Elicit

Was ist Elicit?

Elicit ist ein KI-Forschungsassistent, der auf einer einzigen Prämisse aufbaut: Der Engpass moderner Wissenschaft liegt nicht darin, Ideen zu erzeugen, sondern darin, die bereits vorhandene Evidenz zu lesen. Während ein universeller Chatbot eine Forschungsfrage aus dem beantwortet, was er im Training aufgenommen hat, tut Elicit etwas Engeres und weit besser Überprüfbares: Es durchsucht einen klar abgegrenzten Korpus wissenschaftlicher Literatur, holt genau die Publikationen heraus, die für Ihre Frage einschlägig sind, und breitet deren Inhalt als Tabelle aus, die Sie Spalte für Spalte prüfen können. Das Produkt richtet sich an Menschen, die ihre Quellen verteidigen müssen: Verfasser systematischer Übersichtsarbeiten, Teams der Evidenzsynthese, Analystinnen und Analysten in Regulatorik und Health Technology Assessment, Forschende in Pharma und Medizintechnik, Referentinnen und Referenten in der Politikberatung sowie die Promovierenden, die darunter die undankbare Screening-Arbeit erledigen.

Das Unternehmen hat eine ungewöhnliche Herkunft. Elicit entstand innerhalb von Ought, einer gemeinnützigen Forschungsorganisation, und wurde im September 2023 zu einer eigenständigen Public Benefit Corporation, zeitgleich mit einer Seed-Runde über 9 Millionen US-Dollar unter Führung von Fifty Years, an der sich Angel-Investoren wie Googles Chefwissenschaftler Jeff Dean und GitHub-Mitgründer Tom Preston-Werner beteiligten. Im Februar 2025 folgte eine Series A über 22 Millionen US-Dollar bei einer Bewertung von 100 Millionen, angeführt von Spark Capital und Footwork. Diese Herkunft prägt das Produktverhalten: Die Gründungsthese bei Ought handelte davon, den Prozess maschinellen Schlussfolgerns zu beaufsichtigen und nicht bloß dessen Ergebnisse zu prüfen — und Elicits Beharren darauf, zu jeder Aussage den zugrundeliegenden Satz zu zeigen, ist genau diese These, übersetzt in eine Benutzeroberfläche.

Im Vergleich zu Nachbarn derselben Kategorie steht Elicit am Ende der strukturierten Daten. Werkzeuge wie Consensus sind darauf optimiert, den Evidenzstand zu einer Ja-Nein-Frage rasch zu erfassen; Semantic Scholar ist eine Entdeckungsschicht über einem Zitationsgraphen. Elicits Schwerpunkt ist die Extraktion: einen Stapel PDFs in Zeilen und Spalten zu verwandeln, die sich filtern, sortieren, als CSV exportieren und unmittelbar in eine Auswertung überführen lassen. Genau auf diesem Feld ist auch die unabhängige Evidenz zur Leistungsfähigkeit am dichtesten — und genau dort liegen die realen Grenzen.

