NotebookLM

Was ist NotebookLM?

NotebookLM ist ein Online-Werkzeug für Recherche und Notizen von Google Labs, das auf künstlicher Intelligenz – konkret dem Sprachmodell Gemini – basiert. Google stellte es im Mai 2023 zunächst unter dem Projektnamen „Project Tailwind" vor und veröffentlichte es 2024 unter dem Namen NotebookLM. Nutzer laden eigene Quellen hoch, und die KI beantwortet Fragen, fasst zusammen und erklärt auf Grundlage genau dieser Dokumente. Ein Notizbuch bündelt dabei mehrere Quellen zu einem Thema, sodass sich Fragen über alle hochgeladenen Dokumente hinweg stellen lassen.

Was bedeutet quellenbasiert?

NotebookLM arbeitet nach dem Prinzip der Retrieval-Augmented Generation (RAG): Statt allein auf sein Trainingswissen zurückzugreifen, stützt das Modell seine Antworten auf die vom Nutzer bereitgestellten Texte. Dadurch sinkt das Risiko von Halluzinationen, und Aussagen lassen sich über Zitatverweise auf die Originalstellen zurückverfolgen. Als Quellen werden unter anderem Google Docs und Slides, PDFs, Text- und Markdown-Dateien, Web-Adressen, eingefügter Text sowie öffentliche YouTube-Videos unterstützt. Fehlt eine Information in den Quellen, weist das System eher darauf hin, statt sie zu erfinden.

Was sind Audio Overviews?

Die im September 2024 eingeführte Funktion „Audio Overview" wandelt hochgeladene Dokumente in ein podcastähnliches Gespräch zwischen zwei KI-Stimmen um, die den Stoff zusammenfassen, Zusammenhänge herstellen und miteinander diskutieren. Die Funktion erhielt Aufmerksamkeit, weil sie komplexe oder lange Dokumente in gut zugängliche Audio-Zusammenfassungen verdichtet; Audio Overviews lassen sich in über 80 Sprachen erzeugen.

Wozu eignet sich NotebookLM beim Lernen?

Weil die KI streng an die hochgeladenen Materialien gebunden ist, eignet sich NotebookLM gut, um Skripte, Fachartikel oder Vorlesungsunterlagen zu erschließen: Man kann gezielt Fragen stellen, Zusammenfassungen erzeugen und den Stoff als Audio hören. Zusätzlich lassen sich Studienhilfen wie Zeitleisten, Gliederungen oder Frage-Antwort-Übersichten erzeugen. Das quellenbasierte Vorgehen ähnelt dem Ansatz spezialisierter Lernwerkzeuge, die eigene Unterlagen in Podcasts oder Karteikarten überführen. Dennoch bleibt eine Prüfung der Originalquellen sinnvoll, da auch RAG-Systeme Fehler machen können.