top of page
Suche

Die 30 %-Falle: Warum KI-Recherche in der Gesundheitskommunikation ohne Quellen-Mapping riskant ist

  • Autorenbild: Rebecca Mischke
    Rebecca Mischke
  • 1. Aug.
  • 5 Min. Lesezeit

Aktualisiert: 1. Aug.

Wie du in der Gesundheitskommunikation die letzten 30 Prozent absicherst - den Teil, den man gern überspringt, weil die KI-Vorarbeit so überzeugend aussieht.



Die eigentliche Gefahr bei KI-Recherche ist nicht, dass die KI Fehler macht. Die Gefahr ist, dass sie fast keine sichtbaren Fehler macht. Die Quellen sehen perfekt aus, die Formatierung ist sauber, alles wirkt abschickbereit und genau das senkt unsere Bereitschaft, noch einmal genau hinzusehen.


Auf einen Blick

  • KI nimmt in der Recherche einen großen Teil der Vorarbeit ab aber sie prüft nicht, ob eine Quelle wirklich existiert oder die Aussage trägt.

  • Sprachmodelle erzeugen Text nach Wahrscheinlichkeit, nicht nach Faktenlage: Auch Quellenangaben und DOIs können frei erfunden sein.

  • Untersuchungen zeigen relevante Fehlerquoten bei KI-Antworten = Prüfen bleibt Pflicht, gerade bei Gesundheitsthemen.

  • Ein Quellen-Mapping ist ein einfacher, wiederholbarer Audit-Schritt: Welche Quelle steht an welcher Stelle und trägt sie die Aussage wirklich?

  • Kurz: KI skaliert das Tempo. Die Verantwortung für die Qualität bleibt beim Menschen.


Inhaltsverzeichnis


Warum die KI-Vorarbeit so überzeugend - und trügerisch - ist

Beispiel einer Quellen-Mapping-Tabelle mit verifizierten AMA-Zitaten, DOI-Links, Studiendesign, Evidenzhierarchie und farbiger Ampelbewertung pro Quelle.
Arbeitsbeispiel einer Quellen-Mapping-Tabelle mit verifizierten AMA-Zitaten, DOI-Links, Studiendesign, Evidenzhierarchie und farbiger Ampelbewertung pro Quelle.

KI liefert dir heute Quellen im sauberen Zitationsstil: mit klickbaren Links, mit DOIs, mit Erscheinungsjahr. Auf den ersten Blick ist alles da. Kein Grund zu zweifeln, könnte man meinen.


Und genau da liegt das Problem. Sprachmodelle erzeugen Text nach Wahrscheinlichkeit, nicht nach Faktenlage: sie prognostizieren das plausibelste nächste Wort, nicht die zutreffendste Aussage. Das gilt auch für Quellenangaben: Titel, Autor:innen und DOIs können überzeugend aussehen und trotzdem frei erfunden sein. Öffentliche Stellen wie die Stiftung Gesundheitswissen weisen ausdrücklich darauf hin, dass auch Quellenangaben halluziniert sein können.


Wir schenken einem KI-Output damit ein Grundvertrauen, das wir im Arbeitsalltag keinem menschlichen Zulieferer geben würden. Keiner freien Autorin, keinem Praktikanten würden wir eine Recherche ungeprüft durchwinken, nur weil die Formatierung stimmt. Bei der KI tun wir es. Weil die Vorarbeit so professionell aussieht, dass die Versuchung groß ist, die letzten Schritte einfach zu überspringen. Ein zusätzliches Warnsignal: Modelle formulieren oft besonders selbstsicher - gerade dann, wenn sie danebenliegen.


Die 70/30-Logik: Was KI abnimmt und wo der Mensch übernimmt


Ich arbeite täglich mit KI, und ich bin überzeugt: Sie ist ein echter Game-Changer in der Recherche. Aber ich trenne klar, was sie leistet und was nicht.


Nach meiner Erfahrung nimmt mir KI einen Großteil der Vorarbeit ab, grob 70 Prozent: Struktur, Zusammenfassung, Formulierungsvarianten, eine erste Quellenauswahl. Das ist die Arbeit, für die ich früher Stunden über Studien gesessen habe. Diese Vorarbeit kann ich heute guten Gewissens auslagern. (Die 70/30-Aufteilung ist meine praktische Faustregel, keine Studiengröße.)


Die verbleibenden 30 Prozent sind Sorgfaltspflicht und die bleibt menschliche Verantwortung. Nicht verhandelbar.


Dahinter steht mein HAI-Prinzip (Human-AI-Interaction). Es folgt einer einfachen Logik:

  • Human framed: ich gebe Rahmen, Fragestellung und Anspruch vor.

  • AI iterated: die KI arbeitet zu, strukturiert, liefert Optionen.

  • Human revised: ich prüfe, korrigiere, entscheide, verantworte.


KI skaliert das Tempo. Die Qualität bleibt beim Menschen.

Das ist keine Marketing-Behauptung, sondern eine Arbeitshaltung, die sich in einem festen Prozessschritt niederschlägt.