Kernfunktionen

• Strukturierte Datenextraktion in Tabellen: Das ist die Fähigkeit, um die herum das Produkt gebaut ist, und der Anbieter nennt Datenextraktion unumwunden eine seiner Superkräfte, einschließlich der Extraktion aus Tabellen und Abbildungen — dort, wie das Unternehmen anmerkt, stecken die meisten klinischen Endpunkte tatsächlich. Sie definieren die gewünschten Spalten (Stichprobengröße, Intervention, Zielgröße, Effektrichtung, Finanzierungsquelle), und Elicit befüllt sie über sämtliche Publikationen Ihrer Auswahl hinweg. Quantitative wie qualitative Felder werden unterstützt, und jede Zelle trägt das Zitat oder die Abbildung, die sie belegt.
• Semantische Suche über rund 138 Millionen Publikationen: Der Korpus setzt sich aus Semantic Scholar, OpenAlex und PubMed zusammen, dedupliziert und um unvollständige Einträge bereinigt auf etwa 138 Millionen Datensätze, ergänzt um ClinicalTrials.gov als eigenen Korpus mit über 545.000 registrierten Studien. Die Recherche funktioniert nicht über Stichwortabgleich. Elicit ordnet den Korpus mit eigenen Embedding-Modellen nach semantischer Ähnlichkeit, wobei auch Zitationszahl und Aktualität einfließen, nimmt die besten 1.000 Publikationen und priorisiert sie mit Sprachmodellen erneut, bevor je nach Tarif und Arbeitsablauf zwischen vier und tausend Treffern angezeigt werden.
• Zitate auf Satzebene: Jede KI-generierte Aussage ist an den exakten Satz oder die exakte Abbildung der zugrundeliegenden Publikation gebunden, nicht bloß an die Publikation als Ganzes. Der Anbieter zieht den Vergleich ausdrücklich: Andere Werkzeuge verlinken nur auf Referenzen und überlassen es Ihnen, die ganze Arbeit zu lesen, um herauszufinden, woher eine Antwort stammt — und manchmal steht die Information in der zitierten Quelle gar nicht. Dies ist die folgenreichste Designentscheidung des Produkts, weil sie Verifikation von einer Forschungsaufgabe in einen Blick verwandelt.
• Auditierbarer Workflow für systematische Übersichtsarbeiten: Elicit deckt den gesamten Bogen ab, von der Protokollschärfung über Suche, Screening und Extraktion bis zur Synthese. Das Screening skaliert im Enterprise-Tarif auf 40.000 Publikationen, und jede Ein- oder Ausschlussentscheidung trägt einen Ausschlussgrund, kriterienbezogene Bewertungen und belegende Zitate, was das Unternehmen als PRISMA-auditierbar bezeichnet. Die Doppelprüfung kann zwei Menschen mit KI-Unterstützung zusammenführen oder die KI selbst als zweite prüfende Instanz einsetzen.
• Forschungsberichte über bis zu 200 Publikationen: Der Berichtsworkflow synthetisiert Evidenz über bis zu 200 Quellen zu einer mehrseitigen Literaturübersicht, wobei jede Aussage durch Zitate auf Satzebene gestützt wird und ein Methodenteil mit PRISMA-Flussdiagrammen, Übersichtstabellen der Publikationen und der verwendeten Suchstrategie enthalten ist. Eingebaute Vorlagen lassen sich je Organisation anpassen.
• Bibliothek und Benachrichtigungen: Gefundene Publikationen werden projektübergreifend wiederverwendbar gespeichert und geordnet, und gespeicherte Suchen lassen sich in Benachrichtigungen überführen, die neue Veröffentlichungen melden — der Mechanismus hinter dem, was Elicit lebende Übersichtsarbeiten nennt, bei denen eine fertige Arbeit aktualisiert statt neu erstellt wird.
• Eigene Dokumente und Abonnements einbringen: Sie können eigene PDFs für maßgeschneiderte Extraktionen hochladen und institutionelle Zeitschriftenabonnements verbinden, um den Volltextzugang über den Open-Access-Anteil hinaus zu erweitern.

