Zum Inhalt springen
Tool-Bewertungen

Elicit vs. Consensus: Welches Tool beantwortet eine Forschungsfrage für eine Abschlussarbeit besser?

Justin Wong

Leiter des Wachstums

9 Min. Lesezeit

Gegenüberstellung: Elicit nutzt die Humanstudie von Guerrini 2022, um sein Ja abzuschwächen; Consensus zeigt Yes 91 % und belässt sie bei Unknown

„Ja, eine wiederholte Verabreichung löst Immunreaktionen gegen PEG und Lipidkomponenten aus und verändert die Partikel-Clearance.“ Consensus gab diese Zeile innerhalb von etwa 10 Sekunden aus, über einer Anzeige mit „Ja 91 %“. Das langsamere Elicit formulierte sein „Ja“ bereits im ersten Satz differenzierter, und sein letzter Absatz verortete die stärkste Evidenz in präklinischen Modellen – ein Dissertationskapitel sollte also dort ansetzen.

Ordnung Sie jede Behauptung der Stärke ihrer Evidenz zu

Das Hedge-Claim-Confidence-Feature formuliert übertriebene Sätze um, und Claim Confidence ist eine von fünf Überprüfungen, die ein Kapitel durchlaufen kann

Jenni kostenlos testen

Elicit oder Consensus: die Entscheidung vorweg

  • Starten Sie in Elicit – wenn ein Kapitel darlegen muss, wie weit die Evidenz reicht. Die Antwort nannte die Bedingungen bereits im ersten Satz und trennte Tier- und Humanbefunde klar voneinander.

  • Nutzen Sie Consensus – für einen schnellen ersten Überblick bei einer Ja-oder-Nein-Frage. Es antwortete innerhalb von etwa 10 Sekunden, und sein Meter zeigt, wie sich die klassifizierten Arbeiten aufteilen.

  • Bei beiden gilt – öffnen Sie die Arbeiten, bevor Sie sie zitieren. Eine Zeile in Elicit versah einen Zeitschriftenartikel mit einem Preprint-Label, und die Anzeige von Consensus ließ 9 der 20 gelesenen Arbeiten unberücksichtigt.

Direkter Vergleich


Elicit

Consensus

Antwort auf dem Bildschirm

Nach 10,4 Sekunden noch in Bearbeitung, vollständig beim Check nach 74,8 Sekunden

Beim Check nach 10,5 Sekunden

Zugrundeliegende Arbeiten

99 geprüft, 7 zitiert

20 gelesen, 15 in der Antwort zitiert

Erster Satz

Ja, unter Nennung von Formulierung, Verabreichungsweg, Dosis und Spezies

Ja, unter Nennung von PEG und Lipidkomponenten

Evidenz beim Menschen

Eigener Absatz, den Tierstudien gegenübergestellt

Ein Satz unter „Pharmacokinetic Impacts“

Mechanistische Details

Antikörper, Komplement und schnellere Clearance

Ergänzt TLR4 und CD1d sowie eine B-1-, dann B-2-Antikörperantwort

Die Impfstoff-Kohortenstudie

Für die Humanbefunde zitiert

Zitiert, als „Unknown“ gekennzeichnet, außerhalb der Prozentanzeige

Ja-oder-Nein-Auszählung

Keine

Ja 91 %, Nein 9 %, N = 11

Angegebene Publikationsquelle für die Rattenstudie

bioRxiv, 2023

NPJ Vaccines, 2023

Formatierte Quellenangabe

Keine im Quellenbereich

APA, MLA, Chicago, Harvard, BibTeX und AMA/Numeric

Consensus war schneller und lieferte mehr auf der Seite: eine Evidenztabelle, Abbildungen und eine Zitation in sechs Formaten. Elicit lieferte die Antwort, auf die sich ein Kapitel stützen kann, da es aufzeigte, wo die Evidenz stark war und wo sie dünner wurde.

