{"id":977,"date":"2026-02-06T15:51:02","date_gmt":"2026-02-06T14:51:02","guid":{"rendered":"https:\/\/emerginglinguists.org\/?p=977"},"modified":"2026-02-12T16:43:38","modified_gmt":"2026-02-12T15:43:38","slug":"literaturarbeit-mit-notebooklm","status":"publish","type":"post","link":"https:\/\/emerginglinguists.org\/de\/literaturarbeit-mit-notebooklm\/","title":{"rendered":"Literaturarbeit mit NotebookLM"},"content":{"rendered":"\n

Ein elementarer Bestandteil der wissenschaftlichen Wissensarbeit ist es, die passende Literatur f\u00fcr die eigene Forschungsarbeit zu suchen, sichten und zu bearbeiten. Ich bin und bleibe eine kleine Lese- und Suche-Maus. Mir macht es unglaublich viel Spa\u00df, anhand bestimmter Keywords auf Google und\/oder in unterschiedlichen digitalen Bibliotheken nach Literatur zu suchen, weil sich das so ein bisschen wie Detektivarbeit anf\u00fchlt.<\/p>\n\n\n\n

Ich lese die Literatur dann auch gerne, weil ich finde, dass ich mich dann besser in die Materie einarbeite, Konzepte und Ideen besser verkn\u00fcpfen kann und im Schreibprozess auch immer wieder diese Momente habe, in denen ich sage: \u201cWait a minute, dazu habe ich doch irgendwo etwas gelesen.\u201d<\/em><\/p>\n\n\n\n

Das hei\u00dft aber nicht, dass ich daf\u00fcr KI nicht unterst\u00fctzend verwenden kann. Wie du KI im Schreib- und Rechercheprozess einsetzen kannst, sind andere Geschichten. In diesem Beitrag geht es konkret um die Literaturarbeit selbst. Also: Wie kann mich KI dabei unterst\u00fctzen, Literatur zu sichten und zu reviewen?<\/p>\n\n\n\n

Ich bin eine Lesemaus, aber\u2026<\/h2>\n\n\n\n

Wenn es dir zumindest ein bisschen so geht wie mir, dann ist dein Computer oder zumindest dein Zotero ein Sammelsurium an allen m\u00f6glichen Quellen, die dir im Laufe des Tages aber auch aufgrund gezielter Suche unterkommen. Deine Literaturliste w\u00e4chst und gedeiht. Auch wenn du dir ein pers\u00f6nliches Wissensmanagement<\/a> ausformuliert hast, kommt es doch immer wieder vor, dass du der F\u00fclle an Informationen, die zur Verf\u00fcgung stehen, nicht Herr:in wirst. <\/p>\n\n\n\n

Klar. In deinem digitalen Wissensgarten<\/a> sammeln sich Dokumente. Du liest sie vielleicht und kennst gewisse Quellen recht gut, weil du immer wieder zu ihnen zur\u00fcckkehrst. Bei anderen Quellen f\u00e4llt es dir aber schwerer, weil du sie vielleicht nur \u00fcberflogen hast. Vielleicht geht es dir auch so wie mir, dass du dich an bestimmte Aspekte besser erinnerst als an andere. Ich tu mir beispielsweise schwer damit, mir die Methoden und Limitationen zu merken. Und manchmal kommt dann beim Schreiben und Lesen dieser Gedanke: \u201cDazu habe ich doch vor Kurzem etwas Spannendes gelesen.\u201d Und dann h\u00e4ttest du vielleicht gerne eine \u00dcbersicht, die dir hilft, Ordnung zu schaffen. Und genau hier kommt NotebookLM<\/a> ins Spiel.<\/p>\n\n\n\n

