Werkzeugs ist nicht ausschließlich eine Frage seiner Leistungsfähigkeit. Datenschutz, Informationssicherheit, Nachvollziehbarkeit und organisatorische Freigaben sind gleichwertige Entscheidungskriterien.

Vom individuellen Ausprobieren zur organisationalen Anwendung

In der abschließenden Diskussionsrunde wurde unter dem Titel „Frag die Maus: Wie kommt KI in mein Amt oder Unternehmen?“ der Transfer in die eigene Organisation thematisiert.

Die Diskussion knüpfte damit an eine zentrale Herausforderung an: Der Einsatz von KI beginnt häufig mit einzelnen interessierten Beschäftigten. Damit daraus eine verantwortungsvolle und dauerhaft tragfähige Anwendung entsteht, braucht es jedoch mehr als individuelle Experimentierfreude.

Erforderlich sind unter anderem geeignete und klar abgegrenzte Anwendungsfälle, sichere Räume zum Ausprobieren, Qualifizierungs- und Austauschformate, Regeln für Datenschutz und Quellenprüfung, transparente Verantwortlichkeiten, fachliche und technische Unterstützung sowie die Möglichkeit, Erfahrungen organisationsübergreifend zu teilen.

Gerade der Austausch zwischen Beschäftigten aus Ministerien, Landes- und Kommunalbehörden, Hochschulen und weiteren öffentlichen Einrichtungen machte sichtbar, dass viele Organisationen vor ähnlichen methodischen und organisatorischen Fragen stehen.

Fazit

KI.upgrade.26 richtete den Blick bewusst über einzelne Werkzeuge hinaus auf den gesamten Informationsprozess:

• von der allgemeinen Frage zum präzisen Rechercheauftrag,
• von der plausiblen Antwort zur geprüften Quelle,
• vom einzelnen Werkzeug zum Vergleich verschiedener Informationsräume,
• von der automatisch erzeugten Grafik zur bearbeitbaren Visualisierung,
• und vom individuellen Ausprobieren zur verantwortungsvollen Anwendung in der Organisation.

Die zentrale Botschaft lautet:

KI-gestützte Recherche ist kein automatischer Antwortabruf. Sie ist ein iterativer Prozess, bei dem Menschen Systeme auswählen, Ergebnisse vergleichen, Quellen prüfen und Evidenz bewerten.

Ein besonderer Dank gilt Danny Walther für die fundierten Impulse, die praktischen Beispiele und das Coaching sowie allen Teilnehmenden für den offenen Erfahrungsaustausch.