Dieselbe Frage in beiden Tools

Die Frage stammte aus dem Absatz zur Verabreichung von CRISPR mittels Lipid-Nanopartikeln, der in diesen Tool-Reviews verwendet wird und wiederholte Dosierungen zu den noch offenen Punkten zählt: „Löst eine wiederholte Verabreichung von Lipid-Nanopartikeln eine Immunantwort aus?“

Sie wurde mit weniger als einer Minute Abstand und ohne geänderte Einstellungen in den Elicit Research Agent und in die Standard-Consensus-Suche eingegeben. Die Option „Deep review“ in Consensus war nicht aktiviert.

Die Antwort des jeweiligen Tools

Consensus – Die Antwort erschien beim Check nach 10,5 Sekunden auf dem Bildschirm. Das Schritte-Panel zeigte die ausgeführte Suche: „repeat dosing of lipid nanoparticles and immune response“ mit 5,7 Mio. Ergebnissen und 20 gelesenen Artikeln, gefolgt von der oben zitierten Schlagzeile.

Darunter befanden sich der Consensus Meter mit „Ja 91 %, Nein 9 %, N = 11“, eine Evidenztabelle, die zwei Aussagen als „Strong“ und eine als „Moderate“ einstufte, sowie zwei eigene Abbildungen. Der Satz darüber, was die Evidenz abdeckte, stand ganz am Ende: „These findings reflect experimental animal models and clinical trial cohorts“.

Der Hauptteil ging mechanistisch weiter ins Detail als Elicit. Er nannte TLR4 und CD1d als die Rezeptoren hinter der Reaktion auf ionisierbare Lipide sowie eine frühe B-1- und spätere B-2-Antikörperantwort bei erneuter Dosierung.

Dazwischen listete er vier PEG-Alternativen aus den gelesenen Arbeiten auf, jeweils mit einem Zitat, und bot Folgefragen an wie „How does accelerated blood clearance after LNP repeat administration affect mRNA efficacy?“

Consensus-Antwort, dass wiederholte Gabe Immunreaktionen auslöst, über einem Meter mit Yes 91 % und No 9 % bei N = 11

Die Consensus-Schlagzeile und der Meter für die Frage zur wiederholten Verabreichung

Elicit – Beim Check nach 10,4 Sekunden noch aktiv, lag beim Check nach 74,8 Sekunden eine fertige Antwort vor, überschrieben mit „Reviewed 99 sources on immune responses to repeat LNP dosing“. Die Sitzung benannte sich selbst als „Lipid nanoparticle redosing immunity“.

Der erste Satz antwortete mit „Ja“ und führte aus, dass die Reaktion und ihre Folgen „von der LNP-Formulierung, dem Verabreichungsweg, der Dosis und der Spezies abhängen.“ Der zweite Absatz begann mit: „That effect is not inevitable or uniform.“

Ein dritter Absatz wandte sich dem Menschen zu: „Human vaccine findings are more reassuring about practical consequences than the animal redosing studies“. Der letzte Absatz verortete die stärkste Evidenz für eine beschleunigte Clearance in präklinischen Modellen. Zu den vorgeschlagenen Folgefragen gehörte: „What human evidence links anti-PEG antibodies to clinical outcomes?“

Elicit-Antwort aus 99 Quellen: Wiederholte Gabe kann Immunreaktionen auslösen, abhängig von Formulierung, Weg, Dosis und Spezies

Die Elicit-Antwort mit Formulierung, Verabreichungsweg, Dosis und Spezies im ersten Satz

🧪 Nennen Sie die Spezies zum Befund: Zusammen stützten sich die beiden Antworten auf Studien an Ratten, Mäusen und Menschen. Geben Sie an, aus welcher Studie ein Befund stammt (wie Elicit es tat), damit die Leserschaft die Reichweite beurteilen kann

Was die 91 % erfassen

Jeder der 20 Artikel trägt ein Badge im Consensus-Quellenbereich. Die Badges summierten sich auf 10 „Yes“, 1 „No“ und 9 „Unknown“ – das N = 11 hinter dem Meter setzt sich also allein aus den „Yes“- und „No“-Artikeln zusammen.

