Consensus: Funktionen, Datenbasis und Grenzen
Natives KI-Tool: Evidenzsuche in peer-reviewter Literatur
Funktionsweise
- KI-gestützte Suchmaschine für Recherche und Synthese wissenschaftlicher Literatur: Literatursuche in natürlicher Sprache, Kernergebnisse (Key Takeaways) und automatisierte Literaturübersichten.
- Datenbasis: ein Gesamtkorpus von inzwischen mehr als 400 Mio. Arbeiten, aggregiert primär aus Semantic Scholar, OpenAlex und eigenen Verlagskooperationen.
- Consensus Meter: Bei Ja/Nein-Fragen zeigt er, wie viele Studien der Behauptung zustimmen, widersprechen oder unentschieden sind.
- Deep Search: tiefergehende KI-Analyse mit strukturierten Berichten inklusive Forschungslücken und Gegenargumenten. Außerdem gibt es die Corpus-Suche.
- Medical Mode: kuratierte Teilmenge mit rund 8 Mio. Papers und über 50.000 klinischen Leitlinien aus den Top-1.000-Medizinjournalen. Der Gesamtkorpus bleibt daneben durchsuchbar.
- Volltexte statt nur Abstracts durch Kooperationen mit Wissenschaftsverlagen und Fachgesellschaften: Wiley, Taylor & Francis, Sage, American Chemical Society, American Psychological Association, American Association for the Advancement of Science, De Gruyter Brill, American Society for Microbiology, Rockefeller University Press, Oxford University Press und das British Journal of Management. Die Inhalte werden nach meinem Kenntnisstand nicht für das KI-Training genutzt. Im Mai 2026 warb das Unternehmen 30 Mio. Dollar Kapital ein.
- Hochschulbibliotheken können über LibKey ihre lizenzierten Volltexte anbinden; technisch reicht das bis in Consensus hinein, wird aber selten gezeigt.
- Anbindung als Konnektor in Claude und als Plugin in ChatGPT. Für den Einstieg genügt oft ein Freemium-Konto, dann mit eingeschränktem Suchumfang und eingeschränkter Suchtiefe (Kapitel 16).
- Nutzung unter Studierenden: In der ZBW-Befragung (n=831 KI-Nutzer) setzen 6,3 % Consensus für die Literaturrecherche ein, 87,6 % kennen es nicht oder nutzen es nicht.
Stärken
- Schneller Überblick zu einer Forschungsfrage über viele Fächer hinweg, mit sehr großem peer-reviewten Korpus.
- Mit den Volltext-Kooperationen entstehen tiefere Analysen als bei reiner Abstract-Auswertung.
- Als Konnektor lässt sich Consensus in den Workflow mit Claude oder ChatGPT einbinden.
Grenzen
- Der Medical Mode ist oft zu eng gewählt und übersieht Paper. Zusätzlich den allgemeinen Korpus durchsuchen.
- Im Vergleichstest vom Juni 2026 (200 Anfragen, durchgeführt vom SciSpace Research Team) lag Consensus nicht vorn. Der Test ist eine Momentaufnahme; die Volltexte werden die Ergebnisse verändern.
- Nicht fachspezifisch: für Spezialfragen bleiben Fachdatenbanken und Fachtools nötig.
Dazu kommen die Grenzen, die für alle KI-Tools gelten.
Links
Stand: Workshop-Folien vom 30.09.2026 und 12.09.2026 · Blog: 16. Mai 2026, 11. Juni 2026, 4. Juli 2026, 8. August 2026, 14. September 2026, 6. Oktober 2026
Beiträge im Blog zu Consensus
- Hochschulen und KI: Andocken oder abschotten? (19. Oktober 2026)
- Mit KI, aber ohne Kompass. Wie Studierende an Hochschulen bei der Recherche scheitern. Teil 4: „Fachdatenbanken? Brauch ich nicht. Ich hab Google Scholar!“ (5. Oktober 2026)
- KI is (s)killing us. (30. September 2026)
- Schluss mit Schlagwort-Lotto: PubMed hat mit Linked Discoveries ein neues Feature. (30. September 2026)
- Die KI-Recherche hat ein Geisteswissenschaften-Problem - und wir sind Teil davon. (18. September 2026)