Der Halluzinations-Zitationsaudit: Vorab-Checks vor der Einreichung

Ein Audit zu halluzinierten Zitaten vor der Einreichung ist heute der Unterschied zwischen einem „sauberen“ Bildschirm am Schreibtisch und einem Alarm bezüglich der Forschungsintegrität – und der Grund, warum das so wichtig ist, wurde inzwischen quantifiziert. Maxim Topaz, ein Team an der Columbia University, das 2,5 Millionen biomedizinische Paper auditiert hat, die in PubMed Central indexiert sind, hat aufgedeckt, was wir alle insgeheim befürchtet hatten. Die Zahl der gefälschten Referenzen, die in peer-reviewte biomedizinische Druckerzeugnisse aufgenommen werden, ist sprunghaft angestiegen – und zwar genau in dem Moment, in dem generative KI-Tools Teil des durchschnittlichen Drafting-Workflows Forschender wurden. Eines von 277 Papers, die in den ersten sieben Wochen des Jahres 2026 zitiert wurden, enthält mindestens eine Referenz, die in PubMed, Crossref, OpenAlex oder Google Scholar nirgends auffindbar ist. Zwei Jahre zuvor lag der Anteil noch bei 1 zu 2.828. Wir sehen also einen 12-fachen Anstieg der Rate gefälschter Referenzen, die ihren Weg in die Fachliteratur finden – mit dem stärksten Anstieg genau im Zeitplan ab Mitte 2024.

Der Topaz-Audit liefert uns die bislang „sauberste“ Zahl, ist aber nicht die einzige. ArXiv hat eine einjährige Einreichsperre für Autorinnen und Autoren angekündigt, die Papers mit eindeutig KI-generierten Fehlern veröffentlichen – einschließlich halluzinierter Zitationen. Die Analyse von GPTZero zu 4.841 von NeurIPS 2025 akzeptierten Papers identifizierte mindestens 100 bestätigte halluzinierte Zitationen in 53 Papers, nachdem sie von drei bis fünf Expertinnen und Experten geprüft worden waren. Eine Studie der Deakin University zu von GPT-4o generierten Referenzen fand, dass 56 Prozent entweder erfunden waren oder Fehler enthielten, und dass 64 Prozent der gefälschten Zitationen mit einer DOI „verpackt“ waren, die zwar zu einem realen, aber thematisch nicht verwandten Paper führte – eine Variante, die besonders schwer zu erkennen ist.

Die gute Nachricht: Ein Audit zu halluzinierten Zitationen vor der Einreichung dauert je nach Umfang der Referenzliste zwischen 20 Minuten und zwei Stunden und fängt nahezu alle dieser Fehler ab, bevor eine Redaktion oder eine prüfende Person sie sieht. Dieser Beitrag ist genau dieser Audit. Wir zeigen, wie halluzinierte Zitationen im Jahr 2026 tatsächlich aussehen, erläutern den Workflow mit vier Datenbanken, geben eine Schritt-für-Schritt-Checkliste für die Vorabprüfung, stellen Tools vor, die die Arbeit automatisieren, und erklären, was zu tun ist, wenn man in einem Manuskript, das bereits im Review ist, eine solche Zitation findet.

Was ist ein Audit zu halluzinierten Zitaten?

Ein Audit zu halluzinierten Zitaten ist ein Check vor der Einreichung, der jede Referenz in Ihrem Manuskript gegen PubMed, Crossref, OpenAlex und Google Scholar verifiziert, um erfundene oder falsch zugeordnete Zitationen abzufangen, bevor eine Redaktion oder ein Gutachten sie sieht. Je nach Umfang Ihrer Referenzliste dauert er zwischen 20 Minuten und zwei Stunden und fängt nahezu alle dieser Fehler ab. Das ist entscheidend, weil in den ersten sieben Wochen des Jahres 2026 eines von 277 in PubMed indexierten Papers mindestens eine Referenz zitierte, die in diesen vier Datenbanken an keiner Stelle existiert – ein 12-facher Anstieg gegenüber der Rate von 2023 (1 zu 2.828).

Warum halluzinierte Zitationen inzwischen ein Screening-Problem sind

Etwa in der zweiten Hälfte von 2024 beginnen Herausgeberinnen und Herausgeber, halluzinierte Referenzen zu bemerken, die auf ihren technischen Bildschirmen auftauchen. Mitte 2026 integrieren alle führenden medizinischen und journals der Life Sciences eine „Existenzprüfung“ von Referenzen in ihre internen Pre-Review-Verfahren oder in ihre Richtlinien für Peer Reviewer. Der Lancet-Brief, der den Topaz-Audit veröffentlichte, war in Teilen auch ein öffentliches Bekenntnis, die eigene Eingangsprüfung zu härten.