Was ist NotebookLM?<\/h2>\n\n\n\n

NotebookLM<\/a> ist ein Tool von Google. Das Besondere an NotebookLM ist, dass du eigene Quellen hochladen kannst und das Modell dann (fast) ausschlie\u00dflich auf Basis dieser Quellen antwortet. Das reduziert Halluzinationen enorm. Hat aber noch andere wesentliche Vorteile. Google gibt an, dass deine in NotebookLM hochgeladenen Daten nicht<\/em> verwendet werden, um das Modell f\u00fcr andere zu trainieren. Deine Forschung bleibt also in deinem privaten Silo. Wenn du sie l\u00f6scht, sind sie weg. Das hei\u00dft aber nicht, dass DSGVO, Urheber:innenrecht, die KI-Verordnung sowie Rechte und Pflichten in Zusammenhang mit Plagiaten und Zitationen nicht gelten. Bleib hier am besten auf der sicheren Seite, indem du dich \u00fcber die konkreten Bestimmungen der Verlage informierst. <\/p>\n\n\n\n

In der kostenlosen Version kannst du aktuell bis zu 50 Quellen<\/strong> pro Notebook hochladen (Stand: Februar 2026). Jede Quelle kann bis zu 500.000 W\u00f6rter enthalten. Das ist mehr als genug f\u00fcr eine umfangreiche Literaturarbeit und f\u00fchrt nur in Ausnahmef\u00e4llen zu Schwierigkeiten.<\/p>\n\n\n\n

Schritt 1: Dokumente vorbereiten mit Zotero<\/h3>\n\n\n\n

Bevor wir die Dokumente in die KI werfen, m\u00fcssen wir einen kleinen, aber entscheidenden Zwischenschritt in Zotero<\/a> machen. NotebookLM importiert nur die PDF-Datei selbst und nimmt keine \u00c4nderungen an der Datei vor. Wenn deine PDF also kryptisch ContentServer_123.pdf hei\u00dft, wird NotebookLM dir sp\u00e4ter sagen: „Diese Information stammt aus ContentServer_123“<\/em>. Das macht die Quellenarbeit extrem m\u00fchsam. Wir wollen, dass Dort steht: „Foidl – 2025 – Helowchis“<\/em>.<\/p>\n\n\n\n

Wenn du eine PDF in Zotero hochgeladen hast und diese bibliographische Metadaten wie Titel, Autor:in und Jahr enth\u00e4lt, benennt Zotero deine Dateien automatisch um. Wenn diese Metadaten nicht vorhanden sind, wirst du die biliographischen Daten manuell eintragen. Im Anschluss kannst du die PDF Datei umbenennen lassen, indem du den Eintrag \u00f6ffnest, einen Rechtsklick auf die PDF machst und \u201cDatei nach Metadaten des \u00fcbergeordneten Eintrags umbenennen\u201d ausw\u00e4hlst.<\/p>\n\n\n\n

\"\"
Abbildung 1: Dateien umbenennen mit Zotero.<\/figcaption><\/figure>\n\n\n\n

Jetzt haben deine Dateien saubere Namen wie Autor – Jahr – Titel.pdf.<\/p>\n\n\n\n

Schritt 2: Die Dokumente hochladen KI<\/h3>\n\n\n\n

Exportiere nun deine PDFs aus Zotero. Daf\u00fcr w\u00e4hlst du jene Quellen aus, deren PDFs du exportieren m\u00f6chtest, machst einen Rechtsklick und w\u00e4hlst \u201cExportieren\u201d aus. Wenn du nur die Dateien m\u00f6chtest, l\u00e4sst du das H\u00e4kchen nur bei \u201cDateien exportieren\u201d.<\/p>\n\n\n\n

\"\"
Abbildung 2: Export bei Zotero.<\/figcaption><\/figure>\n\n\n\n

Du bekommst dann eine Ordnerstruktur mit vielen Unterordnern. Jetzt kannst du entweder h\u00e4ndisch alle PDFs in einen Sammelordner geben oder die Dokumente einzeln bei NotebookLM hineinziehen. Oder: Du nutzt einen KI-Agenten, der dir die Dokumente alle in einen Ordner verschiebt, damit du diese danach nur noch in NotebookLM hochladen musst.<\/p>\n\n\n\n

