Verlässliche Informationen mit und ohne KI
Am Anfang einer Informationssuche befindet sich der Benutzer in einem anormalen Wissenszustand. Dieser vom Belkin (1982) beschriebene Zustand beschreibt die Situation, in der eine Person merkt, dass ihr Wissen unvollständig, unklar oder widersprüchlich ist, um ein bestimmtes Problem zu lösen. Die Lücke zwischen bestehenden Wissen und benötigten Wissen verursacht Unbehagen
Wegen des Retrieval Paradoxons kommt der Benutzer aus diesen Zustand nicht so einfach heraus. Um die gesuchte Information schnell und präzise zu finden, müsste der Benutzer diese bereits kennen und wissen, welche Fachbegriffe relevant sind. Genau dieses Wissen fehlt dem Suchenden am Anfang. Siehe "2.2 The Retrieval Problem and ist Consequences" in Peters, Braschler & Clough (2012).
Gemäss einer neuen Harvard-Studie von Deschenes & McMahon (2026) wird heute vorwiegend künstliche Intelligenz eingesetzt wird, wohingegen wurde früher die Google-Suche im Vordergrund stand (Griffiths & Brophy). Das Prompting für künstliche Intelligenz ist anspruchsvoll, da es eine höhere Sprachkompetenz erfordert, um der KI präzise Anweisungen zu erteilen. In diesem Fall operiert man in der Bloom's Taxonomie (1956) auf einem höheren Level als beim klassischen Googeln, wo lediglich Suchbegriffe eingegeben werden.
Auch das Beurteilen von Suchtreffern ist beim Googeln einfacher als das Einschätzen, ob plausibel klingende KI-Antworten auch korrekt sind. Google Suchtreffer können oft aufgrund der Quelle beurteilt werden.
Noch höher hinauf steigen muss der KI nutzende Benutzer, um die gefundene Information anhand von autorativen Informationsquellen zu verifizieren. Hierzu muss der Benutzer die Struktur und die unterstützten Suchstrategien der Informationsquellen kennen. Beispielsweise müssen KI-basierte Rechtsauskünfte anhand von Gesetzes- und Urteilsdatenbanken verifiziert werden. Dabei können auch zukünftige oder alte Erlassfassungen eine Rolle spielen, was juristisches Know How erfordert.
Fazit: KI kann schneller zu verlässlichen Ergebnissen führen, was aber oft wesentlich anspruchsvoller ist als ohne KI.
Einzelnachweise
Belkin, N.J., Oddy, R.N., Brooks, H.M. (1982). "ASK for information retrieval: Part I. Background and theory". Journal of Documentation. 38 (2): 61–71. doi:10.1108/eb026722.
Peters, C., Braschler, M., & Clough, P. (2012). Multilingual Information Retrieval: From Research to Practice. Springer.
Amy Deschenes and Meg McMahon presented a project briefing titled "From Search to Strategy: What Student AI Use Means for the Future of Academic Libraries" at the Coalition for Networked Information (CNI) Spring 2026 Membership Meeting in Salt Lake City, Utah, on April 13, 2026. https://www.cni.org/topics/information-access-retrieval/from-search-to-strategy-what-student-ai-use-means-for-the-future-of-academic-libraries
Jill Griffith & Peter Brophy. Student Searching Behavior and the Web: Use of Academic Resources and Google. March 2005, Library Trends 53(4)
Bloom, B. S.; Engelhart, M. D.; Furst, E. J.; Hill, W. H.; Krathwohl, D. R. (1956). Taxonomy of educational objectives: The classification of educational goals. Vol. Handbook I: Cognitive domain. New York: David McKay Company. https://de.wikipedia.org/wiki/Blooms_Taxonomie#/media/Datei:Bloom's_Revised_Taxonomy.jpg
