Semantic Scholar: Funktionen, Datenbasis und Grenzen
KI-gestützte akademische Suchmaschine („KI light“)
Funktionsweise
- Frei nutzbar, bei Bedarf Account anlegen bzw. über die Institution einloggen. Aktuell 239 Millionen Dokumente, meist nicht selbst gehostet.
- Indexiert primär Metadaten (Titel, Autoren, Zitationen), zeigt Abstracts und verlinkt für Volltexte auf externe Quellen wie Verlagsseiten und Repositorien.
- Nutzt KI zur Verarbeitung der Suchanfrage: automatische Extraktion von Informationen aus Papern, Zitationsanalyse, vektorbasierte Suche. Stark ausgebaut sind Wissensgraphen, Zitationsnetzwerke und semantische Beziehungen.
- Kein KI-Chatbot: Die Suche läuft über Keywords, nicht über Prompts. Es gibt keinen Dialog und keine KI-generierten Antworten.
- Für Paper aus arXiv ist ein Semantic Reader integriert.
- Semantic Scholar ist die Grundlage vieler KI-Recherche-Tools, darunter scienceOS, Elicit, Asta und Undermind. Hier werden Möglichkeiten, Grenzen und Bias von KI gut sichtbar.
- Zitationen werden eingeordnet: Neben dem Citation Count zeigen „Highly Influential Citations“, ob eine Zitation nur eine Randnotiz ist oder die nachfolgende Arbeit maßgeblich auf den Ergebnissen aufbaut. Zitate werden außerdem nach ihrer Funktion kategorisiert, unter anderem als Hintergrund (Kontext, Theorien) oder Methode (Methodik, Design oder Werkzeuge werden übernommen oder verändert).
Stärken
- Komplett kostenlos nutzbar. Verbindet eine akademische Suchmaschine mit KI-gestützter semantischer Analyse und erkennt thematische Ähnlichkeiten und Zusammenhänge.
- Liefert KI-generierte „TL;DR“-Zusammenfassungen vieler Papers und Abstracts.
- Stark in Technik- und Naturwissenschaften und Medizin.
- Forward- und Backward-Citation-Tracking (primär linear), Sortierung nach Citation Count. Zeigt wichtige Zitate, zentrale Einflussarbeiten, ähnliche Papers und Forschungsnetzwerke.
- Semantic Reader und Citation Cards helfen, Literatur schneller zu erschließen.
Grenzen
- Kein Dialog, keine KI-Antwort auf eine Frage: Wer in Prompts denkt, braucht dafür eines der Tools, die auf Semantic Scholar aufsetzen.
- Volltexte liegen meist außerhalb: Das System arbeitet vor allem mit Metadaten und Abstracts.
- Als Datenbasis vieler KI-Tools gibt Semantic Scholar seine Verzerrungen weiter (Kapitel 18).
Dazu kommen die Grenzen, die für alle KI-Tools gelten.
Links
Stand: Workshop-Folien vom 30.09.2026 · Blog: 15. Mai 2026, 18. Mai 2026
Beiträge im Blog zu Semantic Scholar
- Schluss mit Schlagwort-Lotto: PubMed hat mit Linked Discoveries ein neues Feature. (30. September 2026)
- Recherchieren mit Claude: Immer mehr Konnektoren, immer mehr Daten und Literatur. Aber so einfach ist es nicht! Ein Praxisbericht. (5. August 2026)
- Gelebtes Europa. Ein KI-Workshop mit Wissenschaftlern aus 7 Ländern. Erkenntnis: Nicht Theoretisieren - Testen! (24. Juli 2026)
- Alle Register ziehen - und staunen. Oder: Wie man mit einem KI-Tool mit einem einzigen Prompt in drei verschiedene Richtungen recherchieren kann. (25. Juni 2026)
- Google Scholar oder Der Haken an der Sache mit dem Haken. (Wie Citation-Tracking am besten funktioniert). (14. Juni 2026)