Bevor du beginnst: <\/strong>\u00dcberlege dir gut, wie du dein Notebook aufbereiten m\u00f6chtest. Im besten Fall gruppierst du sie thematisch oder kategorisierst sie beispielsweise in ein Notebook f\u00fcr Theorien, eines f\u00fcr Methodik und so weiter.<\/p>\n\n\n\n

\"\"
Abbildung 3: Dateien bei NotebookLM hochladen.<\/figcaption><\/figure>\n\n\n\n

Sobald du bei NotebookLM auf „Neues Notebook erstellen“ geklickt hast, \u00f6ffnet sich obere Maske. W\u00e4hle \u201cDateien hochladen\u201d und hol dir jetzt deine Dateien hinein.<\/p>\n\n\n\n

Schritt 3: Mein Prompt f\u00fcr die Literaturrecherche<\/h3>\n\n\n\n

Jetzt kommt der spa\u00dfige Teil. Wir wollen nicht nur eine Zusammenfassung, sondern eine strukturierte Analyse. Ich habe mir daf\u00fcr einen Prompt gebastelt, der mir hilft, die Literatur systematisch zu erschlie\u00dfen. Um den Prompt einzugeben, klickst du auf den Stift bei dem Datentabelle<\/em>-Button.<\/p>\n\n\n\n

\"\"
Abbildung 4: Datentabelle anklicken.<\/figcaption><\/figure>\n\n\n\n

Dann gibst du deinen Prompt im Feld Datentabelle beschreiben, die erstellt werden soll<\/em> ein. Hier kannst du auch die Sprache ausw\u00e4hlen. Dann dauert es ein paar Minuten und du erh\u00e4ltst eine \u00dcbersicht, die du als Datei exportieren kannst.<\/p>\n\n\n\n

\"\"
Abbildung 5: Eingabefenster f\u00fcr deinen Prompt.<\/figcaption><\/figure>\n\n\n\n

Wichtig: <\/strong>Mein Prompt ist ein Beispiel f\u00fcr dich. Die konkrete Ausformulierung liegt bei dir und sollte sich an deinen Interessen orientieren.<\/p>\n\n\n\n