Anwendungsfälle

1. Systematische Übersichtsarbeiten und Evidenzsynthese: Eine klassische systematische Übersichtsarbeit eines fünfköpfigen Teams zieht sich über Monate und wird von Screening- und Extraktionsarbeit dominiert. Teams nutzen Elicit, um Screening über Tausende Datensätze laufen zu lassen — mit automatisch vorgeschlagenen, editierbaren Kriterien — und extrahieren anschließend strukturierte Felder in eine auswertbare Tabelle. Verteidigungsfähig wird das Ergebnis nicht durch Tempo, sondern durch die auditierbare Spur: Ausschlussgründe, kriterienbezogene Bewertungen und belegende Zitate sind genau das, was sich in einem Methodenteil niederschreiben lässt.
2. Sondierende Recherche vor Festlegung eines Protokolls: Ein Reviewprotokoll festzulegen, bevor man weiß, welche Literatur existiert, ist ein Henne-Ei-Problem. Weil Elicits Recherche semantisch getrieben und ungewöhnlich präzise ist, eignet sie sich hervorragend zur schnellen Erkundung: zu prüfen, ob eine Frage untersucht wurde, wie sie operationalisiert wurde und wo die Widersprüche liegen, bevor man in eine vollständige Suchstrategie investiert.
3. Evidenzarbeit in Pharma, Medizintechnik und HTA: Regulatorische und HTA-Arbeit verlangt, immer wieder vergleichbare Evidenztabellen über Studien hinweg zusammenzustellen — Endpunkte nach Studienarm, unerwünschte Ereignisse, progressionsfreies Überleben. Elicits Extraktion aus Tabellen und Abbildungen zielt genau darauf, und das Unternehmen verweist auf industrielle Nutzer, die es für eine politikrelevante Übersichtsarbeit eingesetzt haben.
4. Politikpapiere und Rapid Reviews unter Zeitdruck: Wenn eine Entscheidung eine Evidenzbasis in Tagen statt Monaten braucht, wird eine rasche Scoping-Übersicht über gut hundert Studien durch automatisierte Extraktion plus menschliche Prüfung der markierten Punkte realistisch. Ein vom Unternehmen zitierter Methodiker beschreibt genau diese Art von Arbeit: eine rasche Scoping-Übersicht über mehr als hundert Studien, abgeschlossen an einem einzigen Tag.
5. Literaturübersichten in Promotionen und Prüfungsvorbereitung: Promovierende kartieren damit ein Feld — sie finden die grundlegenden Arbeiten, verfolgen, wie ein Konstrukt über Studien hinweg gemessen wurde, und bauen die Vergleichstabelle, die ein Übersichtskapitel trägt. Die strukturierte Ausgabe ist dafür deutlich nützlicher als eine Linkliste, sollte aber, wie unten dargelegt, nicht die einzige Suchmethode bleiben.
6. Laufende Beobachtung eines Forschungsfeldes: Gespeicherte Suchen mit Benachrichtigungen zu kombinieren verwandelt eine einmalige Übersicht in einen überwachten Strom, sodass ein Team, das für ein Indikationsgebiet oder eine Technologie zuständig ist, von relevanten Publikationen erfährt, ohne manuell Datenbank-Alerts zu pflegen.

So nutzt du Elicit

1. Lege ein Konto auf elicit.com an. Der kostenlose Basic-Tarif ist sofort nutzbar und bietet unbegrenzte Suche, Zusammenfassungen und Dialog mit Publikationen, sodass du die Recherchequalität am eigenen Thema prüfen kannst, bevor du etwas bezahlst.
2. Formuliere deine Forschungsfrage in natürlicher Sprache statt als Boolesche Suchkette. Da Elicits Ranking semantisch arbeitet, schlägt eine gut spezifizierte Frage („Ist Online-KVT der Präsenz-KVT bei der Behandlung von Depressionen bei Erwachsenen ebenbürtig?") jede Stichwortanhäufung. Bei zu breiten Fragen schlägt Elicit häufig Wege zur Schärfung vor.
3. Sichte die gefundenen Publikationen und wende Screening-Kriterien in natürlicher Sprache an, um die Menge einzugrenzen. Lies die von Elicit genannten Ausschlussgründe — hier fällt dir auf, wenn ein Kriterium anders ausgelegt wird, als du es gemeint hast.
4. Definiere deine Extraktionsspalten. Beginne mit einer Handvoll konkreter, faktischer Felder und prüfe das belegende Zitat in jeder Zelle, bevor du weitere Spalten hinzufügst; Spaltendefinitionen an zwanzig Publikationen richtig hinzubekommen ist ungleich billiger, als ein Missverständnis über vierhundert hinweg zu entdecken.
5. Verifiziere die extrahierten Werte gegen die Quellen und priorisiere dabei interpretative vor faktischen Spalten. Exportiere die entstandene Tabelle als CSV oder XLSX zur Auswertung, oder erzeuge einen Forschungsbericht, wenn du eine narrative Synthese mit Methodenteil brauchst.
6. Speichere die Suche als Benachrichtigung, wenn das Thema fortlaufend ist, und belasse die Publikationen in deiner Bibliothek, damit die Screening-Arbeit im nächsten Projekt wiederverwendbar bleibt.

