Kostenloser AI-Zitationsprüfer Erfundene Zitate vor der Einreichung erkennen

Eine halluzinierte Zitierung ist eine Referenz auf eine Quelle, die nicht existiert, erstellt von einem Sprachmodell, das Text in der Form einer Zitierung erzeugt hat, ohne einen realen Datensatz abzurufen. Es ist kein Tippfehler und kein Formatierungsversehen. Jede Komponente wirkt auf der Seite tendenziell korrekt: plausible Autoren, ein Titel, der zum Argument passt, ein echtes Journal und eine DOI in gültigem Format. Die häufigste Variante ist keine offene Erfindung, sondern eine Mischung, bei der Fragmente mehrerer realer Aufsätze zu einem Eintrag kombiniert werden, der zu keinem von ihnen passt, weshalb das sorgfältigere Lesen des Eintrags ihn nicht klärt.

So häufig, dass es sich über die gesamte Literatur hinweg messen lässt. Eine in The Lancet im Mai 2026 veröffentlichte Auswertung prüfte Referenzen in rund 2,5 Millionen biomedizinischen Arbeiten und stellte fest, dass der Anteil mit mindestens einer erfundenen Referenz von etwa 1 in 2.828 Arbeiten im Jahr 2023 auf 1 in 458 im Jahr 2025 und auf 1 in 277 in den ersten sieben Wochen des Jahres 2026 stieg. Eine parallele Studie zu 111 Millionen Referenzen aus arXiv, bioRxiv, SSRN und PubMed Central setzte für das Jahr 2025 allein eine konservative Untergrenze von 146.932 halluzinierten Zitaten an, konzentriert in Feldern mit schneller KI-Adoption und bei kleinen oder frühen Autorenteams.

Indem jeder Eintrag gegen ein Verzeichnis aufgelöst wird, das erfasst, was tatsächlich veröffentlicht wurde, spielt das Prüfen des Textes der Referenz keine Rolle. Fügen Sie Ihre Liste hier ein, und jeder Eintrag wird in Crossref, OpenAlex und Semantic Scholar nachgeschlagen. Zuerst wird eine DOI aufgelöst, da der deutlichste Hinweis auf Fälschung eine gültige DOI ist, die zu einem anderen Aufsatz auflöst als der Eintrag beschreibt. Einträge ohne DOI werden anhand von Titel, Autor und Jahr abgeglichen. Das funktioniert auch manuell, ist aber einfach langsamer: Suchen Sie den Titel in einem Verzeichnis oder Bibliothekskatalog und vergleichen Sie jedes Feld mit dem, was zurückkommt.

Es gibt dafür keinen strengen öffentlichen Benchmark, der die großen Modelle speziell danach einordnet, und kleine informelle Vergleiche, die online kursieren, beruhen auf zu kleinen Stichproben, um eine Rangfolge zu tragen. Was sich über Studien hinweg reproduzieren lässt, ist ohnehin nützlicher: Größere Modelle halluzinieren Referenzen seltener als kleinere, Modelle mit Live-Websuche oder Retrieval-Grounding halluzinieren deutlich seltener als Modelle, die nur aus Parametern antworten, und obskure oder wenig zitierte Quellen sind weit riskanter als bekannte. Behandeln Sie jede Referenz aus jedem Modell als ungeprüft, bis sie aufgelöst ist, unabhängig davon, welches Modell sie erzeugt hat.

Ein Sprachmodell schreibt eine Referenz auf die gleiche Weise, wie es einen Satz schreibt, indem es Text vorhersagt, der dem ähnelt, was es während des Trainings gesehen hat, ohne etwas nachzuschlagen. Wenn nach Quellen gefragt wird, setzt es etwas zusammen, das jede Komponente enthält, die eine echte Zitierung hat, benannte Autoren, einen Titel, der zum Thema passt, ein echtes Journal, eine DOI in gültigem Format. Ein Teil dessen, was herauskommt, stimmt mit einem tatsächlichen Aufsatz überein. Ein anderer Teil wird aus Fragmenten mehrerer realer Aufsätze zu einem Eintrag zusammengesetzt, der zu keinem von ihnen passt, und der einzige Weg, die beiden zu unterscheiden, besteht darin, den Eintrag gegen ein Verzeichnis zu prüfen, das erfasst, was tatsächlich veröffentlicht wurde.