Operativ liegt der entscheidende Punkt darin, dass eine halluzinierte Zitation nicht mehr als unachtsamer Fehler behandelt wird. Sie wird als Flag bezüglich der Forschungsintegrität eingeordnet. Der Sprung von „Die Autorinnen und Autoren haben ein Jahr falsch angegeben“ zu „Die Autorinnen und Autoren haben diese Quelle nicht gelesen, weil es sie nicht gibt“ ist kurz – und Redaktionen sind inzwischen darauf trainiert, genau das zu tun. In den meisten Zeitschriften reicht es aus, wenn in einer 60-Einträge-Liste genau ein Bezug falsch gemacht wurde, um das Manuskript „abzuprallen“; in den strengsten (dem Lancet, BMJ, mehreren Titeln von Nature Portfolio) kann das sogar eine Weiterleitung an das Research-Integrity-Office der Institution auslösen.

Die arXiv-Policy macht denselben Punkt in schärferer Form. Jede Autorin bzw. jeder Autor, die/der ein Paper einreicht, das eine halluzinierte Referenz enthält, kann für ein Jahr von arXiv ausgeschlossen werden. Nach der Sperre muss jede nächste arXiv-Einreichung zunächst durch Peer Review in einer renommierten Umgebung gehen, bevor arXiv sie wieder akzeptiert. Diese Regel schafft eine dauerhafte reputationsbezogene Asymmetrie – ausgelöst durch eine einzelne ungeprüfte Zitation. Das Problem der gefälschten Zitationen ist nicht nur ein PubMed-Problem.

Wie halluzinierte Zitationen tatsächlich aussehen

Die meisten Autorinnen und Autoren stellen sich eine halluzinierte Zitation als offensichtlich „kaputt“ vor: ein falsch formatiertes Titelstück, ein Zeitschriftenname, den es nicht gibt, oder ein Jahr, das in der Zukunft liegt. Solche Fälle existieren, und sie sind die einfachsten 30 Prozent des Problems. Die schwierigeren 70 Prozent wirken legitim und überstehen einen schnellen visuellen Check.

Wir sehen vier wiederkehrende Muster.

Muster 1: echte Autorinnen und Autoren, echte Zeitschrift, plausibler Titel, aber kein solches Paper. Das Modell setzt die Zitation aus Trainingsdaten zusammen, die ihm beibringen, welche Autorinnen und Autoren wo publizieren und zu welchen Themen. Die Ausgabe liest sich wie eine echte Referenz. Die DOI, falls vorhanden, löst entweder nicht auf oder verweist auf ein anderes Paper.

Muster 2: echtes Paper, falsche Autorin bzw. falscher Autor oder falsches Jahr. Das Modell wusste, dass das Paper existiert, ordnete aber ein Metadatenfeld falsch zu. Die Zitation besteht einen Google-Scholar-Titel-Suchlauf, scheitert jedoch bei der DOI-Abfrage. Das ist oft die schwerste Variante zu erkennen, denn die zitierte Aussage könnte tatsächlich im echten Paper vorhanden sein (nur bei einer anderen Autorin oder einem anderen Jahr).

Muster 3: echte DOI, aber ein unbezogenes Paper. Der Deakin-Studienfund. Das Modell erzeugt eine überzeugend aussehende Zitation und hängt eine DOI an, die zwar auflösbar ist, aber auf eine komplett unzusammenhängende Arbeit verweist. Ein visueller Check macht zwar sichtbar, dass die DOI real ist, doch erst das Lesen des verlinkten Papers zeigt das Problem. Das ist die Variante mit 64 Prozent.

Muster 4: „gequälte Formulierungs“-Ketten rund um die Zitation. Der Cabanac Problematic Paper Screener hat mehr als 19.000 Papers markiert, die durch Paraphrasierungssoftware erzeugte „gequälte“ Phrasen enthalten – häufig in Clustern um erfundene Zitationen. „Joined Together States“ für die Vereinigten Staaten, „bosom peril“ für Brustkrebs, „kidney disappointment“ für Nierenversagen. Wenn der Textabschnitt um eine Zitation herum sich so liest, als sei er paraphrase-gereinigt worden, ist die Wahrscheinlichkeit höher, dass auch die Zitation selbst halluziniert ist. Unser Hinweis zum Paraphrasieren, dass Zitationen beibehält, deckt die Technikhürde ab, die Muster 4 überhaupt erst erzeugt. Muster 4 korreliert mit Mustern 1 bis 3, ist aber nicht unabhängig von ihnen.