  • Das eine Nein – Kim et al. (2023), ein neues ionisierbares Lipid, das laut seinem Abstract wiederholte mRNA-Dosen in fibrotische Lungen von Mäusen ohne Aktivitätsverlust ermöglichte. Consensus kennzeichnete es als „The lone dissent here.“

  • Zwei der 10 Ja – ein Research-Square-Preprint von Arral et al. mit 0 Zitationen, dessen Zeitschriftenversion in Drug Delivery and Translational Research erschien, und ein Konferenz-Abstract von 2026, veröffentlicht in Cancer Research.

  • Unter den 9 Unbekannt – Guerrini et al. (2022), die Impfstoff-Kohortenstudie, die beide Tools als Human-Evidenz heranzogen. Die Kernbotschaft in Consensus lautet: „The presence of PEG in lipid-nanoparticle-based COVID-19 vaccines does not affect safety or efficacy, and anti-PEG antibodies do not show significant booster effects after repeated doses.“

Consensus-Referenz 12, eine Studie von 2022 zu Anti-PEG-Antikörpern nach wiederholten COVID-19-Impfdosen, mit dem Abzeichen Unknown

Die Impfstoff-Kohortenstudie in den Consensus-Quellen, als „Unknown“ gekennzeichnet

Das Abstract stützt den Sicherheitsteil dieser Zusammenfassung sowie den IgG-Teil, aber nicht alles davon. Anti-PEG-IgG zeigte keinen signifikanten Booster-Effekt, während IgM nach der ersten und dritten Dosis signifikant anstieg; PEG stand zudem in keinem Zusammenhang mit gemeldeten schwerwiegenden Nebenwirkungen in der Kohorte.

Die beiden meistzitierten Arbeiten, die Consensus gelesen hatte, waren ebenfalls als „Unknown“ eingestuft: ein Artikel aus dem Jahr 2022 in Immunity mit 616 Zitationen und eine Literaturübersicht von 2023 mit 421 Zitationen.

Die humane Kohortenstudie, auf die sich beide Tools stützten, lag somit außerhalb der Prozentangabe. Der Leitfaden zu einer echten Quelle hinter einer falschen Behauptung zeigt, wie sich ein Satz von dem entfernen kann, was in der Arbeit steht.

🔢 Lesen Sie den Meter neben seinem N: Hier zählte der Meter 11 der 20 gelesenen Arbeiten. Öffnen Sie die als Unknown markierten Referenzen, bevor ein Prozentsatz in ein Kapitel einfließt

Die Arbeiten hinter der Elicit-Antwort

Über „View 7 cited sources“ öffnete sich eine Tabelle der Arbeiten, die der Antwort zugrunde lagen:

  • Wang et al., ausgewiesen als bioRxiv, 2023, 116 Zitationen

  • Omata et al., Molecular Pharmaceutics, 2024

  • Lee et al., Biomaterials Research, 2024

  • Besin et al., ImmunoHorizons, 2019, nur Abstract

  • Münter et al., Molecular Therapy: Methods & Clinical Development, 2023

  • Guerrini et al., International Journal of Molecular Sciences, 2022

  • Facskó et al., Pharmaceutics, 2026, nur Abstract

Zeile 1 ist die Rattenstudie, die auch die Evidenztabelle von Consensus anführte. Elicit kennzeichnete sie als „bioRxiv · 2023“, doch der Link führt zum npj-Vaccines-Artikel unter derselben DOI, die auch Consensus verwendete.

Beide sind dieselbe Studie zu zwei unterschiedlichen Zeitpunkten. Ein bioRxiv-Preprint mit demselben Titel wurde 2022 veröffentlicht, und die Zeitschriftenversion folgte 2023 – die Elicit-Zeile kombiniert also den Preprint-Server mit dem Jahr der Fachzeitschrift.

