Systematischer Literaturreview mit KI: beschleunigen, ohne Abstriche bei der methodischen Strenge

Der systematische Review (Systematic Literature Review, SLR) ist der Goldstandard der Evidenzsynthese – und eine der zeitaufwendigsten Aufgaben in der Forschung. KI kann inzwischen seine aufwendigsten Schritte automatisieren. Hier erfahren Sie, was die Wissenschaft wirklich zeigt, welche Fallen es zu vermeiden gilt und wo Charlie ansetzt.

Team von Emerit Science

Juli 2026

Mit Charlie beschleunigter systematischer Literaturreview

Ein systematischer Literaturreview ist keine Übersicht „aus dem Stegreif“. Er folgt einem reproduzierbaren Protokoll: Man definiert eine Frage, eine erschöpfende Suchstrategie und Einschlusskriterien, screent dann jede Referenz, extrahiert die Daten der eingeschlossenen Studien und synthetisiert sie – oft in Form einer Metaanalyse. All das nach Standards wie PRISMA 2020 oder den Cochrane-Empfehlungen. Deshalb gilt er als die zuverlässigste Evidenzquelle in Wissenschaft und Medizin.

Das Problem: Ein rigoroser SLR dauert Monate. 5.000 bis 20.000 Titel und Abstracts von Hand und in Doppelbegutachtung zu screenen und dann methodisch die Daten aus Hunderten von Artikeln zu extrahieren, bindet ganze Teams. Und die wissenschaftliche Produktion verdoppelt sich alle paar Jahre: Die Arbeit wächst unaufhörlich. Genau hier verändern die KI-Agenten der Generation 2026 die Spielregeln – vorausgesetzt, man weiß, was sie gut und was sie schlecht machen.

Wohin die Zeit fließt: die fünf Schritte eines SLR

Jeder systematische Review durchläuft dieselben Phasen. Jede hat ein anderes Automatisierungsprofil – manche eignen sich sehr gut für KI, andere erfordern eine strenge menschliche Kontrolle.

Schritt	Was zu tun ist	Automatisierbar?
1. Suche	Die Frage in boolesche Suchstrings übersetzen, PubMed, Embase usw. abfragen	Teilweise – die KI formuliert die Abfragen, der Experte validiert
2. Screening	Tausende Titel/Abstracts und anschließend Volltexte sichten (Doppelbegutachtung)	Stark – der für KI am weitesten ausgereifte Schritt
3. Extraktion	PICO, Stichprobengrößen, Ergebnisse und Methoden jeder Studie extrahieren	Unterstützt – deutliche Zeitgewinne, aber menschliche Überprüfung unverzichtbar
4. Synthese	Ergebnisse zusammenführen, Metaanalyse, qualitative Darstellung	Unterstützt – die KI formuliert und strukturiert, der Mensch zieht die Schlüsse
5. Bewertung des Verzerrungsrisikos	Die methodische Qualität jeder eingeschlossenen Studie beurteilen	Kaum – Expertenurteil erforderlich, KI allein ist wenig zuverlässig

Diese Abstufung ist entscheidend: Der Wert der KI besteht nicht darin, „den Review für Sie zu erledigen“, sondern darin, die mechanische Last zu übernehmen (Screening, strukturierte Extraktion), wo sie glänzt, und das wissenschaftliche Urteil dort dem Menschen zu überlassen, wo es zählt.

Was die Forschung wirklich zeigt (Zahlen von 2025)

Statt auf Marketingversprechen zu setzen, betrachten wir lieber die 2025 veröffentlichten Ergebnisse von Teams, die reale Systeme an realen Reviews gemessen haben.

Screening – der am weitesten ausgereifte Schritt. Eine Übersicht über mehr als 20 Tools zeigt, dass die unterstützte Sichtung das manuelle Screening um mehr als 60 % reduzieren kann, bei einem Recall von über 90 % (Mikriukov et al., 2025). Bei AutoLit erreichen Modelle des überwachten Lernens 82 bis 97 % Recall und damit das Niveau eines menschlichen Gutachters (Kallmes et al., 2025).
Suche – von der Frage zur Abfrage. Ein Reasoning-Agent übersetzt eine Forschungsfrage in vollständige boolesche Suchstrings und erreicht 76,8 % und 79,6 % Recall auf zwei Validierungsdatensätzen – im Vergleich zu von Cochrane-Experten erstellten Abfragen (Kallmes et al., 2025).
Extraktion – gut bei strukturierten Daten. Die Extraktion der PICO-Elemente (Population, Intervention, Vergleich, Outcome) erreicht über 85 % Genauigkeit (Mikriukov et al., 2025); Metadaten wie Studientyp, Ort und Stichprobengröße werden mit 74 %, 78 % und 91 % Genauigkeit extrahiert (Kallmes et al., 2025).
Konkrete Zeitersparnis. Bei realen Reviews berichten die Autoren von 50 % Zeitersparnis beim Screening der Abstracts und 70 bis 80 % bei der qualitativen Extraktion (Kallmes et al., 2025).