Diese Muster sind der Grund, warum ein Check mit nur einer Datenbank nicht ausreicht. Ein Google-Scholar-Lookup nur anhand des Titels verpasst Muster 2 und 3. Ein Crossref-Lookup nur anhand der DOI verpasst Muster 1. Der Workflow mit vier Datenbanken existiert, weil jede Datenbank einen anderen Ausfallmodus erkennt.

So verifizieren Sie KI-Zitationen: der Workflow mit vier Datenbanken

Wir definieren eine halluzinierte Referenz als eine, die in keiner der vier Datenbanken PubMed, Crossref, OpenAlex oder Google Scholar vorhanden ist. Für unsere Audits vor der Einreichung stützen wir uns auf diese vier Quellen, weil jede von ihnen die Lücken der anderen drei abdeckt.

PubMed. Beste Abdeckung für biomedizinische und klinische Literatur. Wenn eine Referenz eine PMID hat, verwenden Sie die PMID-Suche. Andernfalls suchen Sie die Referenz über den Titel und den Nachnamen der ersten Autorin bzw. des ersten Autors. PubMed wird viele echte, aber falsch zugeordnete Zitationen verwerfen, die Crossref akzeptiert.

Crossref. Beste Abdeckung von DOIs in allen Fachbereichen. Suchen Sie die Referenz anhand der DOI mit dieser doi.crossref.org-Abfrage oder über deren öffentliche API bei api.crossref.org/works/[DOI]. Wenn es nicht funktioniert, ist das die eindeutige Halluzination. Wenn es funktioniert, prüfen Sie Titel, Autorinnen/Autoren und Jahr.

OpenAlex. Die breiteste Abdeckung, kostenlos – und es findet Zitationen, die nicht von PubMed und Crossref abgedeckt werden (Humanities, Konferenzproceedings der Informatik, regionale Journals). Suchen Sie die Referenz anhand des Titels und stellen Sie sicher, dass die Autorinnen/Autoren stimmen. OpenAlex ist auch deshalb nützlich, weil es Zitationen sichtbar macht, die als Preprints existieren, aber noch nicht als DOI-publizierte Arbeiten.

Google Scholar. Verwenden Sie es zuletzt: die breiteste Abdeckung, aber die geringste Treffgenauigkeit. Eine Referenz, die in keiner der vier Datenbanken PubMed, Crossref, OpenAlex oder Google Scholar auftaucht, ist funktional sehr wahrscheinlich halluziniert. Eine Referenz, die nur in Google Scholar auftaucht, aber in keiner der strukturierten Datenbanken, ist verdächtig: Sie existiert möglicherweise (Graue Literatur, eine Thesis, nicht-DOI-indizierte Proceedings), aber die Zitation muss vor der Einreichung manuell geprüft werden.

Der Workflow dauert manuell ungefähr eine Minute pro Referenz. Ein 60-Referenzen-Paper ist eine Arbeitsstunde. Ein systematisches Review mit 200 Referenzen liegt eher bei drei. Der Audit ist zwar mühsam, aber mechanisch – daher ein naheliegendes Ziel für Automatisierung; Tools finden sich im Abschnitt „direkt danach“.

Der Pre-Submission-Audit, Schritt für Schritt

Eine wiederholbare Checkliste, die wir für jedes Manuskript verwenden, das während des Draftings in die Nähe eines generativen KI-Tools kam. Acht Schritte, keiner davon erfordert ein bezahltes Tool.

1. Extrahieren Sie die Referenzliste in ein flaches Format. Exportieren Sie aus Ihrem Referenzmanager (Zotero, Mendeley, EndNote, Paperpile) als BibTeX oder RIS. Wenn Ihr Paper in Word ohne Manager erstellt wurde, kopieren Sie die Referenzliste in eine Textdatei. Nummerieren Sie jeden Eintrag. Sie brauchen diese Nummerierung, um nachzuhalten, welche Referenzen verifiziert wurden.