Tipps & Best Practices

• Nutze Elicit nicht als einzige Suchmethode für eine umfassende Übersichtsarbeit. Die unabhängige Evidenz dazu ist eindeutig und wird unten ausführlich behandelt; ergänze durch klassische Datenbankrecherchen in PubMed, Embase, Web of Science oder den Fachdatenbanken deines Gebiets.
• Trenne faktische von interpretativen Spalten und behandle sie unterschiedlich. Die Extraktion ist verlässlich bei Dingen wie Teilnehmerzahlen und berichteten Messwerten und deutlich unzuverlässiger bei allem, was ein Urteil darüber verlangt, was eine Studie bedeutet. Interpretative Spalten manuell verifizieren, faktische stichprobenartig prüfen.
• Setze Elicit als zweite prüfende Instanz ein, nicht als alleinigen Extraktor. Eine veröffentlichte Machbarkeitsstudie fand heraus, dass die Genauigkeit dort, wo Elicit und ein menschlicher Prüfer übereinstimmten, bei 100 % lag — womit die Uneinigkeit und nicht die Extraktion selbst das nützliche Signal ist. Parallel zu extrahieren und nur die Konflikte abzugleichen ist schneller und genauer als jede Seite für sich.
• Prüfe, ob Elicit den Volltext tatsächlich hat, bevor du einem volltextabhängigen Feld vertraust. Ohne Volltextzugang fällt das System auf Titel und Abstract zurück, was stillschweigend flachere Extraktionen erzeugt statt einer Fehlermeldung. Die Browser-Erweiterung zu installieren und institutionelle Abos zu verbinden verändert materiell, was das Werkzeug sehen kann.
• Dokumentiere deine Suche als Stichwortsuche, wenn Reproduzierbarkeit gefordert ist. Konversationelle und semantische Suchen sind nicht direkt reproduzierbar, was ins Gewicht fällt, sobald ein Methodenteil von Lesenden nachvollzogen werden muss.
• Fange eng an und weite dann aus. Da die Suche präzise, aber nicht erschöpfend ist, fördert es Publikationen zutage, die eine einzelne Formulierung verfehlt, wenn man dieselbe Frage in mehreren Varianten stellt.
• Lies das Zitat, nicht nur den Wert. Das belegende Zitat ist der ganze Sinn dieses Zitationsdesigns; eine Zelle, deren Zitat den Wert erkennbar nicht trägt, ist der schnellste Weg, einen Extraktionsfehler zu bemerken.

Für wen ist Elicit?

• Verfasser systematischer Übersichtsarbeiten und Fachleute der Evidenzsynthese: die Kernzielgruppe, um die herum Screening- und Extraktionsworkflow ausdrücklich konstruiert sind, samt PRISMA-auditierbarer Entscheidungen und Doppelprüfung.
• Forschende in Pharma, Biotechnologie und Medizintechnik: Teams, die Evidenztabellen zu Studien aufbauen, bei denen Endpunkte nach Studienarm und Daten zu unerwünschten Ereignissen aus Tabellen und Abbildungen stammen müssen, nicht bloß aus Abstracts.
• Analystinnen und Analysten in HTA und Regulatorik: Nutzende, die unter strukturierten methodischen Anforderungen und Zeitdruck verteidigungsfähige Evidenzgrundlagen erstellen müssen.
• Politikforschende und Analysten in Behörden: Personen, die evidenzgestützte Papiere in komprimierten Fristen schreiben, wo eine schnelle Scoping-Übersicht die realistische Alternative zu gar keiner Übersicht ist.
• Promovierende und Forschende im Aufbaustudium: Studierende, die Übersichtskapitel bauen, die Operationalisierung von Konstrukten kartieren und sich auf Prüfungen vorbereiten.
• Wissenschaftliche Bibliothekarinnen und Forschungsunterstützung: Fachleute, die KI-Forschungswerkzeuge bewerten und vermitteln; mehrere von ihnen haben unabhängige institutionelle Bewertungen zu Elicit veröffentlicht.
• Unternehmens-F&E und Competitive-Intelligence-Teams: industrielle Nutzer, die Evidenzsynthese außerhalb der Wissenschaft anwenden — die Expansionsrichtung, die das Unternehmen selbst benannt hat.
• Klinikerinnen und klinisch Forschende: Nutzende, die Studienevidenz auffinden und vergleichen müssen, wobei ClinicalTrials.gov als eigener Korpus neben dem Publikationsindex durchsuchbar ist.

Plattformen

• Webanwendung: die primäre und vollständig ausgestattete Oberfläche, im Browser über elicit.com erreichbar, ohne Installation.
• Browser-Erweiterung: dient dazu, den Volltextzugang über bereits vorhandene Zeitschriftenabonnements auszuweiten, was den lesbaren Bestand über Open Access hinaus spürbar vergrößert.
• REST-API: ab dem Pro-Tarif verfügbar, im Enterprise-Tarif unbegrenzt. Die dokumentierte Schnittstelle modelliert Sitzungen des Forschungsagenten und liefert interaktive Artefakte — Tabellen, Fließtext, Präsentationen und Abbildungen — wobei Tabellen als CSV oder XLSX und Fließtext als Markdown über kurzlebige vorsignierte URLs herunterladbar sind.
• Anbindung an Literaturverwaltungen: Import und Export mit Zotero sowie Anbindung an EndNote und Mendeley, damit gefundene Publikationen in den bereits genutzten Zitationsworkflow fließen.
• Native Mobil- oder Desktop-Anwendungen werden auf der offiziellen Website nicht beworben; das Produkt wird über den Browser bereitgestellt (noch zu verifizieren; für neuere Clients die offizielle Website prüfen).

Preise & Pläne

Elicit bietet einen wirklich brauchbaren kostenlosen Tarif. Basic kostet nichts und stellt unbegrenzte Suche über den gesamten Korpus, unbegrenzte Zusammenfassungen, unbegrenzten Dialog mit Publikationen bei vorhandenem Volltext, Sichtbarkeit der Antwortquellen sowie Zotero-Import bereit, während Research Agent und Forschungsberichte in der Nutzung begrenzt sind. Um zu beurteilen, ob die Recherchequalität zum eigenen Fach passt, reicht das für ein fundiertes Urteil, ohne etwas auszugeben.

Die kostenpflichtigen Stufen unterscheiden sich nach dem zulässigen Arbeitsvolumen und nicht danach, welche Schaltflächen freigeschaltet werden — für ein Forschungsprodukt eine ungewöhnlich ehrliche Struktur. Pro kostet 49 US-Dollar monatlich oder 588 US-Dollar jährlich bei angegebenen 35 % Ersparnis und ergänzt die Standardnutzung von Agent, Berichten und Review-Workflows um das Screening von bis zu 5.000 Publikationen, zwanzig Tabellenspalten, Extraktion aus 135 Datenquellen, zehn personalisierte Benachrichtigungen, maßgeschneiderte Extraktionen aus hochgeladenen Arbeiten und API-Zugang. Scale kostet 169 US-Dollar monatlich oder 2.028 US-Dollar jährlich bei angegebenen 39 % Ersparnis und bietet das Fünffache des Pro-Nutzungskontingents zuzüglich Extraktion aus Abbildungen, Live-Bearbeitung und Echtzeitkollaboration, 200 Datenquellen, dreißig Spalten sowie ein Administrationspanel mit Nutzungsverfolgung und Lizenzverwaltung. Enterprise wird individuell bepreist und ergänzt das Screening von 40.000 Publikationen, vierzig Spalten, unbegrenzte Benachrichtigungen und API-Nutzung, SSO und SAML, Zwei-Faktor-Authentifizierung, Nutzungsanalysen, individuelle Integrationen und ein eigenes Customer-Success-Team. Genaue Leistungen und aktuelle Preise sind auf der offiziellen Preisseite zu bestätigen.

Alternativen

• Consensus: ebenfalls eine KI-Suchmaschine über begutachtete Literatur, aber darauf optimiert, die Evidenzlage zu einer fokussierten Frage rasch zu erfassen, statt Extraktionstabellen zu bauen; besser geeignet, wenn ein schnelles Urteil gefragt ist, schwächer, wenn strukturierte Spalten gebraucht werden.
• Semantic Scholar: ein kostenloses Werkzeug des Allen Institute for AI zur wissenschaftlichen Entdeckung und für Zitationsgraphen — und bemerkenswerterweise einer der Korpora, aus denen Elicit selbst schöpft. Hervorragend zum Finden und Verfolgen von Publikationen, ohne strukturierte Extraktion oder Screening.
• Klassische Software für systematische Übersichtsarbeiten (Covidence, Rayyan, DistillerSR): eigens für die Steuerung des Reviewprozesses gebaut, mit etablierter methodischer Strenge und Teamworkflows, aber mit schwächerer KI-gestützter Extraktion; in der Praxis oft neben und nicht anstelle einer KI-Extraktionsschicht eingesetzt.
• Klassische bibliografische Datenbanken (PubMed, Embase, Web of Science, Scopus): weniger Konkurrenten als notwendige Ergänzung — sie liefern die erschöpfende, reproduzierbare Boolesche Recherche, die die semantische KI-Suche der unabhängigen Evidenz zufolge noch nicht ersetzt.
• Universelle KI-Assistenten mit Rechercheeinstellung: praktisch zur Orientierung und Zusammenfassung, aber ohne abgegrenzten wissenschaftlichen Korpus und ohne Quellenverankerung auf Satzebene, was sie dort disqualifiziert, wo die Richtigkeit von Zitaten überprüfbar sein muss.

Einschränkungen & Hinweise

• Die Suchsensitivität liegt deutlich unter dem, was die Anbieter-Benchmarks nahelegen, und das ist das Wichtigste, was man über dieses Werkzeug wissen sollte. Elicits eigene veröffentlichte Auswertung, durchgeführt an 994 frei zugänglichen Cochrane-Reviews, berichtet 96,9 % Sensitivität beim Abstract-Screening und 99,5 % Recall auf Publikationsebene in der Volltextstufe. Lau und Golder fanden jedoch 2025 in Cochrane Evidence Synthesis and Methods, dass Elicits Suchsensitivität über vier Fallstudien-Reviews hinweg im Mittel 39,5 % betrug, gegenüber 94,5 % bei den ursprünglichen Suchen. Im Klartext: Allein eingesetzt, verfehlte das System die Mehrzahl der Studien, die eine traditionelle Suche fand. Dieselbe Studie ermittelte für Elicit eine mittlere Präzision von 41,8 %, dramatisch höher als die 7,55 % der Originalsuchen — was zurückkommt, ist also weit weniger mit Irrelevantem überfrachtet. Die ehrliche Lesart lautet: ein exzellentes Instrument für präzise, explorative Recherche und ein unzureichendes für erschöpfende Recherche. Die Autoren schlossen, dass Elicit derzeit nicht sensitiv genug ist, um die traditionelle Suche zu ersetzen, merkten aber an, dass sich das Produkt fortlaufend verbessert und erneute Evaluationen angezeigt sind.
• Die Extraktionsgenauigkeit sinkt bei unvertrautem Material und ist genau dort am schwächsten, wo Urteilskraft nötig ist. Eine Machbarkeitsstudie quer durch Umwelt- und Lebenswissenschaften kam zu dem Schluss, dass Elicit menschliche Datenextraktoren ergänzen, aber nicht ersetzen kann, nachdem der Anteil der Variablen, die die Genauigkeitsschwelle erreichten, von 78 % während der Prompt-Entwicklung auf 69 % bei Anwendung auf neue, zuvor ungesehene Studien fiel. Eine 2025 in Social Science Computer Review erschienene Machbarkeitsstudie verglich Elicit mit menschlichen Prüfenden über 43 Studien und 602 Datenpunkte und maß 81,4 % Genauigkeit für Elicit gegenüber 86,7 % für Menschen — ein statistisch nicht signifikanter Unterschied, was für sich genommen ein wirklich starkes Ergebnis ist. Aufschlussreich ist jedoch die Aufschlüsselung: Bei Teilnehmerzahlen lag die Übereinstimmung bei 81,4 %, bei den Hauptergebnissen fiel sie auf 34,8 % und bei den interessierenden Konstrukten auf 16,3 %. Dieselbe Studie beobachtete, dass Elicit mitunter aus zitierten Studien statt aus der Primärquelle extrahierte. Faktische Felder sind mit Stichproben weitgehend vertrauenswürdig; interpretative sind es nicht und müssen verifiziert werden.
• Die Reproduzierbarkeit ist auf beiden Ebenen unvollkommen, bei der Suche wie bei der Extraktion. Identische Prompts unter verschiedenen Konten erneut auszuführen reproduzierte 90 % der extrahierten Werte exakt, aber nur 46 % der belegenden Zitate und 30 % der Begründungstexte — die Antwort ist also meist stabil, ihre Begründung häufig nicht. Unabhängig davon hält die Bewertung der Bibliothek der Deakin University fest, dass konversationelle Suchen nicht direkt reproduzierbar sind und derzeit die Transparenz vermissen lassen, die für die Berichterstattung systematischer Übersichtsarbeiten erforderlich ist. Wo ein Methodenteil replizierbar sein muss, sollte die Stichwortsuche genutzt und als solche dokumentiert werden.
