Systematische Reviews und Meta-Analysen gelten, wenn sie gut gemacht sind, als Goldstandard, wenn es darum geht, den Stand der Forschung zu einem Thema zusammenzufassen. Sie liefern eine solide Grundlage für evidenzbasierte Entscheidungen in Wissenschaft und Bildungspolitik. Doch die Erstellung solcher Übersichtsarbeiten ist aufwendig und in der Regel mit einem enormen Zeitaufwand verbunden. Eine der bekanntesten Meta-Analysen in der Bildungsforschung, John Hatties „Visible Learning“, fasst über 800 Meta-Analysen zu Einflussfaktoren auf Lernerfolg zusammen und brauchte dafür ganze 15 Jahre. In schnelllebigen Forschungsfeldern wie der Bildungsforschung ist das ein Problem, besonders wenn dringende Fragen, wie während der COVID-19-Pandemie, schnelle Antworten erfordern.  

Hier setzt die Studie von Forschenden des Hector-Instituts und weiteren Wissenschaftler:innenn an. Sie zeigen, wie Künstliche Intelligenz (KI) die Erstellung von Reviews und Meta-Analysen effizienter machen kann. KI-Tools können durch Automatisierungsprozesse bei der Sichtung von Literatur unterstützen, Daten extrahieren und Analysen unterstützen. Das spart Zeit und Kosten und reduziert menschliche Verzerrungen, die bei Entscheidungen auftreten können. Dennoch werden solche Tools in der Bildungsforschung bisher kaum genutzt. Es ist anzunehmen, dass solche KI-Tools bisher nicht hinreichend bekannt sind und Sorgen vor komplizierter Bedienung existieren.  

Um die Hürden einer Nutzung von KI-Tools zu senken, haben die Autor:innen 282 verfügbare Tools gesichtet und sieben ausgewählt, die besonders geeignet sind: transparent, leicht zugänglich und ohne Programmierkenntnisse nutzbar. Zu den ausgewählten Tools gehört auch ASReview. Ein Tutorial-Paper, an dem auch Dr. Tim Fütterer vom Hector-Institut für Empirische Bildungsforschung beteiligt ist, zeigt detailliert, wie dieses Tool in Reviews eingesetzt werden kann. 

Diese KI-Tools können die Forschung beschleunigen, aber nur, wenn sie mit guter wissenschaftlicher Praxis kombiniert werden. Transparenz ist dabei sowohl bei der Dokumentation von Suchstrategien als auch bei der Offenlegung der eingesetzten Algorithmen entscheidend. Außerdem bleibt die menschliche Kontrolle unverzichtbar. Alle sieben KI-Tools überlassen die finalen Entscheidungen den Forschenden, was für die Qualität und wissenschaftliche Genauigkeit wichtig ist.  

Darüber hinaus stellt sich die Frage der Nachhaltigkeit solcher KI-Tools. Viele frei zugängliche KI-Tools leiden unter fehlender Wartung. Bei einer Anwendung traten technische Schwierigkeiten auf, bei einer anderen gab es Zugangsprobleme aufgrund von Sicherheitsstandards. Die Autor:innen fordern deshalb langfristige Finanzierungsmodelle, um die Stabilität und Zugänglichkeit von KI-Tools, die open source und nicht unter kommerziellen Gesichtspunkten entwickelt wurden, zu sichern. Andernfalls drohe eine stärkere Abhängigkeit von kommerziellen Anbietern.  

Die Studie macht deutlich: KI ist kein Ersatz für wissenschaftliche Sorgfalt, sondern eine Ergänzung, die den Weg zu effizienteren und inklusiveren Forschungsprozessen ebnet. Voraussetzung sind Transparenz, menschliche Kontrolle und nachhaltige Strukturen für die Weiterentwicklung von KI-Tools. 

Publikation 
Fütterer, T., Campos, D. G., Gfrörer, T., Lavelle-Hill, R., Murayama, K. & Scherer, R. (2025). AI tools for systematic literature reviews and meta-analyses in educational psychology: An overview and a practical guide. Learning And Individual Differences, 126, 102849. 
https://doi.org/10.1016/j.lindif.2025.102849

Zum ASReview-Tutorial 
https://doi.org/10.1177/25152459261442150