Der übergeordnete Trend reicht weiter: Wissenschaftliche KI-Agenten – fähig, selbstständig zu schlussfolgern, zu planen und Werkzeuge zu verketten – gelten als neue Grenze für Literaturübersichten, Hypothesengenerierung und Ergebnisanalyse (Gridach et al., ICLR 2025), insbesondere in der Bioinformatik und Biomedizin (Yang et al., 2025).

Die Falle, die man nicht ignorieren darf: KI ohne Aufsicht irrt sich

Einen SLR „als Blackbox“ zu automatisieren ist gefährlich. Dieselben Arbeiten, die die Zeitgewinne messen, messen auch die Fehlschläge – und diese fallen gerade dort gravierend aus, wo das Urteil am meisten zählt:

! Ohne menschliche Überprüfung erreicht die Fehlerquote 31 % bei der Datenextraktion und übersteigt 50 % bei der automatischen Bewertung des Verzerrungsrisikos (Mikriukov et al., 2025).
! Halluzinationen: Ein Modell kann einen plausiblen, aber falschen Wert oder eine ebensolche Quellenangabe erfinden – inakzeptabel in einer Evidenzsynthese.
! Reproduzierbarkeit: Ohne Nachverfolgbarkeit von Abfragen, Prompts und Entscheidungen ist der Review nicht mehr reproduzierbar – dabei ist genau das die Definition eines SLR.

Die Schlussfolgerung der Autoren ist einhellig: Das richtige Modell ist nicht die vollständige Automatisierung, sondern „Human-in-the-Loop“ – die KI schlägt vor, der Experte entscheidet. Der Agent wird zu einem unermüdlichen Zweitgutachter, dessen Entscheidungen jederzeit überprüfbar bleiben, niemals zu einem Ersatz für das wissenschaftliche Urteil (Kallmes et al., 2025).

Wenn die Evidenz nicht ausreicht: der formale Konsens (RAND/UCLA)

Ein systematischer Review liefert nicht immer eine eindeutige Antwort: Manchmal ist die Evidenz spärlich, heterogen oder widersprüchlich. Dann übernehmen strukturierte Konsensmethoden – und die anerkannteste ist die RAND/UCLA-Methode zur Bewertung der Angemessenheit (RAND/UCLA Appropriateness Method), in den 1980er-Jahren von der RAND Corporation und der UCLA entwickelt. Sie formalisiert genau das, wofür dieser Artikel eintritt: die Evidenz aus einem systematischen Review mit dem Urteil eines Expertenpanels zu verbinden.

1 Evidenzsynthese – ein systematischer Literaturreview wird durchgeführt und für das Panel zusammengefasst, das so über eine gemeinsame Faktenbasis verfügt.
2 Individuelle Bewertung – jeder Experte bewertet die „Angemessenheit“ (appropriateness) jeder Indikation auf einer Skala von 1 bis 9, im Licht der vorgelegten Evidenz.
3 Diskussion und zweite Runde – nach einer Austauschrunde (modifiziertes Delphi-Verfahren) bewerten die Experten erneut; jede Indikation wird je nach Median und Ausmaß der Uneinigkeit als angemessen, unsicher oder unangemessen eingestuft.

Charlie fügt sich ganz natürlich im Vorfeld dieses Prozesses ein: Er beschleunigt den systematischen Review, der das Panel speist – Suche, Screening, Extraktion, belegte Synthese – und liefert den Experten vor der Abstimmung eine saubere, nachvollziehbare und aktuelle Evidenzbasis. Die Qualität des Konsenses hängt direkt von der Qualität des zugrunde liegenden Reviews ab: Genau dort spart Charlie Zeit, ohne dem kollektiven Urteil etwas zu nehmen.

„KI ersetzt nicht den Gutachter eines systematischen Reviews. Sie nimmt ihm die 80 % mechanischer Arbeit ab – sichten, extrahieren, formatieren –, damit er seine Zeit den 20 % widmen kann, die wirklich sein Urteil erfordern. Der Gewinn liegt nicht nur in der Geschwindigkeit: Es ist zurückgewonnene Sorgfalt.“ – Team von Emerit Science

Wie Charlie jeden Schritt unterstützt – ohne das Steuer aus der Hand zu geben

Charlie ist kein magischer „Systematic-Review-Knopf“. Er ist ein wissenschaftlicher Agent, der Forscher in jeder Phase unterstützt und dabei für jede Aussage Spur und Quelle festhält:

1 Die Suche eingrenzen – Charlie übersetzt Ihre Frage in eine Suchstrategie, schlägt Synonyme und Suchstrings vor und durchsucht nativ PubMed, PMC, bioRxiv, HAL und das Web. Sie validieren und verfeinern, bevor Sie starten.
2 Vorscreening – Auf Grundlage Ihrer Ein- und Ausschlusskriterien klassifiziert und priorisiert Charlie die Referenzen und begründet jeden Vorschlag. Er fungiert als Zweitgutachter: Die endgültige Entscheidung über den Einschluss bleibt bei Ihnen.
3 Strukturiert extrahieren – PICO, Population, Fallzahlen, Hauptergebnisse: Charlie füllt einen Extraktionsbogen aus und verknüpft jeden Wert mit seinem anklickbaren Zitat, sodass Sie die Quelle mit einem Klick prüfen können.
4 Synthetisieren – Der Reflexionsmodus gleicht die eingeschlossenen Studien ab, arbeitet Übereinstimmungen und Widersprüche heraus und verfasst eine erste belegte narrative Synthese, die Sie korrigieren und ergänzen.
5 Nachverfolgen und Wissen sichern – persistentes Projektgedächtnis: Kriterien, Entscheidungen und Notizen bleiben von einer Sitzung zur nächsten erhalten. Der Review bleibt reproduzierbar und lässt sich an das ganze Team weitergeben.

Das Leitprinzip: Charlie übernimmt die Schritte, die die Forschung als am besten automatisierbar identifiziert (Suche, Screening, strukturierte Extraktion), und überlässt das Urteil – endgültiger Einschluss, Verzerrungsrisiko, Schlussfolgerungen – systematisch dem Forscher, mit Belegen.

Ein Beispiel von A bis Z

Tag 1 – eingrenzen und suchen

„Ich bereite einen systematischen Review zur Wirksamkeit von PARP-Inhibitoren beim BRCA-mutierten Ovarialkarzinom vor. Hilf mir, den PubMed-Suchstring aufzubauen, und schlage PICO-Einschlusskriterien vor.“ Charlie schlägt den Suchstring, MeSH-Synonyme und ein PICO-Raster vor – Sie passen an und starten.

Tag 2 – screenen

„Hier sind meine 3.800 Abstracts. Ordne sie nach meinen Kriterien und erkläre, warum jeder Grenzfall ein- oder ausgeschlossen werden sollte.“ Charlie priorisiert, begründet, und Sie gehen vor allem die Zweifelsfälle durch – nicht die Tausenden eindeutigen Fälle.

Tag 3–4 – extrahieren und synthetisieren

„Extrahiere für diese 42 eingeschlossenen Studien Population, Design, Fallzahlen und die HR für das progressionsfreie Überleben und weise auf Heterogenitäten hin.“ Charlie füllt das Raster mit anklickbaren Zitaten aus, Sie prüfen zweifelhafte Werte an der Quelle, und er verfasst die erste Synthese – die Sie fertigstellen.

Reproduzierbarkeit und Souveränität: zwei nicht verhandelbare Anforderungen

Ein systematischer Review ist nur dann wertvoll, wenn er reproduzierbar ist und die Daten unter Kontrolle bleiben. Zwei strukturelle Stärken von Charlie erfüllen diese Anforderungen direkt:

Native Nachverfolgbarkeit – jede Aussage ist mit einem anklickbaren Zitat mit einheitlicher Kennung verknüpft, und das Projektgedächtnis bewahrt Kriterien und Entscheidungen. Die Kette „Abfrage → Entscheidung → Quelle“ bleibt überprüfbar – Voraussetzung für einen konformen SLR.
Französische Souveränität – Hosting bei Scaleway, Konformität mit DSGVO und AI Act, ProConnect für den öffentlichen Sektor. Ihre Review-Protokolle und Ihre Daten bleiben in Europa – ein entscheidender Punkt für Reviews zu sensiblen oder unveröffentlichten Daten.
Native wissenschaftliche Quellen – PubMed, PMC, bioRxiv, HAL, Web: Die Literatur gelangt direkt in den Arbeitsbereich, ohne Copy-and-paste zwischen Tools.

Fazit: Der SLR bleibt Ihr Review – Charlie nimmt Ihnen die Fleißarbeit ab

Die Zahlen von 2025 sind eindeutig: KI spart 50 bis 80 % Zeit bei den mechanischen Schritten eines systematischen Reviews und erreicht beim Screening einen Recall auf dem Niveau eines menschlichen Gutachters. Doch dieselben Arbeiten erinnern daran, dass blinde Automatisierung die Fehler gerade dort vervielfacht, wo das Urteil zählt. Die richtige Architektur ist Human-in-the-Loop.

Genau das ist die Philosophie von Charlie: ein Agent, der die Last übernimmt, jeden Wert belegt, alles nachverfolgt – und Ihnen die Hoheit über die Wissenschaft lässt. Für europäische Teams ist das der Weg, ihre Reviews zu beschleunigen, ohne Abstriche bei der Strenge oder bei der Kontrolle über ihre Daten zu machen.

Ihr nächster systematischer Review – in einem Bruchteil der Zeit

Sie starten einen SLR oder einen Scoping Review? Wir zeigen Ihrem Team, wie Sie mit Charlie eingrenzen, screenen und extrahieren – und dabei die methodische Kontrolle behalten. 30-minütige Demo anhand Ihres realen Falls.

Termin vereinbaren Seite „Für Teams“

Diesen Artikel teilen: