Gefälschte Quellenangaben: Warum KI-Antworten trotz Literaturverweisen falsch sein können

Wenn eine KI eine Antwort mit Quellenangaben erzeugt, mag diese glaubwürdig erscheinen, doch die Quellenangaben selbst können vollständig erfunden sein. Das Modell könnte beispielsweise den Titel, die Autorin oder den Autor und das Erscheinungsjahr eines wissenschaftlichen Artikels erfinden, die plausibel klingen, obwohl der Artikel nicht existiert. Alternativ könnte es eine echte Quelle anführen, deren tatsächliche Aussage jedoch verdrehen, etwa indem es behauptet, eine Studie stütze eine Schlussfolgerung, obwohl die Studie das Gegenteil besagt. Dies unterscheidet sich von einem einfachen Sachfehler: Es handelt sich um eine Halluzination, die falsche Belege erzeugt und die Antwort dadurch vertrauenswürdiger erscheinen lässt, als sie ist.

Um gefälschte Quellenangaben zu erkennen, suchen Sie nach dem Titel sowie der Autorin oder dem Autor und prüfen Sie so, ob die Quelle tatsächlich existiert. Wenn Sie sie nicht finden können, betrachten Sie die Behauptung als unbelegt. Achten Sie auch auf vage oder allgemeine Verweise wie „Eine Studie aus dem Jahr 2023 ergab …“, bei denen konkrete Angaben fehlen – dies ist ein Warnsignal. Wenn in einer Prüfung nach der Überprüfung von KI-Ausgaben gefragt wird, denken Sie daran, stets zum Originaldokument zurückzugehen und nicht der Zusammenfassung der KI zu vertrauen. Ein schneller Trick: Fragen Sie sich: „Würde ich meinen Arbeitsplatz darauf verwetten, dass diese Quellenangabe echt ist?“ Wenn nicht, überprüfen Sie sie.

Eine knappe Merkregel lautet: „KI kann Geister zitieren.“ Stellen Sie sich einen Geist mit einem gefälschten Diplom vor – es sieht offiziell aus, ist aber nicht echt. Wenn Sie eine von einer KI erzeugte Quellenangabe sehen, behandeln Sie sie wie diesen Geist: Prüfen Sie ihre Legitimation, bevor Sie sich darauf verlassen. Dieses Gedankenbild hilft Ihnen, sich daran zu erinnern, dass Quellenangaben kein Beweis sind und eine Überprüfung der einzig sichere Schritt ist.