2. Markieren Sie jede Referenz, deren Titel Sie nicht erkennen. Wenn man sich das Paper nicht vorstellen kann, hat man es sehr wahrscheinlich nicht gelesen. Halluzinierte Referenzen sind besonders gefährdet, falsch zu sein. Für die gründlichste Prüfung markieren Sie diese.

3. Lösen Sie jede DOI auf. Fügen Sie jede DOI in https://doi.org/[DOI] ein. Wenn sich die DOI nicht auflösen lässt, ist die Referenz halluziniert. Wenn sie sich auflösen lässt, vergleichen Sie Titel und Autorinnen/Autoren des Zielpapers mit Ihrer Zitation. Abweichungen sind Halluzinationen vom Muster 3.

4. Verifizieren Sie jede Non-DOI-Referenz in PubMed oder Crossref. Titelsuche plus Nachname der ersten Autorin/des ersten Autors. Wenn das Paper existiert, erfassen Sie die PMID oder DOI für Ihre Unterlagen. Wenn es in keiner der beiden Datenbanken existiert, gehen Sie zu Schritt 5.

5. Gleichen Sie „eskalierte“ Referenzen in OpenAlex und Google Scholar ab. Wenn eine Referenz in Crossref und PubMed fehlschlägt, sind OpenAlex- und Google-Scholar-Checks die entscheidenden Suchläufe. Ein Fehlschlag in allen vier Datenbanken ist der Nachweis, dass die Referenz halluziniert ist. Wenn eine Referenz nur in Google Scholar auftaucht, inspizieren Sie die verlinkte Quelle manuell.

6. Für Preprints: verifizieren Sie sowohl den Preprint als auch jede veröffentlichte Version. Ein verbreitetes Muster ab Mitte 2024: Das Modell zitiert einen realen Preprint, erfindet aber eine fiktive Zeitschriftenveröffentlichung derselben Arbeit. Prüfen Sie arXiv, bioRxiv, medRxiv und SSRN explizit auf jede Preprint-Referenz.

7. Gleichen Sie die Aussage im Text gegen die Quelle ab. Öffnen Sie das eigentliche Paper und prüfen Sie, dass es die konkrete Aussage stützt, für die Sie sie zitieren – bei mindestens 10 Prozent Ihrer Referenzen (oder allen, im Fall eines systematischen Reviews). Die Deakin-Studie zeigt: Die Fehlerquote von 56 Prozent umfasst Fälle vom Muster 2, bei denen das zitierte Paper existiert, aber die Aussage nicht stützt.

8. Dokumentieren Sie den Audit. Speichern Sie das Audit-Log (welche Referenz verifiziert wurde, gegen welche Datenbanken, an welchem Datum). Wenn die Zeitschrift während des Peer Reviews nachfragt, haben Sie die Belege. Wenn eine Gutachterin oder ein Gutachter eine konkrete Zitation anzweifelt, können Sie auf Ihren Verifizierungsschritt verweisen.

Die Kosten für die Durchführung des Audits betragen zwei Stunden. Die Kosten fürs Überspringen sind – falls man erwischt wird – eine Spanne von der technischen Ablehnung im Screen bis hin zum arXiv-Ban. Führen Sie den Audit durch.

Tools, die den Audit automatisieren

Sie können alle acht Schritte manuell erledigen. Mit Tools werden Sie schneller.

Crossref public API. Kostenlos, keine Anmeldung nötig. Der Endpunkt api.crossref.org/works/[DOI] liefert JSON mit dem kanonischen Titel, den Autorinnen/Autoren und dem Jahr. Ein Python-Skript mit 20 Zeilen, das Ihre Referenzliste durchgeht und diesen Endpunkt abfragt, erkennt Muster 1 und 3 in Sekunden pro Referenz. Das ist die leichteste Form von Automatisierung und reicht für ein 60-Referenzen-Paper in der Regel aus.

Scite (scite.ai). Verifiziert Referenzen und berichtet darüber, ob nachfolgende Papers die Arbeit unterstützend oder widersprechend zitiert haben. Erkennt Muster 2 (echtes Paper, falsche Aussage) besser als die anderen Tools, weil es sich mit dem tatsächlichen Inhalt auseinandersetzt. Es gibt einen kostenlosen Tarif; die bezahlte Version ist notwendig für die vollständige Integration.

Problematic Paper Screener (Cabanac, Labbe, Magazinov). Kostenlos, offen, im Wesentlichen ein „post-publication“-Screen, aber die Detektor-Suite ist vor der Einreichung für Muster 4 nützlich. Suchen Sie unter dbrech.irit.fr/pls/apex/f?p=9999:1. Hilfreich zur Bestätigung, dass der Text um Ihre Zitationen herum nicht so paraphrase-„gewaschen“ wurde, dass es wie Output aus einer Paper-Mill wirkt.