• Die praktische Obergrenze ist nicht die Korpusgröße, sondern der Volltextzugang. Volltextanalyse funktioniert, wenn eine Publikation frei zugänglich ist oder wenn Sie die Elicit-Browser-Erweiterung samt eigenem Zeitschriftenabonnement besitzen; andernfalls liest Elicit nur Titel und Abstract. In Fächern, in denen die maßgebliche Literatur hinter Bezahlschranken liegt, begrenzt das die Extraktionstiefe unauffällig, ohne dies anzuzeigen.
• Die Abdeckung hat harte Kanten, die man leicht übersieht. Bücher, Dissertationen und nicht-wissenschaftliche Veröffentlichungen sind grundsätzlich ausgeschlossen, und Elicits eigene Dokumentation warnt, dass graue Literatur und manche Studienberichte in automatisierten Suchen geringere Trefferquoten haben, mit regionalen Lücken unter anderem bei chinesischsprachigen Publikationen. Nutzende in Geistes- und Sozialwissenschaften berichten wiederholt von dünnerer Abdeckung als in Naturwissenschaft, Technik und Medizin. Die Deakin-Bewertung weist zusätzlich auf ein Risiko englischsprachiger Verzerrung und das Fehlen formaler Funktionen zur kritischen Bewertung hin — Elicit extrahiert, was eine Studie berichtet, sagt aber nicht, ob die Studie gut war.
• Die Halluzinationsfrage ist nicht erledigt, sondern nur eingehegt. Kyle Wiggers von TechCrunch stellte im September 2023 bei der Berichterstattung über die Seed-Runde infrage, ob das zugrundeliegende Halluzinationsproblem überhaupt gelöst sei, und verwies auf Metas Galactica — ein wissenschaftliches Sprachmodell, das nach drei Tagen zurückgezogen wurde, weil es Zitate erfand. Zitate auf Satzebene sind eine ernsthafte Abmilderung, weil sie Erfindungen sichtbar machen statt sie zu verhindern, doch die Last des Nachsehens bleibt bei den Lesenden. Fachleute der Evidenzsynthese mahnen wiederholt, dass das Werkzeug ohne manuelle Verifikation in der Screening-Phase nicht verlässlich genug für formale Metaforschung ist.
• Herstellerangaben sollten mit ihren eigenen Vorbehalten gelesen werden. Anzuerkennen ist, dass Elicit die Vorbehalte gemeinsam mit den Zahlen veröffentlicht: Die Extraktion wurde ausschließlich an frei zugänglichen Studien gemessen, die semantische Suche ohne den vollständigen Workflow aus Stichwort- und Semantiksuche evaluiert, die Stichprobe des Volltext-Screenings war klein, und die Extraktionsfragen wurden nachträglich rekonstruiert statt den Originalprotokollen entnommen. Auf der Website zitierte Kundenfälle — etwa VDI/VDE mit der Angabe, Elicit habe in einer Übersichtsarbeit zur deutschen Bildungspolitik 1.502 von 1.511 Datenpunkten korrekt extrahiert — sind vom Anbieter weitergegebene Ergebnisse unter günstigen Bedingungen, keine unabhängigen Evaluationen.
• Die veröffentlichten Zahlen stimmen untereinander nicht überein. Die Startseite wirbt mit über 125 Millionen Publikationen, während Preisseite und Hilfezentrum beide 138 Millionen nennen, und die Nutzerzahlen erscheinen an verschiedenen Stellen als zwei Millionen, fünf Millionen und 400.000 pro Monat. Die Zahl 138 Millionen ist am besten belegt, da sie als einzige mit einer Erklärung versehen ist, wie überlappende Einträge der drei Quelldatenbanken dedupliziert werden. Die Nutzerzahlen messen plausibel Unterschiedliches — kumulierte Registrierungen gegenüber monatlich Aktiven — doch die Website sagt das nicht.

