KI-gestützte Recherche

Das echte Ausmaß des Problems

Laut einer Umfrage des Deutschen Journalisten-Verbands verbringen Redakteurinnen und Redakteure im Schnitt 35 bis 45 Prozent ihrer Arbeitszeit mit Recherche — und beklagen gleichzeitig, dass Deadlines kürzer werden und die Erwartung an Artikelvolumen steigt. Das ist keine nachhaltige Gleichung. Eine Geschichte, für die früher zwei Tage Recherche möglich waren, soll heute in vier Stunden stehen — mit demselben Anspruch an Tiefe und Quellendiversität.

Das Problem ist strukturell: Qualitätsjournalismus braucht Primärquellen, Kontextualisierung, Gegenrecherche und Faktenchecks. Wer in einer kleinen bis mittelgroßen Redaktion arbeitet — und das sind in Deutschland die meisten — hat keinen dedizierten Research-Desk, kein Archivzugang-Budget, und keinen Kollegen, der einfach “mal schnell” Hintergrundinformationen zusammenstellt. Das macht die Person, die den Artikel schreibt, selbst.

Dabei lauert ein oft übersehenes Problem: Oberflächliche Recherche ist nicht schneller als gute Recherche — sie ist nur schlechter. Wer nur die ersten drei Google-Treffer liest und daraus einen Artikel baut, riskiert, dieselben Fehler weiterzuschreiben, die dort schon drinstecken. KI löst das Tiefenproblem nicht automatisch — aber sie kann die Breite der Recherche signifikant erweitern, ohne mehr Zeit zu kosten.

So funktioniert es in der Praxis

Schritt 1 — Themenkontext aufbauen: Bevor du eine Story schreibst, gibt es eine Orientierungsphase. Statt zwanzig Browser-Tabs zu öffnen, fragst du Perplexity oder ChatGPT mit Internetanbindung: “Gib mir einen strukturierten Überblick über das Thema X — wichtige Akteure, Hintergrund, aktuelle Entwicklungen der letzten sechs Monate, offene Fragen.” Das dauert drei Minuten und liefert einen gut strukturierten Ausgangspunkt mit Quellenangaben, den du vertiefen kannst.

Schritt 2 — Gegenrecherche strukturieren: Wenn du eine These hast, gibt es eine klassische Schwäche: du findest vor allem die Quellen, die deine These bestätigen. KI-Tools kann man explizit fragen: “Welche Gegenargumente gibt es zu dieser Position? Wer sieht das anders und warum?” Das erzwingt eine Perspektiverweiterung, die manuell oft unterbleibt, weil die Zeit fehlt.

Schritt 3 — Dokumente und Studien auswerten: Wenn du ein 80-seitiges Gutachten, einen Bericht oder ein wissenschaftliches Paper als Grundlage hast, kannst du es in Claude oder NotebookLM laden und gezielt befragen: “Was sagt das Dokument zu Punkt X? Welche Einschränkungen nennt die Studie selbst?” Das ersetzt das Lesen nicht — aber es ermöglicht eine erste Orientierung in langen Dokumenten, die du dann gezielt weiterliest.

Schritt 4 — Quellenbewertung und Faktencheck: KI kann helfen, Quellen einzuordnen (“Was ist das für ein Institut, welche politische Nähe hat es?”) und Aussagen auf Plausibilität zu prüfen. Aber Vorsicht: KI halluziniert auch. Keine KI-Aussage darf ohne Quellenprüfung in einen Artikel. KI ist eine Recherche-Beschleunigung, kein Recherche-Ersatz.

Welche Tools passen hierzu

Perplexity ist das stärkste Recherche-Tool für Journalisten: Es durchsucht das Web in Echtzeit, gibt Quellenangaben zu jeder Aussage, und hat einen “Focus”-Modus für akademische Quellen, Reddit, oder Nachrichten. Ideal für schnelle Kontextsuche und aktuelle Entwicklungen. Kostenloser Plan verfügbar, Pro-Plan für 20 Euro/Monat mit mehr Tiefe.