Referenzprüfer, die in Referenzmanager integriert sind. Wenn Zotero eine halluzinierte Referenz erkennt, wird die Funktion „Find Available PDF“ nicht funktionieren. Mendeleys Feature, Metadaten zu ergänzen, hat dieselbe Wirkung. Das ist kein gezielter Halluzinations-Checker, aber es identifiziert die einfachsten Probleme, wenn Sie ihn im Normalbetrieb verwenden.

Unser Proofreader. Unser KI-Proofreader arbeitet, indem er den Audit mit vier Datenbanken in einem Durchlauf ausführt, halluzinierte und falsch zugeordnete Referenzen hervorhebt und ein bereinigtes Log exportiert, das Sie zusammen mit dem Manuskript speichern können. Wir stellen dieses Tool als Teil unseres breiteren Sets an KI-Korrekturtools für Forschungsarbeiten bereit – einschließlich der zugehörigen Grammatik-, Zitationsformatierungs- und Änderungsverfolgungsprozesse, die mit einem sauberen Referenzaudit einhergehen.

Für einen eigenständigen Durchgang vor dem vollständigen Korrekturlesen führt unser kostenloser KI-Zitierprüfer dieselbe Existenzprüfung für jede eingefügte Literaturliste direkt im Browser gegen Crossref, Semantic Scholar und andere offene Register durch, ganz ohne Anmeldung.

Meistens fängt das Crossref-API-Skript zusammen mit einer manuellen Eskalationsliste 90 Prozent des Problems für die meisten Autorinnen und Autoren ab. Tools entfalten ihren Wert besonders für systematische Reviews, für Forschungsteams mit vielen Einreichungen und für den Fall, dass die Kosten eines einzigen übersehenen Halluzinationsfehlers hoch sind (eine Lancet- oder NEJM-Einreichung, ein arXiv-Repost nach einem früheren Flag).

Was tun, wenn Sie eine halluzinierte Zitation finden?

Sie werden eine finden. Nach unseren Erfahrungen hat fast jede Referenzliste, die mit einem LLM in Berührung kam, mindestens eine. Je nach Phase Ihres Manuskripts haben Sie zwei Optionen.

Vor der Einreichung. Der einfachste Fall. Entfernen Sie die Zitation oder ersetzen Sie sie durch eine echte Referenz, die die Aussage tatsächlich stützt, oder formulieren Sie den umgebenden Satz so um, dass die nicht gestützte Aussage entfernt wird. Dokumentieren Sie die Änderung in Ihrem Audit-Log.

Während des Peer Reviews. Informieren Sie die verantwortliche Gutachtensleitung (handling editor) umgehend schriftlich, sobald Sie die Halluzination bestätigt haben. Legen Sie die korrigierte Referenzliste und eine Erklärung bei: was Sie gefunden haben, wie Sie es gefunden haben und was Sie getan haben, um die verbleibenden Referenzen zu verifizieren. Redaktionen reagieren deutlich besser auf Autorinnen und Autoren, die sich selbst korrigieren, als auf Autorinnen und Autoren, die von einer Gutachterin oder einem Gutachter erwischt wurden.

Angenommen, aber noch nicht veröffentlicht. Kontaktieren Sie die Herstellungs-/Production-Redaktion (production editor) umgehend. Die meisten Verlage akzeptieren eine späte Korrektur in der Proof-Phase, wenn sie als Selbstkorrektur bezüglich der Integrität präsentiert wird – statt als routinemäßige redaktionelle Änderung.

Veröffentlicht. Kontaktieren Sie die Zeitschrift und beantragen Sie eine Erratum-Veröffentlichung oder, in ernsten Fällen, ein Corrigendum. Wenn die halluzinierte Zitation eine substanzielle Aussage im Paper stützt, muss die Korrektur möglicherweise bis auf die Aussage selbst ausgeweitet werden. Das ist der Weg, den man am meisten vermeiden möchte; genau davor bewahrt der Audit.

AI-Disclosure-Statement in Ihrem Manuskript, falls Sie irgendwelche KI-Tools verwendet haben, die die Referenzliste berührt haben – etwa Paraphraser oder Zitationsgeneratoren. Sie können auch im Anschreiben an den Herausgeber mitteilen, dass Sie einen Audit durchgeführt und selbst korrigiert haben. Das klingt nach einer professionellen Maßnahme, nicht nach einer alarmierenden.