Elicit-Bereich Sources mit 7 Quellen; der Detailbereich zeigt die Studie zur PEG-Immunreaktion bei Ratten, beschriftet mit bioRxiv, 2023

Der Elicit-Quellenbereich mit dem Preprint-Label auf dem Zeitschriftenartikel

📰 Zitieren Sie die vom Verlag gelistete Version: Wenn ein Tool einen Artikel als Preprint kennzeichnet, öffnen Sie die DOI. Zitieren Sie die Zeitschriftenversion, falls vorhanden, und entnehmen Sie das Jahr der Verlagsseite

Der Leitfaden zur Überprüfung, ob ein Artikel Peer-Reviewed ist, beschreibt dieselbe manuelle Kontrolle.

Wo sich die beiden Quellenlisten überschneiden

Von den 7 Elicit-Quellen gehörten 4 auch zu den 15 von Consensus zitierten: die Rattenstudie, der ImmunoHorizons-Artikel von 2019 über eine zweiphasige Antikörperantwort, die Formulierungsstudie von 2024 von Lee et al. und die Impfstoff-Kohortenstudie.

Elicit allein zitierte die anderen 3:

  • Verabreichungsweg – Münter et al. (2023) verglichen intravenöse, intramuskuläre und subkutane Injektionen bei Mäusen und stellten nach intramuskulärer Injektion niedrige Antikörperspiegel fest.

  • Antikörper und die Nutzlast – Omata et al. (2024) untersuchten, wie Anti-PEG-Antikörper die Immunantwort auf mRNA-beladene Partikel beeinflussen.

  • Mensch – Facskó et al. (2026) analysierten Anti-PEG-Antikörper bei menschlichen Blutspendern und verglichen Personen, die mRNA-LNP-Impfstoffe erhalten hatten, mit solchen, die keine erhalten hatten.

Dieselbe Rattenstudie wies zudem zwei unterschiedliche Zitationszahlen auf: 116 in Elicit und 117 in Consensus, während ihre Verlagsseite 142 anzeigte. Eine Zitationszahl ist ein Wert aus einer bestimmten Datenbank, keine feste Eigenschaft der Arbeit.

Eine Quellenangabe exportieren

Consensus – Das Zitat-Symbol auf einer Quellenkarte öffnet „Cite this finding“ mit Reitern für APA, MLA, Chicago, Harvard, BibTeX und AMA/Numeric. Der APA-Eintrag für die Rattenstudie listete alle 11 Autoren in der richtigen Reihenfolge samt DOI auf.

Der Quellenangabenteil lautete „NPJ Vaccines, 8.“ ohne Heft- oder Artikelnummer, während die Verlagsseite Ausgabe 1 und Artikelnummer 169 ausweist und die Zeitschrift als „npj Vaccines“ führt.

Consensus-APA-Zitat für die Rattenstudie von 2023, endend mit NPJ Vaccines, 8, und der DOI, ohne Heft- oder Artikelnummer

Der Consensus-APA-Eintrag ohne Heft- oder Artikelnummer

Elicit – Der Bereich „Source details“ lieferte Titel, Autoren, die Publikationszeile, einen DOI-Link, das Abstract und eine Speichern-Schaltfläche. Es bot keine fertig formatierte Quellenangabe zum Kopieren an.

🧾 Vervollständigen Sie die Referenz beim Verlag: Übernehmen Sie Autoren und Titel aus dem Tool und ergänzen Sie Heft, Seiten oder Artikelnummer von der Verlagsseite, bevor der Eintrag ins Literaturverzeichnis wandert

Der Leitfaden zum Finden einer DOI zeigt, wo diese Details auf einer Verlagsseite zu finden sind.

Was die Tools kosten

Tarif

Elicit (Akademische Preise)

Consensus

Kostenlos

Basic, 0 $. Eingeschränkte Nutzung für Research Agent und Research Reports, unbegrenzte Suche in über 138 Millionen Artikeln

Free, 0 $. Einfache Artikelsuche, 10 Pro-Nachrichten pro Monat, bis zu 3 Deep Reviews pro Monat

Erste kostenpflichtige Stufe

Plus: 19 $ pro Monat oder 132 $ pro Jahr

Pro: 20 $ pro Monat oder 144 $ pro Jahr

Zweite kostenpflichtige Stufe

Pro: 69 $ pro Monat oder 468 $ pro Jahr

Deep: 65 $ pro Monat oder 540 $ pro Jahr

Dritte Stufe und Enterprise

Scale: 149 $ pro Monat oder 1.068 $ pro Jahr. Enterprise: individuell

Teams: 30 $ pro Platz und Monat. Enterprise: individuell

Preise von elicit.com/pricing und consensus.app/pricing.