Claude mit der Dokumenten-Upload-Funktion ist besonders wertvoll für das Auswerten langer Texte: Pressemitteilungen, Studien, Bundestagsprotokolle, Jahresberichte. Du lädst das Dokument hoch und kannst es direkt befragen. Claude liest auch sehr lange Dokumente vollständig — ein echter Vorteil bei Gutachten oder Gesetzesentwürfen.

NotebookLM (von Google) ist ein spezialisiertes Tool für Dokumentenrecherche: Du lädst bis zu 50 Quellen hoch und kannst dann übergreifend fragen. Für investigative Projekte oder Themenrecherchen, die viele Dokumente umfassen, ist das ein echter Gamechanger. Kostenlos.

ChatGPT mit Web-Browsing eignet sich für schnelle Überblicksrecherchen und strukturierte Zusammenfassungen. Schwäche: Die Qualität der Quellenangaben ist weniger verlässlich als bei Perplexity — immer nachprüfen.

Was es kostet — realistisch gerechnet

Einstieg (kostenlos):

• Perplexity kostenlos: begrenzte Suchanfragen pro Tag, ausreichend für gelegentliche Nutzung
• NotebookLM: vollständig kostenlos
• Zeitaufwand für Einarbeitung: 2–3 Stunden

Professioneller Ansatz:

• Perplexity Pro: 20 Euro/Monat — unlimitierte Anfragen, stärkere Modelle
• Claude Pro: 18 Euro/Monat — für Dokumentenanalyse und lange Texte
• Gesamt: ca. 38 Euro/Monat

ROI-Rechnung: Eine Redakteurin, die für jede Story 2–3 Stunden Recherche macht und diese Zeit durch KI-Unterstützung auf 1–1,5 Stunden reduziert, gewinnt pro Woche ca. 3–5 Stunden. Bei 50 Wochen Arbeit sind das 150–250 Stunden/Jahr — Zeit, die für mehr Storys, mehr Tiefe oder mehr Gegenrecherche genutzt werden kann. Bei einem Stundensatz von 40 Euro entspricht das 6.000–10.000 Euro Zeitwert — für 38 Euro Monatskosten.

Realistischer Zeitplan

Phase	Dauer	Was passiert	Typisches Risiko
Einarbeitung und Ausprobieren	Woche 1–2	Mit Perplexity und Claude erste echte Recherchen begleiten	Unrealistische Erwartungen — KI macht keine Primärquellen-Arbeit
Integration in den Redaktionsalltag	Woche 2–4	Feste Abläufe entwickeln: was nutze ich wofür?	Jedes Tool für alles nutzen wollen — stattdessen klare Aufgaben zuweisen
Fortgeschrittene Nutzung	Woche 4–8	Dokumentenanalyse mit NotebookLM, strukturierte Gegenrecherche	Zu sehr auf KI-Ausgaben vertrauen ohne Quellenprüfung
Laufende Optimierung	Ab Monat 3	Eigene Prompt-Bibliothek aufbauen, bewährte Anfragen dokumentieren	Keine Weiterentwicklung — Tool wird zur Routine, Potenzial bleibt ungenutzt

Häufige Einwände

„KI erfindet Quellen — das ist für Journalisten inakzeptabel.” Das stimmt und das ist eine berechtigte Sorge. Aber es ist eine Warnung, nicht ein Verbot. Das Tool, das am häufigsten falsche Quellenangaben macht, ist ChatGPT ohne Web-Zugang — weil es aus dem Gedächtnis zitiert, das Fehler enthält. Perplexity und Claude mit Dokumentenupload haben dieses Problem deutlich seltener, weil sie auf realen Quellen arbeiten. Die Regel ist: Keine KI-Quellenangabe übernehmen, ohne sie zu prüfen. Wie bei jeder anderen Quelle auch.

„Das ist doch einfach eine bessere Google-Suche — brauche ich dafür wirklich ein Extra-Tool?” Nein, das ist nicht nur eine bessere Google-Suche. Der Unterschied ist Synthese: Google gibt dir Links. Perplexity gibt dir eine zusammengefasste Antwort aus mehreren Quellen, mit Quellenangaben, auf die du direkt klicken kannst. Claude analysiert ein 100-seitiges PDF und sagt dir, was auf Seite 47 zu deiner Fragestellung steht. Das ist strukturell anders — und im Redaktionsalltag mehrere Stunden pro Woche wert.