Das Herzstück: Quellen-Mapping als Framework

Dieser feste Prozessschritt heißt bei mir Quellen-Mapping. Es ist mein letzter interner Audit-Step, bevor irgendetwas an einen Kunden geht. Ich lasse mir dabei eins zu eins aufschlüsseln, welche Quelle an welcher Stelle genutzt wird und dann schaue ich selbst hin.



Quellen-Mapping: die 5 Prüfpunkte

  1. Zuordnung: Welche Quelle wird an welcher Stelle im Text verwendet? Jede Aussage bekommt ihren Beleg - 1:1, nachvollziehbar.

  2. Deckung: Trägt die Quelle die Aussage wirklich? Oder wird sie überinterpretiert und sagt am Ende etwas anderes, als im Text steht? Ein Blick in Abstract und die zitierte Stelle klärt das.

  3. Existenz & Auffindbarkeit: Führt der Link/DOI tatsächlich zur richtigen Arbeit? Titel kurz gegenprüfen, DOI über doi.org auflösen. Landet man im Nichts oder bei einem anderen Thema, fliegt die Quelle raus - keine Ausnahmen.

  4. Korrelation vs. Kausalität: Ist beides sauber getrennt? „ist assoziiert mit" ist nicht dasselbe wie „verursacht". Dieser Unterschied entscheidet über die fachliche Sauberkeit.

  5. HWG-Sensibilität: Ist die Formulierung rechtssensibel? Kippstellen wie „wirkt", „senkt nachweislich" oder „verhindert" markiere ich und überführe sie in bedingte, belegbare Sprache.


Erst wenn diese fünf Punkte sauber stehen, geht Content raus. Vorher nicht.


Warum das gerade in der Gesundheitskommunikation zählt

In anderen Feldern kostet ein falscher Wert vielleicht Glaubwürdigkeitspunkte. In der Gesundheits- und Wissenschaftskommunikation kostet er mehr.

Untersuchungen zeigen, dass KI-Chatbots regelmäßig Informationen erfinden und dabei sogar Quellen falsch angeben. In einer breit angelegten Auswertung der Europäischen Rundfunkunion enthielt ein erheblicher Anteil der Antworten Fehler. Für die Gesundheitskommunikation heißt das: Ein einziger nicht gedeckter Claim bringt dir „Quelle?" in den Kommentaren, im schlechteren Fall einen spürbaren Vertrauensverlust. Und im Zweifel Medical- oder Legal-Rückfragen, die wir durch sorgfältige Vorarbeit vermeiden können. Menschen treffen auf Basis solcher Inhalte Entscheidungen, die ihre Gesundheit betreffen.

Deshalb ist Verantwortung hier keine Bremse. Sie ist die Vertrauensbasis der gesamten Kommunikation.

FAQ


Warum erfindet KI Quellen und DOIs?

Weil Sprachmodelle Wahrscheinlichkeitsmaschinen sind, keine Faktendatenbanken. Sie setzen aus Trainingsmustern eine überzeugend klingende Referenz zusammen. Optisch vielleicht im korrekten Zitationsformat, aber ohne Anker in der Realität. Fehlt dem Modell die passende Quelle, „gibt es Unwissen" ungern zu und erfindet lieber etwas Plausibles.

In wenigen Minuten: Titel in Anführungszeichen googeln, DOI über doi.org auflösen, Autor:in und Journal gegenchecken und - am wichtigsten - die zitierte Stelle im Abstract oder Volltext lesen. Nur weil eine Studie existiert, steht dort nicht zwingend das, was die KI behauptet.

Als Zulieferer für Struktur und Vorauswahl: ja. Als letzte Instanz für Fakten: nein. Vertrauen ist gut, ein fester Prüfschritt ist besser. Gerade wenn Inhalte gesundheitsbezogene Entscheidungen beeinflussen.

Eine 1:1-Zuordnung von Aussage und Beleg: Welche Quelle steht an welcher Stelle, trägt sie die Aussage, ist sie auffindbar und ist die Formulierung rechtssensibel? Es ist der letzte Audit-Schritt vor der Freigabe.


Fazit

Vertrauen entsteht nicht durch den perfekten Rohtext. Es entsteht durch die verantwortungsvolle Prüfung dahinter. Durch die 30 Prozent, die man nicht sieht, aber spürt.

Und deshalb möchte ich dir eine Frage mitgeben, ohne sie zu bewerten: Wo ziehst du die Linie zwischen KI-Unterstützung und menschlicher Endverantwortung?


Wenn du komplexe Gesundheitsthemen verständlich und rechtssensibel kommunizieren möchtest, ohne bei der Recherche Abstriche zu machen: Melde dich gern für ein unverbindliches Kennenlerngespräch. Am besten schreibst du mir zwei bis drei Sätze zu deiner Situation, ich melde mich mit einer klaren Einschätzung zurück.


Über die Autorin

Rebecca Mischke schreibt bei HEALTHComm Marketing & Kommunikatiuon über Gesundheitskommunikation mit KI, evidenzbasierte Inhalte und die Frage, wie komplexe Themen klar verständlich, wissenschaftlich korrekt und menschlich vermittelbar werden.


Quellen

Hinweis

Dieser Beitrag dient der allgemeinen Information und spiegelt die persönliche Meinung und Erfahrung der Autorin wieder.


Kommentare

bottom of page