FAQ

Q1. Ist Elicit kostenlos nutzbar?

Ja, es gibt einen kostenlosen Basic-Tarif mit unbegrenzter Suche über den gesamten Korpus, unbegrenzten Zusammenfassungen, unbegrenztem Dialog mit Publikationen und Zotero-Import, wobei Research Agent und Forschungsberichte in der Nutzung begrenzt sind. Bezahltarife beginnen bei 49 US-Dollar monatlich für Pro; aktuelle Konditionen bitte der offiziellen Preisseite entnehmen.

Q2. Worin unterscheidet sich Elicit von Consensus oder Semantic Scholar?

Alle drei durchsuchen wissenschaftliche Literatur, doch ihre Ergebnisse unterscheiden sich. Consensus ist darauf optimiert, die Evidenzlage zu einer fokussierten Frage rasch zu erfassen, Semantic Scholar ist ein Entdeckungs- und Zitationsgraph-Werkzeug, und Elicits Alleinstellung liegt darin, strukturierte Daten aus Publikationen in anpassbare Tabellen zu extrahieren — auch aus Tabellen und Abbildungen — wobei jeder Wert an ein belegendes Zitat gebunden ist.

Q3. Kann ich mich für die Suche einer systematischen Übersichtsarbeit allein auf Elicit verlassen?

Nein. Eine unabhängige Studie von 2025 in Cochrane Evidence Synthesis and Methods ermittelte für Elicit eine mittlere Suchsensitivität von 39,5 % gegenüber 94,5 % bei den Originalsuchen und schloss, dass es derzeit nicht sensitiv genug ist, um die traditionelle Suche zu ersetzen. Nutzen Sie es ergänzend zu klassischen Datenbankrecherchen; seine hohe Präzision macht es für vorbereitende und explorative Arbeit wertvoll.

Q4. Wie genau ist Elicits Datenextraktion?

Das hängt stark davon ab, was extrahiert wird. Eine Studie von 2025 maß 81,4 % Gesamtgenauigkeit gegenüber 86,7 % bei menschlichen Prüfenden — statistisch nicht unterscheidbar — doch die Übereinstimmung lag bei 81,4 % für Teilnehmerzahlen und nur bei 16,3 % für interessierende Konstrukte. Faktische Felder sind weitgehend verlässlich; interpretative erfordern manuelle Verifikation.

Q5. Halluziniert Elicit Zitate?

Die zentrale Abmilderung sind Zitate auf Satzebene: Jede KI-generierte Aussage ist am exakten Satz oder an der exakten Abbildung der Quelle verankert, sodass eine unbelegte Aussage sichtbar wird statt verborgen zu bleiben. Das senkt das Risiko gegenüber universellen Chatbots erheblich, macht das Lesen des belegenden Zitats aber nicht überflüssig; unabhängige Forschende raten für formale Evidenzsynthese weiterhin zu manueller Verifikation.

Q6. Kann Elicit Publikationen hinter Bezahlschranken lesen?

Teilweise. Es indexiert sowohl frei zugängliche als auch abonnementpflichtige Arbeiten, doch Volltextanalyse setzt entweder eine Open-Access-Publikation oder die Elicit-Browser-Erweiterung in Verbindung mit einem eigenen Abonnement voraus. Ohne Volltextzugang arbeitet Elicit allein mit Titel und Abstract.

Q7. Welche Quellen durchsucht Elicit?

Rund 138 Millionen Publikationen, zusammengeführt aus Semantic Scholar, OpenAlex und PubMed nach Deduplizierung und Entfernung unvollständiger Einträge, dazu über 545.000 Studien auf ClinicalTrials.gov als eigener Korpus. Bücher, Dissertationen und nicht-wissenschaftliche Veröffentlichungen sind nicht enthalten.

Q8. Hat Elicit eine API?

Ja, der API-Zugang ist ab dem Pro-Tarif enthalten und im Enterprise-Tarif unbegrenzt. Die dokumentierte Schnittstelle deckt Sitzungen des Forschungsagenten ab und liefert Artefakte, darunter als CSV oder XLSX herunterladbare Tabellen und Fließtext als Markdown.

Q9. Können Teams in Elicit zusammenarbeiten?

Live-Bearbeitung und Echtzeitkollaboration sind ab dem Scale-Tarif verfügbar, der zudem ein Administrationspanel mit Nutzungsverfolgung und Lizenzverwaltung ergänzt. Enterprise fügt SSO und SAML, Zwei-Faktor-Authentifizierung und Nutzungsanalysen hinzu.

Q10. Eignet sich Elicit für Geistes- und Sozialwissenschaften?

Nutzbar, aber dort schwächer. Der Korpus deckt im Prinzip alle Disziplinen ab, doch Nutzende berichten durchgängig von dünnerer Abdeckung in den Geistes- und Sozialwissenschaften als in Naturwissenschaft, Technik und Medizin, und eine unabhängige Bibliotheksbewertung weist auf ein Risiko englischsprachiger Verzerrung hin.