Google hat ein neues, künstliche-Intelligenz-gestütztes Suchtool namens Scholar Labs vorgestellt, das darauf abzielt, Forschungsfragen präzise zu beantworten, indem es den Inhalt wissenschaftlicher Arbeiten tiefgehend analysiert. Im Gegensatz zu traditionellen Suchmaschinen wie Google Scholar, die auf Zitierhäufigkeit und Impact-Faktor basieren, fokussiert sich Scholar Labs auf die semantische Bedeutung von Texten – also auf die Beziehungen zwischen Wörtern und Konzepten. In einer Demo wurde eine Frage zu Gehirn-Computer-Schnittstellen (BCIs) für Schlaganfallpatienten abgefragt. Die erste Trefferliste enthielt eine 2024 veröffentlichte Übersichtsarbeit aus dem Journal Applied Sciences, die den nicht-invasiven EEG-Signalen und gängigen Algorithmen in der BCI-Forschung gewidmet war. Google erklärt, dass die Ergebnisse nach „Relevanz“ sortiert werden, wobei der gesamte Text, der Veröffentlichungsort, die Autoren und die Zitierungshäufigkeit berücksichtigt werden – allerdings ohne explizite Filter nach Zitierhäufigkeit oder Journal-Impact-Faktor. Dieser Ansatz löst eine kontroverse Diskussion aus: Während traditionelle Metriken wie Zitierhäufigkeit und Impact-Faktor oft als Indikatoren für Qualität gelten, werden sie von Experten wie Matthew Schrag von der Vanderbilt University als „rohe Bewertungen“ kritisiert, die mehr über die soziale Akzeptanz als über methodische Strenge aussagen. Schrag betont, dass solche Metriken zwar nützlich sein können, aber leicht zu Fehleinschätzungen führen – besonders bei neuem oder interdisziplinärem Forschungsbereich. Zudem sind viele hochzitierte Studien durch Datenfälschungen oder methodische Mängel in Frage gestellt worden, was die Notwendigkeit einer kritischen Lektüre unterstreicht. Trotzdem vertrauen viele Wissenschaftler, wie James Smoliga von der Tufts University, auf Zitierhäufigkeit als praktische Orientierung, selbst wenn sie wissen, dass sie nicht immer mit Qualität korrelieren. In einer Gegenüberstellung mit PubMed – einer etablierten Datenbank der NIH – zeigte sich, dass traditionelle Filter (z. B. klinische Studien an Menschen, letzte fünf Jahre, Übersichtsartikel) präzisere Ergebnisse liefern können. Scholar Labs hingegen ermöglicht es Nutzern, nach „neuesten“ Arbeiten zu suchen und Zeitrahmen anzugeben, wobei der Fokus auf dem vollen Text der Studien liegt. Google sieht in Scholar Labs eine neue Ära der wissenschaftlichen Suche und plant, Nutzerfeedback in die Weiterentwicklung einzubeziehen. Experten wie Schrag sehen Potenzial in der AI-gestützten Suche: Sie könnte unterrepräsentierte oder neuere Arbeiten aufdecken und zusätzliche Kontexte wie soziale Medien-Präsenz einbeziehen. Dennoch betont Schrag: Die endgültige Beurteilung wissenschaftlicher Qualität bleibt die Verantwortung der Forscher. Algorithmen können Hilfsmittel sein, aber nie die letzte Instanz. Die kritische Lektüre und das fachliche Urteil bleiben unverzichtbar. Google Scholar Labs ist derzeit auf eine begrenzte Gruppe angemeldeter Nutzer beschränkt und steht auf einer Warteliste. Die Einführung markiert einen Paradigmenwechsel: von der Zitierstatistik zur semantischen Tiefe – mit der Herausforderung, Vertrauen in die KI und in die wissenschaftliche Integrität zu balancieren.