Handle als spezialisierter Experte f\u00fcr systematische Literatur\u00fcbersichten und Meta-Analysen. Deine Aufgabe ist es, die hochgeladenen Quellen mit h\u00f6chster wissenschaftlicher Pr\u00e4zision zu analysieren. \n\nSchritt 1: Klassifizierung der Literatur \nIdentifiziere und unterscheide strikt zwischen Prim\u00e4r- und Sekund\u00e4rliteratur. Achte in darauf, dass du Leistungen anderer Forscher:innen nicht der jeweiligen Quelle zuschreibst. \n\nSchritt 2: Strukturierte Datenextraktion (Extraktionstabelle) \nAnalysiere alle Quellen und extrahiere die Daten in einer Markdown-Tabelle mit folgenden Spalten: \n\"Dateiname der Quelle\" \n\"Titel & Autor\" (Format: Autor, Jahr) \n\"Art der Arbeit\" (z. B. Empirische Studie, Theoretische Arbeit, Review, Meta-Analyse) \n\"Kern-Thema\" Worum geht es in einem Satz? \n\"Relevanz\" Bewerte die Relevanz f\u00fcr das Thema diskursive Zuschreibung von Belebtheit an Generative KI auf einer Skala von 1-5. \n\"Forschungsfrage\" Was wurde untersucht? \n\"Welche Aspekte von Animacy werden untersucht?\" (Animacy, Agency, Locomotion, Sentience, Empathy, Anthropomorphism, Gender, Intelligence, Embodiment) \n\"Wie werden die Animacy Aspekte untersucht?\" \n\"Theoretischer Rahmen\" Welche Theorien\/Modelle wurden genutzt? \n\"Methodik\" Welche Daten wurden wie erhoben? Wie wurden die Daten analysiert? \n\"Hauptergebnisse\" Die 3 wichtigsten Findings. \"Limitationen\" Welche Grenzen nennt die Studie selbst? \n\"Niche\" Welchen Bereich erforscht diese Quelle, den andere Quellen nicht berachten?\n\nSchritt 3: Synthese & Gap-Analyse \nBeantworte basierend auf den gesamten Quellen folgende Fragen. Erstelle daf\u00fcr Spalten und setze sie miteinander in Beziehung: \n\"Widerspr\u00fcche\" Wo widersprechen sich die Ergebnisse verschiedener Autoren? Nenne konkrete Zitate und nenne m\u00f6gliche Gr\u00fcnde (z. B. unterschiedliche Kontexte oder Methoden). \n\"Forschungsl\u00fccken\" Welche Aspekte des Themas werden in der aktuellen Literatur vernachl\u00e4ssigt? Wo fehlen empirische Belege?><\/code><\/pre>\n\n\n\n
Warum dieser Prompt so aufgebaut ist<\/h3>\n\n\n\n
    \n
  1. Die Klassifizierung: <\/strong>NotebookLM unterscheidet nicht immer, ob der Text nun wirklich Eigenleistung der Quelle ist oder ob es hier um das Werk einer anderen Person geht. Ob das hilft? Das wei\u00df ich nicht, aber ich probiere es zumindest.
    <\/li>\n\n\n\n
  2. Die Extraktion:<\/strong> Hier geht es ins Detail. Spannend finde ich hier beispielsweise auf Nischen einzugehen und konkrete Fragen zu inkludieren, welche die jeweilige Arbeit betreffen. Hier kommt die Benennung der Dateien ins Spiel: Da NotebookLM Verweise erstellt (Citations), sehe ich einerseits den Dateinamen dann direkt in der Zeile der Quelle und auch unterhalb entsprechend angef\u00fchrt. So wei\u00df ich sofort, um welche Datei es geht. 
    Wichtig: <\/strong>Auch wenn die KI sagt „Limitation ist X“, pr\u00fcfe ich das nat\u00fcrlich gegen. Manchmal halluziniert die KI nicht den Inhalt, aber den Kontext. Insgesamt ist es einfach wichtig, dass du deine Literatur kennst.
    <\/li>\n\n\n\n
  3.  Synthese und Gap-Analyse: <\/strong>Das ist f\u00fcr mich der gr\u00f6\u00dfte Mehrwert. Ich lasse die Literatur „miteinander sprechen“. Die KI findet Widerspr\u00fcche und Forschungsl\u00fccken oft schneller, als ich es beim sequenziellen Lesen von 20 PDFs k\u00f6nnte. Das hilft mir beispielsweise dabei, neue spannende Forschungsbereiche zu er\u00f6ffnen oder aber auch zu reflektieren, was gerade das Herausragende an einer Quelle ist. <\/li>\n<\/ol>\n\n\n\n
    Was das Ergebnis kann.<\/h2>\n\n\n\n