Ein Registereintrag, den ein Verlag selbst hinterlegt hat, oder ein wissenschaftlicher Index, der auf diesen hinterlegten Metadaten beruht: Crossref, die offizielle Stelle, die DOIs vergibt und Metadaten zu mehr als 160 Millionen Werken verwaltet; Semantic Scholar, der Index des Allen Institute for AI mit über 200 Millionen Arbeiten; und OpenAlex, das die Abdeckung noch weiter ausdehnt. Jedes Urteil, das dieser Prüfer ausgibt, lässt sich auf einen bestimmten Datensatz in einem dieser drei zurückführen, niemals auf eine Vermutung darüber, was ein Zitat wahrscheinlich ist.

Verifiziert bedeutet, dass der eingefügte DOI zu einem echten Datensatz führt, dessen Autor, Jahr und Titel mit Ihrem Eintrag übereinstimmen. Übereinstimmung gefunden bedeutet, dass kein nutzbarer DOI vorhanden war, aber eine Suche nach Titel, Autor und Jahr einen echten Datensatz gefunden hat, prüfen Sie ihn, bevor Sie sich darauf verlassen. DOI-Abweichung bedeutet, dass der DOI zu einem ganz anderen Beitrag führt, das deutlichste Zeichen für einen erfundenen Eintrag. Manuell prüfen bedeutet, dass keines der drei Register eine Übereinstimmung für den Eintrag zurückgegeben hat, ein separates und schwächeres Signal als ein aktiver Widerspruch.

Nicht unbedingt. Dieses Urteil besagt nur, dass Crossref, OpenAlex und Semantic Scholar für die Suche nichts zurückgegeben haben. Bücher, Buchkapitel, Dissertationen, Konferenzbeiträge, sehr aktuelle Arbeiten und nicht englischsprachige Veröffentlichungen sind in diesen Registern nur dünn indexiert, unabhängig davon, ob sie echt sind. Suchen Sie den Titel in Google Scholar oder im Katalog Ihrer Bibliothek, bevor Sie über den Eintrag entscheiden.

Eine DOI wird genau einem Datensatz zugeordnet, dem, den sein ausstellendes Verzeichnis daran angehängt hat. Wenn der Prüfer die DOI in Ihrem Eintrag und den zurückkommenden Datensatz auflöst und dieser eine andere Autorenschaft, einen anderen Titel oder ein anderes Journal beschreibt als das, was Sie eingefügt haben, wird diese Abweichung direkt angezeigt. Eine syntaktisch gültige DOI beweist nichts über den Eintrag, in dem sie erscheint, nur das Auflösen tut es.

Der Prüfer baut den Eintrag aus den Metadaten des Datensatzes neu auf und formatiert ihn in APA 7, MLA 9, Chicago, Harvard, IEEE oder Vancouver, unter Verwendung derselben Formatierungslogik wie der Zitationsgenerator dieser Website. Wenn Sie das Ergebnis kopieren, ersetzt es Ihren ursprünglichen Eintrag vollständig, einschließlich Kursivschrift.

Nein. Die Prüfung bestätigt, dass ein Beitrag mit dem angegebenen Autor, Jahr, Titel und Erscheinungsort existiert und dort veröffentlicht wurde, wo der Eintrag es angibt. Sie sagt nichts darüber aus, ob die Ergebnisse dieses Beitrags den Satz stützen, dem Sie das Zitat zugeordnet haben, das ist eine separate Prüfung, die nur eine lesende Person an der Quelle vornehmen kann.

Nein. Er ist nicht dafür ausgelegt, dieses Urteil zu fällen. Seine einzige Frage ist, ob jeder Eintrag in einer Literaturliste auf eine echte, auffindbare Veröffentlichung verweist. Er zieht keinen Schluss darüber, wie der umgebende Text geschrieben wurde, ob dieser Text von einer Person, einem Chatbot oder einer Mischung aus beidem stammt.