Elicit Plus bietet den Export nach RIS, CSV, BIB, PDF und DOCX sowie 5 Tabellenspalten gleichzeitig. Consensus Pro bietet unbegrenzte Pro-Nachrichten und 15 Deep Reviews pro Monat; bei Deep steigt die Anzahl der Reviews auf 200.

Die beiden ersten Bezahlstufen liegen preislich 1 $ pro Monat bzw. 12 $ pro Jahr auseinander.

Beide Tools kombinieren

  • Fragen Sie zuerst Consensus – für einen schnellen Überblick bei einer Ja-oder-Nein-Frage, und achten Sie auf das N neben dem Meter.

  • Öffnen Sie die mit „Unknown“ markierten Arbeiten – die humane Kohortenstudie, auf die sich beide Tools stützten, befand sich dort, außerhalb der Prozentzahl.

  • Stellen Sie Elicit dieselbe Frage – für eine Antwort, die Tier- und Humanbefunde trennt und die zitierten Arbeiten übersichtlich auflistet.

  • Prüfen Sie jede Arbeit beim Verlag – vergewissern Sie sich bezüglich Version, Jahr und Ausgabe, bevor Sie die Referenz verfassen.

Der Leitfaden zur Formulierung einer Forschungsfrage erklärt, wie man Fragen formuliert, die diese Tools beantworten können, und der Leitfaden für Literaturübersichten in Abschlussarbeiten zeigt, wie die geprüften Arbeiten eingeordnet werden.

✍️ Verknüpfen Sie die Einschränkung direkt mit der Quelle: Schreiben Sie den vorsichtig formulierten Satz in Jenni und zitieren Sie die Arbeit direkt an der Cursor-Position, damit Spezies, Befund und Zitat im Kapitel zusammenbleiben

Fazit: Elicit oder Consensus?

Elicit eignet sich besser für ein Dissertationskapitel bei einer solchen Fragestellung. Seine Antwort nannte Formulierung, Verabreichungsweg, Dosis und Spezies bereits im ersten Satz, trennte Tier- und Human-Evidenz voneinander und listete seine 7 Quellen in einer einzigen Tabelle auf.

Consensus empfiehlt sich für einen schnellen ersten Eindruck bei einer Ja-oder-Nein-Frage – mit Meter, Evidenztabelle und Zitationen in sechs Formaten. Beachten Sie dabei jedoch den Meter stets im Verhältnis zu seinem N, da 9 der 20 gelesenen Arbeiten außerhalb der Wertung blieben.

Importieren Sie eine geprüfte Arbeit per DOI

Fügen Sie eine DOI oder PMID in Jenni ein und die Arbeit wird Ihrer Bibliothek hinzugefügt – bereit zum Zitieren in APA, MLA, Chicago, IEEE oder Harvard

Kostenlos mit dem Schreiben beginnen

Der Elicit-Testbericht und der Consensus-Testbericht evaluieren jedes Tool einzeln, und Elicit vs. SciSpace testet denselben Textabschnitt in einem weiteren Vergleich.

Nachdem die Quellen überprüft wurden, wird das eigentliche Kapitel in Jenni verfasst, wo jede nuancierte Behauptung direkt neben der Quelle steht, auf die sie sich stützt.

Machen Sie noch heute Fortschritte bei Ihrem wichtigsten Projekt

Verfassen Sie noch heute Ihre erste Arbeit mit Jenni und blicken Sie nie wieder zurück

Kostenlos starten

Keine Kreditkarte erforderlich

Jederzeit kündbar

Jetzt schreiben– es ist kostenlos

Über 5M

Wissenschaftler weltweit

5,2 Stunden Zeitersparnis

Im Durchschnitt pro Artikel

Über 15M

Papers, die mit Hilfe von Jenni geschrieben wurden