Hauptgedanke

Wer einen KI-Assistenten bittet: „Finde mir dreißig gute Quellen zu diesem Thema“, legt den Umfang der Recherche fest, bevor er weiß, was fehlt. Die Zahl wird dann zum stillschweigenden Qualitätsmaß: Dreißig Quellen erwecken den Eindruck von Abdeckung.

Dabei können dreißig Dokumente nur ein paar wiederholte Ideen tragen. Sie können vom selben Typ Akteur stammen, dieselben Arbeiten zitieren, dieselben Annahmen teilen und denselben Widerspruch ignorieren. Die Menge misst den Aufwand des Sammelns, nicht die Breite dessen, was verstanden wurde – und Blickwinkel, die in den ersten Ergebnissen schwach vertreten sind, bleiben unsichtbar, egal wie viele Dokumente man zusammenträgt.

Das Problem ist nicht die große Zahl an Quellen: Manche Recherchen brauchen Hunderte. Das Problem ist, sie vorab festzulegen, nach dem Ablauf „Scope → dreißig Quellen → Lektüre → Synthese“, statt sie aus dem folgen zu lassen, was die Recherche entdeckt.

Warum das wichtig ist

Es korrigiert einen weit verbreiteten Reflex beim Auftrag an ein Recherchewerkzeug: Die relevante Frage ist nicht „Wie viele Quellen habe ich?“, sondern „Was weiß mein Korpus schon, und was weiß es nicht?“.

Und es erklärt, warum ein umfangreiches Korpus ärmer sein kann als ein kurzes: Redundanz erzeugt Bestätigung, kein Wissen.

Nuancen und Grenzen

Eine vorab festgelegte Zahl bleibt als Budget nützlich – als Grenze für Kosten oder Zeit. Zum Problem wird sie, wenn man sie als Beleg für Abdeckung liest.

Und ein redundantes Korpus ist nicht an sich nutzlos: Unabhängige Belege, die übereinstimmen, stärken eine Aussage. Es ist die ungewollte Redundanz, die für Vielfalt gehalten wird, die täuscht.

Offene Fragen

• Wie erkennt man, ohne alles neu zu lesen, dass eine Menge von Quellen nur dieselben Arbeiten unter verschiedenen Namen wiederholt?