Häufig gestellte Fragen

F: Wie häufig sind halluzinierte Zitationen im Jahr 2026?

Die Columbia-Analyse (Topaz et al., Lancet 2026) fand, dass eines von 277 in PubMed indexierten Papers, die in den ersten sieben Wochen des Jahres 2026 veröffentlicht wurden, mindestens eine Referenz enthielt. Das entspricht einem 12-fachen Anstieg gegenüber der Rate von 2023 (1 zu 2.828). Der Trend geht nach oben. In Konferenzen mit strengerem Peer Review fand die GPTZero-NeurIPS-2025-Analyse mindestens 100 halluzinierte Zitationen in 53 der 4.841 akzeptierten Papers – etwa 1 Prozent der Konferenz.

F: Warum ist die 64-Prozent-Variante mit DOI die schwerste zu erwischen?

Wenn ein LLM eine Referenz halluziniert, setzt es manchmal eine reale DOI aus seinen Trainingsdaten ein, die auf ein anderes Paper verweist als das, was zitiert wurde. Die DOI löst auf, das andere Paper existiert, und ein schneller visueller Check wirkt daher in Ordnung. Erst nachdem man auf den Link zum zitierten Paper klickt, merkt man, dass Titel, Autorinnen/Autoren oder sogar der Inhalt der zitierten Referenz nicht zur Zitation passen. Die Deakin-Studie zeigt, dass das für 64 Prozent der mit GPT-4o generierten gefälschten Zitationen zutraf. Das Auflösen der DOI allein reicht nicht aus; es muss durch eine Verifizierung ergänzt werden, dass das verlinkte Paper tatsächlich zur Zitation passt.

F: Verbietet arXiv mir wirklich ein Jahr lang den Zugang, wenn eine halluzinierte Zitation vorliegt?

Ja, wenn die Nachlässigkeit eindeutig ist. Thomas Dietterich kündigt die arXiv-Policy im Mai 2026 an, die Fälle adressieren soll, in denen Autorinnen und Autoren KI-LLM-Ausgaben eingefügt haben, ohne sie zu prüfen – was zu halluzinierten Referenzen, übrig gebliebenem Chatbot-Platzhaltertext oder Daten führte. ArXiv hat ausdrücklich gemacht, dass wirklich bestrittene oder grenzwertige Fälle nicht in den Anwendungsbereich fallen. Nach Ablauf des Bans müssen alle künftigen arXiv-Einreichungen zunächst zuerst ein Peer Review in einem renommierten Umfeld bestehen, bevor arXiv sie wieder akzeptiert.

F: Kann ich meine Referenzliste einfach durch ChatGPT oder Claude laufen lassen, um sie zu prüfen?

Nein. Das gleiche Modell, das die Referenz halluziniert hat, kann auch die Verifizierung halluzinieren. Wir haben gesehen, dass LLMs selbstbewusst „bestätigen“, dass gemachte DOIs gültig sind. Der Check muss gegen externe, strukturierte Datenbanken (PubMed, Crossref, OpenAlex, Google Scholar) erfolgen, die über autoritative Metadaten verfügen – nicht gegen ein weiteres LLM.

F: Was, wenn eine Referenz nur in Google Scholar existiert?

Eine Referenz, die in Google Scholar auftaucht, aber in keiner der PubMed-, Crossref- oder OpenAlex-Datenbanken, ist eher verdächtig als eindeutig halluziniert. Einige reale Quellen (eine Thesis, Konferenz-Proceedings ohne DOI, ein Working Paper, ein regionales Journal) erscheinen in Google Scholar ohne Abdeckung in strukturierten Datenbanken. Prüfen Sie die verlinkte Quelle manuell. Wenn man das Paper öffnen und die Aussage verifizieren kann, ist die Referenz real, aber unter-indexiert; zitieren Sie sie dann mit Vertrauen. Wenn man die Quelle nicht öffnen kann oder der Link defekt ist, behandeln Sie sie als halluziniert und entfernen oder ersetzen Sie die Zitation.

Referenz-Prüfender Korrektor für Zeitschriftseinreichungen

Einmaliger Audit erfundener Zitate gegen PubMed, Crossref, OpenAlex und Google Scholar, mit herunterladbarem Verifizierungsprotokoll für Ihre Unterlagen.