    Das „finale“ Produkt ist nat\u00fcrlich kein fertiger Literaturreview-Artikel. Aber es ist eine spannende \u00dcbersicht. Das Ergebnis zu meiner Literatur schaut beispielsweise so aus:<\/p>\n\n\n\n
    \"\"
    Abbildung 6: Ergebnis\u00fcbersicht.<\/figcaption><\/figure>\n\n\n\n
    Das finde ich auf den ersten Blick hervorragend. Auf einen zweiten Blick zeigt sich aber auch gleich, warum es weiterhin wichtig ist, die Literatur zu lesen.<\/p>\n\n\n\n
    \"\"
    Abbildung 6: Widerspr\u00fcche in den Ergebnissen.<\/figcaption><\/figure>\n\n\n\n
    Die markierte Stelle zeigt einen Widerspruch auf. Da hei\u00dft es, \u201cW\u00e4hrend Agbon 14 KI als machtvolles diskursives Subjekt sieht, das Realit\u00e4t durch Sprache mitkonstruiert, betonen Ji 15 und Guingrich\/Graziano 16, dass KI keine echte Sentienz besitzt und Zuschreibungen von Belebtheit oft auf menschlichen Fehlinterpretationen oder sozialen Skripten beruhen.\u201d In einem ersten Moment h\u00f6rt sich dies vielleicht wie ein Widerspruch an, Gungrich & Graziano (2024), Ji (2024) und Agbon (2024) widersprechen sich hier aber nicht. Agbon geht nicht davon aus, dass KI ein Bewusstsein besitzt, sondern wei\u00dft Generativer KI einfach diskursive Macht zu, weil diese durch ihre Interaktionsf\u00e4higkeit soziale Realit\u00e4t aktiv konstituiert, indem sie beispielsweise auch beeinflusst, wie wir \u00fcber K\u00fcnstliche Intelligenz denken. Dies ist mitunter ein Grund, warum Menschen k\u00fcnstlicher Intelligenz Belebtheit zuschreiben und es zu Fehlinterpretationen kommt. <\/p>\n\n\n\n
    <\/p>\n\n\n\n
    \"\"
    Abbildung 7: Weitere Probleme bei den Ergebnissen.<\/figcaption><\/figure>\n\n\n\n
    In meinem zweiten Beispiel werden Lind (2025) und Halliday & Matthiessen (2014) verglichen. W\u00e4hrend Lind (2025) als \u00e4u\u00dferst relevanter Artikel f\u00fcr mich beschrieben wird, erhalten Halliday & Matthiessen (2014) lediglich 2 von 5 Sternen. Lind baut ihre Analyse jedoch auf der Systemisch-Funktionalen Grammatik auf, die, wenn du genau hingeschaut hast, auf Halliday & Matthiessen zur\u00fcckgeht. \u201cHalliday\u2019s Introduction to Functional Grammar\u201d ist ein umfangreiches Einf\u00fchrungswerk, welches genau jene Analysekategorien beschreibt, mit denen Lind und auch in meiner Masterarbeit arbeite.<\/p>\n\n\n\n
    Ein weiterer spannender Aspekt ist, dass von den insgesamt 92 Dokumenten im Notebook weniger als 78 inkludiert wurden. Manche Dokumente sind mehrfach drinnen, was Sinn macht, denn: Hierbei handelt es sich um Sammelb\u00e4nde oder Journals. Wo dann aber die gut 20-30 anderen Dokumente hin sind, konnte mir NotebookLM auch nicht beantworten. Dies kann daran liegen, dass das Dokument nicht maschinenlesbar ist, dass es sich um eine Doppelung handelt oder dass bestimmte W\u00f6rter oder Anweisungen enthalten sind, die das Dokument ausschlie\u00dfen. <\/p>\n\n\n\n
    Aber: Das hei\u00dft noch lange nicht, dass die Systematische Literaturrecherche nichts bringt. Denn: Ich setzte mich gerade durch die Interaktion mit der Literature Review mit der Literatur auseinander. Da entsteht Reibung, hier lerne ich und mein Wissensgarten w\u00e4chst. Kosmyna et al. (2025) halten in Zusammenhang von Lernen mit KI fest, dass eine fr\u00fche Nutzung von KI zu einer geringen Festigung von Wissen f\u00fchren kann, dass die erneute KI-gest\u00fctzte Auseinandersetzung mit Inhalten eine st\u00e4rkere kognitive Integration zur Folge hatte. Und genau das f\u00fchle ich. <\/p>\n\n\n\n
    Fazit<\/h2>\n\n\n\n
    NotebookLM nimmt mir das Denken nicht ab. Es nimmt mir auch das W\u00fchlen oder Suchen nicht ab. Aber, NotebookLM unterst\u00fctzt mich dabei dort Ordnung hineinzubringen, wo ich normalerweise nur mit viel M\u00fchen Ordnung hineinbringen w\u00fcrde. M\u00fchen, die ich mir sonst wahrscheinlich nicht gemacht h\u00e4tte. Auch wenn es doch eine Limitationen <\/em>gibt, denen man sich bei der Arbeit mit NotebookLM bewusst sein muss, gibt es nat\u00fcrlich auch Vorteile. <\/p>\n\n\n\n
    About the Author<\/h2>\n\n\n\n
    Ich bin Ren\u00e9 Foidl von Emerging Linguists. Ich bin ein richtiger Nerd, wenn es darum geht KI f\u00fcr unterschiedliche Anwendungsf\u00e4lle auszuprobieren. Mein Fokus liegt auf dem Einsatz von KI in der Hochschule und in Sprachlehr und -lernsettings, geht aber dar\u00fcber hinaus. <\/p>\n\n\n\n
    Quellen<\/h2>\n\n\n\n
    Agbon, G. (2024). Who speaks through the machine? Generative AI as discourse and implications for management. Critical Perspectives on Accounting<\/em>, 100<\/em>, 102761. https:\/\/doi.org\/10.1016\/j.cpa.2024.102761<\/a><\/p>\n\n\n\n
    Guingrich, R. E., & Graziano, M. S. A. (2024). Ascribing consciousness to artificial intelligence: Human-AI interaction and its carry-over effects on human-human interaction. Frontiers in Psychology<\/em>, 15<\/em>, 1322781. https:\/\/doi.org\/10.3389\/fpsyg.2024.1322781<\/a><\/p>\n\n\n\n
    Halliday, M. A. K., & Matthiessen, C. M. I. M. (2014). Halliday\u2019s Introduction to Functional Grammar<\/em> (0 Aufl.). Routledge. https:\/\/doi.org\/10.4324\/9780203431269<\/a><\/p>\n\n\n\n
    Ji, J. (2024). Demystify ChatGPT: Anthropomorphism around generative AI. AI in Education, Culture, Finance, and War 2(1). https:\/\/doi.org\/10.60690\/cee03e53<\/a>.<\/p>\n\n\n\n
    Kosmyna, N., Hauptmann, E., Yuan, Y. T., & Situ, J. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task\u25b3<\/em>. https:\/\/doi.org\/10.48550\/arXiv.2506.08872<\/a><\/p>\n\n\n\n
    Lind, M. (2025). Alexa\u2019s agency: A corpus-based study on the linguistic attribution of humanlikeness to voice user interfaces. AI & SOCIETY<\/em>, 40<\/em>(6), 4619\u20134633. https:\/\/doi.org\/10.1007\/s00146-025-02243-8<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"
    Vom Zotero-Chaos zur Struktur: So nutzt du Google NotebookLM f\u00fcr deine wissenschaftliche Arbeit. Ren\u00e9 Foidl beschreibt, wie er dabei vorgeht.<\/p>\n","protected":false},"author":2,"featured_media":985,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","_members_access_role":[],"_members_access_error":""},"categories":[1],"tags":[],"class_list":["post-977","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-allgemein"],"_links":{"self":[{"href":"https:\/\/emerginglinguists.org\/de\/wp-json\/wp\/v2\/posts\/977","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/emerginglinguists.org\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/emerginglinguists.org\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/emerginglinguists.org\/de\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/emerginglinguists.org\/de\/wp-json\/wp\/v2\/comments?post=977"}],"version-history":[{"count":6,"href":"https:\/\/emerginglinguists.org\/de\/wp-json\/wp\/v2\/posts\/977\/revisions"}],"predecessor-version":[{"id":998,"href":"https:\/\/emerginglinguists.org\/de\/wp-json\/wp\/v2\/posts\/977\/revisions\/998"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/emerginglinguists.org\/de\/wp-json\/wp\/v2\/media\/985"}],"wp:attachment":[{"href":"https:\/\/emerginglinguists.org\/de\/wp-json\/wp\/v2\/media?parent=977"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/emerginglinguists.org\/de\/wp-json\/wp\/v2\/categories?post=977"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/emerginglinguists.org\/de\/wp-json\/wp\/v2\/tags?post=977"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}